基于气温与日期类型的改进BP网络热负荷预测

doi:10.16182/j.issn1004731x.joss.201804031

系统仿真学报 ›› 2018, Vol. 30 ›› Issue (4): 1464-1472.doi: 10.16182/j.issn1004731x.joss.201804031

基于气温与日期类型的改进BP网络热负荷预测

李琦, 赵峰

内蒙古科技大学信息工程学院,内蒙古包头 014000

收稿日期:2016-04-21 修回日期:2016-06-23 出版日期:2018-04-08 发布日期:2019-01-04
作者简介:李琦(1973-),男,陕西米脂,硕士,教授,研究方向为智能优化控制和工业远程控制;赵峰(1988-),男,山东新泰,硕士生,研究方向为控制算法。
基金资助:
国家自然科学基金(61463040)

Improved BP Neural Network of Heat Load Forecasting Based on Temperature and Date Type

Li Qi, Zhao Feng

College of Information Engineering, University of Science and Technology of Inner Mongol, Baotou 014000, China

Received:2016-04-21 Revised:2016-06-23 Online:2018-04-08 Published:2019-01-04

摘要/Abstract

摘要： 热负荷预测为城市集中供热系统提供数据支持,是实现按需供热的基础。热负荷的变化受外界各项因素特别是室外温度影响较大,为在满足供热系统需求量的同时做到节能与兼顾人体舒适度,提出基于气温与日期类型的热负荷预测方法。该方法将气温与日期类型进行量化并利用BP神经网络建立供热系统的热负荷预测模型。为保证预测精度采用遗传算法对神经网络连接权值和阈值进行优化,得到未来24小时的热负荷预测值。预测结果表明,此方法可以较准确地预测未来的热负荷,并达到按需供热和节能环保的目的。

关键词: 热负荷预测, 气温, 遗传算法, 日期类型

Abstract: The heat load forecasting provides data support for urban district heating systems, which is the basis of need-based heating. The change of heat load is greatly influenced by various exterior factors, especially the outdoor temperature. To meet demand of heating system, save energy and balance the comfort of human body, a kind of improved BP neural network method is proposed by temperature and date type. The temperature and date type are quantified and the heat load forecasting model is established by using BP neural network. To guarantee prediction accuracy, the genetic algorithm is used to optimize the weights and thresholds of the neural network, and from which the predicted value of the heat load in the next 24 hours is obtained. The predicted results from the model show that the proposed method can accurately predict the future heat load;and the goals of on-demand heating, energy conservation and environmental protection are achieved.

Key words: heat load forecasting, genetic algorithm, temperature, date type

中图分类号:

TP301.6

李琦, 赵峰. 基于气温与日期类型的改进BP网络热负荷预测[J]. 系统仿真学报, 2018, 30(4): 1464-1472.

Li Qi, Zhao Feng. Improved BP Neural Network of Heat Load Forecasting Based on Temperature and Date Type[J]. Journal of System Simulation, 2018, 30(4): 1464-1472.

参考文献

[1] 王庆峰. 集中供热系统运行调节优化及热负荷预测方法研究[D]. 济南: 山东大学, 2010.
Wang Qingfeng.Research on heat Load forecasting and optimization of operation and regulation of district heating system[D]. Ji’nan: Shangdong University, 2010.
[2] Ma Tao, Xu Xiangdong.Load predictions for district heating systems based on a WNN model[J]. Journal of Tsinghua University (Science and Technology)(S1000-0054), 2005, 45(5): 708-710.
[3] 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 Prediction of District Heating System Based on Elman Neural Network[J]. Building Energy Efficiency, 2011(3): 9-11.
[4] L Pedersen, J Stang, R Ulseth.Load Prediction Method for Heat and Electricity Demand in Buildings for the Purpose of Planning for Mixed Energy Distribution Systems[J]. Energy&Buildings (S0378-7788), 2008, 40(7): 1124-1134.
[5] 王美萍, 张佼, 田琦. 基于影响因素分析和小波神经网络的供热量预测[J]. 暖通空调, 2014(3): 113-118.
Wang Meiping, Zhang J, Tian Q.Heating Load Prediction Based on Analysis of Influence Factors and Wavelet Neural Network[J]. Heating Ventilating & Air Conditioning, 2014(3): 113-118.
[6] 李胜涛. 集中供热系统的热负荷预测方法研究[D]. 西安: 长安大学, 2014.
Li Shengtao.Research on Heating Load Forecasting of District Heating System[D]. Xi’an: Chang’an University 2014.
[7] 韩颖. 集中供热系统总供热量ADP优化控制策略研究[D]. 包头: 内蒙古科技大学2015.
Han Ying.Research of ADP Strategy for Heat Supply Optimal Control of District Heating System[D]. Baotou: Inner Mongolia University of Science&Technology 2015.
[8] 介鹏飞. 集中供热系统热负荷预测及运行优化[D]. 天津: 天津大学, 2013.
Jie Pengfei.Heating load prediction and operation optimization of district heating System[D]. Tianjin: Tianjin University, 2013.
[9] 张经博, 郭凌, 王朝霞,等. 基于遗传算法优化BP神经网络的供暖系统热负荷预测模型[J]. 四川兵工学报, 2014 (4): 152-156.
Zhang Jingbo, Guo ling, Wang zhaoxia, et al. Thermal Load Forecasting Model of Heating System Based on Genetic Algorithm Optimization BP Neural Network[J]. Journal of Sichuan Ordnance, 2014 (4): 152-156.
[10] 王东亚, 张琳, 赵国材. 神经网络遗传算法在供热负荷预测中应用[J]. 辽宁工程技术大学学报(自然科学版), 2005, 24(4): 161-163.
Wang Dongya, Zhang Lin, Zhao Guocai.Application of Neural Network and Genetic Algorithm in Heating Load Forecasting[J]. Journal of Liaoning Technical University: Natural Science, 2005, 24(4): 161-163.
[11] MATLAB中文论坛. MATLAB神经网络30个案例分析[M]. 北京: 北京航空航天大学出版社, 2010.
MATLAB Chinese Forum.Analysis of 30 cases of MATLAB neural network[M]. Beijing: Beihang University press, 2010.

[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]	付建林, 丁国富, 张剑, 江海凡, 郭沛佩. 基于响应面和NSGA-II的AGV系统多目标优化配置[J]. 系统仿真学报, 2022, 34(5): 994-1002.
[3]	王语童, 马世伟, 杨元睿, 陈超宇. 多机器人组合最大覆盖面积寻优及预测方法[J]. 系统仿真学报, 2022, 34(1): 86-92.
[4]	何昕杰, 周少武, 张红强, 吴亮红, 周游. 基于改进遗传算法的四向穿梭车系统订单排序优化[J]. 系统仿真学报, 2021, 33(9): 2166-2179.
[5]	唐婕, 曹瑾鑫. 共享汽车联合调度优化研究[J]. 系统仿真学报, 2021, 33(8): 1959-1968.
[6]	陈芮莹, 王承涛, 刘振元. 考虑服务水平的IT运维人员调度的智能遗传算法[J]. 系统仿真学报, 2021, 33(3): 732-744.
[7]	陆嘉波, 程培星, 黄羿, 姚进强, 杨雪梦, 马新强, 刘勇. 用于时敏目标打击链快速构建的智能方法[J]. 系统仿真学报, 2021, 33(2): 346-357.
[8]	孙国栋, 何其昌. 螺钉机工艺智能化设计与仿真方法研究[J]. 系统仿真学报, 2021, 33(1): 62-73.
[9]	毛李恒, 邓清, 刘柔妮, 孔祥龙. 针对多星多任务仿真调度的关键路径遗传算法[J]. 系统仿真学报, 2021, 33(1): 205-214.
[10]	樊海霞, 陈小惠. 一种连续无创血压预测的改进向量机学习方法[J]. 系统仿真学报, 2020, 32(9): 1686-1692.
[11]	王宁, 魏利胜. 一种基于GA的新型生物地理学优化算法研究[J]. 系统仿真学报, 2020, 32(9): 1717-1723.
[12]	魏乐, 李希金. 基于多目标的含风电场动态环境经济调度[J]. 系统仿真学报, 2020, 32(9): 1825-1830.
[13]	肖运启, 王乙. 基于混合建模仿真的大型风电场降损控制[J]. 系统仿真学报, 2020, 32(9): 1831-1838.
[14]	刘长良, 王梓齐. 基于严格二叉树编码和GA的模糊树结构学习[J]. 系统仿真学报, 2020, 32(8): 1473-1480.
[15]	刘佳佳, 左兴权. 交叉口交通信号灯的模糊控制及优化研究[J]. 系统仿真学报, 2020, 32(12): 2401-2408.

基于气温与日期类型的改进BP网络热负荷预测

Improved BP Neural Network of Heat Load Forecasting Based on Temperature and Date Type

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价