基于組合模型的生物質燃料價格預測研究

曹文凱 洪杰 袁也 姜沖 朱曉罡

摘? 要：我國生物質能源儲量豐富，生物質燃料發電前景廣闊，但國內生物質發電普遍存在虧損現象，燃料采購成本居高不下，嚴重阻礙了生物質發電的推廣。對生物質燃料進行價格預測分析，對保障生物質燃料發電廠的利益、促進生物質燃料發電產業健康發展具有重要意義。文章利用江蘇某生物質發電廠2018年5月至2020年4月共3年的生物質燃料采購數據，運用滑動平均、趨勢法、ARIMA模型等多種技術手段構建生物質燃料價格預測模型。運用2020年5月至2021年4月數據對模型進行檢驗，預測值相對誤差均在5%以下，預測誤差較小，較為接近真實值。文章采用組合預測模型的方法，能更好地發揮各單一模型的優勢，使誤差最小化，提高預測正確率以及穩定性。

關鍵詞：生物質燃料;ARIMA;滑動平均;發電;價格預測

中圖分類號：TP181? ? ? ? ? ? ? ? 文獻標識碼：A文章編號：2096-4706（2021）16-0139-04

Research on Biomass Fuel Price Prediction Based on Combined Model

CAO Wenkai1， HONG Jie1， YUAN Ye1， JIANG Chong2， ZHU Xiaogang2

（1. Jiangsu New Energy Development Co.， Ltd.， NanJing? 210018， China; 2. Nanjing Trusted-Blockchain Computing Economics Institute， NanJing? 211899， China）

Abstract： China is rich in biomass energy reserves and has broad prospects for biomass fuel power generation. However， there are widespread losses in domestic biomass power generation， and the fuel procurement cost remains high， which seriously hinders the promotion of biomass power generation. The price prediction and analysis of biomass fuel is of great significance to protect the interests of biomass fuel power plants and promote the healthy development of biomass fuel power generation industry. Based on the biomass fuel purchase data of a biomass power plant in Jiangsu from May 2018 to April 2020， this paper constructs a biomass fuel price prediction model by using a variety of technical means such as moving average， trend method and ARIMA model. The data from May 2020 to April 2021 are used to test the model. The relative errors of the predicted values are less than 5%， and the prediction error is small， which is close to the real value. In this paper， the combination forecasting model is the best way to make the first mock exam more effective， minimize the error and improve the accuracy and stability of prediction.

Keywords： biomass fuel; ARIMA; moving average; electricity generation; price forecast

0? 引? 言

目前我國的能源需求量逐年增加，能源消耗量的增長速度已經遠超其他發展中國家，能源消耗帶來的安全問題和環境問題變得日益嚴峻。為了保障國家能源安全，降低化石能源的依賴，改善生態環境，政府正在大力開發和利用可再生能源。生物質能源由于其可再生的特性，成為最具開發潛力的可替代能源之一。生物質能源的利用方式有很多，其中生物質發電是目前開發最廣泛的利用形式。生物質發電是利用生物質所具有的生物質能進行的發電項目，是以農作物秸稈、農林廢棄物等作為燃料進行發電的產業。

我國的生物質能源儲量豐富，其中農作物秸稈、生物糞便、植物及環衛垃圾等作為生物質原料的主要來源。作物秸稈年產量約為6億噸，可作為能源使用的比例為2/3左右，林木總生物量約200億噸，年獲取量約9億噸，可作為能源利用的占比約為35%。

然而目前，國內生物質發電企業實際運營過程中缺普遍存在虧損現象，無法實現穩定盈利，依靠國家補貼生存，嚴重阻礙了生物質發電的推廣。

《關于促進非水可再生能源發電健康發展的若干意見》有關事項的補充通知發布，明確了生物質發電項目運行滿15年或全生命周期合理利用小時數滿82 500小時，將不再享受國家補貼。國家補貼的逐步退出，將給生物質發電行業的商業模式帶來一定程度的沖擊，其中，農林生物質發電行業面臨的挑戰最大。

針對生物質發電出現的虧損現象，國內玩學者在成本控制方面做了很多的研究。田宜水在文獻[1]中采用問答的形式，系統地介紹了生物質發電技術的基本原理，資源調查，運行管理等內容，并在文獻中指出，生物質燃料的物流成本一般占發電廠燃料總成本的50%～70%。傅友紅等人在文獻[2]中提出成本與規模之間的關系，提出為了因地制宜發展生物質發電，規模應不大于20 MW。張艷麗等人[3]分析了我國秸稈收儲運過程中的運營模式及存在的問題，提出加大研發、控制規模、合理布局的建議。劉華財等人[4]計算了生物質原料的子過程成本，分析了五種不同模式下的供應成本變化趨勢。王愛軍等人[5]為了對生物質發電成本進行分析，分別對生物質主要的發電方式進行了討論，并建立了生物質燃料消耗量模型和燃料成本模型。楊樹華等[6]通過對生物質顆粒成型燃料生產廠合理布局的科學分析，提出了秸稈收集的經濟半徑、平均運輸半徑及滿載和空載等效模型，推出了綜合反映顆粒燃料生產廠投資、運輸條件、耗油價格關系的顆粒燃料生產廠原料收集最佳半徑的數學模型。吳金卓、許文秀等人[7，8]分析了秸稈生物質燃料成本構成，構建以生物質燃料供應成本最小化為目標的生物質燃料到廠成本優化模型。Kumar等人[9]建立了模型求解不同生物質原料所對應的發電容量和發電成本。Shabani等人[10]利用非線性規劃模型優化生物質電廠的運行成本。

本文在上述研究的基礎上，以降低生物質燃料收購成本為目標，結合某生物質發電廠供應商和燃料收購數據，構建了生物質燃料收購價格預測模型和經紀人供貨水平評價模型。以改進生物質發電廠在燃料采購階段的價格管理和人員管理問題。

1? 研究方法和數據來源

1.1? 滑動平均模型

滑動平均，又稱為移動平均，在簡單平均數法的基礎上，通過順序逐期增減新舊數據求算移動平均值，以此消除數據中偶然變動因素，找出事物發展趨勢，并依次進行預測。

變量v在t時刻記為vt，θt表示v在t時刻的取值，即在不使用滑動平均時，vt=θt，在使用滑動平均模型后，vt的更新公式如以下所示：

vt=β·vt-1+（1-β）·θt

其中β∈[0，1）時，β=0時，相當于沒有使用滑動平均。

1.2? ARIMA模型

ARIMA模型的全稱叫作自回歸移動平均模型，記作ARIMA（p，d，q），常用來定量描述時間序列中參數間的相互關系以及存在的未來趨勢。ARIMA模型是統計模型中最常見的一種用來進行時間序列預測的模型，由AR模型與MA模型共同組成。ARIMA（p，d，q）中，AR表示自回歸模型，p表示預測模型中采用的時序數據本身的滯后數，MA表示滑動平均模型，q表示預測模型中采用的預測誤差的滯后數，d表示使模型成為平穩序列所做的差分次數，也叫作Integrated項。ARIMA模型的原理是通過數學模型最大限度地描述預測對象發展而成的關于時間的數據序列。

模型經過d次差分處理后，特征序列xt可以生成平穩序列?xt，則ARIMA（p，d，q）模型的數學表達式可以寫成如下形式：

其中，c表示常數，Φi表示自回歸系數，θi表示移動平均回歸系數，εt表示白噪聲序列。建立ARMIA模型分為6個步驟，即判斷序列是否為平穩序列、對非平穩序列進行處理、模型參數確定、參數估計、模型檢驗和模型預測。

1.3? 數據來源

本文所用數據來源于江蘇某生物質發電廠實際經營生產數據。從52種生物質燃料中，選取16種進行數據分析，選取時間為2018年5月至2021年4月的各生物質燃料的價格序列，共1 095天的價格數據。其中2018年5月至2020年4月為訓練數據，利用2020年5月至2021年4月作為測試數據。

2? 燃料收購價格預測模型構建

根據生物質燃料歷史價格以及當前市場行情等，預測未來生物質燃料價格。本文綜合利用ARIMA模型、滑動平均、趨勢法構建組合模型，預測未來月燃料價格：

x=β1xt+β2xm+β0

x——預測燃料價格。

xt-i——歷史燃料價格。

αm——年增長趨勢，根據月份不同取值不同。

xmyear-1——上一年年滑動平均燃料價格，計算公式為：

價格置信區間的構建，取預測月上一年該月的所有數據，計算標準差std，樣本數量n。其中標準差計算公式為：

xm表示第m月該燃料價格。

則該月該燃料價格95%置信區間可計算：

如匹配月份數據空，則不計算。

3? 燃料收購價格預測分析

本文利用江蘇某生物質發電廠2018年5月至2020年4月的生物質燃料的實際經營生產數據作為數據集，選取2020年5月至2021年4月的實際值和預測值作為比較。此外，本文選取在時間序列預測中常用的絕對誤差百分比來衡量模型預測結果的優劣程度，絕對誤差百分比的計算公式如以下所示：

絕對誤差百分比=|（預測價格-實際價格）/實際價格|×100%

經過訓練，得到模型的矩陣參數為：

ARIMA（p，d，q）的模型參數確定為p=4、d=0、q=0;對ARIMA（4，0，0）模型進行參數估計，得到矩陣參數值如表1所示。

模型增長趨勢參數矩陣見表2，其中αm為參數每個月取值：

組合參數矩陣β0，β1，β2取值如表3。

則模型為：

x=0.741 968 531xt+0.315 052 443xm-13.307 397 83

應用構建的模型對2018年5月至2020年4月期間燃料價格進行擬合，紅色線為實際的成交價格，藍色線為預測價格，計算可知平均絕對誤差為6.125，平均絕對誤差百分比為2%。模型的預測值和實際值的擬合度高，并且擬合曲線起伏變化小，擬合的結果十分理想。

應用模型對2020年5月至2021年4月的生物質燃料價格進行擬合與預測，其結果如表4所示。

對未來生物質燃料價格進行擬合，擬合值、絕對誤差、絕對誤差百分比見上表。2020年5月至2021年4月共12期的價格進行預測，預測值相對誤差均在5%以下，預測誤差較小，較為接近真實值。

4? 結? 論

本文首先選取2018年5月1日至2020年4月30日生物質燃料價格序列數據，綜合運用滑動平均、趨勢法、ARIMA模型等多種技術手段，建立了生物質燃料價格預測組合模型，模型為：x=0.741 968 531，xt+0.315 052 443，xm-13.307 397 83，并對2020年5月至2021年4月的生物質燃料價格進行預測，預測的價格走勢符合生物質燃料的市場周期波動特點。

從價格預測的結果來看，2020年5月—10月，生物質燃料價格持續處于低位，這是因為此期間，處于農忙季節，市場稻秸稈、麥秸稈存量較大，引起價格走低。對于生物質燃料發電廠來說，生物質燃料價格走低是利好消息，可以充分利用價格低位，大量收購，增加庫存。對于市場來說，發電廠大量收購生物質燃料，可以有效降低麥秸稈、稻秸稈燃燒帶來的環境污染，降低火災風險。

參考文獻：

[1] 田宜水.生物質發電 [M].北京：化學工業出版社，2010.

[2] 傅友紅，樊峰鳴，傅玉清.我國秸稈發電的影響因素及對策 [J].沈陽工程學院學報（自然科學版），2007，3（3）：206-210.

[3] 張艷麗，王飛，趙立欣，等.我國秸稈收儲運系統的運營模式、存在問題及發展對策 [J].可再生能源，2009，27（1）：1-5.

[4] 劉華財，陰秀麗，吳創之.秸稈供應成本分析研究 [J].農業機械學報，2011，42（1）：106-112.

[5] 王愛軍，張燕，張小桃.生物質發電燃料成本分析 [J].農業工程學報，2011，27（s1）：17-20.

[6] 楊樹華，雷廷宙，何曉峰，等.生物質致密冷成型原料最佳收集半徑的研究[C]//中國農村能源行業協會第四屆全國會員代表大會新農村、新能源、新產業論壇生物質開發與利用青年學術研討會.中國農村能源行業協會第四屆全國會員代表大會新農村、新能源、新產業論壇生物質開發與利用青年學術研討會論文集.中國北京：《農業工程學報》編輯部，2006：140-142.

[7] 吳金卓，林文樹，王立海.秸稈發電企業燃料供應成本優化模型及應用 [J].物流技術，2015，34（3）：257-261.

[8] 許文秀，吳金卓，張珊珊.秸稈發電企業燃料運輸成本核算及優化分析 [J].交通科技與經濟，2019，21（1）：70-74.

[9] KUMAR A，CAMERON J B，FLYNN P C. Biomass power cost and optimum plant size in western Canada [J].Biomass and Bioenergy，2003，24（6）：445-464.

[10] SHABANI N，SOWLATI T. A mixed integer non-linear programming model for tactical value chain optimization of a wood biomass power plant [J].Applied Energy，2013，104：353-361.

作者簡介：曹文凱（1990—），男，漢族，江蘇無錫人，中級工程師，博士研究生，研究方向：新能源、能源管理;通訊作者：姜沖（1992—），男，漢族，江蘇淮安人，研究員，碩士研究生，研究方向：信息安全、人工智能、智能預測。