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。     

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。     

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。     

城市燃气负荷的灰色预测

根据城市燃气中长期负荷预测的要求和存在的问题,利用灰色理论与灰色预测的原理,提出了动态等维灰数递补城市燃气负荷灰色预测模型,并进行了实际应用。     

燃气小时负荷的模糊神经网络预测

分析了燃气负荷运行变化规律，研究了负荷模型分类模式，采用改进模糊神经网络进行小时燃气负荷预测。     

基于Dropout-LSTM模型的城市燃气日负荷预测

提出采用Dropout技术的长短期记忆神经网络模型(Dropout-LSTM模型),对城市燃气日负荷进行预测。由于不同时期的燃气日负荷具有不同特点,将全年分为供暖期、过渡期及非供暖期,分别对3个时期的日负荷和影响因素进行相关性分析,确定3个模型的输入特征,建立3个时期的日负荷预测Dropout-LSTM模型,采用平均绝对百分比误差对模型预测效果进行评价。Dropout-LSTM模型可以很好地预测城市燃气日负荷,比BP模型、LSTM模型以及SVM模型有更好的预测效果。与基于全年数据的全年预测模型相比,分时期预测模型预测精度更高。供暖期的燃气日负荷规律性强,对供暖期的日负荷预测精度最高,非供暖期次之,由于过渡期日负荷波动大,预测效果是3个时期中最差的。     

城市燃气负荷预测技术应用分析

简述了燃气负荷的预测过程,对城市燃气负荷预测技术的应用实例进行了分析。     

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OIF-Elman神经网络的燃气日负荷预测

与传统的Elman神经网络相比,采用具有输出一输入反馈机制的改进Elman(即OIF-Elman)神经网络对燃气日负荷进行预测,不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本较少时,无论在训练速度上,还是在预测准确度上,OIF-Elman网络明显优于Elman网络.     

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。     

冬半年城市燃气日负荷规律研究

以华北某城市为例,研究了星期类型、节假日、气象等因素对冬半年城市燃气日用气量的影响,分析了冬半年城市燃气日负荷的温度响应特性.     

城市燃气负荷预测技术

介绍目前常用的燃气负荷预测方法及特点，预测实现的方法和应用这些负荷预测技术中应当考虑的影响因素。     

北京市天然气日负荷预测实时优化系统

论述了北京市天然气日负荷的特点、预测模型的建立及优化过程。实现了智能动态预测,提高了预测模型的准确度和可信度。     

气象条件对城市燃气日负荷的影响

分析了气象条件对燃气日负荷的影响,发现日平均气温、气压和降水等气象因子和燃气日负荷的关系非常密切,得出了其相关关系。