国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

張海靜（1983-）

女，河南扶溝人，碩士研究生，研究方向?yàn)殡姎饪刂婆c仿真。

摘要：由于集中供熱系統(tǒng)調(diào)節(jié)的滯后性，使供熱量不能及時(shí)地跟隨用戶端需求量調(diào)整，造成能源浪費(fèi)。預(yù)測(cè)集中供熱系統(tǒng)未來一段時(shí)間內(nèi)的供熱參數(shù)對(duì)熱網(wǎng)的經(jīng)濟(jì)運(yùn)行和調(diào)節(jié)起著重要作用，本文通過對(duì)熱網(wǎng)歷史數(shù)據(jù)的分析，采用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的方法，以新疆華源熱力公司某供熱站的供熱網(wǎng)參數(shù)為研究對(duì)象進(jìn)行分析和預(yù)測(cè)，并結(jié)合MATLAB的GUI設(shè)計(jì)方法，設(shè)計(jì)出了人機(jī)交互友好、使用方便的界面，結(jié)果表明該算法具有較好的預(yù)測(cè)精度，對(duì)供熱系統(tǒng)有著較好的指導(dǎo)作用，具有一定的應(yīng)用價(jià)值。

關(guān)鍵詞：負(fù)荷預(yù)測(cè)；集中供熱； 神經(jīng)網(wǎng)絡(luò)； GUI

Abstract: The Central Heating System has hysteretic nature so that it can not adjust the
 heat to meet the users’ demand, which results in waste of energy. Forecasting the 
parameters in the coming period has the important effect on saving operation and 
regulation of the heating network. In this paper, by analyzing historical data of the 
heating network and using the forecasting method of neural network, we analyze and 
forecast the heating network parameters related to the Hua yuan company in Xin jiang. 
Furthermore, by using the MATLAB GUI design, we design a friendly human-computer 
interaction and, easy-to-use interface. The result indicats that this algorithm has good prediction accuracy 
and good instruction function to the heating system, which has a promising future in 
practical application.

Key words: load forecasting; central heating;  neural network; GUI

1 引言

    供熱負(fù)荷受室外溫度、時(shí)間、供水流量、供水溫度、回水溫度等多種因素影響，具有動(dòng)態(tài)特性，難以建立數(shù)學(xué)模型。傳統(tǒng)預(yù)測(cè)方法如時(shí)間序列法、回歸分析法，預(yù)測(cè)精度不高，熱網(wǎng)的供熱熱值難以準(zhǔn)確跟隨需求量的變化波動(dòng)。近年來供熱負(fù)荷的預(yù)測(cè)方法研究有了新的進(jìn)展，如灰色系統(tǒng)模型、神經(jīng)網(wǎng)絡(luò)、小波包分析等，對(duì)熱網(wǎng)的動(dòng)態(tài)特性跟蹤能力較強(qiáng)，在實(shí)時(shí)性方面優(yōu)于傳統(tǒng)方法，更適合供熱熱值預(yù)測(cè)和溫度控制 ^[1-2] 。Elman神經(jīng)網(wǎng)絡(luò)屬于動(dòng)態(tài)神經(jīng)元網(wǎng)絡(luò)，在隱含層神經(jīng)元輸出和輸入之間的延時(shí)反饋，使得網(wǎng)絡(luò)具有動(dòng)態(tài)記憶功能。本文將 Elman 神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)對(duì)比，結(jié)果發(fā)現(xiàn)Elman神經(jīng)網(wǎng)絡(luò)優(yōu)于BP神經(jīng)網(wǎng)絡(luò)，用Elman進(jìn)行仿真試驗(yàn)得到較好的預(yù)測(cè)精度。

    人工神經(jīng)網(wǎng)絡(luò)（ANN）是對(duì)生物神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真的結(jié)果，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)方式主要有兩種：監(jiān)督式的和無監(jiān)督式的。對(duì)應(yīng)于每種模式下樣本的輸入，網(wǎng)絡(luò)的輸出端都有一個(gè)對(duì)應(yīng)的指導(dǎo)信號(hào)與其屬性相匹配。

    利用非線性系統(tǒng)得輸入輸出數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過程，可以看成是一種非線性函數(shù)近似逼近的過程。Kolmogorov ^[3] 定理指出，任何具有N個(gè)變量的連續(xù)函數(shù)，均可由單變量的非線性、連續(xù)、遞增函數(shù)來描述。在神經(jīng)網(wǎng)絡(luò)應(yīng)用上，該定理可解釋為要逼近具有N個(gè)變量的連續(xù)函數(shù)，要求第1隱含層具有2N（N+1）個(gè)神經(jīng)元，第2隱含層具有（2N+1）個(gè)神經(jīng)元 ^[4] 。

2 神經(jīng)網(wǎng)絡(luò)

2.1 Elman 網(wǎng)絡(luò)

    Elman 網(wǎng)絡(luò)是動(dòng)態(tài)遞歸網(wǎng)絡(luò)的一種，具有動(dòng)態(tài)特性和遞歸作用，該網(wǎng)絡(luò)之所以具有這些作用，是因?yàn)榫W(wǎng)絡(luò)具有反饋層，即聯(lián)系層。Elman網(wǎng)絡(luò)有部分遞歸網(wǎng)絡(luò)和完全遞歸網(wǎng)絡(luò)兩種，主要區(qū)別在于是否對(duì)反饋單元的權(quán)值進(jìn)行修正，但網(wǎng)絡(luò)的結(jié)構(gòu)相同。圖1為Elman 網(wǎng)絡(luò)的標(biāo)準(zhǔn)結(jié)構(gòu)。在本文中，隱含層為單隱層，采用S型激活函數(shù)(tansig)，輸出層采用線性激活函數(shù)(purelin)，采用trainlm訓(xùn)練法。

                                    圖1   網(wǎng)絡(luò)的標(biāo)準(zhǔn)結(jié)構(gòu)^[3]

    其中ω1～ω2 為相應(yīng)的層間權(quán)值矩陣，u(τ-1 )為τ-1時(shí)刻網(wǎng)絡(luò)的輸入向量，x(τ)為τ時(shí)刻隱含層的輸出向量，y(τ)為τ時(shí)刻網(wǎng)絡(luò)輸出向量。

    Elman網(wǎng)絡(luò)由輸入層、隱層、結(jié)構(gòu)層和輸出層組成。結(jié)構(gòu)層記憶隱層單元前一時(shí)刻的輸出值，并在當(dāng)前時(shí)刻輸出，可認(rèn)為是一步延遲算子 ^[3] ，因此，Elman網(wǎng)絡(luò)具有動(dòng)態(tài)記憶功能。

2.2 BP網(wǎng)絡(luò)

    反向傳播網(wǎng)絡(luò)（Back-Propagation Network,即BP網(wǎng)絡(luò)）是將W-H學(xué)習(xí)規(guī)則一般化，對(duì)非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)（如圖2、圖3所示）。BP算法是一種監(jiān)督式的學(xué)習(xí)算法，為了訓(xùn)練一個(gè)BP網(wǎng)絡(luò)，需要計(jì)算網(wǎng)絡(luò)加權(quán)輸入矢量以及誤差矢量，然后求得誤差平方和。當(dāng)所訓(xùn)練的矢量平方和小于誤差目標(biāo)，訓(xùn)練則停止，否則在輸出層計(jì)算誤差變化，且采用反向傳播學(xué)習(xí)規(guī)則來調(diào)整權(quán)值，并重復(fù)此過程。當(dāng)網(wǎng)絡(luò)完成訓(xùn)練時(shí)，網(wǎng)絡(luò)將以泛化的方式輸出結(jié)果。BP網(wǎng)絡(luò)的激活函數(shù)必須處處可微的，所以BP網(wǎng)絡(luò)常使用對(duì)數(shù)或S型的正切激活函數(shù)和線性函數(shù)。在本文中，隱含層為單隱層，采用S型激活函數(shù)(tansig)，輸出層采用線性激活函數(shù)(purelin)，采用traingd訓(xùn)練法^[4-5] 。

3 預(yù)測(cè)與分析

3.1 房間室內(nèi)溫度與熱值的預(yù)測(cè)

    為了預(yù)測(cè)換熱站在一定熱值下的室內(nèi)溫度變化情況，以便及時(shí)了解用戶端的情況，及做到真正意義上的按需供熱^[6] ，本文基于運(yùn)行數(shù)據(jù), 考察供回水溫度、室外溫度、歷史室溫等因素中與預(yù)測(cè)室溫關(guān)系最為密切的供熱數(shù)據(jù)^[7-8] ，本文預(yù)測(cè)了未來48小時(shí)的室內(nèi)溫度與熱值的變化情況，以每小時(shí)為一個(gè)預(yù)測(cè)點(diǎn)，采用樣本數(shù)據(jù)為200個(gè)，考慮到樣本數(shù)據(jù)小，負(fù)荷在短期內(nèi)不會(huì)有較大波動(dòng)，所以采用的預(yù)測(cè)方法為采用前一天的供熱數(shù)據(jù)和第二天的室外溫度來預(yù)測(cè)第二天的供熱量，結(jié)果如圖4所示，房間的熱值由每棟樓的熱網(wǎng)入口處所安裝的熱表所計(jì)量的值按照房間面積并加上一定的補(bǔ)償而得，由傳感器采集數(shù)據(jù)并通過無線數(shù)據(jù)采集系統(tǒng)將數(shù)據(jù)發(fā)送到指定的計(jì)算機(jī)上，通過軟件讀出熱值數(shù)據(jù)。采用前197個(gè)用于訓(xùn)練網(wǎng)絡(luò)，后2個(gè)作為測(cè)試樣本，隱含層采用2N+1層，再用試湊法適當(dāng)?shù)募由弦欢ǖ脑６纫源_定隱含層的層數(shù)。學(xué)習(xí)速率為0.01，動(dòng)量因數(shù)為0.9，訓(xùn)練誤差為0.01。結(jié)果如下所示：

                              圖2   Elman與Bp網(wǎng)絡(luò)室內(nèi)溫度預(yù)測(cè)值與實(shí)際值

                              圖3   Elman與Bp網(wǎng)絡(luò)室內(nèi)溫度預(yù)測(cè)誤差 

                               圖4   Elman與Bp網(wǎng)絡(luò)熱值預(yù)測(cè)值與實(shí)際值及誤差 

    從面的圖可以看出熱值誤差很大，這是因?yàn)橛糜谟?xùn)練的樣本數(shù)據(jù)少且熱值損耗大所造成的。

3.2 換熱站熱值的預(yù)測(cè)估計(jì)

                          表1   不同溫度范圍下?lián)Q熱站的供熱值與預(yù)測(cè)值

        溫度范圍           熱值平均值（實(shí)際）GJ    熱值平均值（預(yù)測(cè)）GJ

        -15℃ ~  -22℃       769.4                   700.3

        -8℃  ~  -15℃       758                     690.2

        -4℃  ~  -12℃       591.3                   545.7

        0℃   ~  -9℃        601.4                   560.4

        -3℃  ~  -5℃        434                     390.1

        -1℃  ~   7℃        353                     311.5

        0℃   ~  12℃        289                     2450.7

        5℃   ~  15℃        239.5                   211.7

    根據(jù)烏魯木齊市華源熱力公司2007年11月至2008年4月的供熱歷史數(shù)據(jù)，某換熱站在不同溫度范圍內(nèi)的供熱熱值如表1所示，這里換熱站的參數(shù)值是小區(qū)所有房間熱值之和，有較大誤差是因?yàn)闃颖緮?shù)據(jù)少且熱量沿?zé)峋W(wǎng)管道的損耗大所造成的。

4 GUI設(shè)計(jì)

    為了便于很好的對(duì)比兩種不同的預(yù)測(cè)方法，使操作更加簡(jiǎn)單，采用了GUI設(shè)計(jì)。MATLAB為用戶設(shè)計(jì)圖形界面提供了一個(gè)方便，高效的集成環(huán)境。本文中的GUI設(shè)計(jì)包括坐標(biāo)軸對(duì)象（Axes）、控件對(duì)象（Unicontrol）等^[9] 。

    句柄式圖形^[10] ：MATLAB是數(shù)據(jù)圖形化表現(xiàn)途徑， MATLAB的圖形系統(tǒng)是面向?qū)ο蟮模恳粋€(gè)圖形對(duì)象都有一個(gè)唯一的句柄 (handle)和一組定義圖形對(duì)象外觀的屬性（Properties）。用戶可以根據(jù)這個(gè)句柄，就可以找到這個(gè)對(duì)象的各項(xiàng)屬性，并修改這些屬性，則可以產(chǎn)生不同的圖形顯示與動(dòng)作效果。

    MATLAB設(shè)計(jì)圖形用戶界面有兩種方法：①使用M文件編寫的方式；②利用GUIDE設(shè)計(jì)圖形用戶界面，本文采用GUIDE設(shè)計(jì)圖形用戶界面。

    本文MATLAB的GUI設(shè)計(jì)過程主要包括：①創(chuàng)建圖形窗口；②創(chuàng)建各控件并設(shè)置其屬性；③編寫各控件的回調(diào)函數(shù)。具體如下：

    在界面上創(chuàng)建用于顯示預(yù)測(cè)結(jié)果的坐標(biāo)軸對(duì)象，由于本文需要分別顯示BP與ELMAN的預(yù)測(cè)結(jié)果，所以需要兩個(gè)坐標(biāo)軸，選擇坐標(biāo)軸的回調(diào)函數(shù)如下所示：

    axes(handles.ELMAN_axes)

    hold off;

    axis ([0  55  -10 30])

    plot(1:48,predict,’g’)

    hold on;

    axis ([0  55  -10 30])

    plot(1:48,x-predict,’r’)

    hold on;

    axis ([0  55  -10 30])

    plot(1:48,x,’-.’)

    hold on

    title(’Elman room temperature predict result’)

    legend( ’室內(nèi)溫度 ’,’誤差’,’實(shí)際值’)

    hold off

    grid on

    set(handles.ELMAN_axes,’XMinorTick’,’on’)

5 結(jié)論

    本文以新疆華源熱力公司某換熱站歷史運(yùn)行數(shù)據(jù)為基礎(chǔ)，采用不同神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的方法，經(jīng)過對(duì)比，發(fā)現(xiàn)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)ELMAN的預(yù)測(cè)效果較好，從而確定該方法對(duì)供熱數(shù)據(jù)具有一定的指導(dǎo)意義，采用的GUI設(shè)計(jì)，使界面友好，使用方便的界面，結(jié)果表明該算法具有較好的預(yù)測(cè)精度，使得熱力公司可以根據(jù)天氣變化對(duì)小區(qū)供熱量進(jìn)行調(diào)整，達(dá)到了節(jié)約能源和企業(yè)供熱成本，減少溫室氣體排放和降低環(huán)境污染的多重效果，具有較好的應(yīng)用價(jià)值。但不足之處是神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度較慢。


參考文獻(xiàn)

[1] 朱棟華，黎展求. 基于小波和神經(jīng)網(wǎng)絡(luò)的供熱荷預(yù)測(cè)[J]. 沈陽(yáng)建筑大學(xué)學(xué)報(bào)，2007，1(23): 157-160. 

ZHU Donghua，LI Zhanqi,Thermal Load Prediction for Heating Systems Based.on Wavelet and 
Neural Network.[J]. Journal of Shenyang Jianzhu University. 2007，1(23): 157-160.

[2] 郝有志，李德英. 熱負(fù)荷預(yù)測(cè)方法評(píng)析[J]. 建筑熱能通風(fēng)空調(diào)，2003，(1): 26-27.

Hao Youzhi，Li Deying. Estimation of Heat Load Forecast methods:26-27.

[3] 張吉禮. 模糊-神經(jīng)網(wǎng)絡(luò)控制原理與工程應(yīng)用[M]. 哈爾濱: 哈爾濱工業(yè)大學(xué)出版社，2004，30-70.

[4] 叢爽. 面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M]. 合肥: 中國(guó)科學(xué)技術(shù)大學(xué)出版社，2003，1-120.

[5] 杜永峰，郭劍虹. 基于RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)動(dòng)力響應(yīng)預(yù)測(cè)[J]. 蘭州理工大學(xué)學(xué)報(bào)，2006，2(32):111-114. 

DU Yong-feng，GUO Jian-hong,Prediction of structural dynamic response based on RBF neural
 network[J]. journal of Lan zhou University of Technology: 2006，2(32):111-114.

[6]  馬濤，徐向東. 基于小波網(wǎng)模型的區(qū)域供熱系統(tǒng)負(fù)荷預(yù)測(cè)[J]. 清華大學(xué)學(xué)報(bào): 自然科學(xué)版，2005，4(45): 708-710. 

MA Tao，XU Xia ngdong,Load predictions for district heating systems based on a WNN
 model[J]. Tsinghua Univ(Sci& ech)，2005，4(45): 708-710.

[7] 頓雷，李巴津. 城市集中供熱網(wǎng)參數(shù)預(yù)測(cè)研究[J]. 微計(jì)算機(jī)信息，2007，23(10): 38-39.

DUN LEI，LI BaJin.2007，23(10):39-39. IN，F(xiàn)orecasting City Central Heating Network Supply 
Parameters[J]. 2007，23(10): 38-39.

[8] 王宇清. 供熱工程. 北京: 機(jī)械工業(yè)出版社，2005. 

[9] 楊邵偉，韓天，尹忠俊，李偉. MATLAB GUI 界面設(shè)計(jì)在電機(jī)故障診斷中的應(yīng)用[J]. 機(jī)電產(chǎn)品開發(fā)與創(chuàng)新，2007，20(6): 118-122.

SUN Qi-Chao，LiU Shao Jun. The Control and Simulationfor Decr easing Vibration of Tank 
Seat[J]，Development & Innovation of Machinery & Electrical Products，2007，20(6):118-122.

[10] 葛哲學(xué). 精通MATLAB[M]. 北京: 電子工業(yè)出版社2008，493-539，152-168.