含“气代煤”用户的城市燃气用气量规律及负荷预测技术研究

作     者：于铭多 

作者单位：北京建筑大学 

学位级别：硕士

导师姓名：郝学军;邢琳琳

授予年度：2022年

学科分类：08[工学] 081404[工学-供热、供燃气、通风及空调工程] 0814[工学-土木工程] 

主      题：燃气用气量分析 燃气负荷预测 分组预测 神经网络 优化算法 

摘      要：燃煤是雾霾形成的重要原因之一,是治理大气污染需要重点管控的突出问题。随着“双碳目标的提出,天然气作为一种清洁、优质的低碳能源,在燃料的消耗比例中逐年增加,行业的发展越来越受到重视,在生产生活中起到了不可或缺的作用。但是有些实施“煤改气政策后的城市出现了天然气供应紧张现象,为了优化城市燃气管网调度运行,更好地保障燃气供应系统安全可靠地运行,本文对含“气代煤用户的城市燃气用气量规律进行分析,并对城市燃气日负荷预测技术进行研究,最后建立一种基于KPCA-IPSO-GRU的组合预测模型,为未来城市燃气日负荷预测提供指导作用。首先,以华北某含“气代煤用户的城市为例,对燃气日用气量变化规律进行分析,探究影响因素对燃气日负荷的影响。其次,对历史数据进行预处理,采用局部异常因子法检测离群值并将其剔除,随后采用拉格朗日插值法对缺失值进行填补。接着根据燃气日用气量规律及特性将全年数据分为供暖季、过渡季和非供暖季,分别建立三个时期的BP、LSTM、GRU神经网络预测模型,其中GRU模型具有较好的预测效果。因考虑的影响因素较多,模型的输入特征较为复杂,进而影响模型的性能。针对这一问题,本文采用核主成分分析法将输入特征降维,同时又避免了信息的丢失。另外,神经网络预测模型的学习率及隐藏层中的参数等难以确定,本文提出一种令惯性权重以正弦函数变化的改进粒子群优化算法对神经网络进行优化,从而提高模型的预测精度。由此,本文提出一种基于分组数据的KPCA-IPSOGRU城市燃气日负荷预测模型,应用于城市燃气负荷预测,并与其他单一模型以及IPSO-GRU、KPCA-GRU模型进行比较。最后,为了验证分组数据预测模型的有效性,建立基于全年数据的燃气负荷预测模型进行对比,结果显示本文所提基于分组数据的KPCA-IPSO-GRU燃气日负荷预测模型具有较高的预测精度和可行性。