田 野,李 銳,董 妍,王嘉明
(1.北京建筑大學 環境與能源工程學院,北京 100044; 2.北京市熱力集團有限責任公司,北京 100026)
精準預測熱力站日供熱量,無論對節能減排還是對提升供熱質量,都具有重要意義。許多學者提出了不同預測方法,如灰色預測法、回歸分析法、神經網絡法等[1]。神經網絡預測作為一種預測方法已經被大量應用于熱負荷預測,神經網絡的特點是無需建立復雜的輸入輸出關系,在非線性問題的處理上表現更好[2]。康勝文[3]在進行熱負荷預測時,比較了回歸分析法與神經網絡法,認為神經網絡法更具有優勢。宋軍等人[4]通過研究分析指出,BP神經網絡基本滿足了短期熱負荷預測的要求。李思琦等人[5]改進了神經網絡,得到了更加精確的熱負荷預測模型。
本文以北京某熱力站運行數據、氣象參數為樣本,采用BP神經網絡,建立日供熱量預測模型,對輸入變量、隱含層神經元數量的影響進行分析。
BP神經網絡具有非線性映射能力、泛化能力、容錯能力,因此本文采用BP神經網絡建立熱力站日供熱量預測模型。BP神經網絡結構包括輸入層、隱含層、輸出層[6]。輸出層神經元數量為1,輸出變量為熱力站日供熱量。
輸入變量的選取,影響著預測模型的預測效果。輸入層神經元數量(即輸入變量數量)過少無法達到預期效果,數量過多雖然會提高計算精度,但易使神經網絡結構過于復雜,訓練時間延長。熱力站日供熱量受多種因素影響,可分為氣象因素、系統因素。……