【技术实现步骤摘要】
本专利技术属于供热系统热负荷预测,具体涉及一种历史数据驱动的短期采暖热负荷预测方法。
技术介绍
1、在我国北方地区的城镇,冬季供暖主要依靠集中供热系统。近年来,随着城镇化进程的加快,供热面积和供热量逐年增加,这导致了能源消耗和碳排放的显著上升。在应对“双碳”目标的背景下,提高热负荷预测的精度,实现按需供热成为减少供热能耗的重要途径之一。根据预测周期的不同,热负荷预测可以分为超短期、短期、中期和长期四种类型。其中,短期热负荷预测具有周期性强、受气象因素影响大、负荷变化明显等特点。这种预测可以帮助供热系统更好地调整运行策略,以适应实时的负荷变化,从而提高供热效率,减少能源浪费。
2、预测性调控是提升单元建筑供暖系统效率的关键策略。它通过预测单元建筑实时的热负荷,为供暖系统提供最佳运行方案。在目前的技术发展背景下,热负荷预测方法主要分为三种类型:白箱法、黑箱法和灰箱法。白箱法侧重于研究单元建筑物理机理,通过分析单元建筑基本信息和传热理论来预测热负荷。然而,由于其需要大量单元建筑信息,其普适性有所不足。黑箱法则是通过建立数据驱动模型
...【技术保护点】
1.一种基于CEEMDAN-KPCA-LSTM算法的二次网热负荷预测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于CEEMDAN-KPCA-LSTM算法的二次网热负荷预测方法,其特征在于:所述改进神经网络模型包括将完全集成经验模态分解自适应噪声算法、核主成分分析KPCA和长短期记忆神经网络LSTM;
3.根据权利要求1所述的一种基于CEEMDAN-KPCA-LSTM算法的二次网热负荷预测方法,其特征在于:对改进的神经网络模型进行训练的过程如下:
4.根据权利要求1所述的一种基于CEEMDAN-KPCA-LSTM算
...【技术特征摘要】
1.一种基于ceemdan-kpca-lstm算法的二次网热负荷预测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种基于ceemdan-kpca-lstm算法的二次网热负荷预测方法,其特征在于:所述改进神经网络模型包括将完全集成经验模态分解自适应噪声算法、核主成分分析kpca和长短期记忆神经网络lstm;
3.根据权利要求1所述的一种基于ceemdan-kpca-lstm算法的二次网热负荷预测方法,其特征在于:对改进的神经网络模型进行训练的过程如下:
4.根据权利要求1所述的一种基于ceemdan-kpca-lstm算法的二次网热负荷预测方法,其特征在于:所述通过自适应噪声的完备集合经验模态分解,获得影响热负荷的环境因素在不同时间尺度上的局部特征的过程如下:
5.根据权利要求1所述的一种基于ceemdan-kpca-lstm算法的二次网热负荷预测方法,其特征在于:所述对分解得到的环...
【专利技术属性】
技术研发人员:慕东东,张雨鑫,韩新洁,范云生,
申请(专利权)人:大连海事大学,
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。