集中供热系统的热负荷预测方法研究-供热、供燃气、通风及空调工程专业论文.docxVIP

万方数据 万方数据 Research on Heat Load Forecasting of District Heating Systems A Dissertation Submitted for the Degree of Master Candidate：Li Shengtao Supervisor：Prof. Guan Yanling Chang’an University, Xi’an, China 摘 要 城市集中供热节能是建筑节能的有效途径之一。供热系统的运行调节直接影响着 系统的整体节能。供热系统的供暖热负荷预测指导着供热系统的运行调节和控制。因 此，本文提出了对供热系统供暖热负荷预测方法的研究，目的是提供一种预测供热系 统供暖热负荷值的方法，在确保满足各热用户（热力站）的实际供热需求的条件下达 到供热系统的经济运行。 本文以集中供热系统作为研究对象，基于遗传算法优化的神经网络算法，进行供 热系统的供暖热负荷预测方法的研究。首先从影响建筑热负荷的因素入手，对建筑供 暖热过程和供暖负荷的特征进行了分析。按照供暖负荷的特征将其划分为气象因素、 建筑因素和人为因素，并区别供热计量建筑与非热计量建筑。由于用户行为的不可预 知性，其为负荷预测中的偶然因素。在此基础上，根据热负荷预测过程中的主要影响 因素对热负荷方法进行了研究。 对目前可用于热负荷预测的方法进行了评价。由于供热系统热负荷具有时变性、 时滞性、随机性和偶然性等特点，神经网络方法对热负荷的预测具有明显优势，其中， BP 神经网络算法存在收敛慢、容错差、易陷于局部最小等缺点，而遗传算法能弥补 BP 算法的不足，因此本课题选择了这种方法。本文以 MATLAB 软件为平台，用遗传 算法来优化网络结构的权值，再结合 BP 神经网络算法对历史数据进行学习训练，最 终得到热负荷的预测结果。 关键词：集中供热，热负荷预测，影响因素，遗传算法，网络结构的权值，BP 神经网 络 i Abstract Energy saving of urban central heating is one of the effective ways of building energy saving conservation. The operation of the heating system directly affects the overall energy saving of the system. This paper presents the research on heat load forecasting method of heating system, the purpose is to provide a prediction methods of heating system about heat load value, and achieve the economic operation of the heating system under the condition of ensuring that meet the actual heating demand of each user (thermal station). The district heating pipe network system is the research object in this paper, based on the neural network algorithm optimized by genetic algorithm, researching the forecast method of the heating load of the heating load. First start with the factors affecting heating load, analyze the characteristics of the building thermal process and the load model. According to the characteristics of the heating load, the factors affecting heating load can be divided into meteorological factors, construction factors and human factors. Because of the unpredictability of user behavior, it become accidental factors in load forecasting.