官网注册后
http://www.gasheat.cn
免费下载论文
http://www.gasheat.cn/Periodical/index.html
作
者：
王勋，乔佳，陈婷婷，仇晶，王倩微，丁斌
第一作者单位：北京市燃气集团研究院
摘自《煤气与热力》2022年8月刊
王勋，乔佳，陈婷婷，
等
.
基于信息熵城市燃气日负荷组合预测模型
［J］.
煤气与热力，
2022，42（8）
：B13-B15.
天然气负荷预测
［
1
］
是利用天然气历史负荷运行数据和相应的气象数据等，采用某种算法，建立一种适当的预测模型，通过预测模型对天然气负荷进行预测的过程。由于城市燃气负荷具有时变性、随机性、多样性、非稳态性，而且受到天气、季节、节假日、重大事件等因素影响，燃气负荷准确预测困难很大。
燃气负荷由各种不同类型用户用气负荷汇总，随时间动态变化。随着时间推移，选择单一模型不一定适用于负荷预测，而且数学建模都是基于一种理想抽象稳定的假设，用单一的数学模型很难反映负荷发展的自然规律。如果只是简单地将预测误差较大的模型舍弃，将很可能丢弃一些有用的模型。各类预测算法都有弊端，在某些方面容易出现误差突然增大，造成算法的最大误差比较大，影响预测效果。针对这一问题，组合预测
［
2-4
］
是综合考虑各种预测方法的有用信息而建立的一种预测方法，它的主要特点是：首先运用各种单一模型得出预测结果，然后在预测结果上综合判断，给每个预测模型赋予不同的加权系数，得到一个效果更好的综合模型，达到降低预测相对误差、提高预测稳定性的效果。
本文所述组合预测模型基于信息熵理论
［
5
］
，信息熵是
Shannon
信息论中的重要概念，是把熵作为一个随机事件的“不确定性”或信息量的量度。信息量是信息论的中心概念，是信息论度量信息的基本出发点，是把获得的信息看作用以消除不确定性的因素。因此信息量的多少，可以用被消除的不确定性的大小来表示，而随机事件不确定性的大小可以用其概率分布来描述。
本文以北方某重点城市作为分析目标，研究该城市日负荷预测方法。该城市天然气发展处于快速发展阶段末期，信息熵组合预测算法主要思路是首先分析该城市日负荷预测的影响因素，提取建模要素即因变量，后采用单个算法建模，计算各个模型的预测误差，以误差为参数计算各个模型的信息熵，通过信息熵确定组合预测模型中各个模型的加权系数，单个模型的预测均匀性越强，加权系数越大。根据加权系数得到组合预测模型的预测值。具体步骤如下。
通过相关系数法研究得出该城市日用气量的影响因素主要有前日用气量、当日气象参数（温度、风速）以及是否周末、是否重大节假日、特殊事件等。
本文对风速进行量化，引入风速级别变量
w
，每日风速级别对应相应
w
。对日期类型引入哑变量
［
6
］
H
，当日
H
为
0
表示法定工作日，
H
为
1
表示平常周末，
H
为
2
表示五一、国庆及春节长假。考虑到建筑物的热惰性，预测日前几日的温度对当日用气量有影响，因此增加了前
1
日、前
2
日最低温度，温度变量分别为当日平均温度
t
0
、前一日最低温度
t
-1
、前两日最低温度
t
-2
。预测模型输出为当日天然气用气量。
本文搜集了
2018
、
2019
年
2 a
的
730
组历史数据（包含当日平均温度
t
0
、前一日最低温度
t
-1
、前两日最低温度
t
-2
、前一日用气量
V
-1
、当日风速级别
w
0
、日期类型
H
），单个建模算法分别为
Lasso
算法
［
7
］
、线性回归
［
8
］
、
MLP
神经网络
［
9
］
、
XGBoost
算法
［
10
］
。采用
sklearn
模块中
train_test_split
将建模数据划分成训练集、测试集，分别占
70%
、
30%
，实现工具为
python
机器学习
sklearn
包中
Lasso
、
LinearRegression
、
neuralNetwork
、
XGBoost
对象，创建模型对象，用训练集拟合模型，用测试集评估模型。
各模型建好后，预测
2018
年
11
月
15
日至
19
日的天然气日用气量，各模型均输入当日平均温度
t
0
、前一日最低温度
t
-1
、前两日最低温度
t
-2
、前一日用气量
V
-1
、当日风速级别
w
0
、日期类型
H
，得出日用气量各模型预测值与实际值，见表
1
。
采用信息熵法算法确定预测模型预测相对误差的熵及加权系数见表
2
。熵越大，模型稳定性越强，对应的加权系数越大。组合预测模型的预测结果见表
3
。各预测模型预测相对误差绝对值见表
4
。分析表
4
数据可知，组合预测模型预测相对误差绝对值的平均值为
5.23%
，与其他预测模型相比，预测精度明显提高。
①城市燃气负荷具有时变性、随机性、多样性和非稳态性，不可能做到完全准确预测，在某些时间点可能出现较大的相对误差，基于信息熵的组合预测模型能有效降低预测相对误差，提高预测精准度和稳定性。
②组合预测模型预测相对误差绝对值的平均值为
5.23%
，与单种预测模型相比，预测精度明显提高。
［
1
］罗文进
.
燃气负荷影响因素的初步研究与预测应用［
J
］
.
甘肃冶金，
2016
（
1
）：
142-146.
［
2
］于秀伟
.
组合预测中单项预测模型的选择研究（硕士学位论文）［
D
］
.
西安：长安大学，
2015
：
19-29.
［
3
］刘金培，朱家明，陈华友，等
.
模糊变权组合预测方法研究［
J
］
.
统计与决策，
2017
（
16
）：
5-10.
［
4
］唐小我，曹长修，金德运
.
组合预测最优加权系数向量的进一步研究［
J
］
.
预测，
1994
（
2
）：
48-49.
［
5
］丁勇
.
离散型随机变量的平均信息熵［
J
］
.
数学的实践与认识，
2012
（
18
）：
141-146.
［
6
］章晓英
.
虚拟变量在线性回归模型中的应用［
J
］
.
重庆工业管理学院学报，
1998
（
2
）：
84-88.
［
7
］喻胜华，龚尚花
.
基于
Lasso
和支持向量机的粮食价格预测［
J
］
.
湖南大学学报（社会科学版），
2016
（
1
）：
71-75.
［
8
］孙淑生，罗宝花
.
多元线性回归模型在物流成本预测中的应用［
J
］
.
商业时代，
2014
（
18
）：
19-21.
［
9
］郭威，巴秀玲，马文远，等
.
基于神经网络的电力系统负荷预测问题研究［
J
］
.
自动化与仪器仪表，
2017
（
10
）：
192-194.
［
10
］张丹峰
.
基于
LightGBM
，
XGBoost
，
ERT
混合模型的风机叶片结冰预测研究（硕士学位论文）［
D
］
.
上海：上海师范大学，
2018
：
19-29.
［
11
］高尚，张绍彪，梅亮
.
基于相对误差的线性组合预测研究［
J
］
.
系统工程与电子技术，
2008
（
3
）：
481-484.
1、
北方农村燃气日负荷预测的BP神经网络优化
2、
城镇燃气日负荷预测模型比较研究
3、
基于SVR的燃气日负荷预测
维普免费下载《煤气与热力》论文（现刊和过刊均可）
日前，《煤气与热力》杂志社有限公司在维普网站
http://cqvip.com/
开通论文免费下载服务，论文刊出后两个月后，可在维普网站查询，并直接免费下载。在维普网站
免费下载《煤气与热力》论文
步骤如下：
1. 在维普网站注册会员。
2. 搜索出《煤气与热力》论文，点击进入。
3. 论文免费下载界面截图见上图。点击“免费下载”，可直接下载该论文。
声明：本文著作权（版权）归《煤气与热力》杂志社所有，严禁任何微信号及媒体未经授权许可随意转载。
PS: 当然欢迎大家转发到朋友圈！
更多论文请登录煤气与热力杂志官方网站，免费注册会员阅读电子期刊。阅读步骤：登录http://www.gasheat.cn/→页面右上角注册会员→注册成功后点击《煤气与热力》→期刊索引→点击某期期刊封面即可阅读当期文章。
