[發明專利]一種供暖季城市天然氣負荷預測方法及裝置

有效

• 申請號: 202110037746.X
• 申請日: 2021-01-12
• 公開（公告）號: CN112733307B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 曹育軍;焦建瑛;張濤;關鴻鵬;張應輝;仇晶;張文花;李學亮;李紅陽;宋海伶;蔡磊
• 申請（專利權）人: 北京市燃氣集團有限責任公司
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/27;G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06F113/08;G06F113/14;G06F119/08
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 白凱園

本申請公開了一種供暖季城市天然氣負荷預測方法及裝置，該方法獲取城市天然氣負荷用氣原始數據并進行特征提取得到特征向量，將特征向量輸入至預設循環神經網絡模型得到第一預測值，根據特征向量中的每日歷史溫度特征向量確定多組溫度向量組，根據多組溫度向量組確定第二預測值，對第一預測值和第二預測值進行整合得到城市天然氣負荷用氣預測值。由于是基于實際天然氣負荷用氣數據進行預測，使得預測過程與實際業務應用場景相結合，且通過對溫度變化敏感的預設循環神經網絡模型進行預測得到第一預測值，通過多組溫度向量組確定第二預測值可適應溫度特征變化，達到精確的對城市天然氣負荷值進行預測的目的，可以對真實生產環境進行有效的指導。

技術領域

本申請涉及天然氣負荷預測技術領域，尤其涉及一種供暖季城市天然氣負荷預測方法及裝置。

背景技術

在北方城市的天然氣負荷預測中，供暖季期間的負荷預測顯得尤為重要，主要是由于城市冬季供暖導致的用氣量激增給負荷預測帶來了極大的挑戰。

目前，關于城市天然氣負荷預測技術的方法種類較多，負荷預測方法不僅有多元線性回歸分析、時間序列法、最小二乘法、灰色模型等傳統預測方法，也有基于人工智能的支持向量機、神經網絡等機器學習算法。然而這些天然氣負荷預測方式僅僅是停留在學術層面進行分析，并沒有深入到實際的業務場景應用中，無法精確的對城市天然氣負荷值進行預測，導致無法對真實生產環境進行有效的指導。

發明內容

本申請提供一種供暖季城市天然氣負荷預測方法及裝置，達到精確的對城市天然氣負荷值進行預測的目的，可以對真實生產環境進行有效的指導。

第一方面，本申請提供了一種供暖季城市天然氣負荷預測方法，包括：

獲取城市天然氣負荷用氣原始數據；

對所述城市天然氣負荷用氣原始數據進行特征提取，得到特征向量；

將所述特征向量輸入至預設循環神經網絡模型得到第一預測值，其中，所述預設循環神經網絡模型包括門控循環單元GRU隱藏層和注意力機制Attention層；

根據所述特征向量中的每日歷史溫度特征向量確定多組溫度向量組，根據所述多組溫度向量組確定第二預測值；

對所述第一預測值和所述第二預測值進行整合，得到城市天然氣負荷用氣預測值。

可選的，所述城市天然氣負荷用氣原始數據包括氣量數據、氣象數據、供暖季數據和節假日數據。

可選的，所述對所述城市天然氣負荷用氣原始數據進行特征提取，得到特征向量的步驟，包括：

對所述城市天然氣負荷用氣原始數據進行預處理，得到預處理后數據；

根據所述預處理后數據計算得到管道內天然氣的管存變化量，計算所述管存變化量與非管道內的天然氣用量之和作為城市天然氣使用量特征向量；

從所述預處理后數據中提取溫度特征向量和天氣類型特征向量，建立所述天氣類型特征向量與影響程度之間的對應關系，其中，所述影響程度為天氣類型特征向量對城市天然氣負荷的影響程度；

從所述預處理后數據中提取供暖日期類型特征向量，建立所述供暖日期類型特征向量與天然氣用氣量級別之間的對應關系；

從所述預處理后數據中提取日期類型特征向量，建立所述日期類型特征向量與天然氣用氣量級別之間的對應關系。

可選的，所述對所述城市天然氣負荷用氣原始數據進行預處理，得到預處理后數據的步驟，包括：

對所述城市天然氣負荷用氣原始數據進行缺失值填充得到填充后的城市天然氣負荷用氣數據；

對填充后的城市天然氣負荷用氣數據進行異常值檢測，將檢測到的異常值替換為非異常值；