文献类型：期刊文章

作　　者：乔伟彪[1,2,3] 陈保东[2]

机构地区：[1]中国石油大学(华东)储运与建筑工程学院,山东青岛266580 [2]辽宁石油化工大学石油天然气工程学院,辽宁抚顺113001 [3]华润(南京)市政设计有限公司,江苏南京210000

出　　处：《石油化工高等学校学报》

基　　金：中国石油集团公司重点研究项目资助(KY2011-13)

年　　份：2015

卷　　号：28

期　　号：4

起止页码：75-80

语　　种：中文

收录情况：AJ、CAS、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、普通刊

摘　　要：针对天然气时负荷预测问题,提出了一种基于Haar小波变换和ARIMA-RBF的天然气时负荷组合预测模型。首先,对天然气时负荷数据样本时间序列进行小波分解,采用Mallat快速算法,母小波为Haar小波,对分解出来的高频分量进行ARIMA预测,低频分量进行RBF预测;其次,对高频分量预测结果和低频分量预测结果进行Haar小波重构;最后,以某市实际采集的天然气时负荷为例进行研究,并与自组织特征映射(Self-organizing Feature Map,SOFM)网络和多层感知器(Multilayer Perceptron,MLP)网络(SOFM+MLP)组合预测模型进行对比分析。结果表明,组合预测模型较SOFM+MLP预测模型的MAPE值指标高出2.593 2%,预测精度显著提高,为实际工程的在线应用提供了有益参考。

关 键 词：天然气时负荷  HAAR小波变换 ARIMA RBF 预测  

分 类 号：TE821]