加强需求侧管理提高燃气负荷预测水平

李瑜仙 关鸿鹏 赵 燕

1.北京市燃气集团有限责任公司，北京 100035；2.中国石油集团工程设计有限责任公司西南分公司，四川 成都 610041

0 前言

在国内燃气市场竞争加剧和能源紧张的形势下，燃气需求侧管理已经成为燃气企业优化负荷结构、提高管网综合效率和企业利润最大化的重要手段。加强需求侧管理可通过一定的技术和管理手段，提高燃气负荷预测水平是技术手段之一，是燃气管网规划、优化调度的前提，关系到供应系统的投资效益和可靠性；而完善各类用户供用气运营模式是加强需求侧管理的管理手段之一，要使城市燃气企业的负荷预测、需求计划、计划调整等达到有条不紊、无缝对接，确保燃气用户稳定用气，必须有一套行之有效的供用气运营模式。

1 燃气负荷预测方法及应用实例

燃气负荷预测需要对历史数据进行分析，对多种预测方法进行比选，找出一种或几种适用于城市燃气负荷预测的方法应用于实际工作。目前较常用的负荷短期预测方法有多元线性回归、指数平滑模型、人工神经网络等，不同方法有不同的适用范围和特点，本文根据北京燃气的实际应用经验，简单介绍、分析几种效果较好的预测方法。

对北方城市来说，燃气负荷在不同时期呈现不同的规律，影响因素也发生变化。从图1 可知，冬季燃气用量与室外温度基本成线性关系，采暖过渡期（每年的3 月和11 月）无明显规律，夏季非常稳定，不受气温影响。

图1 北京市城市燃气负荷随季节变化特点

1.1 线性回归

回归分析是通过对两个变量之间的相关分析建立模型，当两个变量之间存在线性关系时，称为线性回归［1］。线性回归便于自动化，但不考虑温度的季节差。经分析、研究，供暖季燃气用气负荷与气象条件高度负相关，见图2，而气象条件直接表现为室外温度的高低，室外温度越低，用气量越高。

图2 北京市燃气用气负荷与气象条件高度负相关

经过对近10 年历史数据的整理、分析，北京燃气建立了采暖季节城市燃气日用气负荷（发电、工业用户除外）与室外温度之间的线性模型，Q=-aT+b（Q 为日用气量，104m3；T 为室外平均温度，℃；a 和b 为常量，历年递增），拟合精度达80%以上，见图3。2012-2013 年供暖季，室外平均温度每降低1 ℃，日用气量可增加气量约180×104m3，随着用户发展，这一增量逐年递增。

图3 北京市燃气日负荷与平均温度之间的关系

采暖季节稳定期（12 月～次年2 月）适用多元线性回归、博克斯-詹金斯法（ARMA）［2］等算法，预测与温度、风力、降雨量等高度相关的燃气负荷，适合北方的冬季。随着天然气消费量的逐年递增，气量预测精度的要求也越来越高。用气结构由2005 年以采暖、民用为主转变为以采暖、民用及发电为主，逐步拓展CNG汽车和三联供应用领域［3］。电厂用气主要受生产安排影响，工业、CNG 用气所占比例较小，家庭和采暖所占用气比例约70%左右，受气象条件影响较大，见图4。根据各类用户不同特点，北京市正在探索“细化用户，分类预测，总量叠加”的预测方法，见表1。

图4 北京市近几年燃气用气结构

表1 冬季各类用户预测方法

1.2 智能神经网络

神经网络最常用的是BP 算法，输入学习样本，使用反向传播算法对网络的权值和偏差进行反复调整，使输出值与期望值尽可能接近，当输出层的误差平方和小于指定值时，训练完成［4］。此算法需要开发软件，并有大量数据支撑，BP 算法用于预测时，逼近效果好，计算速度快，但整个过程为黑盒子，人工参与较少。

实践证明采暖季节过渡期（11 月15 日左右，3 月15 日左右）燃气负荷规律与室外温度等因素相关性出现异常，而取决于供暖日期是否提前或延后、锅炉启停台数、供暖政策、经济形势等因素，适宜采取智能神经网络算法。

1.3 时间序列

时间序列是指将某个指标按时间先后顺序排列而成的序列［2］。夏季负荷是一年中最基本的用气负荷，其变化与温度等气象条件相关性很小，短时间内比较稳定，适于时间序列算法。北京燃气采用软件公司开发的DSS 预测软件，预测夏季低峰期（5 月中旬～10 月中旬）的短期负荷，预测精度达95%以上。

2 需求侧管理

初步预测，到“十二五”末期，北京市天然气年度需求总量将达到180×108m3，高峰日燃气负荷将超过1.5×108m3，除民用、公共服务业、工业、热电联产外，北京将适度发展三联供、CNG 汽车等项目。不同燃气用户用气规律不同，所属利益团体不同，燃气需求侧管理难度加大。

目前北京市“月计划、周平衡、日指定”的供用气运行模式已取得一定成效，随着天然气市场购销国际化趋势的加剧，“照付不议”是城市管网运营商必须面对的风险［5］，建立上、中、下游三方一体化严格、完善、有效的计划管理模式，是降低风险的重点。提出“平衡账户”概念，在现有运行模式的基础上，制定不同的“考核”指标，从经济或其它层面对超出账户限额的气量进行不同标准的价格结算，提高计划精度，加强客户计划准确度意识，降低“照付不议”风险。

“平衡账户”含两个指标：一是“日最大允许误差”，二是“累计最大允许误差”。“误差”是实际用气量和计划量之间的差值，如果客户的“日误差”超过了“日最大允许误差”，超出部分以高于常规价格结算。这一“平衡账户”内的“日误差”数据每日都在累积，一定时间内累积量不应超出“累计最大允许误差”，超出部分以高于常规的价格结算。下面举例说明。

假设某客户的日最大允许误差为10×104m3，累计最大允许误差为30×104m3，而客户连续6 天的计划误差值分别为9×104m3、13×104m3、7×104m3、-2×104m3、8×104m3和6×104m3，则此客户的计划平衡账户见表2。图5 中红色柱状图内的数字为超账户的误差量，以非标准价格结算。

表2 某燃气客户的“平衡账户” 104 m3

图5 某客户的计划平衡账户示意

目前中国石油与国内多家燃气企业签订了“照付不议”协议，但并未真正实施，随着天然气市场国际购销化趋势的加剧，上游天然气供应商和国外供气商之间的“照付不议”将最终影响到国内天然气市场，因此现阶段非常有必要建立燃气用户的“照付不议”意识，提高计划精度，从经济或其他层面进行制约。

3 结论及建议

a）对于北方城市来说，冬季采暖期燃气负荷与室外温度高度线性相关，适用多元线性回归法预测；过渡期（采暖、停暖前后）燃气负荷取决于供暖日期、锅炉启停台数、供暖政策等因素，适宜采取智能神经网络算法；夏季稳定期燃气负荷是基础负荷，可采用时间序列法预测。

b）为客户建立“平衡账户”，从经济或其他层面制约用户，提高计划精度，降低未来天然气市场国际化带来的“照付不议”风险。

［1］杨 虎，刘琼荪，钟 波.数理统计Mathematical Statistics［M］.北京：高等教育出版社，2004.10.Yang Hu，Liu Qiongsun，Zhong Bo.Mathematical Statistics［M］.Beijing：Higher Education Press，2004.10.

［2］易丹辉.统计预测——方法与应用［M］.北京：中国统计出版社，2001.4.Yi Danhui.Statistical Prediction-Methodsand Applications［M］.Beijing：China Statistics Press，2001.4.

［3］李瑜仙，许 彤，赵 燕，等.北京市城市燃气日负荷与高峰小时流量的关系［J］.天然气与石油，2008，26（1）：21-24.Li Yuxian，Xu Tong，Zhao Yan，et al.The Relationship between Gas Load and Peak-Hour-Flow in Beijing City［J］.Natural Gas and Oil，2008，26（1）：21-24.

［4］闻 新，周 露，李 翔，等.MATLAB 神经网络仿真与应用［M］.北京：科学出版社，2003：258-265.Wen Xin，Zhou Lu，Li Xiang，et al.Matlab Neural Network Simulation and Application ［M］.Beijing：Science Press，2003：258-265.

［5］黄振中，张晓粉.浅论国际能源贸易中“照付不议”合同的特点和新趋势［J］.中外能源，2011，16（3）：1-6.Huang Zhenzhong，Zhang Xiaofen.Take-or-Pay Contract and New Trends in the International Energy Trade［J］.Chinese and Foreign Energy，2011，16（3）：1-6.