城市燃气发展至今,燃气企业累计了初具规模的原始数据,这部分珍贵的数据需要通过分析处理,提取有价值信息,并最终服务于企业的生产与发展。天然气负荷的分析与预测就是挖掘原始数据价值的一种途径,负荷分析的目的在于了解天然气用户用气习性、特点和需求等,指导企业实际的运行生产;负荷预测基于负荷分析,采用现阶段较先进的负荷预测技术,对用户用气需求做出预测,负荷预测对企业未来的调度或规划具有重要的指导作用。本文基于某区天然气用户一年内的实测数据,开展了负荷分析和短期负荷预测等研究,并最终开发出了一款简便的负荷预测软件。在进行负荷分析时,采用Pearson数据检测技术对影响因子和用户负荷的相关度进行了检测分析,确定了显著影响用户负荷的四大因子:最低气温、平均气温、日期类型和气候情况。基于负荷分析结果,本文继续开展负荷预测研究,重点将KPCA理论应用于FOA-LSSVM模型的优化,测试发现,KPCA能够较好地优化模型的预测性能,KPCA-FOA-LSSVM模型的预测精度远远高于其他三种智能负荷预测模型,模型预测最大误差能够被实际管网所接受,并且模型本身具有良好的泛化能力。最优负荷预测模型确定后,成功开发了一款搭载最优模型的负荷预测软件,该软件载入原始数据后,能够自动完成数据规整、KPCA、LSSVM模型参数寻优、训练和更新预测等过程,用户界面友好,操作方便,具有良好的推广性。