期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
结合天气因素的PPMCC-PSO-SVR热负荷预测研究 被引量：1
1
作者 杨程博 朱静 +2 位作者 陈建伟 张洋宁 马新春 《计算机与数字工程》 2024年第10期2926-2931,共6页
为了提高换热站的能源利用率、优化管网调控策略,精准的热负荷预测十分有必要。论文采用五种方法分别是支持向量回归、极限梯度提升回归、网格搜索优化支持向量回归、网格搜索优化极限梯度提升回归及PPMCC-PSO-SVR,并分别结合天气因素... 为了提高换热站的能源利用率、优化管网调控策略,精准的热负荷预测十分有必要。论文采用五种方法分别是支持向量回归、极限梯度提升回归、网格搜索优化支持向量回归、网格搜索优化极限梯度提升回归及PPMCC-PSO-SVR,并分别结合天气因素建立热负荷预测模型进行比较。基于皮尔逊相关系数进行特征相关性分析后,选取逐时天气温度、湿度、供水流量、二次网供回水温度等五类数据作为热负荷预测模型的输入特征。结果表明:1)未调优原始模型参数前,极限梯度提升回归模型的各项评估指标均远远优于支持向量回归模型;2)结合天气因素的PPMCC-PSO-SVR模型各项评估指标最优,能有效地预测换热站短期热负荷的动态变化,其各项评估指标:R2为0.996 5,RMSE为0.151 1,MAE为0.118 6。 展开更多
关键词 天气因素 ppmcc-pso-svr 热负荷预测 皮尔逊相关系数 网格搜索
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部