隨著我國天然氣行業(yè)的持續(xù)性發(fā)展,燃氣負荷預(yù)測已經(jīng)成為一項必不可少的工作。合理準確的預(yù)測對燃氣管網(wǎng)的建設(shè)、調(diào)度規(guī)劃以及運維管理等具有重要的參考意義與研究價值,因此有效提高燃氣負荷預(yù)測精度是目前急需解決的一項工程問題。首先,為了宏觀了解燃氣負荷預(yù)測的研究概況,本文介紹了燃氣負荷預(yù)測的研究背景、意義以及燃氣預(yù)測方面的相關(guān)知識。使讀者對燃氣負荷預(yù)測能夠有一定的了解,形成一個基本的燃氣負荷預(yù)測概念。其次,對燃氣數(shù)據(jù)進行特性分析及預(yù)處理操作。由于掌握數(shù)據(jù)的變化規(guī)律及發(fā)展趨勢是進行準確預(yù)測的基礎(chǔ),因此本文著重分析了負荷序列的內(nèi)在特性以及負荷的外在影響因素。使用統(tǒng)計學(xué)方法自相關(guān)圖以及單位根檢驗方法分析了負荷的不平穩(wěn)性,并且結(jié)合燃氣負荷趨勢圖分析了其年周期性、季節(jié)周期性以及周周期性。接著根據(jù)相關(guān)性系數(shù)計算得出燃氣負荷數(shù)據(jù)的主要影響因素,為模型輸入數(shù)據(jù)的確定提供了基礎(chǔ)。為應(yīng)對燃氣數(shù)據(jù)中由于各種原因不可避免地會產(chǎn)生一些不良數(shù)據(jù),本文使用一種改進的數(shù)據(jù)橫向比較法來對不良數(shù)據(jù)進行辨識與修正,保證負荷曲線整體的趨勢性及平滑性。然后本文介紹了LSTM神經(jīng)網(wǎng)絡(luò)及其優(yōu)化方法AE-LSTM與EEMD-LSTM,兩種優(yōu)化方法分別針對解決單一LSTM模型存在的兩個問題,即數(shù)據(jù)降維與減少不同信息干擾。雖然LSTM網(wǎng)絡(luò)具有獨特的記憶結(jié)構(gòu),可以存儲數(shù)據(jù)序列長期的時間相關(guān)性,解決了時間序列預(yù)測的前后信息關(guān)聯(lián)的問題。但是由于采樣的時間序列數(shù)據(jù)受多種復(fù)雜因素的影響包含了許多噪聲并且具有高維度的特征,而使用LSTM網(wǎng)絡(luò)只能挖掘不同時段相同維度上的時間數(shù)據(jù)信息,無法對數(shù)據(jù)進行多維度的特征提取。為了解決數(shù)據(jù)降維的問題,本文利用自動編碼器對影響因子進行特征提取來得到其高階特征表示,挖掘其深層次的特征因子并使用相關(guān)性分析進行驗證,建立了AE-LSTM模型并對模型結(jié)果進行對比分析。但AE-LSTM并未解決信息相互干擾影響LSTM模型預(yù)測結(jié)果的問題,因此本文利用信號處理方法EEMD得到負荷在不同尺度下的模態(tài)特征信息,消除噪聲等多種不同信息的相互影響。同時為了減少計算的冗余度,本文使用樣本熵算法按照分解結(jié)果復(fù)雜度的相似性重構(gòu)為具有顯著不同趨勢信息的分量。建立EEMD-LSTM模型并對結(jié)果進行分析與評估。兩個仿真實驗結(jié)果均證明了其各自算法的有效性,提升了LSTM模型的預(yù)測效果。最后為了進一步提高燃氣負荷預(yù)測精度,綜合解決LSTM網(wǎng)絡(luò)無法對時間序列數(shù)據(jù)進行多維度特征提取的問題,本文將上述兩種優(yōu)化算法與LSTM網(wǎng)絡(luò)進行系統(tǒng)的結(jié)構(gòu)化設(shè)計并融合,形成一種新的基于EEAE-LSTM多模型融合算法的燃氣負荷預(yù)測模型。該模型同時完成了影響因素與負荷序列兩個方面的特征提取,綜合考慮了兩種特征信息對負荷預(yù)測的影響。整體上彌補了LSTM網(wǎng)絡(luò)無法對高維影響因素進行特征因子提取的缺陷以及減少了不同特征尺度下負荷信息對最終預(yù)測結(jié)果的干擾程度。在模型預(yù)測過程中,自動編碼器生成的特征因子與EEMD樣本熵分解重構(gòu)后的各個分量組成分量訓(xùn)練矩陣,作為LSTM網(wǎng)絡(luò)的輸入數(shù)據(jù)建立預(yù)測模型。EEAE-LSTM模型全面考慮了燃氣數(shù)據(jù)影響因素的特征、負荷數(shù)據(jù)本身的內(nèi)在特征以及負荷數(shù)據(jù)時間尺度上的特征。通過建立EEAE-LSTM燃氣負荷預(yù)測模型,繼而與其他模型進行對比分析,最終證明了該模型的預(yù)測性能更優(yōu)。
【學(xué)位單位】：上海師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TU996.3
【部分圖文】：

氣的時代”。圖 1-1 2006-2018 年我國天然氣產(chǎn)量的發(fā)展變化圖十八大以來，中國天然氣的發(fā)展持續(xù)保持了穩(wěn)步發(fā)展態(tài)勢。圖 1-1 展示了2006-2018 年我國天然氣產(chǎn)量的發(fā)展變化情況（資料來源：國家統(tǒng)計局）。從圖中可以看出，天然氣產(chǎn)量從 2006 年的 586 億立方米，增至 2018 年的 1610 億立方米，穩(wěn)居世界第六位。從 2006-2018 年的天然氣產(chǎn)量增長率來看，雖然近 10年來增長速度有所放緩，增長率在 10%上下波動，但總體天然氣產(chǎn)量依然在穩(wěn)步增長。同時，如圖 1-2 為 2006-2018 年中國天然氣消費走勢圖（資料來源：國家統(tǒng)計局

圖 1-2 2006-2018 年中國天然氣消費走勢圖這些歷史統(tǒng)計數(shù)據(jù)的變化趨勢來看，我國天然氣發(fā)展迅猛。市場需求與國際水平差距較大。由此可以推斷我國的天然氣市場正處在發(fā)升空間很大。無論是年初國家發(fā)改委發(fā)布的天然氣發(fā)展“十三五”規(guī)份十三部委聯(lián)合印發(fā)的《關(guān)于加快推進天然氣利用的指導(dǎo)意見》，來中國天然氣產(chǎn)業(yè)發(fā)展強勁的增長勢頭。而言之，不論是在生活中，還是國民經(jīng)濟發(fā)展中，天然氣都發(fā)揮了用。同時政府大力提倡節(jié)能環(huán)保，有效地推動了天然氣行業(yè)的迅速的廣泛使用不僅減少了有毒氣體的排放量，同時也對周圍環(huán)境起到作用，真正實現(xiàn)了綠色環(huán)保的目的。因此這種清潔能源也逐漸受到和喜愛，并得到了十分廣泛的應(yīng)用。但總的來說，天然氣并未得到利用，迄今為止，還遠遠無法滿足于市場發(fā)展需求。據(jù)目前的資源狀況和市場需求，中國已處于天然氣管道建設(shè)高潮期成了以四川、鄂爾多斯、塔里木、柴達木、鶯瓊、東海 6 大盆地為源區(qū)和渤海灣、松遼、準噶爾 3 大盆地氣層氣與溶解氣共存資源區(qū)

圖 2-1 原始數(shù)據(jù)時序圖1) 自相關(guān)圖檢驗不同時間序列由于其內(nèi)在模式的不同而具有不同形式的自相關(guān)函數(shù)。因此可分析時間序列的自相關(guān)圖來判斷燃氣負荷數(shù)據(jù)序列的穩(wěn)定性。一般地, 由樣本據(jù)即觀測序列計算出樣本自相關(guān)函數(shù)k ，如公式（2-1）。
【相似文獻】

相關(guān)期刊論文 前10條

1 葉鄭庚;;采用聯(lián)系數(shù)與蒙特卡洛模擬的規(guī)�；妱悠嚦潆娯摵深A(yù)測[J];電器與能效管理技術(shù);2019年20期

2 王利軍;;配電網(wǎng)規(guī)劃中負荷預(yù)測實際問題及措施[J];通訊世界;2017年22期

3 黃慶仕;陳冬灃;肖建華;;電力用戶側(cè)大數(shù)據(jù)分析與并行負荷預(yù)測研究[J];自動化應(yīng)用;2016年11期

4 李凡;;電力檢修中負荷預(yù)測技術(shù)的發(fā)展現(xiàn)狀研究[J];民營科技;2016年12期

5 肖燃;;基于電力載波通信的居民用電負荷預(yù)測大數(shù)據(jù)應(yīng)用[J];科技創(chuàng)新與應(yīng)用;2017年04期

6 邢亞虹;杜欣慧;;基于貪婪算法的配電網(wǎng)網(wǎng)格負荷預(yù)測與規(guī)劃方法[J];計算機工程;2016年11期

7 劉愛連;梁濤;;負荷預(yù)測在煤改電工程的應(yīng)用分析[J];電氣時代;2017年05期

8 尚芳屹;李潔;;組合預(yù)測在飽和負荷預(yù)測中的應(yīng)用[J];電力與能源;2017年02期

9 謝毓廣;郭力;;基于區(qū)域負荷預(yù)測值綜合評價的大電網(wǎng)短期負荷預(yù)測[J];電氣應(yīng)用;2017年11期

10 肖白;李科;田春箏;王璟;何茜;張凱;;空間負荷預(yù)測中確定元胞負荷合理最大值的主成分分析法[J];電測與儀表;2017年14期

相關(guān)博士學(xué)位論文 前10條

1 王毅星;基于深度學(xué)習(xí)和遷移學(xué)習(xí)的電力數(shù)據(jù)挖掘技術(shù)研究[D];浙江大學(xué);2019年

2 楊奎河;短期電力負荷的智能化預(yù)測方法研究[D];西安電子科技大學(xué);2004年

3 張智晟;基于多元理論融合的電力系統(tǒng)短期負荷預(yù)測的研究[D];天津大學(xué);2004年

4 苗艷姝;城市燃氣負荷預(yù)測的研究[D];哈爾濱工業(yè)大學(xué);2006年

5 張昀;電力系統(tǒng)短期負荷智能化預(yù)測方法[D];重慶大學(xué);2011年

6 翟文鵬;基于負荷預(yù)測和設(shè)定點優(yōu)化的制冷系統(tǒng)模型預(yù)測控制方法研究[D];天津大學(xué);2012年

7 孫謙;母線負荷預(yù)測技術(shù)及負荷特性對電網(wǎng)影響的研究[D];湖南大學(xué);2013年

8 張石;微電網(wǎng)規(guī)劃及運行決策中若干問題研究[D];東北大學(xué);2011年

9 鄧佳佳;考慮分布式能源的電力系統(tǒng)優(yōu)化運營模型研究[D];華北電力大學(xué);2012年

10 石磊;基于負荷預(yù)測在線修正的冰蓄冷空調(diào)系統(tǒng)優(yōu)化運行研究[D];西安建筑科技大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 魯?shù)?售電側(cè)開放市場環(huán)境下的短期負荷預(yù)測方法研究[D];廣東工業(yè)大學(xué);2019年

2 黃圣權(quán);基于深度學(xué)習(xí)的短期電力負荷預(yù)測[D];廣東工業(yè)大學(xué);2019年

3 寸馨;面向兩級市場環(huán)境的精度效益雙優(yōu)化[D];廣東工業(yè)大學(xué);2019年

4 舒漫;XGBoost算法在成都市燃氣負荷預(yù)測分析中的應(yīng)用[D];成都理工大學(xué);2019年

5 王曉霞;基于EEAE-LSTM多模型融合算法的燃氣負荷預(yù)測[D];上海師范大學(xué);2019年

6 陳學(xué)良;基于深度學(xué)習(xí)的負荷預(yù)測和用戶側(cè)光儲動態(tài)優(yōu)化策略的研究[D];北京交通大學(xué);2019年

7 莫霜葉;新一代智能園區(qū)用電能效優(yōu)化策略研究[D];湖南工業(yè)大學(xué);2019年

8 宇文敏睿;面向電網(wǎng)規(guī)劃的負荷特性及負荷預(yù)測研究[D];北京交通大學(xué);2019年

9 李杰;面向售電商的電力負荷日前預(yù)測模型研究[D];華北電力大學(xué);2019年

10 李晨;考慮電動汽車并網(wǎng)的空間負荷預(yù)測研究[D];華北電力大學(xué)(北京);2019年

本文編號：2864311