基于EMD-近似熵和LSSVM的天然气短期负荷预测
天然气是一种重要的清洁能源,如何预知未来时刻的天然气负荷,对于燃气公司与上游气源及下游用户之间制定合适的商业计划具有重要的意义.针对天然气短期负荷预测问题,提出基于EMD(Empirical Mode Decomposition,EMD,经验模态分解)-近似熵和LSSVM (Least Squares Support Vector Machine,LSSVM,最小二乘支持向量机)的天然气短期负荷预测模型.首先,针对小波变换方法的不足,采用EMD方法对天然气短期负荷进行多尺度分析,为了减少计算规模及提高预测的准确性,通过EMD-近似熵,将天然气短期负荷时间序列分解为若干个复杂度差异明显的子序列;其次,对各子序列建立LSSVM预测模型,建立没有经过EMD处理的RBF (Radial Basis Function,RBF,径向基函数)神经网络和LSSVM预测模型;最后,以某市天然气门站实际采集的数据样本为算例进行研究.结果表明:EMD-LSSVM预测模型无论在训练时间和预测精度上均优于RBF神经网络预测模型,可满足天然气负荷预测的需要,为在线工程的实际应用提供了理论参考.
市政燃气供应 天然气 短期负荷 经验模态分解 近似熵 最小二乘支持向量机
乔伟彪 陈保东
中国石油大学(华东)储运与建筑工程学院,山东青岛266580;辽宁石油化工大学石油天然气工程学院,辽宁抚顺113001 辽宁石油化工大学石油天然气工程学院,辽宁抚顺113001
国内会议
深圳
中文
425-436
2015-10-01（万方平台首次上网日期，不代表论文的发表时间）