基于供热数据挖掘和负荷预测的适量供热技术.docxVIP

  • 13
  • 0
  • 约1.03万字
  • 约 5页
  • 2017-12-31 发布于江西
  • 举报

基于供热数据挖掘和负荷预测的适量供热技术.docx

基于供热数据挖掘和负荷预测的适量供热技术

基于供热数据挖掘和负荷预测的适量供热技术 3摘要 针对供暖用户和建筑热力系统的热工特性 ,从计算机存储的海量历史数据中进行 数据挖掘 ,得到对应于室外当量温度的供热负荷预测区间 。通过工程实例介绍了数据挖掘过 程和与热网最佳运行调节策略相结合的运行参数预测 ,最终实现适量供热调节 。关键词数据挖掘参数预测运行调节适量供热本刊特稿哈尔滨工业大学王素玉 ☆姜永成方修睦刘立涛郑瑞芸A p p r o p ri a t e h e a t i n g t e c h n o l o g y b a s e d o n h e a t i n gd a t a m i n i n g a n d l o a d p r e d i c t i o nBy Wang Suyu ★ , Jiang Yongcheng , Fang Xiumu , Liu Litao and Zheng RuiyunA bs t r a c t B as e d o n t he t he r m al c h a r a c t e ris t ics of h e a t i n g us e r a n d b uil di ng t he r m o d y n a mic s ys t e m , p e rf o r ms t he da t a mi ni n g f r o m t h e a b u n da n t his t o ric al op e r a t i ng da t a s t o r e d by c o mp ut e r a n d o bt ai ns t h e h e a t i n g l oa d p r e dic t i ng sc op e r el a t e d t o out d o o r e q ui vale n t t e mp e r a t u r e . Wi t h a p r ac t ic al p r oje c t , p r es e ntst h e p r ocess of da t a mi ni n g a n d t h e op e r a t i ng p a r a me t e r p r e dic t i o n i n t e gr a t e d wi t h op t i m u m op e r a t i n g r e gul a t i o n s t r a t e gy of h e a t i n g ne t w o r k a n d r e alizes ap p r op ri a t e he a t i ng r e gul a t i o n .Ke yw o r ds da t a mi ni n g , p a r a me t e r p r e dic t i o n , op e r a t i ng r e gul a t i o n , ap p r op ri a t e h e a t i n g★ Ha rbin Ins tit ut e of Te chnology , Ha rbin , China①0引言近年来 ,城市集中供热事业飞速发展 ,热用户 的数量成倍增加 ,这对供热系统的运行管理提出了 更高的要求 。提高我国集中供热系统的自动化水 平 ,实现适量供热不仅是提高供热企业竞争力的要求 ,更是实现建筑节能减排的重要环节 。 供热负荷预测是实现适量供热控制的关键环节 ,各热力公司在运行过程中储存了大量的历史数 据 ,但是由于缺少合适的数据挖掘方法 ,这些数据 没有在供热运行调节中得到充分利用 。目前对供热和制冷负荷的短期和长期预测已有相关的研究 , 其中采用的研究方法包括指数平滑法[ 1 ] 、多元回归 法[ 2 ] 、卡尔曼滤波法[ 3 ] 和状态估计法[ 4 - 5 ] 。近期的 研究方法 又包 括 了神 经网 络 法[ 6 ] 和 时间 序 列 法 。 这些方法在负荷预测时都可以达到预期的精度 ,但是由于机理较复杂 ,对一般的技术人员来说门槛较 高 ,并且在组态软件中编程较复杂 ,因此在热网自动控制系统中的应用并不普遍 。笔者将数据挖掘方法引入到负荷预测中 ,通过 分析以往的历史数据 ,挖掘出供热负荷预测的数学 模型 。数据挖掘的机理较前面提到的方法简单 ,适合工程应用 。利用数据挖掘结果在线修改热网运 行调节参数 ,得出更切合热网实际工况的运行调节 公式 ,计算出运行参数 。最后通过工程实例说明该数据挖掘方法的应用 。1 历史运行数据挖掘在忽略太阳辐射 、风速变化等因素对

文档评论(0)

1亿VIP精品文档

相关文档