区域供热是当前中国北方主要的供热方式,在冬季供热能耗所占比重很大,而区域供热系统由于覆盖范围较广,其控制调节有一定的滞后性,而区域供热系统不合理的运行方式导致能源浪费等问题的出现。因此,准确预测区域供热系统的用户热负荷和精准调控其运行参数对整个供热系统的节能减排和优化升级起着至关重要的作用。本文选用某能源公司以燃气锅炉作为热源的三个区域供热系统作为研究对象,为用户热负荷预测及运行参数优化提供了可靠数据。区域供热系统主要涉及三个部分,包括:热源、循环管网和用户。本文阐述了所选区域供热系统各个部分的情况,分析了各个部分之间的关系,明确了区域供热系统中供水温度、回水温度和循环水的质量流量为主要运行参数,对区域供热系统的调节方式进行了分析。在区域供热系统的用户热负荷预测方面,本文以深度学习中多层感知机作为基础预测模型,分别采用随机梯度下降模型和Adam算法模型求解。预测结果表明两种模型均能准确地预测出区域供热系统第二天24小时用户热负荷大小,且相比随机梯度下降模型,Adam算法模型在所选区域的用户热负荷预测结果更为准确,该模型具有良好的适用性,可运用到其他区域供热系统热负荷预测中。使用皮尔逊相关系数选择特征,确定特征为一天中的24个小时以及对应时刻的室外温度和前一、二、三天的历史热负荷,并使用One-hot和标准化对特征进行预处理。在预测结果上,Adam算法模型在所选区域R1、R2和R3所取得的结果较为准确,平均绝对误差（MAE）分别为0.15GJ/h、0.17GJ/h和0.23GJ/h;平均绝对百分比误差（MAPE）分别为6.63%、3.21%和4.57%;对数均方根误差（Log-RMSE）分别为2.67%、1.65%和1.83%。Adam算法模型在所选区域中各个损失函数的平均值均小于随机梯度下降模型,MAE分别降低了 0.05GJ/h、0.06GJ/h和0.09GJ/h;MAPE 上分别降低了 1.62%、0.80%和 1.46%;Log-RMSE 分别降低了0.96%、0.38%和 0.49%。基于用户热负荷预测数据,选取R3区域用户热负荷分别为5.55GJ/h、7.31GJ/h和9.01GJ/h的3种不同情况。本文设计了单目标和多目标优化模型,单目标适应度函数设置为区域供热系统的供需热量偏差最小,多目标在单目标的基础上增加了循环水泵能耗作为另一个适应度函数,选择一次/二次管网供回水温差和一次/二次管网循环水质量流量四个参数作为变量,参数取值范围为遗传算法的约束条件,并将供热系统调节基本方程设置为非线性约束函数。优化结果发现单目标优化与多目标优化结果均符合实际运行工况,且求得的运行参数相似。这是因为在实际情况下,应主要考虑用户热负荷与管网供热热量的平衡关系,防止供热热量出现不足或盈余,致使符合实际工况的多目标最优解与单目标优化的最优解相似。而多目标遗传算法更为复杂,使用单目标遗传算法便可得到满足要求的系统运行参数。综上所述,本文使用的Adam算法模型对区域供热系统的热负荷预测较为准确,可为系统的运行参数进行优化调控提供依据。同时,遗传算法得到的优化运行参数满足实际运行情况,可为区域供热系统的实际运行提供技术支持。