一、热负荷预测方法评析（论文文献综述）
姜鑫,潘宏刚,杨兆林[1]（2021）在《集中供热运行调节方式研究综述》文中研究指明运行调节方式关系到集中供热系统的运行效果、能耗及由此带来的环保效应,对于节能环保事业具有重大意义。通过分析国内外集中供热系统运行方式的发展现状,从供暖热负荷预测、分阶段变流量的质调节改进、质量-流量调节及计量供热等方面系统地阐述了各调节方式的特点,结合信息化监控、精细化管理及合理的收费标准等措施,最终实现按需供热。
赵浩然[2]（2020）在《考虑不确定性的生态工业园区综合能源系统优化研究》文中研究说明随着我国能源结构的转型以及分布式能源的发展,能源系统传统的以单一系统纵向延伸为主的发展模式已不能满足能源结构调整在提高能源效率、保障能源安全、促进新能源消纳和推动环境保护等方面的要求,需要构建综合能源系统打通电、热、冷、气多种能源子系统间的技术壁垒、体制壁垒和市场壁垒,促进多种能源互补互济和多系统协调优化,在保障能源安全的基础上推动我国能源革命。作为能源互联网的重要载体,综合能源系统集成电、热、冷、气等多种能源,通过多能互补提高能源生产与消费的协调性,对于建设清洁、低碳、安全、高效的现代能源体系具有十分重要的战略意义,已成为全球能源领域重要的技术增长点和制高点,也是能源领域重要商业模式的创新方向和能源工业技术的发展方向。生态工业园区以提高能源资源利用效率、减少污染物排放为目标,通过完善基础设备,实现能源的清洁供给和消费。生态工业园区综合能源系统通过耦合配能网及分布式可再生能源等能源生产设备、冷热电联产系统（Combined Cooling Heating and Power,CCHP）及电制冷机等能源转换设备、蓄电池及储热罐等能源存储设备和电、热、冷、气能源用户,能够实现生态工业园区内电、热、冷、气多种能源的耦合生产、转换、存储和消费。然而,生态工业园区综合能源系统电、热、冷、气多种能源特性不同,分布式可再生能源发电出力等能源供给侧和电、热、冷、气等多种负荷需求侧皆具有不确定性,多种能源供给和需求在时间、空间维度上存在耦合性、不确定性和非一致性,亟需对生态工业园区综合能源系统规划及运行优化等问题开展深入研究。基于此,本文考虑供需双侧不确定性,对生态工业园区综合能源系统优化开展研究,主要研究内容如下:（1）分析了生态工业园区综合能源系统特性。首先,对生态工业园区综合能源系统内涵进行论述,包括综合能源系统的内涵和生态工业园区综合能源系统的内涵等内容;其次,对生态工业园区综合能源系统基本架构进行论述,分析了生态工业园区综合能源系统中各能源子系统的构建、各类能源供需及耦合转化机制;再次,给出了生态工业园区综合能源系统基本设备的数学表征,主要包括电、热、气等供能设备数学模型和电转其他形式的能源、气转其他形式的能源、热转其他形式的能源等能源耦合转换设备的数学表征;最后,对生态工业园区综合能源系统不确定性特征进行分析。（2）构建了生态工业园区综合能源系统供需双侧不确定性区间预测模型。首先,分析了生态工业园区综合能源系统供需双侧不确定性区间预测的重要性和基本思路;其次介绍了生态工业园区综合能源系统供需双侧不确定性区间预测方法的基本原理;再次,基于Bootstrap-ISSA-MKELM组合方法构建了生态工业园区综合能源系统供给侧不确定性区间预测模型,并进行了实证分析;最后,基于多任务学习和Bootstrap-ISSA-MKELM组合方法构建了生态工业园区综合能源系统需求侧不确定性区间预测模型,并进行了实证分析。对风电及光伏分布式可再生能源发电出力不确定性区间预测结果和对电、热、冷、气多种能源需求不确定性区间预测结果表明,本文提出的供需双侧不确定性区间预测模型的预测性能较优,其是有效、适用、可行的。（3）构建了考虑供需双侧不确定性的生态工业园区综合能源系统协同规划模型。首先,构建了生态工业园区综合能源系统协同规划模型,上层模型以各能源站生命周期成本和能距成本之和最小为目标函数,下层模型以经济性、环境性和社会性为多目标;其次,对协同规划模型中供需双侧不确定性进行了处理,并对协同规划模型进行了鲁棒性改造;再次,基于局部搜索（Dijkstra算法）、对偶拟合、列约束生成（C&CG）算法和模糊最优最劣方法,给出了考虑供需双侧不确定性的生态工业园区综合能源系统协同规划模型的求解方法;最后,选择我国北方一生态工业园区为例,进行了算例分析,并对结果进行了对比分析。算例结果表明,本文所构建的考虑供需双侧不确定性的生态工业园区综合能源系统协同规划模型能够兼顾环境性、经济性和社会性,同时考虑供需双侧不确定性对系统的影响,其规划结果更加符合实际。（4）构建了考虑多主体交互策略的生态工业园区综合能源系统运行优化模型。首先,对生态工业园区综合能源系统多主体互动机制进行了分析,包括多主体构成和多主体交互机制;其次,以能源枢纽运营商（EHO）为领导者、能源用户集群（EUC）和储能运营商（ESO）作为跟随者,运用主从斯塔克尔伯格（Stackelberg）博弈模型构建了生态工业园区综合能源系统运行优化博弈模型,EHO优化模型的目标函数考虑经济性和环境性,EUC和ESO优化模型的目标函数为利润最大化,并考虑了供需双侧不确定性对所构建的博弈模型进行了鲁棒性改造;再次,基于ISSA智能优化算法、KKT条件和列约束产生解耦算法,给出了考虑多主体交互策略及供需双侧不确定性的生态工业园区综合能源系统运行优化模型求解方法;最后,对我国北方某一生态工业园区综合能源系统的运行优化进行了算例分析。算例结果表明,本文提出的考虑多主体交互策略以及供需双侧不确定性的生态工业园区综合能源系统运行优化模型中的多个利益主体运行方式和能源交易机制是合理的,各方利益主体通过博弈能够实现各自目标。（5）提出了生态工业园区综合能源系统中能源枢纽运营商的商业模式,并设计了生态工业园区综合能源系统中储能运营商的成本补偿激励机制。首先,基于商业模式画布理论分析了能源枢纽运营商商业模式画布,包括能源枢纽业务的市场主体、核心资源、价值主张、关键业务、渠道通路、客户细分、客户关系和盈利模式;其次,在对能源监管机构和储能运营商各自行为进行假定的基础上,构建了信息不对称条件下的能源监管机构和储能运营商的成本补偿契约基准模型。基于此模型,兼顾隐藏信息及隐藏行为条件和激励相容约束设计了储能运营商成本补偿最优激励契约。所设计的储能运营商成本补偿最优激励契约能够保证储能运营商向能源监管机构真实报告自己的信息所获得的绩效奖励要好于隐藏自己信息的情况。最后,通过分析储能运营商成本补偿最优激励契约性质,当存在隐藏信息和隐藏行为时,能源监管机构为让储能运营商既显示真实信息又提供系统所需的储能服务,需要在最优激励契约中给出既包括代理成本又包括信息租金的绩效奖励,其中,代理成本是保证储能运营商提供系统所需的储能服务,而信息租金是为了保证储能运营商显示真实信息。本文考虑供需双侧不确定性对生态工业园区综合能源系统规划、运行、商业模式及激励机制等问题进行了研究,为园区级生态工业园区综合能源系统的科学规划建设和有效运营管理提供了参考,具有重要的理论价值和实践意义。本文提出的考虑供需双侧不确定性的生态工业园区综合能源系统规划模型和运行模型的方法也可以应用于楼宇级或区域级综合能源系统规划建设及运行管理之中。本文提出的生态工业园区综合能源系统商业模式和激励机制也可以为相关利益主体经营决策提供参考,亦可为相关政策的制定提供一定的借鉴。
王少博[3]（2020）在《城镇集中供热系统动态热负荷预测与二次网节能控制研究》文中研究表明供热是我国基础性的民生事业,它是我国北方人民冬季室内生活环境舒适性的重要保障。当前,由于环境污染和能源匮乏引发的各种矛盾已经迫在眉睫,北方城镇老旧小区供热能耗高、供热质量差、热力失调等问题亟待解决。本文主要针对老旧小区的二次网和末端没有控制措施等问题进行研究,依托计量和监控等信息化技术,从需求侧出发不仅可以实现按需供热,而且对节约能源、减少污染物的排放和治理雾霾同样具有重要的意义。热负荷预测是实现按需供热和保障用户热舒适的前提和基础。从影响热负荷的因素出发,综合分析考虑热负荷影响因素的动态线性和非线性对热负荷预测结果精度的动态影响,分析所有加权影响因素对热负荷的动态非线性影响并对其进行相关性的分析,其进行相关性分析,同时以室外的温度变化作为热负荷的基础加权影响的因素可以通过计算得到综合室内外温差。以此温差和前一段时间的热负荷为输入量,以当前热负荷为输出量构造热负荷预测模型。首先,利用拉格朗日插值法和横向数据对比法对热负荷异常数据进行处理,模型算法以改进的移动多项式最小二乘法为基石,为解决预测值时间的延迟现象在算法中加入趋势校正值,然后用现在比较热门的支持向量机（SVM）进行预测计算,并且利用误差评价指标对比分析,以此突显出该方法在实际工程中的优越性。基于此方法的预测值为供热节能控制提供指导性的策略,以换热站和楼前混水系统为控制手段,实现供热系统和楼宇的两级热平衡以及热用户的热舒适性。既有效的改善了小区供热的工况,又保障了供热的质量,其次就是实现了节能减排,并将节能改造的方案广泛应用于小区实际的工程。研究结果表明:（1）改进的移动多项式最小二乘法周期M=3和M=4的平均误差为5.195%和5.005%,支持向量机（SVM）平均误差为5.16%。同时以多项评价指标进行比较发现改进后的方法精度高、模型算法简单用于工程实践较为容易。（2）利用供热监测、控制一体的信息化平台,然后加入楼前混水系统,通过改造前后的经济分析对比,一个供暖季电耗减少126720千瓦时,同时热量也减少了0.1GJ/h,不仅用户的室温合格率增加、能耗减少而且减少污染有益于大气环境。
孙一[4]（2020）在《武威瑞安堡堡寨民居营建模式与设计应用研究》文中研究说明武威地区自古以来就是河西走廊边防重地,是丝绸之路“咽喉”所在。连年战火的纷扰使得武威人民广泛建立了具有防御性质的堡寨,然而,随着现代化、城镇化的脚步加快,现代建筑形式、技术、材料对于堡寨民居产生了巨大的冲击,它们改变堡寨民居原有的营建逻辑,丢失了传统的建筑语汇,造成了传统建筑文化的断层。因此,将堡寨民居营建模式进行现代化设计应用就成了当下亟待解决的问题。瑞安堡代表了武威地域文化的一种主流的建筑形式——堡寨民居,在其营建过程中,形成了独特的空间建构和生态经验,其价值尤其体现在人、自然和建筑之间的关系处理上,对于以瑞安堡为代表的堡寨民居进行现代化应用有着重大的现实意义。因此,基于“十三五”重点研发计划“西北荒漠区绿色建筑模式与技术体系”子课题三1,本论文以现代设计应用研究为目的,首先以武威瑞安堡堡寨民居的选址规划、院落类型和空间单元、构造材料等方面为关注点,进行了广泛的实态调研;其次提取瑞安堡的空间原型及其组合形式,结合森佩尔理论的分类方法提炼出空间建构要素,并总结和归纳出瑞安堡的生态设计经验;在此基础上通过Ecotect、Phoenics、以及DeST-H软件从光环境、风环境和热环境三个层面模拟堡寨民居原型的生态性能,发掘和总结瑞安堡的所具有独特生态价值;最后,通过研究该地区同类型的堡寨民居以及分析以堡寨民居为原型的现代地域建筑,确定瑞安堡营建模式应用的广泛性,并进行现代堡寨民居的改造设计研究,以此为武威及周边地区设计应用提供一定的经验和借鉴。
于晓娟[5]（2018）在《基于支持向量机的热负荷预测及优化调控策略研究》文中认为集中供热系统的多维度、高延迟、强耦合等非线性特征,造成了热源的供热量与用户的需求量之间不匹配。准确的供热负荷预测,是实现按需供热、提高供热能效的关键。本文以石家庄市某小区供热系统为研究对象,以2016-2017年整个采暖季的实测数据为样本,进行了以日为单位的累计供热负荷预测。首先,分析了影响热负荷的主要因素,结合实际采集的数据,在预测模型中增加了室内温度影响因子,提炼出模型的输入变量:前三日的历史日累计耗热量、室外日平均温度、室内日平均温度。为选取准确的供热负荷预测模型,在确定模型自变量和模型评价指标的基础上,建立了BP神经网络模型、多元线性回归模型和支持向量机回归模型。研究结果表明,支持向量机回归预测模型在预测精度和变量解释能力方面优于BP神经网络预测模型,在处理模糊复杂的非线性映射方面优于多元线性回归预测模型。考虑到惩罚参数C和核函数参数γ的选取对支持向量机预测精度的影响,为进一步提高支持向量机的学习能力和预测精度,分别建立了基于网格搜索、差分进化、灰狼算法和混合算法的支持向量机回归预测模型。通过对比和分析不同优化模型的预测结果,可知:基于优化算法的支持向量机模型的预测精度高于单一的支持向量机回归预测模型;基于混合算法的支持向量机预测模型优于单一的差分进化、单一的灰狼优化和网格搜索优化预测模型。在确定最优预测模型的基础上,结合未来3天的天气预报,提出了基于日累计耗热量预测的二次供水温度的分阶段调控策略,为供热系统的优化调控提供参考。
张美玲,刘曙光[6]（2018）在《区域供热系统的热负荷预测方法研究》文中提出为使供热系统能更好更高效地向用户提供热能,对供热系统不同形式的热负荷预测方法进行了科学的分类,并逐一分析进行比较,根据各预测方法特点探讨其适用范围以及待深入研究的方向。
耿欣欣[7]（2017）在《基于时间遗传特性的建筑热负荷预测研究》文中研究说明近年来,随着电子计算机技术的发展,集中供热系统向智能化、信息化、自动化方向迈进,供热系统由粗况式调节逐渐转向精细化调节,而热负荷是精细化调节的依据,用现有的历史数据采用简单可行的理论方法进行热负荷准确预测是目前智慧供热系统实现精细化调节的关键。本文依据建筑热特性理论和前人的研究成果提出一种基于时间遗传特性的以建筑历史热负荷和室外空气温度为自变量的预测理论和方法。首先提出“建筑热负荷时间遗传期”的概念;不同热特性建筑其时间遗传期不同,利用DeST软件对不同热工性能、不同朝向、不同供暖室温以及不同地理位置建筑的热负荷时间遗传期进行仿真研究;建立基于时间遗传期的以室外温度和历史热负荷为自变量参数的预测模型,利用MATLAB软件分别对不同热工性能、不同供暖时期、不同地理位置的建筑进行热负荷预测。根据热负荷预测值和实测值的相对误差波动规律分析得出热负荷时间遗传期经历三个阶段,即相关波动期、相关平稳期和相关减弱期,相关平稳期的预测精度最高。预测结果验证了热负荷时间遗传特性和用DeST软件仿真模拟时间遗传期的准确性。通过对未来1天、3天以及7天热负荷预测结果的精度对比,得出采用预测模型对未来1天的热负荷进行预测,其精度在5%以内,证明该预测模型的可靠性,为实际供热系统热负荷预测提供有价值的理论指导。
张琦[8]（2017）在《集中供热系统热负荷预测方法研究》文中认为我国北方城镇冬季供暖所需的供热能耗在社会能源消耗中占的比重很大,随着国家对节约能源的日益重视,大部分地区都采用了集中供热的供暖方式。但是由于集中供热系统覆盖区域广阔,控制和调节十分困难,因此在供热系统运行调节过程中对热用户的实际供热量进行预测显得十分重要。为了能够更加准确的对集中供热系统进行热负荷预测,本文对热负荷的影响因素进行了相关性分析,在确定预测模型的输入变量和评价标准的基础上,将神经网络和支持向量机用于热负荷预测,建立了各自不同的优化改进模型,并在热负荷预测方面的表现做具体的研究。对于神经网络算法,本文建立了BP神经网络预测模型,然后用小波分析理论对模型进行了改进并建立了小波神经网络预测模型;对于支持向量机算法,本文建立了支持向量机回归预测模型,采用粒子群算法对支持向量机预测模型进行参数寻优,并由此建立基于粒子群支持向量机预测模型。为了对支持向量机学习能力进一步提高,故本文采用了动态多种群粒子群优化支持向量机算法,并由此建立了基于动态多种群粒子群支持向量机热负荷预测模型。通过对各种算法的集中供热热负荷预测模型的分析和计算结果表明:支持向量机算法比神经网络在处理与供热负荷有关的较多影响因素的高维数学问题方面更为先进;动态多种群粒子群算法在参数寻优中的搜索能力明显要优与粒子群算法;优化后的预测模型的预测精度要高于原始预测模型;使用支持向量机及其优化算法建立的集中供热系统热负荷预测模型的预测效果整体优于使用神经网络及其优化算法建立的预测模型。在基于供热的实测数据的基础上,通过分析、对比各个模型,并综合评价因素,本文采用的基于动态多种群粒子群支持向量机热负荷预测模型稳定性好,预测精度高,能够精确有效的为供暖企业科学生产提供有效的参考,为热源分配、调度提供必要依据。
王美萍[9]（2017）在《城镇供热系统层级热量结算点中短期热负荷预测方法研究》文中进行了进一步梳理供热是关系国计民生的重要基础行业和公用事业。随着供热的商品化,供热系统热负荷预测作为供热规划、生产、调度和交易等工作的基础,在供热系统安全和经济运行中起着至关重要的作用。供热负荷预测精度的高低直接影响到供热系统的供热质量、安全性和经济性。随着供热系统节能减排进程的不断推进和智慧供热的需求,使供热负荷预测越来越成为该领域研究的前沿和热点问题,其研究对节能减排、治理雾霾具有重要的意义。由于滞后性、管网的热损失、用户种类复杂程度的差异性等导致了城镇供热系统不同热量结算点热负荷具有不同的规律特点,本文将供热负荷按层级热量结算点来划分,分析各自的影响因素,引入智能算法以及相关组合理论预测技术,以城镇供热系统实测数据为基础,对各层级供热负荷预测的理论与方法进行深入研究,为供热系统运行管理提供较为科学的决策依据。主要研究工作和创新成果如下:（1）对不同层级热量结算点热负荷的特点、影响热负荷的因素及导致热负荷预测误差的相关因素进行了分析;针对历史数据样本的离群数据进行纵向和横向预处理,使其能够更加与热负荷实际运行趋势一致,进而为后期利用这些历史数据样本进行各级热量结算点短期热负荷预测奠定了基础;将相关性分析应用在各层级热量结算点热负荷预测模型输入维数的选择上,使得输入变量与各层级预测热负荷相关性更强,为提高预测结果的准确性和改善预测性能做好进一步的准备;此外,对进入模型的各参数进行归一化处理,避免进入模型的各参数因数值差异大而导致预测性能下降。（2）基于结构风险最小化原则,提出粒子群（pso）优化支持向量机（svm）模型热源热负荷预测方法。该方法对解决系统大热惯性、大时滞性导致热源热负荷随室外温度变化的非线性问题有较好的效果。建立了遗传（ga）优化支持向量机（svm）、标准支持向量机（svm）及粒子群（pso）优化支持向量机（svm）热源热负荷三种预测模型,通过相关性分析并确定预测模型输入变量的维数,证明了粒子群（pso）优化支持向量机（svm）模型在预测精度和泛化能力方面均优于其他两种预测模型。（3）针对一般热交换站用户类型较单一、样本容量大的问题,提出基于adaboost组合多个弱预测器构建出一个强预测器的热交换站热负荷预测方法。弱预测器采用处理大样本、容错能力强的bp神经网络模型,其网络阈值和权值的优化选用经过筛选出的粒子群算法（pso）。利用adaboost理论对9个粒子群（pso）优化bp神经网络预测进行组合构建出一个强预测模型。针对热交换站热负荷及其相关参数历史数据样本进行相关性分析,筛选出与热负荷最相关的影响因素作为预测模型的输入变量维数,最后通过与粒子群（pso）优化bp神经网络方法和未经优化的传统bp神经网络方法进行实验比较,证明本文提出的预测模型有效提高了热交换站热负荷的预测精度和泛化能力。（4）针对建筑热负荷样本数量少及热计量引起的用户调节规律不确定问题,提出两种组合预测方法。将解决小样本非线性问题的粒子群（PSO）优化支持向量机（SVM）模型和容错能力强的粒子群（PSO）优化BP神经网络模型作为组合方法中单一预测模型,基于信息熵理论提取单一预测模型中的有用信息,将提取的有用信息进行融合产生出更强预测能力的组合方法;在基于Adaboost组合粒子群（PSO）优化BP神经网络模型思想上,激发了将处理小样本和非线性问题的支持向量机（SVM）模型作为弱预测器,结合Adaboost理论构建出由8个弱预测器组成的建筑热负荷强预测模型。对建筑热负荷及其相关参数进行相关性分析,找出适合各自预测模型的输入变量,通过实例验证,以上两种组合预测方法均较单一预测模型有较高的预测精度,其中基于信息熵权组合方法更胜一筹,能更好地对住宅建筑热负荷进行预测。
赵永攀[10]（2016）在《集中供热系统热网蓄热调峰运行方式的研究》文中指出目前,我国能源形势严峻,节能减排已刻不容缓。但在我国能源消耗中占有很大比例的采暖能耗却居高不下。因此,提高我国集中供热系统的能源利用率对节能减排有重大意义。当前,造成我国集中供热系统能源效率偏低的主要原因有两方面:一、锅炉运行效率低,热源调节能力差;二、热网运行方式不合理。针对集中供热系统存在的这两方面问题,本文对热网蓄热调峰运行方式进行了探讨。首先,本文分析了目前集中供热系统常用的初调节、运行调节方法的局限性。其次,本文提出集中供热系统通过换热站自动控制系统及热源自动控制系统的联合控制,来达到热网蓄热调峰运行的目的。并根据换热站自动控制系统及热源自动控制系统在热网蓄热调峰运行方式中各自的作用,分别给出了具体的控制方案。然后,本文根据集中供热系统的运行调节基本公式及水力计算基本公式,分析了集中供热系统热网蓄热调峰运行方式一次网、二次网的水力工况、热力工况。建立了集中供热系统二次网恒温差控制策略下的运行调节公式及变频循环水泵能耗方程式,并结合相应算例说明了二次网恒温差运行时变频循环水泵的节能性。同时本文还建立了换热站一次侧回路电动调节阀开度的控制公式以及热网蓄热调峰运行方式的热平衡方程式,并结合相应算例说明了集中供热系统热网蓄热调峰运行方式在降低热源装机容量提高热源运行效率方面的效果。最后,本文结合晋中市城区集中供热系统,对影响热网蓄热调峰运行方式能否正常运行的两个关键因素:换热站自动控制系统的实际运行效果;以及由热网蓄热引起的一次网内流动介质平均温度的波动范围,进行了分析。并得出换热站自动控制系统在实际工程中基本能够达到控制方案的要求,可以根据室外气象参数的变化改变供热量;以及当供热系统在进行热网蓄热运行时,一次网内平均水温的波动在管网的承受范围之内。
二、热负荷预测方法评析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、热负荷预测方法评析（论文提纲范文）
（1）集中供热运行调节方式研究综述（论文提纲范文）
| 1 常用的运行调节方式 |
| 2 热负荷预测 |
| 2.1 时间序列法 |
| 2.2 回归分析法 |
| 2.3 神经网络法 |
| 2.4 灰色预测法 |
| 3 分阶段变流量质调节改进 |
| 4 质量-流量调节及计量供热 |
| 5 结语 |
（2）考虑不确定性的生态工业园区综合能源系统优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 综合能源系统供需双侧不确定性区间预测研究现状 |
| 1.2.2 综合能源系统规划研究现状 |
| 1.2.3 综合能源系统运行优化研究现状 |
| 1.2.4 综合能源系统商业模式及储能系统激励机制研究现状 |
| 1.2.5 现有研究现状评析 |
| 1.3 本文主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究方案及技术路线 |
| 1.4 本文创新点 |
| 第2章 生态工业园区综合能源系统特性分析 |
| 2.1 生态工业园区综合能源系统内涵 |
| 2.1.1 综合能源系统的内涵 |
| 2.1.2 生态工业园区综合能源系统的内涵 |
| 2.2 生态工业园区综合能源系统基本架构 |
| 2.3 生态工业园区综合能源系统基本设备的数学表征 |
| 2.3.1 供电设备数学模型 |
| 2.3.2 天然气设备数学模型 |
| 2.3.3 供热设备数学模型 |
| 2.3.4 储能设备数学模型 |
| 2.3.5 电转X耦合设备数学模型 |
| 2.3.6 气转X耦合设备数学模型 |
| 2.3.7 热转X耦合设备数学模型 |
| 2.4 生态工业园区综合能源系统不确定性特征分析 |
| 2.5 本章小结 |
| 第3章 生态工业园区综合能源系统供需双侧不确定性区间预测研究 |
| 3.1 生态工业园区综合能源系统供需双侧不确定性区间预测的必要性分析 |
| 3.2 生态工业园区综合能源系统供需双侧不确定性区间预测方法 |
| 3.2.1 Bootstrap方法 |
| 3.2.2 多核极限学习机理论 |
| 3.2.3 改进樽海鞘算法 |
| 3.2.4 多任务学习方法 |
| 3.2.5 供需双侧不确定性区间预测模型 |
| 3.3 某生态工业园区综合能源系统供给侧不确定性区间预测 |
| 3.3.1 生态工业园区风力发电不确定性区间预测 |
| 3.3.2 生态工业园区光伏发电不确定性区间预测 |
| 3.4 生态工业园区综合能源系统需求侧不确定性区间预测 |
| 3.4.1 预测结果分析 |
| 3.4.2 多任务学习和单任务学习对比分析 |
| 3.4.3 与其他算法对比分析 |
| 3.5 本章小结 |
| 第4章 考虑供需双侧不确定性的生态工业园区综合能源系统协同规划研究 |
| 4.1 生态工业园区综合能源系统协同规划模型 |
| 4.1.1 生态工业园区综合能源系统协同规划目标函数 |
| 4.1.2 生态工业园区综合能源系统协同规划约束条件 |
| 4.2 生态工业园区综合能源系统供需双侧不确定性处理及模型鲁棒性改造 |
| 4.2.1 生态工业园区综合能源系统供需双侧不确定性处理 |
| 4.2.2 生态工业园区综合能源系统协同规划模型鲁棒性改造 |
| 4.3 考虑供需双侧不确定性的生态工业园区综合能源系统协同规划模型的求解方法 |
| 4.3.1 上层优化模型的求解方法 |
| 4.3.2 下层优化模型的求解方法 |
| 4.4 算例分析 |
| 4.4.1 算例简介及相关参数取值 |
| 4.4.2 结果分析 |
| 4.4.3 对比分析 |
| 4.5 本章小结 |
| 第5章 考虑多主体交互策略的生态工业园区综合能源系统运行优化研究 |
| 5.1 生态工业园区综合能源系统多主体互动机制分析 |
| 5.1.1 多主体构成 |
| 5.1.2 多主体交互机制 |
| 5.2 考虑多主体交互策略及供需双侧不确定性的系统运行优化模型构建 |
| 5.2.1 含多方利益主体的生态工业园区综合能源系统运行优化博弈模型 |
| 5.2.2 考虑供需双侧不确定性的系统运行优化博弈模型鲁棒性改造 |
| 5.3 考虑多主体交互策略及供需双侧不确定性的系统运行优化模型的求解 |
| 5.4 算例分析 |
| 5.4.1 结果分析 |
| 5.4.2 对比分析 |
| 5.5 本章小结 |
| 第6章 生态工业园区综合能源系统商业模式及激励机制研究 |
| 6.1 生态工业园区综合能源系统能源枢纽运营商商业模式研究 |
| 6.1.1 商业模式画布理论简介 |
| 6.1.2 能源枢纽运营商商业模式画布分析 |
| 6.2 生态工业园区综合能源系统储能运营商激励机制研究 |
| 6.2.1 信息不对称条件下的储能运营商成本补偿契约模型 |
| 6.2.2 储能运营商成本补偿最优激励契约设计 |
| 6.2.3 储能运营商成本补偿最优激励契约性质分析 |
| 6.3 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）城镇集中供热系统动态热负荷预测与二次网节能控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 负荷预测的现状 |
| 1.2.1 国外热负荷预测研究现状 |
| 1.2.2 国内热负荷预测研究现状 |
| 1.3 供热系统控制和调节策略研究发展现状 |
| 1.3.1 系统控制领域国外研究现状 |
| 1.3.2 系统控制领域国内研究现状 |
| 1.4 本研究的目的与意义 |
| 1.5 主要研究内容 |
| 第2章 集中供热负荷预测概述和误差评价指标 |
| 2.1 影响热负荷的因素 |
| 2.2 热负荷预测的基本概念 |
| 2.2.1 热负荷预测的分类 |
| 2.2.2 热负荷预测的特点 |
| 2.2.3 热负荷预测的流程 |
| 2.3 预测方法的介绍 |
| 2.4 热负荷预测的误差分析 |
| 2.5 本章小结 |
| 第3章 动态热负荷预测方法的实现 |
| 3.1 支持向量机供热负荷预测 |
| 3.2 最小二乘法 |
| 3.3 多项式拟合模型 |
| 3.3.1 简单移动平均法的介绍 |
| 3.3.2 加权移动平均法的介绍 |
| 3.3.3 改进的移动多项式最小二乘法模型的实现 |
| 3.4 预测模型的计算步骤 |
| 3.5 本章小结 |
| 第4章 数据处理和实验分析 |
| 4.1 原始数据的获取与预处理 |
| 4.1.1 原始数据获取 |
| 4.1.2 原始数据预处理的必要性 |
| 4.1.2.1 拉格朗日插值法 |
| 4.1.2.2 横向比较法剔除异常数据 |
| 4.3 影响因素相关性分析 |
| 4.4 对比SVM法和改进的移动多项式最小二乘法预测 |
| 4.5 节能控制策略与分析 |
| 4.5.1 智能化平台 |
| 4.5.2 控制和节能分析 |
| 4.6 本章总结 |
| 第5章 结论 |
| 5.1 主要结论与创新点 |
| 5.1.1 主要结论 |
| 5.1.2 主要创新点 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（4）武威瑞安堡堡寨民居营建模式与设计应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 堡寨民居的地域性 |
| 1.1.2 堡寨民居的生态经验 |
| 1.2 课题研究对象的界定 |
| 1.2.1 研究范围 |
| 1.2.2 研究对象 |
| 1.3 课题研究内容、目的及意义 |
| 1.3.1 研究内容 |
| 1.3.2 研究目的 |
| 1.3.3 研究意义 |
| 1.4 课题相关研究现状 |
| 1.4.1 国内研究现状 |
| 1.4.2 国外研究现状 |
| 1.5 研究研究方法和框架 |
| 1.5.1 研究方法 |
| 1.5.2 研究框架 |
| 2 瑞安堡实态调研 |
| 2.1 武威堡寨民居概述 |
| 2.2 选址规划 |
| 2.2.1 临近沃土,便于农耕 |
| 2.2.2 临近大路,交通便捷 |
| 2.2.3 数堡并存,互为犄角 |
| 2.3 空间形态 |
| 2.3.1 空间界面生成 |
| 2.3.2 空间形态特点 |
| 2.3.3 空间防御营造 |
| 2.4 空间组合 |
| 2.4.1 院落组合 |
| 2.4.2 院落单元 |
| 2.4.3 建筑形式 |
| 2.5 构成要素 |
| 2.5.1 院落组成 |
| 2.5.2 建筑元素 |
| 2.5.3 防御性要素 |
| 2.6 构造技术 |
| 2.6.1 建筑材料 |
| 2.6.2 建筑结构 |
| 2.6.3 建筑物理 |
| 2.7 本章小结 |
| 3 瑞安堡营建模式研究 |
| 3.1 瑞安堡空间建构模式研究 |
| 3.1.1 森佩尔四要素理论的模式分类法 |
| 3.1.2 瑞安堡空间原型 |
| 3.1.3 瑞安堡原型的建构要素 |
| 3.2 瑞安堡生态经验的科学化模式研究 |
| 3.2.1 武威建筑气候分区与策略 |
| 3.2.2 保温与隔热 |
| 3.2.3 日照与遮阳 |
| 3.2.4 通风与防风 |
| 3.2.5 绿植与排水 |
| 3.3 本章小结 |
| 4 瑞安堡生态性能定量分析模拟研究 |
| 4.1 生态性能定量模拟分析目的 |
| 4.2 基于Ecotect下的光环境生态性能分析 |
| 4.2.1 光环境模型的设置 |
| 4.2.2 临界照度下采光系数分析 |
| 4.2.3 夏至日与冬至日遮挡分析 |
| 4.2.4 最佳朝向分析 |
| 4.2.5 挑檐最佳宽度光环境模拟优化提升 |
| 4.3 基于Phoenics下的风环境生态性能分析 |
| 4.3.1 风环境模型的设置 |
| 4.3.2 瑞安堡风环境分析 |
| 4.3.3 堡墙高度风环境模拟优化提升 |
| 4.3.4 院落空间风环境模拟优化提升 |
| 4.4 基于DeST-H下的堡寨民居热环境生态性能分析 |
| 4.4.1 热环境模型的设置 |
| 4.4.2 冬至日自然室温分析 |
| 4.4.3 维护结构影响因素程度的定量分析 |
| 4.4.4 围护结构优化策略的定量分析 |
| 4.5 本章小结 |
| 5 瑞安堡营建模式的设计应用研究 |
| 5.1 同地区其他堡寨民居案例比较研究 |
| 5.1.1 武威及其周边地区堡寨概述 |
| 5.1.2 营建模式比较研究 |
| 5.1.3 瑞安堡营建模式的适用性 |
| 5.2 瑞安堡营建模式的适应性更新 |
| 5.2.1 营建模式的现代适应性分析 |
| 5.2.2 技术要素的发展对瑞安堡营建模式传承的影响 |
| 5.2.3 营建模式的适应性更新策略 |
| 5.3 敦煌山庄现代设计案例评析 |
| 5.3.1 敦煌山庄项目概况 |
| 5.3.2 对堡寨民居营建模式的传承 |
| 5.3.3 对堡寨民居设计的创新 |
| 5.4 山丹峡口村A户改造提升方案设计 |
| 5.4.1 改造民居概况 |
| 5.4.2 改造方案设计 |
| 5.4.3 对堡寨民居的营建模式的传承 |
| 5.4.4 对堡寨民居的营建模式的创新 |
| 5.4.5 改造方案模拟分析评价 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究的结论 |
| 6.1.1 瑞安堡的营建模式 |
| 6.1.2 瑞安堡营建模式现代设计应用结论 |
| 6.2 研究的展望 |
| 致谢 |
| 参考文献 |
| 图录 |
| 表录 |
| 在学期间学术成果 |
| 攻读硕士期间参与研究的课题 |
| 攻读硕士期间参加的项目 |
（5）基于支持向量机的热负荷预测及优化调控策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 供热负荷预测的研究现状 |
| 1.2.1 国内研究进展 |
| 1.2.2 国外研究进展 |
| 1.3 存在问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 研究对象及热负荷模型的建立 |
| 2.1 研究对象介绍 |
| 2.1.1 研究对象简介 |
| 2.1.2 数据来源 |
| 2.2 热负荷预测模型的建立 |
| 2.2.1 热负荷预测的分类及基本流程 |
| 2.2.2 热负荷影响因素 |
| 2.2.3 输入变量的选择 |
| 2.3 供热负荷预测的模型评价 |
| 2.4 数据的预处理 |
| 2.5 本章小结 |
| 第三章 热负荷预测建模方法对比分析 |
| 3.1 基于MLR的供热负荷预测模型 |
| 3.1.1 多元线性回归的原理与检验 |
| 3.1.2 MLR建模分析 |
| 3.2 基于BP神经网络的供热负荷预测模型 |
| 3.2.1 BP神经网络原理介绍 |
| 3.2.2 BP神经网络建模分析 |
| 3.3 基于SVR的供热负荷预测模型 |
| 3.3.1 支持向量机回归原理介绍 |
| 3.3.2 SVR核函数的选择 |
| 3.3.3 SVR参数对模型的影响 |
| 3.3.4 SVR建模分析 |
| 3.4 不同预测模型对比分析 |
| 3.4.1 不同模型测试集的预测结果对比分析 |
| 3.4.2 不同模型测试集的预测结果理论分析 |
| 3.5 本章小结 |
| 第四章 基于支持向量机优化预测模型的构建与研究 |
| 4.1 基于不同优化算法的供热预测模型 |
| 4.1.1 基于GS-SVR的热负荷预测模型的建立 |
| 4.1.2 基于DE-SVR的热负荷预测模型的建立 |
| 4.1.3 基于GWO-SVR的热负荷预测模型的建立 |
| 4.1.4 基于DE-GWO-SVR的热负荷预测模型的建立 |
| 4.2 不同优化预测模型的预测结果对比分析 |
| 4.2.1 不同模型的预测结果对比分析 |
| 4.2.2 不同模型测试集的预测结果理论分析 |
| 4.3 本章小结 |
| 第五章 基于负荷预测的供热优化调控策略研究 |
| 5.1 地面辐射供暖供热调节基本理论 |
| 5.2 供热系统分阶段调控策略 |
| 5.2.1 热负荷预测对管网调节的调控策略 |
| 5.2.2 案例分析 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间所取得的相关研究成果 |
| 致谢 |
（6）区域供热系统的热负荷预测方法研究（论文提纲范文）
| 1 热负荷预测的必要性 |
| 2 热负荷预测方法的分类及评析 |
| 2.1 时间序列法 |
| 2.2 结构分析法 |
| 2.3 系统分析法 |
| 2.3.1 灰色预测方法 |
| 2.3.2 ANN法 |
| 2.4 预测方法存在的问题 |
（7）基于时间遗传特性的建筑热负荷预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景 |
| 1.2 国内外研究现状 |
| 1.2.1 建筑热特性现状 |
| 1.2.2 建筑负荷预测现状 |
| 1.3 存在的问题 |
| 1.4 课题研究的主要内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 本章小结 |
| 第二章 建筑热负荷时间遗传期理论基础 |
| 2.1 建筑物围护结构热工性能 |
| 2.1.1 热工性能基本参数 |
| 2.1.2 研究区域热工性能对比 |
| 2.1.2.1 研究区域的划分 |
| 2.1.2.2 寒冷地区和严寒地区热工性能 |
| 2.2 建筑热负荷时间遗传期的提出 |
| 2.3 时间遗传期的定义 |
| 2.3.1 自然室温的定义 |
| 2.3.2 时间遗传期的定义 |
| 2.4 本章小结 |
| 第三章 仿真模型建立与验证 |
| 3.1 仿真软件的选取 |
| 3.1.1 常用建筑能耗模拟软件介绍 |
| 3.1.2 能耗模拟分析软件DeST |
| 3.1.3 DeST和其他能耗模拟软件比较 |
| 3.2 仿真模型的建立 |
| 3.2.1 研究对象 |
| 3.2.2 设定计算参数 |
| 3.3 仿真模型验证 |
| 3.4 本章小结 |
| 第四章 寒冷地区热负荷时间遗传期 |
| 4.1 不同热特性建筑热负荷时间遗传期 |
| 4.2 不同供暖时期建筑时间遗传期 |
| 4.3 太阳辐射对房间热负荷时间遗传期的影响分析 |
| 4.4 室内温度的波动对热负荷时间遗传期的影响分析 |
| 4.5 同一楼栋不同位置房间热负荷时间遗传期 |
| 4.6 本章小结 |
| 第五章 严寒地区热负荷时间遗传期 |
| 5.1 研究对象 |
| 5.2 仿真模型验证 |
| 5.3 不同热特性建筑热负荷时间遗传期 |
| 5.4 不同供暖时期建筑热负荷时间遗传期 |
| 5.5 本章小结 |
| 第六章 基于时间遗传期的热负荷预测 |
| 6.1 MATLAB软件介绍 |
| 6.2 热负荷预测模型及数据处理 |
| 6.2.1 热负荷预测模型 |
| 6.2.2 数据预处理 |
| 6.3 热负荷预测实例 |
| 6.3.1 不同热特性建筑热负荷预测结果 |
| 6.3.2 不同供暖时期建筑热负荷预测结果 |
| 6.3.3 不同地区建筑热负荷预测结果 |
| 6.4 热负荷相对误差波动趋势规律 |
| 6.5 热负荷预测精度分析 |
| 6.6 本章小结 |
| 第七章 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（8）集中供热系统热负荷预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的实际意义及研究背景 |
| 1.2 供热负荷预测研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 负荷预测的分类 |
| 1.4 本论文的主要内容 |
| 第二章热负荷影响因素研究 |
| 2.1 影响因素分析 |
| 2.1.1 室外环境因素 |
| 2.1.2 系统内部因素 |
| 2.1.3 随机因素 |
| 2.2 影响因素相关性分析 |
| 2.2.1 相关性 |
| 2.2.2 集中供热系统热负荷预测模型参数分析 |
| 2.3 预测误差分析 |
| 2.3.1 预测误差产生原因 |
| 2.3.2 预测误差评价标准 |
| 2.4 本章小结 |
| 第三章基于小波神经网络的热负荷预测 |
| 3.1 神经网络的基本原理 |
| 3.1.1 人工神经网络发展历史 |
| 3.1.2 人工神经网络的模型 |
| 3.2 BP人工神经网络 |
| 3.2.1 BP神经网络的结构 |
| 3.2.2 隐含层数的确定 |
| 3.2.3 隐含层节点数的确定 |
| 3.3 小波分析理论 |
| 3.3.1 小波函数 |
| 3.3.2 小波变换 |
| 3.4 基于WNN的热负荷预测 |
| 3.4.1 小波神经网络结构 |
| 3.4.2 基于WNN的集中供热系统热负荷预测实例 |
| 3.5 本章小结 |
| 第四章基于支持向量机的热负荷预测 |
| 4.1 支持向量机理论 |
| 4.1.1 支持向量机分类 |
| 4.1.2 支持向量机回归 |
| 4.2 支持向量机网络结构 |
| 4.3 参数对支持向量机的影响 |
| 4.4 基于SVM的热负荷预测实例 |
| 4.5 本章小结 |
| 第五章基于动态多种群粒子群支持向量机的热负荷预测 |
| 5.1 粒子群算法 |
| 5.2 动态多种群粒子群优化算法 |
| 5.2.1 确定物种 |
| 5.2.2 调整物种规模 |
| 5.2.3 调整物种半径 |
| 5.2.4 动态多种群粒子群优化算法的流程 |
| 5.3 基于DMPSO-SVM的热负荷预测 |
| 5.3.1 动态多种群粒子群支持向量机算法 |
| 5.3.2 基于DMPSO-SVM的热负荷预测实例 |
| 5.4 不同模型结果对比分析 |
| 5.4.1 BP神经网络模型和小波神经网络模型 |
| 5.4.2 支持向量机模型与其优化模型 |
| 5.4.3 五种预测模型的结果对比 |
| 5.5 本章小节 |
| 第六章总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（9）城镇供热系统层级热量结算点中短期热负荷预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题来源和研究目的及意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究目的和意义 |
| 1.2 热负荷预测概念及预测技术分类 |
| 1.2.1 预测技术概念 |
| 1.2.2 热负荷预测 |
| 1.2.3 热负荷预测技术分类 |
| 1.3 国内外研究现状 |
| 1.3.1 热负荷预测的国外研究现状 |
| 1.3.2 热负荷预测的国内研究现状 |
| 1.3.3 热负荷预测存在的问题 |
| 1.4 本文的主要研究内容 |
| 第二章 热负荷影响因素分析及离群数据挖掘 |
| 2.1 实验数据来源 |
| 2.2 供热系统热负荷特点 |
| 2.3 影响预测热负荷的因素分析 |
| 2.4 热负荷预测误差分析 |
| 2.5 热负荷及其相关因素离群数据辨识和修正 |
| 2.5.1 离群数据辨识和修正的意义 |
| 2.5.2 数据预处理基本思想 |
| 2.5.3 数据预处理的方法 |
| 2.5.4 预测模型输入数据的归一化处理 |
| 2.6 热负荷与各影响因素相关性分析 |
| 2.7 本章小结 |
| 第三章 基于PSO优化支持向量机的热源热负荷预测 |
| 3.1 支持向量机（SVM）基础 |
| 3.1.1 机器学习 |
| 3.1.2 经验风险最小化及其问题 |
| 3.1.3 结构风险最小化的支持向量机 |
| 3.2 支持向量机（SVM）理论 |
| 3.2.1 最优分类面与广义最优分类面 |
| 3.2.2 支持向量机 |
| 3.2.3 核函数 |
| 3.3 支持向量机回归 |
| 3.3.1 支持向量机回归模型 |
| 3.3.2 模型参数 |
| 3.4 基于智能算法优化的支持向量机预测模型 |
| 3.4.1 粒子群（PSO）算法优化支持向量机预测模型 |
| 3.4.2 遗传（GA）算法优化支持向量机预测模型 |
| 3.5 实验结果分析与讨论 |
| 3.5.1 输入变量的选择 |
| 3.5.2 样本集的划分 |
| 3.5.3 PSO优化SVM模型预测热源热负荷结果分析 |
| 3.5.4 几种预测模型的比较分析 |
| 3.6 本章小结 |
| 第四章 基于Adaboost组合PSO优化BP神经网络热交换站热负荷预测 |
| 4.1 BP神经网络算法 |
| 4.1.1 神经网络基本结构 |
| 4.1.2 反向传播算法（Back-Propagation Algorithm，BP算法） |
| 4.2 PSO优化神经网络预测模型 |
| 4.3 基于Adaboost组合PSO优化BP神经网络预测模型 |
| 4.3.1 Adaboost算法 |
| 4.3.2 Adaboost组合PSO优化BP神经网络算法 |
| 4.4 实验结果分析与讨论 |
| 4.4.1 输入变量的选取 |
| 4.4.2 热交换站热负荷预测模型 |
| 4.4.3 实验结果分析与讨论 |
| 4.5 本章小结 |
| 第五章 建筑热负荷的智能算法组合预测 |
| 5.1 基于信息熵的组合预测模型 |
| 5.1.1 组合预测理论 |
| 5.1.2 信息熵理论 |
| 5.1.3 预测方法选择 |
| 5.1.4 单一预测模型效果评价指标 |
| 5.1.5 基于信息熵权的组合预测步骤 |
| 5.2 基于Adaboost组合PSO优化SVM预测模型 |
| 5.3 组合预测模型实验结果分析与讨论 |
| 5.3.1 输入变量的选择 |
| 5.3.2 实验结果分析与讨论 |
| 5.4 本章小节 |
| 第六章 结论与展望 |
| 6.1 主要结论及创新点 |
| 6.1.1 主要结论 |
| 6.1.2 创新点 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的科研项目 |
| 论文独创性说明 |
（10）集中供热系统热网蓄热调峰运行方式的研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 热网蓄热调峰运行方式国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 相关研究 |
| 1.3 本文研究的主要内容 |
| 2 集中供热系统初调节及运行调节方法的总结与分析 |
| 2.1 集中供热系统的初调节 |
| 2.1.1 初调节的方法 |
| 2.1.2 初调节方法的总结与分析 |
| 2.2 集中供热系统的运行调节 |
| 2.2.1 集中调节的方法 |
| 2.2.2 运行调节方法的总结与分析 |
| 2.3 本章小结 |
| 3 集中供热系统热网蓄热调峰运行方式的控制方法 |
| 3.1 换热站自动控制系统控制方案的设计 |
| 3.1.1 换热站自动控制系统的结构及控制过程 |
| 3.1.2 换热站自动控制系统的控制方案 |
| 3.2 热源自动控制系统控制方案的设计 |
| 3.2.1 锅炉运行负荷对运行效率的影响 |
| 3.2.2 热源自动控制系统的控制方案 |
| 3.3 热网蓄热调峰运行方式的控制过程 |
| 3.4 本章小结 |
| 4 集中供热系统热网蓄热调峰运行方式的节能性分析 |
| 4.1 集中供热系统的基本计算公式 |
| 4.1.1 集中供热系统运行调节的基本公式 |
| 4.1.2 供热管网水力计算基本公式 |
| 4.2 热网蓄热调峰运行方式二次网能耗方程的建立 |
| 4.2.1 热网蓄热调峰运行方式二次网运行调节公式的建立 |
| 4.2.2 热网蓄热调峰运行方式二次网变频循环水泵的能耗分析 |
| 4.2.3 算例分析 |
| 4.3 热网蓄热调峰运行方式一次网能耗方程的建立 |
| 4.3.1 热网蓄热调峰运行方式一次网运行调节公式的建立 |
| 4.3.2 换热站一次侧回路电动调节阀开度控制公式的建立 |
| 4.3.3 热网蓄热调峰运行方式热平衡方程的建立 |
| 4.3.4 算例分析 |
| 4.4 本章小结 |
| 5 结合实际工程分析热网蓄热调峰运行方式的可行性 |
| 5.1 晋中市城区集中供热概况 |
| 5.2 换热站自动控制系统在实际工程中的应用 |
| 5.2.1 换热站自动控制系统的实际运行过程 |
| 5.2.2 自动控制换热站与非自动控制换热站实际运行效果对比分析 |
| 5.3 热网蓄热调峰运行方式一次网平均水温度的波动 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
| 附录 B |
四、热负荷预测方法评析（论文参考文献）
- [1]集中供热运行调节方式研究综述[J]. 姜鑫,潘宏刚,杨兆林. 沈阳工程学院学报(自然科学版), 2021(02)
- [2]考虑不确定性的生态工业园区综合能源系统优化研究[D]. 赵浩然. 华北电力大学(北京), 2020(06)
- [3]城镇集中供热系统动态热负荷预测与二次网节能控制研究[D]. 王少博. 太原理工大学, 2020(07)
- [4]武威瑞安堡堡寨民居营建模式与设计应用研究[D]. 孙一. 西安建筑科技大学, 2020(01)
- [5]基于支持向量机的热负荷预测及优化调控策略研究[D]. 于晓娟. 河北工业大学, 2018(06)
- [6]区域供热系统的热负荷预测方法研究[J]. 张美玲,刘曙光. 山西建筑, 2018(03)
- [7]基于时间遗传特性的建筑热负荷预测研究[D]. 耿欣欣. 河北工业大学, 2017(01)
- [8]集中供热系统热负荷预测方法研究[D]. 张琦. 长春工业大学, 2017(01)
- [9]城镇供热系统层级热量结算点中短期热负荷预测方法研究[D]. 王美萍. 太原理工大学, 2017(01)
- [10]集中供热系统热网蓄热调峰运行方式的研究[D]. 赵永攀. 西安建筑科技大学, 2016(05)