城市液化石油氣負(fù)荷預(yù)測方法研究

摘 要

摘要：城市燃?xì)庳?fù)荷是進(jìn)行城市燃?xì)飧黜椆ぷ鞯幕A(chǔ)，負(fù)荷預(yù)測直接影響城市燃?xì)庠O(shè)施的規(guī)劃與建設(shè)，本文結(jié)合國內(nèi)某大城市的液化石油氣使用狀況進(jìn)行了相關(guān)研究。該城市發(fā)展應(yīng)用液化石
摘要：城市燃?xì)庳?fù)荷是進(jìn)行城市燃?xì)飧黜椆ぷ鞯幕A(chǔ)，負(fù)荷預(yù)測直接影響城市燃?xì)庠O(shè)施的規(guī)劃與建設(shè)，本文結(jié)合國內(nèi)某大城市的液化石油氣使用狀況進(jìn)行了相關(guān)研究。該城市發(fā)展應(yīng)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(yù)測方法，旨在較好的預(yù)測未來該城市液化石油氣發(fā)展趨勢，這些預(yù)測方法同樣適用于天然氣等其他城市燃?xì)庳?fù)荷預(yù)測。
關(guān)鍵詞：城市燃?xì)猓灰夯蜌?；燃?xì)庳?fù)荷；預(yù)測方法
　隨著城市化進(jìn)程的提高和城市燃?xì)獾陌l(fā)展，百姓的日常生活和相關(guān)企業(yè)的運行越來越離不開城市燃?xì)獾姆€(wěn)定供應(yīng)，負(fù)荷預(yù)測的準(zhǔn)確性對城市燃?xì)獾姆€(wěn)定供應(yīng)有著舉足輕重的作用。此外，城市燃?xì)庀鄬τ谑?、煤等傳統(tǒng)燃料是一種清潔燃料，在注重環(huán)境保護(hù)的今天大有用武之地。所以準(zhǔn)確預(yù)測城市燃?xì)庳?fù)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?xì)鉄o法進(jìn)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(fù)荷的預(yù)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(jìn)行預(yù)測。一是基于年份的預(yù)測模型，找出年份與用氣量的關(guān)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(yán)重相關(guān)性的條件下進(jìn)行分析，主要方法是從影響城市燃?xì)庥脷饬康囊蜃又刑崛≈饕蜃樱髦饕蜃邮窃蜃拥木€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(guān)性產(chǎn)生的預(yù)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?xì)庳?fù)荷歷史資料
　要準(zhǔn)確地預(yù)測未來城市燃?xì)獾陌l(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?xì)獍l(fā)展示意圖。
 
從上圖可以看出，液化石油氣在2005年用量達(dá)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(dá)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(yù)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(wù)[5]等方面有著廣泛的應(yīng)用，故在此嘗試采用該模型來進(jìn)行液化石油氣負(fù)荷預(yù)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(guān)系并不明顯，但是這不代表該城市燃?xì)饪偭?包括液化石油氣和天然氣兩部分)的變化與年份關(guān)系不明顯。如果該城市燃?xì)饪偭吭谀硞€時間區(qū)間不發(fā)生劇烈變化，那么我們能找出燃?xì)饪偭颗c年份的關(guān)系，預(yù)測出燃?xì)饪偭亢鬁p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(yù)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(yù)測的方法來降低預(yù)測誤差，然后進(jìn)行用氣量的匯總。
　(1) 居民用氣量預(yù)測
　分析近年來居民用氣量負(fù)荷變化規(guī)律后，采用Auto Regression模型來預(yù)測居民用氣量的變化發(fā)展。
　(2) 商業(yè)用氣量預(yù)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(yù)測商業(yè)用氣量的變化發(fā)展。
　(3) 工業(yè)用氣量預(yù)測
　經(jīng)過多種模型預(yù)測發(fā)現(xiàn)，Growth模型的預(yù)測相對來說比較準(zhǔn)確，故采用Growth模型來預(yù)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(jìn)行實證研究中，為了全面、準(zhǔn)確的反映這個問題，人們常常要考慮與其相關(guān)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(chǔ)，它直接關(guān)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(yù)測結(jié)果與實際結(jié)果相偏離。從原則上講，一個好的模型應(yīng)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(fù)雜性，影響因素的多樣化，預(yù)測因子的選擇應(yīng)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(yù)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(yīng)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(zhǔn)確地預(yù)測該城市液化石油氣負(fù)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(fù)載程度；另一方面由于各個影響因子都是對液化石油氣負(fù)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(fù)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(yán)重相關(guān)性的條件下進(jìn)行預(yù)測分析，有效的排除因子之間的相關(guān)性，達(dá)到較為理想的預(yù)測結(jié)果。
　3.2 影響燃?xì)庳?fù)荷的主要因素
　影響燃?xì)庳?fù)荷的主要因素包括[7]：
　(1)從城市燃?xì)庳?fù)荷的構(gòu)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?xì)馐聵I(yè)的發(fā)展，其產(chǎn)值的增長直接影響燃?xì)庀牧浚?/span>
　(2) 居民戶數(shù)的變化對燃?xì)庥昧克a(chǎn)生的作用也是毋庸置疑的，居民用戶的增長會導(dǎo)致燃?xì)庀牧康淖兓?/span>
　(3) 居民生活水平的提高也會使燃?xì)庥昧匡@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?xì)饽甓蓉?fù)荷(y，噸)進(jìn)行主成分分析建模。
　4 各預(yù)測模型對比分析
　由于沒有收集到未來該城市天然氣負(fù)荷變化預(yù)測數(shù)據(jù)，而最小二乘法的預(yù)測需要給出天然氣負(fù)荷，故下面主要對比分析其他三種模型?；旌夏Ｐ褪欠謩e預(yù)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(yù)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(rèn)為2004年和2005年均為變異點，應(yīng)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(yù)測值，如替代后的2004年工業(yè)用氣量預(yù)測值為246336噸。
　2000至2009校核結(jié)果如圖2所示。
 
各模型誤差率如表1所示。
表1 預(yù)測模型誤差對比
年份
ARIMA模型預(yù)測誤差(%)
混合模型預(yù)測誤差(%)
主成分分析模型預(yù)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(yù)測效果要優(yōu)于ARIMA模型。Eli于該城市燃?xì)獍l(fā)展一直處于無規(guī)律狀態(tài)，如2005年、2006年等年份燃?xì)庳?fù)荷會突然出現(xiàn)較大增長，所以在進(jìn)行預(yù)測的時候會出現(xiàn)較大的誤差，這也從一定程度上說明燃?xì)庳?fù)荷的預(yù)測精度對燃?xì)膺\營企業(yè)實現(xiàn)穩(wěn)定供氣有著重要的指導(dǎo)意義。
ARIMA模型通過對以往數(shù)據(jù)的數(shù)學(xué)分析光滑地模擬計算出未來6"tj數(shù)據(jù)，在燃?xì)庳?fù)荷穩(wěn)定變化的情況下比較準(zhǔn)確，一旦發(fā)生突變，會導(dǎo)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(yīng)性和自我調(diào)節(jié)性，在2005年的預(yù)測誤差為2.3%?；旌项A(yù)測采用分別預(yù)測居民、商業(yè)和工業(yè)用氣量的方法，通過三種不同的預(yù)測模型可以減小單一預(yù)測模型的局限性，從而降低誤差，從表1就可以看出混合預(yù)測精度較高。采取混合預(yù)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(jìn)行預(yù)測，可以較好的解決各影響因子之間的多種相關(guān)性，該模型具有結(jié)構(gòu)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(fù)荷的影響權(quán)重。不過采用主成分分析模型進(jìn)行液化石油氣預(yù)測也有相應(yīng)的局限性[7]，由于模型需要采用預(yù)測的影響因因子，所以影響因子的預(yù)測也需要相對準(zhǔn)確。盡管主成分分析有一定的局限性，但該模型還是給負(fù)荷預(yù)測提供了一個新的思路，在條件合適的情況下可以進(jìn)行有益的嘗試。
5 小結(jié)
城市燃?xì)庾鳛橐环N貼近百姓生活的特殊產(chǎn)品，需認(rèn)真規(guī)劃和建設(shè)。負(fù)荷預(yù)測是城市燃?xì)獍l(fā)展的基礎(chǔ)工作，預(yù)測精度對燃?xì)庠谠摮鞘械陌l(fā)展有著非常重要的前瞻意義，它有助于有關(guān)部門做好城市燃?xì)庖?guī)劃設(shè)計，保證燃?xì)庀到y(tǒng)的投資效益和可靠性，以及整個城市燃?xì)庀到y(tǒng)的優(yōu)化運行；有助于燃?xì)夤疽暂^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(fù)荷預(yù)測模型的方法，這些方法不僅僅適用于液化石油氣的預(yù)測，同樣適用于其他城市燃?xì)馊缣烊粴獾呢?fù)荷預(yù)測。上述負(fù)荷預(yù)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(yù)測出來的燃?xì)庳?fù)荷對城市燃?xì)獾陌l(fā)展才有指導(dǎo)意義。
參考文獻(xiàn)
1 中國城市燃?xì)鈪f(xié)會秘書處.建議開展“城市天然氣用氣負(fù)荷指標(biāo)及用氣規(guī)律”統(tǒng)計研究工作的意見.城市燃?xì)鈁J].2004，350(4)：3-6
2 焦文玲，嚴(yán)銘卿，廉樂明.城市燃?xì)庳?fù)荷的灰色預(yù)測煤氣與熱力[J].2001，21(5)，387-389
3 嚴(yán)銘卿，廉樂明，焦文玲.等燃?xì)庳?fù)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(yù)測中的應(yīng)用科學(xué)決策[J].2008(11)，151-152
5 司徒毅.ARIMA模型在移動話務(wù)預(yù)測中的應(yīng)用廣東輕工職業(yè)技術(shù)學(xué)院學(xué)報[J].2009，8(4)，1-4
6 楊巍，趙明宇，王森.基于SPSS的負(fù)荷特性分析及其預(yù)測.中國電機工程學(xué)會第十屆青年學(xué)術(shù)會議
7 苗艷姝，段常貴.燃?xì)饽甓蓉?fù)荷預(yù)測的偏最小二乘法.哈爾濱商業(yè)大學(xué)學(xué)報[J].2008，24(1)，94-97
8 張倩，馮良.厲成吟.城市燃?xì)庳?fù)荷預(yù)測技術(shù).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(xué)　環(huán)境科學(xué)與工程學(xué)院　武漢 430074)