融合多方法的供热二次换热站滚动室温预测与模型预测控制方法

《Buildings》：Room Temperature Prediction for District Heating Substation Control: Integrating CatBoost Solar Radiation Prediction and State-Space Modeling

　　

摘要

在区域供热系统中，室温采集器的规模化部署积累了海量的终端数据，但这些数据大多停留在查看和统计分析层面，未能有效接入供热二次换热站的实时控制。室温作为热舒适性的直接体现，可以纳入供热二次换热站的预测控制中，从而推动供热控制从滞后补偿向主动预测的转变。针对太阳辐射信息缺失、用户热特性差异显著以及预测误差累积三个工程瓶颈，本文提出了一种融合CatBoost太阳辐射预测、典型变差分析（CVA）子空间辨识和自适应卡尔曼滤波的滚动室温预测方法。基于聚类选取的代表性用户，构建了具有交替迭代求解策略的模型预测控制框架，直接服务于供热二次换热站的闭环控制。该方法仅依赖常规天气预报和供热系统已有的采集数据，无需增加硬件成本。以洛阳市某住宅社区为例，2024年12月16日预测日有效用户为490户，采用预测日前15天数据进行训练并以逐小时滚动预测，全体用户均方根误差（RMSE）和平均绝对误差（MAE）分别为0.203 °C和0.146 °C，六种典型天气条件下的RMSE均在0.21 °C以内。在线计算仅涉及低维矩阵运算，计算负荷小，展现了部署于现有供热二次换热站控制器的潜力和较好的工程可部署性。