基于遗传算法优化和BP神经网络的短期天然气负荷预测

Parameter Optimazation for BP Neural Network with GA on Short-term Gas Load Prediction

天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义。短期天然气负荷预测问题具有周期性和随机性的变化规律。传统方法无法进行准确的预测,预测精度较低。为了提高天然气负荷的预测精度,提出一种基于遗传算法优化和BP神经网络的天然气负荷预测方法。采用遗传算法对BP神经网络连接权值和阈值等模型参数进行优化,从而建立最优的天然气负荷预测模型,并采用某企业的天然气负荷数据对所建立预测模型的可行性和有效性进行验证。仿真结果表明,相对于传统BP预测算法,基于遗传算法优化参数的BP神经网络提高了天然气负荷预测精度,具有一定的实际工程应用价值。

As short-term gas load is random and periodic,the prediction accuracy of traditional methods is quite Iow.BP （Back Propagation） neural network has been increasingly applied to load forecasting.A systematized forecasting method of BP and GA （Genetic Algorithm） is proposed in this paper.GA is used to optimize tmodel parameter of BP for the ability of the classification and generalization.Then the optimal gas load forecasting model is established,and the model performance is verified by some gas load data from an enterprise.