[發(fā)明專利]基于改進(jìn)遺傳算法的短期天然氣負(fù)荷組合預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811347843.3
• 申請(qǐng)日: 2018-11-13
• 公開(kāi)（公告）號(hào): CN109492813A
• 公開(kāi)（公告）日: 2019-03-19
• 發(fā)明（設(shè)計(jì)）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;王軍;邵子璇
• 申請(qǐng)（專利權(quán)）人: 中石化石油工程技術(shù)服務(wù)有限公司;中石化中原石油工程設(shè)計(jì)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/12
• 代理公司: 濮陽(yáng)華凱知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41136
• 代理人: 王傳明

本發(fā)明屬于天然氣負(fù)荷預(yù)測(cè)方法技術(shù)領(lǐng)域，具體涉及基于改進(jìn)遺傳算法的短期天然氣負(fù)荷組合預(yù)測(cè)方法。本發(fā)明提供的預(yù)測(cè)方法是從城市天然氣門站采集數(shù)據(jù)，首先，采用高斯加權(quán)移動(dòng)平均濾波器對(duì)采集的數(shù)據(jù)進(jìn)行平滑處理，應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)處理后的數(shù)據(jù)進(jìn)行分解，對(duì)分解出來(lái)的若干個(gè)IMF(基本模式分量)和趨勢(shì)項(xiàng)進(jìn)行歸一化處理；其次，針對(duì)遺傳算法在進(jìn)行優(yōu)化時(shí)，交叉概率和變異概率不改變的問(wèn)題，提出了自適應(yīng)的交叉概率和變異概率的改進(jìn)方法；最后，提出采用改進(jìn)遺傳算法優(yōu)化最小二乘支持向量機(jī)對(duì)歸一化后的分量進(jìn)行預(yù)測(cè)，并對(duì)預(yù)測(cè)結(jié)果進(jìn)行重構(gòu)，得到最終預(yù)測(cè)結(jié)果，并將預(yù)測(cè)結(jié)果與單獨(dú)采用最小二乘支持向量機(jī)預(yù)測(cè)的結(jié)果進(jìn)行對(duì)比。本發(fā)明對(duì)短期天然氣負(fù)荷預(yù)測(cè)有較高的預(yù)測(cè)精度，是一種高效的天然氣短期負(fù)荷預(yù)測(cè)方法。

技術(shù)領(lǐng)域

本發(fā)明屬于天然氣負(fù)荷預(yù)測(cè)方法技術(shù)領(lǐng)域，具體涉及基于改進(jìn)遺傳算法的短期天然氣負(fù)荷組合預(yù)測(cè)方法。

背景技術(shù)

隨著中國(guó)工業(yè)化和城市化進(jìn)程的加速推進(jìn)，各行各業(yè)對(duì)天然氣的需求與日俱增，由于天然氣產(chǎn)能嚴(yán)重不足和消費(fèi)量快速增長(zhǎng)，已對(duì)部分城市造成“氣荒”，具體表現(xiàn)為：高峰時(shí)段，需求量過(guò)大，管網(wǎng)內(nèi)氣壓相對(duì)較低，導(dǎo)致許多用戶不能正常用氣；低谷時(shí)段，需求量較少，燃?xì)夤芫W(wǎng)內(nèi)部氣壓過(guò)高，威脅設(shè)備安全，使得管網(wǎng)運(yùn)行效率低下。因此，短期天然氣負(fù)荷預(yù)測(cè)的研究，對(duì)于保證天然氣管網(wǎng)用氣量、優(yōu)化管網(wǎng)的調(diào)度和設(shè)備維修具有極其重要的意義。

然而，天然氣負(fù)荷除具有以周、日的周期變化特點(diǎn)外，還受到天氣、季節(jié)、節(jié)假日等諸多因素影響，導(dǎo)致天然氣負(fù)荷波動(dòng)十分頻繁，呈高度非線性、時(shí)變性、分散性和隨機(jī)性等特點(diǎn)，準(zhǔn)確預(yù)測(cè)難度大。傳統(tǒng)的天然氣負(fù)荷預(yù)測(cè)方法包括線性回歸分析法、時(shí)間序列法和灰色系統(tǒng)理論，但這些方法大多是基于線性數(shù)據(jù)預(yù)測(cè)的模型，因此不適合復(fù)雜的天然氣負(fù)荷預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)具有非線性映射、任意精度逼近、有很強(qiáng)的泛化能力和自學(xué)習(xí)等優(yōu)勢(shì)，但也存在局部最小、過(guò)學(xué)習(xí)以及隱層網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)選取缺乏理論指導(dǎo)等缺陷，削弱了其預(yù)測(cè)能力。

由于經(jīng)驗(yàn)?zāi)B(tài)分解具有自適應(yīng)的分解能力，既可以處理平穩(wěn)信號(hào)也可以處理非平穩(wěn)信號(hào)，因此，截至目前發(fā)現(xiàn)它在電力、醫(yī)學(xué)、交通、機(jī)械等多個(gè)領(lǐng)域都具有較高的應(yīng)用意義。EMD分解過(guò)程中，信號(hào)具有以下假設(shè)：①信號(hào)至少具有一個(gè)極小值點(diǎn)和一個(gè)極大指點(diǎn)；②定義時(shí)間尺度為相鄰極值點(diǎn)之間的時(shí)間間隔；③如果信號(hào)僅具有拐點(diǎn)而沒(méi)有極值點(diǎn)，在對(duì)信號(hào)進(jìn)行分解前，首先要對(duì)信號(hào)進(jìn)行微分(一次或多次)，為獲得極值點(diǎn)，然后對(duì)微分后的結(jié)果進(jìn)行積分，則可獲得信號(hào)的相應(yīng)分量。

遺傳算法的特點(diǎn)是能夠進(jìn)行并行的隨機(jī)搜索，從而進(jìn)行最優(yōu)化的計(jì)算，由于遺傳算法具有的很多優(yōu)點(diǎn)，已經(jīng)被應(yīng)用到多個(gè)領(lǐng)域的優(yōu)化計(jì)算中，取得了較好的效果。

最小二乘支持向量機(jī)是在標(biāo)準(zhǔn)支持向量機(jī)的基礎(chǔ)上進(jìn)行改進(jìn)得到，其可將耗時(shí)的二次規(guī)劃問(wèn)題轉(zhuǎn)變成線性方程組求解問(wèn)題，有效地降低了計(jì)算復(fù)雜度，加快了運(yùn)算速度。該預(yù)測(cè)模型的關(guān)鍵是選取合適的輸入向量和模型參數(shù)。而遺傳算法用遺傳操作和優(yōu)勝劣汰的自然選擇來(lái)指導(dǎo)學(xué)習(xí)和確定搜索的方向，全局搜索能力較強(qiáng)。將優(yōu)化的遺傳算法和最小二乘支持向量機(jī)預(yù)測(cè)模型結(jié)合，為短期天然氣負(fù)荷預(yù)測(cè)提供了新思路。

如上所述，現(xiàn)有的短期天然氣負(fù)荷預(yù)測(cè)方法，常采用預(yù)測(cè)模型直接對(duì)其進(jìn)行預(yù)測(cè)，預(yù)測(cè)精度不高，為了獲得短期天然氣負(fù)荷時(shí)間序列的更多信息，前人在進(jìn)行研究時(shí)，往往采用小波分析，但小波分析存在兩個(gè)方面的問(wèn)題，而遺傳算法在進(jìn)行優(yōu)化時(shí)，交叉概率和變異概率往往不變化，因此，提出了一種新的短期天然氣負(fù)荷組合預(yù)測(cè)方法意義重大。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題提供基于改進(jìn)遺傳算法的短期天然氣負(fù)荷組合預(yù)測(cè)方法，該方法能夠提高短期天然氣負(fù)荷時(shí)間序列預(yù)測(cè)的預(yù)測(cè)精度。

本發(fā)明的技術(shù)方案是：

基于改進(jìn)遺傳算法的短期天然氣負(fù)荷組合預(yù)測(cè)方法，其特征在于，包括如下步驟：