基于卷积神经网络的换热站热负荷预测研究

作者：张玲; 王美萍^*; 田琦; 白雪; 翟少峰

来源：建筑节能(中英文), 2023, 51(05): 67-72.

• 热负荷预测
• 换热站
• 随机森林算法
• 卷积神经网络

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%。

• 出版日期2023
• 单位太原理工大学