鞍山市燃气日负荷预测的研究

结合鞍山市燃气日负荷预测,论述了历史燃气负荷数据的处理方法。运用GCAQBP神经网络对鞍山市2002年燃气日负荷进行了预测,预测的平均相对误差为4.1%。研究表明,这种预测方法可行。     

基于XGB-LSTM模型的燃气日负荷预测

燃气日负荷预测是优化气源采购、调节供需平衡、提升燃气企业经营效率的重要手段。燃气日负荷受多种因素共同影响,具有时序特征和非线性特征。本文提出一种融合XGBoost和LSTM模型的燃气日负荷预测方法XGB-LSTM。该方法通过XGBoost的特征选择方法,对燃气日负荷影响因素进行特征提取和排序,去除不相关特征,降低模型复杂度;随后利用LSTM网络进行预测,以提高预测精度。以华东W市日负荷数据进行分析,实验结果表明,与其他深度学习方法相比,XGB-LSTM模型提高了预测精度,同时减小了模型的复杂度,获得了更好的预测效果。     

基于径向基神经网络的燃气日负荷预测

建立了径向基神经网络预测模型,进行了实例运算。这种预测方法满足预测需要,训练速度快。     

基于Dropout-LSTM模型的城市燃气日负荷预测

提出采用Dropout技术的长短期记忆神经网络模型(Dropout-LSTM模型),对城市燃气日负荷进行预测。由于不同时期的燃气日负荷具有不同特点,将全年分为供暖期、过渡期及非供暖期,分别对3个时期的日负荷和影响因素进行相关性分析,确定3个模型的输入特征,建立3个时期的日负荷预测Dropout-LSTM模型,采用平均绝对百分比误差对模型预测效果进行评价。Dropout-LSTM模型可以很好地预测城市燃气日负荷,比BP模型、LSTM模型以及SVM模型有更好的预测效果。与基于全年数据的全年预测模型相比,分时期预测模型预测精度更高。供暖期的燃气日负荷规律性强,对供暖期的日负荷预测精度最高,非供暖期次之,由于过渡期日负荷波动大,预测效果是3个时期中最差的。     

基于模糊逻辑技术的燃气负荷预测

分析了武钢煤气用户负荷的特点，探讨了应用模糊逻辑技术对燃气负荷的预测。     

基于相似日的节假日燃气短期负荷预测

分析了燃气负荷的形状相似、趋势相似和特征相似,根据节假日燃气负荷的特点,提出基于相似日的节假日负荷预测方法。以前趋势相似性和日特征相似性为原则,在燃气负荷历史数据库中选择若干相似日,以相似日作为样本采用神经网络方法进行预测。实例证明该方法具有良好的预测精度。     

基于气温变化的冬季城市燃气日负荷预测方法

结合实例分析了日平均气温对冬季城市燃气日负荷影响的规律,得到燃气日负荷的主要影响因素为气温所处温度区间、气温变化的幅度,而与气温所处时间区间和升降趋势无关。提出了基于气温变化的燃气日负荷预测方法——温差系数法,取得了较好的预测效果。     

基于SVR的燃气日负荷预测

提出燃气日负荷预测模型选取和变量选取的原则,给出数据处理的方法。以西南某市为例,依据该地天然气公司实际数据,给出基于支持向量回归(SVR)的燃气日负荷预测模型的创建流程,进行日负荷预测,将日负荷预测值与实际值进行比较,分析相对误差产生的原因。探讨运用SVR模型建设信息化系统的相关问题。     

基于遗传算法优化神经网络的燃气日负荷预测研究

燃气负荷预测能够为管网调度运行工作提供指导,进而提高管网运行的安全性和天然气供应的可靠性,是燃气企业实现科学调度和精细管理的重要手段。但由于燃气负荷受到气温、节假日、经济等多因素的影响,仅通过建立线性关系式难以达到预测所需的精度,需要借助智能算法搭建负荷预测模型。本文基于遗传算法优化人工神经网络搭建燃气负荷预测模型,通过遗传算法确定了人工神经网络的结构、优化了初始权值和阈值,并收集了实际用户的燃气负荷作为样本用于训练模型和测试精度,结果表示该模型能够较好的满足燃气负荷预测需求。     

基于BP神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

基于神经网络的城市燃气短期负荷预测

采用VC语言编写基于神经网络技术的城市燃气短期负荷预测模型,经实例验证可以较精确地预测出城市燃气短期负荷.预测模型在权值修正项中引入动量项以加速收敛,在数据输入时引入噪声,以提高网络的泛化推广能力.     

数据规格化在燃气负荷预测的应用

探讨了燃气负荷预测中规格化处理方法,建立了径向基神经网络燃气负荷预测模型。结合实例,对分别采用最大最小、零均值规格化处理的预测结果进行了比较,后者的精度较高。     

人工神经网络法燃气日负荷预测输入变量选取

研究了RBF神经网络在城市燃气日负荷预测中的应用及输入变量的选择问题,提出了基于逐步回归的输入变量选取方法。对实例进行了预测,对不同输入变量方案进行了对比分析。以逐步回归选取的输入变量为基础,增加日期类型、前一天平均气温两项数据作为输入变量,完全满足神经网络用于城市燃气日负荷预测精度的要求,且合理可行。     

神经网络在城市燃气短期负荷预测中的应用

文章简述了神经网络的基本特点,详细介绍了BP网络、RBF网络以及小波神经网络在城市燃气负荷预测领域的研究和应用现状,对三种神经网络进行比较,并分析了神经网络预测法的优缺点。     

气象条件对城市燃气日负荷的影响

分析了气象条件对燃气日负荷的影响,发现日平均气温、气压和降水等气象因子和燃气日负荷的关系非常密切,得出了其相关关系。     

市北天然气燃气负荷预测模型探讨

将灰色模型、时间序列等科学理论应用于负荷预测工作之中,结合市北地区天然气预测的实际情况,通过理论推导和方法整合,利用计算机编程进行精确计算,提高日负荷预测准确率.