负荷预测
负荷预测器基于神经元网络技术，它是智能系统，至关重要地改进了用气负荷预测精度。负荷预测极大地减少了供气风险，通过显著地减少预测计算的人力时间，提高了操作效率，帮助管道公司用这正确信息做出关键决策，从而带来更大的灵活，敏捷，以及改进下游用户的满意度。
预测引擎基于J-NeuralNet?神经元网络技术，一个通用的神经元模型。训练神经元使用历史负荷数据，例如气象数据，操作数据，经济数据来预测小时流量负荷
负荷预测器可以根据历史用气量，操作数据，气象数据，假日，日历、经济因素，价格因素，生产计划等相关因素建立预测模型，预测用户在未来某个时间的长期（一个月、一季度、一年等）或短期（一周、一天、一小时等）的用气需求量，从而帮助改进供需平衡，支持计划制定人员提前制定输气计划，实现nomination模式，可以与SSL的 在线或者离线模拟软件无缝集成或者与其它公司软件集成，计算出分配给下游用户的输气量，帮助调度人员指导生产运行
实施过程需要仔细选择相关数据（影响用气负荷）。这要求确定相关数据的数量和质量，数据源，数据访问。例如气象数据不仅仅作为未来的温度数据因素，也包括风速，风向，云层，等。输入的数据，得到的数据月准确，预测结果越准确。

点击下载：用气负荷预测器