基于预制架空长输热力蒸汽管道系统的一种热负荷预测方法

黄 永福, 王 超, 冯 椋, 李 庆哲
中国电力工程顾问集团中南电力设计院有限公司

摘要

文章提出了一种深度学习的热负荷预测方法旨在提高热负荷预测的精度。强调了国家发改委和能源局发布的《全国煤电机组改造升级方案》中对整合供热资源和推进热网互联的重视以及智慧供热技术的发展需求。针对工业园区和特殊工况下热负荷预测的研究不足通过MIC分析筛选出与热负荷相关的气象和经济因素构建了特征集。采用BiLSTM和Transformer网络的理论基础并提出了PatchTST-BiLSTM混合预测模型。通过实测数据的算例分析验证了该方法具有高预测精度。最新的气象因素和经济因素数据以1小时为时间分辨率进行训练、验证和测试。选用了均方根误差RMSE)平均绝对误差MAE)和平均绝对误差百分比MAPE作为评价指标。实验结果表明所提方法的预测精度高于传统的Transformer和PatchTST模型以及其它几种机器学习和深度学习算法。最终得出结论结合MIC相关性分析和PatchTSTBiLSTM深度学习技术的热负荷预测方法能更准确地计算热网负荷需求变化提高供热效率对于智慧供热领域具有一定的参考价值。

关键词

热负荷预测；深度学习；智慧供热

参考

[1]李玉志,刘晓亮,邢方方,温国强,卢楠滟,何慧,焦润海.基于Bi-LSTM和特征关联性分析的日尖峰负荷预测[J].电网技术,2021,45(7):2719-2730.

[2]王继东,杜冲.基于Attention-BiLSTM神经网络和气象数据修正的短期负荷预测模型[J].电力自动化设备,2022,42(4):172-177.

[3]梁珊.MIC与传统相关分析方法比较研究[J].山西青年,2019,(9):47,49.