天然气作为一种清洁、环保、高效的能源,近年来在能源消费领域的占比逐年增长,它已经深入到居民生活的方方面面。但是,目前燃气管网在调度方面仍存在着供气不均衡等问题,给居民用户的正常生活带来不必要的影响;特别是随着国家燃气用户规模的不断扩大,处于燃气设施不够健全的农村地区,这些问题带来的影响更加明显。为了保证居民用户,特别是农村“煤改气”用户的正常、平稳用气,本文在考虑气温累积效应的前提下,展开了对山东某地农村“煤改气”用户燃气日负荷预测技术的研发,期望给农村地区燃气调度工作提供参考。首先,本文通过负荷预测关键词聚类分析图谱,分析了负荷预测的应用领域和研究内容,进而引出了燃气负荷预测的概念、特点;为了得到“煤改气”用户的负荷特点与规律,以实地调研结合分析历史燃气负荷数据的方式,得到了该类型用户的实际负荷特性;同时根据实际需求,制定了负荷预测研究工作的步骤。通过分析“煤改气”用户的负荷特性与实地调研结果,分析、确定了影响“煤改气”用户负荷的影响因素,即:日平均温度、节假日、天气类型和季节;结合农村“煤改气”用户的负荷特点,即主要用气时间在供暖季期间,受温度变化影响较大,提出了气温累积效应的概念,用以提高模型的预测精度,并通过实际负荷数据分析了气温累积效应产生的原因、造成的影响以及气温累积效应的表征。然后,通过对收集到的原始数据进行预处理,包括原始负荷数据中缺失值的插补、异常值的识别、标记、分析及替换等。此外,通过利用相关性原理,明确了各个影响因素与燃气日负荷之间的相关性及相关性大小;借助最大-最小标准化方法,对输入特征参数进行归一化处理,消除由于使用不同量纲的特征参数所带来的预测误差;选择了3种常用的评价指标,用于评价不同模型的预测性能。在此基础上,建立了基于气温累积效应的气温修正模型,对影响因素—温度（本文指日平均温度）进行修正;分别将修正前后的日平均温度作为输入参数,以BP模型进行验证。实例表明修正后的日平均温度能够使模型的预测精度得到提升,其预测结果的MAPE由6.78%降低至3.74%,即考虑气温累积效应的影响,将有助于提升模型的预测精度。最后,将修正后的日平均温度及其他选定的影响因素,用于山东某地农村“煤改气”用户2020/2021供暖季1月份的燃气日负荷预测中,并为此建立了WNN神经网络模型、BP神经网络模型、灰色预测模型、ARIMA模型和多元回归分析预测模型。结果表明WNN模型表现最好,其MAPE为2.62%;BP模型次之,其MAPE为3.49%;ARIMA和灰色模型的预测精度将近,MAPE分别为14.34%和16.00%;多元回归分析模型的预测效果最差,其MAPE为17.08%。实例验证表明了在充分的考虑气温累积效应的前提下,选择合适的影响因素和预测模型,将会得到较高的预测精度,这将为燃气管网的运行调度提供参考价值。