燃?xì)舛唐陬A(yù)測(cè)方法研究.pdf

1、天然氣作為一種綠色能源，是城市燃?xì)獾陌l(fā)展方向，加大天然氣在能源結(jié)構(gòu)中的消費(fèi)結(jié)構(gòu)比重，既可以促進(jìn)節(jié)能減排，又可以維持經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展。上海作為國(guó)內(nèi)最早應(yīng)用天然氣的城市之一，正在大力推進(jìn)天然氣的應(yīng)用，隨著西氣東輸工程的相繼完工，極大的促進(jìn)了上海天然氣的快速發(fā)展。為了實(shí)現(xiàn)天然氣供氣系統(tǒng)的高效運(yùn)行、優(yōu)化調(diào)度和科學(xué)管理，作為決策基礎(chǔ)的城市燃?xì)庳?fù)荷量預(yù)測(cè)工作就起著舉足輕重的作用了。
　　 燃?xì)庳?fù)荷預(yù)測(cè)包括長(zhǎng)期預(yù)測(cè)、中期預(yù)測(cè)、短期預(yù)測(cè)以

2、及超短期負(fù)荷預(yù)測(cè)。本文通過對(duì)上海市燃?xì)庀到y(tǒng)負(fù)荷規(guī)律的分析致力于燃?xì)庀到y(tǒng)負(fù)荷的短期預(yù)測(cè)。在對(duì)數(shù)據(jù)挖掘(DM)、支持向量機(jī)(SVM)和人工神經(jīng)網(wǎng)絡(luò)(ANN)等當(dāng)今流行的各種智能預(yù)測(cè)技術(shù)，以及傳統(tǒng)統(tǒng)計(jì)學(xué)中的ARIMA算法做了深刻研究的基礎(chǔ)上，結(jié)合對(duì)上海市部分地區(qū)的燃?xì)庳?fù)荷量數(shù)據(jù)規(guī)律和特征的深入分析與研究，提出了自己的預(yù)測(cè)模型。
　　 通過對(duì)城市燃?xì)庳?fù)荷量時(shí)間序列的研究，發(fā)現(xiàn)城市燃?xì)庳?fù)荷量序列具有三種特性:趨勢(shì)性、周期性和隨機(jī)性。根據(jù)這

3、三種特性，本文提出了針對(duì)城市燃?xì)庳?fù)荷量短期預(yù)測(cè)的思想即分解-組合預(yù)測(cè)模型，同時(shí)提出了三種分解方法對(duì)分解-組合預(yù)測(cè)模型進(jìn)行了驗(yàn)證。在對(duì)燃?xì)庳?fù)荷序列進(jìn)行建模之前，首先采用了數(shù)據(jù)挖掘的方法對(duì)歷史負(fù)荷序列進(jìn)行了離群點(diǎn)挖掘與修正，使其更能反映燃?xì)庳?fù)荷的規(guī)律性;然后對(duì)經(jīng)過離群點(diǎn)處理后的序列運(yùn)用三種方法（即公式分解法、小波分頻技術(shù)法和Eviews分解法）進(jìn)行了分解;最后對(duì)分解后的序列再結(jié)合序列本身特性采用ARIMA和BP神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行建模和預(yù)測(cè)。<

4、br>　　 為了驗(yàn)證分解-組合模型的有效性，首先文中給出了ARIMA方法、BP神經(jīng)網(wǎng)絡(luò)方法和一種基于信息熵的組合模型對(duì)城市燃?xì)庳?fù)荷序列進(jìn)行建模和預(yù)測(cè)的結(jié)果，通過對(duì)比誤差發(fā)現(xiàn)分解-組合預(yù)測(cè)模型有更高的精確度;然后為了進(jìn)一步說明分解-組合模型的有效性，文中對(duì)多個(gè)日期段內(nèi)的短期日負(fù)荷量進(jìn)行了預(yù)測(cè)，其中包括了工作日、假期和天氣突變的一般化和特殊化的日負(fù)荷量預(yù)測(cè);最后為了說明分解-組合模型的適應(yīng)性，本文還選取了另一家燃?xì)夤镜娜細(xì)庳?fù)荷量數(shù)據(jù)進(jìn)行