基于模糊神经网络的供热负荷预测

为了克服传统BP神经网络预测精度差,易陷入局部极值的缺陷,提出了模糊神经网络系统。利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化,快速寻找出样本数据间的连续属性的信息,将其与传统BP神经网络结合组成模糊神经网络对热负荷进行预测。实验结果表明:该模糊神经网络预测结果的相对误差很小不超过2%,在短期负荷预测方面具有的优越性。     

民用建筑供热负荷的神经网络法预测

分析了供热系统负荷变化的各种扰量,提出利用人工神经网络对供热负荷进行预测的方法。对神经网络预测的可行性、方法的实施内容及输入输同变量的选择,网络连接方法的选择等进行了讨论。在进一步对供热负荷特性研究的基础上,可以利用人工神经网络对其进行切实可行的预测。     

基于室外温度和室内温度的集中供热负荷预测

本文针对住宅集中供热进行了负荷预测,预测模型采用带有两个外部输入的扩展自回归ARX模型,两个外部输入分别为室外温度和室内温度.负荷预测模型采用洛阳香榭丽小区2018年的热力站和室温数据进行了参数估计与模型验证.结果表明,加入室内温度作为输入样本后,可以提高模型的预测效果.除了用于短期负荷预测外,该模型还可用于热负荷优化...     

区域供冷供热系统的负荷预测

针对区域供冷供热的特点,提出一种有效的区域负荷预测方法:通过建立几种适用于某一地区的典型建筑DeST负荷计算模型,模拟出不同类型建筑的全年逐时负荷并对数据进行分析处理,得出不同类型建筑的全年峰值负荷与负荷率时间分布,用来指导该地区的区域负荷预测或区域供冷供热系统的研究。     

浅析日本区域供冷供热的负荷预测

介绍了日本区域供冷供热领域中冷负荷、热负荷、用电负荷、生活热水加热负荷的设计值和全年累计值,以及逐时逐月的变化规律.该数据是基于对大量建筑物的实际能耗进行收集、统计分析后得出的,可供中国设计师在初期规划阶段参考、借鉴.     

基于PCA-PSO-SVM的供热负荷预测研究

以长春某热力公司的集中供热系统为研究对象,提出了可用于热负荷预测的PCA-PSO-SVM模型。首先利用PCA进行降维,然后通过PSO优化算法选取最优参数c、g和ε,从而构建PCA-PSO-SVM的预测模型。仿真结果表明,经过PCA降维处理的模型预测精度略低,但模型的预测速度可以提高20%～40%左右;此外也验证了基于PSO优化模型的预测精度较高,模型拟合度较好。     

区域供热系统的热负荷预测方法研究

为使供热系统能更好更高效地向用户提供热能,对供热系统不同形式的热负荷预测方法进行了科学的分类,并逐一分析进行比较,根据各预测方法特点探讨其适用范围以及待深入研究的方向。     

基于负荷系数的固定供水温度量调节方程

为了满足计量供热系统热源超量调节和超前调节的要求,避免自主调节用户加热过程的热滞后,引入逐时同类用户及其负荷系数,建立了计量供热系统间连网一次网采用固定供水温度的量调节、二次网采用主动质调节-被动量调节时的运行调节方程.通过实例计算证实了在逐时负荷比值确定后,虽然用户自主调节随机性大,但仍然能够确定供热系统在调节状态下的供、回水温度及其流量,进而预测自主调节状态下的逐时供热量.     

基于支持向量回归和小波包的供热负荷预澳

通过分析影响热网负荷变化的各种因素，对热负荷数据进行预处理，运用小波包变换对负荷序列进行分解，对各子序列分别建立支持向量回归预测模型，最后通过序列重构，得出预测结果。仿真结果表明，该方法比传统BP神经网络和未作小波包分解的支持向量回归法具有更高的预测精度。     

负荷控制和费率—改善区域供热经济性的工具

如果区域供热公司想以可与各单独供热方案相媲美的价格提供热量,它们中的许多家目前正面临着巨大的成本压力。为了保持竞争性,区域供热公司一方面必须采用不会发生少读现象的热量来确保它们所提供的每一kWh的热量进行计费,以确保其营业收入;另一方面,它们还必须采用负荷控制和费率的方法来控制“装机容量”这一主要成本因素。     

基于支持向量回归和小波包的供热负荷预测

通过分析影响热网负荷变化的各种因素,对热负荷数据进行预处理,运用小波包变换对负荷序列进行分解,对各子序列分别建立支持向量回归预测模型,最后通过序列重构,得出预测结果。仿真结果表明,该方法比传统BP神经网络和未作小波包分解的支持向量回归法具有更高的预测精度。     

基于神经网络的区域供热系统短期负荷预测

准确的热负荷预测是实现区域供热系统精细控制和节能减碳的关键。以国内北方某城市区域供热系统为研究对象,分别采用BP神经网络(BPNN)、遗传算法(Genetic Algorithm, GA)优化BP神经网络(GA-BPNN)和自回归移动平均模型(Autoregressive Integrated Moving Average Model, ARIMA)组合BP神经网络(ARIMA-BPNN)方法对其热负荷进行预测,并对比了各预测方法的准确性和适用性。结果表明,GA-BPNN预测误差最小,ARIMA-BPNN次之,但后者预测所需数据更少。此外,验证了在减少样本数目以及影响因素的种类的情况下,GA-BPNN预测方法的平均相对误差均在5%以内,表明GA-BPNN预测方法适用于样本减少的情况。     

基于预测误差评价的供热负荷预测输入变量选择研究

本文分析了供热系统热负荷变化的复杂性和非线性特点,说明了不同误差评价指标在供热负荷预测输入变量选择时的作用,以及各种误差评价指标所衡量物理意义的区别.由于供热系统热负荷受多变量相互影响,因此热负荷预测输入变量不同会影响预测结果的准确性.以某供热系统为算例,采用平均绝对误差、平均绝对百分比误差和均方根误差对供热负荷预测结...     

刍议建筑电气设计中的等效负荷计算

随着我国经济建设不断的发展,我国城市建设正处于快速发展阶段.本文对分析计算了建筑电气设计中的等效负荷,以期为同类设计提供借鉴.     

基于供热数据挖掘和负荷预测的适量供热技术

针对供暖用户和建筑热力系统的热工特性,从计算机存储的海量历史数据中进行数据挖掘,得到对应于室外当量温度的供热负荷预测区间。通过工程实例介绍了数据挖掘过程和与热网最佳运行调节策略相结合的运行参数预测,最终实现适量供热调节。     

短期供热负荷的灰色拓扑预测

根据灰色预测理论,本文针对短期供热负荷变化的季节性与周期性的特点,提出了一套负荷预测方法－改进灰色拓扑预测方法,采用关联度来选择建模数列,并运用非唯一性原理解释了预测失效点,最后成功地对某热电厂短期负荷的未来值进行了全波形预测。     

论线间负荷等效三相容量的计算

原城乡建设环境保护部批准颁发的《建筑电气设计技术规程》(JGJ16-83)中第7.1.9条有这样一段规定:“在下述情况下单相负荷换算为等效三相负荷时,可简化计算:……。2.只有线间负荷时,等效三相负荷为;单台时取线间负荷的3~(1/2)倍;多台时取最大线间负荷的3倍。”上述线间负荷是指有功功率还是视在功率,各线间负荷的功率因数是否相等,各线间负荷的连接相序有     

等效负荷矩的研究及应用

在确定以负荷中心为配变电所选址首要原则的前提下,对负荷中心的计算方法进行改进。在传统的负荷矩法确定负荷中心的基础上,提出等效负荷矩的概念,沿负荷中心到各负荷点的实际路由为等效负荷矩计算确定负荷中心的位置,并以实际工程验证此方法的合理性和正确性。