基于SSA-CNN-SVM的小区供热二次网供水温度预测

摘要

准确预测供热二次网供水温度(T_s2)有助于提高人们居住环境的舒适度，减少能源浪费。文章提出了一种基于麻雀搜索算法（Sparrow Search Algorithm, SSA）优化的卷积神经网络（Convolutional Neural Network, CNN）和支持向量机（Support Vector Machines, SVM）混合的预测模型，基于居住建筑的热力数据构建输入特征集，建立了SSA-CNN-SVM模型预测T_s2,并与优化前的模型进行对比。结果表明：SSA-CNN-SVM模型在住宅T_s2预测中展现出了较高的精度，在2个数据集上的平均绝对误差百分比（Mean Absolute Percentage Error, MAPE）均小于2.50%;与优化前的模型相比，SSA-CNN-SVM模型的MAPE最大降幅为1.50%。

关键词

二次网供水温度 / 混合模型 / 麻雀搜索算法 / 卷积神经网络 / 支持向量机