基于LSSVM的天然气管网负荷组合预测

《基于LSSVM的天然气管网负荷组合预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2010正管道技52010第3期PipelineTechniqueandNo．3基于LS—SVM的天然气管网负荷组合预测代小华，白建辉，杨玲，唐小江(1．中国石油天然气管道工程有限公司工艺室，河北廊坊065000；2．中国石油勘探开发研究院，北京100000；3．中冶成工建设有限公司新疆分公司，新疆乌鲁木齐830000；4．中国石油管道局物质装备公司，河北廊坊065000)摘要：针对现有组合预测模型，基于经验风险最小化原则，克服预测精度受组合模型限制的缺点，提出一种基于最小二乘支持向量机(LS—SVM)的天然气管网负荷组合预测模型，并与AR

2、模型、BP神经网络模型、GM(1，1)模型以及最优权重组合模型进行了比较，得出基于最小二乘支持向量机的天然气管网负荷组合预测模型能够得到更高的预测精确度，可为天然气管网的安全运行以及优化调度提供决策支持的结论。关键词：天然气；管网；负荷；组合预测；最小二乘支持向量机中图分类号：TE83文献标识码：A文章编号：1004—9614(2010)03—0014—03CombinationMethodofNaturalGasPipelineNetworkLoadForecastingBasedonLeastSquaresSupportVectorMa

3、chinesDAIXiao-hua，BAIJian-hui，YANGLing，TANGXiao-jiang(1．ChinaPetroleumPipelineEngineeringCorporation，Langfang065000，China；2．ResearchInstituteofPetroleumExploration&Development，Beijing100000，China；3．MCCChenggongConstructionCo．Ltd．，Urumchi830000，China；4．ChinaPetroleumPipeHne

4、Material&EquipmentCorporation，Langfang065000，China)Abstract：Inlightoftheexistingcombinedpredictionmodelbasedontheexperienceofriskminimizationandoftheforecastaccuracyofthemodelbythecombinationofrestrictions，anaturalgaspipenetworkloadforecastingmodelbasedontheleastsquaressup

5、portvectormachines(LS—SVM)isproposedandcomparedwiththeARmodel，BPneuralnetworkmodel，GM(1，1)modelaswellasthetoppriorityrecombinationmode1．Leastsquaressupportvectormachinesbasedonthenaturalgaspipelinenetworkloadforecastingmodelportfoliowillprovideahi曲erforecastaccuracyforthes

6、afeoperationofthepipelinenetworkopti—mizationaswellascrediblesupportforthetheory．Keywords：naturalgas；pipelinenetwork；load；forecast；LS—SVM0引言预测方法，都基于传统的经验风险最小化原则(Empir—管网负荷的预测精度对于保证管网输气量，进行icalRiskMinimization，ERM)，根据给定的训练样本对管网的优化调度、设备维修，提高系统运行的可靠性，系统输入输出之间的依赖关系进行估计，对于大样本确定

7、用于调峰的长输管线末端储气量具有极其重要集，一般用经验风险代替期望风险，经常能得到较好的意义。的结果，而在具有小样本的负荷预测中，ERM原则并由于影响管网负荷的直接因素或间接因素很多，不能保证期望预测风险最小化。各因素的随机性、关联性变化大，确保负荷预测的准文中采用最tb-乘支持向量机(LeastSquareSup—确性比较困难。长期以来，国内外学者对负荷预测的portVectorMachine，LS—SVM)组合预测方法，解决小理论和方法做了大量的研究，提出了多种预测方法，样本、非线性、高维数、局部极小点等实际问题，利用如时间序列法、灰色

8、预测法、BP神经网络算法以及综VC维最小的学习机器来控制组合预测经验风险和置合各单一模型的组合预测法⋯。但不管是时间序列信区间的最小界，以保证组合预测误差最小。以现有法、灰色预测