首页|基于深度学习的区域供热逐时负荷预测研究

基于深度学习的区域供热逐时负荷预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
提出一种基于深度置信网络的区域供热逐时负荷预测方法,并以兰州新区某换热站实际运行数据对所提出方法的有效性进行验证.此外,为分析建筑物热惰性对供热逐时负荷预测精确度的影响,分别将预测时刻前1h,1～2h,和1～3h时作为输入参数的时间序列.研究结果表明:当时间序列取为预测时刻前1h时显示出最佳的预测性能,预测值与实际值的平均绝对误差和平均相对误差分别为277.98 kW和2.28％,且相比采用人工神经网络分别降低约17.56 kW和0.15％.
Study on Hourly Load Prediction of District Heating Based on Deep Learning

尚海军、白新奎、乔磊、邓秦生、白旭、李恭斌、孙玉成、尹军波、刘圣冠、耿如意

展开 >

西安西热节能技术有限公司

华能甘肃能源开发有限公司

华能兰州新区热电有限公司

区域供热 供热负荷预测 深度置信网络 热惰性

中国华能集团有限公司总部科技项目

HNKJ21-HF258

2022

建筑热能通风空调
中国建筑学会

建筑热能通风空调

影响因子：0.293
ISSN：1003-0344
年,卷(期)：2022.41(9)
  • 10