基于經驗模式分解和優(yōu)化神經網絡的燃氣負荷預測研究.pdf

1、天然氣因其安全可靠、潔凈環(huán)保的優(yōu)點受到廣泛的應用，目前，我國城市用氣規(guī)模不斷擴大，燃氣管網也越來越復雜和龐大，對燃氣管網的建設、維護、調峰以及儲氣等方面的要求也不斷提高，負荷預測是上述工作的一個重要參考依據，所以負荷預測方法得以廣泛的研究，改善預測精度也比較重要。
　　本文首先對燃氣負荷預測的研究背景和現狀以及預測基礎知識進行了介紹，由于系統或人為原因，必然會產生不良數據，真實的負荷變化規(guī)律就不能被發(fā)現，而歷史負荷數據的準確性是影

2、響預測精度的重要環(huán)節(jié)，所以對不良數據的發(fā)現及預處理進行了詳細分析，包括缺失數據的填補、異常數據的修正和文字信息的量化處理。然后簡要分析了文中建立負荷預測模型所用到的關鍵技術，包括BP神經網絡、線性神經網絡、粒子群算法以及經驗模式分解的基本原理，為實驗環(huán)節(jié)的燃氣負荷預測模型的建立及仿真準備了理論基礎。
　　接著是文章的重要部分，即負荷預測模型的建立和仿真實驗。由于粒子群算法的全局搜索能力，首先建立PSO_BP預測模型進行仿真。針對基

3、本算法的缺點，本文做出了一些改進：采用根據適應值自適應調整的慣性權重w。當粒子的適應值小于平均適應值時，對應一個較小的權重，使粒子的局部能力增強；當粒子的適應值大于平均適應值時，說明粒子的質量不高，應該增大w，使粒子向更優(yōu)的方向搜索，增加全局搜索能力；采用Logistic映射將粒子映射為混沌變量，利用混沌的遍歷性進行搜索，避免 PSO算法陷入局部極小值；局部搜索。對粒子群進行初始化，得到當前最優(yōu)值之后，選出前1/5的最優(yōu)粒子進行混沌搜索

4、。最后提出了新的改進粒子群算法ACLSPSO,并建立ACLSPSO優(yōu)化神經網絡預測模型進行預測仿真,證明改進算法的有效性。
　　最后，對燃氣負荷特性進行了分析，提出在負荷預測模型中引入EMD設想，并分析了將EMD用于燃氣負荷預測的可行性，建立經驗模式分解和ACLSPSO優(yōu)化神經網絡預測模型進行預測仿真，燃氣負荷被分解分解成幾個模式分量，針對各分量建立合適的燃氣負荷預測模型進行預測仿真，再擬合出總的預測結果，并給出預測結果和對比實驗