基于灰色神经网络模型的区域供热负荷预测研究
|
摘要
通过灰色关联分析法对区域供热负荷影响因素进行了评价,并将灰色预测与BP神经网络算法相结合,建立了灰色神经网络结构,能够对影响供热负荷的因素进行筛选,并对供热负荷进行预测。对某区域供热负荷进行了供热负荷预测与验证,通过对比筛选不同影响因素灰色神经网络的预测结果与误差,表明灰色神经网络模型在热负荷预测中能够选择合适的影响因素,排除关联度低的影响因素,可提高供热负荷预测的准确性,为区域供热负荷的预测提供理论依据。
Evaluates the influence factors of district heating load by grey relativity analysis, and establishes a structure of grey neural network by combining grey prediction with BP neural network algorithm, which can screen the factors affecting the heating load and predict the heating load. Predicts and verifies the heating load of a district heating system. By comparing and screening the prediction results and errors of grey neural networks with different influence factors, the results show that the grey neural network model can select the appropriate influence factors and exclude the influence factors with low relativity degree in heating load prediction, improve the accuracy of heating load prediction, and provide a theoretical basis for district heating load prediction.
Evaluates the influence factors of district heating load by grey relativity analysis, and establishes a structure of grey neural network by combining grey prediction with BP neural network algorithm, which can screen the factors affecting the heating load and predict the heating load. Predicts and verifies the heating load of a district heating system. By comparing and screening the prediction results and errors of grey neural networks with different influence factors, the results show that the grey neural network model can select the appropriate influence factors and exclude the influence factors with low relativity degree in heating load prediction, improve the accuracy of heating load prediction, and provide a theoretical basis for district heating load prediction.
引文
[1] WERNER S.The heat load in district heating systems[D].G?teborg:Chalmers University of Technology,1984:46- 49
[2] 郝有志,李德英.基于神经网络的供热计量系统热负荷短期预测[J].暖通空调,2003,33 (6):105- 107
[3] NIELSEN H A,MADSEN H.Modelling the heat consumption in district heating systems using a grey-box approach[J].Energy and Buildings,2006,38(1):63- 71
[4] 刘博洋,潘宇,许伯阳,等.基于改进灰色神经网络组合模型的光伏电站短期出力预测[J].广东电力,2017,30(4):55- 60
[5] 牛东晓,陈志业,邢棉,等.具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型[J].中国电机工程学报,2002,22(1):29- 32
[6] 丁兆强.基于灰色神经网络的燃气负荷预测研究[D].天津:天津大学,2017:31- 42
[7] 王佳伟.基于灰色神经网络的燃气负荷预测[D].西安:西安石油大学,2014:15- 46
[8] 张静.基于灰色-神经网络理论的西安市天然气中长期负荷预测[D].西安:西安建筑科技大学,2006:28- 55
[9] 谭羽非.城市燃气管网日负荷预测的灰色神经网络模型[J].哈尔滨工业大学学报,2003,35(6):679- 682
[10] 黄俊,普特,赵西宁.基于神经网络及灰色关联分析的土壤入渗研究[J].土壤学报,2011,48(6):1282- 1286
[11] 邓聚龙.灰色系统理论教程[M].武汉:华中理工大学出版社,1990:40- 135
[12] 邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002:40- 202
[13] 王清印.灰色数学基础[M].武汉:华中理工大学出版社,1996:45- 155
[14] 邓聚龙.灰色系统基本方法[M].武汉:华中科技大学出版社,2005:41- 148
[15] 刘思峰,郭天榜,党耀国.灰色系统理论及其应用[M].2版.北京:科学出版社,1999:33- 104
[16] 孙晓东.基于灰色关联分析的几种决策方法及其应用[D].青岛:青岛大学,2006:17- 25
[17] 田旭光,宋彤,刘宇新.结合遗传算法优化BP神经网络的结构和参数[J].计算机工程与软件,2004,21(6):69- 71
[18] 冯民权,邢肖鹏,薛鹏松.BP网络马尔可夫模型的水质预测研究——基于灰色关联分析[J].自然灾害学报,2011,20(5):169- 175
[2] 郝有志,李德英.基于神经网络的供热计量系统热负荷短期预测[J].暖通空调,2003,33 (6):105- 107
[3] NIELSEN H A,MADSEN H.Modelling the heat consumption in district heating systems using a grey-box approach[J].Energy and Buildings,2006,38(1):63- 71
[4] 刘博洋,潘宇,许伯阳,等.基于改进灰色神经网络组合模型的光伏电站短期出力预测[J].广东电力,2017,30(4):55- 60
[5] 牛东晓,陈志业,邢棉,等.具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型[J].中国电机工程学报,2002,22(1):29- 32
[6] 丁兆强.基于灰色神经网络的燃气负荷预测研究[D].天津:天津大学,2017:31- 42
[7] 王佳伟.基于灰色神经网络的燃气负荷预测[D].西安:西安石油大学,2014:15- 46
[8] 张静.基于灰色-神经网络理论的西安市天然气中长期负荷预测[D].西安:西安建筑科技大学,2006:28- 55
[9] 谭羽非.城市燃气管网日负荷预测的灰色神经网络模型[J].哈尔滨工业大学学报,2003,35(6):679- 682
[10] 黄俊,普特,赵西宁.基于神经网络及灰色关联分析的土壤入渗研究[J].土壤学报,2011,48(6):1282- 1286
[11] 邓聚龙.灰色系统理论教程[M].武汉:华中理工大学出版社,1990:40- 135
[12] 邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002:40- 202
[13] 王清印.灰色数学基础[M].武汉:华中理工大学出版社,1996:45- 155
[14] 邓聚龙.灰色系统基本方法[M].武汉:华中科技大学出版社,2005:41- 148
[15] 刘思峰,郭天榜,党耀国.灰色系统理论及其应用[M].2版.北京:科学出版社,1999:33- 104
[16] 孙晓东.基于灰色关联分析的几种决策方法及其应用[D].青岛:青岛大学,2006:17- 25
[17] 田旭光,宋彤,刘宇新.结合遗传算法优化BP神经网络的结构和参数[J].计算机工程与软件,2004,21(6):69- 71
[18] 冯民权,邢肖鹏,薛鹏松.BP网络马尔可夫模型的水质预测研究——基于灰色关联分析[J].自然灾害学报,2011,20(5):169- 175