“西气东输”工程实现全面商业运营,标志着我国燃气管网格局开始发生巨大的变化,由各城市单一的网络体系逐步转变为全国联网的大规模网络系统,最终实现天然气资源多元化、供应网络化和市场规模化。显然,这一变化将使燃气供应系统的储气、调峰和调度管理等都会发生质的改变。因此掌握燃气负荷的特性和变化规律,对其进行准确、合理的预测,从而使城市燃气供气系统实现高效运行、优化调度和科学管理,是目前急需解决的十分有意义的课题。针对目前燃气负荷研究状况,本文采用数据挖掘、小波分析、神经网络、支持向量机和组合预测理论等多种先进的智能化方法对城市燃气负荷预测体系进行深入研究,主要内容如下:负荷预测需要从大量的历史负荷和相关因素中提取负荷变化的规律性,可见历史负荷数据的准确和翔实,对各种负荷预测模型的好坏来说是非常重要的一环。而当系统出现故障、人为记录的缺失等都会对负荷的规律性进行破坏。本文基于离群数据挖掘理论,采用κ-最近邻法对燃气历史负荷序列中反常态势的数据进行查找和定位,并采用基于特征曲线的方法对其进行修正。城市燃气小时负荷波动频繁,且具有周期性。针对这一特点,本文提出采用多分辨小波网络模型对其进行预测。多分辨小波网络的隐层激励函数采用正交小波基函数和尺度函数,因此可以利用多分辨分析把大规模计算分解在多个层次上实现,分层递阶的求取网络参数。实例证明,多分辨小波网络的预测精度高,误差变化均匀,具有良好的应用效果。支持向量机是机器学习领域中新兴的分类预测方法,有着比传统的基于经验风险最小化原则的人工神经网络更为优越的性能。因此,本文将这一理论引入到燃气日负荷预测中来,并将小波理论与支持向量机相结合,采用小波核支持向量机的预测模型,对城市燃气日负荷进行预测,实例证明了该方法的可行性和有效性。节假日的负荷预测一直是燃气负荷预测的难点所在,随着我国长假制度的实施,在五一、十一和春节等法定节假日的燃气负荷与正常工作日相比大不相同,负荷曲线出现长时间、大幅度的变形,致使对正常日预测效果良好的模型也会产生较大的误差。因此,本文试图从预测模型原始输入数据的角度出发,提出燃气负荷相似日的概念。这样,通过查找与被预测日相似的历