北方农村燃气日负荷预测的BP神经网络优化

作     者：徐鹏 杜景勃 张飞龙 刘伟 XU Peng;DU Jingbo;ZHANG Feilong;LIU Wei

作者机构：北京建筑大学供热供燃气通风及空调工程北京市重点实验室北京100044 北京建筑大学燃气研究中心北京100044 北京市煤气热力工程设计院有限公司北京100032 

基　　金：2022年度北京建筑大学研究生创新项目(PG2022055) 内蒙古自治区科技重大专项(2021ZD0038) 

出 版 物：《煤气与热力》 (Gas & Heat)

年 卷 期：2022年第42卷第8期

页      码：1-8页

摘      要：在调研部分农村地区煤改气居民用户实际用气情况的基础上,建立了一种基于小波阈值去噪和采用遗传算法优化BP神经网络的短期燃气负荷预测模型(称为GA-BP神经网络预测模型)。以华北地区农村煤改气居民用户作为研究对象,对974户管道天然气居民用户2018年1月—2021年12月的日用气量进行采集。对采集数据进行小波阈值去噪处理,进行日负荷预测影响因素的选择及量化。将负荷预测影响因素和日负荷组成的数据集划分为训练集和测试集,对BP神经网络预测模型、GA-BP神经网络预测模型进行训练和测试。将两种模型的日负荷预测值与真实值进行对比,并将两种模型的评价指标进行对比,验证两种预测模型的准确性。研究结论如下。小波阈值去噪处理去噪效果良好,可用于燃气日负荷预测数据预处理。日平均温度、天气类型、节假日情况、前一日用气量、供暖情况是影响燃气日负荷预测的5个主要影响因素。有必要关注供暖过渡期的日负荷变化。这段时期温差变化大,用气情况复杂多变,对供气不确定性影响较大。对这部分的合理处理可以有效减小预测误差。日平均温度是影响农村居民用气非常重要的因素。遗传算法对BP神经网络的优化,可以很好地为网络初始权值和阈值的确定提供依据,优化了网络参数。相较于BP神经网络,GA-BP神经网络的稳定性提高,预测误差减小,预测精度提高。GA-BP神经网络预测模型应用于燃气日负荷预测是可行的。

主 题 词：燃气负荷预测 短期预测 小波阈值去噪 遗传算法 BP神经网络 

学科分类：08[工学] 081404[081404] 0814[工学-地质类] 

D　O　I：10.13608/j.cnki.1000-4416.2022.08.005

馆 藏 号：203114067...