来源：期刊VIP网 时间：
作者：白宇;薛贵军;谢文举;史彩娟;
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;华北理工大学人工智能学院;
摘要：合理规划好集中供热一次网的供热负荷，对满足热用户的舒适度和减少能源消耗有着重要意义。为此提出一种改进金豺算法(improved golden jackal optimization,IGJO)优化的CNN-BiLSTM热负荷预测模型。综合考虑一次网各项参数和天气因素的影响，将热负荷历史值和一次网供水温度、供水流量、供水压力、外界天气温度组成CNN-BiLSTM网络的输入，利用CNN-BiLSTM网络提取输入数据的空间特征和时间特征。同时，通过Circle混沌映射、螺旋波动搜索、自适应t变异策略改进GJO，得到的IGJO有效解决了GJO全局搜索能力弱和收敛精度不高的问题，具有高效的寻优效果，然后利用IGJO寻优CNN-BiLSTM网络的超参数，解决了因CNN-BiLSTM网络的超参数选取不当而影响热负荷预测结果的问题。最后利用吉林延边某换热站2021年1月到3月供热负荷数据进行模型测试。结果表明，所提IGJO-CNN-BiLSTM预测结果的MAE、MAPE、RMSE和NSE分别为0.005 MW、0.33%、0.008 MW和0.97，相比LSTM、CNN-LSTM等模型，具有更优的预测精度。
关键词：供热负荷预测;一次网;改进金豺优化算法;CNN-BiLSTM网络;超参数寻优;预测精度
基金资助：国家自然科学基金青年项目(61502143)
