基于机器学习的原油管输能耗预测方法研究

• 作者: 侯磊 刘金海 孙欣 张鑫儒 徐磊 朱振宇 李雨 白小众 谷文渊 雷婷
• 来源期刊: 石油科学通报
• 关键词: 能耗预测 原油管道 分解技术 机器学习 反向传播神经网络
• 年，卷（期）: 2020,（4）
• 页码范围: 567-577
• 页数: 11页
• 语种: 中文
• DOI: 10.3969/j.issn.2096-1693.2020.04.050

摘要

准确的短期能耗预测是原油管道能耗管理的重要依据,有助于能耗目标设定、调度优化和机组组合.原油管道能耗主要体现在泵机组上消耗的电能,因此,有必要对原油管道电耗展开准确预测.传统预测方法通常忽略数据噪声干扰,对数据非线性特征的研究也不够深入,上述因素使原油管道能耗预测变得复杂.因此,提出一种将分解技术、分层抽样、改进粒子群算法和反向传播神经网络相结合的混合预测模型,模型由数据预处理、优化、预测和评价4个部分组成.采用数据分解技术去除冗余噪声,提取数据的主要特征;采用分层抽样对数据集进行划分,避免随机抽样引起的样本偏差;将改进粒子群算法优化后的反向传播神经网络作为预测器.针对我国3条原油管道,对提出的模型展开准确性评价,平均绝对百分误差分别为4.02％、3.58％和3.88％.研究表明,相比几种主流机器学习和SPS软件内的能耗预测模块,提出的预测模型具有较高的预测精度和较强的泛化能力,能被用于原油管道短期电耗预测.