[发明专利]一种基于GRA-PSO-LSSVM的城镇燃气日负荷预测方法

说明书

基于GRA‑PSO‑LSSVM的城镇燃气日负荷预测方法，对影响城镇燃气日负荷的因素进行归纳、量化分析；采用GRA(灰色关联分析法)剔除关联性较小的影响因素，确定PSO‑LSSVM模型的输入变量，降低了模型运算复杂度；在使用PSO算法寻优时，先进行粒子群初始化，包括各粒子的随机速度和位置、群体规模及最大迭代次数；将粒子群算法找到的最优解转化成LSSVM模型的最优正则化系数γ和径向基函数的参数σ；以某市实际数据为研究实例进行燃气日负荷预测，验证该方法的准确性与可行性。实例计算结果显示，该方法预测精度较高和稳定性较好，平均绝对百分比误差低至0.8406％，完全可以满足工业需求。

技术领域

本发明属于城镇燃气日负荷预测技术领域，具体涉及一种基于GRA-PSO-LSSVM的城镇燃气日负荷预测方法。

背景技术

城镇燃气的平稳供应一方面与燃气的生产、储运、销售等各个环节紧密相关，同时还取决于对未来燃气负荷的准确预测。燃气负荷预测涉及到了燃气公司的项目规划、工程设计、运行调度、经济技术分析以及储气调峰等问题，其中燃气短期负荷预测是燃气合理调度的重要组成部分，短期负荷预测结果可以精确地对每日的燃气供应量进行规划，能有效地减少能源损耗。

城镇燃气的消费具有明显的季节性规律，通常在秋冬季节燃气的消费量达到高峰，在高峰季采暖需要和煤改气的拉动下，城镇燃气需求进一步增加，在这种情况下不可避免的出现了供需方面的矛盾。在城镇用气人口与日俱增以及城镇燃气供需不平衡的背景下，如何合理调配气源以调节季节峰谷差满足高峰季用气需求、按照需求合理调度提高管网运营效率、保障燃气正常供应实现平稳供气成为热点研究问题。

因此，对城镇燃气负荷的变化规律进行研究，提供一种预测精度高和科学可靠的燃气日负荷预测方法对于燃气供应系统的高效运行有着重要影响。

发明内容

本发明目的在于提供一种基于GRA-PSO-LSSVM的城镇燃气日负荷预测方法，该方法运用灰色关联分析法(GRA)、粒子群算法(PS0)优化最小二乘支持向量机(LSSVM)模型，实现对城镇燃气日负荷进行在线预测分析。

本发明运用灰色关联分析法筛选有效的城镇燃气日负荷影响因素，剔除一些关联性过低的影响因素，将关联性强的影响因素作为经PSO算法优化的LSSVM模型的输入参数，降低了模型运算复杂度，使模型运算效率得到提升。

基于GRA-PSO-LSSVM的城镇燃气日负荷预测方法的具体步骤如下：

运用灰色关联分析法(GRA)筛选城镇燃气日负荷的主要影响因素部分：

步骤1：城镇燃气日负荷的影响因素中存在非数值的影响因素，如当日天气类型、供暖情况和日期类型，对非数值的影响因素进行量化；

步骤2：运用灰色关联分析法计算出各影响因素与城镇燃气日负荷的关联度大小；

步骤3：比较各影响因素的关联度大小，剔除关联度小于0.6的影响因素，保留关联度大于等于0.6的影响因素；

步骤4：将保留的关联度大于等于0.6的影响因素作为模型的输入参数。

构建基于PSO-LSSVM的城镇燃气日负荷预测模型部分：

步骤1：对所有燃气负荷历史数据进行处理，包括GRA筛选、归一化、划分训练集和测试集；

步骤2：初始化PSO优化算法的参数，包括粒子种群大小、位置以及速度；

步骤3：确定正则化系数γ和径向基函数的参数σ上下限；

步骤4：计算每个粒子的适应度值并进行比较，评估每个粒子并获取全局最优的速度和位置；

步骤5：根据粒子速度和位置更新公式计算变化粒子的速度和位置；