摘要：為預(yù)測(cè)供熱系統(tǒng)的短期熱負(fù)荷動(dòng)態(tài)概況,提出一種基于機(jī)器學(xué)習(xí)的熱負(fù)荷多步遞歸預(yù)測(cè)策略,該預(yù)測(cè)策略是對(duì)熱負(fù)荷單步預(yù)測(cè)模型的拓展。介紹熱負(fù)荷多步遞歸預(yù)測(cè)的流程,該流程可分為4個(gè)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(píng)估。數(shù)據(jù)預(yù)處理細(xì)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(jī)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(jī)器學(xué)習(xí)模型建立了熱負(fù)荷單步預(yù)測(cè)模型,根據(jù)建立的單步預(yù)測(cè)模型,采用提出的多步遞歸預(yù)測(cè)策略,可以實(shí)現(xiàn)對(duì)短期熱負(fù)荷的動(dòng)態(tài)概況預(yù)測(cè)。選取某實(shí)際供熱系統(tǒng)的熱源首站的運(yùn)行數(shù)據(jù)用于案例分析。結(jié)果表明:在預(yù)測(cè)精度和預(yù)測(cè)穩(wěn)定性方面,基于XGBoost的熱負(fù)荷多步遞歸預(yù)測(cè)策略均優(yōu)于基于SVR的熱負(fù)荷多步遞歸預(yù)測(cè)策略;二者在各時(shí)間步長(zhǎng)上均未產(chǎn)生明顯的誤差累積;該熱負(fù)荷多步遞歸預(yù)測(cè)策略可以準(zhǔn)確預(yù)測(cè)供熱系統(tǒng)短期熱負(fù)荷的動(dòng)態(tài)概況。