基于天然气用户画像的需求量预测方法研究

摘要：

随着"双碳"目标的提出和实施,中国的天然气需求量逐年上升.天然气用户日益增多,用户的用气特征和用气规律不断丰富,掌握用户的共性特征、准确预测短期用气需求量是天然气管道调度调峰的关键问题.采用用户画像的方法对天然气用户的用气特征进行提取,建立天然气用户画像体系,并且根据用户画像结果结合神经网络模型、时间序列模型、机器学习模型对天然气用户的用气需求量进行预测.研究表明,天然气用户画像体系可以由直观型、比值型、推导型三大类指标体系作为框架建立,根据用气规律的不同可以划分为居民用气、非居民用气等用户属性;针对不同种类的用户采用神经网络方法和现代机器学习算法进行用户的小时需求量预测,结果误差在10％以下;确定了用户适用的模型——ARIMA模型更适用于用气波动较小的非居民用户,BP网络模型及GA-BP模型更适用于用气波动较大的居民或公服用户.

关键词：用户画像、需求预测、天然气用户、用户聚类

所属期刊栏目：31

分类号：TU996;TP391;U491

资助基金：舟山市科技项目;中国石油大学北京项目;中国石油大学北京项目

在线出版日期：2023-09-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：37-47