基于SOFM网络与多层感知器的天然气短期负荷预测研究.pdfVIP

基于SOFM网络和多层感知器的天然气短期负荷预测研究 郑岗 张笑刘涵梁炎明刘丁 西安理工大学自动化与信息T程学院西安710048 E—mail：Gzheng@xaut．edu．crlzxuser@263．netliud@xaut．edu．ca 摘要：通过对城市天然气负荷变化规律和影响因素的分析，提}}{了基于自组织特征映射(Self-Organizing Feature Map，SOFM)网络和多层感知器(MultilayerPerceptron，MLP)网络的一种混合方法，来建立短 期天然气负荷预测模型。为使预测值不受负荷逐年变化这一趋势的影响，把负荷数据变换为特征、均值和 方差的形式，利用SOFM网络预测负荷的特征，然后利用MLP网络预测负荷的日均值和方差。研究结果 表明，该方法具有较高的预测精度，同时具有较强的工程实用价值。 关键词：短期负荷预测 自组织特征映射网络多层感知器 Short-TimeNatureGasLoad SOFM ForecastingUsing Networkand MultilayerPerceptron Xiao HanLiu Liu GangZheng Zhang YanmingLiangDing SchoolofAutomationandInformation Engineering，XAUT,Xi’an，710048 load andeffectfactorforurban basedonthe hybridapproach Abstract；Analyzedchanges gas，a combinationofthe feature networkand self-organizingmap(SOFM)neuralmultilayerperceptron(MLP)is nature model．Inordertomakethe thatis toestablishshort-time load presented gas forecasting prediction to load aretransformedto onthe trend from data value， independentgeneralchangingyearyear,the profiles，mean andvariancevalue．SOFMisusedforthe of andMLPnetworksfor of mean profiles predictiondaily prediction valueand variance resultsshowthatthis the ofshort-time daily improvesprecision value．Experiment approach load effectivenessofthemodelhasbeenvedfiedactual forecasting．The b