基于残差修正的冬季天然气日负荷预测模型

在考虑冬季天然气相邻日负荷进行连续多日负荷预测时,由于模型本身误差及气象预报误差的存在,将在迭代预测中产生误差累积,造成预测精度降低。基于小波神经网络(WNN)建立初步日负荷预测模型,以温度为标准将数据集分为"日常温度"和"极端温度",分别引入BP神经网络,作为残差修正模型以降低误差累积对连续多日负荷预测的影响,建立适用于北京供暖季天然气负荷短期预测模型。实验结果表明,经残差修正后北京市的天然气日负荷预测平均绝对误差由5.21%降低至2.98%,取得较好的预测效果。通过对比分析,残差修正网络能有效修正极端气象条件负荷预测值以降低连续多日负荷预测中的误差累积现象,从而提升模型整体精度,对商业天然气日负荷预测具有较高应用价值。