近年来,我国在经济和科技快速发展的同时,能源危机和环境污染问题不断加重。我国供热企业主要仍采用传统的集中供热方式,不能有效利用供热数据,以致供热的过程中存在大量浪费现象。信息技术和物联网技术的发展,为传统的供热行业带来变革。供热结合数据库、大规模数据存储以及数据分析等技术,挖掘和分析大量数据背后的一些重要信息,运用机器学习方法构建模型,监测与改善供热过程,实现精准化和个性化供热,推动供热企业的发展,提高供热的质量,达到节约能耗,减少环境污染的目的。本文的内容主要分为供热系统水力计算、热力计算和供热数据分析系统三方面。围绕供热系统的数据分析展开工作。首先,本文要通过求得最优流量分配的优化目标来解决供热系统水力平衡问题。其难点在于:在工程上,供热系统存在冗长且复杂的管网,对管网的测量受到限制,测量代价高昂,以致测量数据有限,无法达到预期的计算、预测和优化的目的。在计算方面,水力计算目标函数复杂,求解过程繁琐,难以通过公式计算得出合理的流量分配方式。本文分析了供热系统中环网水力计算和枝网水力计算的区别和联系,阐述了管网流量分配的方法和相关公式,并提出逆向水力计算的思想,将待优化目标确立为管段阻力系数。之后开展了建模工作,建立水力计算优化模型,确立了优化目标函数和目标。然后,采用贝叶斯优化方法对阻力系数进行优化,进而调节阀门开度,达到管网水力平衡的目的。其次,智能供热系统需要通过热力计算准确预测供热系统中的温度和热负荷。其难点在于:在工程上,供热系统数据采集复杂,受到噪声影响大,且供热系统运行也会受到时延效应的影响。在计算上,其非线性关系较多,函数复杂,难以用传统计算方法求解。本文通过提出一种基于BP神经网络的求解时延模型的热力计算方法,模型采用全连接BP神经网络,将供热参数作为输入,通过不断学习确定最优网络权值系数,并用于指导供热。同时考虑到供热系统中的时滞性带来的影响,采用剪枝算法降低求解复杂度。接着,基于实测数据与仿真数据相结合,对建立的基于神经网络的热力计算模型进行了仿真,并将本文算法与支持向量机模型和最小二乘支持向量机模型等进行了对比分析。最后,简介了供热数据分析系统。提出了一种基于线上分析技术的供热数据分析系统,相比传统的集中供热模式,可降低能源消耗,增强环保效果,增强供热方与用户之间的沟通,提升城市化供热管理的能力。