摘要：准确的短期能耗预测是原油管道能耗管理的重要依据,有助于能耗目标设定、调度优化和机组组合。原油管道能耗主要体现在泵机组上消耗的电能,因此,有必要对原油管道电耗展开准确预测。传统预测方法通常忽略数据噪声干扰,对数据非线性特征的研究也不够深入,上述因素使原油管道能耗预测变得复杂。因此,提出一种将分解技术、分层抽样、改进粒子群算法和反向传播神经网络相结合的混合预测模型,模型由数据预处理、优化、预测和评价4个部分组成。采用数据分解技术去除冗余噪声,提取数据的主要特征;采用分层抽样对数据集进行划分,避免随机抽样引起的样本偏差;将改进粒子群算法优化后的反向传播神经网络作为预测器。针对我国3条原油管道,对提出的模型展开准确性评价,平均绝对百分误差分别为4.02%、3.58%和3.88%。研究表明,相比几种主流机器学习和SPS软件内的能耗预测模块,提出的预测模型具有较高的预测精度和较强的泛化能力,能被用于原油管道短期电耗预测。

关键字：能耗预测;原油管道;分解技术;机器学习;反向传播神经网络

ISSN号：L043

卷、期、页：5(04),p567-577

发表日期：2020-04-01

期刊分区（SCI为中科院分区）：无

收录情况：CSTPCD（中国科技核心期刊）（统计源期刊）

发表期刊名称：石油科学通报

参与作者：白小众,刘金海,谷文渊,孙欣

通讯作者：徐磊,李雨,张鑫儒,雷婷,朱振宇

第一作者：侯磊

论文类型：期刊论文

论文概要：徐磊,侯磊,李雨,张鑫儒,白小众,雷婷,朱振宇,刘金海,谷文渊,孙欣，基于机器学习的原油管输能耗预测方法研究，石油科学通报，2020，5(04),p567-577

论文题目：基于机器学习的原油管输能耗预测方法研究