基于改进神经网络的热网短期热负荷预测

• 作者: 周鹏 李琦
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 热负荷 动态K均值聚类 神经网络 递归最小二乘 短期滚动预测
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 过程控制技术及应用
• 页码范围: 506-509
• 页数: 4页
• 分类号: TP301
• 字数: 3745字
• 语种: 中文

摘要

针对供热系统供热量和需热量不匹配的问题和节能降耗的需求,提出一种基于改进神经网络的供热系统短期热负荷滚动预测方法.该方法利用动态的K-均值聚类算法确定RBF神经网络的隐含层中心,以实现对聚类中心的个数优化选择,再利用递归正交最小二乘法更新网络连接的权系数,训练RBF神经网络模型.每次预测时用实时数据更新一部分历史数据从而组成新的输入,再用训练模型预测下一时刻的热负荷,用于实现热网热负荷短期滚动预测.仿真结果表明,该方法与传统的神经网络预测方法相比,预测精度高,对热网系统短期热负荷具有良好的预测能力,能给热网控制器提供可靠的数据,使热网供热量和需求量相匹配,满足节能降耗的需求,具有一定的工程实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琦	内蒙古科技大学信息工程学院	79	297	9.0	11.0
2	周鹏	内蒙古科技大学信息工程学院	3	15	1.0	3.0