关于天然气管网的短期燃气负荷优化预测研究

• 作者: 代军委 张少平 徐晓钟
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 短期负荷预测 经验模式分解 粒子群算法 小波神经网络 预测精度
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 仿真智能化
• 页码范围: 305-309
• 页数: 5页
• 分类号: TP391.9
• 字数: 3642字
• 语种: 中文

摘要

由于短期天然气负荷受天气、温度和社会等多种复杂因素的影响而表现出非线性、非平稳的特性,在负荷曲线上表现为多种波动模态,而多数预测方法直接把影响因素引入到整体的燃气负荷中.为有效提高预测精度,提出一种采用经验模式分解(EMD)和粒子群小波神经网络(PSO_WNN)的短期燃气负荷预测方法.针对历史负荷中的不良数据,首先进行预处理,然后针对历史负荷序列的,再利用EMD按频率将负荷序列分解为固有模态IMF分量,小波神经网络(WNN)具有良好的非线性逼近能力和自学习能力,所以选择WNN预测模型,采用粒子群优化(PSO)算法的全局快速寻优优化小波神经网络的参数,增强预测模型的全局搜索能力,最后对各IMF建立PSO_WNN预测模型进行预测,对上述预测结果进行重构得到最终的预测结果.运用上述模型进行仿真,结果表明,该模型与单一的BP预测和EMD_WNN预测方法相比,预测精度比较高,为短期负荷优化预测提供了参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐晓钟	上海师范大学信息与机电工程学院	25	214	8.0	14.0
2	代军委	北京信息科技大学自动化学院	4	21	2.0	4.0
3	张少平	上海师范大学信息与机电工程学院	3	23	3.0	3.0