技术特征：
技术总结
本发明公开了一种基于遗传算法‑神经网络的热负荷预测方法，首先仿真获取一段时间内每天四个特征向量以及一个待预测标签；将上述仿真出的数据按照时间进行划分，分为训练集数据和预测集数据；再利用z‑scroe算法将两个数据集的特征向量以及待预测标签进行归一化处理，进而将各数据的量纲统一；对遗传算法的参数和BP神经网络参数进行设置和初始化；基于初始化参数建立BP神经网络；计算某一个体的适应度值；通过遗传算法对参数进行寻优获得最佳BP神经网络，对预测集数据的热负荷进行预测。上述方法可以克服传统人工神经网络容易陷入局部极小值的缺点，并对热负荷进行有效预测，保证了热负荷预测的准确性。
技术研发人员：介鹏飞;焉富春;方舟;罗锦文;张欣楠;王梓沣
受保护的技术使用者：北京石油化工学院
技术研发日：2018.10.25
技术公布日：2018.12.25