0 引言

　　取暖是寒冷地區(qū)生活的必要條件。供熱行業(yè)作為對國民經濟發(fā)展有著全局性，先導性影響的基礎產業(yè)，與人們的生活息息相關。由于當前能源和環(huán)保問題越來越多地收到關注，能源節(jié)約，環(huán)境保護，經濟可持續(xù)發(fā)展己成為我國的基本國策。目前，對城市供熱的要求，已不僅僅在于規(guī)模不斷擴大，而起對供熱系統(tǒng)的合理性，經濟性，特別是供熱系統(tǒng)的能源有效理由及供熱可靠性提出了更高的要求。神經網絡以它獨特的自學習、自組織、自適應及很強的非線性函數(shù)逼近能力，成為處理非線性系統(tǒng)的有力工具。本文應用神經網絡理論并將所建模型應用于供熱負荷優(yōu)化中，以期獲得較好的優(yōu)化效果。

　　1 供暖系統(tǒng)設計的熱負荷簡介

　　人們?yōu)榱松�產和生活，要求室內保證一定的溫度。一個建筑物或房屋可有各種獲得熱量和散失熱量的途徑。當建筑物或房間的失熱量大于得熱量時，為了保證室內在要求溫度下的熱平衡，需要由供暖通風系統(tǒng)補進熱量，保證室內要求的溫度。供暖系統(tǒng)的熱負荷是指在某一室外溫度tw下，為了達到要求的室內溫度tn，供暖系統(tǒng)在單位時間內向建筑物供給的熱量。它隨著建筑物得失熱量的變化而變化。

　　2 神經網絡模型的構造

　　供熱負荷優(yōu)化神經網絡的建立關鍵在于輸入、輸出變量的選取、隱含層數(shù)的確定、隱含層單元數(shù)、的確定、連接方式的選擇、初始參數(shù)的選擇等。BP神經網絡是采用誤差反向傳播（ErrorBackPropagation，BP）算法的一種多層前饋神經網絡，BP神經網絡是人工神經網路中最為重要的網絡之一，也是目前應用最廣泛、發(fā)展最成熟的一種神經網絡模型。

　　2.1輸入輸出變量的選取

　　輸入變量的選擇是取得良好控制效果的首要環(huán)節(jié)。輸入變量可以是成組的原始數(shù)據(jù)，也可以是經過預處理的參數(shù)或表示某種信號的采樣樣本。本文選時間，室外溫度，室外最高、最低溫度，二次網供水溫度，二次網供回水溫度、控制日的節(jié)假日類型八個影響因素作為輸入變量。集中供熱系統(tǒng)的控制運行方案有多種，對于不同的控制運行方案，可以選擇不同的輸出變量，本論文選擇二次網循環(huán)水流量進行控制。

　　2.2隱含層數(shù)和隱含節(jié)點數(shù)的確定

　　實踐證明，采用一層中間層即三層網絡已經足夠解決供暖系統(tǒng)優(yōu)化控制這類控制問題了，采用二層以上的隱含層幾乎沒有任何益處。而且采用越多的隱含層，訓練的時間也將會急劇增加，這是因為：

　　（1）隱含層越多，誤差反向傳播的過程計算就會越復雜，訓練時間也就急劇增加。

　�。�2）隱含層增加后，局部最小誤差也會增加。所以本文選擇一層隱含層。

　　至于隱含層節(jié)點數(shù)的確定也是研究者們經常提及的一個課題，現(xiàn)在普遍認為尚無明確的規(guī)則用以確定隱含層中的最佳節(jié)點數(shù)。Kawashima于1994年推薦隱含層采用2n+1個神經元（n是輸入層的維數(shù)），本論文輸入層維數(shù)是7：所以選擇隱含層節(jié)點數(shù)是：15個。所以本文的網絡結構是7-15-1結構。

　　3 供熱負荷優(yōu)化模型實例

　　本論文選擇鞍山市科技大學的教學區(qū)供熱系統(tǒng)為實例。

　　4 結論

　　由圖2和3可以看出，BP神經網絡實現(xiàn)了對供暖系統(tǒng)熱負荷的優(yōu)化，最大相對誤差在2%以內。本系統(tǒng)對辦公建筑的供暖優(yōu)化達到了很好的效果，用一個統(tǒng)一的模型來優(yōu)化全天的熱負荷，其精度有了一定的提高，尤其是在早上工作時間前和下班后，對于供暖節(jié)能達到了很好的效果。