检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

三支残差修正的燃气负荷预测

计算机工程与应用 2022年第22期58卷 291-296页

作者：王兵吴思琪方宇西南石油大学计算机科学学院成都610500

燃气负荷的准确预测对于燃气调度、规划燃气使用有着重要的意义。单一的预测模型在燃气负荷预测中不能取得很好的预测效果,故基于燃气负荷数据的特点设计了一种三支残差修正的燃气负荷组合预测模型。首先基于燃气负荷数据特点,采用鲁棒... 详细信息

燃气负荷的准确预测对于燃气调度、规划燃气使用有着重要的意义。单一的预测模型在燃气负荷预测中不能取得很好的预测效果,故基于燃气负荷数据的特点设计了一种三支残差修正的燃气负荷组合预测模型。首先基于燃气负荷数据特点,采用鲁棒局部加权回归对负荷序列进行了分解,针对分解后的趋势项、周期项、余项设计了ARIMA(autoregressive integrated moving average)和LightGBM(light gradient boosting machine)的组合预测模型,然后结合三支决策理论设计了三支残差修正法对LightGBM的预测结果进行修正。实验结果表明该组合模型的表现良好,预测效果优于常见单一模型。

关键词：燃气负荷预测三支决策时序预测 ARIMA LightGBM 鲁棒局部加权回归

基于IPSO算法优化GRU神经网络的燃气负荷预测

在线全文

学校读者我要写书评

暂无评论

传感器与微系统 2023年第2期42卷 126-129页

作者：海文龙王亚慧王怀秀北京建筑大学电气与信息工程学院北京100044

燃气负荷具有非平稳性、非线性等特点,机理建模困难。为寻求更准确的燃气负荷预测方法,提出一种基于改进粒子群(IPSO)算法优化门控循环单元(GRU)的燃气负荷预测模型。首先,确定了模型的结构与输入变量;然后,针对长短期记忆(LSTM)神经网... 详细信息

燃气负荷具有非平稳性、非线性等特点,机理建模困难。为寻求更准确的燃气负荷预测方法,提出一种基于改进粒子群(IPSO)算法优化门控循环单元(GRU)的燃气负荷预测模型。首先,确定了模型的结构与输入变量;然后,针对长短期记忆(LSTM)神经网络复杂度高,训练速度慢的问题,提出采用相较于LSTM单元结构更加简单的GRU作为预测模型,并采用粒子群优化(PSO)算法对GRU网络参数进行优化,引入非线性惯性权重对PSO算法进行改进。实验表明:所提模型相对误差为1%,精度高于传统LSTM与GRU模型。

关键词：燃气负荷预测粒子群优化算法长短期记忆神经网络非线性惯性权重门控循环单元

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于双重注意力的燃气负荷预测方法

基于双重注意力的燃气负荷预测方法

作者：胡祥上海师范大学

学位级别：硕士

城市燃气管网系统是城市重要的能源供应系统。燃气负荷预测是其非常重要的功能,对城市燃气合理并安全的利用具有举足轻重的意义。在现今众多的燃气预测方法中,门控循环单元(GRU)已经成为一个主流方法,能较好的挖掘燃气负荷数据的自相关... 详细信息

城市燃气管网系统是城市重要的能源供应系统。燃气负荷预测是其非常重要的功能,对城市燃气合理并安全的利用具有举足轻重的意义。在现今众多的燃气预测方法中,门控循环单元(GRU)已经成为一个主流方法,能较好的挖掘燃气负荷数据的自相关特征及其他特征。本文在采用GRU进行燃气负荷预测的研究中发现该方法在时序维度上捕获信息的能力仍旧显得较弱,很难得到精确的预测结果。对此常用的解决方法是采用注意力机制强化时序信息的挖掘能力。本文主要工作是设计有效精确的燃气负荷预测模型并对其中注意力提升机制进行研究改进,提出基于距离相关系数的注意力评价函数并引入自变窗口改进注意力的关注范围使注意力机制更有效的挖掘数据信息,从而更好地与GRU协同工作;并在以上工作基础上,采用基于双重注意力的方案完善优化燃气负荷预测模型。整个研究工作使用实际燃气负荷数据进行了验证,其中对注意力机制的研究中也同时采用了公开数据进行了验证对比试验。本文的创新点如下:(1)提出了基于距离相关系数的注意力评价函数。基于距离相关系数的注意力评价函数与常用评价函数(点积、余弦相似度等)不同,它通过计算两个变量在空间中的距离相关性来衡量两者之间的相似度,从而能够捕捉变量之间的线性和非线性关系,弥补了现有注意力机制中常用评价函数各自存在的缺陷。(2)设计了基于自变窗口(SVW)的注意力提升方法。该自变窗口是一种以时间序列当前时刻为固定起点的单向伸缩窗口,窗口的大小代表了注意力关注的范围并通过模型预测的结果自适应调节,进一步突出了关键时刻的影响力,解决了传统全局注意力计算开销大且存在注意力泛化的问题。(3)为达到更好的预测效果,本文结合燃气数据的特性,对基于GRU的模型结构作出改进调整,采用基于双重注意力的方案改进优化燃气负荷预测模型。利用特征注意力和时序注意力分别挖掘特征信息的关联性和时序信息的依赖性,双维度强化了GRU网络对燃气数据潜在信息的深度挖掘能力。本文所设计的针对燃气负荷数据的预测模型与长短期记忆网络(LSTM)、梯度提升决策树(GBDT)等常用负荷类预测模型对比实验表明,其预测效果较好,平均绝对百分比误差(MAPE)相较其他对比模型中最优值低14.38%。

关键词：燃气负荷预测门控循环单元注意力机制自变窗口评价函数距离相关系数

基于残差修正的燃气负荷预测模型的研究与应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于残差修正的燃气负荷预测模型的研究与应用

作者：吴思琪西南石油大学

学位级别：硕士

在经济发展和能源结构调整的双重背景下,以天然气为主的燃气行业发展迅速,燃气需求大幅增长。在燃气供应过程中,同时保障供气充足和保证供气经济适度的供求矛盾随着燃气行业的发展日益凸显。燃气负荷预测是燃气供应调度、规划燃气使用... 详细信息

在经济发展和能源结构调整的双重背景下,以天然气为主的燃气行业发展迅速,燃气需求大幅增长。在燃气供应过程中,同时保障供气充足和保证供气经济适度的供求矛盾随着燃气行业的发展日益凸显。燃气负荷预测是燃气供应调度、规划燃气使用的重要依据,其准确性对储气调峰、合理供气具有重要作用。由于燃气负荷受到生产活动、外部环境等因素影响呈现复杂性,单一的预测模型从中充分提取有效信息的能力欠佳,因此需要探索更为合理的燃气负荷预测方法,从而缓解供需矛盾,保障安全、经济供气。本文从燃气负荷数据特点出发,以建立短期的燃气日负荷预测模型为目的,主要进行了以下几方面工作:1.针对燃气负荷数据的复杂性特点,进行了燃气负荷数据探索性分析、预处理与特征筛选。首先结合图像分析、ADF(Augmented Dickey-Fuller)检验、相关系数对燃气负荷数据进行周期性、平稳性、负荷影响因素的分析;然后对负荷数据进行空值填充、异常值识别与修正、无量纲化和编码等预处理;最后根据XGBoost模型的特征重要性对建模特征进行筛选,获得了建模的数据结构。2.针对使用单一模型进行燃气负荷预测的局限性,引入STL(Seasonal and Trend decomposition using Loess)分解方法,建立了 DA-LGBM(Double ARIMA and LightGBM Model)组合预测模型。首先使用STL对燃气负荷序列进行分解,得到趋势项、周期项和余项三个燃气负荷分量;然后对分量进行分别建模,基于实验结果与分析选择了ARIMA(Autoregressive Integrated Moving Average model)模型用于趋势项与周期项预测,LightGBM(Light Gradient Boosting Machine)用于余项预测;最后对选定的三个分量模型进行组合,建立了 DA-LGBM预测模型。实验结果表明:相较于6种单一模型和4种组合模型,DA-LGBM模型均具有更好的预测效果。3.为了改善DA-LGBM模型在部分点预测值与真实值差异较大的问题,引入三支决策理论,提出三支残差修正法(Three-way Residual Correction,3WRC)用于DA-LGBM模型的优化,建立了 DA-LGBM-3WRC(Double ARIMA and LightGBM Model with Three-way Residual Correction)模型。三支残差修正法得到的三支修正残差与DA-LGBM模型的预测值相加作为DA-LGBM-3WRC模型的最终结果。实验结果表明:相较于优化前的DA-LGBM模型,优化后的DA-LGBM-3WRC模型平均绝对误差降低了 3.9%,均方根误差降低了 2.3%。为进一步探索阈值确定方式对三支残差修正法的影响,比较了两种不同阈值确定方式(K-means和高斯混合聚类)的三支残差修正法,实验结果表明使用K-means的三支残差修正法更优。4.设计并实现了燃气负荷管理系统。调研分析燃气公司业务需求,结合本文提出的燃气负荷预测模型,设计并实现了燃气负荷管理系统。系统包含了用户管理、负荷数据管理、负荷分析和负荷预测四个功能模块,为燃气负荷的有效预测和数据管理提供了平台。

关键词：燃气负荷预测三支决策 ARIMA LightGBM STL分解

基于变分模态分解和GRU模型的燃气负荷预测研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于变分模态分解和GRU模型的燃气负荷预测研究

作者：王顺群贵州大学

学位级别：硕士

随着全国环境保护意识的增强及“十四五”规划“双碳”目标的提出,天然气将在我国能源绿色低碳转型中发挥关键作用。“十四五”及未来的一段时间,根据我国“双碳”目标的发展方向和经济的发展趋势,天然气将逐渐取代煤炭在传统燃料中的位... 详细信息

随着全国环境保护意识的增强及“十四五”规划“双碳”目标的提出,天然气将在我国能源绿色低碳转型中发挥关键作用。“十四五”及未来的一段时间,根据我国“双碳”目标的发展方向和经济的发展趋势,天然气将逐渐取代煤炭在传统燃料中的位置,燃气用量将持续增长。燃气负荷预测的准确性对燃气管网的供需平衡、运行成本、安全稳定具有重要影响。因此,探索高精度的燃气负荷预测新模型、确保城市用户安全稳定的用气需求非常重要。由于燃气负荷的变化受经济、天气状况、人们生活习惯等因素的影响,若直接输入模型中进行预测,会降低负荷预测模型学习负荷数据变化规律的能力,不利于提高负荷预测的准确性。为此,本文通过对G市的燃气负荷数据进行特性分析,得到G市的燃气负荷数据具有趋势性、周期性和随机性三种基本特征。本文使用VMD算法对燃气负荷进行分解,并与EMD算法分解后的模态分量进行对比分析,结果表明,VMD算法克服了EMD算法在分解时容易出现模态重叠和端点效应的问题,分解后的模态分量(IMF)更好的反映了燃气负荷的特性。在此基础上,本文提出了一种基于变分模态分解(VMD)和循环门单元(GRU)的循环神经网络负荷预测组合模型,利用G市2017年至2020年的实际燃气负荷数据作为基础数据。首先,对G市的燃气负荷数据进行预处理,使用VMD算法对处理好的燃气负荷数据进行分解,得到K个相对平稳的模态分量(IMF)。其次,计算各模态分量(IMF)的样本熵(SE)值,将样本熵值相似的模态分量(IMF)叠加后重构为3个新的模态分量(IMF),每种模态分量分别代表一种燃气负荷的基本特征。最后,使用Matlab仿真软件建立3个GRU负荷预测模型,分别将重构后的模态分量输入模型中进行了仿真预测。将3个模态分量的GRU负荷预测模型预测结果直接累加后得到G市的燃气负荷预测结果,预测结果的平均绝对百分比误差为3.27%。与其他负荷预测模型的实验结果对比,揭示了本文提出的VMD-SE-GRU负荷预测组合模型充分体现了VMD算法和GRU模型的优点,提高了负荷预测的精度和运行效率。此外,为了验证VMD-SE-GRU负荷预测模型的有效性和适用性,本文选用L市的燃气负荷作为验证数据,采用相同的数据处理方法和负荷预测模型进行负荷预测,根据L市的负荷预测结果较好的验证了本文提出的VMD-SE-GRU负荷预测模型的有效性和适用性。

关键词：燃气负荷预测组合预测变分模态分解样本熵循环神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

燃气负荷预测技术综述

上海煤气 2023年第4期 16-19页

作者：郝现英陈志光王建林雷行同济大学机械与能源工程学院长沙新奥燃气有限公司

天然气的应用和发展对我国实现“双碳”目标意义重大。随着我国燃气市场规模的扩大,燃气供需变化越来越复杂,燃气负荷预测技术持续受到关注。系统介绍燃气负荷预测方法中常用的数理统计预测法、人工智能预测法及组合预测法,总结燃气负... 详细信息

天然气的应用和发展对我国实现“双碳”目标意义重大。随着我国燃气市场规模的扩大,燃气供需变化越来越复杂,燃气负荷预测技术持续受到关注。系统介绍燃气负荷预测方法中常用的数理统计预测法、人工智能预测法及组合预测法,总结燃气负荷预测技术的发展现状及应用特点,介绍国内外燃气负荷预测软件的应用,探讨并展望目前我国燃气负荷预测技术在发展中存在的问题及未来发展方向。

关键词：天然气燃气负荷预测数理统计预测法人工智能预测法组合预测法负荷预测软件

基于ARIMA结合ConvLSTM的燃气负荷预测

在线全文

学校读者我要写书评

暂无评论

微电子学与计算机 2022年第1期39卷 62-70页

作者：海文龙王亚慧宋洋王怀秀北京建筑大学电气与信息工程学院北京100044

燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种... 详细信息

燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种基于自回归移动平均模型(ARIMA)与卷积长短时神经网络(ConvLSTM)结合的燃气负荷预测模型.首先,选取皮尔逊相关系数对燃气负荷数据进行分析,筛选与燃气负荷相关性强的变量作为模型的输入.其次,采用ARIMA模型去除数据的趋势性使其平稳化,利用ConvLSTM模型提取数据中的时空特征,并对ARIMA-ConvLSTM模型的参数进行寻优.最后,通过燃气负荷数据对模型进行训练和验证.实验结果表明,ARIMA-ConvLSTM模型的预测准确率为98.65%,在均方根误差、平均绝对误差、绝对误差百分比方面均优于ARIMA模型、ConvLSTM模型和CNN-LSTM并行组合模型.

关键词：燃气负荷预测自回归移动平均模型卷积长短时神经网络卷积神经网络长短时记忆网络

在线全文

学校读者我要写书评

暂无评论

基于组合方法的短期燃气负荷预测技术探究

科学技术创新 2022年第9期 73-76页

作者：王晓兰杭州宸诺投资有限公司浙江杭州310057

燃气负荷预测能够为燃气公司制定科学的供气方案、提高燃气使用效率、保证自身经济效益提供必要的支持。通过构建负荷预测模型,以历史负荷数据为基础,寻找燃气使用变化规律,可以对未来一定时间段内的燃气负荷值进行准确预测。本文首先... 详细信息

燃气负荷预测能够为燃气公司制定科学的供气方案、提高燃气使用效率、保证自身经济效益提供必要的支持。通过构建负荷预测模型,以历史负荷数据为基础,寻找燃气使用变化规律,可以对未来一定时间段内的燃气负荷值进行准确预测。本文首先介绍了常用的几种短期负荷预测技术,如SVM支持向量机预测、BP神经网络预测、小波分析法等。随后提出了一种将神经网络与小波分析相结合的负荷预测理论,并对该组合方法的负荷预测方式、算法流程进行了简要概述。通过设计仿真实验,证明了小波神经网络在短期燃气负荷预测方面,平均绝对误差、标准误差更小,预测结果精度更高。

关键词：燃气负荷预测小波分析法支持向量机小波神经网络

在线全文

学校读者我要写书评

暂无评论

基于增量式随机森林的燃气负荷预测方法

华东理工大学学报（自然科学版） 2019年第1期45卷 133-139页

作者：钱恒虞慧群范贵生华东理工大学计算机科学与工程系上海200237

随着智能燃气网概念的普及和燃气智能表的发展,燃气负荷数据量呈指数级增长,燃气负荷预测面临新的挑战,传统的基于离线批量学习的数据预测方法已无法满足大数据量的实时数据预测需求。针对燃气负荷数据增量到达的预测场景,提出了一种增... 详细信息

随着智能燃气网概念的普及和燃气智能表的发展,燃气负荷数据量呈指数级增长,燃气负荷预测面临新的挑战,传统的基于离线批量学习的数据预测方法已无法满足大数据量的实时数据预测需求。针对燃气负荷数据增量到达的预测场景,提出了一种增量式的随机森林回归(Incremental Random Forest Regression,IRFR)算法。该算法将一定量的样本存储在叶节点,通过衡量样本集变异系数来控制叶节点分裂;针对大数据量的情况,设计了样本丢弃策略来控制内存空间。在对上海市燃气负荷数据进行特征选择、提取并建模后,将IRFR算法应用于燃气负荷预测。实验结果表明,IRFR算法相比于传统的随机森林算法具有相当的准确率,同时所需训练时间较短,更适用于大数据量的增量学习场景。

关键词：增量学习随机森林大数据燃气负荷预测