城市煤气负荷的预测

根据城市煤气负荷的变化规律，建立了煤气短期负荷预测的三角函数模型，并给出了节假日负荷及突发事件负荷的预测方法，并开发了软件。     

天津市油制气调峰气源简介

在城市煤气供应中,用气负荷的不均衡性在不同程度上影响安全、稳定供气。一个完善的城市煤气供应系统,应具备季节(月)调峰及应急气源。重油蓄热催化裂解制造城市煤气(简称油制气)的调峰气源装置具有下述优点:(1)供气稳定可靠,开停灵活,负荷弹性大;(2)热值控制范围大,便于与其它类型煤气(如水煤气等)掺混,满足城市煤气供应要求;(3)工艺成熟可靠,技术先进,自动化程度高;     

优化出厂煤气热值控制的途径

文章阐述了以天然气为原料生产城市煤气,控制出厂煤气热值的途径.在不同生产负荷下,通过优化操作,对煤气的热值加以调整和控制,从而达到节能、降低成本的目的     

基于支持向量机的燃气短期负荷预测

介绍支持向量机的原理和支持向量回归模型,提出支持向量回归(SVR)模型的城市燃气短期负荷预测方法。探讨输入样本数据的选择和预处理方法、核函数和支持向量机参数的选择,结合某城市燃气日负荷数据进行燃气短期负荷预测。与BP神经网络预测方法相比,支持向量回归模型预测方法用于小样本情况下的燃气短期负荷预测精度略高。     

基于BP神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

前言

第二次全国城市煤气应用学术会议于1984年11月在泰安举行,会议宣读了22篇论文。《煤气与热力》编辑部在其中挑选了一部分印成专辑,这对煤气应用技术的发展将起推动作用。 当前城市煤气正在迅速发展,煤气在生产和生活方面的应用也日益广泛。用气体燃料代替固体燃料,是城市现代化进程中燃料结构变化的必然趋势。     

优化煤气输配调度——城市燃气行业2000年技术进步规划子课题之2-1-1

一、煤气调度的概念 随着城市建设的不断发展,城市煤气将向多种气源供气,负荷相对分散多压力级制、长输管线及复杂环网输气的形式发展,如何确保全市煤气供应,对调度提出了更新更高的要求,如果仍沿用落后的调度方式,即电话询问、人工巡视、手工操作是难以满足要求的,必须采用先进、科学、准确的方式来进行煤气调度,建立煤气输配管网调度监控     

基于模糊逻辑技术的燃气负荷预测

分析了武钢煤气用户负荷的特点，探讨了应用模糊逻辑技术对燃气负荷的预测。     

城市燃气负荷的气温响应特性研究

气温是影响城市燃气短期负荷的重要因素之一。通过对华北某城市燃气负荷和气温历史数据的统计，分析了城市燃气居民、商业、工业、锅炉和空调等用户用气负荷受气温变化影响的特点，提出了燃气负荷气温响应特性分析的基本思路，讨论了典型的燃气日负荷气温响应特性。     

灰色模型对供水系统状态的预测

视城市供水系统管网负荷和压力为灰量,建立了供水系统短期状态预测的灰色模型和管网客观灰色模型,并提出高精度的修正模型。应用结果表明,这些模型简单、适用。     

神经网络在城市燃气短期负荷预测中的应用

文章简述了神经网络的基本特点,详细介绍了BP网络、RBF网络以及小波神经网络在城市燃气负荷预测领域的研究和应用现状,对三种神经网络进行比较,并分析了神经网络预测法的优缺点。     

基于人工神经网络的春节期间燃气负荷预测

研究了春节期间燃气负荷的规律，考虑了天气、温度、传统节假日等因素，采用BP网络和径向基神经网络相结合的方法对春节期间燃气负荷进行预测，效果良好。     

城市污水排放量预测模型研究

采用多元线性回归和BP人工神经网络两种方法分别建立城市污水排放量的预测模型，并进行实例计算验证。通过比较分析，发现BP神经网络的非线性映射能力能够更好地反映城市污水量与多个自变量间的复杂关系，具有较高的模拟精度且应用简便。     

基于遗传优化神经网络的市政管网水质模型研究

将遗传算法的全局搜索能力和BP神经网络的局部学习能力有机结合,得到一种快速高效的建立供水管网余氯的水质模型的新方法。验证结果表明,遗传算法优化后的神经网络模型所需要考虑的参数较少,应用方便,预测精度和效率较高,在城市给水系统水质模拟预测研究中有一定的参考应用价值。     

基于小波神经网络冰蓄冷空调负荷预测

为了节省冰蓄冷中央空调系统的运行费用,准确地预测空调冷负荷是必不可少的。采用db1小波对冰蓄冷空调冷负荷序列进行分解,分别对低频和高频序列采用BP网络进行预测,将预测结果进行叠加得到最终预测值。结合实例进行了空调逐时冷负荷预测,通过小波-BP网络与BP网络预测结果的对比,可知小波-BP网络预测的效果更好。     

改进BP神经网络及其在西北建筑业预测中的应用

BP神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与BP神经网络,建立了基于因果关系理论来确定BP网络的输入变量,基于协整理论来分析BP网络系统的可靠性,基于学习率可变的动量BP算法的用于研究经济领域问题的改进BP神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。     

基于NSGA-Ⅱ改进BP神经网络的建筑碳排放—碳减排预测模型

在归纳建筑领域碳排放—碳减排的影响因子的基础上,建立城市建筑碳排放—碳减排预测模型。在传统BP神经网络的基础上,引入了NSGA-Ⅱ多目标遗传算法,从而优化权值和阈值,训练BP神经网络预测模型并寻求最优解,使模型在碳排放和碳减排双目标下预测未来城市建筑的"碳趋势"。     

基于模糊-RBF BP神经网络的天然气负荷预测

针对天然气负荷变化的特点，综合考虑各种影响因素，提出一种基于模糊-RBF P神经网络的天然气负荷预测模型，并编制了负荷预测软件。在RBF网络模型中采用了最新邻聚类算法，实现了网络结构和参数的双重调节，提高了训练的速度和预测的精度。将该软件应用于实例计算，并与相关模型结果比较，证明该模型可以更加快速准确地预测天然气的负荷值。     

基于BP神经网络的供水管网分时段宏观模型研究

准确快速地模拟供水管网的运行状态是城市供水系统优化调度的前提和关键。针对城市供水管网建模难的状况，结合南京市供水管网的特点，利用BP神经网络建立了城市供水管网分时段宏观等效模型。经实际运行数据验证，该模型计算得到的压力预测值与实际值非常接近，预测误差能满足优化调度的工程精度要求。可见该模型基本上能反映南京市供水管网的供水量与水压的关系，可用以模拟城市供水管网的运行状态，为管网优化调度提供了有力支持。