天然气长期负荷预测能够解决城市燃气供需不平衡的问题,为城市燃气公司的管理运行提供帮助。为了提高天然气长期负荷的预测精度,提出了基于SVM-GA(SupportVectorMachines-GeneticAlgorithm)的天然气长期负荷预测模型。分析确定影响天然气用气量的相关因素,应用遗传算法和交叉验证方法分别对支持向量机模型的惩罚因子c 及核函数参数g 进行优化,以期提高支持向量机模型的预测精度,将优化后的参数输入支持向量机模型中,进行天然气长期负荷预测。以某省实际的样本数据为例,将SVM-GA模型的预测结果与SVM 和交叉验证法结合模型及BP(BackPropagation)神经网络模型的预测结果进行比较分析。结果表明,SVM-GA 预测模型分别比SVM 和交叉验证法结合预测模型和BP神经网络模型在衡量预测精度的相对均方误差、归一化均方误差、归一化绝对平方误差、归一化均方根误差、最大绝对误差五个指标分别高0.58%、3.98%、2.99%、4.58%、8.64%和6.13%、26.28%、19.71%、21.09%、31.48%。因此支持向量机与遗传算法相结合的模型能够较准确地预测天然气长期负荷。

基于计算流体力学理论,采用有限体积法建立辐射模型,对长、宽、高均为5m 的方腔内带双圆柱体进行了三维计算研究。分析了腔内双圆柱体中心轴线间距、管径以及方腔的左壁面温度和右壁面温度对腔内沿Z轴各截面的平均温度分布的影响。研究结果表明,双圆柱体中心轴线间距越大,在腔的左右壁面处对流强度越强;双圆柱体管径越大,对流强度越弱;左壁面温度越高,对流强度越弱;右壁面温度越高,自然对流越强烈。该结果可为试验研究提供一定的参考。