来源：期刊VIP网 时间：
作者：王耀辉;薛贵军;赵广昊;
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：针对传统热负荷预测精度不高、无法满足换热站及热网优化调控需求的问题，提出一种VMD-ISCSO-CNNBiLSTM的热负荷预测模型。首先，利用变分模态分解（VMD）对原始供热负荷数据进行降噪处理，降低数据的不稳定性；其次，由K-means算法改进种群初始化，由演变机制改进寻优能力和由变异机制改进跳出局部最优能力，利用改进沙猫群算法（ISCSO）对卷积神经网络、双向长短期记忆神经网络（CNN-BiLSTM）超参数进行寻优，建立热负荷预测模型；最后通过实例进行分析。结果表明，数据降噪后模型预测精度更高，R~2提升1.1%；由ISCSO优化的模型比其他算法优化的模型预测效果更好，拟合度达到99.4%;VMD-ISCSO-CNN-BiLSTM的组合预测模型相较于单一模型，RMSE降低18.5%,MAE降低13.8%,R~2提升15.8%，并有更好的拟合度，泛化性强，满足工程实际要求。
关键词：热负荷预测;;卷积神经网络;;双向长短期记忆神经网络;;改进沙猫群算法;;变分模态分解(VMD);;K-means算法;;演变机制;;变异机制
