城市液化石油氣負荷預測方法研究

摘 要

摘要：城市燃氣負荷是進行城市燃氣各項工作的基礎，負荷預測直接影響城市燃氣設施的規(guī)劃與建設，本文結合國內(nèi)某大城市的液化石油氣使用狀況進行了相關研究。該城市發(fā)展應用液化石
摘要：城市燃氣負荷是進行城市燃氣各項工作的基礎，負荷預測直接影響城市燃氣設施的規(guī)劃與建設，本文結合國內(nèi)某大城市的液化石油氣使用狀況進行了相關研究。該城市發(fā)展應用液化石油氣多年，隨著天然氣的普及推廣，液化石油氣使用量在逐年減少。本文采用了幾種不同的預測方法，旨在較好的預測未來該城市液化石油氣發(fā)展趨勢，這些預測方法同樣適用于天然氣等其他城市燃氣負荷預測。
關鍵詞：城市燃氣；液化石油氣；燃氣負荷；預測方法
　隨著城市化進程的提高和城市燃氣的發(fā)展，百姓的日常生活和相關企業(yè)的運行越來越離不開城市燃氣的穩(wěn)定供應，負荷預測的準確性對城市燃氣的穩(wěn)定供應有著舉足輕重的作用。此外，城市燃氣相對于石油、煤等傳統(tǒng)燃料是一種清潔燃料，在注重環(huán)境保護的今天大有用武之地。所以準確預測城市燃氣負荷有著明顯的經(jīng)濟效益和社會效益[1～3]。
　隨著天然氣在該城市的大力發(fā)展，液化石油氣使用量將逐漸減少，但仍然將是天然氣的有力補充。一段時間內(nèi)一些區(qū)域(如舊村、舊社區(qū)等)管道燃氣無法進入，而液化石油氣、特別是瓶裝液化石油氣，靈活方便、投資較小，因此，仍有其長期存在的可能性和必要性。所以液化石油氣負荷的預測對于城市的和諧發(fā)展是必不可少的。
　為了較好地分析對比，我們選擇了幾種不同的模型進行預測。一是基于年份的預測模型，找出年份與用氣量的關系，這種模型可以較容易地得出未來該城市液化石油氣的發(fā)展規(guī)律。二是基于影響液化石油氣使用氣量的主成分分析模型，該模型可以在變量存在嚴重相關性的條件下進行分析，主要方法是從影響城市燃氣用氣量的因子中提取主要因子，各主要因子是原因子的線性組合，能較好地解釋近年來該市液化石油氣用氣量的發(fā)展，這樣可以避免原各因子的多重相關性產(chǎn)生的預測偏差(使用該模型時需知道影響液化石油氣發(fā)展的各影響因子)。
　1 燃氣負荷歷史資料
　要準確地預測未來城市燃氣的發(fā)展，必須有詳實的歷史記錄。為了避免某些年份偶然突發(fā)事件或者人為記錄失誤產(chǎn)生較大的誤差，需要的歷史數(shù)據(jù)越精確越好。圖1為近十年來該城市燃氣發(fā)展示意圖。
 
從上圖可以看出，液化石油氣在2005年用量達到最大，隨后開始減少；瓶裝液化石油氣的變化規(guī)律類似，在2004年達到最大，2005年稍微減少，但是從2006年開始減少的比較明顯。造成液化石油氣用量減少的主要原因是2006年該城市開始使用天然氣。從2009年開始不再使用管道液化石油氣。
　2 基于年份的預測模型
　2.1 差分自回歸滑動平均模型
　差分自回歸滑動平均模型(Auto Regression Integrated Moving Average，ARIMA)，模型有著很多優(yōu)點，可以較好地克服隨機干擾問題，在旅游市場[4]、移動話務[5]等方面有著廣泛的應用，故在此嘗試采用該模型來進行液化石油氣負荷預測。
　2.2 最小二乘法模型
　從圖1可以看出液化石油氣用氣量的變化與年份的關系并不明顯，但是這不代表該城市燃氣總量(包括液化石油氣和天然氣兩部分)的變化與年份關系不明顯。如果該城市燃氣總量在某個時間區(qū)間不發(fā)生劇烈變化，那么我們能找出燃氣總量與年份的關系，預測出燃氣總量后減去管道氣(2005年之前管道氣為管道液化石油氣，2009年后管道氣全部為天然氣)即為液化石油氣用量。
　2.3 混合預測模型
　該城市居民用氣量、商業(yè)用氣量和工業(yè)用氣量的發(fā)展規(guī)律各不相同，我們考慮采取分別預測的方法來降低預測誤差，然后進行用氣量的匯總。
　(1) 居民用氣量預測
　分析近年來居民用氣量負荷變化規(guī)律后，采用Auto Regression模型來預測居民用氣量的變化發(fā)展。
　(2) 商業(yè)用氣量預測
　經(jīng)過多種模型計算后發(fā)現(xiàn)fnverse模型的誤差最小，故采用Inverse模型來預測商業(yè)用氣量的變化發(fā)展。
　(3) 工業(yè)用氣量預測
　經(jīng)過多種模型預測發(fā)現(xiàn)，Growth模型的預測相對來說比較準確，故采用Growth模型來預測工業(yè)用氣量的變化發(fā)展。
　3 主成分分析模型
　3.1 影響因子的選擇原則
　在對某一問題進行實證研究中，為了全面、準確的反映這個問題，人們常常要考慮與其相關的多個影響因子，也就是變量。影響因子的選擇是建模的基礎，它直接關系到模型的優(yōu)劣。通常在建立模型時，都希望能夠?qū)σ蜃兞坑杏绊懙淖宰兞靠紤]到模型中去，盡量避免遺漏重要的變量，造成模型預測結果與實際結果相偏離。從原則上講，一個好的模型應該包括所有有效的變量，而不包含任何無效變量。鑒于液化石油氣用氣量變化的復雜性，影響因素的多樣化，預測因子的選擇應該是照顧全面的同時還要突出重點[6]。
　液化石油氣用氣量預測研究考慮的是一個變化的自然社會和液化石油氣組成的大系統(tǒng)，因此選擇的影響因子就應該能夠及時更新，能夠顯示隨時間變化的趨勢。
　從上述描述中可以看到，為了較準確地預測該城市液化石油氣負荷，我們需要考慮盡可能多的影響因子，這樣可以避免遺漏重要的信息，但是隨著影響因子的增多會增加研究問題的負載程度；另一方面由于各個影響因子都是對液化石油氣負荷的反映，不可避免的會造成信息的大量重疊，造成因子之間的共線性。因此我們希望在定量研究中涉及的因子較少，而得到的信息量又較多。
　主成分分析正是研究如何通過原始因子的少數(shù)幾個線性組合來解釋液化石油氣負荷的絕大多數(shù)信息。主成分分析模型可以在影響因子存在嚴重相關性的條件下進行預測分析，有效的排除因子之間的相關性，達到較為理想的預測結果。
　3.2 影響燃氣負荷的主要因素
　影響燃氣負荷的主要因素包括[7]：
　(1)從城市燃氣負荷的構成角度分析，其用戶包括居民用戶、商業(yè)用戶和工業(yè)用戶等，因此第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的發(fā)展直接帶動城市燃氣事業(yè)的發(fā)展，其產(chǎn)值的增長直接影響燃氣消耗量；
　(2) 居民戶數(shù)的變化對燃氣用量所產(chǎn)生的作用也是毋庸置疑的，居民用戶的增長會導致燃氣消耗量的變化；
　(3) 居民生活水平的提高也會使燃氣用量顯著增長；
　 (4) 液化石油氣價格變化也直接影響到用量的變化。
　所以，在此研究中選取國內(nèi)生產(chǎn)總值(x1，億元)、第二產(chǎn)業(yè)產(chǎn)值(x2，億元)、第三產(chǎn)業(yè)產(chǎn)值(x3，億元)、人均可支配收入(x4，萬元)、使用瓶裝氣戶數(shù)(x5，萬戶)和液化石油價格(x6，元/噸)等6個影響因素對城市燃氣年度負荷(y，噸)進行主成分分析建模。
　4 各預測模型對比分析
　由于沒有收集到未來該城市天然氣負荷變化預測數(shù)據(jù)，而最小二乘法的預測需要給出天然氣負荷，故下面主要對比分析其他三種模型。混合模型是分別預測各年度居民、商業(yè)、工業(yè)用氣量，在分別計算中有的年份某用氣量產(chǎn)生了突變，在預測中屬于變異點，不采用該年度數(shù)據(jù)，如2003年該城市工業(yè)用氣量為84933噸，而2004年、2005年分別為246336噸和209357噸，2006年為79265噸，故認為2004年和2005年均為變異點，應該不予采用。但是考慮到樣本只有十個，去掉變異點后數(shù)據(jù)較少，故在變異點年份用原值代替預測值，如替代后的2004年工業(yè)用氣量預測值為246336噸。
　2000至2009校核結果如圖2所示。
 
各模型誤差率如表1所示。
表1 預測模型誤差對比
年份
ARIMA模型預測誤差(%)
混合模型預測誤差(%)
主成分分析模型預測誤差(%)
2000
—
2.9
2.O
2001
2.1
2.6
3.7
2002
9.2
2.2
14.7
2003
7.8
1.7
10.6
2004
32.0
2.9
22.6
2005
23
2.4
15.O
2006
35.3
O.9
21.5
2007
9.8
4.5
3.3
2008
5.6
3.3
10.1
2009
—
7.3
—
通過誤差的比較可以看出混合模型和主成分分析模型的預測效果要優(yōu)于ARIMA模型。Eli于該城市燃氣發(fā)展一直處于無規(guī)律狀態(tài)，如2005年、2006年等年份燃氣負荷會突然出現(xiàn)較大增長，所以在進行預測的時候會出現(xiàn)較大的誤差，這也從一定程度上說明燃氣負荷的預測精度對燃氣運營企業(yè)實現(xiàn)穩(wěn)定供氣有著重要的指導意義。
ARIMA模型通過對以往數(shù)據(jù)的數(shù)學分析光滑地模擬計算出未來6"tj數(shù)據(jù)，在燃氣負荷穩(wěn)定變化的情況下比較準確，一旦發(fā)生突變，會導致誤差較大，這也是2004年禾n2006年出現(xiàn)較大誤差的原因所在，但ARIMA模型也有很好的適應性和自我調(diào)節(jié)性，在2005年的預測誤差為2.3%?；旌项A測采用分別預測居民、商業(yè)和工業(yè)用氣量的方法，通過三種不同的預測模型可以減小單一預測模型的局限性，從而降低誤差，從表1就可以看出混合預測精度較高。采取混合預測方法需要足夠多的歷史數(shù)據(jù)，這樣才能保證在去除變異點后還有足夠多的有效數(shù)據(jù)用來建立模型。采用主成分分析模型對液化石油氣用量進行預測，可以較好的解決各影響因子之間的多種相關性，該模型具有結構簡單、計算方便和建模精度較高等優(yōu)點，而且模型可以綜合分析各影響因子對液化石油氣負荷的影響權重。不過采用主成分分析模型進行液化石油氣預測也有相應的局限性[7]，由于模型需要采用預測的影響因因子，所以影響因子的預測也需要相對準確。盡管主成分分析有一定的局限性，但該模型還是給負荷預測提供了一個新的思路，在條件合適的情況下可以進行有益的嘗試。
5 小結
城市燃氣作為一種貼近百姓生活的特殊產(chǎn)品，需認真規(guī)劃和建設。負荷預測是城市燃氣發(fā)展的基礎工作，預測精度對燃氣在該城市的發(fā)展有著非常重要的前瞻意義，它有助于有關部門做好城市燃氣規(guī)劃設計，保證燃氣系統(tǒng)的投資效益和可靠性，以及整個城市燃氣系統(tǒng)的優(yōu)化運行；有助于燃氣公司以較低的成本做好及時、合理的調(diào)度，保障安全穩(wěn)定供氣[8]。
在本文中我們主要是提出了建立一些負荷預測模型的方法，這些方法不僅僅適用于液化石油氣的預測，同樣適用于其他城市燃氣如天然氣的負荷預測。上述負荷預測方法各有特點，在實際工作中需要針對現(xiàn)實情況采用不同的方法，這樣預測出來的燃氣負荷對城市燃氣的發(fā)展才有指導意義。
參考文獻
1 中國城市燃氣協(xié)會秘書處.建議開展“城市天然氣用氣負荷指標及用氣規(guī)律”統(tǒng)計研究工作的意見.城市燃氣[J].2004，350(4)：3-6
2 焦文玲，嚴銘卿，廉樂明.城市燃氣負荷的灰色預測煤氣與熱力[J].2001，21(5)，387-389
3 嚴銘卿，廉樂明，焦文玲.等燃氣負荷及其模型研究煤氣與熱力[J].2003，23(4)，207-210
4 楊東方，高振會，于子江等.ARIMA模型在國內(nèi)旅游市場預測中的應用科學決策[J].2008(11)，151-152
5 司徒毅.ARIMA模型在移動話務預測中的應用廣東輕工職業(yè)技術學院學報[J].2009，8(4)，1-4
6 楊巍，趙明宇，王森.基于SPSS的負荷特性分析及其預測.中國電機工程學會第十屆青年學術會議
7 苗艷姝，段常貴.燃氣年度負荷預測的偏最小二乘法.哈爾濱商業(yè)大學學報[J].2008，24(1)，94-97
8 張倩，馮良.厲成吟.城市燃氣負荷預測技術.上海煤氣[J].2004(2)，1-5
 
(本文作者：蔡磊 管延文 宓亢琪 華中科技大學　環(huán)境科學與工程學院　武漢 430074)