近年来随着全球人口的迅速增长和现代化程度的高速提高,能源短缺、环境质量问题逐渐凸显。天然气作为清洁高效能源被广泛地应用,因此,天然气站场作为市电突然中断等情况下的能源供给而倍受重视。针对天然气站场发电机选取过程中出现的容量过大、站场带负荷率低、发电机组运行效率低、资源造成浪费等问题,本课题提出了发电机组容量选择方法,分析了天然气站场参数与发电机组容量的关系,探讨了利用两种预测算法进行建模及其流程;对天然气站场发电机组容量进行预测,经过预测结果的误差比较分析确定了较理想的预测模型。本文从设计角度以发电机组数据单上的常用参数对发电机组进行研究,选取了数据单上不固定的数据-发电机组容量,探讨了天然气站场的用气规模、占地面积、所处地域、电力性质等不同对发电机组的容量选择影响的程度,构建了BP神经网络发电机组容量预测模型。通过BP神经网络的原理、拓扑结构及其算法建立了发电机组容量预测模型的流程,并对模型构建的详细过程进行了分析,为天然气站场类项目发电机组容量的选择提供理论依据,并在一定程度上节约设计成本、生产成本。本文分析了天然气站场系统和发电机组,利用发电机组数据研究了天然气站场发电机组参数以及与发电机组容量有关的天然气站场参数,选取对发电机组容量影响较大的天然气站场参数作为采样数据,构建了支持向量机发电机组容量预测模型。通过支持向量机算法的原理、利用最优分类超平面等进行数学推导等等以及核函数、参数优化算法建立了发电机组容量预测模型的流程。BP神经网络和支持向量机两种预测算法都运用了MATLAB实验平台进行建模仿真,通过对仿真结果进行定量的误差比较分析,为发电机组容量分析提供了最优的理论预测模型。