时间卷积网络在热负荷预测中的应用

摘要：

针对热力站优化控制中,因热负荷数据不准确,热负荷预测准确度较低,导致难以实现热力站热量按需分配的问题,本文提出了采用面积法拟合热负荷数据.该方法通过推导公式建立热负荷与室外温度的数学关系,得到热负荷曲线的趋势;采用积分运算的方式,使热负荷曲线面积与瞬时热量曲线面积相等,计算出热负荷曲线应整体移动的尺度,最终得到拟合的热负荷曲线.搭建时间卷积网络(Temporal Convolutional Network,TCN)模型,对拟合后的热力站热负荷数据预测,并与长短期记忆网络(Long Short-term Memory,LSTM)、反向传播神经网络(Back Propagation,BP)对比.实验结果证明,TCN相较于其它算法误差更小,可以实现精准热负荷预测.

关键词：热负荷预测、按需分配、热负荷拟合、时域卷积神经网络、tensorflow

所属期刊栏目：13

分类号：TP181(自动化基础理论)

资助基金：内蒙古自治区自然科学基金项目2019LH06004

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：47-52