基于大数据分析的城市热网负荷综合预测研究

随着智慧城市与行业改革的推进,城市供热需要新一轮技术革新。针对国家节能减排号召,实现信息化、高效化供热,需要建立智慧供热平台,以实时监测热网运行,并预测未来热网负荷。采用LSTM(长短期记忆神经网络)深度学习算法,对湖北某地级市气象、热网负荷等数据进行大数据分析,建立预测模型并进行一系列调参优化。利用Python计算机语言编写程序,实现对未来热网负荷预测,并按重要性对数据各项特征进行分析并排名。综上建立智慧供热平台界面,以显示实时数据以及预测数据。

基于支持向量机和模拟退火算法对供暖热负荷的预测方法

准确的热网负荷预测能够提高热网的经济效益。本文对支持向量机模型进行了分析,对于支持向量机预测时需要人为确定参数这一缺点提出了利用模拟退火算法来自动优化参数这一方法。实例验证的结果表明,本文所提出的方法对参数的选取更有效,降低了单纯支持向量机的预测误差,与默认参数的支持向量机模型进行对比,该方法有效地提高了负荷预测精度。