基于机器学习的供热系统热负荷多步递归预测

• 作者: 刘京 周志刚 方修睦 蒋毅 薛普宁 陈昕
• 来源期刊: 煤气与热力
• 学科: 工学
• 关键词: 集中供热 热负荷预测 多步递归预测 机器学习
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 哈尔滨工业大学智慧供热专栏
• 页码范围: 20-27
• 页数: 8页
• 分类号: TU995.3
• 字数: 6427字
• 语种: 中文

摘要

为预测供热系统的短期热负荷动态概况,提出一种基于机器学习的热负荷多步递归预测策略,该预测策略是对热负荷单步预测模型的拓展.介绍热负荷多步递归预测的流程,该流程可分为4个步骤:数据预处理、数据集划分、模型训练和模型评估.数据预处理细分为特征选择、特征工程和特征变换.在模型训练步骤中,介绍2种机器学习模型:支持向量回归(SVR)和极限梯度提升(XGBoost).分别利用这2种机器学习模型建立了热负荷单步预测模型,根据建立的单步预测模型,采用提出的多步递归预测策略,可以实现对短期热负荷的动态概况预测.选取某实际供热系统的热源首站的运行数据用于案例分析.结果 表明:在预测精度和预测稳定性方面,基于XG-Boost的热负荷多步递归预测策略均优于基于SVR的热负荷多步递归预测策略;二者在各时间步长上均未产生明显的误差累积;该热负荷多步递归预测策略可以准确预测供热系统短期热负荷的动态概况.