城市燃气消费是中国天然气的主要消费领域,城市燃气负荷预测已成为天然气行业面临的不可回避的问题之一。从宏观角度来说,准确的城市燃气负荷预测是政府及天然气行业决策者合理制定及实施天然气政策的先决保障;从微观角度来说,准确的城市燃气负荷预测是城市燃气公司合理规划城市燃气生产运输及保障供应避免断供的重要条件。XGBoost算法被提出后在很多领域得到运用,尤其在电力负荷预测中,城市燃气负荷与电力负荷在负荷特性及影响因素方面具有一定相似性,本文在综合城市燃气负荷预测基础理论及预测方法研究的基础上,针对成都市城市燃气负荷日负荷及季度负荷特性及规律,对影响城市燃气日负荷及季度负荷的因素进行统计分析研究,分别建立基于XGBoost算法的成都市城市燃气日负荷及季度负荷预测模型,并对模型预测结果进行对比分析及评估,主要研究内容体现在以下几方面:(1)分别分析成都市城市燃气日负荷及季度负荷的特性及规律,结果表明:成都市城市燃气日负荷具有季节性、突变性、趋势性、相似性、周期性及随机性的表征,成都市城市燃气季度负荷具有时序性、趋势性、周期性、季节性、波动性和差异性的特点。(2)分别建立成都市城市燃气日负荷及季度负荷的影响因素体系,采用模糊量化、加权集值统计等方法对影响因素中存在的定性因素进行量化处理,利用相关分析和偏相关分析对影响因素进行筛选,最终选取的成都市城市燃气日负荷影响因素为日平均温度、PM2.5、季节、天气状况及法定重大节假日,成都市城市燃气季度负荷影响因素为第一产业增加值、城镇居民人均可支配收入及季度平均温度。(3)利用网格搜索对基于XGBoost算法的成都市城市燃气日负荷及季度负荷预测模型分别进行参数调整,在寻得模型最优参数的条件下分别建立成都市城市燃气日负荷及季度负荷预测模型。将成都市城市燃气日负荷预测模型预测结果与K-邻近(KNN)模型、随机森林(RandomForest)模型、Lasso回归(LassoRegression)模型进行对照分析,基于XGBoost算法的成都市城市燃气日负荷预测模型结果拟合最好,平均绝对百分比误差(MAPE)降至2.31%,优于其他模型。将成都市城市燃气季度负荷预测模型预测结果与支持向量机(SVM)模型、随机森林(RandomForest)模型、Lasso回归(LassoRegression)模型、时间序列(ARIMA(1,1,1))模型进行对照分析,但由于季度负荷数据量的不足,虽基于XGBoost算法的成都市城市燃气季度负荷预测模型结果拟合效果优于其他模型,平均绝对百分比却高至9.55%,但也在可接受范围内。综上,利用XGBoost算法建立的城市燃气负荷预测模型可以为成都市及其他城市城市燃气预测提供参考,具有一定的现实意义。