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。     

燃气负荷及其预测模型

在数理统计学和现代优化方法基础上对已有燃气负荷预测文献进行归纳，从多角度对燃气负荷预测进行分类。指出需要按燃气负荷预测的应用要求，燃气负荷变化特性等具体情况选择预测方法。综述了可有效用于燃气负荷预测的方法和模型。     

燃气负荷及其模型研究

分析了燃气负荷的特性。论述了燃气负荷模型分类，提出了可以按功能将燃气负荷模型分为描述模型与预测模型。列举了较主要的用于解决燃气负荷的描述模型建模类型。     

城市燃气负荷的特点与预测模型的特征

分析了城市燃气负荷的特点和影响因素，讨论了天然气负荷的特点，提出了燃气负荷预测模型应具备的特征。     

燃气负荷及其研究进展

概述了燃气负荷的主要结构，介绍了国内外燃气负荷研究的进展。     

数据挖掘技术在燃气负荷预测的应用

介绍了数据挖掘技术的基本概念、任务和方法，分析了城市燃气负荷预测的现状和应用方法，探讨了数据挖掘技术在城市燃气负荷预测中的应用。     

新时期上海市燃气负荷规律的探讨

以上海市万里小区为例，分析了燃气负荷的小时、日与月的用气变化情况，以此来说明了燃气负荷规律预测的重要性，以及在新时期下上海市燃气用户的用气情况可能会发生的新变化。     

燃气负荷及若干应用问题

概述了天然气发展后燃气负荷的主要内容，讨论了工程实践中存在的某些燃气负荷问题，如用气量指标，月高峰系数，小时高峰系数，同时工作系数等问题。     

城市燃气季节性负荷预测模型的建立及求解

根据城市燃气管网季节性负荷变化的特点。采用最优组合理论，将灰色GM（1，1）预测模型和人工神经网络模型的优点结合起来。建立了一个基于灰色神经网络的城市燃气管网季节性负荷预测模型，并提出了相应的求解方法，此模型能同时反映燃气负荷随时间的增长趋势和随不确定因素的波动特性。通过实例的计算结果表明：所建模型具有较高的收敛速度和预测精度，较强的适应性和灵活性，为城市燃气季节性用气负荷的预测提供理论分析依据。     

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。     

燃气锅炉的智能与优化控制

通过对燃气锅炉供热对象传热过程的机理分析，建立了燃气锅炉热负荷预测用数学模型；预测的热负荷配以数据采集和控制系统，用于燃气锅炉的控制，节约能源显著；热负荷预测模型也可用于其他热源装置的控制过程。     

城市燃气短期负荷预测的研究

分析了城市燃气负荷的特点和影响因素,根据指数平滑预测法的原理,建立了城市燃气短期负荷预测线性模型和二次曲线模型。实际预测结果表明,平滑常数为0.3的直线模型具有较高的预测精度。     

鞍山市燃气日负荷预测的研究

结合鞍山市燃气日负荷预测,论述了历史燃气负荷数据的处理方法。运用GCAQBP神经网络对鞍山市2002年燃气日负荷进行了预测,预测的平均相对误差为4.1%。研究表明,这种预测方法可行。     

基于一次累加法的城市燃气年负荷预测

由于燃气负荷原始时间序列非线性随机变化,而一次累加法具有削弱时间序列随机性的特点,提出了一次累加法在城市燃气负荷预测中的应用方法。实例表明,一次累加法预测模型精度高,预测结果可靠,可用于城市燃气年负荷预测。     

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。     

基于相似日的节假日燃气短期负荷预测

分析了燃气负荷的形状相似、趋势相似和特征相似,根据节假日燃气负荷的特点,提出基于相似日的节假日负荷预测方法。以前趋势相似性和日特征相似性为原则,在燃气负荷历史数据库中选择若干相似日,以相似日作为样本采用神经网络方法进行预测。实例证明该方法具有良好的预测精度。     

基于气温变化的冬季城市燃气日负荷预测方法

结合实例分析了日平均气温对冬季城市燃气日负荷影响的规律,得到燃气日负荷的主要影响因素为气温所处温度区间、气温变化的幅度,而与气温所处时间区间和升降趋势无关。提出了基于气温变化的燃气日负荷预测方法——温差系数法,取得了较好的预测效果。     

数据规格化在燃气负荷预测的应用

探讨了燃气负荷预测中规格化处理方法,建立了径向基神经网络燃气负荷预测模型。结合实例,对分别采用最大最小、零均值规格化处理的预测结果进行了比较,后者的精度较高。