在我国电源结构中,燃煤发电仍占据着最大的比重。燃煤电站的电煤库存是安全运行的保障,但过多的库存量会增加电站的经营成本。由于电站的进煤计划从制定到实施以及电煤从订购到交付有一段前置期,实现电煤库存短期预测并提前发出库存预警对于燃煤电站安全稳定运行具有重要的实际意义。本文在查阅国内外相关研究成果的基础上,对电煤库存短期预测方法的研究现状、亟待解决的问题进行了总结。由于电煤库存时间序列具有非线性、非平稳、周期性的特点,单一线性模型短期多天预测精度有限。本文综合ARIMAX模型预测时间序列线性成分和LSTM模型预测时间序列非线性成分的优点,开展基于组合预测的电煤库存短期预测方法研究。主要研究成果如下:(1)提出一种基于Prophet时间序列分解的ARIMAX电煤库存短期预测算法,建立以进煤量、耗煤量等电煤库存影响因素作为输入的多特征ARIMAX预测模型;采用Prophet时间序列分解的方法挖掘电煤库存时间序列中的非平稳信息,运用变增长率逻辑回归模型预测电煤库存趋势性以及离散傅里叶分解的方法提取周期性,有效避免了ARIMAX模型直接差分平稳化导致的信息丢失。仿真结果表明,提出的算法相比传统ARIMA和ARIMAX算法能够提升预测精度和信息提取准确度。(2)提出一种基于ARIMAX-LSTM组合模型的电煤库存短期预测算法。针对ARIMAX线性模型无法预测电煤库存时间序列中非线性波动问题,建立Vanilla LSTM模型直接输出多天预测结果,采用多步预测的总误差函数作为模型损失函数,避免了迭代预测导致的误差累积;鉴于单一模型不能准确反映电煤库存时间序列的复杂特性,采用Stacking思想融合基于Prophet时间序列分解的ARIMAX模型和Vanilla LSTM模型,运用改进的ARIMAX模型预测电煤库存的线性成分,Vanilla LSTM模型提取电煤库存的非线性信息。仿真研究表明,提出的组合预测算法可以综合单个模型的优点,提升电煤库存短期预测的准确性。(3)提出基于组合模型的电煤库存短期预警系统的分布式实现框架,框架包含燃煤电站库存数据采集层、库存数据分布式存储计算层、库存数据优化处理层和应用层。在此框架下,基于一站式大数据综合平台(TDH)开发电煤库存短期预测算法的分布式版本,根据短期预测算法结果计算电站电煤安全可用天数,确定电站库存预警等级,提前预警燃煤电站安全运行风险,指导电站进煤计划的制定和实施。