何春蕾 段言志 鄔宗婧 楊光道

1．成都理工大學(xué)能源學(xué)院 2．中國(guó)石油西南油氣田公司天然氣經(jīng)濟(jì)研究所 3．中國(guó)石油川慶鉆探工程公司油建公司4．中國(guó)石油川慶鉆探工程公司川西鉆探公司

近年來(lái)，一些學(xué)者在定量研究氣溫對(duì)城市燃?xì)馊肇?fù)荷影響方面做了有益的探索。本文參考文獻(xiàn)［1］利用指數(shù)平滑法建立了氣溫對(duì)日負(fù)荷影響的預(yù)測(cè)模型；本文參考文獻(xiàn)［2］以時(shí)間序列分析理論為指導(dǎo)建立了城市燃?xì)庳?fù)荷預(yù)測(cè)體系；本文參考文獻(xiàn)［3］針對(duì)不同的氣象因素，采用神經(jīng)網(wǎng)絡(luò)模型對(duì)日負(fù)荷進(jìn)行研究；本文參考文獻(xiàn)［4］則討論了采用三角函數(shù)方法對(duì)氣溫作用進(jìn)行擬合的可行性；本文參考文獻(xiàn)［5－6］研究了不同溫區(qū)內(nèi)日負(fù)荷的氣溫響應(yīng)特性。近期研究［7］發(fā)現(xiàn)，氣溫與城市燃?xì)馊肇?fù)荷關(guān)系同阿累尼烏斯方程刻畫(huà)的溫度—化學(xué)反應(yīng)速率關(guān)系較為類似（圖1、2），并建立了氣溫對(duì)城市燃?xì)庵虚L(zhǎng)期日負(fù)荷影響的預(yù)測(cè)模型。

圖1 溫度—化學(xué)反應(yīng)速率關(guān)系圖

圖2 氣溫—城市燃?xì)馊肇?fù)荷關(guān)系圖

以上研究主要依據(jù)氣溫和用氣負(fù)荷的中長(zhǎng)期（一個(gè)月以上）歷史數(shù)據(jù)，利用數(shù)學(xué)擬合的方法建立相應(yīng)的預(yù)測(cè)模型。目前國(guó)內(nèi)尚未見(jiàn)到采用短期（10天以內(nèi)）歷史數(shù)據(jù)，考慮氣溫突變、低溫累積等因素對(duì)短期城市燃?xì)馊肇?fù)荷進(jìn)行預(yù)測(cè)的報(bào)道。隨著城市燃?xì)庥脷庖?guī)模的不斷增長(zhǎng)，因氣溫變化導(dǎo)致的日用氣峰谷差有擴(kuò)大的趨勢(shì)。加上近年來(lái)冬季長(zhǎng)期低溫、氣溫驟降等極端天氣屢屢出現(xiàn)，采用中長(zhǎng)期數(shù)據(jù)進(jìn)行趨勢(shì)預(yù)測(cè)可能存在較大的誤差。利用短期的氣溫、用氣負(fù)荷數(shù)據(jù)，結(jié)合較為準(zhǔn)確的未來(lái)一周以內(nèi)的氣象預(yù)報(bào)對(duì)未來(lái)幾天內(nèi)的城市燃?xì)馊肇?fù)荷進(jìn)行預(yù)測(cè)，并據(jù)此進(jìn)行負(fù)荷預(yù)警和日調(diào)峰更具有現(xiàn)實(shí)意義。

1 氣溫對(duì)城市燃?xì)馊肇?fù)荷的影響

1．1 氣溫影響的趨勢(shì)性

氣溫影響的趨勢(shì)性是指氣溫變化對(duì)日負(fù)荷的趨勢(shì)性影響。一般來(lái)說(shuō)，城市燃?xì)馊肇?fù)荷與氣溫呈負(fù)相關(guān)關(guān)系（圖3），并且在短時(shí)間內(nèi)相同的氣溫具有相同的燃?xì)馊肇?fù)荷。以四川省成都地區(qū)為例，根據(jù)歷史數(shù)據(jù)可將該地區(qū)氣溫劃分為3個(gè)溫區(qū)：在12℃以下屬于低溫區(qū)，12～27℃屬于中溫區(qū)，27℃以上屬于高溫區(qū)。

1．2 氣溫影響的突變性

氣溫影響的突變性是指在短期內(nèi)極端氣溫對(duì)日負(fù)荷的劇烈影響，大多集中在低溫取暖季節(jié)，主要包括積累效應(yīng)和連續(xù)降溫效應(yīng)。氣溫累積效應(yīng)是低溫長(zhǎng)期積累，引起用氣習(xí)慣改變，從而使得日負(fù)荷急劇上升的影響效果；連續(xù)降溫效應(yīng)則主要是指短期內(nèi)氣溫連續(xù)下降，燃?xì)馊肇?fù)荷反應(yīng)滯后，幾天后才迅猛增長(zhǎng)的影響效果。

圖3 成都地區(qū)氣溫與城市燃?xì)馊肇?fù)荷關(guān)系圖

根據(jù)歷史數(shù)據(jù)對(duì)成都地區(qū)氣溫的突變性影響作以下簡(jiǎn)化：當(dāng)氣溫低于12℃時(shí)，連續(xù)3日內(nèi)氣溫平均每日降低2℃，燃?xì)馊肇?fù)荷額外增加10%。例如，成都地區(qū)在2009年11月14日氣溫為11．8℃，15—17日氣溫分別降至9．9℃、7．8℃和5．7℃，平均每日降低約2℃。受氣溫突變性影響，燃?xì)馊肇?fù)荷在17日由前一天的383×104m3突升到420×104m3以上（表1）。

表1 氣溫突變對(duì)日負(fù)荷的影響表

2 短期日負(fù)荷預(yù)測(cè)模型

2．1 模型結(jié)構(gòu)

假設(shè)城市燃?xì)馊肇?fù)荷僅由氣溫決定，并且氣溫決定的趨勢(shì)性日負(fù)荷占主控，氣溫突變影響是在趨勢(shì)性日負(fù)荷基礎(chǔ)上的小幅度波動(dòng)。假設(shè)預(yù)測(cè)模型為：

日負(fù)荷＝氣溫突變影響×趨勢(shì)性日負(fù)荷

記為：Q＝β×Q′。其中趨勢(shì)性日負(fù)荷是主要預(yù)測(cè)對(duì)象。本文參考文獻(xiàn)［7］已對(duì)此有一定研究，但其參數(shù)取值主觀性較大。這里參數(shù)取客觀的短期氣溫和日負(fù)荷數(shù)據(jù)，不同于本文參考文獻(xiàn)［7］“日負(fù)荷＝最大日負(fù)荷×（1－日負(fù)荷變化率）”的模型。本文假定趨勢(shì)性日負(fù)荷預(yù)測(cè)模型為：

趨勢(shì)性日負(fù)荷＝短期最大日負(fù)荷－日負(fù)荷變化率記為：Q′＝Qmax－K。其中K表示短期氣溫引起的趨勢(shì)性日負(fù)荷變化量。采用本文參考文獻(xiàn)［7］類似的做法，借用阿雷尼烏斯方程對(duì)K進(jìn)行研究，即假設(shè)式中K0為常數(shù)，ΔE為活化能，T為溶液溫度，T0為絕對(duì)零度，R為常數(shù)。特別地，我們賦予參數(shù)類似的物理涵義：令K0表示日負(fù)荷變化基礎(chǔ)度量，ΔE表示日負(fù)荷變化強(qiáng)度，T為當(dāng)日氣溫，T0為該地區(qū)最低氣溫，R為常數(shù)。

這樣，預(yù)測(cè)模型為：

2．2 參數(shù)取值

對(duì)上式的參數(shù)取值做如下規(guī)定：β表示氣溫突變影響的常數(shù)，據(jù)統(tǒng)計(jì)成都地區(qū)氣溫突變性對(duì)負(fù)荷的影響約為10%，如預(yù)報(bào)短期某日出現(xiàn)氣溫突變?nèi)?．1，若預(yù)報(bào)未出現(xiàn)氣溫突變?nèi)?；Qmax為短期內(nèi)城市燃?xì)庾畲笕肇?fù)荷；ΔT根據(jù)氣象預(yù)報(bào)取值，為當(dāng)?shù)仡A(yù)報(bào)的某日氣溫減去當(dāng)?shù)貧v史最低氣溫；R為常數(shù)，以成都為例，根據(jù)歷史資料統(tǒng)計(jì)，短期內(nèi)平均氣溫12℃以下取0．01，12～27℃取0．1，27℃以上取1。

參數(shù)K0和ΔE需根據(jù)短期內(nèi)的氣溫與燃?xì)馊肇?fù)荷數(shù)據(jù)擬合求出。為便于計(jì)算，可取短期內(nèi)最小日負(fù)荷Q1（當(dāng)日氣溫T1）和短期內(nèi)的平均日負(fù)荷Q2（平均氣溫T2）聯(lián)立方程，求解參數(shù)。即通過(guò)聯(lián)立：

反求參數(shù)K0和ΔE?？梢哉J(rèn)為上述參數(shù)值短期內(nèi)不變，能用于預(yù)測(cè)下一個(gè)短周期內(nèi)的日負(fù)荷。

2．3 實(shí)例計(jì)算

模型可重點(diǎn)應(yīng)用于極端氣溫或氣溫驟變條件下的城市燃?xì)馊肇?fù)荷短期預(yù)測(cè)。根據(jù)四川省氣象局日平均氣溫?cái)?shù)據(jù)和成都市城市燃?xì)鈹?shù)據(jù)，選取氣溫驟降的2010年10月21—30日共計(jì)10天的氣溫和城市燃?xì)馊沼脷饬繛榛A(chǔ)數(shù)據(jù)（表2），測(cè)算未來(lái)幾天內(nèi)的用氣情況。

表2 成都地區(qū)城市燃?xì)馊肇?fù)荷表

根據(jù)取值方法，Qmax＝457，R＝0．1，取成都地區(qū)歷史最低氣溫為－5℃，可計(jì)算出K0＝259．9，ΔE＝3．51。將參數(shù)代入預(yù)測(cè)模型，可預(yù)測(cè)短期內(nèi)不同氣溫下的用氣量（表3）。

對(duì)比實(shí)際數(shù)據(jù)，該模型預(yù)測(cè)誤差在3%以內(nèi)，絕對(duì)值小于10×104m3／d，預(yù)測(cè)精度較高（表4）。

3 結(jié)論

1）筆者利用統(tǒng)計(jì)學(xué)和化學(xué)動(dòng)力學(xué)相關(guān)理論，基于氣溫突變、低溫累積等因素構(gòu)建了基于氣溫的城市燃?xì)舛唐谌肇?fù)荷預(yù)測(cè)模型，模型的參數(shù)取決于短期內(nèi)的氣溫和日負(fù)荷數(shù)據(jù)。

2）通過(guò)實(shí)例測(cè)算發(fā)現(xiàn)模型的預(yù)測(cè)精度較高，可為城市燃?xì)夤净蛏嫌喂馄髽I(yè)的短期日負(fù)荷預(yù)警和調(diào)峰提供一定理論依據(jù)和決策支持，也可為其他地區(qū)建立類似的短期預(yù)測(cè)模型提供借鑒。

表3 模型預(yù)測(cè)結(jié)果表

表4 模型預(yù)測(cè)值與實(shí)際值比較表

［1］焦文玲，嚴(yán)銘卿，廉樂(lè)明．城市燃?xì)庳?fù)荷的灰色預(yù)測(cè)［J］．煤氣與熱力，2001，21（5）：387－389．JIAO Wenling，YAN Mingqing，LIAN Leming．Grey prediction of city gas load［J］．Gas ＆ Heat，2001，21（5）：387－389．

［2］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．JIAO Wenling，QIN Yukun，ZHAO Linbo．Study on forcasting system of city gas load［J］．Natural Gas Industry，2005，25（1）：155－157．

［3］譚羽非，陳家新，焦文玲，等．基于人工神經(jīng)網(wǎng)絡(luò)的城市煤氣短期負(fù)荷預(yù)測(cè)［J］．煤氣與熱力，2001，21（3）：199－202．TAN Yufei，CHEN Jiaxin，JIAO Wenling，et al．Applying BP artificial neural network to forecast urban gas shortterm load［J］．Gas ＆ Heat，2001，21（3）：199－202．

［4］田一梅，趙元，趙新華．城市煤氣負(fù)荷的預(yù)測(cè)［J］．煤氣與熱力，1998，18（4）：20－23．TIAN Yimei，ZHAO Yuan，ZHAO Xinhua．Study of load forecasting for urban gas supply［J］．Gas ＆ Heat，1998，18（4）：20－23．

［5］張中秀，周偉國(guó)，梁金鳳．氣象條件對(duì)冬季城市燃?xì)馊沼脷饬康挠绊懀跩］．天然氣技術(shù)，2007，1（4）：56－58．ZHANG Zhongxiu，ZHOU Weiguo，LIANG Jinfeng．How weather condition affecting city gas daily consumption in winter［J］．Natural Gas Technology，2007，1（4）：56－58．

［6］張中秀，周偉國(guó)，潘艷，等．氣象因素對(duì)城市燃?xì)馊沼脷饬康挠绊懀跩］．建筑熱能通風(fēng)空調(diào)，2008，27（4）：93－96．ZHANG Zhongxiu，ZHOU Weiguo，PAN Yan，et al．Influence of weather condition on daily urban gas consumption［J］．Building Energy ＆ Environment，2008，27（4）：93－96．

［7］姜子昂，鄒曉琴，段言志，等．川渝地區(qū)城市燃?xì)庥脷饬慷款A(yù)測(cè)模型研究［J］．城市燃?xì)猓?011（6）：4－10．JIANG Zi＇ang，ZOU Xiaoqin，DUAN Yanzhi，et al．The gas consumption forecast model research in Sichuan ＆Chongqing area［J］．Urban Gas，2011（6）：4－10．