燃气日用气负荷预测模型的研究.pdf

《燃气日用气负荷预测模型的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第25卷第2期河南工程学院学报(自然科学版)V0l_25．No．22013年6月JOURNALOFHENANINSTITUTEOFENGINEERINGJun．2013燃气日用气负荷预测模型的研究张鸿彦(河南工程学院软件学院，河南郑州451191)摘要：分析了北方城市的日用气负荷特点，分别介绍了小波理论和神经网络理论等技术，并对日用气负荷中的关键技术如网络结构及输入神经元的确定、小波基函数的选择及分解尺度的确定、激励函数的选择、数据的归一化等进行了详细分析，提出了适合我国北方城市的日用气负荷预测模型．关键词：日用气负荷；多分辨小波；神经网络；预测模型中图分类号：TU996文

2、献标志码：A文章编号：1674—330X(2013)02—0028—06为了缓解能源紧张的局面、减少环境污染，我国正在加紧建设天然气管网，力争以纯净的天然气代替煤炭等高污染能源．“西气东输”是最具有标志性的工程，供气系统具有管径大、距离长和网络化等特点．针对这一复杂的供气网络，调度储气、调压峰值等工作都面临着巨大的挑战．1应用小波神经网络进行燃气日负荷预测在燃气负荷预测中应用多分辨小波网络主要基于以下考虑：(1)多分辨小波网络的参数和结构是根据样本的分布和逼近误差的要求确定的，其激励函数可以采用尺度函数和正交小波基函数，可以利用多分辨小波分析将负荷序列分解至同等层次，分层递

3、阶地确定网络参数]．(2)一般北方城市的燃气日负荷序列随季节的变化呈多周期性变化，而利用多尺度函数“由粗到细”逼近原始信号是多分辨小波神经网络的特点，在复杂时间序列分析方面比传统的学习策略精确度更高．(3)燃气负荷除了随季节周期性变化外，也会受天气、节日等因素的影响，所以燃气负荷变化也呈现一定的随机性，传统的预测方法如线性回归分析法、指数平滑法等都无法全面描述其变化规律．所以，采用小波神经网络对燃气日负荷进行预测具有很大的发展空间．2预测模型的结构日用气负荷预测模型框架如图1所示．S是输人数据，表示燃气负荷历史数据；。是分解后的低频信号，d～d，表示分解后的高频信号b中i表

4、示层数，表示预测方法，所以图1预测模型结构图Fig．1Structureofforecastingmodelbb，⋯⋯表示第一种预测方法在每层的预测结果，b收稿日期：2013—03—11基金项目：河南省教育厅科学技术研究重点项目(13A520016)作者简介：张鸿彦(1977一)，女，山西平遥人，讲师，硕士，主要从事人工智能方面的研究第2期张鸿彦：燃气日用气负荷预测模型的研究·29·b。，⋯，b。表示每种预测方法对第一层的预测结果，以此类推；y。，Y，⋯，Y(n为单一预测方法的个数)表示燃气日用气负荷序列进行小波变换后使用每个单一预测方法进行预测的结果；y为最终预测结果．3

5、预测步骤应用小波神经网络进行燃气日负荷预测的步骤如下：(1)确定小波网络结构，也就是根据燃气日用气负荷的特点建立合理的网络结构；(2)确定小波神经网络的输入节点数；(3)输人历史数据，进行数据的预处理，形成训练集和测试样本集；(4)小波基函数的选择；(5)使用历史数据训练小波网络，并用训练好的网络对燃气日用气负荷进行预测；(6)预测结果的分析和比较．4关键技术4．1城市燃气日负荷特性城市燃气日负荷的随机性和波动性非常明显，其主要影响因素有气象条件和日期类型两个．在各种气象因素中，对日用气负荷影响最大的是温度，特别是Et平均温度．引入相关系数R，平均温度与燃气Et用气负荷与之

6、间的关系可用下式表示：∑(一)(—)R=——=二二二i=二l二二二二二二二二-—_==============，(1)√(一)√(—)式中，R为相关系数，表示日负荷序列，x是Et负荷序列的均值，代表日平均温度，指平均温度序列的均值．根据式(1)计算得出，夏季R=一0．2485，冬季R=一0．5963，表示日平均气温与燃气Et用气负荷为负相关，即日用气负荷随温度的升高而降低，随着温度的降低而增大．并且对该城市而言，冬季Et负荷对温度的敏感度比夏季要高．除气象条件外，Et期类型也是影响日用气负荷的重要因素之一．受工业生产安排、生活习惯等因素的影响，日用气负荷在春节、五一、十一等

7、重大节假日时会发生较大变化，负荷曲线也会发生大幅度、长时间的变形，春节期间尤为明显j．北方某省会城市2009-2012年春节期间的日用气负荷波动曲线如图2所示．35o0()0030o0Oo0广弋／＼妒250oO00{■＼—～一一2O【x】Ooo竹一=≥=：==：=———2=暖l5()()()()0v—-‘‘‘●rrrr1()()0o(x】50o()o00泛／，日期图2春节期间燃气日用气负荷曲线Fig．2Dailygasloadinthespringfestival第2期张鸿彦：燃气日用气负荷预测模型的研究·31·由