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
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] | 李智杰, 石昊琦, 李昌华, 张颉. 基于改进遗传算法的影像中心布局优化方法[J]. 系统仿真学报, 2022, 34(6): 1173-1184. |
[2] | 陈斌, 刘悦, 杨亚磊. 基于STN的机场航班过站保障时间协同规划建模[J]. 系统仿真学报, 2022, 34(6): 1196-1207. |
[3] | 杨凯, 陈纯毅, 胡小娟, 于海洋. 蒙卡渲染画面多特征非局部均值滤波降噪算法[J]. 系统仿真学报, 2022, 34(6): 1259-1266. |
[4] | 陈麒, 崔昊杨. 基于改进鸽群层级的无人机集群视觉巡检模型[J]. 系统仿真学报, 2022, 34(6): 1275-1285. |
[5] | 王沐晴, 张磊, 范秀敏, 骆晓萌, 朱文敏. VR外设驱动的虚拟人姿态优化仿真方法[J]. 系统仿真学报, 2022, 34(6): 1296-1303. |
[6] | 陆承, 靳学胜. 基于Steam VR的交互仿真水枪灭火训练系统设计[J]. 系统仿真学报, 2022, 34(6): 1312-1319. |
[7] | 高宏鼐, 付丽疆, 夏倩, 郭亚. 可观测度在光合作用模型性能评估中的应用[J]. 系统仿真学报, 2022, 34(6): 1330-1342. |
[8] | 倪凌佳, 黄晓霞, 李红旮, 张子博. 基于协作式深度强化学习的火灾应急疏散仿真研究[J]. 系统仿真学报, 2022, 34(6): 1353-1366. |
[9] | 蒙盾, 胡卓, 张华军. 基于改进A*算法的多层邮轮疏散系统仿真[J]. 系统仿真学报, 2022, 34(6): 1375-1382. |
[10] | 郭宇飞, 赵康, 海永清. 面向有限元分析的三角网格布尔运算方法[J]. 系统仿真学报, 2022, 34(5): 1003-1014. |
[11] | 吴桐, 王清辉, 徐志佳. 三周期极小曲面多孔材料渗透率尺度特性研究[J]. 系统仿真学报, 2022, 34(5): 1015-1024. |
[12] | 蒋阳升, 王思琛, 高宽, 刘梦, 姚志洪. 混入智能网联车队的混合交通流元胞自动机模型[J]. 系统仿真学报, 2022, 34(5): 1025-1032. |
[13] | 梁江涛, 王慧琴. 基于改进蚁群算法的建筑火灾疏散路径规划研究[J]. 系统仿真学报, 2022, 34(5): 1044-1053. |
[14] | 张其文, 张斌. 基于教学优化算法求解置换流水车间调度问题[J]. 系统仿真学报, 2022, 34(5): 1054-1063. |
[15] | 邢根上, 鲁芳, 李书山, 罗定提. 基于产品体验性的供应链交货模型与仿真研究[J]. 系统仿真学报, 2022, 34(5): 1064-1075. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||