天然气作为一种清洁高效的化石能源,在世界一次能源使用中占据了重要的地位。为了优化我国能源结构,近些年国家出台了一系列重要的政策,来引导天然气产业的发展。得益于国家政策的大力引导和鼓励,天然气产业在我国取得了快速发展。然而由于天然气自身的特殊性,其需要存储在低温高压等非常规坏境,大量存储天然气将会带来一定的安全隐患,目前技术条件下不适合大量存储。准确预测未来一段时间内天然气用气负荷,可以为天然气输气管网的建设,天然气输气调度等提供科学合理的依据,对提高天然气公司运行效率,增加经济效益和保障用户用气安全具有重要的现实意义。本文主要针对山西省大同市民用天然气负荷进行研究,并建立预测模型,主要内容如下:(1)通过阅读文献和现场调研,研究了几种不同的天然气负荷预测周期,确定了天然气短期负荷预测所需采集的数据,通过研究采集到的数据的特征对其做了缺失值填充、噪声去除、数据归一化等预处理。(2)通过对天然气负荷数据进行平稳性和纯随机性检验,研究了天然气负荷序列具有的时间序列特性,为后续建立时间序列模型提供参考。通过研究气象条件对天然气负荷的影响和两者之间的相关性,为后续建立改进人工鱼群算法优化的神经网络预测模型提供了依据。(3)通过研究天然气负荷的时间序列特性,建立了基于经验模态分解的ARMA预测模型。该模型首先针对天然气数据的非平稳性,利用经验模态分解法将其进行分解,得到有限个子序列,然后对子序列单独建立ARMA模型,最终预测结果为各个子序列预测结果之和。实验表明本文算法相比其它对比算法预测结果更准确,精度更高,可用于该地区天然气负荷预测。(4)通过研究气象因子对天然气负荷的影响机理,建立了基于改进人工鱼群算法优化的BP神经网络预测模型。该模型改进了人工鱼群算法,对神经网络初始连接权值和节点阈值的选择进行了优化。实验表明本文算法能对天然气负荷进行有效预测,同时也优于其它两种对比算法,验证了本文算法在天然气负荷预测中的可行性和有效性。本文从不同角度提出了两种预测算法,都取得了很好的预测效果,预测误差都控制在10%以内,充分表明本文研究方法的可行性,可以对天然气负荷进行有效预测。