李瑜仙 關(guān)鴻鵬 趙 燕

1.北京市燃?xì)饧瘓F(tuán)有限責(zé)任公司，北京 100035；2.中國石油集團(tuán)工程設(shè)計(jì)有限責(zé)任公司西南分公司，四川 成都 610041

0 前言

在國內(nèi)燃?xì)馐袌龈偁幖觿『湍茉淳o張的形勢下，燃?xì)庑枨髠?cè)管理已經(jīng)成為燃?xì)馄髽I(yè)優(yōu)化負(fù)荷結(jié)構(gòu)、提高管網(wǎng)綜合效率和企業(yè)利潤最大化的重要手段。加強(qiáng)需求側(cè)管理可通過一定的技術(shù)和管理手段，提高燃?xì)庳?fù)荷預(yù)測水平是技術(shù)手段之一，是燃?xì)夤芫W(wǎng)規(guī)劃、優(yōu)化調(diào)度的前提，關(guān)系到供應(yīng)系統(tǒng)的投資效益和可靠性；而完善各類用戶供用氣運(yùn)營模式是加強(qiáng)需求側(cè)管理的管理手段之一，要使城市燃?xì)馄髽I(yè)的負(fù)荷預(yù)測、需求計(jì)劃、計(jì)劃調(diào)整等達(dá)到有條不紊、無縫對接，確保燃?xì)庥脩舴€(wěn)定用氣，必須有一套行之有效的供用氣運(yùn)營模式。

1 燃?xì)庳?fù)荷預(yù)測方法及應(yīng)用實(shí)例

燃?xì)庳?fù)荷預(yù)測需要對歷史數(shù)據(jù)進(jìn)行分析，對多種預(yù)測方法進(jìn)行比選，找出一種或幾種適用于城市燃?xì)庳?fù)荷預(yù)測的方法應(yīng)用于實(shí)際工作。目前較常用的負(fù)荷短期預(yù)測方法有多元線性回歸、指數(shù)平滑模型、人工神經(jīng)網(wǎng)絡(luò)等，不同方法有不同的適用范圍和特點(diǎn)，本文根據(jù)北京燃?xì)獾膶?shí)際應(yīng)用經(jīng)驗(yàn)，簡單介紹、分析幾種效果較好的預(yù)測方法。

對北方城市來說，燃?xì)庳?fù)荷在不同時(shí)期呈現(xiàn)不同的規(guī)律，影響因素也發(fā)生變化。從圖1 可知，冬季燃?xì)庥昧颗c室外溫度基本成線性關(guān)系，采暖過渡期（每年的3 月和11 月）無明顯規(guī)律，夏季非常穩(wěn)定，不受氣溫影響。

圖1 北京市城市燃?xì)庳?fù)荷隨季節(jié)變化特點(diǎn)

1.1 線性回歸

回歸分析是通過對兩個(gè)變量之間的相關(guān)分析建立模型，當(dāng)兩個(gè)變量之間存在線性關(guān)系時(shí)，稱為線性回歸［1］。線性回歸便于自動化，但不考慮溫度的季節(jié)差。經(jīng)分析、研究，供暖季燃?xì)庥脷庳?fù)荷與氣象條件高度負(fù)相關(guān)，見圖2，而氣象條件直接表現(xiàn)為室外溫度的高低，室外溫度越低，用氣量越高。

圖2 北京市燃?xì)庥脷庳?fù)荷與氣象條件高度負(fù)相關(guān)

經(jīng)過對近10 年歷史數(shù)據(jù)的整理、分析，北京燃?xì)饨⒘瞬膳竟?jié)城市燃?xì)馊沼脷庳?fù)荷（發(fā)電、工業(yè)用戶除外）與室外溫度之間的線性模型，Q=-aT+b（Q 為日用氣量，104m3；T 為室外平均溫度，℃；a 和b 為常量，歷年遞增），擬合精度達(dá)80%以上，見圖3。2012-2013 年供暖季，室外平均溫度每降低1 ℃，日用氣量可增加氣量約180×104m3，隨著用戶發(fā)展，這一增量逐年遞增。

圖3 北京市燃?xì)馊肇?fù)荷與平均溫度之間的關(guān)系

采暖季節(jié)穩(wěn)定期（12 月～次年2 月）適用多元線性回歸、博克斯-詹金斯法（ARMA）［2］等算法，預(yù)測與溫度、風(fēng)力、降雨量等高度相關(guān)的燃?xì)庳?fù)荷，適合北方的冬季。隨著天然氣消費(fèi)量的逐年遞增，氣量預(yù)測精度的要求也越來越高。用氣結(jié)構(gòu)由2005 年以采暖、民用為主轉(zhuǎn)變?yōu)橐圆膳?、民用及發(fā)電為主，逐步拓展CNG汽車和三聯(lián)供應(yīng)用領(lǐng)域［3］。電廠用氣主要受生產(chǎn)安排影響，工業(yè)、CNG 用氣所占比例較小，家庭和采暖所占用氣比例約70%左右，受氣象條件影響較大，見圖4。根據(jù)各類用戶不同特點(diǎn)，北京市正在探索“細(xì)化用戶，分類預(yù)測，總量疊加”的預(yù)測方法，見表1。

圖4 北京市近幾年燃?xì)庥脷饨Y(jié)構(gòu)

表1 冬季各類用戶預(yù)測方法

1.2 智能神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)最常用的是BP 算法，輸入學(xué)習(xí)樣本，使用反向傳播算法對網(wǎng)絡(luò)的權(quán)值和偏差進(jìn)行反復(fù)調(diào)整，使輸出值與期望值盡可能接近，當(dāng)輸出層的誤差平方和小于指定值時(shí)，訓(xùn)練完成［4］。此算法需要開發(fā)軟件，并有大量數(shù)據(jù)支撐，BP 算法用于預(yù)測時(shí)，逼近效果好，計(jì)算速度快，但整個(gè)過程為黑盒子，人工參與較少。

實(shí)踐證明采暖季節(jié)過渡期（11 月15 日左右，3 月15 日左右）燃?xì)庳?fù)荷規(guī)律與室外溫度等因素相關(guān)性出現(xiàn)異常，而取決于供暖日期是否提前或延后、鍋爐啟停臺數(shù)、供暖政策、經(jīng)濟(jì)形勢等因素，適宜采取智能神經(jīng)網(wǎng)絡(luò)算法。

1.3 時(shí)間序列

時(shí)間序列是指將某個(gè)指標(biāo)按時(shí)間先后順序排列而成的序列［2］。夏季負(fù)荷是一年中最基本的用氣負(fù)荷，其變化與溫度等氣象條件相關(guān)性很小，短時(shí)間內(nèi)比較穩(wěn)定，適于時(shí)間序列算法。北京燃?xì)獠捎密浖鹃_發(fā)的DSS 預(yù)測軟件，預(yù)測夏季低峰期（5 月中旬～10 月中旬）的短期負(fù)荷，預(yù)測精度達(dá)95%以上。

2 需求側(cè)管理

初步預(yù)測，到“十二五”末期，北京市天然氣年度需求總量將達(dá)到180×108m3，高峰日燃?xì)庳?fù)荷將超過1.5×108m3，除民用、公共服務(wù)業(yè)、工業(yè)、熱電聯(lián)產(chǎn)外，北京將適度發(fā)展三聯(lián)供、CNG 汽車等項(xiàng)目。不同燃?xì)庥脩粲脷庖?guī)律不同，所屬利益團(tuán)體不同，燃?xì)庑枨髠?cè)管理難度加大。

目前北京市“月計(jì)劃、周平衡、日指定”的供用氣運(yùn)行模式已取得一定成效，隨著天然氣市場購銷國際化趨勢的加劇，“照付不議”是城市管網(wǎng)運(yùn)營商必須面對的風(fēng)險(xiǎn)［5］，建立上、中、下游三方一體化嚴(yán)格、完善、有效的計(jì)劃管理模式，是降低風(fēng)險(xiǎn)的重點(diǎn)。提出“平衡賬戶”概念，在現(xiàn)有運(yùn)行模式的基礎(chǔ)上，制定不同的“考核”指標(biāo)，從經(jīng)濟(jì)或其它層面對超出賬戶限額的氣量進(jìn)行不同標(biāo)準(zhǔn)的價(jià)格結(jié)算，提高計(jì)劃精度，加強(qiáng)客戶計(jì)劃準(zhǔn)確度意識，降低“照付不議”風(fēng)險(xiǎn)。

“平衡賬戶”含兩個(gè)指標(biāo)：一是“日最大允許誤差”，二是“累計(jì)最大允許誤差”?！罢`差”是實(shí)際用氣量和計(jì)劃量之間的差值，如果客戶的“日誤差”超過了“日最大允許誤差”，超出部分以高于常規(guī)價(jià)格結(jié)算。這一“平衡賬戶”內(nèi)的“日誤差”數(shù)據(jù)每日都在累積，一定時(shí)間內(nèi)累積量不應(yīng)超出“累計(jì)最大允許誤差”，超出部分以高于常規(guī)的價(jià)格結(jié)算。下面舉例說明。

假設(shè)某客戶的日最大允許誤差為10×104m3，累計(jì)最大允許誤差為30×104m3，而客戶連續(xù)6 天的計(jì)劃誤差值分別為9×104m3、13×104m3、7×104m3、-2×104m3、8×104m3和6×104m3，則此客戶的計(jì)劃平衡賬戶見表2。圖5 中紅色柱狀圖內(nèi)的數(shù)字為超賬戶的誤差量，以非標(biāo)準(zhǔn)價(jià)格結(jié)算。

表2 某燃?xì)饪蛻舻摹捌胶赓~戶” 104 m3

圖5 某客戶的計(jì)劃平衡賬戶示意

目前中國石油與國內(nèi)多家燃?xì)馄髽I(yè)簽訂了“照付不議”協(xié)議，但并未真正實(shí)施，隨著天然氣市場國際購銷化趨勢的加劇，上游天然氣供應(yīng)商和國外供氣商之間的“照付不議”將最終影響到國內(nèi)天然氣市場，因此現(xiàn)階段非常有必要建立燃?xì)庥脩舻摹罢崭恫蛔h”意識，提高計(jì)劃精度，從經(jīng)濟(jì)或其他層面進(jìn)行制約。

3 結(jié)論及建議

a）對于北方城市來說，冬季采暖期燃?xì)庳?fù)荷與室外溫度高度線性相關(guān)，適用多元線性回歸法預(yù)測；過渡期（采暖、停暖前后）燃?xì)庳?fù)荷取決于供暖日期、鍋爐啟停臺數(shù)、供暖政策等因素，適宜采取智能神經(jīng)網(wǎng)絡(luò)算法；夏季穩(wěn)定期燃?xì)庳?fù)荷是基礎(chǔ)負(fù)荷，可采用時(shí)間序列法預(yù)測。

b）為客戶建立“平衡賬戶”，從經(jīng)濟(jì)或其他層面制約用戶，提高計(jì)劃精度，降低未來天然氣市場國際化帶來的“照付不議”風(fēng)險(xiǎn)。

［1］楊 虎，劉瓊蓀，鐘 波.數(shù)理統(tǒng)計(jì)Mathematical Statistics［M］.北京：高等教育出版社，2004.10.Yang Hu，Liu Qiongsun，Zhong Bo.Mathematical Statistics［M］.Beijing：Higher Education Press，2004.10.

［2］易丹輝.統(tǒng)計(jì)預(yù)測——方法與應(yīng)用［M］.北京：中國統(tǒng)計(jì)出版社，2001.4.Yi Danhui.Statistical Prediction-Methodsand Applications［M］.Beijing：China Statistics Press，2001.4.

［3］李瑜仙，許 彤，趙 燕，等.北京市城市燃?xì)馊肇?fù)荷與高峰小時(shí)流量的關(guān)系［J］.天然氣與石油，2008，26（1）：21-24.Li Yuxian，Xu Tong，Zhao Yan，et al.The Relationship between Gas Load and Peak-Hour-Flow in Beijing City［J］.Natural Gas and Oil，2008，26（1）：21-24.

［4］聞 新，周 露，李 翔，等.MATLAB 神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用［M］.北京：科學(xué)出版社，2003：258-265.Wen Xin，Zhou Lu，Li Xiang，et al.Matlab Neural Network Simulation and Application ［M］.Beijing：Science Press，2003：258-265.

［5］黃振中，張曉粉.淺論國際能源貿(mào)易中“照付不議”合同的特點(diǎn)和新趨勢［J］.中外能源，2011，16（3）：1-6.Huang Zhenzhong，Zhang Xiaofen.Take-or-Pay Contract and New Trends in the International Energy Trade［J］.Chinese and Foreign Energy，2011，16（3）：1-6.