基于组合模型的生物质燃料价格预测研究

曹文凯 洪杰 袁也 姜冲 朱晓罡

摘  要：我国生物质能源储量丰富，生物质燃料发电前景广阔，但国内生物质发电普遍存在亏损现象，燃料采购成本居高不下，严重阻碍了生物质发电的推广。对生物质燃料进行价格预测分析，对保障生物质燃料发电厂的利益、促进生物质燃料发电产业健康发展具有重要意义。文章利用江苏某生物质发电厂2018年5月至2020年4月共3年的生物质燃料采购数据，运用滑动平均、趋势法、ARIMA模型等多种技术手段构建生物质燃料价格预测模型。运用2020年5月至2021年4月数据对模型进行检验，预测值相对误差均在5%以下，预测误差较小，较为接近真实值。文章采用组合预测模型的方法，能更好地发挥各单一模型的优势，使误差最小化，提高预测正确率以及稳定性。

关键词：生物质燃料;ARIMA;滑动平均;发电;价格预测

中图分类号：TP181                文献标识码：A文章编号：2096-4706（2021）16-0139-04

Research on Biomass Fuel Price Prediction Based on Combined Model

CAO Wenkai1， HONG Jie1， YUAN Ye1， JIANG Chong2， ZHU Xiaogang2

（1. Jiangsu New Energy Development Co.， Ltd.， NanJing  210018， China; 2. Nanjing Trusted-Blockchain Computing Economics Institute， NanJing  211899， China）

Abstract： China is rich in biomass energy reserves and has broad prospects for biomass fuel power generation. However， there are widespread losses in domestic biomass power generation， and the fuel procurement cost remains high， which seriously hinders the promotion of biomass power generation. The price prediction and analysis of biomass fuel is of great significance to protect the interests of biomass fuel power plants and promote the healthy development of biomass fuel power generation industry. Based on the biomass fuel purchase data of a biomass power plant in Jiangsu from May 2018 to April 2020， this paper constructs a biomass fuel price prediction model by using a variety of technical means such as moving average， trend method and ARIMA model. The data from May 2020 to April 2021 are used to test the model. The relative errors of the predicted values are less than 5%， and the prediction error is small， which is close to the real value. In this paper， the combination forecasting model is the best way to make the first mock exam more effective， minimize the error and improve the accuracy and stability of prediction.

Keywords： biomass fuel; ARIMA; moving average; electricity generation; price forecast

0  引  言

目前我國的能源需求量逐年增加，能源消耗量的增长速度已经远超其他发展中国家，能源消耗带来的安全问题和环境问题变得日益严峻。为了保障国家能源安全，降低化石能源的依赖，改善生态环境，政府正在大力开发和利用可再生能源。生物质能源由于其可再生的特性，成为最具开发潜力的可替代能源之一。生物质能源的利用方式有很多，其中生物质发电是目前开发最广泛的利用形式。生物质发电是利用生物质所具有的生物质能进行的发电项目，是以农作物秸秆、农林废弃物等作为燃料进行发电的产业。

我国的生物质能源储量丰富，其中农作物秸秆、生物粪便、植物及环卫垃圾等作为生物质原料的主要来源。作物秸秆年产量约为6亿吨，可作为能源使用的比例为2/3左右，林木总生物量约200亿吨，年获取量约9亿吨，可作为能源利用的占比约为35%。

然而目前，国内生物质发电企业实际运营过程中缺普遍存在亏损现象，无法实现稳定盈利，依靠国家补贴生存，严重阻碍了生物质发电的推广。

《关于促进非水可再生能源发电健康发展的若干意见》有关事项的补充通知发布，明确了生物质发电项目运行满15年或全生命周期合理利用小时数满82 500小时，将不再享受国家补贴。国家补贴的逐步退出，将给生物质发电行业的商业模式带来一定程度的冲击，其中，农林生物质发电行业面临的挑战最大。

针对生物质发电出现的亏损现象，国内玩学者在成本控制方面做了很多的研究。田宜水在文献[1]中采用问答的形式，系统地介绍了生物质发电技术的基本原理，资源调查，运行管理等内容，并在文献中指出，生物质燃料的物流成本一般占发电厂燃料总成本的50%～70%。傅友红等人在文献[2]中提出成本与规模之间的关系，提出为了因地制宜发展生物质发电，规模应不大于20 MW。张艳丽等人[3]分析了我国秸秆收储运过程中的运营模式及存在的问题，提出加大研发、控制规模、合理布局的建议。刘华财等人[4]计算了生物质原料的子过程成本，分析了五种不同模式下的供应成本变化趋势。王爱军等人[5]为了对生物质发电成本进行分析，分别对生物质主要的发电方式进行了讨论，并建立了生物质燃料消耗量模型和燃料成本模型。杨树华等[6]通过对生物质颗粒成型燃料生产厂合理布局的科学分析，提出了秸秆收集的经济半径、平均运输半径及满载和空载等效模型，推出了综合反映颗粒燃料生产厂投资、运输条件、耗油价格关系的颗粒燃料生产厂原料收集最佳半径的数学模型。吴金卓、许文秀等人[7，8]分析了秸秆生物质燃料成本构成，构建以生物質燃料供应成本最小化为目标的生物质燃料到厂成本优化模型。Kumar等人[9]建立了模型求解不同生物质原料所对应的发电容量和发电成本。Shabani等人[10]利用非线性规划模型优化生物质电厂的运行成本。

本文在上述研究的基础上，以降低生物质燃料收购成本为目标，结合某生物质发电厂供应商和燃料收购数据，构建了生物质燃料收购价格预测模型和经纪人供货水平评价模型。以改进生物质发电厂在燃料采购阶段的价格管理和人员管理问题。

1  研究方法和数据来源

1.1  滑动平均模型

滑动平均，又称为移动平均，在简单平均数法的基础上，通过顺序逐期增减新旧数据求算移动平均值，以此消除数据中偶然变动因素，找出事物发展趋势，并依次进行预测。

变量v在t时刻记为vt，θt表示v在t时刻的取值，即在不使用滑动平均时，vt=θt，在使用滑动平均模型后，vt的更新公式如以下所示：

vt=β·vt-1+（1-β）·θt

其中β∈[0，1）时，β=0时，相当于没有使用滑动平均。

1.2  ARIMA模型

ARIMA模型的全称叫作自回归移动平均模型，记作ARIMA（p，d，q），常用来定量描述时间序列中参数间的相互关系以及存在的未来趋势。ARIMA模型是统计模型中最常见的一种用来进行时间序列预测的模型，由AR模型与MA模型共同组成。ARIMA（p，d，q）中，AR表示自回归模型，p表示预测模型中采用的时序数据本身的滞后数，MA表示滑动平均模型，q表示预测模型中采用的预测误差的滞后数，d表示使模型成为平稳序列所做的差分次数，也叫作Integrated项。ARIMA模型的原理是通过数学模型最大限度地描述预测对象发展而成的关于时间的数据序列。

模型经过d次差分处理后，特征序列xt可以生成平稳序列∆xt，则ARIMA（p，d，q）模型的数学表达式可以写成如下形式：

其中，c表示常数，Φi表示自回归系数，θi表示移动平均回归系数，εt表示白噪声序列。建立ARMIA模型分为6个步骤，即判断序列是否为平稳序列、对非平稳序列进行处理、模型参数确定、参数估计、模型检验和模型预测。

1.3  数据来源

本文所用数据来源于江苏某生物质发电厂实际经营生产数据。从52种生物质燃料中，选取16种进行数据分析，选取时间为2018年5月至2021年4月的各生物质燃料的价格序列，共1 095天的价格数据。其中2018年5月至2020年4月为训练数据，利用2020年5月至2021年4月作为测试数据。

2  燃料收购价格预测模型构建

根据生物质燃料历史价格以及当前市场行情等，预测未来生物质燃料价格。本文综合利用ARIMA模型、滑动平均、趋势法构建组合模型，预测未来月燃料价格：

x=β1xt+β2xm+β0

x——预测燃料价格。

xt-i——历史燃料价格。

αm——年增长趋势，根据月份不同取值不同。

xmyear-1——上一年年滑动平均燃料价格，计算公式为：

价格置信区间的构建，取预测月上一年该月的所有数据，计算标准差std，样本数量n。其中标准差计算公式为：

xm表示第m月该燃料价格。

则该月该燃料价格95%置信区间可计算：

如匹配月份数据空，则不计算。

3  燃料收购价格预测分析

本文利用江苏某生物质发电厂2018年5月至2020年4月的生物质燃料的实际经营生产数据作为数据集，选取2020年5月至2021年4月的实际值和预测值作为比较。此外，本文选取在时间序列预测中常用的绝对误差百分比来衡量模型预测结果的优劣程度，绝对误差百分比的计算公式如以下所示：

绝对误差百分比=|（预测价格-实际价格）/实际价格|×100%

经过训练，得到模型的矩阵参数为：

ARIMA（p，d，q）的模型参数确定为p=4、d=0、q=0;对ARIMA（4，0，0）模型进行参数估计，得到矩阵参数值如表1所示。

模型增长趋势参数矩阵见表2，其中αm为参数每个月取值：

组合参数矩阵β0，β1，β2取值如表3。

则模型为：

x=0.741 968 531xt+0.315 052 443xm-13.307 397 83

应用构建的模型对2018年5月至2020年4月期间燃料价格进行拟合，红色线为实际的成交价格，蓝色线为预测价格，计算可知平均绝对误差为6.125，平均绝对误差百分比为2%。模型的预测值和实际值的拟合度高，并且拟合曲线起伏变化小，拟合的结果十分理想。

应用模型对2020年5月至2021年4月的生物质燃料价格进行拟合与预测，其结果如表4所示。

对未来生物质燃料价格进行拟合，拟合值、绝对误差、绝对误差百分比见上表。2020年5月至2021年4月共12期的价格进行预测，预测值相对误差均在5%以下，预测误差较小，较为接近真实值。

4  结  论

本文首先选取2018年5月1日至2020年4月30日生物质燃料价格序列数据，综合运用滑动平均、趋势法、ARIMA模型等多种技术手段，建立了生物质燃料价格预测组合模型，模型为：x=0.741 968 531，xt+0.315 052 443，xm-13.307 397 83，并对2020年5月至2021年4月的生物质燃料价格进行预测，预测的价格走势符合生物质燃料的市场周期波动特点。

从价格预测的结果来看，2020年5月—10月，生物质燃料价格持续处于低位，这是因为此期间，处于农忙季节，市场稻秸秆、麦秸秆存量较大，引起价格走低。对于生物质燃料发电厂来说，生物质燃料价格走低是利好消息，可以充分利用价格低位，大量收购，增加库存。对于市场来说，发电厂大量收购生物质燃料，可以有效降低麦秸秆、稻秸秆燃烧带来的环境污染，降低火灾风险。

参考文献：

[1] 田宜水.生物质发电 [M].北京：化学工业出版社，2010.

[2] 傅友红，樊峰鸣，傅玉清.我国秸秆发电的影响因素及对策 [J].沈阳工程学院学报（自然科学版），2007，3（3）：206-210.

[3] 张艳丽，王飞，赵立欣，等.我国秸秆收储运系统的运营模式、存在问题及发展对策 [J].可再生能源，2009，27（1）：1-5.

[4] 刘华财，阴秀丽，吴创之.秸秆供应成本分析研究 [J].农业机械学报，2011，42（1）：106-112.

[5] 王爱军，张燕，张小桃.生物质发电燃料成本分析 [J].农业工程学报，2011，27（s1）：17-20.

[6] 杨树华，雷廷宙，何晓峰，等.生物质致密冷成型原料最佳收集半径的研究[C]//中国农村能源行业协会第四届全国会员代表大会新农村、新能源、新产业论坛生物质开发与利用青年学术研讨会.中国农村能源行业协会第四届全国会员代表大会新农村、新能源、新产业论坛生物质开发与利用青年学术研讨会论文集.中国北京：《农业工程学报》编辑部，2006：140-142.

[7] 吴金卓，林文树，王立海.秸秆发电企业燃料供应成本优化模型及应用 [J].物流技术，2015，34（3）：257-261.

[8] 许文秀，吴金卓，张珊珊.秸秆发电企业燃料运输成本核算及优化分析 [J].交通科技与经济，2019，21（1）：70-74.

[9] KUMAR A，CAMERON J B，FLYNN P C. Biomass power cost and optimum plant size in western Canada [J].Biomass and Bioenergy，2003，24（6）：445-464.

[10] SHABANI N，SOWLATI T. A mixed integer non-linear programming model for tactical value chain optimization of a wood biomass power plant [J].Applied Energy，2013，104：353-361.

作者簡介：曹文凯（1990—），男，汉族，江苏无锡人，中级工程师，博士研究生，研究方向：新能源、能源管理;通讯作者：姜冲（1992—），男，汉族，江苏淮安人，研究员，硕士研究生，研究方向：信息安全、人工智能、智能预测。