系统仿真学报 ›› 2018, Vol. 30 ›› Issue (4): 1328-1336.doi: 10.16182/j.issn1004731x.joss.201804015
孙焘, 季少雄
收稿日期:2015-05-19
修回日期:2016-12-20
出版日期:2018-04-08
发布日期:2019-01-04
第一作者简介:孙焘(1975-),男,辽宁大连,博士,副教授,研究方向为数据挖掘;季少雄(1991-),男,福建南平,硕士生,研究方向为数据挖掘。
基金资助:Sun Tao, Ji Shaoxiong
Received:2015-05-19
Revised:2016-12-20
Online:2018-04-08
Published:2019-01-04
摘要: 供热预测对实现供热节能有重要意义,然而由于供热系统具有非线性、复杂性和大时滞性等特点,预测存在一定难度,为了解决供热预测中的时延建模、求解和温度预测问题,基于供热系统的传热物理规律建立优化模型,提出最小二乘意义上的时延求解剪枝算法,并进行温度预测。将供热系统的时延考虑在内的模型符合热传递的物理规律,剪枝降低了时延求解的计算复杂度。通过仿真实验对比与分析证明,与梯度下降最小二乘回归、支持向量机、最小二乘支持向量机和BP神经网络等模型相比,本模型具有较低的平均相对误差和均方误差,且模型简单,计算便捷。
中图分类号:
孙焘,季少雄 . 基于集中供热时延的温度预测模型及仿真[J]. 系统仿真学报, 2018, 30(4): 1328-1336.
Sun Tao,Ji Shaoxiong . Modeling and Simulation on Delay of Central Heating System for Temperature Prediction[J]. Journal of System Simulation, 2018, 30(4): 1328-1336.
| [1] 贺平, 孙刚. 供热工程[M]. 4版. 北京: 中国建筑工业出版社, 2009. Ping He, Gang Sun.Heating Engineering[M]. 4th edition. Beijing: China Architecture & Building Press, 2009. [2] 刘满平. 供热工程[M]. 北京: 中国建材工业出版社, 2013. Manping Liu.Heating Engineering[M]. Beijing: China Architecture & Building Press, 2013. [3] Bass M S, Batukhtin A G.An Integrated Approach for Optimizing the Operation of Modern Heat Supply Systems[J]. Thermal Engineering(S0040-6015), 2011, 58(8): 678-679. [4] 文翰. 基于最小二乘法的热负荷预测的研究与应用[D]. 大连海事大学, 2014: 12-17. Wen Han.The research and application of heating load forecast based on the least square method[D]. Dalian Maritime University, 2014:12-17. [5] 李琦, 李梅. PSO优化在供热网络控制中的应用研究[J]. 计算机仿真, 2013, 30(12): 294-297. Li Qi, Mei Li.Study and Application of PSO in Heating Network Control[J]. Computer Simulation, 2013, 30(12): 294-297. [6] 高丙坤, 李阳, 许明子. 优化粒子群算法在组合供热负荷预测中的应用[J]. 信息与电子工程, 2012, 9(5): 655-659. Gao Bingkun, Li Yang, Xu Mingzi.Application of particle swarm optimization algorithm in the heating load combination forecasting[J]. Information and Electronic Engineering, 2012, 9(5): 655-659. [7] 张永明, 陈烈, 齐维贵. 基于支持向量区间回归的供热负荷概率预报[J]. 吉林大学学报(工学版), 2010, 40(6): 1693-1697. Zhang Yongming, Chen Lie, Qi Weigui.Probabilistic prediction approach of heat load based on support vector interval regression[J]. Journal of Jilin University (Enginering and Technology Edition), 2010, 40(6): 1693-1697. [8] 王美萍, 田琦, 张佼. 模糊耦合神经网络的系统供热预测研究[J]. 太原理工大学学报, 2015, 45(4): 485-489. Wang Meiping, Tian Qi, Zhang Jiao.Research on Heat Forecasting Based on Fuzy Neural Network[J]. Journal of Taiyuan University of Technology, 2015, 45(4): 485-489. [9] 崔高健, 凡东生, 曲永利. 基于Elman型神经网络集中供热负荷预测模型的研究[J]. 建筑节能, 2011(3): 9-11. Cui Gaojian, Fan Dongsheng, Qu Yongli.Load Predication Model of District Heating System Based on Elman Neural Network[J]. Building Energy Efficiency, 2011(3): 9-11. [10] 谢慕君, 冯敬芳, 姜长泓. 集中供热二次网回水温度的预测和控制研究[J]. 控制工程, 2015, 22(2): 291-295. Xie Mujun, Feng Jingfang, Jiang Changhong.Research of Secondary Network Backwater Temperature Forecast and Control for Centralized Heat-supply System[J]. Control Engineering of China, 2015, 22(2):291-295. [11] 冯敬芳, 谢慕君, 步伟明, 等. 基于神经网络集中供热二次回水温度预测研究[J]. 计算机仿真, 2014, 31(3): 351-354. Feng Jingfang, Xie Mujun, Bu Weiming, et al.Research on Secondary Network Backwater Temperature Forecast for Centralized Heat-Supply System Based on Neural Network[J]. Computer Simulation, 2014, 31(3):351-354. [12] 刘兰斌, 江亿, 付林, 等. 供暖末端通断调节系统仿真模型介绍[J]. 建筑科学, 2010, 26(10): 310-317. Liu Lanbin, Jiang Yi, Fu Lin, et al.An introduction to the system simulation models of on-off control in the end of heating system[J]. Building Science, 2010, 26(10): 310-317. [13] Chang C C, Lin C J.LIBSVM: A library for support vector machines[J]. ACM Transactions on Intelligent Systems & Technology(S2157-6904), 2011, 2(3): 389-396. [14] Suykens J A K, Vandewalle J. Least Squares Support Vector Machine Classifiers[J]. Neural Processing Letters (S1370-4621), 1999, 9(3): 293-300. [15] Ding S, Chang X H, Wu Q H.A Study on Approximation Performances of Improved BP Neural Networks Based on LM Algorithms[J]. Applied Mechanics & Materials(S1662-7482), 2013(411/412/ 413/414): 1935-1938. |
| [1] | 黄涛, 张智, 丁玉杰, 陈艳波, 王晶, 张文倩. 考虑动态频率安全与N-k故障的鲁棒应急调度方法[J]. 系统仿真学报, 2025, 37(12): 2981-2993. |
| [2] | 张润昭, 陈艳波, 黄涛, 田昊欣, 强涂奔, 张智. 基于异构负荷特征解析预测的虚拟电厂调度方法[J]. 系统仿真学报, 2025, 37(12): 2994-3006. |
| [3] | 于祥星, 赵艳东, 张宝琳. 基于电涡流NES的海上风机塔架振动控制[J]. 系统仿真学报, 2025, 37(12): 3007-3017. |
| [4] | 李斌, 王于绰. 基于多策略融合的光伏系统故障诊断方法[J]. 系统仿真学报, 2025, 37(12): 3018-3032. |
| [5] | 李孝斌, 胡冰, 尹超, 李波, 马军. 基于时空图卷积的汽车配件供应链需求预测与仿真分析[J]. 系统仿真学报, 2025, 37(12): 3060-3074. |
| [6] | 彭艺, 雷云揆, 杨青青, 李辉, 王健明. 改进PID搜索算法的山地环境无人机路径规划[J]. 系统仿真学报, 2025, 37(12): 3075-3086. |
| [7] | 陈逸, 邱思航, 朱正秋, 季雅泰, 赵勇, 鞠儒生. 基于启发式的人-大模型协作寻源方法[J]. 系统仿真学报, 2025, 37(12): 3112-3127. |
| [8] | 索婧怡, 卢柏宏, 屈澈. 影视LED光源光强分布测定及其在游戏引擎中的仿真研究[J]. 系统仿真学报, 2025, 37(12): 3140-3151. |
| [9] | 龚建兴, 胡海, 任海慧, 吴瑞祥. 面向虚实结合的军事训练系统互操作模型与运用[J]. 系统仿真学报, 2025, 37(12): 3161-3175. |
| [10] | 徐智霞, 王蕊, 孙楠, 何兵, 沈晓卫, 朱晓菲. 基于改进遗传算法的协同干扰资源分配问题研究[J]. 系统仿真学报, 2025, 37(12): 3176-3189. |
| [11] | 刘翔, 金乾坤. 基于PAC-Bayes的多目标强化学习A2C算法研究[J]. 系统仿真学报, 2025, 37(12): 3212-3223. |
| [12] | 杨兰英, 李超, 邹海锋, 万江涛, 张仁强, 刘惠, 卢宏. 基于改进蚁群算法与A*算法相融合的机器人路径规划优化[J]. 系统仿真学报, 2025, 37(11): 2956-2965. |
| [13] | 苏筱婷, 张小威, 田义, 李奇, 王帅豪. 星光导航动态仿真场景时序设计方法研究[J]. 系统仿真学报, 2025, 37(11): 2946-2955. |
| [14] | 张志利, 刘瑾, 周召发, 梁哲, 张云昊. 基于ISCSO-BP神经网络模型的光纤陀螺温度补偿技术研究[J]. 系统仿真学报, 2025, 37(11): 2904-2917. |
| [15] | 陈际同, 周佳加, 吴迪, 江海龙. 基于TD3-RRT的特殊环境下USV路径规划算法研究[J]. 系统仿真学报, 2025, 37(11): 2888-2903. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||