基于KNN和RF结合的供热机组热负荷预测研究

电负荷和热负荷具有较强的耦合性，热负荷需求的准确预测对于预测电负荷进而让供热机组更好地进行深度调峰辅助服务报价工作具有重要作用。经多种算法对比研究表明，基于最邻近结点和随机森林的集成预测算法（KNN-RFAverage）具有很好的回归性能和较低的计算复杂度。特别是在面对热负荷存在极端波动的情况下，采用该算法进行热负荷预测可以保持鲁棒性，为有效解决连续多点热负荷预测、机组供热面积及用热习惯发生变化的问题提供了新的思路和方法。