【技术实现步骤摘要】
一种基于室温修正和CNN
‑
BiLSTM的热负荷预测方法
[0001]本专利技术属于供热系统热负荷预测
，特别涉及一种基于室温修正和CNN
‑
BiLSTM的热负荷预测方法与系统。
技术介绍
[0002]随着人们对美好生活的向往，区域集中供热系统有从北往南、逐年快速扩大的趋势，供热所带来的能耗增加也越来越受到业内重视，尤其是在“双碳”目标下，以节能降耗为技术的智慧供热是实现的重要手段。对热负荷预测方法进行研究以提高热负荷预测的精度，减少能耗的浪费，实现按需供热是十分必要。
[0003]现有技术中已有通过数据特征处理结合神经网络的短期热负荷预测方法，例如中国专利申请202111408084 .9，公开了一种基于LSTM深度学习的供暖热负荷预测方法，首先采集热负荷及天气历史数据得到序列数据集，进行归一化处理；将准备好的数据按比例分成训练集和测试集，建立供暖负荷LSTM网络模型，调整网络内部参数，用训练集数据完成LSTM模型拟合；将预测与测试数据结合，用来进行模型的过拟合评估；模型评...
【技术保护点】
【技术特征摘要】
1.一种基于室温修正和CNN
‑
BiLSTM的供热系统热负荷预测方法，包括以下步骤：步骤S01、采集供热企业监控系统中各供暖季与热负荷预测相关的数据，并对所述数据进行预处理；所述数据包括室内温度、室外温湿度、太阳辐射强度、逐时的热负荷、以及天气；步骤S02、利用卷积双向长短期记忆神经网络（CNN
‑
BiLSTM），建立供热系统的负荷预测模型；将步骤S01中经过预处理的所述数据进行训练集和测试集的划分；其中，针对各个供暖季数据，将所述数据依据室外温度分为初末期和中期两个阶段，分别对所述两个阶段的数据进行训练集和测试集的划分；利用所述训练集和所述测试集对所述供热系统的热负荷预测模型进行训练，并得到最终的热负荷预测模型；步骤S03、利用步骤S02中获得的所述热负荷预测模型对供热系统的热负荷进行短期预测，输入所述供热企业监控系统中近三天的逐时数据，预测未来一天内的逐时热负荷值。2.根据权利要求1所述的方法，其特征在于，步骤S01中所述预处理包括：S101、对所述数据中的缺失数据进行补充，并删除冗余数据；S102、剔除所述数据中的异常数据；S105、对各所述数据进行归一化处理。3.根据权利要求1或2所述的方法，其特征在于，步骤S01中所述预处理包括：S103、对采集到的N个所述室内温度在逐时进行加权平均，得到逐时的室内温度特征值；具体而言，按照下式计算：其中，为室内温度j时刻特征值；t
n, i, j
为j时刻第i个点的采集室内温度；M
i
为第i个室内采集点的权重，权重通过AHP（层次分析法）进行赋值。4...
【专利技术属性】
技术研发人员：康国青，王长欣，田淑明，吴连奎，刘韶鹏，赵洪斌，康天，
申请(专利权)人：北京云庐科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。