首页|基于数据挖掘算法的DHC系统负荷时序预测方法

基于数据挖掘算法的DHC系统负荷时序预测方法

Load Estimation for the DHC System Based on Data Mining and Time-Series Techniques

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
区域供冷供热系统(DHC)负荷预测的精准度是实现系统设计合理和运行节能的关键因素.以某区域能源站实测数据为基础,采用多元线性回归(MLR)、分类与回归树(CART)和随机森林(RF)三种数据挖掘算法,分别建立了系统负荷时序预测模型,并对比了三种模型在不同时序变量影响下的负荷预测结果以及预测效率.结果表明:在不同时序变量影响组合下,随机森林模型的预测效果最好;在仅考虑预测精度的情况下,负荷的时序变量组合维度越复杂,预测结果精度越高,而预测效率越低;在同时考虑预测精度和预测效率的情况下,当时序变量采用室外干球温度、室外相对湿度、负荷(t-1)和负荷(t-2)的组合2时,随机森林模型的综合性能最好.

焦良珍、陈海生、高革、李冠男、胡云鹏

展开 >

武汉科技大学 建筑与土木工程学院,武汉 430065

中电光谷建筑设计院有限公司,武汉 430072

武汉商学院,武汉 430056

数据挖掘 时序分析 区域供冷供热 负荷预测 预测效率

青年科学基金湖北省高等学校优秀中青年科技创新团队计划

51906181T201829

2020

10.3969/j.issn.1673-7237.2020.11.008

建筑节能(中英文)
中国建筑东北设计研究院有限公司

建筑节能(中英文)

CSTPCD
影响因子：0.695
ISSN：2096-9422
年,卷(期)：2020.48(11)
  • 3
  • 12