基于改进的混合蛙跳算法的短期燃 气负荷预测模型研究-人工智能专业论文.docxVIP

PAGE PAGE III PAGE PAGE IV 上海师范大学硕士学位论文 摘要 摘要 天然气是世界第三大能源，也是一种绿色、高效、经济、安全环保的能源。 随着城市环境的污染越来越严重，空气质量越来越差，增大绿色天然气在能源消 费中的比例也越来越重要。提高城市天然气的使用比例，不仅有利于促进节能减 排，又能够促进经济与社会的可持续发展，同时也是反映人们生活水平的一个重 要指标。因此，科学精确的天然气预测不仅关系着天然气公司的利益问题，同时 还关系着整个天然气行业的建设和发展，与广大的人民生活也息息相关。 短期负荷预测方法主要是依赖历史负荷数据，其本质是基于负荷预测的相似 性原理。传统的燃气负荷预测都是通过优化预测算法来提高预测精度，本文在此 基 础上 ， 提出 了基 于 模糊 C 均 值(FCM) 聚 类分 析挑 选 最小 二 乘支 持向 量 机 (LS-SVM)预测模型训练集的新方法。最小二乘支撑向量机(LS-SVM)是一种新颖 的机器学习方法，通过利用高维映射能把非线性问题转换为线性问题，在模式识 别和函数回归估计具有较好的工作性能，然而，当有海量输入数据参与到训练模 型时，收敛时间较长。因此，我们可以在分析影响燃气负荷的特征因素的基础上， 利用模糊 C 均值聚类对历史燃气负荷进行分类，通过计算待预测样本与各聚类 中心的距离，然后挑选最近距离的类中包含的数据作为