典型文献
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
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
满建峰;侯磊;杨凯;刘珈铨;张鑫儒;伍星光;贺思宸
作者机构：
中国石油大学(北京)机械与储运工程学院;中国石油天然气集团有限公司油气地下储库工程重点实验室;国家管网西南管道公司
文献出处：
引用格式：
[1]满建峰;侯磊;杨凯;刘珈铨;张鑫儒;伍星光;贺思宸-.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)[J].油气与新能源,2022(06):91-100
A类：
节点负荷相关性
B类：
PSO,混合模型,天然气管道,气节,预测研究,气短,短期负荷预测,管道系统,单节点,内管,系统最优,优生,生产调度,调度计划,某天然气,粒子群算法,长短期记忆神经网络,负荷预测模型,负荷数据,去噪算法,数据去噪,超参数寻优,用气负荷,高节,决定系数,够用,准确预测,去噪分析
AB值：
0.260181
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
