同濟(jì)大學(xué)機(jī)械與能源工程學(xué)院 郝現(xiàn)英 陳志光

長沙新奧燃?xì)庥邢薰?王建林 雷 行

“雙碳”目標(biāo)的提出，為我國燃?xì)庑袠I(yè)帶來了新的機(jī)遇與挑戰(zhàn)，持續(xù)推動天然氣發(fā)展是我國既定的能源戰(zhàn)略。天然氣具有清潔、高效、低碳等特點，在推動我國能源結(jié)構(gòu)轉(zhuǎn)型和能源供應(yīng)安全方面發(fā)揮著橋梁與支撐作用。近年來，我國天然氣產(chǎn)業(yè)發(fā)展迅速，2020 年天然氣消費量約為3 340 億m3，占一次能源消費總量的8.7%，2025 年我國天然氣總需求量預(yù)計將達(dá)到4 080 億m3。燃?xì)庳?fù)荷預(yù)測不僅關(guān)系到燃?xì)夤镜男б妫覍δ茉垂?yīng)、燃?xì)廨斉浜腿細(xì)夤芫W(wǎng)建設(shè)都有重大的影響。

1 燃?xì)庳?fù)荷預(yù)測法

長期以來，國內(nèi)外學(xué)者對燃?xì)庳?fù)荷預(yù)測法進(jìn)行了許多研究，并建立了多種預(yù)測模型。20 世紀(jì)50年代，Verhulst 等人在法國首次提出了人工煤氣預(yù)測模型，為燃?xì)庳?fù)荷預(yù)測的研究奠定了基礎(chǔ)。20 世紀(jì)80 年代，我國開始進(jìn)行燃?xì)庳?fù)荷預(yù)測的研究，近些年也有了一定的進(jìn)展。從國內(nèi)外的研究情況來看，依據(jù)算法理論的不同，燃?xì)庳?fù)荷預(yù)測技術(shù)中的預(yù)測方法主要可分為數(shù)理統(tǒng)計預(yù)測法、人工智能預(yù)測法及組合預(yù)測法。

1.1 數(shù)理統(tǒng)計預(yù)測法

數(shù)理統(tǒng)計預(yù)測法是以概率論為基礎(chǔ)，運用統(tǒng)計學(xué)的方法對燃?xì)庳?fù)荷歷史數(shù)據(jù)進(jìn)行分析并得出規(guī)律，從而建立數(shù)學(xué)模型來預(yù)測未來燃?xì)庳?fù)荷。城市燃?xì)忸I(lǐng)域常用的數(shù)理統(tǒng)計預(yù)測法包括回歸分析法、時間序列法及灰色預(yù)測法。

(1) 回歸分析法?；貧w分析法是指通過分析歷史數(shù)據(jù)的規(guī)律性，列出回歸方程來進(jìn)行負(fù)荷預(yù)測，包括一元線性回歸、多元線性回歸及非線性回歸。高紅燕等人[1]利用西安市某供暖期的燃?xì)庳?fù)荷及氣象觀測逐日資料，分析西安市供暖期、節(jié)假日、雙休日燃?xì)庳?fù)荷的變化規(guī)律。在此基礎(chǔ)上采用多元線性回歸分析方法，構(gòu)建供暖期日燃?xì)庳?fù)荷預(yù)測模型，并對模型進(jìn)行檢驗評估。VAJK I 等人[2]基于分段逼近理論，采用非線性方程模型預(yù)測燃?xì)庳?fù)荷，擬合精度較準(zhǔn)確。

(2) 時間序列法。按時間順序?qū)θ細(xì)庳?fù)荷數(shù)據(jù)進(jìn)行統(tǒng)計并分析，之后使用模型擬合預(yù)測燃?xì)庳?fù)荷的方法被稱為時間序列法。時間序列法分為隨機(jī)型和確定型兩類。隨機(jī)型時間序列法包括移動平均模型、自回歸模型及自回歸-移動平均模型等方法，確定型時間序列法則有指數(shù)平滑法等。哈爾濱工業(yè)大學(xué)焦文玲等人[3]通過分析城市燃?xì)庳?fù)荷的特點及影響因素，應(yīng)用指數(shù)平滑法建立了城市燃?xì)舛唐谪?fù)荷預(yù)測模型，并指出平滑指數(shù)為0.3 的直線模型具有較高的預(yù)測精度。ERVURAL B C 等人[4]采用ARMA 的方法，并利用遺傳算法優(yōu)化對土耳其燃?xì)庳?fù)荷進(jìn)行預(yù)測，有效提高了預(yù)測精度。

(3) 灰色預(yù)測法?；疑A(yù)測法以灰色系統(tǒng)理論為基礎(chǔ)，將影響燃?xì)庳?fù)荷變化的因素視為一個含有不確定性因子的系統(tǒng)，通過累加、累減等方式對原始數(shù)據(jù)序列進(jìn)行處理，之后在生成的序列中對被放大的規(guī)律進(jìn)行分析，降低隨機(jī)波動的影響。金芳[5]針對天津市的燃?xì)饽曦?fù)荷預(yù)測提出了灰色殘差預(yù)測模型，并驗證了該模型在一定時間內(nèi)精度相對較高。由相關(guān)實驗得出，基于灰色模型來預(yù)測燃?xì)庳?fù)荷預(yù)測數(shù)據(jù)，適用于短期預(yù)測[6]。

傳統(tǒng)的數(shù)理統(tǒng)計預(yù)測方法雖然在理論上易于理解、運算快速，但該方法僅從燃?xì)庳?fù)荷數(shù)據(jù)角度進(jìn)行分析，很難得到精確的預(yù)測結(jié)果，因而目前單獨應(yīng)用數(shù)理統(tǒng)計預(yù)測方法進(jìn)行燃?xì)庳?fù)荷預(yù)測的情況較少。

1.2 人工智能預(yù)測法

在信息技術(shù)飛速發(fā)展的今天，人類進(jìn)入了大數(shù)據(jù)時代。在大數(shù)據(jù)背景下，人工智能技術(shù)也逐步與燃?xì)庳?fù)荷預(yù)測領(lǐng)域相融合，從而產(chǎn)生了許多智能化的預(yù)測模型，推動了燃?xì)庳?fù)荷預(yù)測技術(shù)的進(jìn)一步發(fā)展。人工智能預(yù)測法中的預(yù)測模型主要包括基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測模型、基于支持向量機(jī)的預(yù)測模型及基于深度學(xué)習(xí)技術(shù)的預(yù)測模型。

(1) 人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是對人腦神經(jīng)進(jìn)行高度模擬形成的網(wǎng)絡(luò)系統(tǒng)。它對信息進(jìn)行創(chuàng)新性的處理，利用機(jī)器學(xué)習(xí)得到映射出非線性關(guān)系的參數(shù)，對這些參數(shù)進(jìn)行智能化分析，并對某些不夠精確的數(shù)據(jù)進(jìn)行自動適應(yīng)。焦文玲等人[7]針對城市燃?xì)舛唐谪?fù)荷預(yù)測提出了BP 神經(jīng)網(wǎng)絡(luò)模型，并利用該模型得出與實際數(shù)據(jù)吻合性較強的預(yù)測結(jié)果。波蘭學(xué)者Szoplik[8]通過構(gòu)建人工神經(jīng)網(wǎng)絡(luò)中的多層感知器模型，對波蘭Szczesin 市的燃?xì)庀牧窟M(jìn)行了預(yù)測，預(yù)測精度較高。

(2) 支持向量機(jī)。支持向量機(jī)具有扎實的理論基礎(chǔ)和良好的泛化性能，其基于結(jié)構(gòu)復(fù)雜性最小化原則，并結(jié)合考慮模型復(fù)雜性與模型學(xué)習(xí)能力。支持向量機(jī)對于處理復(fù)雜、小樣本及多維度的數(shù)據(jù)具有優(yōu)勢。清華大學(xué)張超等人[9]利用支持向量機(jī)的方法，針對華北地區(qū)某城市建立了天然氣日負(fù)荷預(yù)測模型，得到了較好的預(yù)測結(jié)果。

(3) 深度學(xué)習(xí)。深度學(xué)習(xí)是加拿大Hinton 教授等人于2006 年首次引入的概念，為機(jī)器學(xué)習(xí)與人工智能研究提供了新思路。深度學(xué)習(xí)源于人工神經(jīng)網(wǎng)絡(luò)，同時也是對神經(jīng)網(wǎng)絡(luò)的進(jìn)一步發(fā)展。人工神經(jīng)網(wǎng)絡(luò)模型具有容易過擬合、訓(xùn)練時間較長、層數(shù)少時預(yù)測效果差等缺點。深度學(xué)習(xí)算法使用的訓(xùn)練機(jī)制與神經(jīng)網(wǎng)絡(luò)大為不同，它解決了神經(jīng)網(wǎng)絡(luò)訓(xùn)練中出現(xiàn)的問題[10]。有研究利用深度多任務(wù)學(xué)習(xí)算法對工業(yè)園區(qū)整體能源系統(tǒng)進(jìn)行負(fù)荷預(yù)測，并驗證了該算法的有效性與準(zhǔn)確性，表明深度多任務(wù)學(xué)習(xí)在負(fù)荷預(yù)測方面具有廣闊的應(yīng)用前景。

與數(shù)理統(tǒng)計預(yù)測法相比，人工智能預(yù)測法的應(yīng)用范圍更廣，預(yù)測精度也比數(shù)理統(tǒng)計預(yù)測法高。但是由于人工智能預(yù)測法的整個預(yù)測過程是一個黑箱，故也存在著無法對預(yù)測過程展開數(shù)學(xué)理論分析的缺陷。

1.3 組合預(yù)測法

復(fù)雜因子和隨機(jī)干擾影響著燃?xì)庳?fù)荷序列數(shù)據(jù)，用單一的模型有時很難達(dá)到理想的預(yù)測效果。組合模型則結(jié)合了多種單一模型的優(yōu)點，提高了模型的預(yù)測效果。按照組合預(yù)測模型的構(gòu)建原則，可以將其劃分為基于權(quán)重分配方式、基于預(yù)測模型參數(shù)優(yōu)化方式、基于數(shù)據(jù)預(yù)處理方式及基于殘差修正方式。

(1) 基于權(quán)重分配方式?；跈?quán)重分配方式是整合各種預(yù)測模型的信息，根據(jù)預(yù)測評價標(biāo)準(zhǔn)構(gòu)建出基于預(yù)測結(jié)果的加權(quán)組合式預(yù)測模型。北京市燃?xì)饧瘓F(tuán)研究院王勛等人[11]分別利用Lasso 算法、線性回歸、MLP 神經(jīng)網(wǎng)絡(luò)、XGBoost 算法預(yù)測北方某城市的燃?xì)馊肇?fù)荷，再基于信息熵理論加權(quán)組合單一模型的預(yù)測結(jié)果，發(fā)現(xiàn)組合模型的預(yù)測結(jié)果比各單一模型的預(yù)測精度均高。

(2) 基于預(yù)測模型參數(shù)優(yōu)化方式。基于預(yù)測模型參數(shù)優(yōu)化方式是利用蜂群算法、布谷鳥搜索算法、果蠅算法等，在理論上改進(jìn)和優(yōu)化模型中的激活函數(shù)或參數(shù)，從而提升預(yù)測效果?；谶z傳算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)模型，能獲得更加理想的預(yù)測結(jié)果[12]。

(3) 基于數(shù)據(jù)預(yù)處理方式?；跀?shù)據(jù)預(yù)處理方式是全面考慮數(shù)據(jù)的質(zhì)量，對輸入的數(shù)據(jù)進(jìn)行一系列處理，比如特征提取、特征降維、數(shù)據(jù)去噪等，以確保數(shù)據(jù)可以完整、準(zhǔn)確地輸入到預(yù)測模型中。用改進(jìn)的主成分分析法提取燃?xì)庳?fù)荷的影響因素，隨后輸入到長短期記憶網(wǎng)絡(luò)模型中進(jìn)行預(yù)測，實驗結(jié)果顯示預(yù)測精度提高很多[13]。

(4) 基于殘差修正方式。基于殘差修正方式通常是指用一種模型輸出的殘差序列去修正另一種模型的輸出值。西南石油大學(xué)王兵等人[14]基于燃?xì)庳?fù)荷數(shù)據(jù)特點，采用魯棒局部加權(quán)回歸對負(fù)荷序列進(jìn)行分解，針對分解后的趨勢項、周期項、余項建立了ARIMA 和Light GBM 組合預(yù)測模型，之后設(shè)計了三支殘差修正法對Light GBM 的預(yù)測結(jié)果進(jìn)行修正，該模型的表現(xiàn)良好。

2 燃?xì)庳?fù)荷預(yù)測軟件

歐美各國對城市燃?xì)庳?fù)荷進(jìn)行了大量研究，在此過程中，燃?xì)庳?fù)荷預(yù)測技術(shù)逐漸完善。除了對燃?xì)庳?fù)荷預(yù)測法的研究，許多能源公司都開發(fā)出了燃?xì)庳?fù)荷預(yù)測系統(tǒng)和軟件。我國在燃?xì)庳?fù)荷預(yù)測軟件的開發(fā)方面進(jìn)展比較緩慢，目前國內(nèi)僅有北京、上海等一線城市具備完善的城市燃?xì)庳?fù)荷預(yù)測系統(tǒng)，而經(jīng)濟(jì)較落后地區(qū)的燃?xì)庳?fù)荷預(yù)測系統(tǒng)與國外先進(jìn)水平相比仍有很大差距。我國多數(shù)研究都只是針對特定地區(qū)，還未建立可對全國通用的預(yù)測模型和預(yù)測軟件系統(tǒng)。常見的國內(nèi)外部分燃?xì)庳?fù)荷預(yù)測軟件各有特點，詳見表1。

表1 常見國內(nèi)外燃?xì)庳?fù)荷預(yù)測軟件

3 結(jié)語

燃?xì)庳?fù)荷預(yù)測技術(shù)對于燃?xì)獾陌l(fā)展意義重大。燃?xì)庳?fù)荷預(yù)測方法中，數(shù)理統(tǒng)計預(yù)測法為燃?xì)庳?fù)荷預(yù)測奠定了基礎(chǔ)，但該方法只能進(jìn)行少量的數(shù)據(jù)預(yù)測，且考慮燃?xì)庳?fù)荷的影響因素較少，預(yù)測精度低。人工智能預(yù)測法是以機(jī)器學(xué)習(xí)為基礎(chǔ)，可進(jìn)行大量的數(shù)據(jù)預(yù)測。深度學(xué)習(xí)作為一種新興的機(jī)器學(xué)習(xí)方法，極大地推動了人工智能的發(fā)展，利用該方法構(gòu)建的燃?xì)庳?fù)荷預(yù)測模型，在泛化性、精確度等方面均有較大提高，其有望成為燃?xì)庳?fù)荷預(yù)測的新發(fā)展趨勢。組合預(yù)測法的初衷是揚長避短，對單一預(yù)測模型進(jìn)行優(yōu)化，可提高運算速度和預(yù)測精度。西方很多發(fā)達(dá)國家均已開發(fā)出多種負(fù)荷預(yù)測軟件，但這些軟件并不適合我國的用氣狀況，因此研究一款與我國用氣特征相符的燃?xì)庳?fù)荷預(yù)測軟件，是我國燃?xì)庑袠I(yè)亟需解決的問題。