APP下载

基于气象因子的西青开发区燃气负荷模型研究

2018-06-01邓卫疆刘志杰

天津科技 2018年5期
关键词:开发区燃气气温

韩 玥,邓卫疆,高 强,陈 靖,3,郑 勇,戴 绘,刘志杰

(1.天津市西青区气象局 天津300380;2.天津市西青开发区燃气公司 天津300385;3.天津市气象科学研究所 天津300074)

0 引 言

天津市西青经济开发区燃气公司隶属于西青经济开发区开发总公司,主要围绕西青经济开发区的招商引资工作,以实现“安全经营、稳定供气、持续发展”为目标,向西青开发区、微电子工业区及周边工业园区、居民小区提供供气服务和管理。开发区上游供气单位为中石油大港油田天然气公司,供气管线由西青小卞庄站至西青开发区燃气公司末站,为专线供应,日供气能力 100万 m3。近几年作为清洁能源的燃气需求量不断加大,极端天气发生的频率增多,考虑到赛达工业园六期建设、区域内煤改燃采暖等因素,燃气需求增长幅度将进一步增大,燃气公司对燃气能源供应的保障形势更加严峻。

在针对北方空气质量恶化的严峻考验,国家优化能源消费结构,大力推进煤改燃的大形势下,为保障开发区企业燃气稳定供应,减少高峰供应期间调峰给企业带来的压力以及极端天气情况下供用气精准调度,充分分析各因素对燃气负荷的影响变得格外重要。冬季燃气高峰期陕京大线的供气能力已经达到满负荷,加之北京天然气用量的巨幅增长,给华北地区尤其是天津区域燃气供应保障带来巨大压力。目前西青开发区燃气公司已取得天然气供应国家计划指标,可以说量的需求不是问题。但是上游单位对气量计划的执行度和吻合率要求非常严格,实施月计划、周安排、日指定的配送方式,吻合率要求达到99%,每日超出计划即会切断气源,对西青开发区的燃气持续供应形成隐患,因此燃气负荷的预测对于保证管网用气量十分重要,是合理规划、经济运行的前提[1-2]。

西青开发区目前日高峰气量在50万m3以上,小时高峰也在 2.5万 m3以上,现有管容储气可暂时应急,供气区域内管容储气量仅1.5万m3。自出现全国性的燃气供应危机以来,近些年区内燃气供应中也曾多次出现燃气暂时供应不足的情况。随着进驻开发区的生产型企业越来越多,生产上又要求 24,h连续不间断供气,对燃气公司保障供气提出了更高、更严的要求。中芯国际、宝洁等大型企业都要求燃气公司建设储气设施或做出稳定供气的保证。在公司分别提出地下管束储气库以及LNG储气方案未实现的情况下,在与上游单位建立良好沟通渠道的基础上,通过温度、风力、风向等多种气象因子对燃气日用气量的影响特性进行研究,建立基于气象因子的燃气负荷量预报模型,为气量供应科学调度、精准预测提供有效依据,保障气源的正常供应。

研究表明[3-5],城市燃气负荷与气象因子关系密切,虽然影响燃气负荷的因子有很多,但气象因子是最直接的影响因子之一,所以基于气象因子的燃气负荷量预报技术十分必要。本文利用西青开发区2011—2015年逐日燃气负荷量和同时期气象要素值研究燃气负荷与主要气象因子间的关系[6],建立基于气象因子的西青开发区燃气负荷模型。

1 资 料

本文选取的燃气负荷数据为2011—2015年西青开发区燃气负荷量值(实况值和预报值),气象数据来源于 2011—2015年西青区大寺镇各气象要素值(气温、气压、湿度、风速)和温度预报值。

燃气负荷变化随时间变化呈长期变化趋势和季节波动特征,前者主要受社会经济发展因素的影响,后者反映季节变化及气象条件对燃气负荷的影响。因此研究气象条件与燃气负荷关系时,需要剔除燃气负荷长期变化趋势项。由于近几年,西青区社会经济发展比较平稳,因此采用线性关系表示燃气变化的长期趋势:

燃气负荷变化量为:

其中,tr(t)为燃气负荷长期变化趋势,Y(t)为逐日实际燃气负荷量,y(t)为剔除掉燃气负荷长期变化趋势后的燃气负荷变化量,本文采用后者作为研究对象,t为样本时间序列。

2 燃气负荷时间变化趋势分析

2.1 燃气负荷年际变化趋势分析

图1为西青区开发区燃气公司2011年1月1日至2015年12月30日燃气负荷变化及其线性趋势。根据近5年的生产数据辨析得出,每年的燃气负荷具有明显的季节变化特征。春夏季燃气负荷较低,波动较小,而秋冬季节燃气负荷明显增加。影响燃气负荷的原因之一,是秋冬季节燃气供暖和相关取暖设备使用频率增加,且冬季温度降低导致炉温及相关工业材料温度降低,增加工业用燃气负荷。

图1 西青区开发区燃气公司燃气负荷变化及其线性趋势Fig.1 The gas load variation and its linear trend in Xiqing development area

图2为2011—2015年春节前后燃气负荷逐日变化曲线,其中,红色曲线为春节假日期间的燃气负荷日变化。从图 2可以看出,在春节假期前后,燃气负荷波动较大,在春节假日期间出现一个明显的燃气负荷谷值[7],降幅在 50%,左右,这和春节期间工厂停产,用气量下降有关,有必要对短期燃气负荷进行调研,并通过相关分析找出其中规律。

图2 春节期间燃气负荷变化特征Fig.2 Characteristics of gas load variation during the Spring Festival

2.2 燃气负荷月不均匀性分析

在天然气供应系统中,燃气负荷随时间变化是一个显著的特征。一年中每月的燃气负荷变化情况反映了西青开发区天然气用气负荷的不均匀性,用月不均匀性系数Km来表示:

图3为2011—2015年西青开发区燃气公司燃气负荷量月不均匀系数变化曲线,从中可以看出,2011—2015年燃气负荷月不均匀系数在 0.51~2.12之间,1~10月燃气负荷较小,月不均匀系数一般都小于 1。从 11月开始,气温降低,燃气负荷开始增加,一般持续到次年的 3月份。燃气负荷峰值一般出现在 12月份和 1月份,这是由于年底生产任务较重,工业用气量负荷增加所致。随着春节假期的到来和温度的逐步升高,从 2月份开始,燃气供应量呈现出明显下降。

图3 2011—2015年各月不均匀系数变化曲线图Fig.3 The coefficient of uniformity changed from 2011 to2015

3 燃气负荷与各气象要素间的关系

根据历史气象资料,西青区大寺镇入春时间为3月下旬与 4月上旬之间,入夏时间为 5月中下旬,入秋时间为 9月中旬,入冬时间为 11月中旬。根据西青区燃气公司燃气负荷的月变化特征,考虑西青区大寺镇的气候特征,按春季(4~5月)、夏季(6~8月)、秋季(9~10月)、冬季(11~转年3月)来划分四季,分别对西青开发区燃气负荷及气象要素进行相关性分析。

表1给出了西青开发区2011年 1月~2015年12月 4个季节逐日燃气负荷与气象要素的相关系数。从表 1可以看出,气温因子与燃气负荷的相关性最为显著[8],春季、秋季、冬季的日均气温、最高气温、最低气温在相应季节里呈一致负相关,尤其是在冬季,其平均气温与燃气负荷的相关系数达到了-0.809,2,并通过了 0.01的信度检验。其次为春季,但相关系数只有-0.232,2。夏季燃气负荷与平均气温呈现正相关,相关系数也仅有 0.160,9,表明夏季气温对燃气负荷的影响并不显著。综上,除冬季外,气温因子对燃气负荷的影响并不显著。除气温外,日平均气压与燃气负荷的相关性在冬季最显著,相关系数达到了 0.488,3,这与冬季频繁的冷空气活动有关,冷气团入侵,冷高压控制的降温过程导致燃气负荷增加。平均风速与燃气负荷的影响并不显著,相关系数在0.1以下。

表1 西青开发区燃气负荷与相应气象要素相关系数Tab.1 Correlation coefficient between gas load and meteorological factors in Xiqing development area

3.1 气温变化对燃气负荷的影响

图4给出了2011年1月~2015年12月西青开发区日均气温与燃气负荷的散点图,其中红色部分为根据冬季燃气负荷与日均气温所做散点图。由于西青开发区一些工业生产企业的搬迁,导致 2014—2015年度西青开发区燃气负荷略有下降(见图1),因此,图4中使用的日燃气负荷数据剔除了长期变化趋势。另外,在国家法定节假日期间,西青开发区燃气负荷出现了不同程度的下降,因此,剔除掉节假日期间的燃气负荷数据。

当平均气温在 10~-10,℃时,气温对燃气负荷的影响最为显著,当气温每下降 1,℃,燃气负荷平均增加 4.5%,。而当气温在 10~20,℃时,气温每上升1,℃,燃气负荷平均增加 1.7%,,当气温在 20,℃以上时,燃气负荷平均仅增加 0.05%,。从图 4中可以看出,随着气温的下降,燃气负荷快速上升,这在冬季尤其明显,燃气负荷与日均气温呈现线性关系。当平均气温高于 10,℃时,燃气负荷总体变化不大,当气温低于 10,℃时,燃气负荷随气温的降低大幅增加。这与北方冬季供暖大量使用燃气作为燃料有关。

图4 2011年 1月~2015年 12月西青开发区日均气温与燃气负荷Fig.4 The relationship between daily temperature and gas load in Xiqing development area from 2011 to 2015

3.2 气压变化对燃气负荷的影响

图5为2011年1月~2015年12月西青开发区日均气压与燃气负荷的散点图,其中红色部分为根据冬季燃气负荷与日均气压值所做的散点图。从图 5可知,燃气负荷随着气压的升高而增加,这在冬季最为明显,呈现线性相关性,与前文分析一致,这是由于冬季冷空气活动造成的。

图5 2011年 1月~2015年 12月西青开发区日均气压与燃气负荷Fig.5 The relationship between daily air pressure and gas load in Xiqing development area from 2011 to 2015

4 燃气负荷预测模型及其应用分析

4.1 动态回归模型

4.1.1 动态线性回归模型(冬季)

从前文的分析可以看出,冬季燃气负荷与气温变化基本呈线性变化,而且燃气负荷是随时间变化的,要做出无系统偏差的燃气预测,预测模型必须是动态的。因此,采用动态的综合线性回归和自回归相结合的混合线性回归方程来预测燃气负荷[9-10]。

燃气负荷模型:

式中:Yt为预报燃气负荷,Y1-t为前一天的燃气负荷值,X1为预报的气温变量,X2为预报的最高与最低温度差,X3为前一天的温度变量,X4为前一天的最高温度与最低温度的差,b0、a0、a1、a2、a3、a4为回归系数。

线性回归和自回归相结合,既可以反映其他变量对因变量的作用,又可以体现因变量自身前后的变化,并且考虑了前一天的各变量的变化情况,可以反映燃气负荷的变化。

数据选取2011—2014年冬季的燃气负荷和气象数据作为训练样本建立方程,将 2015年的燃气负荷和气象数据用来验证模型,并将春节期间及前后3天的数据剔除。在实际应用中,X1和X2取西青气象台的温度预报值。

图6(a)为利用动态线性回归方法预测的2011—2014年冬季燃气负荷与实际燃气负荷的散点图;图 6(b)为利用动态线性回归方法预测的 2015年冬季燃气负荷与实际燃气负荷的散点图。从图中可见,预测燃气负荷与实际燃气负荷的散点基本在对角线上,动态线性回归方法对燃气负荷的日变化作出了比较准确的预测,拟合优度达到了0.9。

图6 模型预测燃气负荷与实际燃气负荷散点图Fig.6 Relationship between the gas load from the modelpredicted and the actual gas load

从图 7中可以看出,无论是训练样本,还是验证样本预测的燃气负荷都对实际燃气负荷的变化作出较准确的预测,相比上报燃气负荷,利用动态线性回归模型预测的燃气负荷能更好地模拟实际燃气负荷的变化规律。

图7 训练样本与验证样本预测的时间序列变化图Fig.7 Time series change map of training sample and verification sample forecast

4.1.2 动态非线性回归模型(全年)

对于全年的燃气负荷的变化,温度对燃气负荷的影响并不总是线性关系,因此,采用动态非线性方程对燃气负荷进行预测。

采用预测温度X1,前一天的温度X2,以及前一天的燃气负荷Y1-t作为因变量,得到如下方程:

数据选取2011—2014年全年的燃气负荷和气象数据作为训练样本建立方程;将 2015年全年的燃气负荷和气象数据用来验证模型,并将国家法定节假日及前后3天的数据剔除。

图 8(a)为利用动态非线性线性回归方法预测的2011—2014年燃气负荷与实际燃气负荷的散点图;图 8(b)为利用动态非线性回归方法预测的 2015年燃气负荷与实际燃气负荷的散点图。从图中可见,动态非线性回归方法预测的燃气负荷与实际燃气负荷的散点基本在对角线上,对全年燃气日变化做出了比较准确的预测。

图8 模型预测燃气负荷与实际燃气负荷散点图Fig.8 Relationship between the gas load from the model predicted and the actual gas load

图9 训练样本与验证样本预测时间序列变化图Fig.9 Forecast time series change chart for training samples and validation samples

图 9(a)、(b)分别为训练样本与验证样本预测的燃气负荷与实际燃气负荷、上报燃气负荷的时间序列变化图。从图中可以看出,无论是训练样本,还是验证样本预测的燃气负荷对实际燃气负荷的变化均作出较准确的预测,相比上报燃气负荷,利用动态非线性回归模型预测的燃气负荷能更好地模拟实际燃气负荷的全年变化规律。

4.2 预测结果分析

4.2.1 动态线性回归燃气预测统计结果分析

表 2列出了分别利用训练样本和验证样本预测的燃气负荷与实际燃气负荷的比较,以及相对应的上报燃气负荷与实际燃气负荷的对比的一些统计值。从表中可以看出,无论是利用训练样本还是验证样本预测的燃气负荷与实际燃气负荷的平均误差,都表现为较小的负偏差,比上报燃气负荷与实际燃气负荷的平均误差小很多,均方根误差也同样如此。而利用两种样本预测的燃气负荷的正、负最大误差也都小于相应的上报燃气负荷的正、负最大误差。

表2 动态线性方法预测的燃气负荷与上报燃气负荷Tab.2 Contrast between the dynamic linear method predicted gas load and the reported gas load

分别统计训练样本和验证样本预测的燃气负荷与上报燃气负荷的平均绝对误差的分布(见表 3),对于 2011—2014年冬季的训练样本,利用动态线性模型预测的燃气负荷的平均绝对误差小于3万m3/d的天数占到所有样本的98%,,大于3万m3/d的天数仅占 2%,;而上报燃气负荷的平均绝对误差小于3万m3/d的天数仅有40.9%,,大于3万m3/d的天数占到了 59.1%,。对于 2015年冬季的验证样本,利用动态线性模型预测的燃气负荷的平均绝对误差小于3万 m3/d的天数占到所有样本的 96.1%,,大于3万m3/d的天数也仅有3.9%,;而上报燃气负荷的平均绝对误差小于 3万 m3/d的天数仅有 45.7%,,大于3万m3/d的天数占到了54.3%,。

从以上分析可以看出,利用动态线性模型预测燃气负荷可以更加准确地把握实际燃气负荷的变化情况,相比燃气公司根据历史数据上报的燃气负荷更加准确、科学,可以为燃气公司冬季供气提供更加科学、合理的预测。

表3 2011—2014年、2015年预测燃气负荷、上报燃气负荷的平均绝对误差分布Tab.3 Average absolute error distribution between the predicted gas load from 2011 to 2014 and the reported gas load in 2015

4.2.2 动态非线性回归燃气预测统计结果分析

表 4列出了分别利用训练样本和验证样本预测的燃气负荷与实际燃气负荷的比较,以及相对应的上报燃气负荷与实际燃气负荷的比较的部分统计值。

分别统计训练样本和验证样本预测的燃气负荷与上报燃气负荷的平均绝对误差的分布(见表 5),对于 2011—2014年全年的训练样本,利用动态线性模型预测的燃气负荷的平均绝对误差小于3万m3/d的天数占到所有样本的 83.6%,,大于 3万 m3/d的天数占所有样本的16.4%,;而上报燃气负荷的平均绝对误差小于3万m3/d的天数有73.5%,,大于3万m3/d的天数占到了 26.5%,。对于 2015年冬季的验证样本,利用动态线性模型预测的燃气负荷的平均绝对误差小于 3万 m3/d的天数占到所有样本的 98.8%,,大于3万m3/d的天数仅有1.2%,;而上报燃气负荷的平均绝对误差小于 3万 m3/d的天数仅有 69.4%,,大于3万m3/d的天数占到了31.6%,。

表4 动态线性方法预测的燃气负荷与上报燃气负荷的比较Tab.4 Contrast between the dynamic nonlinear method predicted gas load and the reported gas load

从以上分析可以看出,对于全年的燃气负荷预测,利用动态非线性模型预测燃气负荷比燃气公司根据历史数据上报的燃气负荷,更加准确、科学,可以为燃气公司全年的供气提供更加科学、合理的预测。

表5 2011—2014年、2015年预测燃气负荷、上报燃气负荷的平均绝对误差分布Tab.5 Average absolute error distribution between the predicted gas load from 2011 to 2014 and the reported gas load in 2015

5 结 论

①2011—2015年西青开发区的燃气负荷具有明显的季节变化特征。春夏季燃气负荷较低,波动较小,而秋冬季节燃气负荷明显增加。燃气负荷还具有较显著的节假日效应,节假日期间的燃气负荷较工作日明显偏低,其中春节期间的燃气负荷降幅最大。四季燃气负荷的日变化规律较相似,基本呈单峰型变化。②气温、平均气压与燃气负荷呈现季节性相关,冬季最强,春秋次之,夏季最弱;其他气象要素对于燃气负荷的影响较小。③利用动态回归模型得出的燃气预报模型,在冬季的预测样本平均绝对误差小于3万m3/d的天数占到所有样本的96.1%,较人为上报量高出 50%;在全年的预测样本平均绝对误差小于3万m3/d的天数占所有样本的98.8%,较人为上报量高出近 30%。基于气象因子的燃气预报模型较人为预报数值的优势明显。④本文仅讨论气象因子对于燃气负荷预报的影响,实际生产生活中还要考虑企业数量的增减、工期长短等具体原因。■

[1]田一梅,赵元,赵新华.城市煤气负荷的预测[J].煤力与热力,1998,18(4):20-23.

[2]朱麟,张玉润,吴明光,等.城市煤气负荷预报[J].煤力与热力,1998,18(2):27-28,39.

[3]张中秀,周伟国,姚健,等.城市燃气负荷的气温响应特性研究[J].煤力与热力,2008,28(10):11-13.

[4]丁峰,刘运良,刘建波,等.气象条件对城市燃气日负荷的影响[J].煤力与热力,2007,27(2):17-20.

[5]谭羽非.城市燃气季节性负荷预测模型的建立及求解[J].煤力与热力,2003,23(3):131-133.

[6]顾婷婷,骆月珍,张青,等.基于气象因子杭州市燃气负荷预测研究[J].气象与环境学报,2017,33(3):107-112.

[7]王树刚,王继红,端木琳,等.城市燃气负荷的短期预测[J].天然气工业,2010,30(5):104-107.

[8]罗志鹏,牟军,吴渊.西安市冬季天然气用气负荷与气温关系分析[J].辽宁化工,2012,41(3):276-278.

[9]胡江林,陈正洪,洪斌,等.基于气象因子的华中电网负荷预测方法研究[J].应用气象学报,2002,13(5):600-608.

[10]杨位钦,顾岚.时间序列分析与动态数据建模[M].北京:北京理工大学出版社,1988:537-542.

展开全文▼
展开全文▼

猜你喜欢

开发区燃气气温
拧紧燃气“安全阀”
基于FY-3D和FY-4A的气温时空融合
近期实施的燃气国家标准
探讨燃气工程的造价控制及跟踪审计
深冬气温多变 蔬菜管理要随机应变
发展前景广阔的淮安高新技术开发区
开发区
挤压还是带动:开发区FDI外溢对无开发区城市经济的影响
与气温成反比的东西
开发区建设