姜 平，赵保国，石晶晶，张海伟，王 琦，杨超杰

(1.山西河坡发电有限责任公司，山西 阳泉 045001；2.山西大学 自动化系，太原 030013)

0 引言

热电厂短期负荷预测对热电厂水资源的节约和城市化集中精确供热有着至关重要的作用，精确的负荷预测可以提高城市供热的精确度，还可以节约成本和节约资源，为可持续发展提供有效方案。热负荷预测需要预测出电厂的供回水温度以及供水流量，根据热负荷计算公式得到预测的热负荷值，利用该结果进行热负荷控制，避免了热负荷在实际的测量中存在较大延时造成的供热滞后的问题。短期负荷一般波动比较大，采用传统的预测方法[6-8]比较困难，而且预测精准度不高。神经网络预测和模糊预测虽然在短期负荷预测有比较好的效果，但训练样本大，收敛速度慢，外推性比较差，对于需要实时预测数据来进行现场设备的快速优化控制时往往存在很大问题。神经网络短期负荷预测需要考虑的影响因素众多，其中包括：供回水温度差、供回水流量差、供回水压力、环境气温、锅炉侧一二次风的风量、含氧量等，这些数据在预测前的数据选择优化比较复杂，并且在预测过程中容易陷入局部最优，造成预测样本的选择和训练周期过长，无法做到实时预测。此外，在当前的热电厂的DCS控制系统中，无法用现有的逻辑功能块搭建神经网络预测模型，只能通过外挂方式实现数据的导入，造成控制的麻烦和不稳定性。……