對城市燃氣短期負荷預測的分析

侯磊

摘要：在燃氣公司市場化運行模式下，做好燃氣短期負荷預測工作十分重要，是幫助企業合理降低運營成本的關鍵途徑。文章首先對城市燃氣短期負荷變化的主要影響因素進行分析，進而通過構建燃氣短期負荷預測模型，對城市燃氣的短期負荷變化進行預測，給出具體的實現算法。

關鍵詞：城市燃氣;短期負荷;預測分析

1 城市燃氣短期負荷變化的主要影響因素

從目前已有的幾種城市燃氣短期負荷預測模型來看，多元線性回歸方程的預測精度較高，計算過程完全由計算機軟件完成，使用也較為方便。但是由于未加入季節差的考慮，容易在溫度影響分析的過程中出現問題。人工神經網絡預測模型具有較好的逼近效果，但由于預測過程屬于“黑箱”操作，難以利用預測過程中的信息數據。總體來看，目前城市燃氣短期負荷預測模型各有各的優缺點，在構建新預測模型的過程中，還需要從城市燃氣短期負荷變化的影響因素分析著手，確保模型的適用性。從實際情況來看，我國絕大多數的大中型城市已經建立了完善的燃氣供應體系，在分析燃氣短期負荷變化的過程中，也較為全面。其中，溫度是影響燃氣負荷變化最主要的因素，燃氣負荷變化和日平均溫度變化存在顯著的反向相關性。可以以此為著手點，建立燃氣短期負荷變化的預測分析模型。

2 城市燃氣短期負荷的預測模型及方法

2.1 日負荷模型

在城市燃氣短期負荷預測模型的構建過程中，需要充分考慮燃氣負荷變化受熱慣性的影響，在根據日平均溫度變化預測燃氣負荷變化時，加入動態平均溫度、有效溫度兩個指標。其中，動態平均溫度的計算公式為：

其中n取3～5，i代表預測目標前一天，Ti為日平均溫度。有效溫度的計算公式為：

Teff=wT+（1-w）Tn

其中w為權重因子，其取值范圍為0～1。通過對某北方城市近三年燃氣負荷變化數據及氣象數據進行研究，可以建立燃氣日負荷、日平均溫度、動態平均溫度和有效溫度之間的關系。其中，日平均溫度與燃氣日負荷的相關系數為-0.81，動態平均溫度的相關系數為-0.83，有效溫度的相關系數為-0.85。其中，燃氣日負荷受有效溫度影響最大，將其作為主導因素，構建日負荷預測模型。得到的燃氣日負荷通用預測模型為：

其中，T0為地區年平均溫度，Q0為全年平均燃氣日負荷，α為相關系數。工作日期間α的取值為1.0，雙休日期間α的取值為1.01～1.10，節假日期間α的取值為1.10～1.20。該模型主要適用于1～5日的燃氣短期負荷預測。

2.2 月負荷模型

上述構建的日負荷模型雖然在理論上也可進行月負荷預測，但是由于溫度的長期預測容易出現偏差，因此還需要單獨建立專門的月負荷預測模型。通過對北方某城市多年的溫度變化進行研究，發現其每個月的日平均溫度近似呈正態分布。設正態分布期望為Tm，方差為σm2，Tm在不同月份有不同取值。由于Tm隨月份變化近似服從正態分布，其變化關系式可表示為：

Tm=a+bsin（C×m+d）=11+14×sin（0.5×m-2）

其中m為月份，如果用有效溫度描述月平均溫度的變化，其分布規律基本相同，因此有效溫度分布規律可表示為：

經過計算和整理后，可以得到月平均日負荷計算公式為：

可以根據該公式和待測月份天數N，計算出當月燃氣負荷的總量，計算公式為：

Qt=N×Qm。

2.3 短期預測模型的算例分析

本次建立城市燃氣日負荷預算模型和月負荷預算模型的意義在于可以實現對嘗試燃氣負荷預測步長的調節。從兩個模型之間的關系來看，月負荷模型相對容易構建，只需要統計月燃氣費用賬單即可。而日負荷模型則面臨著計量數據搜集的困難，也可以利用兩個模型進行相互檢驗，確保最終預測結果的準確性。為確保上述模型的可用性，分別以當地2018年2月份和3月份的數據為例，檢驗模型預測效果。其中，2月份為最不利工況，3月份為常規工況。分別采用平均絕對百分比誤差和均方百分比誤差對兩個預測模型的精確度進行檢驗。結果表明，兩個模型的預測精確度較高，得到的預測曲線基本重疊。考慮到春節一般在2月份，用戶用氣規律會發生較大變化，為確保2月份最不利工況下的預測精度，還可以加入富裕系數對模型進行調整。隨著城市燃氣短期預測模型的研究和改進，其預測精度逐漸提高，可以為燃氣供應提供更可靠的參考。

綜上所述，在已有研究方法的基礎上，從城市燃氣負荷變化的主要影響因素出發，構建預測模型，并加入動態平均溫度和有效溫度指標，解決熱慣性的影響，可以讓負荷預測結果更加準確。應積極推動城市燃氣短期負荷預測的相關研究，為實際燃氣供應調節工作提供科學依據。

參考文獻：

[1]馬鋼，等.基于PCA+Elman神經網絡的城市燃氣短期預測研究[J].天然氣技術與經濟，2018，12（05）：72-76+84.