基于灰色神经网络的燃气负荷预测

《基于灰色神经网络的燃气负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学位论文创新性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他入已经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。论文作者签名：二雌学位论文使用授权的说明本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表

2、、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为西安石油大学。论文作者签名：导师签名：日期：型生』!生日期：也!兰≤：乡中文摘要论文题目：专业：硕士生：指导教师：基于灰色神经网络的燃气负荷预测油气储运工程王佳伟(签名)王寿喜(签名)㈣删㈣㈣㈣㈣㈣Y2619560摘要“西气东输”、“川气东送”等重大能源工程的全面商业运营，标志着我国燃气管网格局由各城市较为单一的城市燃气管网体系逐步转变为全国联网的大规模管网系统。把握燃气负荷的特性和变化规律，并对其进行准确、合理的预测，从而为城市燃气供气系统的高效运行

3、、优化调度和科学管理提供指导。首先，本文对影响燃气负荷的经济、人口、液化石油气使用情况、天气情况、节假日等影响因子以及负荷特点进行分析；然后，基于MATLAB分别建立GM(1，1)燃气负荷预测模型、动态等维新息燃气负荷预测模型、BP神经网络燃气负荷预测模型。为了提高神经网络的泛化能力和预测精度，使用相关性分析、偏相关性分析、主成分分析对燃气负荷影响因子进行定性分析，找到影响城市燃气负荷的主要影响因子，再通过优化神经网络隐层单元数、传递函数、学习函数建立BP神经网络优化燃气负荷预测模型。此外，通过MATLAB编写灰色关联分析等数理统计方法实现模型优选，并结合方差一协方差优选

4、组合预测法建立灰色神经网络组合燃气负荷预测模型，最后，使用上述五种预测模型结合陕西省1997～2011年燃气年负荷(西安市2013年10月燃气日负荷)数据建立预测模型，预测结果表明：灰色神经网络燃气负荷预测模型预测的中长期负荷相对误差介于O．59％～9．4％，预测的短期负荷相对误差介于O．13％～2．33％之间，相比于其他模型预测精度更高、更合理。关键词：燃气负荷预测；灰色理论；人工神经网络；相关分析；主成分分析；灰色关联分析论文类型：应用研究II英文摘要Subject：Speciality：Name：ForecastingofNaturalGasLoadBasedonG

5、rey—NeuralTheoryOilandGasStorageandTransportationEngineeringWangJiawei(signatureInstructor：WangShouxi(signature)ABS。I’量认C’I’Thecommercialoperationofthewest-eastnaturalgaspipelineprojectandSichuantoEastGasPipelineProjectsignifiesthatthearrangementofthenationalgaspipelinenetworkstartstochan

6、gegreatly．Therespectivecity’Ssinglenetworksystemhasbeengraduallychangingtothelarge-scalenationalnetworksystem．It’Saurgentproblemforrealizingeffectivelyrun，optimaloperationandscientificadministrationofcitygaspipelinenetworksystem．tograsptheregularityofgasloadandgetaccuratelyandreasonablypr

7、edictedvalue．Firstofall，thispaperresearchestheregularityandinfluentialfactorsofgasloadfromhistoricaldatawhichincludedeconomy,populmion，theusageofliquefiedpetroleumgas，weather,holidaysandSOon．GM(1，1)model，dynamicreformcarrymodel，BPartificialneuralnetworkmodelwerebeen