某市燃气中长期负荷预测方法的研究

发布时间：2017-10-30 11:26

  本文关键词：某市燃气中长期负荷预测方法的研究

  更多相关文章： 燃气负荷 负荷预测 关联模型

【摘要】：与石油、煤炭等化石燃料相比,天然气以其清洁、高效的特点得到了广泛应用。我国目前处于经济转型升级的重要时期,随着城镇化进程不断推进,为减少污染必须降低动力煤使用量,天然气的消费将呈稳步增长态势,成为城市的重要能源。随着天然气工业的迅速发展和供气规模的不断扩大,必然促使人们对燃气管网的规划、运行、维护和调峰储气提出了更高的要求,城市燃气在使用时存在的供需矛盾也将越来越突出。因此,通过分析燃气负荷的特点和规律对未来负荷进行合理预测是解决上述问题的有效手段之一,具有积极的现实意义。研究从国内外燃气负荷预测现状出发,并对常用的预测模型进行了分析和比较。在对样本城市进行详细调研的基础上,选择了对中长期燃气负荷影响较大的关键因素;根据燃气负荷变化特点,确定对单一模型进行关联更适用于该市燃气负荷预测。其中,针对中期负荷建立了基于时间序列法和RBF神经网络法的分解-组合模型、普通GM(1,N)模型和等维递补GM(1,N)模型。为提高预测精度,使用方差优选法将预测效果较好的分解-组合模型和等维递补GM(1,N)模型进行了关联。针对长期负荷建立了普通GM(1,N)模型和基于残差修正的GM(1,N)模型。基于以上研究,采用样本城市的燃气负荷数据对提出的预测模型进行了实例验证,并采用精度检验法和后验差检验法对几种负荷预测方法进行了评价。结果表明,应用分解-组合模型和等维递补GM(1,N)模型进行中期负荷预测的平均相对误差分别为6.25%和8.34%,关联模型的平均相对误差为5.84%,且关联模型的后验差比值和小误差概率的等级均达到最优,说明关联预测模型效果优于单一预测模型,更适用于样本城市中期燃气负荷预测。应用普通GM(1,N)模型进行长期负荷预测的平均相对误差为19.64%,基于残差修正的GM(1,N)模型的平均相对误差为4.45%,可以说明修正后的预测模型更适用于样本城市长期燃气负荷预测。
【关键词】：燃气负荷 负荷预测 关联模型
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU996.3
【目录】：

• 中文摘要5-6
• ABSTRACT6-9
• 1.绪论9-15
• 1.1 课题的研究背景及意义9-10
• 1.1.1 课题的研究背景9
• 1.1.2 课题的研究意义9-10
• 1.2 负荷预测方法及研究现状综述10-14
• 1.2.1 传统数理统计方法10-11
• 1.2.2 人工智能预测方法11-13
• 1.2.3 组合预测方法13-14
• 1.3 本课题研究内容14-15
• 2.样本城市燃气负荷特点分析15-22
• 2.1 城市燃气负荷的组成及规律15-19
• 2.2 城市燃气负荷趋势分析19-20
• 2.3 城市燃气负荷变化的影响因素20-21
• 2.4 本章小结21-22
• 3.负荷影响因素的相关分析22-29
• 3.1 相关分析和偏相关分析理论22-25
• 3.1.1 相关分析理论22-24
• 3.1.2 偏相关分析理论24
• 3.1.3 相关关系判断依据24-25
• 3.2 相关分析和偏相关分析的应用25-27
• 3.2.1 双变量相关分析的应用25-26
• 3.2.2 偏相关分析的应用26-27
• 3.3 影响因素的简化27
• 3.4 本章小结27-29
• 4.燃气负荷预测模型的选择与建立29-49
• 4.1 负荷预测模型的选择29-30
• 4.1.1 中期负荷预测模型的选择29
• 4.1.2 长期负荷预测模型的选择29-30
• 4.2 离群数据的辨别与剔除30-31
• 4.2.1 离群数据的成因30
• 4.2.2 离群数据的辨识方法30
• 4.2.3 к-最近邻距离法的原理及应用30-31
• 4.3 灰色负荷预测模型的建立31-36
• 4.3.1 灰色GM(1，，1)模型的建立31-33
• 4.3.2 灰色GM(1，N)模型的建立33-35
• 4.3.3 等维递补灰色GM(1，N)模型的建立35-36
• 4.3.4 基于残差修正的灰色GM(1，N)模型的建立36
• 4.4 分解-组合预测模型的建立36-44
• 4.4.1 数据的趋势性分解36-39
• 4.4.2 时间序列预测模型的建立39-42
• 4.4.3 RBF神经网络预测模型的建立42-44
• 4.5 模型的关联44-45
• 4.6 模型的检验45-48
• 4.6.1 精度检验45-46
• 4.6.2 后验差检验46-48
• 4.7 本章小结48-49
• 5.燃气负荷预测模型的应用与求解49-62
• 5.1 中期燃气负荷预测模型的应用与求解49-60
• 5.1.1 灰色模型的应用与求解49-54
• 5.1.2 分解—组合模型的应用与求解54-57
• 5.1.3 关联模型的应用与求解57-59
• 5.1.4 模型的检验与评价59-60
• 5.2 长期燃气负荷预测模型的应用与求解60-61
• 5.3 本章小结61-62
• 6.结论与展望62-63
• 6.1 结论62
• 6.2 展望62-63
• 参考文献63-69
• 攻读硕士学位期间发表学术论文情况69-70
• 致谢70-71
• 作者简介71-72

【参考文献】

中国期刊全文数据库 前10条

1 韩旭;赖建波;马俊峰;孙中飞;;燃气规划用气量的预测方法[J];煤气与热力;2015年08期

2 马鑫龙;;城市燃气负荷预测方法及其分析[J];科技创新与应用;2015年15期

3 张腾;任栻;梁平;田园;;城市燃气管网负荷预测及软件开发[J];化工管理;2015年14期

4 余凤;徐晓钟;;基于优化小波BP神经网络的燃气短期负荷预测[J];计算机仿真;2015年01期

5 龚承柱;李兰兰;杨娟;诸克军;;基于EMD-PSR-LSSVM的城市燃气管网短期负荷预测[J];系统工程理论与实践;2014年11期

6 张超;刘奕;张辉;黄弘;;基于支持向量机的城市燃气日负荷预测方法研究[J];清华大学学报(自然科学版);2014年03期

7 杨杰;翁文国;;基于改进无偏灰色模型的燃气供气量的预测[J];清华大学学报(自然科学版);2014年02期

8 付涛;;基于BP_Adaboost模型的燃气短期负荷预测[J];科技通报;2013年10期

9 康琪;林军;;分解组合模型在短期燃气预测中的应用[J];微型机与应用;2013年16期

10 张鸿彦;;燃气日用气负荷预测模型的研究[J];河南工程学院学报(自然科学版);2013年02期

本文编号：1117490