基于智能网格分类的天然气短期负荷预测模型的研究与实现

【摘要】：随着人们对生活环境的保护意识越来越强烈,天然气这种优质的清洁能源越来越受人们的欢迎,与此同时智能燃气管网的建设也在快速发展。为了能够安全有效的使用和运输天然气,必须能够根据本地区燃气负荷的特性和变化规律对未来某段时间内的燃气负荷值进行科学准确的预测。能否准确的预测燃气负荷,直接影响到人们的用气安全、供应商的经济利益以及燃气管道的铺设规划等一系列问题。虽然在负荷预测领域里,电力预测已经是一项相对比较成熟的技术,但是由于天然气和电力在物理特性、存储方式等方面存在这很大的差异,所以不能将电力负荷预测的方法直接应用到燃气负荷预测领域。最近几年,随着国内外越来越多的学者和专家投入到燃气负荷预测领域的研究中,也取得了一定的成果,但仍存在预测精度不足、效率低、可扩展性差等问题。本文结合国内外的研究现状,通过分析本地区燃气负荷特性,经过不断的尝试,力求找到一种适合本地燃气负荷预测的预测模型。通过参阅国内外的各种参考文献发现,大部分的学者专家都致力于寻找一种更加优秀的预测模型,而很少有人研究如何为预测模型选择一个更适合的训练集,从而提高预测模型的预测精度,针对这一问题并且结合本地燃气负荷特性,本文提出了智能网格分类的方法从所有的历史燃气负荷值中选出和待预测日相关性最强的若干数据,用这个数据集对预测模型进行训练,通过实验发现,对于回归预测模型、支持向量机模型、神经网络模型等这些传统的预测模型在结合使用智能网格分类方法之后,在预测精度和预测效率方面都有了一定程度的提高,虽然预测精度有了一定程度的提高,但是仍然无法满足生产中误差率需要控制在0.05左右的需求,所以本文又提出了分别使用交叉验证(数学)、遗传算法(生物学)和模拟退火算法(物理学)对模糊神经网络参数进行优化,然后分别结合智能网格分类方法进行燃气负荷预测。实验结果表明,这三种组合方法基本上都可以满足生产中把误差率控制在0.05左右的需求,但是在运算效率方面有所差异,所以可以根据实际情况选择不同的预测模型进行预测。最后使用混合编程技术实现了以上预测方法。通过研究分析日期类型对燃气负荷的影响发现,工作日、周末和法定节假日期间的燃气使用量存在着明显的差异,所以本文把所有的历史负荷数据分成了工作日数据、周末数据和法定节假日数据分别进行研究预测,从而得到更加精确的预测结果。 【关键词】：燃气负荷预测 智能网格分类 模糊神经网络 交叉验证 遗传算法 模拟退火算法 混合编程
【学位授予单位】：上海师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TU996.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 选题背景及意义10-11
• 1.2 燃气负荷预测的特点分析及待解决的问题11-13
• 1.2.1 燃气负荷预测的特点11-12
• 1.2.2 存在的问题12-13
• 1.3 国内外研究现状13-14
• 1.4 本文主要研究内容及论文结构14-17
• 第2章 传统方法介绍17-27
• 2.1 燃气负荷预测概述17
• 2.2 燃气负荷预测的分类17-18
• 2.3 常见的燃气负荷预测模型18-22
• 2.3.1 回归预测模型18-20
• 2.3.2 支持向量机模型20-21
• 2.3.3 神经网络模型21-22
• 2.3.4 组合预测方法22
• 2.4 常见的聚类方法22-26
• 2.4.1 K-means聚类算法22-23
• 2.4.2 层次聚类算法23-24
• 2.4.3 SOM聚类算法24-25
• 2.4.4 FCM聚类算法25-26
• 2.5 本章小结26-27
• 第3章 燃气数据特征分析及预处理27-35
• 3.1 影响燃气负荷的相关因素分析27-30
• 3.1.1 温度对燃气负荷的影响27-28
• 3.1.2 日期类型对燃气负荷的影响28-29
• 3.1.3 历史燃气负荷量对燃气负荷的影响29-30
• 3.2 数据预处理30-33
• 3.2.1 坏数据处理31
• 3.2.2 小波去噪处理31-33
• 3.2.3 数据归一化处理33
• 3.3 本章小结33-35
• 第4章 基于智能网格分类的预测模型35-46
• 4.1 确定输入变量35-36
• 4.2 智能网格分类算法（SGC, Smart Grid Classification）36-39
• 4.3 基于智能网格分类的传统预测方法验证实验39-45
• 4.3.1 工作日和周末39-45
• 4.3.2 重大节假日45
• 4.4 本章小结45-46
• 第5章 基于智能网格分类的模糊神经网络验证实验46-59
• 5.1 模糊神经网络理论基础46-47
• 5.2 实验过程47
• 5.3 模糊神经网络实验结果47-49
• 5.4 基于智能网格分类的模糊神经网络参数寻优验证试验49-56
• 5.4.1 基于交叉验证法的参数寻优49-51
• 5.4.2 基于遗传算法的参数寻优51-54
• 5.4.3 基于模拟退火学习算法的参数寻优54-56
• 5.5 各种模型预测结果对比分析56-57
• 5.6 本章小结57-59
• 第6章 基于智能网格分类算法的实现59-63
• 第7章 结论与展望63-65
• 7.1 结论63-64
• 7.2 展望64-65
• 参考文献65-68
• 攻读学位期间取得的研究成果68-69
• 致谢69

您可以在本站搜索以下学术论文文献来了解更多相关内容

BP网络初始权值的选取方法    乔双,董智红

模糊集理论在电力系统短期负荷预测中的应用    严华,吴捷,马志强,吴列鑫

电力系统负荷预测研究综述与发展方向的探讨    康重庆,夏清,张伯明

应用于负荷预测中的回归分析的特殊问题    康重庆,夏清,刘梅,相年德

灰色负荷预测的参数修正法    张大海,史开泉,江世芳

基于支持向量机的中长期电力负荷组合预测    肖先勇;葛嘉;何德胜;

支持向量机在短期负荷预测中的应用概况    王奔;冷北雪;张喜海;单翀皞;从振;

基于偏最小二乘回归分析的短期负荷预测    张伏生,汪鸿,韩悌,孙晓强,张振宇,曹进

基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型    潘迪夫;刘辉;李燕飞;

灰色系统理论在城市年用电量预测中的应用——不同预测方法的分析比较    王成山,杨军,张崇见

基于模糊聚类分析与BP网络的电力系统短期负荷预测    宋玲芳

基于人工神经网络的燃气短期负荷预测研究    苏小红

K-means聚类算法的研究    冯超

层次聚类算法的研究及应用    段明秀

基于改进BP网络的电力系统超短期负荷预测    贾德香;韩净;

考虑相似日的短期负荷改进粒子群预测方法    侯宜祥;

短期负荷预测的自适应加权支持向量机新方法    陈晶;杨春玲;郑安豫;

中长期负荷预测的傅里叶级数残差修正模型    胡海琴;蒋传文;蔡宏欣;

基于PSO的RBF神经网络短期电力负荷预测    田丽;黄世伟;李泽应;王军;

支持向量机在粮食产量预测中的应用    程伟;张燕平;赵姝;

Elman神经网络在农网短期负荷预测中的应用    周晓华;佘乾仲;王荔芳;

城市燃气管网负荷预测方法    马庆元,郭继平,李宁

灰色优选组合预测模型及其应用    赵海青,牛东晓

短期电力负荷的组合预测模型    刘兵军

基于OIF-Elman网络的燃气日负荷预测    苏刚;王玲玲;徐永生;王秀丽;

序列最小优化算法在电力系统短期负荷预测中的应用    周倩;翟永杰;韩璞;

灰色模糊控制器在水泥粉磨系统中的仿真研究    王孝红;解海洋;景绍洪;袁铸钢;

Next-Day Electricity Price Forecasting based on Support Vector Machines and Data Mining Technology    

基于遗传算法的灰色Verhulst模型的改进研究    戴文战;李燕;杨爱萍;

基于改进Elman网络的燃气负荷预测    苏刚;王玲玲;徐永生;

基于能量极小化的蛋白质结构预测    靳利霞;唐焕文;

基于支持向量机模型的激光相变硬化性能预测研究    朱明华;张国栋;冯亿生;张富巨;李志远;

结合粗糙集的事例推理在负荷预测中的应用    屈利;苑津莎;张卫华;李丽;

电网短期负荷预测方法综述    胡松峰;彭显刚;

电力短期负荷时间序列混沌特性分析及预测研究    谢忠玉

分布式电源的概率建模及其对电力系统的影响    王敏

基于GPU并行计算的数值模拟与燃煤锅炉系统的优化研究    吴锋

高压天然气管网动态模拟与壅塞流动特性研究    刘庆堂

电力谐波和间谐波参数估计算法研究    陈国志

大型压水堆核电站接入电网的理论和技术研究    施希

精毛纺织品虚拟加工中的预报与反演模型研究    刘贵

基于声发射技术的聚乙烯自增强复合材料损伤模式识别研究    王旭

面向DEVS的多范式建模与仿真关键技术研究与实现    陈彬

高密度电阻率勘探反演的非线性方法研究    张凌云

基于专利分析的竞争对手分类系统研究    高兆梓

某地区电网短期负荷预测研究    范不井

半参数回归模型在中长期负荷预测中的应用    张永锋

基于混沌理论的电力谐波检测研究    李娅

光视觉球形目标识别技术的研究    姚慧娟

基于模拟退火和团划分的综合技术研究    闫颖

全电力推进船舶短期电力负荷预测研究    王嘉钰

基于支持向量机的模拟电路故障诊断研究    马稳

一种用于危化品安全监测的电子鼻系统    张双岩

中长期电力负荷FRARMA预测模型研究    杨子国

灰色优选组合预测模型及其应用    赵海青,牛东晓

利用BP算法实现集装箱编号识别    李小平,段锴,赵健龙

灰色预测模型建模方法探讨    谢开贵,何斌,郑继明

基于BP算法的数据挖掘应用研究    郭长金;

基于因素影响的电力消费预测研究    董景荣

灰色模型在普通日短期电力负荷预测中的应用    李鹰,赵振江,吴松涛

基于模糊聚类理论的电力系统短期负荷预测的方法    刘耀年,张文生,张玉霞,殷立新

短期电力负荷预报中几种异常数据的处理    陈亚红,穆钢,段方丽

基于负荷规律性分析的支持向量机短期负荷预测方法    庞松岭;穆钢;王修权;金鹏;马俊国;

基于经验模态分解的短期负荷预测    辛鹏;赵阳;王忠义;徐兴峰;

数据采掘的研究与应用    张颖

相空间重构与支持向量机结合的短期负荷预测研究    郑永康

基于支持向量机的电力系统短期负荷预测研究    张红梅

最小二乘支持向量机短期负荷预测研究    杨毅强

支持向量机在电力系统短期负荷预测中的应用及改进    李云飞

支持向量机在电力系统短期负荷预测中的应用    关颖

数据挖掘中一种基于遗传算法改进的ID3算法    赵建峰

遗传算法在数据挖掘中的应用研究    颜富强

结构陶瓷材料断裂强度统计预测模型    杨晓光,熊昌炳

铁路客运量前景预测模型    高攀

事故预测模型的建立与应用    袁昌明,崔晓君

基于多变量灰色预测模型的多元线性回归模型    刘稳殿;王丰效;刘佑润;

一种新的预测模型及其应用    饶从军;王成;涂火年;

汽车整车销售预测模型的研究    程俊;

城市工程地质环境预测模型    杨闽中;方鸿琪;

一种用于大闭环火控系统的脱靶量预测模型    张卫民,康蓉莉

城市电力需求的灰色预测模型及其应用    牛东晓;

基于结核病预测模型的比较研究    李清江;

基于灰色马尔可夫模型的煤矿安全预测    鄢小彬;肖新平;

基于自适应神经模糊推理系统的服务业发展预测模型    罗荣桂;黄敏镁;

预测模型的选择及其智能化实现    王亮;刘豹;徐德民;

基于支持向量机的预测模型及应用    肖健华;吴今培;

一种新的企业市场预测模型及其比较研究    李阳旭;邓辉文;

城市区域经济、人口、能源、环境综合系统预测模型及应用    马志元;

一种新的疾病发病率预测模型研究    李兆芹;姚克敏;

一种新的疾病发病率预测模型研究    李兆芹;姚克敏;

全球煤炭产量的灰色预测模型    张晓晞;

基于神经网络的粮食产量预测模型    肖会敏;樊为刚;

“预测模型”要缓行    刘庆

华东化工销售员工设计价格预测模型见成效    特约记者 刘京涛

预测世界杯之外 大数据还能做什么    南方日报记者 彭琳　实习生 周鹏程

预测模型：推算SARS起落潮    本报记者 张超

机器“品肉师”替您“尝鲜”    本报记者 段佳

预测智能：管理复杂基础架构的锁钥    BMC首席IT技术官 Mahendra Durai　IDC顾问 Eric Hatcher Randy Perry

巧用Excel构建利润预测模型    张琳 赵伟

发挥信息化对就业的“增补效应”    杨宜勇（作者为国家发改委经济研究所副所长）

“孵化器”模式：大数据的垂直运营样本    本报记者 汤浔芳　实习记者 董文萍

深部找矿的探镜    本报记者 安丰

原发性肝癌术后转移复发分子预测模型的优化整合与临床转化    周闯

煤矿安全生产预测模型的研究    孙忠林

控制技术在投资预测模型建立中的应用研究    王冬光

中国能源供求预测模型及发展对策研究    张丽峰

灰色预测模型与灰色证据组合模型研究及应用    王育红

灰色预测技术及其应用研究    崔立志

灰色不确定系统建模的理论与方法研究    崔杰

异味强度预测模型及其在恶臭评价中应用研究    颜鲁春

我国CPI预测数量研究    陈玉海

小儿胎龄儿危险因素及其预测模型的研究    刘慧婷

汽车整车销售预测模型的研究    龙博学

我国农业灾害预测模型的研究    郭庆

话务量分析和多种预测模型的比较研究    陈蓉

灰色预测模型相关技术研究    王忠桃

破产预测模型的比较研究    彭旭

沙漠化预测模型及其定性分析    何巧玲

高校就业预测模型的初探    王娜

基于预测模型的预警集成系统在瓦斯安全管理中的应用    闫夏

基于Real-time PCR方法建立Escherichia coli O157:H7生长预测模型    张倩

汽车销售预测模型应用研究    刘瑞年