[发明专利]一种天然气短期需求预测方法

摘要

本发明公开了一种天然气短期需求预测方法，在搜集各地区不同时期气象参数、历史负荷、用气结构基础上，利用MATLAB进行相关性分析确定负荷影响因素，通过人工神经网络、支持向量机、主成分分析预测、混合回归分析、节点倍比法、误差修正模型、自回归分布滞后模型分别进行预测，采用最优化技术和决策理论，根据虚拟预测结果确定各预测模型权重，得出模型预测值，最后根据各区域新增/减用户、用户检修等数据对模型预测值进行修正，得出最终预测结果。本发明基于传统的经典统计学理论和人工智能算法，通过预测决策理论和最优化技术，形成了一套完整的短期需求预测方法，实现对不同区域内未来一个月内分日天然气需求进行预测。

主权项

一种天然气短期需求预测方法，其特征在于，步骤如下：(1)搜集用气区域3～5年天然气的历史负荷数据、分用户用气细分数据、气象数据、日期类型、新增减用户、冬季保供压减、夏季降价促销的信息数据；(2)对搜集获取的历史数据进行预处理，包括气象数据和负荷数据，气象数据处理是对缺失数据进行补充，各区域内实际负荷数据是由供应侧和需求侧共同决定，处理原则是将统计周期内的实际负荷处理为用气区域内的实际用气需求量；发生地质灾害造成断供或供应减少情况时，将需求量按近期或同期数据作平滑处理；(3)通过MATLAB对行业区域内用气日负荷与影响变量进行相关分析，根据相关分析结果确定模型输入变量；(4)结合预测理论和天然气负荷自身波动的特点，建立人工神经网络模型、支持向量机模型、主成分回归分析预测模型、节点倍比模型、误差修正模型、自回归分布滞后模型和混合回归模型的七种预测单模型；(5)根据虚拟预测方法，采用七种单模型对用气区域内近期或去年同期用气负荷进行预测，并与实际用气需求进行对比；根据各模型分日预测误差情况，采用预测决策理论完成模型筛选，剔除预测效果较差的模型；基于误差平方和准则建立最优化模型，求解各单模型权重，作为未来预测时各模型分配权重；(6)将相关变量的未来预测值作为输入变量，采用步骤(5)中筛选出的单模型对区域内短期用气需求进行预测，并根据对应单模型分配权重得出各区域内模型预测负荷结果；(7)根据区域内上报的未来一个月信息数据，对分日负荷预测结果进行修正，得出最终用气需求。