基于潜变量方法的热网热负荷预测
信号处理
2020-02-14 v1 机器学习
机器学习
摘要
本文提出一种区域能源系统中热负荷预测的新方法。该方法采用标称模型预测依赖于室外温度的空间供暖负荷，并采用数据驱动的潜变量模型预测随时间变化的剩余热负荷。剩余热负荷主要来源于空间供暖与通风以及生活热水生产的时变运行。所得模型基于无超参数的递归更新实现，从而得到一个简约模型，具备较高的计算性能。该方法应用于瑞典吕勒奥的一栋多户建筑，利用较少的模型参数与易获得的测量值预测热负荷。结果与使用人工神经网络（artificial neural network）的预测进行比较，表明所提方法在验证案例中取得了更好的预测精度。此外，通过可解释的物理模型，所提方法表现出可解释的行为。
引用
@article{arxiv.2002.05397,
title = {A latent variable approach to heat load prediction in thermal grids},
author = {Johan Simonsson and Khalid Tourkey Atta and Dave Zachariah and Wolfgang Birk},
journal= {arXiv preprint arXiv:2002.05397},
year = {2020}
}
备注
Paper submitted to 2020 European Control Conference, Saint Petersburg, Russia