基于Holt-Winters模型的天然气负荷预测

2020-07-14胡凯

技术与市场 2020年7期

胡凯

(合肥燃气集团有限公司，安徽合肥 230001)

0 引言

近年来，合肥地区随着城市规模的不断扩大，燃气民用户与工业、公建和商业用户数的持续增加，城镇天然气消费量持续增加。开展燃气负荷的预测工作是实现调度燃气管网输配的基础。燃气负荷受到季节气温、居民的饮食起居的影响较大，具有一定的波动性、周期性，给预测研究带来一定的挑战。国内外开展了城镇天然气负荷特点的研究[1]，建立相应的预测模型，其中预测模型主要采用回归分析[2]、灰色理论[3]、时间序列[4-6]、人工神经网络[7]等理论，本文基于Holt-Winters理论构建预测模型对企业燃气负荷进行科学预测。

1 Holt-Winters模型的基本理论

Holt-Winter模型[8]是Holt于1957年提出的一种基于统计学的时序数据的预测模型，具有较好的预报重复性和季节性趋势数据分析的能力。该模型的基本思想是将具体线性趋势、季节性趋势和随机变动的时间序列进行分解研究，并与指数平滑法结合，分别对长期趋势、季节性趋势和随机变动做出估计，建立预测模型，外推预测值。Holt-Winter模型的方法可以处理趋势性和季节性变化，并能将随机波动的影响过滤掉。因此，其特别适用于包含趋势和季节性变化的时间序列的预测问题。常用的Holt-Winter季节模型主要包括加法模型和乘法模型。

1.1 Holt-Winter加法模型

加法模型的初始值计算公式

(1)

加法模型的基本公式

(2)

1.2 Holt-Winter乘法模型

乘法模型的初始值计算公式

(3)

乘法模型的基本公式

(4)

式(1)～(4)中，Xt为t时刻的观测值；St为t时刻的稳定成分；It为t时刻的季节成分；bt为t时刻的趋势成分；Ft+m为m时刻的预测值；m为预测的期数；L为季节长度；α、β、γ∈[0，1]为平滑参数；α、β、γ取值原则是预测值和实测值之间的均方根误差最小。

均方根误差基本公式：

(5)

2 模型的构建与预测

2.1 数据来源

统计合肥燃气集团有限公司2015—2019年每季度于合肥市政务公开网发布的经济运行情况信息，具体数据见表1所示。

表1 2015—2019年各季度燃气负荷

通过绘制2015—2018年企业燃气负荷的折线图，观察用于建模数列的基本特征。

图1 燃气负荷折线图

从图1可以看出燃气负荷具有逐年增长的趋势，同时负荷随着季节变动，二季度与三季度是负荷的低谷，一季度负荷是年度供应高峰。这种情况主要因为天气温度随季节变化，春冬两季温度较低，居民燃气取暖、工业取暖等燃气用量增加。天然气负荷量随季节变化存在季节性与趋势性，符合winters模型的适用条件。

2.2 数据分析

2.2.1 模型统计量分析

应用SPSS软件，对数据进行处理，建立Holt-Winter模型，得到相应的模型统计量如表2所示。

表2 模型拟合统计量

图2 加法模型的自相关与偏自相关图

从表2中可以知，平稳的R方时序列稳定后的R方，适用于原始数列为非平稳数列。R方表示该统计值用于表示所能解释的数据变异占总变异量的比例。2个统计量越大表示结果越佳。RMSE为均方误差的平方根，代表模型预测值与观测值的差异大小，数值越小表示结果越佳。BIC值表示的是模型对数据的释度，BIC值越小，该模型对数据解释力越强。从表2中对比两种模型各项统计量，可以看出Holt-Winter加法模型优于乘法模型。

2.2.2 残差序列自相关与偏自相关分析

从图2中可以知，残差ACF与残差均落在-0.95～0.95的置信区间内，说明模型残差数列为白噪声序列，Holt-Winter加法模型适合用于预测燃气负荷。