Pour répondre aux besoins des entreprises de cogénération de chaleur et d'électricité concernant l'estimation de la charge thermique régionale, une méthode d'estimation utilisant un modèle de régression réseau élastique est proposée. Tout d'abord, les facteurs impactant l'indice de chaleur réel du chauffage sont analysés et les paramètres d'entrée du modèle sont déterminés ; ensuite, un modèle d'estimation basé sur les données réelles de fonctionnement de la saison de chauffage 2022-2023 dans 123 quartiers de la ville de Xi'an est établi, démontrant que ce modèle présente un ajustement supérieur de 3,88% et 4,22% respectivement par rapport aux modèles de régression de Lasso et de régression ridge ; enfin, une vérification du modèle de régression réseau élastique est effectuée en sélectionnant des données pertinentes de certains quartiers de la ville de Xi'an pour constituer un ensemble de validation. Les résultats de la vérification indiquent que le modèle de régression réseau élastique combine les avantages des modèles de régression Lasso et de régression ridge, avec une erreur quadratique moyenne et un ajustement respectifs de 1,150 et 0,953, montrant que par rapport aux modèles traditionnels, le modèle peut réduire la consommation d'énergie de 4% tout en répondant aux besoins de charge thermique. Cela démontre que cette méthode peut estimer précisément l'indice de chaleur réelle du chauffage dans des conditions de paramètres différents et répondre aux besoins réels des entreprises de cogénération de chaleur et d'électricité.

Cogénération de chaleur et d'électricité ; indice de chaleur réelle du chauffage ; modèle de régression réseau élastique ; estimation de la charge thermique