本文關(guān)鍵詞：某市燃?xì)庵虚L(zhǎng)期負(fù)荷預(yù)測(cè)方法的研究

  更多相關(guān)文章： 燃?xì)庳?fù)荷 負(fù)荷預(yù)測(cè) 關(guān)聯(lián)模型

【摘要】：與石油、煤炭等化石燃料相比,天然氣以其清潔、高效的特點(diǎn)得到了廣泛應(yīng)用。我國(guó)目前處于經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的重要時(shí)期,隨著城鎮(zhèn)化進(jìn)程不斷推進(jìn),為減少污染必須降低動(dòng)力煤使用量,天然氣的消費(fèi)將呈穩(wěn)步增長(zhǎng)態(tài)勢(shì),成為城市的重要能源。隨著天然氣工業(yè)的迅速發(fā)展和供氣規(guī)模的不斷擴(kuò)大,必然促使人們對(duì)燃?xì)夤芫W(wǎng)的規(guī)劃、運(yùn)行、維護(hù)和調(diào)峰儲(chǔ)氣提出了更高的要求,城市燃?xì)庠谑褂脮r(shí)存在的供需矛盾也將越來越突出。因此,通過分析燃?xì)庳?fù)荷的特點(diǎn)和規(guī)律對(duì)未來負(fù)荷進(jìn)行合理預(yù)測(cè)是解決上述問題的有效手段之一,具有積極的現(xiàn)實(shí)意義。研究從國(guó)內(nèi)外燃?xì)庳?fù)荷預(yù)測(cè)現(xiàn)狀出發(fā),并對(duì)常用的預(yù)測(cè)模型進(jìn)行了分析和比較。在對(duì)樣本城市進(jìn)行詳細(xì)調(diào)研的基礎(chǔ)上,選擇了對(duì)中長(zhǎng)期燃?xì)庳?fù)荷影響較大的關(guān)鍵因素;根據(jù)燃?xì)庳?fù)荷變化特點(diǎn),確定對(duì)單一模型進(jìn)行關(guān)聯(lián)更適用于該市燃?xì)庳?fù)荷預(yù)測(cè)。其中,針對(duì)中期負(fù)荷建立了基于時(shí)間序列法和RBF神經(jīng)網(wǎng)絡(luò)法的分解-組合模型、普通GM(1,N)模型和等維遞補(bǔ)GM(1,N)模型。為提高預(yù)測(cè)精度,使用方差優(yōu)選法將預(yù)測(cè)效果較好的分解-組合模型和等維遞補(bǔ)GM(1,N)模型進(jìn)行了關(guān)聯(lián)。針對(duì)長(zhǎng)期負(fù)荷建立了普通GM(1,N)模型和基于殘差修正的GM(1,N)模型。基于以上研究,采用樣本城市的燃?xì)庳?fù)荷數(shù)據(jù)對(duì)提出的預(yù)測(cè)模型進(jìn)行了實(shí)例驗(yàn)證,并采用精度檢驗(yàn)法和后驗(yàn)差檢驗(yàn)法對(duì)幾種負(fù)荷預(yù)測(cè)方法進(jìn)行了評(píng)價(jià)。結(jié)果表明,應(yīng)用分解-組合模型和等維遞補(bǔ)GM(1,N)模型進(jìn)行中期負(fù)荷預(yù)測(cè)的平均相對(duì)誤差分別為6.25%和8.34%,關(guān)聯(lián)模型的平均相對(duì)誤差為5.84%,且關(guān)聯(lián)模型的后驗(yàn)差比值和小誤差概率的等級(jí)均達(dá)到最優(yōu),說明關(guān)聯(lián)預(yù)測(cè)模型效果優(yōu)于單一預(yù)測(cè)模型,更適用于樣本城市中期燃?xì)庳?fù)荷預(yù)測(cè)。應(yīng)用普通GM(1,N)模型進(jìn)行長(zhǎng)期負(fù)荷預(yù)測(cè)的平均相對(duì)誤差為19.64%,基于殘差修正的GM(1,N)模型的平均相對(duì)誤差為4.45%,可以說明修正后的預(yù)測(cè)模型更適用于樣本城市長(zhǎng)期燃?xì)庳?fù)荷預(yù)測(cè)。
【關(guān)鍵詞】：燃?xì)庳?fù)荷 負(fù)荷預(yù)測(cè) 關(guān)聯(lián)模型
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TU996.3
【目錄】：

• 中文摘要5-6
• ABSTRACT6-9
• 1.緒論9-15
• 1.1 課題的研究背景及意義9-10
• 1.1.1 課題的研究背景9
• 1.1.2 課題的研究意義9-10
• 1.2 負(fù)荷預(yù)測(cè)方法及研究現(xiàn)狀綜述10-14
• 1.2.1 傳統(tǒng)數(shù)理統(tǒng)計(jì)方法10-11
• 1.2.2 人工智能預(yù)測(cè)方法11-13
• 1.2.3 組合預(yù)測(cè)方法13-14
• 1.3 本課題研究?jī)?nèi)容14-15
• 2.樣本城市燃?xì)庳?fù)荷特點(diǎn)分析15-22
• 2.1 城市燃?xì)庳?fù)荷的組成及規(guī)律15-19
• 2.2 城市燃?xì)庳?fù)荷趨勢(shì)分析19-20
• 2.3 城市燃?xì)庳?fù)荷變化的影響因素20-21
• 2.4 本章小結(jié)21-22
• 3.負(fù)荷影響因素的相關(guān)分析22-29
• 3.1 相關(guān)分析和偏相關(guān)分析理論22-25
• 3.1.1 相關(guān)分析理論22-24
• 3.1.2 偏相關(guān)分析理論24
• 3.1.3 相關(guān)關(guān)系判斷依據(jù)24-25
• 3.2 相關(guān)分析和偏相關(guān)分析的應(yīng)用25-27
• 3.2.1 雙變量相關(guān)分析的應(yīng)用25-26
• 3.2.2 偏相關(guān)分析的應(yīng)用26-27
• 3.3 影響因素的簡(jiǎn)化27
• 3.4 本章小結(jié)27-29
• 4.燃?xì)庳?fù)荷預(yù)測(cè)模型的選擇與建立29-49
• 4.1 負(fù)荷預(yù)測(cè)模型的選擇29-30
• 4.1.1 中期負(fù)荷預(yù)測(cè)模型的選擇29
• 4.1.2 長(zhǎng)期負(fù)荷預(yù)測(cè)模型的選擇29-30
• 4.2 離群數(shù)據(jù)的辨別與剔除30-31
• 4.2.1 離群數(shù)據(jù)的成因30
• 4.2.2 離群數(shù)據(jù)的辨識(shí)方法30
• 4.2.3 к-最近鄰距離法的原理及應(yīng)用30-31
• 4.3 灰色負(fù)荷預(yù)測(cè)模型的建立31-36
• 4.3.1 灰色GM(1，，1)模型的建立31-33
• 4.3.2 灰色GM(1，N)模型的建立33-35
• 4.3.3 等維遞補(bǔ)灰色GM(1，N)模型的建立35-36
• 4.3.4 基于殘差修正的灰色GM(1，N)模型的建立36
• 4.4 分解-組合預(yù)測(cè)模型的建立36-44
• 4.4.1 數(shù)據(jù)的趨勢(shì)性分解36-39
• 4.4.2 時(shí)間序列預(yù)測(cè)模型的建立39-42
• 4.4.3 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立42-44
• 4.5 模型的關(guān)聯(lián)44-45
• 4.6 模型的檢驗(yàn)45-48
• 4.6.1 精度檢驗(yàn)45-46
• 4.6.2 后驗(yàn)差檢驗(yàn)46-48
• 4.7 本章小結(jié)48-49
• 5.燃?xì)庳?fù)荷預(yù)測(cè)模型的應(yīng)用與求解49-62
• 5.1 中期燃?xì)庳?fù)荷預(yù)測(cè)模型的應(yīng)用與求解49-60
• 5.1.1 灰色模型的應(yīng)用與求解49-54
• 5.1.2 分解—組合模型的應(yīng)用與求解54-57
• 5.1.3 關(guān)聯(lián)模型的應(yīng)用與求解57-59
• 5.1.4 模型的檢驗(yàn)與評(píng)價(jià)59-60
• 5.2 長(zhǎng)期燃?xì)庳?fù)荷預(yù)測(cè)模型的應(yīng)用與求解60-61
• 5.3 本章小結(jié)61-62
• 6.結(jié)論與展望62-63
• 6.1 結(jié)論62
• 6.2 展望62-63
• 參考文獻(xiàn)63-69
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況69-70
• 致謝70-71
• 作者簡(jiǎn)介71-72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 韓旭;賴建波;馬俊峰;孫中飛;;燃?xì)庖?guī)劃用氣量的預(yù)測(cè)方法[J];煤氣與熱力;2015年08期

2 馬鑫龍;;城市燃?xì)庳?fù)荷預(yù)測(cè)方法及其分析[J];科技創(chuàng)新與應(yīng)用;2015年15期

3 張騰;任栻;梁平;田園;;城市燃?xì)夤芫W(wǎng)負(fù)荷預(yù)測(cè)及軟件開發(fā)[J];化工管理;2015年14期

4 余鳳;徐曉鐘;;基于優(yōu)化小波BP神經(jīng)網(wǎng)絡(luò)的燃?xì)舛唐谪?fù)荷預(yù)測(cè)[J];計(jì)算機(jī)仿真;2015年01期

5 龔承柱;李蘭蘭;楊娟;諸克軍;;基于EMD-PSR-LSSVM的城市燃?xì)夤芫W(wǎng)短期負(fù)荷預(yù)測(cè)[J];系統(tǒng)工程理論與實(shí)踐;2014年11期

6 張超;劉奕;張輝;黃弘;;基于支持向量機(jī)的城市燃?xì)馊肇?fù)荷預(yù)測(cè)方法研究[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

7 楊杰;翁文國(guó);;基于改進(jìn)無偏灰色模型的燃?xì)夤饬康念A(yù)測(cè)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

8 付濤;;基于BP_Adaboost模型的燃?xì)舛唐谪?fù)荷預(yù)測(cè)[J];科技通報(bào);2013年10期

9 康琪;林軍;;分解組合模型在短期燃?xì)忸A(yù)測(cè)中的應(yīng)用[J];微型機(jī)與應(yīng)用;2013年16期

10 張鴻彥;;燃?xì)馊沼脷庳?fù)荷預(yù)測(cè)模型的研究[J];河南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年02期

本文編號(hào)：1117490