基于组合模型的燃气负荷预测技术研究

发布时间：2023-04-23 11:32

　　随着燃气产业的迅猛发展,燃气负荷预测工作成为燃气系统管理部门的一项重要任务。把握燃气负荷的特性和变化规律,对其进行准确、合理的预测,对于提高燃气公司企业的经济效益和社会效益、保持燃气系统的安全稳定运行具有重要的意义。因此,为了满足城市燃气管网规划、运维管理及储气调峰等日益增长的需求,必须探索精确度更高,适用性更广的方法对燃气用量进行合理预测,从而缓解供需矛盾,有效解决我国发展中的燃气供给问题。为此,本文开展了以下几方面的研究工作:首先,详细分析了陕西省和南乐县的燃气负荷特性,根据负荷变化特点,挖掘出对中长期和短期燃气负荷影响较大的影响因子。其次,综合考虑主成分分析(PCA)、灰色模型(GM)、BP神经网络模型(BPNN)的建模原理及优缺点,提出了新型燃气负荷PCA-GM-BPNN组合预测模型。再次,针对本文选用的灰色理论及其优化模型、BP神经网络及其优化模型和新型PCA-GM-BPNN组合预测模型,利用MATLAB软件分别建立基于陕西省2004年²011年燃气年负荷、南乐县2017年9月1日¹0月20日燃气日负荷和10月1日0:00^...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外燃气负荷预测研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容
    1.4 技术路线
    1.5 研究成果
第二章 燃气负荷影响因素及预测方法分析
    2.1 燃气负荷预测影响因素分析
        2.1.1 中长期负荷影响因素
        2.1.2 短期负荷影响因素
    2.2 燃气负荷预测方法分析
        2.2.1 时间序列法
        2.2.2 灰色预测法
        2.2.3 人工神经网络
        2.2.4 支持向量机
        2.2.5 组合预测法
        2.2.6 预测方法比选
    2.3 本章小结
第三章 燃气负荷预测模型研究
    3.1 灰色预测模型
        3.1.1 GM(1,1)模型建模原理
        3.1.2 GM(1,1)模型局限性
        3.1.3 GM(1,1)优化模型
    3.2 人工神经网络预测模型
        3.2.1 BP神经网络模型建模原理
        3.2.2 BP神经网络模型局限性
        3.2.3 BP神经网络优化模型
    3.3 PCA主成分分析法
        3.3.1 主成分分析原理
    3.4 PCA-GM-BPNN组合预测模型
        3.4.1 PCA-GM-BPNN组合模型预测原理
    3.5 燃气负荷预测误差评价体系
    3.6 本章小结
第四章 燃气负荷预测模型求解分析
    4.1 中长期负荷预测模型求解分析
        4.1.1 GM(1,1)预测模型
        4.1.2 GM(1,1)优化预测模型
        4.1.3 BP神经网络预测模型
        4.1.4 BP神经网络优化预测模型
        4.1.5 PCA-GM-BPNN组合预测模型
        4.1.6 预测结果对比分析
    4.2 短期负荷预测模型求解分析
        4.2.1 GM(1,1)预测模型
        4.2.2 GM(1,1)优化预测模型
        4.2.3 BP神经网络预测模型
        4.2.4 BP神经网络优化预测模型
        4.2.5 PCA-GM-BPNN组合预测模型
        4.2.6 预测结果对比分析
    4.3 本章小结
第五章 燃气负荷预测软件开发
    5.1 软件概述
        5.1.1 软件需求分析
        5.1.2 软件开发目标
    5.2 软件结构设计
    5.3 软件功能
        5.3.1 灰色预测模型参数
        5.3.2 BP神经网络预测模型参数
    5.4 实例演示
        5.4.1 灰色预测模型
        5.4.2 BP神经网络预测模型
    5.5 本章小结
第六章 结论及建议
    6.1 结论
    6.2 建议
致谢
参考文献
攻读学位期间参加科研情况及获得的学术成果



本文编号：3799630