基于PCA-LSTM的城市燃气日负荷预测  

City Gas Daily Load Prediction based on PCA-LSTM

作　　者：孙军民 张文涛 刘超 于铭多 Sun Junmin;Zhang Wentao;Liu Chao;Yu Mingduo

机构地区：[1]涿州滨海燃气有限公司 [2]北京建筑大学环境与能源应用工程学院

出　　处：《城市燃气》2023年第2期12-19,共8页Urban Gas

摘　　要：天然气是一种优质的低碳能源,燃气负荷预测可为燃气规划及调配提供重要依据。为寻求更精确的负荷预测方法,提出一种基于PCA-LSTM的燃气负荷预测模型,通过主成分分析对燃气日负荷影响因素特征提取,随后采用LSTM网络进行预测。并且由于不同时期的负荷具有不同的特点,将全部数据分为供暖季、过渡季及非供暖季3个时期分别进行预测,并与基于全年数据的预测模型进行对比。实验结果表明,与其他预测模型相比,基于数据分组的情况下,采用PCA-LSTM模型可以得到更好的预测效果,为城市燃气日负荷预测提供了一种更为有效的预测方法。

关 键 词：燃气日负荷预测 数据分组 主成分分析 长短期记忆神经网络 

分 类 号：TU996.3[建筑科学—供热、供燃气、通风及空调工程]