几种热力站二次供水温度预测模型的比较分析

供热系统通常通过调节热力站二次供水温度来满足热用户的需求。为了准确的获得二次供水温度的预测值，通过相关性分析和偏自相关分析确定预测模型的特征集；采用在线序列极限学习机（OSELM）、多元线性回归（MLR）、BP神经网络（BP）、支持向量回归（SVR）和极限学习机（ELM）模型进行短期二次供水温度的预测。对天津市某热力站的应用结果表明：预测特征集为室外温度和前28 h的历史二次供水温度数据；在训练样本容量较少和跨供暖季应用两种情况下，OS-ELM预测精度均最高，MAPE值分别为1.55%和0.47%。