热能动力工程

作者：王鹏,吴孟辉,牛振雨,朱阁红,周君洋,张凯

单位：中国计量大学 计量测试与仪器学院,,福建省能源计量重点实验室 福建省计量科学研究院,,中国计量大学 计量测试与仪器学院,,中国计量大学 计量测试与仪器学院,,中国计量大学 计量测试与仪器学院,,中国计量大学 计量测试与仪器学院,

关键词：蒸汽管网;贝叶斯神经网络;不确定性量比;实时性

基金：国家市场监督管理总局科技计划项目（2023MK229）燃气管网泄漏诊断关键影响因子及计量不确定度研究;福建省能源计量重点实验室(福建省计量科学研究院)开放课题基金资助

蒸汽管网流量负荷的精准预测与不确定性量化分析是优化能源调度和保障系统安全运行的关键。针对传统预测模型存在的结构复杂度高、可解释性不足及不确定性量化不全面等问题，本研究提出一种基于贝叶斯神经网络与补偿预测的融合模型。该方法通过STL分解将原始负荷数据解耦为周期项、趋势项和噪声项，分别采用贝叶斯神经网络与GRU补偿预测模型进行多分量建模，并结合贝叶斯信息融合与不确定度合成方法，同步实现预测结果的认知不确定性和任意不确定性的动态量化。实验表明：相较于BP、LSTM等基准模型，本模型预测精度显著提升，均方误差和平均绝对误差分别平均降低2.50%和2.38%；在不确定性量化方面，通过认知-任意不确定性的分层解析与合成，其不确定度估计值的平均绝对误差控制在7.08%，补充了传统预测方法不具有的预测结果实时不确定性量化。结论表明该模型为蒸汽管网流量预测提供了兼具预测精度与可解释性的解决方案，同时其动态不确定性量化能力可为蒸汽管网流量预测结果提供可靠依据。

来源：2025年第7期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第7期