[发明专利]一种城市天然气时负荷预测方法

说明书

本发明属于天然气负荷预测方法技术领域，具体涉及一种城市天然气时负荷预测方法。以城市天然气门站实际采集的数据为基础，应用小波理论将实际采集的城市天然气时负荷时间序列进行分解，特别涉及Coiflets小波，分解的层数为3层，分解的阶数为3阶，将分解出来的高频分量采用BP神经网络进行预测，分解出来的低频分量采用Elman神经网络进行预测，最后逐层进行重构，得到最终的预测结果，并将该结果与单独使用BP神经网络和Elman神经网络进行预测的预测结果进行对比，验证本发明提出的基于Coiflets小波和BP‑Elman的城市天然气时负荷预测技术的有效性和先进性。本发明是一种高精度且有效的城市天然气时负荷预测方法。

技术领域

本发明属于天然气负荷预测方法技术领域，具体涉及一种城市天然气时负荷预测方法。

背景技术

随着中国工业化和城市化进程的加速推进，各行各业对天然气的需求与日俱增，由于天然气产能严重不足和消费量快速增长，已对部分城市造成“气荒”，具体表现为：高峰时段，需求量过大，管网内气压相对较低，导致许多用户不能正常用气；低谷时段，需求量较少，燃气管网内部气压过高，威胁设备安全，使得管网运行效率低下。因此，短期天然气负荷预测的研究，对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义。

然而，天然气负荷除具有以周、日的周期变化特点外，还受到天气、季节、节假日等诸多因素影响，导致天然气负荷波动十分频繁，呈高度非线性、时变性、分散性和随机性等特点，准确预测难度大。传统的天然气负荷预测方法包括线性回归分析法、时间序列法和灰色系统理论，但这些方法大多是基于线性数据预测的模型，因此不适合复杂的天然气负荷预测。

发明内容

本发明的目的在于针对现有技术中存在的问题提供一种基于Coiflets小波和BP-Elman的城市天然气时负荷预测方法，提高了城市天然气时负荷的预测精度。

本发明的技术方案是：

一种城市天然气时负荷预测方法，该预测方法基于Coiflets小波和BP-Elman，包括如下步骤：

(1)采集某市某天然气站的时负荷时间序列数据，采用Coiflets小波对实际采集的城市天然气时负荷时间序列数据进行分解，构建基于Coiflets小波和BP-Elman的城市天然气时负荷预测模型；

(2)应用BP神经网络对经Coiflets小波分解出来的高频分量进行预测，运用Elman神经网络对分解出来的低频分量进行预测；

(3)对BP神经网络的预测结果和Elman神经网络的预测结果进行重构，并将重构结果与单独应用BP神经网络和Elman神经网络的预测结果进行对比，以确定构建的预测模型的预测精度和有效性。

具体的，所述的步骤(1)采用Coiflets小波对实际采集的城市天然气时负荷时间序列数据进行分解的具体过程为：

采用Coiflets小波基函数对采集的城市天然气时负荷时间序列进行分解，分解阶数为3阶，分解层数为4层，分解出来4个高频分量包括第三层高频分量；4个低频分量包括第一层低频分量、第二层低频分量和第三层低频分量。

Coiflets小波基函数分解，Mallat算法是一种按正交小波展开时间序列的分解算法和重构算法，该算法与快速Fourier变换类似，具有运算快捷，设计简单等特点，是一种纯数字的递推快速算法，因此受到越来越多的应用，本发明采用Mallat小波快速分解算法，将信号分解为不同频带分量，从而可以更深入分析信号的特点，若将d₀理解为待分解的离散信号，根据Mallat分解算法可得分解过程如图2所示。图2分解过程所依据的公式如下：

d_j＝ld_j+1,j＝1,2,…,N

a_j＝ha_j+1,j＝1,2,…,N