摘要：為了解決火電廠供熱和供電的矛盾、增強機組的調峰范圍,需要建立精確的熱負荷預測模型。針對熱電聯供系統熱負荷影響因素多、耦合性非線性強等特點,利用T-S模糊神經網絡算法建立熱負荷預測模型,用于預測未來時間熱負荷的變化。通過基于減法聚類的模糊C均值聚類算法進行結構辨識,再利用模糊神經網絡的混合學習算法進行參數辨識。為了建立熱負荷的精確模型,選取熱負荷的主要影響因素作為變量。其中,將室外溫度、供水溫度、回水溫度、供水流量作為輸入變量,熱負荷作為輸出變量,并從熱電廠DCS上采集連續兩天24 h的歷史數據,將前一天的數據作為訓練集和后一天的數據作為檢測集。在MATLAB上進行試驗。仿真結果顯示:98%的訓練樣本的相對誤差在±0.4%之間,且98%的檢測樣本的相對誤差在±0.6%之間。這表明預測模型的擬合度精確度較好,可以為供熱機組調峰研究提供依據。