王樹剛王繼紅端木琳孫海濤

1.大連理工大學(xué)土木學(xué)院 2.大連安盛燃?xì)忾_發(fā)有限公司

城市燃?xì)庳?fù)荷的短期預(yù)測(cè)

王樹剛1王繼紅1端木琳1孫海濤2

1.大連理工大學(xué)土木學(xué)院 2.大連安盛燃?xì)忾_發(fā)有限公司

王樹剛等.城市燃?xì)庳?fù)荷的短期預(yù)測(cè).天然氣工業(yè),2010,30(5):104-107.

城市燃?xì)庳?fù)荷的短期預(yù)測(cè)對(duì)保證城市供氣的相對(duì)穩(wěn)定尤為重要。為此,通過對(duì)各類氣象因子與燃?xì)馊肇?fù)荷間的相關(guān)性分析,以有效溫度為主導(dǎo)因素,結(jié)合大連地區(qū)溫度分布規(guī)律,推導(dǎo)出燃?xì)馊肇?fù)荷預(yù)測(cè)模型與月負(fù)荷預(yù)測(cè)模型間的關(guān)系,建立了不同預(yù)測(cè)步長(zhǎng)下基于雙曲正弦函數(shù)的燃?xì)庳?fù)荷短期預(yù)測(cè)模型,計(jì)算出日負(fù)荷預(yù)測(cè)模型在最不利工況下(傳統(tǒng)節(jié)日集中的月份)的平均絕對(duì)百分比誤差(MAPE)和均方百分比誤差(RMSPE)值分別為3.67%和5.03%,月負(fù)荷預(yù)測(cè)模型的MAPE和RMSPE值分別為1.02%和1.32%,均小于10%,日負(fù)荷預(yù)測(cè)模型與月負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)能力均達(dá)到較高精確度。利用該轉(zhuǎn)換關(guān)系不但能夠?qū)崿F(xiàn)預(yù)測(cè)模型預(yù)測(cè)步長(zhǎng)的改變,而且所獲得的模型預(yù)測(cè)效果也較理想。對(duì)于不同的城市,只要根據(jù)該地區(qū)氣象及燃?xì)庳?fù)荷特點(diǎn),選擇合適的模型參數(shù)值,利用該預(yù)測(cè)方法即可實(shí)現(xiàn)不同預(yù)測(cè)步長(zhǎng)下燃?xì)庳?fù)荷的短期預(yù)測(cè)。

城市燃?xì)?負(fù)荷 短期預(yù)測(cè) 有效溫度 模型 預(yù)測(cè)步長(zhǎng)

DO I:10.3787/j.issn.100020976.2010.05.027

近年來,城市燃?xì)馄髽I(yè)的市場(chǎng)化運(yùn)作,使燃?xì)庳?fù)荷的短期預(yù)測(cè)顯得尤為重要。目前,國(guó)內(nèi)學(xué)者提出了幾種燃?xì)庳?fù)荷的短期預(yù)測(cè)方法,如多元線性回歸分析[1]、指數(shù)平滑模型[2]、人工神經(jīng)網(wǎng)絡(luò)[3]等方法,但它們各有優(yōu)缺點(diǎn),例如,利用多元線性回歸方程法,預(yù)測(cè)精度較高,便于計(jì)算機(jī)化,但模型沒有考慮溫度的季節(jié)差;人工神經(jīng)網(wǎng)絡(luò)的BP網(wǎng)用于預(yù)測(cè)時(shí),逼近效果好,計(jì)算速度快,但整個(gè)預(yù)測(cè)過程為黑箱,預(yù)測(cè)人員無法對(duì)系統(tǒng)的預(yù)測(cè)進(jìn)程加以分析。國(guó)外在燃?xì)庳?fù)荷的短期預(yù)測(cè)方面有小時(shí)負(fù)荷、日負(fù)荷、周負(fù)荷和月負(fù)荷的預(yù)測(cè),相應(yīng)的方法有線性或非線性回歸[425]、時(shí)間序列法[6]及英國(guó)ESI能源集團(tuán)開發(fā)的 Gas Load Fo recaster System軟件預(yù)測(cè)[7]等多種方法。值得注意的是,本文參考文獻(xiàn)[8]基于室外氣溫建立了燃?xì)庳?fù)荷的短期預(yù)測(cè)模型,但該模型僅以工作日期間的燃?xì)庳?fù)荷為研究對(duì)象,沒有考慮節(jié)假日等非常規(guī)用氣時(shí)段負(fù)荷的變化規(guī)律,同時(shí)預(yù)測(cè)模型偏差明顯。

筆者以大連市為例,以狹義的城市燃?xì)庳?fù)荷[9]為研究對(duì)象,分析了燃?xì)庳?fù)荷的主要影響因素,同時(shí)結(jié)合這些因素(主要是溫度)的變化規(guī)律,建立了燃?xì)馊肇?fù)荷預(yù)測(cè)模型與月負(fù)荷預(yù)測(cè)模型間的轉(zhuǎn)換關(guān)系,從而由日負(fù)荷預(yù)測(cè)模型推導(dǎo)出月負(fù)荷預(yù)測(cè)模型,實(shí)現(xiàn)了燃?xì)庳?fù)荷短期預(yù)測(cè)模型預(yù)測(cè)步長(zhǎng)的改變。最后,利用實(shí)測(cè)數(shù)據(jù)驗(yàn)證了預(yù)測(cè)模型的有效性。

1 燃?xì)庳?fù)荷影響因素分析

1.1 研究對(duì)象概況

以中國(guó)東北地區(qū)中型城市大連為研究對(duì)象,該市目前已形成較為完善、穩(wěn)定的燃?xì)夤庀到y(tǒng)。

1.2 氣象條件對(duì)燃?xì)庳?fù)荷的影響

根據(jù)本文參考文獻(xiàn)[10]、[11]可知,在各類氣象因素中,溫度是影響城市燃?xì)庳?fù)荷的核心因素。圖1為大連市2006年全年燃?xì)馊肇?fù)荷隨日平均溫度的變化情況,從中不難發(fā)現(xiàn)二者間存在緊密的反向變化關(guān)系。

2 燃?xì)庳?fù)荷的短期預(yù)測(cè)模型

2.1 日負(fù)荷預(yù)測(cè)模型建立

在燃?xì)庳?fù)荷的預(yù)測(cè)過程中,應(yīng)充分考慮熱慣性對(duì)燃?xì)庳?fù)荷的影響。在此,引入動(dòng)態(tài)平均溫度和有效溫度概念[8]。

圖1 大連市燃?xì)馊肇?fù)荷與日平均溫度間變化關(guān)系圖(2006年)

圖2 燃?xì)馊肇?fù)荷(Q)隨有效溫度(Teff)的變化關(guān)系圖

動(dòng)態(tài)平均溫度(Tn)的定義如下:

式中:n取3～5,i表示預(yù)測(cè)目標(biāo)的前一天,Ti為對(duì)應(yīng)日的平均溫度。

有效溫度 Teff的定義如下:

式中:w為權(quán)重因子,取值范圍在0～1之間。

以2005～2007年燃?xì)馊肇?fù)荷歷史數(shù)據(jù)和氣象數(shù)據(jù)作為研究對(duì)象,分別對(duì)日平均溫度(T)、動(dòng)態(tài)平均溫度(Tn)及有效溫度(Teff)與燃?xì)馊肇?fù)荷(Q)進(jìn)行相關(guān)性分析,以判定3者對(duì)燃?xì)馊肇?fù)荷的影響程度,如表1所示。

表1 燃?xì)馊肇?fù)荷與溫度的相關(guān)性表 ℃

由表1可知,在上述3種類型溫度中,有效溫度(Teff)對(duì)燃?xì)馊肇?fù)荷的影響相對(duì)較大,這也與引入有效溫度的預(yù)期目標(biāo)相吻合,所以本研究將以有效溫度為主導(dǎo)因素建立燃?xì)馊肇?fù)荷預(yù)測(cè)模型。

根據(jù)大連市近年來燃?xì)馊肇?fù)荷的觀測(cè)數(shù)據(jù),繪制工作日期間燃?xì)馊肇?fù)荷(Q)隨有效溫度(Teff)的變化關(guān)系曲線,如圖2所示。

因此,根據(jù)觀測(cè)數(shù)據(jù)的分布情況,以有效溫度(Teff)為自變量可建立工作日期間燃?xì)馊肇?fù)荷預(yù)測(cè)模型,如式(3)所示。

式中:T0為被預(yù)測(cè)地區(qū)年平均溫度,℃;ΔT和fc是在建模過程中使數(shù)學(xué)模型預(yù)測(cè)誤差平方和達(dá)到最小時(shí)所對(duì)應(yīng)的優(yōu)化參數(shù)值。通過研究發(fā)現(xiàn),T0、ΔT及 fc與被預(yù)測(cè)地區(qū)的氣候條件及用氣規(guī)律緊密相關(guān),且不隨時(shí)間而變化。Q0可根據(jù)式(4)求得。

式中:Q0(t)為計(jì)算年份第 t年的全年平均燃?xì)馊肇?fù)荷,104m3/d;Q0r為參考年份 t0r年的全年平均燃?xì)馊肇?fù)荷,104m3/d;fQ為決定于燃?xì)庳?fù)荷變化的線性系數(shù)。

根據(jù)已掌握的燃?xì)庳?fù)荷數(shù)據(jù)分析可知,大連地區(qū)節(jié)假日時(shí)段燃?xì)庥脩粝M(fèi)水平明顯高于工作日。因此,式(3)僅適用于工作日期間燃?xì)馊肇?fù)荷預(yù)測(cè),若用于節(jié)假日時(shí)段的預(yù)測(cè),需對(duì)上述預(yù)測(cè)值加以修正,即得到燃?xì)馊肇?fù)荷預(yù)測(cè)的通用模型如式(5)所示。

式中:α=1.0～1.2,在工作日期間 ,α=1.0;在雙休日期間,α=1.01～1.10;在節(jié)假日期間(如春節(jié)、元旦等),α=1.10～1.20。

理論上,利用式(5)所建立的數(shù)學(xué)模型也能夠?qū)崿F(xiàn)燃?xì)庠仑?fù)荷預(yù)測(cè),但由于對(duì)溫度進(jìn)行長(zhǎng)期預(yù)測(cè)的難度較大,所以式(5)所建立的數(shù)學(xué)模型僅適用于1～5 d的短期日負(fù)荷預(yù)測(cè)。

2.2 月負(fù)荷預(yù)測(cè)模型建立

通過對(duì)大連市多年來溫度數(shù)據(jù)的分析發(fā)現(xiàn),在大連地區(qū)一年中,每個(gè)月的日平均溫度(T)近似服從正態(tài)分布,如圖3所示。該分布的期望為 Tm,方差為,即 :T～ N(Tm),其中 ,Tm因月份的不同而不同,則在全年中波動(dòng)較小,如圖4所示。

在圖4中,Tm隨月份的變化關(guān)系近似服從正弦規(guī)律,其具體變化關(guān)系如式(6)所示。

式中:m表示月份數(shù)。

圖3 大連市日平均溫度分布頻率直方圖

圖4 大連市各月平均溫度分布圖

如果用有效溫度(Teff)代替日平均溫度(T)來描述月平均溫度(Tm)隨月份的變化曲線,經(jīng)驗(yàn)證分布規(guī)律相同。綜上可得,大連地區(qū)各個(gè)月內(nèi)日有效溫度(Teff)分布規(guī)律如式(7)所示。

根據(jù)式(4)、(5)和式(7)可以計(jì)算出一年中各個(gè)月份的月平均日負(fù)荷(Qm),計(jì)算方法如式(8)所示。

根據(jù)式(9)和式(10)以及待預(yù)測(cè)月份的天數(shù)(N),可以計(jì)算出該月燃?xì)庳?fù)荷總量(Qt),如式(11)所示。

綜上所述,根據(jù)式(4)和式(5)所建立的日負(fù)荷預(yù)測(cè)模型,同時(shí)結(jié)合大連地區(qū)的溫度分布規(guī)律,能夠得到式(9)、(10)和式(11)所構(gòu)成的月負(fù)荷預(yù)測(cè)模型,從而實(shí)現(xiàn)了燃?xì)庳?fù)荷短期預(yù)測(cè)模型預(yù)測(cè)步長(zhǎng)的改變。

2.3 日負(fù)荷預(yù)測(cè)模型與月負(fù)荷預(yù)測(cè)模型間的關(guān)系

通常,燃?xì)庳?fù)荷的月負(fù)荷預(yù)測(cè)模型比較容易建立。因?yàn)?通過統(tǒng)計(jì)待預(yù)測(cè)地區(qū)的月燃?xì)赓M(fèi)用賬單,就能夠比較方便地建立月負(fù)荷預(yù)測(cè)模型。相反,由于目前我國(guó)城市燃?xì)庳?fù)荷計(jì)量體系尚不完備,因此燃?xì)馊肇?fù)荷計(jì)量數(shù)據(jù)的收集較為困難,這也給燃?xì)馊肇?fù)荷的預(yù)測(cè)帶來諸多不便。所以我們可以利用上述方法,通過預(yù)測(cè)模型(9)來間接地得到燃?xì)馊肇?fù)荷預(yù)測(cè)模型,從而實(shí)現(xiàn)燃?xì)馊肇?fù)荷預(yù)測(cè)。其轉(zhuǎn)換關(guān)系如圖5所示。

圖5 預(yù)測(cè)模型轉(zhuǎn)換關(guān)系框圖

3 短期預(yù)測(cè)模型算例

根據(jù)2.1所介紹的方法,分別以2006年2月(最不利工況)和2006年3月(常規(guī)工況)為例,得到燃?xì)馊肇?fù)荷預(yù)測(cè)模型的預(yù)測(cè)結(jié)果,如圖6、7所示。

圖6 日負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)值與觀測(cè)值對(duì)比圖(2006202)

圖7 日負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)值與觀測(cè)值對(duì)比圖(2006203)

根據(jù)2.2所介紹的方法,以2006年為例,得到燃?xì)庠仑?fù)荷預(yù)測(cè)模型的預(yù)測(cè)結(jié)果,如圖8所示。

圖8 月負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)值與觀測(cè)值對(duì)比圖(2006年)

根據(jù)本文參考文獻(xiàn)[12]所提出的預(yù)測(cè)模型精度評(píng)價(jià)方法,分別計(jì)算平均絕對(duì)百分比誤差M APE和均方百分比誤差RM SPE,從而實(shí)現(xiàn)對(duì)上述預(yù)測(cè)模型的精度檢驗(yàn)。檢驗(yàn)結(jié)果(如表2)表明,日負(fù)荷預(yù)測(cè)模型和月負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)能力均能達(dá)到高精確度。但對(duì)比圖6和圖7不難發(fā)現(xiàn),在節(jié)假日分布相對(duì)較少的常規(guī)工況下(如2006203),負(fù)荷變化相對(duì)平穩(wěn),此時(shí)預(yù)測(cè)模型能夠達(dá)到較為理想的預(yù)測(cè)效果;在傳統(tǒng)節(jié)日集中的月份(如2006202),用戶的用氣規(guī)律會(huì)發(fā)生較大變化,在該月的月初幾天,由于正值春節(jié)期間,負(fù)荷變化規(guī)律比較復(fù)雜,因此雖然我們考慮了利用富裕系數(shù)α來調(diào)整模型的預(yù)測(cè)值,但模型對(duì)于峰值點(diǎn)的預(yù)測(cè)還存在一定的偏差,這也直接導(dǎo)致了預(yù)測(cè)模型的MAPE和 RM SPE值升高。

表2 預(yù)測(cè)模型精度檢驗(yàn)表 %

4 結(jié)論

結(jié)合大連地區(qū)室外溫度分布規(guī)律,推導(dǎo)出燃?xì)馊肇?fù)荷預(yù)測(cè)模型與月負(fù)荷預(yù)測(cè)模型間的關(guān)系,建立了以溫度為主導(dǎo)因素的燃?xì)庳?fù)荷短期預(yù)測(cè)模型。

1)燃?xì)庳?fù)荷受氣象因素制約。通過相關(guān)性分析,在各類氣象因素中有效溫度與燃?xì)馊肇?fù)荷的相關(guān)性達(dá)-0.85,是影響城市燃?xì)庳?fù)荷的關(guān)鍵性因素。

2)以有效溫度 Teff為自變量,可建立基于雙曲正弦函數(shù)的燃?xì)馊肇?fù)荷預(yù)測(cè)模型。同時(shí),結(jié)合大連地區(qū)每個(gè)月的日有效溫度分布近似服從正態(tài)分布的規(guī)律,可建立燃?xì)馊肇?fù)荷預(yù)測(cè)模型與月負(fù)荷預(yù)測(cè)模型間的關(guān)系,推導(dǎo)出燃?xì)庠仑?fù)荷預(yù)測(cè)模型,從而實(shí)現(xiàn)燃?xì)庳?fù)荷短期預(yù)測(cè)模型預(yù)測(cè)步長(zhǎng)的改變。

3)通過對(duì)預(yù)測(cè)模型的精度檢驗(yàn),日負(fù)荷預(yù)測(cè)模型與月負(fù)荷預(yù)測(cè)模型的預(yù)測(cè)能力均達(dá)到高精確度。因此對(duì)于不同的城市,可以根據(jù)該地區(qū)氣象及燃?xì)庳?fù)荷特點(diǎn),通過確立合適的模型參數(shù)值,即可進(jìn)行燃?xì)庳?fù)荷的短期預(yù)測(cè)。

[1]杜元順.煤氣日負(fù)荷短期預(yù)測(cè)用的回歸分析法[J].煤氣與熱力,1982,2(4):26-30.

[2]焦文玲,展長(zhǎng)虹,廉樂明,等.城市燃?xì)舛唐谪?fù)荷預(yù)測(cè)的研究[J].煤氣與熱力,2001,21(6):483-486.

[3]焦文玲,秦裕琨,趙林波.城市燃?xì)庳?fù)荷預(yù)測(cè)系統(tǒng)體系研究[J].天然氣工業(yè),2005,25(1):155-157.

[4]GORUCU F B,GUMRA H F.Evaluation and fo recasting of gas consump tion by statistical analysis[J].Energy Sources,2004,26(3):267-276.

[5]VONDRACEK J,PEL IKAN E,KONAR O,et al.A statisticalmodel fo r the estimation of natural gas consump tion[J].App lied Energy,2008,85(5):362-370.

[6]FAVOREEL W,LEMM ERL ING P,SU YKENSJ,et al.Modeling the belgian gas consump tion[J/OL].http:∥citeseerx.ist.psu.edu/view doc/summary doi=10.1.1.53.8788.

[7]Gas Load Forecaster[EB/OL].http:∥www.energy2solutions.cn/p roducts/p rod_apps_glf.htm l.

[8]GIL S,DEFERRARIJ.Generalized model of p rediction of natural gas consump tion[J].Journal of Energy Resources Technology,2004,126(2):90-98.

[9]嚴(yán)銘卿.燃?xì)廨斉涔こ谭治鯷M].北京:石油工業(yè)出版社,2007.

[10]張中秀,周偉國(guó),潘艷,等.氣象因素對(duì)城市燃?xì)馊沼脷饬康挠绊慬J].建筑熱能通風(fēng)空調(diào),2008,27(4):93-96.

[11]丁鋒,劉運(yùn)良,劉建波.氣象條件對(duì)城市燃?xì)馊肇?fù)荷的影響[J].煤氣與熱力,2007,27(2):17-20.

[12]WEIC H,LEE Y.Sequential fo recast of incident duration using artificial neural network models[J].Accident Analysis and Prevention,2007,39(5):951-952.

(修改回稿日期 2010203220 編輯 何 明)

國(guó)家“十一五”科技支撐計(jì)劃項(xiàng)目(編號(hào):2006BAJ03B01201)部分成果。

王樹剛,1963年生,教授,博士生導(dǎo)師,博士;主要從事熱泵制冷設(shè)備與系統(tǒng)、室內(nèi)空氣品質(zhì)及人工環(huán)境安全保障技術(shù)研究工作。地址:(116024)遼寧省大連市大連理工大學(xué)建設(shè)工程學(xué)部綜合實(shí)驗(yàn)4號(hào)樓433室。電話:(0411)84706407。E-mail:sg2 wangln@yahoo.com.cn