来源：期刊VIP网 时间：
作者：薛贵军;牛盼;谢文举;李水清;
单位：华北理工大学电气工程学院;华北理工大学智能仪器厂;
摘要：针对目前集中供热负荷预测的研究中极少考虑换热站内部因素以及供热负荷预测精准度较低的问题，提出一种基于SVMD-ISSA-CNN-TGLSTM的混合预测模型。首先，利用卷积神经网络和转换门控长短期记忆神经网络构建具有空间提取能力的CNN-TGLSTM模型；其次，考虑到负荷序列的非平稳特征，采用SVMD分解，并引用改进的麻雀搜索算法来优化模型的参数，避免调参陷入局部最优；最后，将不同模型之间的预测效果与经济效益进行对比。结果表明：SVMD-ISSACNN-TGLSTM模型经济效益最高，评价指标RMSE、MSE、MAE相比ISSA-CNN-TGLSTM模型分别降低了35.7%、59.0%、32.7%，且均优于其他不同模型，预测效果最佳。
关键词：供热负荷预测;;逐次变分模态分解;;改进的麻雀搜索算法;;卷积神经网络;;转换门控长短期记忆神经网络;;空间提取能力
基金资助：河北省自然科学基金项目（F2021209006）;; 河北省高等学校科学技术研究项目
