结合天气因素的HTS-FOA-GRNN短期热负荷预测研究

简介

随着社会的不断发展进步以及社会各界对环境保护问题的高度重视,如何做到让冬季北方地区的集中供热系统经济环保运行成为了目前我国供热行业的首要目标。短期热负荷预测的研究恰恰可以提高供热系统控制精度,优化供热系统控制方案,实现系统的经济环保运行。由于热用户的室内温度受外界环境温度的影响因素较大,因此在结合天气因素再进行神经网络建模会使预测更加精准。提出一种基于改进果蝇算法优化的广义回归神经网络(FOA-GRNN)以及结合天气因素的短期热负荷预测方法,选取供热负荷值、实时天气温度和二次网供水温度和二次网回水温度等四类数据,构建HTS-FOA-GRNN供热负荷短期预测模型。研究表明,所构建的HTS-FOA-GRNN模型具有很好的预测能力和优化效果。