[發明專利]一種天然氣時負荷預測方法

在審

• 申請號: 201811346695.3
• 申請日: 2018-11-13
• 公開（公告）號: CN109255730A
• 公開（公告）日: 2019-01-22
• 發明（設計）人: 喬偉彪;唐興華;劉德緒;銀永明;仝淑月;尚德彬;龔金海;王利畏;牛耀玉;唐駿琪
• 申請（專利權）人: 中石化石油工程技術服務有限公司;中石化中原石油工程設計有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/04
• 代理公司: 濮陽華凱知識產權代理事務所(普通合伙) 41136
• 代理人: 王傳明

本發明屬于天然氣負荷預測的方法技術領域，特別涉及一種天然氣時負荷預測方法。應用C?C法計算天然氣時負荷時間序列的最佳嵌入維數和延遲時間，在相空間重構的基礎上，提出應用Volterra自適應濾波器的天然氣時負荷預測模型，對比不同階數單步和多步Volterra自適應濾波器預測模型的預測性能。得出的結論是三階單步Volterra自適應濾波器具有更高的預測性能，本發明對短期天然氣負荷預測有較高的預測精度，是一種高效的天然氣短期負荷預測方法。

技術領域

本發明屬于天然氣負荷預測的方法技術領域，特別涉及一種天然氣時負荷預測方法。

背景技術

在天然氣供應系統，天然氣負荷數據對于項目規劃、工程設計、管道運行和優化調度至關重要，需要準確的負荷預測以保證管網系統平衡，進而在最低成本下保證安全穩當的天然氣供應。我國對天然氣負荷的預測多依賴于運行維護人員的經驗，通過相似日的負荷水平來預測負荷值，這種預測方式無法考慮到氣候變化、突發情況等因素。因此，需要選擇一種預測方式，減少對經驗的依賴性，增加預測精度目標。

負荷預測的關鍵是預測方法。當前，天然氣預測方法有經典統計方法，包括時間序列法、趨勢外推法、回歸模型預測技術等；另一種為人工智能法，諸如BP神經網絡、遺傳算法、支持向量機等；還有一種為組合預測技術，例如遺傳算法與支持向量機(SVM)的組合技術、遺傳算法與神經網絡的集成技術等等。在這些方法中，經典統計方法大多基于線性數據預測，預測精度不高，不適用于非線性、復雜的天然氣負荷預測；BP神經網絡存在局部最小、過學習等缺陷，支持向量機能實現較為精確的預測，但仍存在可選核函數少、參數較多、計算量大、訓練效率低等不足；組合技術與單一模型相比，具有更好的預測結果，如何集成與優化各種智能算法以提高預測精度是天然氣負荷預測的主要方向。

如上所述，現有的短期天然氣負荷預測方法，常采用主觀預測模型直接對其進行預測，預測精度不高。

發明內容

本發明的目的在于針對現有技術中存在的問題提供一種基于相空間重構和Volterra模型的天然氣時負荷預測方法。

本發明的技術方案是：

一種天然氣時負荷預測方法，該預測方法是基于相空間重構和Volterra模型，包括如下方法步驟：

(1)采集某市某天然氣站的時負荷時間序列數據，應用C-C法計算天然氣時負荷時間序列的最佳嵌入維數和延遲時間，對城市天然氣時負荷時間序列進行相空間重構，，構建基于相空間重構和Volterra模型的天然氣時負荷預測模型；

(2)采用小數據量法計算采集的天然氣時負荷時間序列的最大Lyapunov指數；

(3)應用Volterra自適應濾波器對天然氣時負荷構建預測模型：應用2階Volterra自適應濾波器構建單步預測模型；應用3階Volterra自適應濾波器構建單步預測模型；應用4階Volterra自適應濾波器構建單步預測模型；應用2階Volterra自適應濾波器構建多步預測模型；應用3階Volterra自適應濾波器構建多步預測模；應用4階Volterra自適應濾波器構建多步預測模型；對比Volterra自適應濾波器不同階數單步預測模型的預測性能，對比Volterra自適應濾波器不同階數多步預測模型的預測性能，然后進行影響分析。

具體的，所述的步驟(1)中用C-C法計算天然氣時負荷時間序列的最佳嵌入維數和延遲時間的具體過程為：

對混沌時間序列為{x(i),i＝1,2,…,N}，以m為嵌入維數，τ為延遲時間重構相空間，X_j(i)＝{x_j(i),x_j(i+τ),…,x_j(i+(m-1)τ)}(i＝1,2,…,N)為相空間中的點，則時間序列的關聯積分定義為：