专利名称：基于模糊信息粒化与支持向量机的供热负荷预报方法
技术领域：
本发明涉及一种供热负荷预报方法，属于供热负荷预报技术领域。
背景技术：
我国建筑供热能耗约占全社会能耗的三分之一，建筑供热节能潜力巨大。建筑供热负荷的影响因素复杂，主要分为两类:1)外扰因素(室外温度、太阳辐射、风速等气象因素)，其具有随机性；2)自身特性因素(建筑物的热工特性、几何特性、结构特性、使用特性等因素)，其具有大惯性、大时滞等非线性特性。因此，供热负荷呈现出自身的大惯性、大时滞等非线性特性和外扰的随机性。因此，现有数学模型难以给出精确的描述，难以保证负荷供给与负荷需求的相互平衡，为满足用户的需求，则主观加大供热系统负荷供给造成能源严重浪费。而准确性/可靠性的负荷预报可以使供热系统能够协调、高效运行以实现节能。因此，探求适应供热负荷特性的预报方法是供热节能亟需解决的关键技术问题。目前国内外供热负荷预报方法主要有以时间序列为主的线性预报法和以人工神经网络为主的非线性预报法。供热过程是非常复杂的动力学系统，具有强非线性、大时滞和大惯性等特点，经典时间序列预报法虽然简单，但其预报精度比较低；常规神经网络对非线性系统具有很好的映射能力，但其建模复杂、学习速度缓慢、参数调整不灵活。最近，一些新的方法也被应用于供热负荷预报中，如小波预报法、支持向量回归法等。但上述预报方法大都是点预报方法，无法确定预报结果可能波动的范围，未反映出系统中的不确定因素。在这些研究中，负荷预报方法难以适应供热负荷非线性，造成预报精度低，准确性差，甚至失效，无法满足供热节能的需要。可见，现有点预报方法对供热系统负荷自身非线性或外扰随机性的适应不足是造成负荷预报精度不高的主要因素，因此，亟需探索和研究一既能够适应供热系统负荷自身非线性，又能够适应外扰随机性的负荷预报新方法，以满足供热系统日益提高的负荷优化调度、节能控制等工程需要。
发明内容
本发明为了解决现有点预报方法存在由于对供热系统负荷自身非线性或外扰随机性的适应不足致使负荷预报精度不高的问题，进而提供了一种基于模糊信息粒化与支持向量机的供热负荷预报方法。本发明为解决上述技术问题采取的技术方案是:1、一种基于模糊信息粒化与支持向量机的供热负荷预报方法，其特征在于，所述供热负荷预报方法是按照以下步骤实现的:步骤一、供热负荷预报样本集的构建:供热负荷预报样本集的构建采用模糊信息粒化方法，依据负荷预报样本构建信息粒化样本集的具体过程为:首先，采用(常用的)三角型模糊粒子对供热负荷样本数据进行模糊粒化(对供热负荷时间序列进行模糊粒化)，构建样本集T(x，a, c，b);其中X是采集的供热负荷，a和b分别为模糊粒子的下限和上限，C为可能性最大的值；三角型模糊粒子表示为:
权利要求
1.一种基于模糊信息粒化与支持向量机的供热负荷预报方法，其特征在于，所述供热负荷预报方法是按照以下步骤实现的: 步骤一、供热负荷预报样本集的构建:供热负荷预报样本集的构建采用模糊信息粒化方法，依据负荷预报样本构建信息粒化样本集的具体过程为: 首先，采用三角型模糊粒子对供热负荷样本数据进行模糊粒化，构建样本集T (X，a, c，b);其中X是采集的供热负荷，a和b分别为模糊粒子的下限和上限，c为可能性最大的值； 三角型模糊粒子表示为:
全文摘要
基于模糊信息粒化与支持向量机的供热负荷预报方法，它涉及一种供热负荷预报方法，属于供热负荷预报技术领域。本发明为了解决现有点预报方法对供热系统负荷自身非线性或外扰随机性的适应不足，提出一种供热负荷预报新方法。本发明所述的预报方法的主要步骤为1)样本数据的模糊信息粒化处理，构建信息粒化样本集；2)利用构建的信息粒化样本集，建立支持向量机预报模型；3)采用交叉验证法确定支持向量机预报模型的参数；4)对方法的预报精度进行评价。本发明是一种既能够适应供热系统负荷自身非线性，又能够适应外扰随机性的负荷预报方法，满足了供热系统日益提高的负荷优化调度、节能控制等工程需要。
文档编号G06Q10/04GK103150610SQ20131006386
公开日2013年6月12日 申请日期2013年2月28日 优先权日2013年2月28日
发明者张永明, 丁宝, 齐维贵, 邓盛川 申请人:哈尔滨工业大学