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

来源：高原气象杂志2025年第3期北京时间：

作者：苗芮,李明财,孙玫玲,潘迪,张希帆

单位：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

基金资助：天津市重点研发计划项目(21YFSNSN00130),天津市气象局科研项目(202225ybxm12)