摘要：為預(yù)測供熱系統(tǒng)的短期熱負荷動態(tài)概況,提出一種基于機器學(xué)習(xí)的熱負荷多步遞歸預(yù)測策略,該預(yù)測策略是對熱負荷單步預(yù)測模型的拓展。介紹熱負荷多步遞歸預(yù)測的流程,該流程可分為4個步驟:數(shù)據(jù)預(yù)處理、數(shù)據(jù)集劃分、模型訓(xùn)練和模型評估。數(shù)據(jù)預(yù)處理細分為特征選擇、特征工程和特征變換。在模型訓(xùn)練步驟中,介紹2種機器學(xué)習(xí)模型:支持向量回歸(SVR)和極限梯度提升(XGBoost)。分別利用這2種機器學(xué)習(xí)模型建立了熱負荷單步預(yù)測模型,根據(jù)建立的單步預(yù)測模型,采用提出的多步遞歸預(yù)測策略,可以實現(xiàn)對短期熱負荷的動態(tài)概況預(yù)測。選取某實際供熱系統(tǒng)的熱源首站的運行數(shù)據(jù)用于案例分析。結(jié)果表明:在預(yù)測精度和預(yù)測穩(wěn)定性方面,基于XGBoost的熱負荷多步遞歸預(yù)測策略均優(yōu)于基于SVR的熱負荷多步遞歸預(yù)測策略;二者在各時間步長上均未產(chǎn)生明顯的誤差累積;該熱負荷多步遞歸預(yù)測策略可以準確預(yù)測供熱系統(tǒng)短期熱負荷的動態(tài)概況。