城镇区域供热负荷时空预测方法研究

《城镇区域供热负荷时空预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文城镇区域供热负荷时空预测方法研究INVESTIGATIONOFTHETEMPORALANDSPATIALFORECASTOFURBANHEATLOAD段雅洁哈尔滨工业大学2015年6月国内图书分类号：TU833.1学校代码：10213国际图书分类号：697密级：公开工学硕士学位论文城镇区域供热负荷时空预测方法研究硕士研究生：段雅洁导师：王芃讲师申请学位：工学硕士学科：供热、供燃气、通风及空调工程所在单位：市政环境工程学院答辩日期：2015年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TU833.1U.D.C:697Disserta

2、tionfortheMasterDegreeinEngineeringINVESTIGATIONOFTHETEMPORALANDSPATIALFORECASTOFURBANHEATLOADCandidate：DuanYajieSupervisor：LecturerWangPengAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：Heating,GasSupplying,Ventilating&AirConditioningEngineeringAffiliation：SchoolofMunicipala

3、ndEnvironmentalEngineeringDateofDefence：June,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着我国现代化发展和城镇化进程的加速，城镇人口、建筑面积和供热面积不断增加，从而导致建筑能耗和供热能耗日渐增加与建筑和供热系统能源供应总量限制之间的矛盾日益突出，并且随着我国居民生活水平的不断提高，对室内环境和舒适度的要求不断提高，供热范围扩大和供热量增加不可避免。因此，必须合理规划能源供应结构、大力发展低碳经济。供热系

4、统能耗作为建筑能耗的重要组成部分，合理地预测城镇供热系统负荷是供热系统能源规划的基础。针对目前供热系统负荷预测主要基于供热系统运行参数等历史数据，对单一供热系统的负荷实现预测，或是用指标概算法预测城镇负荷或年供热量，造成供热系统负荷高估的现状，本文以严寒、寒冷地区67个代表城镇为研究对象，致力于对城镇级别供热系统负荷预测方法的研究。首先，本文以城镇级别供热系统为研究对象，分析城镇供热水平、经济发展、社会生活、城镇建设和政府政策、宏观调控等5个方面共17个宏观影响因素对城镇供热系统负荷的影响，确定了城镇供热系统负荷预测宏观指标体系；然后研究67个城镇供热系统负荷随

5、时间、空间变化特性，基于城镇职能分工的不同将城镇分为综合性城镇、工矿业城镇、矿业城镇、工业城镇、旅游城镇和交通运输城镇6类，采用熵值法分别计算6个类型城镇反映供热规模的综合得分，得出不同职能类型城镇供热规模差异明显，但对于给定职能类型的城镇，供热规模随时间相对变化幅度小，不同个体间供热规模差异较大。其次，本文基于建立的供热系统宏观影响因素指标体系，建立2种城镇供热系统负荷宏观预测模型。一种是以单个城镇供热系统负荷为预测对象的基于灰色系统理论（GST）的预测模型。该模型通过灰色关联度验证、共线性检验以及逐步回归分析等，缩减并确定最终的模型解释变量，并对解释变量和因

6、变量分别建立基于灰色系统理论的灰色动态GM(1,1)和GM(1，N+1)模型，通过求解灰色系统预测状态方程，实现城镇供热系统负荷预测。另一种是基于城镇职能分工不同对研究城镇的分类建立的基于PanelData（PD）的城镇供热系统负荷预测模型。在建立类型城镇面板数据的基础上，经变系数模型、变截距模型和不变系数模型的选择，确定适用不同类型城镇的面板数据模型，通过规划期解释变量预测值的代入实现城镇供热系统负荷预测。最后，本文对基于灰色系统理论（GST）的模型和基于PanelData（PD）-I-哈尔滨工业大学工学硕士学位论文的模型从模型解释变量的选择、模型预测精度和预

7、测结果等方面进行对比分析，验证模型的合理性同时，得出灰色系统理论（GST）的模型具有自学习性，随模型构建样本数据的更新，调整模型解释变量和模型参数，进而更好的对城镇供热系统负荷实现预测；基于PanelData（PD）的模型可根据所要研究城镇（新建或统计数据缺失城镇）的特性，将与该城镇特性相似且统计数据完整的城镇进行聚类（如煤矿城市、沿海城市等），给出类型城镇负荷的发展趋势和波动范围，为该城镇的规划提供依据，在城镇解释变量规划数据的基础上，可提高模型预测精度。在城镇供热系统负荷预测中，灰色系统理论（GST）的模型和基于PanelData（PD）的模型配合使用，可更

8、好地为城镇供热系统负荷预