基于VMD和RDC-Informer的短期供热负荷预测模型

摘要

精准的供热负荷预测不仅可以有效降低能源消耗，而且可以提高供热系统效率和用户舒适度。为了提升供热负荷预测的准确性，本文将变分模态分解算法和改进的Informer模型结合应用于供热负荷预测中。首先使用VMD算法分解供热负荷数据，降低数据的非平稳性；然后在Informer模型中引入相对位置编码代替绝对位置编码，以更好地捕捉序列数据中的依赖关系和避免信息泄漏；接着采用膨胀因果卷积代替正则卷积，增加感受野，提升局部信息的提取能力；最后在多个数据集上与主流预测模型（GRU、LSTM、Transformer和Informer）进行对比实验。结果表明，RDC-Informer模型的评价指标R²达到了98.3%,与对比模型相比，分别提高了11.6%、6.3%、4.7%和2.6%。此外，通过增加卷积核以评估膨胀因果卷积的效果，验证了RDC-Informer模型的适用性和准确性，为进一步提高智慧供热的时效性提供了一定参考。

关键词

供热负荷预测 / Informer / 膨胀因果卷积 / 相对位置编码 / VMD