摘要：电耗预测是原油管道运行能耗管理的重要依据，有助于输油企业制定批量调度与负荷分配等运行方案。由于采集的数据通常包含噪声和信息冗余，传统预测模型在小样本时预测精度较低。为提高在小样本时训练学习的预测能力，提出一种基于分解技术、改进粒子群算法（IPSO）和支持向量机（SVM）结合的原油管道电耗预测模型。利用自适应噪声的完整集成经验模态分解（CEEMDAN）对原始数据进行降噪和去信息冗余，提高预测精度；使用改进的粒子群算法优化支持向量机的超参数，增强拟合能力，对原油管道运行电耗进行预测。以国内3条原油管道为例，对建立的混合预测模型进行准确性评价。3条管道的决定系数值（R~2）分别为0.9109、0.9091和0.9534,与传统方法预测结果相比，在小样本时上述混合模型预测准确度最高。

关键字：原油管道;电耗预测;集成经验模态分解;改进粒子群算法;支持向量机

ISSN号：1006-9348

卷、期、页：2022年09期:519-524+531,7

发表日期：2022-09-15

期刊分区（SCI为中科院分区）：无

收录情况：北大中文核心期刊

发表期刊名称：计算机仿真

通讯作者：朱振宇,徐磊

第一作者：侯磊

论文类型：期刊论文

论文概要：朱振宇,侯磊,徐磊，基于混合模型的原油管道运行电耗预测研究，计算机仿真，2022，2022年09期:519-524+531,7

论文题目：基于混合模型的原油管道运行电耗预测研究