基于EMD-PSR-LSSVM的城市燃气管网短期负荷预测

发布时间：2018-03-19 10:56

  本文选题：燃气管网　切入点：短期负荷预测　出处：《系统工程理论与实践》2014年11期 　论文类型：期刊论文

【摘要】：城市燃气管网短期负荷预测对燃气调度系统的安全与稳定具有重要意义。为了提高城市燃气管网短期负荷预测精度,建立了基于经验模态分解(EMD)-相空间重构(PSR)-最小二乘支持向量机(LSSVM)的组合预测模型,首先,运用EMD算法把原始非线性时间序列分解为互不耦合的模态分量,并采用PSR算法确定LSSVM建模中各个分量的输入输出结构;其次,运用PSO算法对LSSVM建模中的参数进行优化,使用训练好的LSSVM模型对各个IMF分量进行回归预测;最后运用该组合模型对郑州市燃气管网负荷进行短期预测。结果表明:与LSSVM回归预测和BP神经网络预测模型相比,本文提出的组合模型的预测精度更高,是一种更为有效的城市燃气管网短期负荷预测方法。
[Abstract]:Short-term load forecasting of urban gas pipeline network is of great significance to the safety and stability of gas dispatching system. A combined prediction model based on empirical mode decomposition (EMD) and phase space reconstruction (PSR-LSSVM) is established. Firstly, the original nonlinear time series is decomposed into uncoupled modal components by EMD algorithm. The input and output structure of each component in LSSVM modeling is determined by PSR algorithm. Secondly, the parameters of LSSVM modeling are optimized by PSO algorithm, and each IMF component is predicted by trained LSSVM model. Finally, the combined model is used to forecast the load of gas pipeline in Zhengzhou. The results show that compared with the LSSVM regression forecasting and BP neural network forecasting model, the combined model proposed in this paper has higher forecasting accuracy. It is a more effective method for short-term load forecasting of urban gas network.
【作者单位】： 中国地质大学(武汉)经济管理学院;合肥工业大学管理学院;
【基金】：国家自然科学基金面上项目(71173202) 中央高校基本科研业务费专项资金(1410491T07)
【分类号】：TU996

【参考文献】

相关期刊论文 前6条

1 诸克军;李兰兰;龚承柱;;天然气工业用户峰谷分时定价多目标优化模型[J];北京理工大学学报(社会科学版);2012年01期

2 周松林;茆美琴;苏建徽;;基于小波分析与支持向量机的风速预测[J];太阳能学报;2012年03期

3 谢启伟;轩波;李建平;韩华;;经验模式分解算法的分析及应用[J];系统工程理论与实践;2009年11期

4 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期

5 阮连法;包洪洁;;基于经验模态分解的房价周期波动实证分析[J];中国管理科学;2012年03期

6 罗世华;周斌;李颖;;基于小波分析的股市波动的多重分形辨识[J];系统工程理论与实践;2012年11期

【共引文献】

相关期刊论文 前10条

1 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期

2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

3 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期

4 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期

5 王尔丹;人群运动与密度估计技术研究[J];安全;2005年03期

6 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期

7 周德强;冯建中;;建筑物沉降预测的改进Verhulst模型研究[J];地下空间与工程学报;2011年01期

8 王立平;孔小梅;付梦印;王美玲;张甲文;姜明;;Temperature Drift Modeling of FOG Based on LS-WSVM[J];Journal of China Ordnance;2008年03期

9 邹心遥;姚若河;;基于LSSVM的威布尔分布形状参数估计(英文)[J];半导体技术;2008年06期

10 邹心遥;姚若河;;基于LSSVM的小子样元器件寿命预测[J];半导体技术;2011年09期

相关会议论文 前10条

1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(下)[C];2012年

2 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年

4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年

5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年

6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年

7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年

8 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七届中国控制会议论文集[C];2008年

9 阎纲;梁昔明;龙祖强;李翔;;一种新的提前一步预测控制算法[A];第二十七届中国控制会议论文集[C];2008年

10 孙玉坤;王博;丁慎平;;基于模糊支持向量机的赖氨酸发酵软测量[A];第二十七届中国控制会议论文集[C];2008年

相关博士学位论文 前10条

1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年

2 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年

3 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年

4 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年

5 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年

6 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年

7 张昌明;新疆汉族、维吾尔族及哈萨克族食管癌血清蛋白质指纹图谱研究[D];新疆医科大学;2010年

8 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年

9 刘卫红;垃圾邮件检测与过滤关键技术研究[D];华南理工大学;2010年

10 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年

相关硕士学位论文 前10条

1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年

2 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年

3 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年

4 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年

5 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年

6 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年

7 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年

8 刘磊;多泥沙河流水库优化调度研究[D];郑州大学;2010年

9 李光远;基于在线聚类和最小二乘支持向量机的模糊建模方法研究[D];郑州大学;2010年

10 辛保兵;既有预应力混凝土梁桥剩余承载力评估方法研究[D];郑州大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 王慧勤;;基于支持向量机的短期风速预测研究[J];宝鸡文理学院学报(自然科学版);2009年01期

2 马瑞恒,李钊,王伟策,钱汉明,徐全军,娄建武,唐献述,周翔;基于小波变换模极大的爆破震动信号奇异谱分析[J];爆炸与冲击;2004年06期

3 吕淼;;天然气储气调峰建设与服务定价研究[J];城市燃气;2010年07期

4 黄诒蓉;中国股票市场多重分形结构的实证研究[J];当代财经;2004年11期

5 谷兴凯;范高锋;王晓蓉;赵海翔;戴慧珠;;风电功率预测技术综述[J];电网技术;2007年S2期

6 杜颖;卢继平;李青;邓颖玲;;基于最小二乘支持向量机的风电场短期风速预测[J];电网技术;2008年15期

7 梁云芳;高铁梅;;我国商品住宅销售价格波动成因的实证分析[J];管理世界;2006年08期

8 王丽婕;廖晓钟;高阳;高爽;;风电场发电功率的建模和预测研究综述[J];电力系统保护与控制;2009年13期

9 傅强;周宇欢;王亮;;湍流与蠕虫的DNA序列的多重分形谱分析[J];解放军理工大学学报(自然科学版);2010年05期

10 赵婉淇;;我国电力产业定价机制改革研究[J];经济论坛;2010年04期

相关博士学位论文 前2条

1 张甫仁;燃气管网系统安全性及仿真的理论分析与应用研究[D];天津大学;2005年

2 余俊;证券市场的分形特征研究[D];青岛大学;2008年

相关硕士学位论文 前2条

1 王建刚;城市天然气输配管网的数学模型及优化[D];西安电子科技大学;2008年

2 曹洪伟;天然气集输管道调峰优化运行研究[D];大庆石油学院;2009年

【相似文献】

相关期刊论文 前10条

1 鞠平,姜巍,赵夏阳,王俊锴,张世学,刘琰;96点短期负荷预测方法及其应用[J];电力系统自动化;2001年22期

2 莫维仁,孙宏斌,张伯明;面向电力市场的短期负荷预测系统设计及实现[J];电力系统自动化;2001年23期

3 金海峰,熊信艮,吴耀武;基于相似性原理的短期负荷预测方法[J];电力系统自动化;2001年23期

4 赵登福,王蒙,张讲社,雷兵,张涛,周琳,王锡凡;基于确定性退火方法的短期负荷预测[J];中国电机工程学报;2001年07期

5 姜勇,卢毅;基于相似日的神经网络短期负荷预测方法[J];电力系统及其自动化学报;2001年06期

6 陈桂远;广西电网短期负荷预测及其数学模型[J];广西电力技术;2001年01期

7 青志文,沈新祥,刘明清,姚建刚,曾刚,秦炜;地区电网短期负荷预测系统的研究与开发[J];湖南电力;2001年03期

8 尤勇,盛万兴,王孙安;一种新型短期负荷预测模型的研究及应用[J];中国电机工程学报;2002年09期

9 陈晓平,胡子珩,刘顺桂,莫维仁,张伯明;商业性城市负荷特点及其短期负荷预测[J];广东电力;2002年02期

10 唐向阳;应用于短期负荷预测的自适应建模方法[J];广西电力技术;2002年03期

相关会议论文 前10条

1 侯广松;刘伟生;;适用于地区电网的短期负荷预测方法的研究[A];2005中国电机工程学会电力系统自动化专委会全国供用电管理自动化学术交流暨供用电管理自动化学科组第二届年会论文集[C];2005年

2 朱桂华;赖晓平;云昌钦;;在线短期负荷预测方法的研究与应用[A];1995年中国控制会议论文集（上）[C];1995年

3 杜欣慧;张岭;毕艳华;;采用自适应神经网络进行短期负荷预测[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年

4 侯广松;刘伟生;谢广建;;基于相关因素映射和神经网络的短期负荷预测[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年

5 唐向阳;;应用于短期负荷预测的自适应建模方法[A];广西电机工程学会第七届青年学术交流会论文集[C];2002年

6 杜俊红;滕欢;滕福生;;在线超短期负荷预测的分析与应用研究[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

7 侯广松;刘伟生;;基于相关因素映射和神经网络的短期负荷预测[A];山东电机工程学会第十一届优秀学术论文集[C];2008年

8 盛琼;顾泽;骆丽楠;;基于实时气象要素的湖州短期负荷预测研究[A];第八届长三角气象科技发展论坛论文集[C];2011年

9 张雪莹;管霖;;采用谱分析建模和基于人工神经网络的短期负荷预测方案[A];广东省电机工程学会2003-2004年度优秀论文集[C];2005年

10 田晓;颜勇;孔凡坊;顾德英;;新型神经网络在短期负荷预测中的应用研究[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年

相关重要报纸文章 前2条

1 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年

2 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年

相关博士学位论文 前10条

1 卢芸;短期电力负荷预测关键问题与方法的研究[D];沈阳工业大学;2007年

2 郑永康;相空间重构与支持向量机结合的短期负荷预测研究[D];西南交通大学;2008年

3 王硕禾;基于短期负荷预测技术的电能控制系统研究[D];天津大学;2009年

4 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

5 王志勇;数据挖掘方法在短期负荷预测中的应用研究[D];浙江大学;2007年

6 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年

7 苏庆新;区域电力系统超短期负荷预测及网络建模分析[D];东华大学;2008年

8 吴宏晓;基于软计算方法的电力系统负荷预测[D];上海交通大学;2007年

9 雷绍兰;基于电力负荷时间序列混沌特性的短期负荷预测方法研究[D];重庆大学;2005年

10 谢忠玉;电力短期负荷时间序列混沌特性分析及预测研究[D];哈尔滨工程大学;2010年

相关硕士学位论文 前10条

1 耿艳;基于最小二乘支持向量机的短期负荷预测方法及应用研究[D];山东大学;2008年

2 王黎明;电力系统中短期负荷预测的研究[D];中国石油大学;2008年

3 赵冬红;短期负荷预测改进方法研究[D];华北电力大学（北京）;2009年

4 潘学华;遗传模糊算法及其在短期负荷预测中的模型研究[D];华北电力大学（河北）;2009年

5 云会周;基于机器自学习的电力系统超短期负荷预测研究[D];华北电力大学（北京）;2010年

6 邵俊;县域地区短期负荷预测模型的研究[D];浙江大学;2009年

7 宁卜;基于模糊聚类分析与最小二乘支持向量机的短期负荷预测[D];西安理工大学;2009年

8 温可明;市场条件下佛山地区电网短期负荷预测的研究[D];华南理工大学;2009年

9 钟光科;偏最小二乘回归分析在短期负荷预测中的应用[D];河北工程大学;2011年

10 苏庆新;一种配电网超短期负荷预测的神经网络方法[D];曲阜师范大学;2002年

，

本文编号：1633965