基于EMD与BP神经网络的北京市采暖季天然气消耗量预测

闵晶晶，王 华，董 颜

(北京市气象服务中心,北京 100097)

引 言

近年来，我国经济的迅速发展导致能源消费量快速增加，能源安全与环境问题日益显著。天然气作为优质高效的清洁能源极大改善了空气环境质量。伴随北京煤改气的全面推进，天然气消费量呈现爆发式增长[1-4]。合理预测天然气消耗量，不仅有利于城市管网的优化调度，保证管网供气量，而且在实现节能减排、国家政策分析与制定以及国民经济核算等方面具有深远意义。据统计，天然气作为北京市主要的供暖燃料，采暖季的消耗量占全年消耗总量的80%，具有明显的季节性特征。如2009—2010、2012—2013年冬季北京遭遇了罕见的大雪、低温天气，天然气出现供需不平衡情况，直接威胁到城市居民的冬季供暖。因此，灾害性天气影响下冬季采暖季天然气预测显得尤为重要。

天然气消耗量常用的预测方法主要分为统计方法、经济数学模型和智能算法三类[5]。统计学方法以时间序列分析为主，广泛应用于能源预测[6-8]，但统计模型需要长期数据积累，且模型中影响因子的贡献率较为固定，无法反映随时间推移某些特征因子贡献率的衰减。经济数学模型如灰色系统理论，可量化不确定因素和小样本信息，常用于构建短期天然气消耗量预测模型[9-11]。近年来，为了解决非线性决策问题，陆续采用神经网络、遗传算法等智能算法构建天然气消耗量预测模型[12-15]。经验模态分解是处理非平稳信号的一种时频分析方法，可依据输入信号的自身特点，将原始信号分解成若干个本征模态函数与残差，该方法是对傅里叶分析和小波变换的重大突破[16]。……