能源问题是当今世界一个重要的矛盾,该问题可能导致战争的发生。随着我国改革开放的进展,城市建设的步调越来越快。在这个过程中,城市的集中供热系统变得越来越庞大。随之而来的就是越来越不好控制的负荷分配。所以,针对热网的负荷预测研究重大的学术意义。首先本文详细介绍了选题背景和意义。随着国家大力发展城市建设,城市的供热系统变得越来越庞大,越来越复杂,随之而来的就是热网热量分配不均凸现出来的种种现象。然后介绍了国内外热网发展状态及其控制方法。其次,从城市集中供热热网的物理结构为切入点,介绍热网的运行机理和控制方案。并详细分析了影响热网负荷的具体因素,并对热网负荷的时间序列特性进行详细的分析,指出其具有可预测性。最后对预测数据的误差进行了详细分析,并设定了预测误差的评价指标。然后以粒子群算法的提出背景为基础,介绍了粒子群算法的理论基础以及算法参数,并着重对其每个算法参数进行分析。然后引入了BP神经网络的概念,并对其的结构进行了深入剖析,最后对隐含层节点数的确定方法进行简要的介绍。最后详细分析了采集到的热网负荷数据的病态性,并对各种病态性提出了相应的解决方法,如:异常数据辨识,数据补全,数据归一化,数据降噪。着重讲解了数据降噪,该方法采用软阈值小波降噪方法,针对噪声信号的小波系数与信号小波系数的不同,对噪声信号小波系数进行了归零处理,对处理后的小波系数进行和小波逆运算,最后得到降噪后热网负荷运行数据。提出了标准BP神经网络预测模型以及改进PSO-BP神经网络预测模型,并对这两种预测模型分别采用相同的数据进行训练,使用相同的数据进行测试,并分析对比预测结果,可得出改进PSO-BP神经网络预测模型可以更加精确的对短期热网负荷进行预测。