关于天然气管网的短期燃气负荷优化预测研究

摘要：

由于短期天然气负荷受天气、温度和社会等多种复杂因素的影响而表现出非线性、非平稳的特性,在负荷曲线上表现为多种波动模态,而多数预测方法直接把影响因素引入到整体的燃气负荷中.为有效提高预测精度,提出一种采用经验模式分解(EMD)和粒子群小波神经网络(PSO_WNN)的短期燃气负荷预测方法.针对历史负荷中的不良数据,首先进行预处理,然后针对历史负荷序列的,再利用EMD按频率将负荷序列分解为固有模态IMF分量,小波神经网络(WNN)具有良好的非线性逼近能力和自学习能力,所以选择WNN预测模型,采用粒子群优化(PSO)算法的全局快速寻优优化小波神经网络的参数,增强预测模型的全局搜索能力,最后对各IMF建立PSO_WNN预测模型进行预测,对上述预测结果进行重构得到最终的预测结果.运用上述模型进行仿真,结果表明,该模型与单一的BP预测和EMD_WNN预测方法相比,预测精度比较高,为短期负荷优化预测提供了参考.

关键词：短期负荷预测、经验模式分解、粒子群算法、小波神经网络、预测精度

所属期刊栏目：33

分类号：TP391.9(计算技术、计算机技术)

资助基金：上海市科委项目11510502400

在线出版日期：2016-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：305-309