科研之友
微信
新浪微博
Facebook
分享链接
摘要
电耗预测是原油管道运行能耗管理的重要依据，有助于输油企业制定批量调度与负荷分配等运行方案。由于采集的数据通常包含噪声和信息冗余，传统预测模型在小样本时预测精度较低。为提高在小样本时训练学习的预测能力，提出一种基于分解技术、改进粒子群算法(IPSO)和支持向量机(SVM)结合的原油管道电耗预测模型。利用自适应噪声的完整集成经验模态分解(CEEMDAN)对原始数据进行降噪和去信息冗余，提高预测精度；使用改进的粒子群算法优化支持向量机的超参数，增强拟合能力，对原油管道运行电耗进行预测。以国内3条原油管道为例，对建立的混合预测模型进行准确性评价。3条管道的决定系数值(R2)分别为0.9109、0.9091和0.9534,与传统方法预测结果相比，在小样本时上述混合模型预测准确度最高。
- 单位
