基于小波变换和深度学习的短期天然气负荷预测研究

随着天然气在能源消耗中占比越来越大，如何准确预知未来的天然气消耗量，对天然气资源合理规划具有重大意义。针对此问题，提出一种基于小波变换和深度学习的短期天然气负荷预测模型。首先对所收集的天然气负荷数据利用不同小波变换进行分解，之后对其进行归一化处理；其次利用深度学习算法对数据进行训练与预测；然后利用小波重构对预测的数据分别进行整合；最后以平均绝对百分误差、平均绝对误差和均方根误差为评价指标，评价不同小波变换的预测结果，计算最优小波变换的最优阶数和层数。结果表明，Fk小波变换第22阶第6层相对于其他小波变换和直接利用LSTM进行预测具有更高的预测精度。