- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2014 年全国天然气学术年会
天然气调峰负荷预测模型研究
乔伟彪,2,3 2 4
陈保东 李朝阳
(1. 中国石油大学(华东)储运与建筑工程学院 2. 辽宁石油化工大学石油天然气工程学院
3. 华润(南京) 市政设计有限公司 4. 中国石油集团工程设计有限责任公司西南分公司 )
摘要:针对城市天然气时调峰量难确定及调峰方式难选择的问题,以某市实际运行天然气日负荷时 序列
为研究对象,提出了一种基于改进EMD(经验 态分解)-ESN(回声状态网络)-岭回归的天然气时调峰量预测
型,确定时调峰量后进行调峰方式选择。首先,基于最小平方相关的改进EMD 对重构相空 的时 序列
进行分解,对分解出来的各IMF(本征 函数)及RESIDUE(趋势项)进行相关性分析,显著相关分量作为改
进ESN 的输入;其次,利用ESN-岭回归正则化的方法对输出权值进行求解,并预测2015 年的每日用气量,
求出年用气量,平均日用气量,根据月高峰系数和日高峰系数确定时调峰量,进行调峰方式选择;最后以
某市实际天然气日负荷进行预测研究,并与LS-SVM(最小二乘支持向量机)和自组织特征映射网络-多层感
知器网络组合预测 型进行对比分析。仿真结果表明:本文提出的预测 型预测精度高于上 两种预测
4 3 4 3
型,计算出该市2015 年年用气量为19000×10m /a,平均日用气量为52.055×10m /d,时调峰量为22.904
4 3 4 3 4 3 3
×10 m /h,高压管道末端储气量为5.028×10m ,需要LNG 储气量为17.876×10m ,需建设2 座150m 的
储罐.该文的计算过程及结果可推广到其它同类规 城市时调峰量的确定和调峰方式选择上。
关键词:时调峰量 改进EMD ESN 岭回归 预测 调峰方式 选择
中图分类号:TE821 文献标识码:A
forecasting model study of natural gas peaking load
Qiao Weibiao1,2,3 Chen Baodong2 Li Zhaoyang4
(1. College of p ip eline and civil engineering, China Petroleum University,Qingdao,257061, China; 2. College of Oil and Gas
Engineering ,LiaoNing Shihua University,Fushun,113001, China; 3. China Resource (Nanj ing) Municipa l Design Co. Ltd.,
Nan-j ing,210000, China ;China Petroleum Engineering Co.,Ltd.Southwest Comp any, Chengdu,610041, China)
Abstract: In view of the problem of difficult to determine city gas load volume and choice regulating
mode,using an actual operation of the gas daily load time series as the research obj ect,put forwording a kind of
improved EMD(empirical mode decomposition)-ESN(echo state network)-ridge regression g
文档评论(0)