《油气与新能源》

文章标题:基于PSO-LSTM混合模型的天然气管道多用气节点负荷预测研究

文章作者:满建峰,侯磊,杨凯,刘珈铨,张鑫儒,伍星光,贺思宸
关 键 字:天然气管道;短期负荷预测;去噪分析;节点负荷相关性;长短期记忆神经网络
文章摘要:以往针对单一城市或地区的天然气短期负荷预测,对天然气管道系统而言是单节点的预测研 究,对短期内管道系统最优生产调度计划的制订指导意义不足。以某天然气管道沿线 4 个城市用气 节点为例,建立一种基于 PSO(粒子群算法)优化 LSTM(长短期记忆神经网络)的天然气短期负 荷预测模型。针对负荷数据含噪问题,采用分解去噪算法进行数据去噪;针对 LSTM 网络超参数较 难合理选取问题,通过 PSO 算法进行模型超参数寻优;针对多用气节点负荷预测问题,将节点间 用气负荷相关性引入预测模型研究。结果表明,结合数据去噪与节点负荷相关性的 PSO-LSTM 混 合模型具有较高的预测精度,针对用气负荷最高节点的决定系数 R2 能够达到 0.941。该方法能够用 于准确预测天然气管道多用气节点短期负荷。