摘要：以往针对单一城市或地区的天然气短期负荷预测，对天然气管道系统而言是单节点的预测研究，对短期内管道系统最优生产调度计划的制订指导意义不足。以某天然气管道沿线4个城市用气节点为例，建立一种基于PSO(粒子群算法)优化LSTM(长短期记忆神经网络)的天然气短期负荷预测模型。针对负荷数据含噪问题，采用分解去噪算法进行数据去噪；针对LSTM网络超参数较难合理选取问题，通过PSO算法进行模型超参数寻优；针对多用气节点负荷预测问题，将节点间用气负荷相关性引入预测模型研究。结果表明，结合数据去噪与节点负荷相关性的PSO-LSTM混合模型具有较高的预测精度，针对用气负荷最高节点的决定系数R2能够达到0.941。该方法能够用于准确预测天然气管道多用气节点短期负荷。

关键字：天然气管道;短期负荷预测;去噪分析;节点负荷相关性;长短期记忆神经网络

ISSN号：2097-0021

卷、期、页：卷34期6:91-100

发表日期：2022-12-02

期刊分区（SCI为中科院分区）：无

收录情况：一般期刊

发表期刊名称：油气与新能源

通讯作者：满建峰,杨凯,刘珈铨,张鑫儒,伍星光,贺思宸

第一作者：侯磊

论文类型：期刊论文

论文概要：满建峰,侯磊,杨凯,刘珈铨,张鑫儒,伍星光,贺思宸，基于PSO-LSTM混合模型的天然气管道多用气节点负荷预测研究，油气与新能源，2022，卷34期6:91-100

论文题目：基于PSO-LSTM混合模型的天然气管道多用气节点负荷预测研究