基于数据挖掘算法的DHC系统负荷时序预测方法

区域供冷供热系统(DHC)负荷预测的精准度是实现系统设计合理和运行节能的关键因素。以某区域能源站实测数据为基础,采用多元线性回归(MLR)、分类与回归树(CART)和随机森林(RF)三种数据挖掘算法,分别建立了系统负荷时序预测模型,并对比了三种模型在不同时序变量影响下的负荷预测结果以及预测效率。结果表明:在不同时序变量影响组合下,随机森林模型的预测效果最好;在仅考虑预测精度的情况下,负荷的时序变量组合维度越复杂,预测结果精度越高,而预测效率越低;在同时考虑预测精度和预测效率的情况下,当时序变量采用室外干球温度、室外相对湿度、负荷(t-1)和负荷(t-2)的组合2时,随机森林模型的综合性能最好。