負荷預測
負荷預測器基于神經元網絡技術,它是智能系統,至關重要地改進了用氣負荷預測精度。負荷預測極大地減少了供氣風險,通過顯著地減少預測計算的人力時間,提高了操作效率,幫助管道公司用這正確信息做出關鍵決策,從而帶來更大的靈活,敏捷,以及改進下游用戶的滿意度。
預測引擎基于J-NeuralNet?神經元網絡技術,一個通用的神經元模型。訓練神經元使用歷史負荷數據,例如氣象數據,操作數據,經濟數據來預測小時流量負荷
負荷預測器可以根據歷史用氣量,操作數據,氣象數據,假日,日歷、經濟因素,價格因素,生產計劃等相關因素建立預測模型,預測用戶在未來某個時間的長期(一個月、一季度、一年等)或短期(一周、一天、一小時等)的用氣需求量,從而幫助改進供需平衡,支持計劃制定人員提前制定輸氣計劃,實現nomination模式,可以與SSL的 在線或者離線模擬軟件無縫集成或者與其它公司軟件集成,計算出分配給下游用戶的輸氣量,幫助調度人員指導生產運行
實施過程需要仔細選擇相關數據(影響用氣負荷)。這要求確定相關數據的數量和質量,數據源,數據訪問。例如氣象數據不僅僅作為未來的溫度數據因素,也包括風速,風向,云層,等。輸入的數據,得到的數據月準確,預測結果越準確。
點擊下載:用氣負荷預測器