结合天气因素的PPMCC-PSO-SVR热负荷预测研究
杨程博1
朱静1
陈建伟2
张洋宁1
马新春2
1.新疆农业大学计算机与信息工程学院 乌鲁木齐 8300522.新疆电子研究所股份有限公司 乌鲁木齐 830052
摘要：为了提高换热站的能源利用率、优化管网调控策略,精准的热负荷预测十分有必要.论文采用五种方法分别是支持向量回归、极限梯度提升回归、网格搜索优化支持向量回归、网格搜索优化极限梯度提升回归及PPMCC-PSO-SVR,并分别结合天气因素建立热负荷预测模型进行比较.基于皮尔逊相关系数进行特征相关性分析后,选取逐时天气温度、湿度、供水流量、二次网供回水温度等五类数据作为热负荷预测模型的输入特征.结果表明:1)未调优原始模型参数前,极限梯度提升回归模型的各项评估指标均远远优于支持向量回归模型;2)结合天气因素的PPMCC-PSO-SVR模型各项评估指标最优,能有效地预测换热站短期热负荷的动态变化,其各项评估指标:R2为0.996 5,RMSE为0.151 1,MAE为0.118 6.
关键词：天气因素PPMCC-PSO-SVR热负荷预测皮尔逊相关系数网格搜索
分类号：TK01+8(一般性问题)
论文发表日期：2024-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2926-2931 )
英文信息