城市燃气使用负荷预测分析

发布时间：2014-07-27 16:10

　　虽然城市燃气负荷受诸多随机因素的影响，变化情况较为复杂，但可归纳得出燃气负荷特性曲线呈现一天24小时为一周期，一星期7天为一中周期，一年365天为一大周期的变化趋势，并受增长因素的影响。如果将预测时段取为1天，则季节因素和增长因素的影响就显得十分缓慢，因为燃气负荷的变化规律具有随机性和周期性两个重要特征，完全符合“时间序列”规律，所以本文选择时间序列分析作为本文的理论基础。
　　时间序列分析的方法很多，有些模型算起来比较复杂费时，且需要较多的历史数据；而有些模型又很难准确地反映出燃气负荷变化的规律性，预测精度达不到要求。经过反复筛选比较，最终采用的是季节时间序列中的三角函数模型。根据我对北京市昌平区燃气日负荷样本数据的分析，其变化规律甚为复杂，笔耕论文，就其可预测性和可操作性，其变化因素主要有以下三点：
　　1、时间周期变化因素
　　燃气负荷的日变化在一个星期之内呈一个周期的变化规律，依据时间序列分析法建立预测模型。 时段（即样本后第 日）的日负荷预测值可表示如下：
　　式中：
　　―确定期望负荷量的总趋势；
　　－模型中采用的正弦、余弦的总项数；
　　－角频率， 为一个周期所含的时段数，预测日负荷时， =7日，预测时负荷时， =24小时；
　　、 －待拟合的系数，分别为对应三角函数的幅度。
　　2、气温变化因素。
　　根据对燃气用量与气温变化的相关分析可知，冬季燃气用量明显高于夏季，而在冬季，天气气温越低，则燃气用量越大。因此要建立燃气负荷量与气温之间的关联关系，采用温度调整系数来修改原始预测值，其关系为：
　　（不考虑气温影响时）
　　（考虑气温影响时）
　　式中：
　　－原始预测值，见前；
　　－考虑气温Ｔ变化影响的预测值；
　　－受气温影响的预测值调整系数；
　　－温度记录的次数，应与流量样本的日数相同，并且是同期的；
　　―记录中第 日的日最高、最低气温，以摄氏度计，并根据零度上或下取正负号，℃；
　　－预测日的最高、最低气温预报值，℃；
　　－考虑温度影响的权重调节常数。
　　加设 的意义是为了合理确定气温的变化对燃气负荷的影响程度，而 的取值，主要取决于考虑温度影响时的样本数据的变化程度。根据北京市昌平区燃气负荷样本及温度样本，经反复调试，本文中取 。
　　3、可能发生的特殊情况影响因素。
　　燃气供应系统是一个复杂而庞大的工程系统，其工作不仅受本系统自身的约束，而且受外界客观环境的影响，从而使其供气因主、客观条件变化而有别于正常工作。例如：节假日、设备大修降低供气、事故减产等
　　在此类情况下，有经验的调度人员能够做出更为恰当的经验预测。为此，我们采取了科学计算与人工经验相结合的预测方法。故在程序中设置了对计算预测值的调整系数 及调整常数 ，可由调度人员随时根据情况选定。故日预测值计算如下：
　　式中：
　　－大于、等于或小于1的常系数；
　　－大于、等于或小于0的常数；
　　当不做节假日调整时，取 、 ，则 。
　　根据上述原理，我用matlab编写了燃气管网的日负荷预测的计算程序，在计算机上实现燃气日负荷预测。程序充分考虑到燃气供应系统管理工作的需求，尽可能加强程序的各项功能，在预测计算中，可以在获得所需预测日温度的基础上循序渐进地预测一个月中任意一天的用气量，为管网调度、产气计划、设备维修及事故抢修等提供决策支持。
　　选用北京市昌平区新奥京昌燃气公司2004年一、二月份共60天的实际运行数据作为管网每天用气量的样本数据，对三月份的用气量进行了科学的预测。预测完成后对日负荷预测模型进行了检验计算，表1和表2为预测结果的统计指标：
　　表1管网用气量日负荷预测模型预测结果统计指标一
　　误差范围/%≤55-77-10
　　百分率/%64.5219.3516.13
　　表2管网用气量日负荷预测模型预测结果统计指标二
　　统计指标用气量样本预测值
　　31天用气量之和246255245444
　　平均绝对误差4.209727
　　平均相对误差/%-0.14015
　　预测值的总体平均相对误差/%-0.32933
　　通过以上数据分析可见，本文建立的管网用气量时间序列三角函数分析法预测模型，其预测精度足以满足实用要求。
  

 

本文编号：7019