基于机器自学习的供热系统热负荷预测

传统的集中供暖系统热负荷预测取决于操作人员的经验,与系统实际热负荷相差过大,容易造成热用户侧温度过高或过低,影响热用户体验,不利于系统节能。采用机器自学习的方法,对大连某供热系统2019年至2021年的系统数据进行处理,基于多元线性回归、多项式回归、岭回归、Lasso回归、神经网络算法建立供热系统热负荷预测模型,并对比预测效果。结果显示:采用BP神经网络模型的供热系统热负荷预测结果比经验预测结果高8.7%,随着模型不断地自学习与自优化,预测结果的精度可进一步提高。