论文部分内容阅读
城市燃气负荷预测是一项非常重要的研究课题,准确的负荷预测有利于保障供气需求,提高燃气部门经济效益。可靠的短期负荷预测对保证管网运行安全,进行管网的优化调度,都具有重要的意义;可靠的中长期预测便于合理安排后期工程,确定生产能力,安排设备的更新维修,与卖方签订协议等。本文针对短期负荷预测问题,根据燃气负荷特性的变化规律,考虑了日期类型、平均温度、最高温度、天气变化等影响负荷预测的因素,分析了短期负荷的影响因素,提出了采用模糊逻辑和RBF神经网络相结合的预测方法。应用模糊-RBF神经网络模型对天津市的实际情况进行了预测。实际计算结果得到:单纯RBF神经网络预测平均绝对误差为2.99,而模糊-RBF神经网络预测平均绝对误差为2.25,预测结果表明,所建立的模糊逻辑-RBF神经网络模型充分发挥了模糊逻辑系统和RBF神经网络系统各自的优点,在预测的精度上模糊-RBF神经网络相对于单纯的RBF神经网络有了很大的提高,能够更加准确地预测出城市燃气短期负荷。预测结果基本能够满足工程需要,可以为调度人员提供有益的帮助。对燃气管网中长期负荷的影响因素进行分析和讨论,全面考虑后,认为影响燃气负荷最主要的因素有城市人口和经济发展状况,因此以这两个因子作为综合反映城市燃气负荷变化的灰变量,即作为GM(1,N)模型的变量,建立燃气负荷预测GM(1,N)模型,预测未来城市燃气负荷的变化趋势。应用GM(1,N)模型对广州市和西安市的实际情况进行了预测。实际计算得到:广州市和西安市GM(1,N)模型的预测绝对平均误差分别为1.79、3.37;对应的广州市和西安市GM(1,1)模型的预测误差分别为7.23、6.64。用实际运行的数据检验了所建立的GM(1,N)模型,证明了该模型加入其他一些输入因子进一步提高模型的精度,使得模型更加符合实际,在预测的准确度上相对于GM(1,1)模型有了很大的提高,预测结果也基本上能满足工程要求,对城市燃气规划设计具有重要的指导意义。最后还建立了城市燃气管网风险评估指标体系,提出了用管道指数评分法对管网进行危险性评估。应用管道指数评分法对天津的实际管段进行了风险评估,并对这些管段进行了危险性排序。