吴康福

（广东理工学院,广东 肇庆 526100）

1 引言

当前，国内建筑数量不断增加，供热面积随之增长，热能消耗逐年递增。据调查，我国“三北”地区单纯供热消耗能量占全国总热能消耗量的28.5%。在自控技术不断成熟的背景下，供热管网投资量不断增加，集中供热管网内部结构复杂，要想精准地计算系统热负荷预测值，促进其运行效率提高，可将模糊神经网络引入其中，对负荷数据预处理后，将仿真结果应用到实际工作中，对减少热能消耗、促进节能环保具有重大意义。

2 供热负荷预测主要流程

通常情况下，供热负荷在建筑内外因素影响下会发生改变。内部主要受照明设备、人体热量、电气热量等影响，外部受结构传入热量、太阳辐射等因素影响。在上述因素中，内因相对稳定，波动较小，外因随季节波动影响较大，数值变化相对较大。在供热负荷预测中，应创建一个完整准确的数据库，要结合供热系统运行情况进行信息采集，利用不同传感器采集回水、供水等温度信息与流量、压差等信息。根据采集的数据获得供热系统每日递增的实际负荷与气象资料，将其存储到数据库中，便于训练数据使用。为提高负荷预测准确性，针对历史数据进行智能运算十分可行，预测流程如下：

首先，采集历史负荷数据，对其适当预处理后，供训练网络时使用；创建网络，根据模糊规则与隶属度函数，用函数表示神经网络的权值，通过创建神经网络进行模糊推理。

其次，通过训练样本数据，利用学习算法修正网络权值，使隶属函数值得以优化，由此获得高精度的模糊规则；……