【技术实现步骤摘要】
基于不同小波分解阶数和层数的天然气需求预测方法
本专利技术属于天然气负荷预测的方法
,具体涉及基于不同小波分解阶数和层数的天然气需求预测方法。
技术介绍
在天然气供应系统,天然气负荷数据对于项目规划、工程设计、管道运行和优化调度至关重要,需要准确的需求预测以保证管网系统平衡,进而在最低成本下保证安全稳当的天然气供应。我国对天然气需求的预测多依赖于运行维护人员的经验,通过相似日的负荷水平来预测需求值,这种预测方式无法考虑到气候变化、突发情况等因素。因此,需要选择一种预测方式,减少对经验的依赖性,增加预测精度目标。需求预测的关键是预测方法。当前,天然气需求方法有经典统计方法,包括时间序列法、趋势外推法、回归模型预测技术等;另一种为人工智能法,诸如BP神经网络、遗传算法、支持向量机等;还有一种为组合预测技术,例如遗传算法与支持向量机(SVM)的组合技术、遗传算法与神经网络的集成技术等等。在这些方法中,经典统计方法大多基于线性数据预测,预测精度不高,不适用于非线性、复杂的天然气负荷预测;支持向量机能实现较为精确的预测,但仍存在可选核函数少、参数较多、计算量大、训练效率低等不足;组合技术与单一模型相比,具有更好的预测结果,如何集成与优化各种智能算法以提高预测精度是天然气需求预测的主要方向。
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基于不同小波分解阶数和层数的天然气需求预测方法,该方法能够提高天然气需求时间序列预测的预测精度。本专利技术的技术方案是:基于不同小波分解阶数和层数的天然气需求预测方法,包括如下方法步骤:(1)采集某市某天然气站的时负 ...
【技术保护点】
1.基于不同小波分解阶数和层数的天然气需求预测方法,其特征在于,包括如下方法步骤:(1)采集某市某天然气站的时负荷时间序列数据,在Daubechies、Symflets、Coiflets小波基函数分解层数不变的情况下,采用Daubechies、Symflets、Coiflets小波基函数不同阶数对采集的天然气时负荷时间序列数据进行分解,构建基于不同小波分解阶数和层数的天然气需求预测模型;(2)在Daubechies、Symflets、Coiflets小波基函数分解阶数不变的情况下,采用Daubechies、Symflets、Coiflets小波基函数不同层数对采集的天然气时负荷时间序列数据进行分解;(3)对Daubechies、Symflets、Coiflets小波基函数分解出来的最高层高频分量,采用RBF神经网络模型进行预测,对Daubechies、Symflets、Coiflets小波基函数分解出来的若干个低频分量,应用Elman神经网络进行预测,最后进行重构,对比Daubechies、Symflets、Coiflets小波基函数不同阶数对天然气需求的预测精度,同时对比Daubec ...
【技术特征摘要】
1.基于不同小波分解阶数和层数的天然气需求预测方法,其特征在于,包括如下方法步骤:(1)采集某市某天然气站的时负荷时间序列数据,在Daubechies、Symflets、Coiflets小波基函数分解层数不变的情况下,采用Daubechies、Symflets、Coiflets小波基函数不同阶数对采集的天然气时负荷时间序列数据进行分解,构建基于不同小波分解阶数和层数的天然气需求预测模型;(2)在Daubechies、Symflets、Coiflets小波基函数分解阶数不变的情况下,采用Daubechies、Symflets、Coiflets小波基函数不同层数对采集的天然气时负荷时间序列数据进行分解;(3)对Daubechies、Symflets、Coiflets小波基函数分解出来的最高层高频分量,采用RBF神经网络模型进行预测,对Daubechies、Symflets、Coiflets小波基函数分解出来的若干个低频分量,应用Elman神经网络进行预测,最后进行重构,对比Daubechies、Symflets、Coiflets小波基函数不同阶数对天然气需求的预测精度,同时对比Daubechies、Symflets、Coiflets小波基函数不同层数对天然气需求的预测精度。2.根据权利要求1所述基于不同小波分解阶数和层数的天然气需求预测方法,其特征在于,所述的步骤(1)中采用Daubechies、Symflets、Coiflets小波基函数不同阶数对采集的天然气时负荷时间序列数据进行分解具体过程为:①在Daubechies小波基函数分解层数为5层时,采用Daubechies小波基函数的阶数为1阶、2阶、4阶时分别对天然气时负荷时间序列数据进行分解;②在Symflets小波基函数分解层数为5层时,采用Symflets小波基函数阶数为2阶、3阶、7阶分别对天然气时负荷时间序列数据进行分解;③在Coiflets小波基函数分解层数5层时,采用Coiflets小波基函数的阶数为1阶、3阶、5阶分别对天然气时负荷时间序列数据进行分解。3.根据权利要求1所述基于不同小波分解阶数和层数的天然气需求预测方法,其特征在于,所述步骤(2)中采用Daubechies、Symflets、Coiflets小波基函数不同层数对采集的天然气时负荷时间序列数据进行分解的具体过程为:①在Daubechies小波基函数分解阶数为4阶的情况下,采用Daubechies小波基函数的层数为3层、5层、8层对天然气时负荷时间序列数据进行分解,分解出最高层高频分量;②在Symflets小波基函数分解阶数为7阶的情况下,采用Symflets小波基函数的层数为3层、5层、8层对天然气时负荷时间序列数据进行分解,分解出最高层高频分量;③在Coiflets小波基函数分解阶数为5阶的情况下,采用Coiflets小波基函数的层数为3层、5层、7层对天然气时负荷时间序列数据进行分解,分解出最高层高频分量。4.根据权利要求1所述基于不同小波分解阶数和层数的天然气需求预测方法,其特征在于,所述的步骤(3)的具体过程为:①Daubechies小波基函数分...
【专利技术属性】
技术研发人员:乔伟彪,唐兴华,刘德绪,银永明,仝淑月,尚德彬,龚金海,王利畏,倪建英,郑政彬,
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。