在建筑节能越来越被重视的大背景下,供热节能作为其重要的组成部分也一直被人们所关注。按需供热是实现供热节能的重要手段,而要想实现按需供热首先应该预测供热负荷。本文以北京市某小区换热站运行数据为基础,进行集中供热系统的供热负荷预测研究,其主要研究内容如下:首先,记录换热站供热运行参数及该地区气象参数,并对记录数据进行小波去噪处理,根据去噪性能评价参数信噪比和均方根误差,为不同的数据选取其合适的小波去噪方法,剔除误差数据,为供热负荷预测提供最佳去噪数据。其次,分析供热负荷影响因素及其延迟规律,并对影响因素与供热负荷进行相关性分析,选取室外温度、太阳辐射等相关程度较高的影响因素作为供热负荷预测模型的输入参数。为构建合适的供热负荷预测模型提供依据。然后,利用BP神经网络预测模型对供热负荷进行预测,预测结果与真实耗热量的平均相对误差为7.91%。为了提高供热负荷预测精度,采用小波分析与神经网络相结合的小波神经网络预测模型对供热负荷进行预测,预测结果与真实耗热量的平均相对误差为6.87%,预测精度较BP神经网络模型有一定提高。最后,针对小波神经网络与BP神经网络预测供热负荷容易陷入局部最优的问题,采用粒子群算法对小波神经网络预测模型进行优化。预测结果与真实耗热量的平均相对误差为5.01%。其相对误差较小波神经网络预测结果降低1.86%,较BP神经网络预测结果降低2.9%。本文相关研究结果可以为集中供热系统实现按需供热提供一定的理论指导。