張美玲 劉曙光

(東北林業(yè)大學(xué)土木工程學(xué)院，黑龍江 哈爾濱 150040)

1 熱負(fù)荷預(yù)測(cè)的必要性

當(dāng)前，我國(guó)經(jīng)濟(jì)持續(xù)快速的增長(zhǎng)，集中供熱事業(yè)也隨之面臨著極大的挑戰(zhàn)和良好的機(jī)遇。為更好的優(yōu)化供熱系統(tǒng)的運(yùn)行與監(jiān)控，提高供熱能效，在達(dá)到供熱效果的前提下按需供熱，在此之前必須先對(duì)供熱系統(tǒng)的熱負(fù)荷做出精確的分析與計(jì)算，這是開(kāi)展一切供熱系統(tǒng)工作的前提。熱負(fù)荷是指城市集中供熱系統(tǒng)中提供給熱用戶在單位時(shí)間內(nèi)所需的熱量，它既作為重要的依據(jù)參與區(qū)域集中供熱系統(tǒng)的設(shè)計(jì)及規(guī)劃，也作為原始資料在供熱系統(tǒng)設(shè)計(jì)進(jìn)行經(jīng)濟(jì)分析過(guò)程中起著重要作用。當(dāng)供熱需求持續(xù)的增長(zhǎng)，供熱負(fù)荷也隨之逐漸增大，所以在供熱規(guī)模的設(shè)計(jì)規(guī)劃過(guò)程中，對(duì)應(yīng)的總供熱規(guī)模和各分區(qū)域的供熱規(guī)模都應(yīng)具有前瞻性并要留有較大的發(fā)展空間[1]。此外，準(zhǔn)確的熱負(fù)荷預(yù)測(cè)也大大有利于改善鍋爐自控系統(tǒng)的工作，及時(shí)對(duì)各個(gè)控制單元進(jìn)行有效的調(diào)節(jié)，從而提高鍋爐的效率、可靠性和經(jīng)濟(jì)性。因此，對(duì)熱負(fù)荷預(yù)測(cè)的研究是十分必要的。

2 熱負(fù)荷預(yù)測(cè)方法的分類及評(píng)析

供熱負(fù)荷呈周期性變化，既包含規(guī)律性又同時(shí)包含隨機(jī)性。其中熱負(fù)荷的隨機(jī)性多指特殊不確定因素影響，例如天氣、氣候變化等。準(zhǔn)確分析熱負(fù)荷的規(guī)律分量及隨機(jī)因素，是研究熱負(fù)荷預(yù)測(cè)高精度的關(guān)鍵問(wèn)題[2]。

熱負(fù)荷預(yù)測(cè)根據(jù)其周期性分為：短期、中期及長(zhǎng)期熱負(fù)荷預(yù)測(cè)。短期負(fù)荷預(yù)測(cè)目的是為及時(shí)調(diào)整使熱用戶的所需熱量與熱源的供熱量相匹配，對(duì)未來(lái)臨近的24 h內(nèi)的供熱系統(tǒng)負(fù)荷的變化趨勢(shì)作出預(yù)測(cè)，其突出特點(diǎn)是必須以歷史負(fù)荷資料為分析依據(jù)，從而預(yù)測(cè)未來(lái)短時(shí)間負(fù)荷變化；中期負(fù)荷預(yù)測(cè)用于指導(dǎo)制定生產(chǎn)、維修及運(yùn)輸?shù)裙嵯到y(tǒng)計(jì)劃，對(duì)未來(lái)臨近一周的供熱負(fù)荷的變化進(jìn)行預(yù)測(cè)；長(zhǎng)期熱負(fù)荷預(yù)測(cè)多以未來(lái)一年為周期，主要是為優(yōu)化供熱系統(tǒng)提供一定的參考依據(jù)。熱負(fù)荷預(yù)測(cè)方法的預(yù)測(cè)誤差與預(yù)測(cè)周期有很大關(guān)系，周期的增大，不同預(yù)測(cè)方法的預(yù)測(cè)誤差也會(huì)隨之增大。此外，抗隨機(jī)因素影響的能力的大小以及預(yù)測(cè)誤差的增長(zhǎng)速度不同都是影響熱負(fù)荷預(yù)測(cè)方法的因素，都會(huì)使最終預(yù)測(cè)結(jié)果產(chǎn)生較大的差異。

熱負(fù)荷預(yù)測(cè)方法根據(jù)對(duì)數(shù)據(jù)處理的不同方式又分為：時(shí)間序列法、結(jié)構(gòu)分析法及系統(tǒng)方法。

2.1 時(shí)間序列法

時(shí)間序列法確定的影響預(yù)測(cè)對(duì)象的因素是時(shí)間且是唯一影響因素，多適用于負(fù)荷變化較規(guī)律的短期負(fù)荷預(yù)測(cè)，根據(jù)最近的熱負(fù)荷歷史數(shù)據(jù)進(jìn)行計(jì)算來(lái)預(yù)測(cè)未來(lái)值，可得到比較小的預(yù)測(cè)誤差[3]。時(shí)間序列法的優(yōu)點(diǎn)是不需要大量的歷史數(shù)據(jù)，通過(guò)較小的工作量就能較快的計(jì)算出預(yù)測(cè)結(jié)果，并且能夠反映出供熱負(fù)荷變化的連續(xù)性[4]。常用的預(yù)測(cè)方法有：線性回歸預(yù)測(cè)法(LR)、指數(shù)加權(quán)移動(dòng)平均法(EWMA)和自回歸—移動(dòng)模型法(AR-MA)。

AR-MA模型，即自回歸—滑動(dòng)平均模型，綜合了自回歸模型與滑動(dòng)平均模型，它要求序列是平穩(wěn)且隨機(jī)的，通過(guò)尋找變量的當(dāng)期值及誤差值之間的關(guān)系對(duì)未來(lái)值進(jìn)行預(yù)測(cè)。該方法運(yùn)用白噪聲處理預(yù)測(cè)對(duì)象隨時(shí)間變化的序列，使其預(yù)測(cè)速度和預(yù)測(cè)精度都得到了提升，但是其數(shù)據(jù)處理單一且只能預(yù)測(cè)下一周期，并且無(wú)法分析其原因，多適于短期負(fù)荷預(yù)測(cè)。當(dāng)近期時(shí)段數(shù)據(jù)發(fā)生改變時(shí)，此方法會(huì)表現(xiàn)出明顯的滯后性，預(yù)測(cè)數(shù)據(jù)受平滑作用無(wú)法立即做出反應(yīng)，從而產(chǎn)生較大預(yù)測(cè)誤差。

2.2 結(jié)構(gòu)分析法

結(jié)構(gòu)分析法包括回歸分析法和指標(biāo)分析法。結(jié)構(gòu)分析法中回歸分析的研究及應(yīng)用較多，該方法通過(guò)歸納的歷史數(shù)據(jù)規(guī)律來(lái)建立自變量和因變量的回歸方程，得出需要預(yù)測(cè)的對(duì)象(自變量)和影響因素(因變量)之間的因果關(guān)系，分析預(yù)測(cè)對(duì)象的變化趨勢(shì)和狀態(tài)數(shù)量，并采用模型來(lái)進(jìn)行預(yù)測(cè)[5]。目前指標(biāo)分析法尚不能很好地應(yīng)用于集中供熱負(fù)荷預(yù)測(cè)，關(guān)于熱負(fù)荷預(yù)測(cè)方面的研究過(guò)淺。

回歸分析法根據(jù)自變量的變化來(lái)預(yù)測(cè)相應(yīng)對(duì)象的變化，即使在系統(tǒng)中產(chǎn)生較大變化也可以及時(shí)對(duì)預(yù)測(cè)值作出修正，因此自變量的選用和正確性對(duì)預(yù)測(cè)的結(jié)果影響極為關(guān)鍵，適用于中長(zhǎng)期熱負(fù)荷預(yù)測(cè)。

2.3 系統(tǒng)分析法

系統(tǒng)分析法分為灰色預(yù)測(cè)法和人工神經(jīng)網(wǎng)絡(luò)法(ANN)?；疑A(yù)測(cè)方法從分析系統(tǒng)中各因素之間發(fā)展趨勢(shì)入手，討論其相異程度，把看似隨機(jī)的雜亂的數(shù)據(jù)集合并整理成規(guī)律序列來(lái)求解。人工神經(jīng)網(wǎng)絡(luò)方法無(wú)需建立輸入輸出的復(fù)雜關(guān)系，通過(guò)采用一組權(quán)重來(lái)處理非線性問(wèn)題從而實(shí)現(xiàn)輸入輸出的映射，此方法建立的模型在非線性問(wèn)題的處理上相比其他方法更加合理，有效的提高了精準(zhǔn)度，較適合短期熱負(fù)荷預(yù)測(cè)[6]。

2.3.1灰色預(yù)測(cè)方法

灰色預(yù)測(cè)是一種結(jié)構(gòu)簡(jiǎn)單的超前控制，不需要太多歷史數(shù)據(jù)，它會(huì)利用系統(tǒng)的已知信息的發(fā)展規(guī)律來(lái)預(yù)測(cè)系統(tǒng)的未來(lái)行為，并以預(yù)測(cè)出的系統(tǒng)未來(lái)的發(fā)展趨勢(shì)為依據(jù)，制定出合理的控制決策，有較強(qiáng)的應(yīng)用性。此外，灰色預(yù)測(cè)還具有實(shí)時(shí)性和自適應(yīng)性的特點(diǎn)[7]?；疑A(yù)測(cè)方法是基于1階1個(gè)變量的微分方程模型,該模型所得的解是一個(gè)指數(shù)函數(shù),它對(duì)長(zhǎng)期負(fù)荷預(yù)測(cè)的精度較高,對(duì)于中短期負(fù)荷預(yù)測(cè)的誤差則比較大,適合于長(zhǎng)期負(fù)荷預(yù)測(cè)[8]。

2.3.2ANN法

人工神經(jīng)網(wǎng)絡(luò)方法通過(guò)模仿動(dòng)物腦神經(jīng)網(wǎng)絡(luò)行為特征,在給定的輸入/輸出信號(hào)基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行融合并行處理，其活動(dòng)網(wǎng)絡(luò)采用一種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，且在處理單元(神經(jīng)元)為節(jié)點(diǎn)時(shí)無(wú)需繁瑣的計(jì)算，從而建立系統(tǒng)的非線性的輸入/輸出模型[9]。它實(shí)質(zhì)上是對(duì)系統(tǒng)的一個(gè)黑箱模擬，已建立的神經(jīng)網(wǎng)絡(luò)對(duì)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，然后在給出一個(gè)未來(lái)的輸入時(shí)，它會(huì)根據(jù)已學(xué)習(xí)的經(jīng)驗(yàn)分析出相應(yīng)的輸出。因在控制系統(tǒng)中多呈現(xiàn)非線性關(guān)系，神經(jīng)網(wǎng)絡(luò)又可以逼近任意的這種復(fù)雜關(guān)系，所以在對(duì)較復(fù)雜的控制模型以及控制器進(jìn)行建模時(shí)推薦采用該方法。人工神經(jīng)網(wǎng)絡(luò)法還具有自適應(yīng)性，可隨參數(shù)的變化及時(shí)對(duì)模型結(jié)構(gòu)做出自我調(diào)整，因此對(duì)短期熱負(fù)荷預(yù)測(cè)是比較準(zhǔn)確的。

2.4 預(yù)測(cè)方法存在的問(wèn)題

時(shí)間序列法只適用于短期預(yù)測(cè)且要求負(fù)荷變化均勻，無(wú)法對(duì)突發(fā)及異常情況及時(shí)反應(yīng)，例如驟然變化的天氣等。回歸分析法因通過(guò)自變量來(lái)預(yù)測(cè)相應(yīng)變量，因此自變量的選擇對(duì)整個(gè)預(yù)測(cè)結(jié)果的準(zhǔn)確性影響巨大?；疑A(yù)測(cè)法雖然具有較強(qiáng)的自適應(yīng)性，但模型對(duì)偶然因素抗力不足且建模初期需要大量數(shù)據(jù)導(dǎo)致工作量較大，缺乏實(shí)用性。人工神經(jīng)網(wǎng)絡(luò)法因具有自適應(yīng)性、自學(xué)習(xí)、自組織的特點(diǎn)，對(duì)難以用規(guī)則或模型描述的系統(tǒng)比較適用，但神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化問(wèn)題及學(xué)習(xí)和訓(xùn)練速度的提升問(wèn)題，以及如何使運(yùn)用的算法達(dá)到全局最優(yōu)都是待深入研究的重點(diǎn)。

目前集中供熱分戶熱計(jì)量正在大范圍應(yīng)用，已逐漸成為建筑節(jié)能降耗的基本措施，這種供熱方式會(huì)使整個(gè)熱網(wǎng)的供熱量及流量無(wú)規(guī)律且時(shí)刻變化著，傳統(tǒng)的熱負(fù)荷預(yù)測(cè)方法很難適應(yīng)這種變化，為實(shí)現(xiàn)按需供熱以滿足熱用戶的需要，對(duì)于既有建筑的熱負(fù)荷預(yù)測(cè)優(yōu)先選擇的是人工神經(jīng)網(wǎng)絡(luò)法。因人工神經(jīng)網(wǎng)絡(luò)對(duì)處理復(fù)雜的非線性系統(tǒng)具有強(qiáng)大的映射與泛化能力，且對(duì)其研究與應(yīng)用已趨于成熟，因此更適合在熱負(fù)荷預(yù)測(cè)中推廣。在實(shí)際工作中，供熱系統(tǒng)的熱負(fù)荷預(yù)測(cè)關(guān)系到各個(gè)方面，涉及城鎮(zhèn)集中供熱系統(tǒng)供暖方式的合理性和經(jīng)濟(jì)性以及今后運(yùn)行過(guò)程中的運(yùn)行成本問(wèn)題，因而在此后的研究中，除了注重大量積累熱負(fù)荷歷史資料的同時(shí)，更應(yīng)著重研究熱負(fù)荷預(yù)測(cè)的快速、高精度方面，從而提高預(yù)測(cè)的有效性。

[1] 李 兵,范莉惠.灰色預(yù)測(cè)模糊自適應(yīng)PID控制在供熱系統(tǒng)中的應(yīng)用[J].唐山學(xué)院學(xué)報(bào),2015,28(3):18-20.

[2] 康思民.小區(qū)供熱系統(tǒng)鍋爐熱負(fù)荷預(yù)測(cè)實(shí)現(xiàn)研究[D].西安：西安石油大學(xué),2006.

[3] 李勝濤.集中供熱系統(tǒng)的熱負(fù)荷預(yù)測(cè)方法研究[D].西安：長(zhǎng)安大學(xué),2014.

[4] 郝 源.基于人工神經(jīng)網(wǎng)絡(luò)的建筑熱負(fù)荷預(yù)測(cè)及控制[D].大連：大連海事大學(xué),2015.

[5] 陳路路.基于負(fù)荷預(yù)測(cè)的集中供熱系統(tǒng)能效研究[D].濟(jì)南：山東建筑大學(xué),2013.

[6] 蔡龍俊.青浦工業(yè)園區(qū)熱負(fù)荷預(yù)測(cè)方法[A].全國(guó)暖通空調(diào)制冷2010年學(xué)術(shù)年會(huì)論文集[C].2010:1.

[7] 蘇文濤,斯 琴.淺談供熱管網(wǎng)的規(guī)劃設(shè)計(jì)[J].內(nèi)蒙古科技與經(jīng)濟(jì),2005(21):99-100.

[8] 郝有志,李德英.熱負(fù)荷預(yù)測(cè)方法評(píng)析[J].建筑熱能通風(fēng)空調(diào),2003(1):26-27.

[9] 李玉云,王永驥.人工神經(jīng)網(wǎng)絡(luò)在暖通空調(diào)領(lǐng)域的應(yīng)用研究發(fā)展[J].暖通空調(diào),2001(1):38-41.