Page 265 - 《高原气象》2025年第3期
P. 265

第 44 卷  第 3 期                        高     原     气    象                             Vol. 44  No. 3
                 2025 年 6 月                       PLATEAU METEOROLOGY                                June， 2025


               苗芮， 李明财， 孙玫玲，等， 2025.  基于深度学习的多气象要素影响的供热负荷预测模型研究［J］. 高原气象， 44（3）： 823-
               832.  MIAO Rui， LI Mingcai， SUN Meiling，et al， 2025.  Research on Heating Load Prediction Model based on the Influence of
               Multiple Meteorological Elements using Deep Learning［J］. Plateau Meteorology， 44（3）： 823-832.  DOI： 10. 7522/j. issn. 1000-
               0534. 2024. 00099. CSTR: 32265.14.gyqx.CN62-1061/P.2024. 00099.




                               基于深度学习的多气象要素影响的

                                          供热负荷预测模型研究



                               苗 芮      1， 2 ， 李明财    1， 2 ， 孙玫玲    1， 2 ， 潘 迪 ， 张希帆         3
                                                                                  3
                                             （1. 天津市海洋气象重点实验室，  天津    300074；
                                                2. 天津市气象科学研究所，  天津    300074；
                                                3. 天津市气象服务中心，  天津    300074）

                       摘要： 准确的供热负荷预测对于提高集中供热系统能效和建筑物室内舒适度尤为重要。本研究以中国
                       北方大城市天津为案例， 利用 2021 -2022 年采暖季实测小时供热负荷和气象观测数据， 分析了气温、风
                       速、相对湿度和太阳辐射综合气象要素对供热负荷的影响， 并基于非线性外部输入的自回归（NARX）神
                       经网络算法构建了一种高效的短期供热负荷预测模型。结果表明， 供热负荷具有显著的日变化及月变
                       化特征， 与气温呈显著负相关， 与太阳辐射呈弱负相关， 与湿度、风速的相关关系有明显的季节差异。
                       相较于仅考虑气温的供热负荷预测模型， 同时引入气温、风速、相对湿度和太阳辐射的预测模型性能最
                       佳， 相对误差降低约 1. 4%。与 LSTM 神经网络预测模型相比， NARX 神经网络模型的相对误差减少约
                       3. 6%， 有效提高了预测精度。
                       关键词： 气象要素； 供热负荷预测； NARX神经网络； 集中供热
                       文章编号： 1000-0534（2025）03-0823-10   中图分类号： P49   文献标识码： A
                       DOI： 10. 7522/j. issn. 1000-0534. 2024. 00099
                       CSTR: 32265.14.gyqx.CN62-1061/P.2024. 00099



               1  引言                                                 由于建筑物和社会学参数等随机因素不会在
                                                                 短期内发生较大变化， 因而短期供热负荷预测主要
                   集中供热是目前最高效、环保和经济实惠的供
                                                                 受到气象条件的影响（孙玫玲等， 2019； 全德海，
               热方式， 中国拥有世界上最大规模的集中供热系
                                                                 2020）。如何根据室外气象条件的变化精准调控供
               统。作为典型的北方城市， 天津的集中供热普及率                           热， 在冷空气活动时避免供热量过低造成室内热舒
               已达到 99. 9%（数据来源于天津市住房和城乡建设                        适度偏低， 在气温偏高时避免供热量过高造成能源
               委员会）。供热负荷预测是供热行业运控调节中重                            浪费， 成为十分重要的问题。室外气温的变化作为
               要的前期工作， 准确的供热负荷预测能够减少供热                           决定室内外温差及热传递的关键驱动力， 是影响供
               供给和需求之间的差异， 降低热量损失（张文倩，                           热负荷最重要的气象因子。现有研究已尝试考虑
               2019； 夏雨， 2019； 鹿宇， 2022； Wang et al， 2023）。      气温以外的其他气象因素， 如太阳辐射、风速等因
               优化集中供热系统的调节方法、提高供热负荷的预                            子对供热负荷的影响， 并基于此开展供热负荷预测
               测精度， 实现按需供热对集中供热系统运行具有科                          （Werner， 1984； Wojdyga， 2008； 张德山等， 2008；
               学指导意义。                                            王文标等， 2016； 张文倩， 2019）。


                  收稿日期： 2024⁃04⁃15； 定稿日期： 2024⁃11⁃14
                  资助项目： 天津市重点研发计划项目（21YFSNSN00130）； 天津市气象局科研项目（202225ybxm12， 202413ybxm10）
                  作者简介： 苗芮（1991 -）， 女， 甘肃武威人， 工程师， 主要从事供热气象服务研究. E-mail： miaorui_mr@163.com
                  通信作者： 李明财（1976 -）， 男， 吉林抚松人， 正高级工程师， 主要从事城市气象服务研究. E-mail： mingcaili_qhzx@163.com
                  © Editorial Department of Plateau Meteorology （CC BY-NC-ND）
   260   261   262   263   264   265   266   267   268   269   270