基于AP-TS-SVR模型的热电厂工业热负荷预测

工业热负荷预测对保障工业生产过程安全和提高热电厂经济性具有重要意义,然而工业热负荷影响因素众多且有较强的随机性,因而采用常规单一负荷预测方法预测难度较大。建立了一种通过平均比例法将时间序列与支持向量机相结合的AP-TS-SVR混合模型,并对某热电厂工业热负荷进行了预测。结果表明,在预测的72h(3个预测日)中,只有6h的预测相对误差大于20%,单日平均相对误差最大为10.64%;与时间序列、支持向量机以及神经网络等单一方法的预测结果相比,AP-TS-SVR混合模型的预测结果较优。AP-TS-SVR混合模型仅需输入工业用户历史负荷数据即可进行热电厂工业热负荷短期预测,对热电厂按需供热具有重要的指导意义。