-
题名气象因素对城市燃气日用气量的影响
被引量：8
- 1
-
-
作者
张中秀
周伟国
潘艳
梁金凤
-
机构
同济大学机械工程学院
新奥燃气控股有限公司
-
出处
《建筑热能通风空调》
2008年第4期93-96,共4页
-
基金
教育部高等院校博士学科点专项基金项目(20050247010)
-
文摘
气象是城市燃气日用气量的重要影响因素。本文以我国华北某城市为例,分析了温度、湿度、风速、云量等气象因子对城市燃气日用量的影响作用,通过相关分析和因子舍选,最终确定日平均温度、日平均相对湿度、日照时数为城市燃气日用气量的关键影响因素,该研究对于城市燃气用气规律分析和负荷预测工作具有指导意义。
-
关键词
气象
城市燃气
天然气
日用气量
影响
-
Keywords
weather, urban gas, natural gas, daily gas consumption, influence
-
分类号
TU996
[建筑科学—供热、供燃气、通风及空调工程]
S562
[建筑科学—市政工程]
-
-
题名廊坊市天然气用气量预测方法的研究
被引量：1
- 2
-
-
作者
梁金凤
郭开华
皇甫立霞
李宁
-
机构
中山大学
新奥能源控股有限公司
-
出处
《煤气与热力》
2015年第10期36-42,共7页
-
基金
质检公益科研专项项目(201210235)
中山大学-BP液化天然气中心资助项目(99103-9390001)
广东省普通高校液化天然气与低温技术重点实验室资助项目(39000-3211101)
-
文摘
根据廊坊市城市特点与天然气用气规律,通过分析居民用户年用气量与民用气价、人均收入、城镇化水平、人均GDP的关系,建立城市年用气量预测模型;通过分析历年月用气量变化规律及曲线形态,得出月用气量分配计算方法;通过计算城市日用气量与星期类型、节日类型和天气情况的关系系数,建立城市日用气量预测模型。2006—2011年的年用气量预测平均相对误差为3.1%,月用气量预测的平均相对误差为5.3%,2012年1月日用气量预测的平均相对误差为4.33%。
-
关键词
用气量预测
负荷预测
年用气量
月用气量
日用气量
-
Keywords
gas consumption prediction
gasload prediction
annual gas consumption
monthly gasconsumption
daily gas consumption
-
分类号
TU996.3
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名基于机器学习的日用气量预测及影响因素分析
被引量：9
- 3
-
-
作者
黄建安
金亚东
杨谈
-
机构
北京燃气集团有限公司
北京万智生科技有限公司
北京邮电大学
-
出处
《煤气与热力》
2019年第9期29-32,J0043,共5页
-
文摘
基于物联网智能抄表技术获取的准确的居民日用气数据,采用机器学习方法实现居民日用气量的预测与影响因素评价。在采用LSTM模型对居民日用气量进行预测时,分别进行无特征预测(在预测过程中,不添加特征值)、特征预测,特征预测的精度比较高。在对居民日用气量的影响因素进行评价时,采用XGBoost模型,主要考虑小区外部特征(地理位置、物业费价格、容积率、房价、建造时间、绿化率、交通情况、教育特征)的影响,地理位置、物业费价格、容积率、房价、建造时间、绿化率的重要性靠前,其他小区外部特征的重要性不明显。
-
关键词
居民日用气量预测
机器学习
影响因素分析
LSTM模型
XGBoost模型
-
Keywords
prediction of residential daily gas consumption
machine learning
influence factor analysis
LSTM model
XGBoost model
-
分类号
TU996.3
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名城镇燃气日负荷预测模型比较研究
被引量：6
- 4
-
-
作者
汤燕刚
房艳立
陈刘洋
黄小美
罗敏
-
机构
温州市燃气有限公司
重庆大学土木工程学院清洁能源研究所
成都华润燃气设计有限公司
-
出处
《煤气与热力》
2022年第4期V0007-V0011,共5页
-
文摘
依据A、C市2015-2017年以及B市2016-2018年历史日负荷数据,针对不同用气结构城市不同季节的燃气日负荷进行预测,比较ARIMA模型、BP模型、RNN模型、LSTM网络模型的预测精度。结果表明,不同模型不同用气结构城市的预测精度不同,LSTM网络模型的适用性和预测精度在各城市均比较高。
-
关键词
燃气日负荷预测
用气结构
深度学习
长短期记忆网络
-
Keywords
gas daily load forecast
gas consumption structure
deep learning
long-and short-term memory network
-
分类号
TU996.3
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名基于GRU神经网络的燃气用气量预测
- 5
-
-
作者
刘兴伟
柴家风
王倩微
王铁强、
王佩广
籍瑞春
-
机构
北京市燃气集团研究院
北京市燃气集团有限责任公司
-
出处
《煤气与热力》
2023年第4期V0001-V0006,V0012,共7页
-
文摘
提出一种基于GRU(Gate Recurrent Unit)神经网络的锅炉用户小时用气量和日用气量预测方法,基于200个锅炉用户数据对模型进行训练和预测。结果表明:不虑天气因素应用GRU模型进行小时用气量预测时,200个锅炉用户中,40%的锅炉用户预测相对误差绝对值的平均值小于5%,70%的锅炉用户预测相对误差绝对值的平均值小于8%,95%的锅炉用户预测相对误差绝对值的平均值在10%以内。预测结果在工程实际可接受范围内。考虑逐时室外温度后,算法复杂度变大,且运行时间变长,但锅炉用户小时用气量预测精度并未出现明显提升。不虑天气因素应用GRU模型进行日用气量预测时,日用气量预测相对误差绝对值的平均值高于小时用气量。考虑室外温度因素后,锅炉用户日用气量预测精度并未出现明显提升。应用GRU模型进行小时用气量、日用气量预测时,建议综合考虑预测相对误差与算法复杂度、时间成本等。
-
关键词
GRU神经网络
锅炉用户
小时用气量预测
日用气量预测
-
Keywords
GRU neural network
boiler user
prediction of hourly gas consumption
prediction of daily gas consumption
-
分类号
TU996.6
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名基于气温预测燃气日用气量的智慧平台建设
被引量：1
- 6
-
-
作者
刘松涛
戴绘
郭敏
-
机构
天津市赛达燃气有限公司
-
出处
《煤气与热力》
2020年第7期I0022-I0025,I0045,I0046,共6页
-
文摘
由于上游气源单位要求下游燃气公司执行日计划用气量申报制度,因此,燃气日用气量预测的准确性十分重要。构建的燃气预警指挥智慧平台是通过研究气温和燃气日用气量之间的规律进而实现燃气日用气量预测的软件,由基础数据采集层、数据信息处理层和业务功能展示层3层架构组成。供暖期预测模型采用动态的综合线性回归和自回归相结合的混合线性方程,非供暖期预测模型采用动态非线性方程,两个预测模型均基于前一天的气温和日用气量来预测后一天的燃气日用气量,并将预测结果进行可视化图表展现。分析燃气预警指挥智慧平台的建设背景、建设目标、组成、各部分的功能、燃气日用气量预测模型的构建、后台管理。实践表明,该平台预测效果良好。
-
关键词
燃气预警指挥智慧平台
气温
燃气日用气量预测
-
Keywords
gas warning and command smart platform
air temperature
daily gas consumption prediction
-
分类号
TU996.3
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名新冠肺炎疫情对北京市天然气用气量的影响
被引量：1
- 7
-
-
作者
王勋
仇晶
陈婷婷
刘雨明
刘宗奇
王倩微
-
机构
北京市燃气集团研究院
-
出处
《煤气与热力》
2020年第9期36-38,42,J0044,共5页
-
文摘
采用事件分析法评估2019年年底新冠肺炎疫情爆发后北京市天然气用气情况,提出天然气日用气量的预测模型,结合北京市天然气企业的实际统计数据,进行疫情事件对天然气日用气量影响的显著性分析。结果表明,疫情事件对北京市2019—2020年供暖期天然气日用气量有显著影响。分析了疫情对城镇燃气企业的影响。
-
关键词
新冠肺炎疫情
天然气日用气量
预测模型
事件分析法
显著性分析
-
Keywords
COVID-19 epidemic
daily natural gas consumption
prediction model
event analysis method
significance analysis
-
分类号
TU996.3
[建筑科学—供热、供燃气、通风及空调工程]
-
