基于EEMD-LSTM模型的集中供热系统热负荷预测方法研究
对热网进行负荷预测是保障供热系统按需供热和精准调控的前提和依据.针对供热系统中由于高延迟、大惯性特点造成的调控不灵和能源浪费问题,构建了基于EEMD-LSMD方法的区域热网负荷预测模型,先通过EEMD(集合经验模态分解)对某热网换热站历史运行数据进行分解,并对分解的分量进行选择和辨别,再结合LSTM(长短期记忆神经网络)算法对选择的各个变量分别进行预测,最后叠加预测值得出预测结果.算例结果表明,采用EEMD与神经网络相结合的方法进行区域热网负荷预测大大减少了能源浪费,部分站点节能率甚至达到了30%以上.
区域热网;负荷预测;集合经验模态分解;长短期记忆神经网络
42
TK11+2(热力工程、热机)
2022-03-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-6