城市液化石油气负荷预测方法研究_技术研究

摘要

摘要：城市燃气负荷是进行城市燃气各项工作的基础，负荷预测直接影响城市燃气设施的规划与建设，本文结合国内某大城市的液化石油气使用状况进行了相关研究。该城市发展应用液化石

摘要：城市燃气负荷是进行城市燃气各项工作的基础，负荷预测直接影响城市燃气设施的规划与建设，本文结合国内某大城市的液化石油气使用状况进行了相关研究。该城市发展应用液化石油气多年，随着天然气的普及推广，液化石油气使用量在逐年减少。本文采用了几种不同的预测方法，旨在较好的预测未来该城市液化石油气发展趋势，这些预测方法同样适用于天然气等其他城市燃气负荷预测。

关键词：城市燃气；液化石油气；燃气负荷；预测方法

　随着城市化进程的提高和城市燃气的发展，百姓的日常生活和相关企业的运行越来越离不开城市燃气的稳定供应，负荷预测的准确性对城市燃气的稳定供应有着举足轻重的作用。此外，城市燃气相对于石油、煤等传统燃料是一种清洁燃料，在注重环境保护的今天大有用武之地。所以准确预测城市燃气负荷有着明显的经济效益和社会效益^[1～3]。

　随着天然气在该城市的大力发展，液化石油气使用量将逐渐减少，但仍然将是天然气的有力补充。一段时间内一些区域(如旧村、旧社区等)管道燃气无法进入，而液化石油气、特别是瓶装液化石油气，灵活方便、投资较小，因此，仍有其长期存在的可能性和必要性。所以液化石油气负荷的预测对于城市的和谐发展是必不可少的。

　为了较好地分析对比，我们选择了几种不同的模型进行预测。一是基于年份的预测模型，找出年份与用气量的关系，这种模型可以较容易地得出未来该城市液化石油气的发展规律。二是基于影响液化石油气使用气量的主成分分析模型，该模型可以在变量存在严重相关性的条件下进行分析，主要方法是从影响城市燃气用气量的因子中提取主要因子，各主要因子是原因子的线性组合，能较好地解释近年来该市液化石油气用气量的发展，这样可以避免原各因子的多重相关性产生的预测偏差(使用该模型时需知道影响液化石油气发展的各影响因子)。

　1 燃气负荷历史资料

　要准确地预测未来城市燃气的发展，必须有详实的历史记录。为了避免某些年份偶然突发事件或者人为记录失误产生较大的误差，需要的历史数据越精确越好。图1为近十年来该城市燃气发展示意图。

从上图可以看出，液化石油气在2005年用量达到最大，随后开始减少；瓶装液化石油气的变化规律类似，在2004年达到最大，2005年稍微减少，但是从2006年开始减少的比较明显。造成液化石油气用量减少的主要原因是2006年该城市开始使用天然气。从2009年开始不再使用管道液化石油气。

　2 基于年份的预测模型

　2.1 差分自回归滑动平均模型

　差分自回归滑动平均模型(Auto Regression Integrated Moving Average，ARIMA)，模型有着很多优点，可以较好地克服随机干扰问题，在旅游市场^[4]、移动话务^[5]等方面有着广泛的应用，故在此尝试采用该模型来进行液化石油气负荷预测。

　2.2 最小二乘法模型

　从图1可以看出液化石油气用气量的变化与年份的关系并不明显，但是这不代表该城市燃气总量(包括液化石油气和天然气两部分)的变化与年份关系不明显。如果该城市燃气总量在某个时间区间不发生剧烈变化，那么我们能找出燃气总量与年份的关系，预测出燃气总量后减去管道气(2005年之前管道气为管道液化石油气，2009年后管道气全部为天然气)即为液化石油气用量。

　2.3 混合预测模型

　该城市居民用气量、商业用气量和工业用气量的发展规律各不相同，我们考虑采取分别预测的方法来降低预测误差，然后进行用气量的汇总。

　(1) 居民用气量预测

　分析近年来居民用气量负荷变化规律后，采用Auto Regression模型来预测居民用气量的变化发展。

　(2) 商业用气量预测

　经过多种模型计算后发现fnverse模型的误差最小，故采用Inverse模型来预测商业用气量的变化发展。

　(3) 工业用气量预测

　经过多种模型预测发现，Growth模型的预测相对来说比较准确，故采用Growth模型来预测工业用气量的变化发展。

　3 主成分分析模型

　3.1 影响因子的选择原则

　在对某一问题进行实证研究中，为了全面、准确的反映这个问题，人们常常要考虑与其相关的多个影响因子，也就是变量。影响因子的选择是建模的基础，它直接关系到模型的优劣。通常在建立模型时，都希望能够将对因变量有影响的自变量考虑到模型中去，尽量避免遗漏重要的变量，造成模型预测结果与实际结果相偏离。从原则上讲，一个好的模型应该包括所有有效的变量，而不包含任何无效变量。鉴于液化石油气用气量变化的复杂性，影响因素的多样化，预测因子的选择应该是照顾全面的同时还要突出重点^[6]。

　液化石油气用气量预测研究考虑的是一个变化的自然社会和液化石油气组成的大系统，因此选择的影响因子就应该能够及时更新，能够显示随时间变化的趋势。

　从上述描述中可以看到，为了较准确地预测该城市液化石油气负荷，我们需要考虑尽可能多的影响因子，这样可以避免遗漏重要的信息，但是随着影响因子的增多会增加研究问题的负载程度；另一方面由于各个影响因子都是对液化石油气负荷的反映，不可避免的会造成信息的大量重叠，造成因子之间的共线性。因此我们希望在定量研究中涉及的因子较少，而得到的信息量又较多。

　主成分分析正是研究如何通过原始因子的少数几个线性组合来解释液化石油气负荷的绝大多数信息。主成分分析模型可以在影响因子存在严重相关性的条件下进行预测分析，有效的排除因子之间的相关性，达到较为理想的预测结果。

　3.2 影响燃气负荷的主要因素

　影响燃气负荷的主要因素包括^[7]：

　(1)从城市燃气负荷的构成角度分析，其用户包括居民用户、商业用户和工业用户等，因此第二产业和第三产业的发展直接带动城市燃气事业的发展，其产值的增长直接影响燃气消耗量；

　(2) 居民户数的变化对燃气用量所产生的作用也是毋庸置疑的，居民用户的增长会导致燃气消耗量的变化；

　(3) 居民生活水平的提高也会使燃气用量显著增长；

　 (4) 液化石油气价格变化也直接影响到用量的变化。

　所以，在此研究中选取国内生产总值(x₁，亿元)、第二产业产值(x₂，亿元)、第三产业产值(x₃，亿元)、人均可支配收入(x₄，万元)、使用瓶装气户数(x₅，万户)和液化石油价格(x₆，元/吨)等6个影响因素对城市燃气年度负荷(y，吨)进行主成分分析建模。

　4 各预测模型对比分析

　由于没有收集到未来该城市天然气负荷变化预测数据，而最小二乘法的预测需要给出天然气负荷，故下面主要对比分析其他三种模型。混合模型是分别预测各年度居民、商业、工业用气量，在分别计算中有的年份某用气量产生了突变，在预测中属于变异点，不采用该年度数据，如2003年该城市工业用气量为84933吨，而2004年、2005年分别为246336吨和209357吨，2006年为79265吨，故认为2004年和2005年均为变异点，应该不予采用。但是考虑到样本只有十个，去掉变异点后数据较少，故在变异点年份用原值代替预测值，如替代后的2004年工业用气量预测值为246336吨。

　2000至2009校核结果如图2所示。

各模型误差率如表1所示。

表1 预测模型误差对比

年份	ARIMA模型预测误差(%)	混合模型预测误差(%)	主成分分析模型预测误差(%)
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	—

通过误差的比较可以看出混合模型和主成分分析模型的预测效果要优于ARIMA模型。Eli于该城市燃气发展一直处于无规律状态，如2005年、2006年等年份燃气负荷会突然出现较大增长，所以在进行预测的时候会出现较大的误差，这也从一定程度上说明燃气负荷的预测精度对燃气运营企业实现稳定供气有着重要的指导意义。

ARIMA模型通过对以往数据的数学分析光滑地模拟计算出未来6"tj数据，在燃气负荷稳定变化的情况下比较准确，一旦发生突变，会导致误差较大，这也是2004年禾n2006年出现较大误差的原因所在，但ARIMA模型也有很好的适应性和自我调节性，在2005年的预测误差为2.3%。混合预测采用分别预测居民、商业和工业用气量的方法，通过三种不同的预测模型可以减小单一预测模型的局限性，从而降低误差，从表1就可以看出混合预测精度较高。采取混合预测方法需要足够多的历史数据，这样才能保证在去除变异点后还有足够多的有效数据用来建立模型。采用主成分分析模型对液化石油气用量进行预测，可以较好的解决各影响因子之间的多种相关性，该模型具有结构简单、计算方便和建模精度较高等优点，而且模型可以综合分析各影响因子对液化石油气负荷的影响权重。不过采用主成分分析模型进行液化石油气预测也有相应的局限性^[7]，由于模型需要采用预测的影响因因子，所以影响因子的预测也需要相对准确。尽管主成分分析有一定的局限性，但该模型还是给负荷预测提供了一个新的思路，在条件合适的情况下可以进行有益的尝试。

5 小结

城市燃气作为一种贴近百姓生活的特殊产品，需认真规划和建设。负荷预测是城市燃气发展的基础工作，预测精度对燃气在该城市的发展有着非常重要的前瞻意义，它有助于有关部门做好城市燃气规划设计，保证燃气系统的投资效益和可靠性，以及整个城市燃气系统的优化运行；有助于燃气公司以较低的成本做好及时、合理的调度，保障安全稳定供气^[8]。

在本文中我们主要是提出了建立一些负荷预测模型的方法，这些方法不仅仅适用于液化石油气的预测，同样适用于其他城市燃气如天然气的负荷预测。上述负荷预测方法各有特点，在实际工作中需要针对现实情况采用不同的方法，这样预测出来的燃气负荷对城市燃气的发展才有指导意义。

参考文献

1 中国城市燃气协会秘书处.建议开展“城市天然气用气负荷指标及用气规律”统计研究工作的意见.城市燃气[J].2004，350(4)：3-6

2 焦文玲，严铭卿，廉乐明.城市燃气负荷的灰色预测煤气与热力[J].2001，21(5)，387-389

3 严铭卿，廉乐明，焦文玲.等燃气负荷及其模型研究煤气与热力[J].2003，23(4)，207-210

4 杨东方，高振会，于子江等.ARIMA模型在国内旅游市场预测中的应用科学决策[J].2008(11)，151-152

5 司徒毅.ARIMA模型在移动话务预测中的应用广东轻工职业技术学院学报[J].2009，8(4)，1-4

6 杨巍，赵明宇，王森.基于SPSS的负荷特性分析及其预测.中国电机工程学会第十届青年学术会议

7 苗艳姝，段常贵.燃气年度负荷预测的偏最小二乘法.哈尔滨商业大学学报[J].2008，24(1)，94-97

8 张倩，冯良.厉成吟.城市燃气负荷预测技术.上海煤气[J].2004(2)，1-5

(本文作者：蔡磊管延文宓亢琪华中科技大学　环境科学与工程学院　武汉 430074)