供熱負荷非線性預報方法研究.pdf

1、我國是世界上能耗最多的發(fā)展中國家，在三北地區(qū)供熱能耗就占全社會能耗的27.2％。供熱不但能耗大，而且效率低，單位面積供熱能耗是發(fā)達國家的3~4倍，為落實國家節(jié)能政策、降低碳排放，研究供熱節(jié)能意義重大。
　　近年來，國內(nèi)外學者和供熱系統(tǒng)運行管理專家不斷探索，形成了一系列行之有效的供熱負荷預報方法，縱觀國內(nèi)外研究現(xiàn)狀，現(xiàn)有預報方法大都是點預報方法。供熱系統(tǒng)的發(fā)展對負荷預報提出了新的要求，點負荷預報方法難以滿足供熱系統(tǒng)節(jié)能控制、熱力調(diào)度

2、、風險分析、可靠性評估等方面的需要，因此，分析供熱系統(tǒng)負荷的變化規(guī)律，研究供熱負荷區(qū)間預報方法，實現(xiàn)供熱負荷的概率性預報具有重要的理論意義和應用價值。
　　本文研究抓住供熱節(jié)能的關鍵“負荷預報和系統(tǒng)優(yōu)化配置”，研究供熱負荷預報理論和方法，開發(fā)供熱負荷預報軟件。
　　負荷預報需要從歷史負荷和相關因素中提取負荷變化的規(guī)律性，為此首先需要對供熱負荷的特性進行分析。本文利用Hurst指數(shù)對供熱負荷時間序列的非線性特性進行分析，并進一

3、步利用飽和關聯(lián)維數(shù)和最大 Lyapunov指數(shù)對供熱負荷時間序列的混沌特性進行分析，識別熱源及熱力站負荷時間序列的非線性特性和混沌特性。
　　支持向量機是機器學習領域中新興的非線性預報方法，適合供熱負荷時間序列的非線性特性，具有比基于經(jīng)驗風險最小化原則的人工神經(jīng)網(wǎng)絡更為優(yōu)越的性能。因此，本文將這一理論引入到供熱負荷預報中來，并將相空間重構(gòu)、時間序列交叉與支持向量機相結(jié)合，利用多輸入單輸出支持向量回歸(Multi-input and

4、 single-output support vector regression，MISO-SVR)對供熱負荷進行單步和多步橫向、縱向以及交叉預報，利用多輸入多輸出支持向量回歸(Multi-input and multi-output support vector regression，MIMO-SVR)進行日預報，通過仿真分析、比較各方法的性能。
　　傳統(tǒng)的負荷預報多為點預報，其缺點是無法確定預報結(jié)果可能的波動范圍，由于預報問題

5、的超前性，實現(xiàn)概率性的預報更符合客觀實際。本文基于支持向量機對供熱負荷區(qū)間預報進行研究，分別研究基于SVR和誤差估計的區(qū)間預報法、基于SVR和馬爾科夫鏈的區(qū)間預報法以及基于支持向量區(qū)間回歸的區(qū)間預報法。仿真結(jié)果表明，提出的三種供熱負荷區(qū)間預報方法，預報區(qū)間可作為熱力調(diào)度的參考，預報區(qū)間上下限的均值可擇優(yōu)作為熱力站節(jié)能控制設定。
　　根據(jù)供熱負荷時間序列具有混沌特性的特點，將混沌時間序列預報方法引入建筑供熱領域，對供熱負荷預報進行研

6、究，以期獲得供熱負荷預報的新方法、新思路。本文利用最大 Lyapunov指數(shù)法和Volterra自適應濾波器法對供熱負荷進行預報，研究這兩種方法對供熱負荷預報的適應性，仿真結(jié)果表明這兩種方法能夠揭示供熱負荷的混沌本質(zhì)，證明混沌時間序列預報方法對供熱負荷預報的有效性。
　　最后，根據(jù)供熱負荷預報的工程需要，開發(fā)負荷預報軟件。對負荷預報軟件進行總體規(guī)劃，給出以數(shù)據(jù)庫為核心的軟件結(jié)構(gòu)，設計負荷預報流程圖；確定軟件的開發(fā)環(huán)境、編程語言、數(shù)