基于数据挖据的城市燃气用气量影响因素分析与短期负荷预测

发布时间：2020-05-08 04:48

【摘要】：当前受到我国经济上行和环保压力的双重影响,国内能源结构进行了调整,大力推进了居民和工商业领域煤改气措施的实施。城镇燃气需求大幅增长,供需形势较为严峻,“气荒”和“保供”逐渐成为城市燃气企业的主题词。在上游气源指标供应不足的情况下为保障居民用户和工业园区平稳供气,如何规划未来城市燃气市场发展方向,制定经济可靠的供气方案成为城市燃气企业面临的难题。燃气企业需要通过对所在城市的用气量影响因素进行分析来掌握城市燃气用户的用气特点和用气的不均匀特性从而对用气结构进行优化调整。另一方面,合理做好应急气源调度采购工作和完善储气设施建设需要对城市燃气短期负荷预测和调峰方案进行研究。城市燃气用气量影响因素和短期负荷预测的特点是复杂多变的,存在随机性与不确定性,需要从其本质规律及其自身特点入手。本文综合考虑了城市管道燃气历史数据的有限性、不完整性及影响因素的复杂性,采用数据挖掘方法来对数据进行处理和分析,并以北方地区某城市燃气企业为例,收集和整理该城市燃气管网近年来用气历史资料,利用相关分析来确定城市燃气用气量影响因子。通过对相关历史数据进行加工和处理,挖掘出城市燃气各类用户用气量影响因素间潜在的联系,这将有助于明晰燃气负荷的成因机理,为城市燃气负荷预测提供依据。本文着重于实际应用,帮助企业解决眼前问题。首先调查北方地区H市燃气公司大量的用气基础数据,确定出燃气用气量相关影响因素,把这些影响因素进行分类,剔除对短期负荷影响非常小的因素,然后运用主成分分析方法对预处理后的主要影响因素数据进行降维,去除数据间的相关性。重构后的数据保留原数据的主要信息,在此基础上运用数据挖掘技术分析主要影响因素找出该市燃气负荷的规律。针对具有不确定性和非线性特点的燃气负荷系统本文选用BP(Back Propagation)人工神经网络的方法建立短期负荷预测模型,将提取出的主成分作为BP神经网络的输入变量,以H市燃气负荷数据进行短期负荷模拟预测和验证。城市燃气短期负荷的准确预测能够帮助H市燃气企业制定合理的供气计划,也是燃气企业调峰调度的基础依据,另外对城市燃气规划设计也起到重要的指导作用。文中创新之处有:一是在分析城市燃气用气量影响因素时考虑到了空气质量中PM2.5(即细颗粒物),影响PM2.5的因素与影响燃气负荷的因素存在重复性和高相关性,所以有必要将其纳入主成分分析中;二是选用主成分分析和BP神经网络组合的方法进行燃气用气量预测,减小计算量的同时提高了预测的精确度;
【图文】：

趋势图,城市燃气,趋势图,历年

第三节北方地区 H 市燃气负荷现状分析一、H 市城市燃气情况概述2006 年 H 市接入天然气以来，该市燃气企业不断完善城市管网布局，加快储施建设，以满足各类用户对清洁能源的需求和保障冬季安全平稳供气。该市拥有气门站 1 座，接收能力达 85 万方/日。另配备 150 立方液化天然气（liquefied natuas,LNG）储罐 6 台，汽化器 8 台，储气能力将达到 54 万方，气化量可达 48000 /小时。目前 H 市覆盖全区域的天然气管网 1200 公里，汽车加气站 14 座，，居民 43 万户，工商业用户 1400 余户。气量（4310 m ）

原始数据,软件,原始变量,软件分析

11 407273 394602 383669 1.3 0.28 12 10 112 6 612 399608 407273 394602 1.45 0.31 13 10 84 7 613 390424 399608 407273 1.41 0.29 14 10 106 1 314 410095 390424 399608 1.27 0.27 13 5 50 2 615 429430 410095 390424 1.37 0.29 9 3 27 3 616 455988 429430 410095 1.41 0.18 6 4 145 4 717 495452 455988 429430 1.4 0.31 -3 -5 138 5 418 520883 495452 455988 1.3 0.22 -2 -4 51 6 319 528943 520883 495452 1.34 0.26 1 -5 66 7 420 539887 528943 520883 1.3 0.26 4 -2 72 1 6二、SPSS 软件分析运行 IBM SPSS Statistics 20.0 软件，将统计的原始变量进行定义并输入数据信息：
【学位授予单位】：安徽财经大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F299.24;TP311.13

【相似文献】