王 炎，张海增，胡新华，赵 隽，李 添

(北京华源热力管网有限公司，北京 100025)

在集中供热系统中，由于用户需热情况复杂，受热力站及二次管网系统结构、供暖用户建筑物结构、保温情况、用户用热习贯和室外天气等多重因素影响，传统的计算方式多以调度人员的经验和一些计算公式无法准确获得合理热负荷预测值，其估算的调整结果容易出现用户室温不达标或室温偏高导致能源浪费等情况的发生[1]。针对上述情况，本文采用了大数据模式识别机器学习算法对各供热参数进行数据集合统计计算和分析，得出热力站热负荷和影响热负荷的各个因素之间的关系，从而准确高效地调节和控制用户室温，在节能降耗的同时提升供热舒适度[2]。

1 算法研究

1.1 数据采集和数据质量

实现大数据模式识别机器学习算法对各供热参数进行数据集合计算，其采集内容、采集频率和采集数据质量是关系到整个数据模型分析结果能否可用的关键重要因素。

目前，国内的热力站运行数据，通过SCADA系统、购买专业地区气象台数据、IoT(物联网)技术和热计量采集系统等方式获得。采集频率数据采集频率的设定，一般考虑如下三个方面的因素；一是SCADA系统的数据处理能力的限制；二是受到数据上传链路带宽和性能的限制；其数据传输时间间隔为不大于5分钟，三是IoT(物联网)数据，包括用户室内温度和热计量数据，其传输频率一般设置在10分钟到30分钟。天气预报一般以小时为最小采集单位。……