基于EEMD-DWA-CNN-BiLSTM模型预测二次网供水温度以实现节能

《Scientific Reports》：Prediction of secondary network supply water temperature based on EEMD-DWA-CNN-BiLSTM model for energy conservation

　　

摘要

二次网供水温度对于供热系统向终端用户输送热量至关重要，其预测精度直接决定着供暖质量与能源利用效率。目前，大多数供热系统仅依赖单一来源的气象数据来进行调控，存在明显的预测滞后问题，因此亟需能够整合多维度特征的智能预测方法。为此，本文采用集成经验模态分解法对多尺度时间序列进行分解，运用卷积神经网络提取空间特征，同时使用双向长短期记忆网络挖掘时间依赖关系，并引入动态权重分配机制以实现两种模型输出的自适应融合。在此基础上构建了EEMD-DWA-CNN-BiLSTM多尺度特征融合预测框架。我们利用从黑龙江省齐齐哈尔市某换热站收集的1776组二次网供水温度数据，这些数据涵盖2024年12月至2025年2月的时间段，对所提出的模型进行了训练与验证。实验结果表明，该EEMD-DWA-CNN-BiLSTM组合模型具有出色的预测性能，平均绝对误差为0.31，平均绝对百分比误差为0.68，均方根误差为0.38，决定系数为88.54。该算法不仅具备良好的预测精度，还具有可靠的泛化能力，可为供热企业实现节能、减排以及精准调控供暖提供有力的技术支持。