集中供热系统的多维度、高延迟、强耦合等非线性特征,造成了热源的供热量与用户的需求量之间不匹配。准确的供热负荷预测,是实现按需供热、提高供热能效的关键。本文以石家庄市某小区供热系统为研究对象,以2016-2017年整个采暖季的实测数据为样本,进行了以日为单位的累计供热负荷预测。首先,分析了影响热负荷的主要因素,结合实际采集的数据,在预测模型中增加了室内温度影响因子,提炼出模型的输入变量:前三日的历史日累计耗热量、室外日平均温度、室内日平均温度。为选取准确的供热负荷预测模型,在确定模型自变量和模型评价指标的基础上,建立了BP神经网络模型、多元线性回归模型和支持向量机回归模型。研究结果表明,支持向量机回归预测模型在预测精度和变量解释能力方面优于BP神经网络预测模型,在处理模糊复杂的非线性映射方面优于多元线性回归预测模型。考虑到惩罚参数C和核函数参数γ的选取对支持向量机预测精度的影响,为进一步提高支持向量机的学习能力和预测精度,分别建立了基于网格搜索、差分进化、灰狼算法和混合算法的支持向量机回归预测模型。通过对比和分析不同优化模型的预测结果,可知:基于优化算法的支持向量机模型的预测精度高于单一的支持向量机回归预测模型;基于混合算法的支持向量机预测模型优于单一的差分进化、单一的灰狼优化和网格搜索优化预测模型。在确定最优预测模型的基础上,结合未来3天的天气预报,提出了基于日累计耗热量预测的二次供水温度的分阶段调控策略,为供热系统的优化调控提供参考。