[发明专利]利用修正的BP神经网络模型预测热油管道能耗的方法

说明书

技术领域

本发明属于管输能耗预测技术领域，特别涉及一种利用修正的BP神经网络模型预测热油管道能耗的方法。

背景技术

“十二五”是我国经济社会发展的重要战略机遇期，也是转变发展方式，加快建设资源节约型和环境友好型工业体系的关键时期，随着经济增长的能源资源和环境约束日益强化，国家对节能工作越来越重视，管道输送行业也在积极响应国家相关节能政策与发展规划。对管输能耗现状进行综合分析和评估是实施节能工作的前提和基础，而建立反映能耗变化的预测方法是从宏观尺度上分析认识管输能耗变化与发展特性，是管道输送行业开展节能工作提供决策依据的有效途径和重要手段。

由于我国油田所产原油大多含蜡较高，加热输送是含蜡原油的主要输送方式，而出站温度、输油量、管线总传热系数、管体的结蜡程度以及季节变化等诸多因素都会影响热油管道能耗，国外没有针对我国热油管道这种复杂系统的能耗预测模型。目前，国内好多学者都对原油管道能耗的预测方法进行了研究和探讨。例如：文献“原油管输能耗预测方法研究”引入了季节因素，建立了原油管道能耗预测模型，但由于仅考虑了季节因素对原油管道能耗的影响并且由于计算模型的限制，该模型仅可以在有限数据条件下实现原油管道能耗预测。文献“原油长输管道油电损耗的回归预测”、“管线油电损耗的灰色模型及预测”、“基于普通累积法的原油管线油电损耗预测”均是需要依据原油管线多年来的输量及油、电损耗数据，采用特定的数学方法建立原油管道油、电损耗预测模型，这些模型均只考虑了输量对原油管道能耗的影响，而忽略了其它因素对其的影响。加之，在实际生产中，影响热油管道能耗的诸多因素不易获取，因此上述的能耗预测方法不能很好的适用于热油管道的能耗预测，在热油管道能耗影响因素数据缺省情况下来预测管输能耗的问题亟待解决。

发明内容

本发明所要解决的技术问题是提供一种预测精度高的利用修正的BP神经网络模型预测热油管道能耗的方法。

为解决上述技术问题，本发明提供了一种利用修正的BP神经网络模型预测热油管道能耗的方法，包括以下步骤：

收集热油管道的历史能耗数据作为样本数据，对所述样本数据进行归一化，使样本数据范围在[0,1]之间；

进行BP神经网络模拟，建立预测热油管道能耗的第一神经网络模型，包括如下过程：

(1)确定神经网络的层数，

(2)确定神经网络的输入变量个数，

(3)确定神经网络的输出变量个数，

(4)确定神经网络的隐含层元素个数，

(5)网络初始化并进行网络训练；

利用第一神经网络模型对热油管道能耗进行预测，得到能耗真实值序列x与能耗预测值序列的极差序列

基于GM(1,1)算法建立残差公式对第一神经网络模型进行修正，得到第二神经网络预测模型；

利用第二神经网络预测模型计算热油管道能耗的预测值x^*。

进一步地，所述收集热油管道的历史能耗数据作为样本数据是收集热油管道近四年的月能耗数据作为样本数据。

进一步地，所述对样本数据进行归一化的公式为：

y=x-xminxmax-xmin]]>

其中，x为热油管道历史能耗数据，y为x的归一化输出，x_min为x的最小值，x_max为x的最大值。

进一步地，所述确定神经网络的输入变量个数中的输入变量为样本数据中热油管道前三年的月能耗，所述能耗真实值序列x为样本数据中热油管道最近一年的月能耗。

进一步地，所述第二神经网络预测模型的推导方法为：