基于PCA-LSTM的城市燃气日负荷预测

天然气是一种优质的低碳能源,燃气负荷预测可为燃气规划及调配提供重要依据。为寻求更精确的负荷预测方法,提出一种基于PCA-LSTM的燃气负荷预测模型,通过主成分分析对燃气日负荷影响因素特征提取,随后采用LSTM网络进行预测。并且由于不同时期的负荷具有不同的特点,将全部数据分为供暖季、过渡季及非供暖季3个时期分别进行预测,并与基于全年数据的预测模型进行对比。实验结果表明,与其他预测模型相比,基于数据分组的情况下,采用PCA-LSTM模型可以得到更好的预测效果,为城市燃气日负荷预测提供了一种更为有效的预测方法。

基于贝叶斯网络的燃气调压器故障诊断研究

为解决燃气调压器发生故障时出现的内部故障节点不确定性问题,引入贝叶斯网络,通过MATLAB编程,建立基于贝叶斯网络的燃气调压器故障诊断方法。通过调查问卷的方法,依靠专家的经验,对调压器发生各种故障类型时故障节点发生统计概率、各故障节点相互影响导致故障类型发生的概率进行打分,作为先验信息输入程序中,计算得到故障调压器的故障节点发生计算概率。与专家通过拆解、实验等方法得出的实际故障节点发生概率进行对比,相对误差均在8%以内,说明基于贝叶斯网络的燃气调压器故障诊断方法有效。