建筑节能(中英文)2023，Vol.51Issue(5) ：67-72.DOI:10.3969/j.issn.2096-9422.2023.05.011

基于卷积神经网络的换热站热负荷预测研究

Heat Load Forecasting of Heat Exchange Station Based on Convolutional Neural Network

张玲 王美萍 田琦 白雪 翟少峰
建筑节能(中英文)2023，Vol.51Issue(5) ：67-72.DOI:10.3969/j.issn.2096-9422.2023.05.011
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于卷积神经网络的换热站热负荷预测研究

Heat Load Forecasting of Heat Exchange Station Based on Convolutional Neural Network

张玲 1王美萍 1田琦 1白雪 1翟少峰1
扫码查看

作者信息

  • 1. 太原理工大学,太原 030000
  • 折叠

摘要

高效准确的热负荷预测是实现供热系统智能化的重要环节.利用随机森林算法(Random Forest,RF)对换热站热负荷的影响因素进行重要性筛选,选取二次侧回温、二次侧供温、前3 天的热负荷、一次侧供温、室外温度作为预测模型的输入变量,并构建了基于卷积神经网络(Convolutional Neural Network,CNN)的换热站热负荷预测模型,进行为期 3 天的短期热负荷预测.以邯郸市某换热站 2020-2021 年采暖季 224 组供暖数据为例,前 203 组作为训练集,后21 组作为验证集,完成实验;并与CNN、RF-ELM、RF-BP、RF-RBF、RF-LSTM和RF-RF六种模型进行了对比实验.结果表明基于RF-CNN模型在预测精度和泛化能力中有更好的表现,其MAE、RMSE、MAPE分别为0.074、0.098 和4.81％.

关键词

热负荷预测/换热站/随机森林算法/卷积神经网络

引用本文复制引用

基金项目

"十二五"国家科技支撑计划项目(2012BAJ04B02)

出版年

2023
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
参考文献量8
段落导航相关论文