天然气作为清洁和高效的能源,在构建现代能源体系和应对全球气候变化的挑战中扮演了越来越重要的角色。我国城镇燃气行业在近三十年的发展中取得了令人瞩目的成绩,各燃气公司对科技创新的投入不断加大,通过不断引入、结合一些新技术来提高安全和服务水平。然而,相比于发达国家的整体城镇燃气行业水平还存在一定差距,尤其是城镇燃气的供需平衡以及调峰调度的问题,在近年来“煤改气”以及城市管网的大规模建设背景下,各城市均出现了不同程度的季节性供应紧张、供应保障能力较弱等问题。因此,实现准确的城镇燃气日负荷预测对解决天然气供给现状的问题具有非常重要的实际意义。本文采用回归分析、神经网络、支持向量机、组合预测等多种预测方法对城镇燃气日负荷预测进行深入研究,主要内容如下:城镇燃气日负荷受到多种因素的综合影响,准确把握历史日负荷数据的变化规律、影响因素及其作用的机理是建立合适的预测模型的重要前提。本文首先对城镇燃气历史日负荷数据分采暖季、非采暖季的变化规律进行分析,并采用相关分析法对日负荷的主要影响因素进行研究,最后采用基于密度检测理论的LOF算法对离群数据进行检测,并逐一对检测出的离群点可能产生的原因进一步判断,采用插值法进行修正。城镇燃气日负荷预测是一个包含诸多随机和模糊等不确定因素的时变系统,针对特定时刻所建立的单一负荷预测模型在实际的长期应用上存在一定的局限性。本文根据日负荷影响因素和日负荷序列的变化规律,首先建立了包括回归分析、时间序列方法、神经网络、支持向量机、极端梯度提升树等在内的多种单一负荷预测模型,并采用平均相对误差、均方根误差、相关系数、灰色关联度、Theil不等系数等多个单一评价准则计算出的综合评价指标值剔除冗余模型,最后分别基于信息熵理论和蚁群算法建立了基于权重分配式的组合预测模型,实例分析证明组合预测模型的泛化能力和稳定性均优于任单一模型。预测精度更准、智能化水平更高的燃气负荷预测系统的开发和应用将是未来负荷预测的研究热点。本文基于Python语言和MySQL数据库,开发了一款城镇燃气日负荷预测软件,软件实现了登录验证、数据管理、负荷预测等相关功能。