基于BO-LSTM的天然气处理厂负荷率预测模型

作者：刘行; 王秋晨; 文韵豪; 王艺; 巴玺立

来源：天然气与石油, 2023, 41(05): 122-130.

• 天然气处理厂
• 负荷率预测
• BO-LSTM
• 超参数

为优化天然气处理厂生产计划，弥补天然气处理厂负荷率预测模型的空缺，提出一种基于贝叶斯优化(Bayesian Optimization,BO)和长短期记忆(Long Short-Term Memory,LSTM)的天然气处理厂负荷率预测模型。LSTM模型用于捕捉因检修天数和日处理量等因素引起的时间特征，贝叶斯算法用于优化LSTM网络的结构、隐藏层层数、隐藏层神经元个数、初始学习率和正则化系数，弥补参数造成预测波动的缺陷。选取波动型和平稳型天然气处理厂负荷率对不同模型测试，结果表明，LSTM模型较其他传统预测模型的预测精度高。BO-LSTM模型的预测平均绝对误差(MAE)值和均方根误差(RMSE)值均最小，预测精度最高，通用性强，较传统LSTM模型的MAE和RMSE值可提高57.8%和30.1%。天然气处理厂负荷率预测模型可为天然气处理厂的生产运行和决策提供数据支撑，具有稳定的预测精度和适应性。

• 单位
  中国石油大学（北京）; 中国石油天然气股份有限公司