基于智能網(wǎng)格分類的天然氣短期負(fù)荷預(yù)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(zhì)的清潔能源越來越受人們的歡迎，與此同時智能燃?xì)夤芫W(wǎng)的建設(shè)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(jù)本地區(qū)燃?xì)庳?fù)荷的特性和變化規(guī)律對未來某段時間內(nèi)的燃?xì)庳?fù)荷值進行科學(xué)準(zhǔn)確的預(yù)測。
　　能否準(zhǔn)確的預(yù)測燃?xì)庳?fù)荷，直接影響到人們的用氣安全、供應(yīng)商的經(jīng)濟利益以及燃?xì)夤艿赖匿佋O(shè)規(guī)劃等一系列問題。雖然在負(fù)荷預(yù)測領(lǐng)域里，電力預(yù)測已經(jīng)是一項相對比較成熟的技術(shù)，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(fù)荷預(yù)測的方法直接應(yīng)用到燃?xì)庳?fù)荷預(yù)測領(lǐng)域。最近幾年，隨著國內(nèi)外越來越多的學(xué)者和專家投入到燃?xì)庳?fù)荷預(yù)測領(lǐng)域的研究中，也取得了一定的成果，但仍存在預(yù)測精度不足、效率低、可擴展性差等問題。本文結(jié)合國內(nèi)外的研究現(xiàn)狀，通過分析本地區(qū)燃?xì)庳?fù)荷特性，經(jīng)過不斷的嘗試，力求找到一種適合本地燃?xì)庳?fù)荷預(yù)測的預(yù)測模型。通過參閱國內(nèi)外的各種參考文獻發(fā)現(xiàn)，大部分的學(xué)者專家都致力于尋找一種更加優(yōu)秀的預(yù)測模

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

4、無法滿足生產(chǎn)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(xué)）、遺傳算法（生物學(xué)）和模擬退火算法（物理學(xué)）對模糊神經(jīng)網(wǎng)絡(luò)參數(shù)進行優(yōu)化，然后分別結(jié)合智能網(wǎng)格分類方法進行燃?xì)庳?fù)荷預(yù)測。實驗結(jié)果表明，這三種組合方法基本上都可以滿足生產(chǎn)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(jù)實際情況選擇不同的預(yù)測模型進行預(yù)測。最后使用混合編程技術(shù)實現(xiàn)了以上預(yù)測方法。
　　通過研究分析日期類型