Die Prognose der Nachfrage nach Erdgas ist ein wichtiger Bestandteil der Analyse des aktuellen Angebots und der Nachfrage sowie der Vorhersage der zukünftigen Entwicklung des Erdgasmarktes. Im Laufe der Jahre hat sich ein recht vollständiges Prognosesystem entwickelt und entsprechende Anwendungen erzielt. Aufgrund vielfältiger Umweltbeschränkungen nimmt die Unsicherheit des langfristigen Nachfragetrends nach Erdgas zu, während das Gasverbrauchsverhalten der Verbraucher in der nahen Zukunft vielfältig ist und eine feinere Verwaltung erfordert. Die Einteilung und Zusammenfassung von Nachfrageprognosemodellen in verschiedenen Zeitskalen ist daher eine wichtige Aufgabe der aktuellen Gasprognose. Auf der Grundlage von relevanten Literaturveröffentlichungen im In- und Ausland von 2016 bis 2021 wurden die Gasverbrauchsmerkmale in verschiedenen Zeitskalen analysiert, die Hauptfaktoren, die in verschiedenen Zeitperioden berücksichtigt werden müssen, diskutiert und die Vor- und Nachteile der Prognosemodelle in den verschiedenen Zeitskalen zusammengefasst. Die Forschungsergebnisse zeigen: Kurzfristige Daten spiegeln die Endnutzermerkmale direkt wider, weisen eine starke periodische und regelmäßige Eigenschaft auf und werden hauptsächlich von Faktoren wie Wetterbedingungen und Datentypen beeinflusst. Basierend auf den Berechnungsergebnissen des Performance-Index MAPE, zeigte das SVR-Modell eine ausgezeichnete Leistung in einem einzelnen Modell, und das LSSVM-Modell erzielte eine gute Vorhersagewirkung in einem kombinierten Modell. Langfristige Daten spiegeln den makroskopischen Ausdruck des Gasverbrauchs der Nutzer wider und werden hauptsächlich durch die Bevölkerung, die wirtschaftliche Struktur, relevante Daten und Politiken der Erdgasindustrie beeinflusst. Basierend auf den Berechnungsergebnissen des Performance-Index MAPE zeigten das Graue-Modell und das kombinierte Modell aus linearen Regressionen die beste Vorhersagewirkung, und basierend auf den Berechnungsergebnissen des Performance-Index RMSE zeigte das SVM-Modell, das durch genetische Algorithmen optimiert wurde, die besten Vorhersageergebnisse. Auf dieser Grundlage wird ein Modellauswahlrahmen aufgestellt, der sich auf Datenmaßstab, Faktoren und Modelle konzentriert, und es werden Vorschläge für die zukünftige Forschung der Prognosemodelle von kurz-, mittel- und langfristiger Sichtweise gemacht, um Empfehlungen für weitere Untersuchungen der Prognosemodelle bereitzustellen.

Erdgas; Nachfrageprognose; Zeitskala; Gasverbrauchsmerkmale; Einflussfaktoren