The invention belongs to the technical field of natural gas load forecasting method, in particular to an urban natural gas hourly load forecasting method. Based on the actual collected data of urban natural gas gate station, the time-load time series of urban natural gas is decomposed by wavelet theory, especially coiflets wavelet. The decomposition layers are three layers and the decomposition order is three. The decomposed high-frequency components are predicted by BP neural network, and the decomposed low-frequency components are predicted by Elman neural network. Finally, the prediction results are reconstructed layer by layer, and the final prediction results are obtained. The results are compared with those predicted by using BP neural network and Elman neural network alone. The validity and advancement of the proposed urban natural gas hourly load forecasting technology based on Coifflets wavelet and BP Elman are verified. The present invention is a high precision and effective method for urban natural gas hourly load forecasting.
【技术实现步骤摘要】
一种城市天然气时负荷预测方法
本专利技术属于天然气负荷预测方法
,具体涉及一种城市天然气时负荷预测方法。
技术介绍
随着中国工业化和城市化进程的加速推进,各行各业对天然气的需求与日俱增,由于天然气产能严重不足和消费量快速增长,已对部分城市造成“气荒”,具体表现为:高峰时段,需求量过大,管网内气压相对较低,导致许多用户不能正常用气;低谷时段,需求量较少,燃气管网内部气压过高,威胁设备安全,使得管网运行效率低下。因此,短期天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义。然而,天然气负荷除具有以周、日的周期变化特点外,还受到天气、季节、节假日等诸多因素影响,导致天然气负荷波动十分频繁,呈高度非线性、时变性、分散性和随机性等特点,准确预测难度大。传统的天然气负荷预测方法包括线性回归分析法、时间序列法和灰色系统理论,但这些方法大多是基于线性数据预测的模型,因此不适合复杂的天然气负荷预测。
技术实现思路
本专利技术的目的在于针对现有技术中存在的问题提供一种基于Coiflets小波和BP-Elman的城市天然气时负荷预测方法,提高了城市天然气时负荷的预测精度。本专利技术的技术方案是:一种城市天然气时负荷预测方法,该预测方法基于Coiflets小波和BP-Elman,包括如下步骤:(1)采集某市某天然气站的时负荷时间序列数据,采用Coiflets小波对实际采集的城市天然气时负荷时间序列数据进行分解,构建基于Coiflets小波和BP-Elman的城市天然气时负荷预测模型;(2)应用BP神经网络对经Coiflets小波分解出来的 ...
【技术保护点】
1.一种城市天然气时负荷预测方法,其特征在于,该预测方法基于Coiflets小波和BP‑Elman,包括如下步骤:(1)采集某市某天然气站的时负荷时间序列数据,采用Coiflets小波对实际采集的城市天然气时负荷时间序列数据进行分解,分解出高频分量和低频分量,构建基于Coiflets小波和BP‑Elman的城市天然气时负荷预测模型;(2)应用BP神经网络对经Coiflets小波分解出来的高频分量进行预测,运用Elman神经网络对分解出来的低频分量进行预测;(3)对BP神经网络的预测结果和Elman神经网络的预测结果进行重构,并将重构结果与单独应用BP神经网络和Elman神经网络的预测结果进行对比,以确定构建的预测模型的预测精度和有效性。
【技术特征摘要】
1.一种城市天然气时负荷预测方法,其特征在于,该预测方法基于Coiflets小波和BP-Elman,包括如下步骤:(1)采集某市某天然气站的时负荷时间序列数据,采用Coiflets小波对实际采集的城市天然气时负荷时间序列数据进行分解,分解出高频分量和低频分量,构建基于Coiflets小波和BP-Elman的城市天然气时负荷预测模型;(2)应用BP神经网络对经Coiflets小波分解出来的高频分量进行预测,运用Elman神经网络对分解出来的低频分量进行预测;(3)对BP神经网络的预测结果和Elman神经网络的预测结果进行重构,并将重构结果与单独应用BP神经网络和Elman神经网络的预测结果进行对比,以确定构建的预测模型的预测精度和有效性。2.根据权利要求1所述一种城市天然气时负荷预测方法,其特征在于,所述的步骤(1)采用Coiflets小波对实际采集的城市天然气时负荷时间序列数据进行分解的具体过程为:采用Coiflets小波基函数对采集的城市天然气时负荷时间序列进行分解,分解阶数为3阶,分解层数为4层,分解出来4个高频分量包括第三层高频分量;4个低频分量包括第一层低频分量、第二层低频分量和第...
【专利技术属性】
技术研发人员:乔伟彪,刘德绪,唐兴华,王利畏,银永明,仝淑月,尚德彬,龚金海,
申请(专利权)人:中石化石油工程技术服务有限公司,中石化中原石油工程设计有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。