天然气作为绿色能源,是城市燃气的发展方向,加大天然气在能源消费结构中的比重,既有利于促进节能减排,又能够维持经济与社会可持续发展。上海作为最早应用天然气的城市之一,正在大力推进天然气的应用,特别是西气东输的贯通,极大的促进了上海天然气的快速发展。为了实现天然气供气系统的高效运行、优化调度和科学管理,作为决策基础的燃气负荷预测工作就显得尤为重要了。本文通过对上海燃气系统负荷规律的分析致力于燃气负荷的精准预测,对当今流行的各种智能预测技术如:数据挖掘(DM)、神经网络(NN)、支持向量机(SVM)、PSO优化算法等做了深刻的研究,并探索了两种组合预测模型。第一种是把粗糙集和BP神经网络结合起来,利用粗糙集对负荷数据中有噪声、冗余和不相关的数据预处理,然后再作为输入变量到BP神经网络进行训练和预测,比单纯的BP神经网络有了较大的提高。第二种是综合自组织特征映射网络(SOFM)和回归支持向量机(SVR)预测技术的一种日负荷预测模型。在此模型中,我们采用SOFM来将训练数据样本聚类,经过聚类后每组包含特征类似的数据,然后再用SVR分别对每组聚类后的数据分别建立预测模型,在SVR核函数的参数选择上采用CPSO优化算法。我们还用数据挖掘方法对历史负荷数据进行了预处理,对离散数据点进行判定并做了修正,使其更能反映燃气负荷的规律性;采用基于过滤器的特征选择,选择对负荷影响较大的因素作为SOFM的输入变量。实验结果表明,该模型无论是在训练时间还是预测精度上都有较大的提高。