基于智能網格分類的天然氣短期負荷預測模型的研究與實現(xiàn).pdf

1、隨著人們對生活環(huán)境的保護意識越來越強烈，天然氣這種優(yōu)質的清潔能源越來越受人們的歡迎，與此同時智能燃氣管網的建設也在快速發(fā)展。為了能夠安全有效的使用和運輸天然氣，必須能夠根據本地區(qū)燃氣負荷的特性和變化規(guī)律對未來某段時間內的燃氣負荷值進行科學準確的預測。
　　能否準確的預測燃氣負荷，直接影響到人們的用氣安全、供應商的經濟利益以及燃氣管道的鋪設規(guī)劃等一系列問題。雖然在負荷預測領域里，電力預測已經是一項相對比較成熟的技術，但是由于天然氣和

2、電力在物理特性、存儲方式等方面存在這很大的差異，所以不能將電力負荷預測的方法直接應用到燃氣負荷預測領域。最近幾年，隨著國內外越來越多的學者和專家投入到燃氣負荷預測領域的研究中，也取得了一定的成果，但仍存在預測精度不足、效率低、可擴展性差等問題。本文結合國內外的研究現(xiàn)狀，通過分析本地區(qū)燃氣負荷特性，經過不斷的嘗試，力求找到一種適合本地燃氣負荷預測的預測模型。通過參閱國內外的各種參考文獻發(fā)現(xiàn)，大部分的學者專家都致力于尋找一種更加優(yōu)秀的預測模

3、型，而很少有人研究如何為預測模型選擇一個更適合的訓練集，從而提高預測模型的預測精度，針對這一問題并且結合本地燃氣負荷特性，本文提出了智能網格分類的方法從所有的歷史燃氣負荷值中選出和待預測日相關性最強的若干數(shù)據，用這個數(shù)據集對預測模型進行訓練，通過實驗發(fā)現(xiàn)，對于回歸預測模型、支持向量機模型、神經網絡模型等這些傳統(tǒng)的預測模型在結合使用智能網格分類方法之后，在預測精度和預測效率方面都有了一定程度的提高，雖然預測精度有了一定程度的提高，但是仍然

4、無法滿足生產中誤差率需要控制在0.05左右的需求，所以本文又提出了分別使用交叉驗證（數(shù)學）、遺傳算法（生物學）和模擬退火算法（物理學）對模糊神經網絡參數(shù)進行優(yōu)化，然后分別結合智能網格分類方法進行燃氣負荷預測。實驗結果表明，這三種組合方法基本上都可以滿足生產中把誤差率控制在0.05左右的需求，但是在運算效率方面有所差異，所以可以根據實際情況選擇不同的預測模型進行預測。最后使用混合編程技術實現(xiàn)了以上預測方法。
　　通過研究分析日期類型