基于造纸企业月度数据的行业能耗及节能潜力分析

叶 诺 李继庚 洪蒙纳

(华南理工大学制浆造纸工程国家重点实验室,广东广州,510640)



·能耗及节能分析·

基于造纸企业月度数据的行业能耗及节能潜力分析

叶 诺 李继庚 洪蒙纳*

(华南理工大学制浆造纸工程国家重点实验室,广东广州,510640)

以某地区的造纸企业月度数据为基础,对该地区造纸工业按不同纸种进行能耗和产量的分析,并选用合适的指标通过灰色理论和BP神经网络构建组合预测模型,对2016年1— 6月的能耗和产量进行了预测,同时根据企业月度数据以及预测数据分别对2015年全年和2016年1— 6月该地区造纸工业的节能潜力做了分析和估算。结果表明，该地区瓦楞原纸的节能潜力较大，平均单位产品能耗水平波动较大。

能耗；产量；节能潜力；灰色理论；BP神经网络

(*E-mail: femnhong@scut.edu.cn)

在工业生产中,轻工业是8个重点能耗行业之一,约占工业总能耗的6.75%,其中造纸工业能耗约占工业总能耗的2%[1]。作为耗能较大的造纸工业,能否降低能源消耗成为造纸工业可持续发展的关键所在。因此,预测造纸工业未来的能耗以及计算节能潜力,不仅有利于造纸工业对未来的发展进行规划,同时对做好造纸工业的节能减排有着重要的现实意义。

能源消耗以及产量预测在造纸[2]、纺织等轻工领域具有非常重要的意义,预测模型有很多,如人工神经网络方法、支持向量回归方法[3]等。往年大部分研究是以年度数据为基础,分析近几年的发展态势以及构建模型预测未来几年能源需求量和产量,指出造纸工业长远的发展方向,而本研究以某地区的造纸企业的月度数据为基础,对该地区造纸企业的产量、综合能源消费量进行分析,利用灰色理论和BP神经网络组合模型预测未来几个月内的产量和综合能源需求量,并根据预测的数据计算未来的节能潜力空间,给当地的政府和企业的生产工作提供更实际的参考。通过调查以及对数据的汇总分析了解到，该地区生产的纸种主要以箱纸板、灰纸板以及瓦楞原纸为主,因此本研究主要对这3种纸种进行论述分析。

1 能耗及产量分析

该地区的造纸企业月度数据是由各个企业通过网站形式的能源信息管理平台按时上报,目前已有的数据时间跨度是从2012年1月至2015年12月。因此本研究以2012年1月至2015年2月的数据作为原始数据,预测2015年3—12月各纸种的综合能源消费量以及产量,并以2015年3—12月的数据验证其准确性,最后根据这一方法对2016年上半年的综合能源消费量以及产量进行预测,并计算2015年实际节能潜力以及估算2016年1— 6月的节能潜力空间,为后续政府制订政策和企业制定发展策略提供参考。

1.1 产量及能耗现状

箱纸板、灰纸板、瓦楞原纸的生产量以及能源消费量在该地区占主导地位,近4年的箱纸板总产量约占全部纸品产量的64%,相应的综合能源消费量约占本地区造纸工业能源消费量的67%；灰纸板产量占比约6.9%,能耗占比约为4.8%；瓦楞原纸产量占比约29%,能耗占比约28%。图1～图3分别为箱纸板、灰纸板和瓦楞原纸产量及综合能源消费量月度数据。从图1～图3可以看出,除了个别月份的数据,3大纸种的产量均和对应的能源消费量呈现相似的波动趋势,并且每年均会呈现出一定的规律性,如每年的1月份、2月份产量和能耗受春节假期等节假日的影响会有明显的下降,近两年该地区通过产业结构调整以及节能减排工作的大力施行,形成以箱纸板为主的造纸产业链,箱纸板的产量从2014年开始迅速发展,之后一直比较稳定,月均产量约为70万t,而相应的能耗也在逐渐下降至月均约23万tce(t标准煤)。灰纸板则呈现一个比较平稳的波动状态,而瓦楞原纸在2014—2015年期间呈现逐月下降的一个整体趋势。

图1 箱纸板产量及综合能源消费量月度数据

图2 灰纸板产量及综合能源消费量月度数据

图3 瓦楞原纸产量及综合能源消费量月度数据

1.2 产量及能耗预测

对于能耗和产量的预测方法有很多,但在面对复杂的实际生产情况以及涉及大量变量或者数据无法齐全的情况下,单一的预测模型往往具有明显的局限性,因此将不同预测方法结合起来的组合预测逐渐被大量应用起来。组合预测[4]一般有信息组合、过程组合、结果组合等形式。本研究结合已有的数据特点以及预测的目标,采取的是灰色系统理论预测和BP神经网络过程组合的办法,GM(1,1)模型是最常用的一种灰色系统模型[5],具有要求样本数据少、原理简单、运算方便、短期预测精度高、可检验等优点。BP神经网络是人工智能网络中的一个典型算法,而且它本身具有很强的非线性映射能力,解决一些非线性问题更是它最突出的一环[6],因此可分别取出灰色系统理论预测与BP神经网络预测的长处来建立模型。

首先利用灰色理论的累加生成对原始数据进行处理,生成具有明显增长趋势的序列,以弱化数据的随机性,然后将生成的各项指标序列作为BP神经网络的输入,经神经网络处理后得到的预测值再进行累减还原即得到实际的预测值。在本研究的预测模型建立中综合能源消费量采用相关的量化指标为电消费量、煤消费量、油消费量以及蒸汽消费量,产量在实际生产过程中受外部的市场影响比较明显,经济效益较好,成本较低的时候往往会有产量的提升,因此从投入产出角度结合实际数据的情况采用相关量化指标为销售收入和能源消费成本。

在经过多种尝试之后,各纸种的能耗和产量均采用10个隐藏神经元,用3个学习样本即预测月份前3个月的数据来预测下一个月的值,以此滚动预测。3类纸种的产量和能耗数据均以2014年6月以前共30个数据为训练样本,2014年8—2015年2月共8个数据为验证数据,2015年3—12月共10个数据为测试数据输出的预测值经过累减后可得到预测结果如表1～表3所示。

表1 箱纸板产量及能耗预测

表2 灰纸板产量及能耗预测

表3 瓦楞原纸产量及能耗预测

由于预测值是对未来值的估算,预测结果不可避免地与客观实际之间存在着一定的差距,这就是预测误差。计算并分析误差的大小不仅可以认识预测结果的准确程度,对于改进预测工作、检验和选用恰当的预测方法等方面也有很大的帮助。

常用的计算与分析预测误差的方法和指标主要包括平均相对误差、均方根误差和相关系数[2]。

(1)平均相对误差(Mean Relative Error,MRE)

(2)均方根误差(Root Mean Squared Error,RMSE)

式中,n为测试样本集的大小,Vf为预测数据,Vm为原始数据。

(3)相关系数R

由于上述两个指标只能对预测数据与原始数据在数值大小上的差异进行评价,而不能对预测数据与原始数据在变化趋势上的差异进行评价,所以可引入预测数据与原始数据的皮尔逊相关系数,对预测数据与原始数据的变化趋势差异进行评价。R越接近1,表明预测数据与原始数据的变化趋势越一致,预测效果越好,R越接近0,则相反。

本研究选用平均相对误差(MRE)和相关系数R对模型进行验证,结果如表4所示。

表4 各纸种预测平均相对误差及相关系数

由表4可知，各纸种预测的相关系数均大于0.94，故本研究所采用的模型和指标具有一定的合理性,因此可以用同样的方法来预测2016年1— 6月的产量及能源消费量。由于BP神经网络的输入需要提供预测月份之前3个月的数据,因此对于2016年2月份之后的预测，则采用2015年对应月份的综合能源消费量和产量的各相关指标的同期增长率，来设定2016年1—5月综合能源消费量和产量的各相关指标的值(如根据2015年1月份对比2014年1月份的同比增长率乘以2015年1月对应的数据，作为2016年1月份相关指标的值与前两个月对应指标的值预测2月份数据),以此作为模型的输入,经过MATLAB计算后可得到2016年1— 6月各纸种的综合能源消费量和产量的预测结果如表5所示。

表5 2016年1— 6月各纸种预测值

2 节能潜力分析

从图1～图3的产量和能耗的数据可以得知,对于该地区来说,箱纸板和瓦楞原纸的产量和能源消费量占了主要部分,因为2016年2月份之后的数据在预测过程中人为地设定了相关指标的值,不可避免地引入了一定的误差,因此为了给政府和企业的后续工作安排提供更全面准确的参考,本研究根据2015年1—12月的产量和综合能源消费量的数据以及2016年预测值分别计算得到这一段时期3类纸种的单位产品能耗,通过单位产品能耗计算已有的实际节能潜力和预测的节能潜力空间共同作为参考。3类纸种的单位产品能耗如表6所示。

该地区所在省份的能耗地方标准为：箱纸板的单位产品能耗先进值优等品为0.425 tce/t；一等品及以下为0.33 tce/t；瓦楞原纸的单位产品能耗先进值优等品为0.39 tce/t,一等品及以下为0.315 tce/t；灰纸板的单位产品能耗先进值为0.38 tce/t[7]。由表6可知，该地区造纸企业的平均单位产品能耗在大多数生产时间都低于地方标准,达到了较为先进的水平,但因为是一个纸种的平均水平,不能代表生产同类纸种的所有企业均达到了同样的水平,因此本研究分别以3类纸种在2015年单位产品能耗历史最小值以及行业标准值作为基准,根据节能量计算公式：T节=(E本-E标)·G本,其中T节为当月节能量,E本为当月单位产品能耗,E标为选定的标准值,G本为当月同类纸种产量。

表6 2015年全年及2016年1— 6月各纸种单位产品能耗 tce/t

通过公式分别计算得到3类纸种2015年1—12月总的实际节能潜力：箱纸板分别为60725tce(以2015年能耗最小值为标准)、3028tce(以一等品及以下先进值为标准)；瓦楞原纸分别为210514tce(以2015年能耗最小值为标准)、34220tce(以优等品先进值为标准)、91747tce(以一等品及以下先进值为标准)；灰纸板为39067tce(以2015年能耗最小值为标准)。2016年1— 6月各纸种预计可达到的节能潜力为：箱纸板分别为112739tce(以2016年能耗最小值为标准)、1108tce(以优等品先进值为标准)、21213tce(以一等品及以下先进值为标准)；瓦楞原纸分别为256740tce(以2016年能耗最小值为标准)、123684tce(以优等品先进值为标准)、161294tce(以一等品及以下先进值为标准)；灰纸板分别为46235tce(以2016年能耗最小值为标准)、3326tce(以能耗先进值为标准)。

从计算的数据中可以看出总体上瓦楞原纸的节能潜力最大,其平均单位产品能耗水平波动较大,这说明虽然在整体水平上低于能耗的地方标准,但是由于企业与企业之间的生产规模以及管理技术水平等方面有较大的差异,能耗较高的企业相对较多,会比较显著影响整体的能耗水平,因此无论是政府还是企业在接下来的工作计划中可以有针对性地对瓦楞原纸的生产结构进行调整,并可以结合该地区搭建的能源信息管理平台,对瓦楞原纸的能源系统进行诊断,并系统分析该纸种的生产过程,对各企业能耗较高的干燥部、网部等工序进行详细对比分析以及调整[8],以达到期望的节能减排的目的。

3 结 论

本研究通过某地区的造纸企业月度数据按纸种类别对该地区的能耗以及产量做了汇总分析,并建立灰色理论和BP神经网络的组合模型对不同纸种的能耗和产量选用合适的指标进行以月为时间跨度的预测。结果表明，模型具有比较高的精度,预测数据和实际数据比较吻合,在此基础上对2016年1— 6月该地区的能耗和产量进行了预测,给企业和政府的具体工作安排提供一定的参考。另外,研究还针对2015年和2016年不同纸种单位产品能耗数据进行计算分析,分别通过与该年度历史最小值以及行业标准的对比,计算了2015年1—12月的实际总节能潜力以及预测2016年1— 6月的总节能潜力,为后续节能工作的重点方向提出建议。从计算得到的数据结果可以看出,该地区的主要工作重点在于瓦楞原纸,该纸种的能耗比较高且波动较大,在后续工作中可分别从技术节能、结构节能和管理节能这3个角度入手,对该纸种的生产各方面进行调整以实现节能目标。

[1]LIUDan-hui,LINChun-xiang,LIUMing-hua.Energysavingandemissionreductionandcleanerproductionofpulpandpaperindustry[J].EastChinaPulp&PaperIndustry, 2014, 45(1): 54.

刘丹慧, 林春香, 刘明华. 制浆造纸行业的节能减排与清洁生产[J]. 华东纸业, 2014, 45(1): 54.

[2] WU bo. Study on Data Mining and Prediction Method of Energy Consumption Used in Energy Management System of Paper Process[D]. Guangzhou: South China University of Technology, 2012.

吴 波. 造纸过程能源管理系统中数据挖掘与能耗预测方法的研究[D]. 广州： 华南理工大学, 2012.

[3] SONG Jie-kun. China’s carbon emissions prediction model based on support vector regression[J]. Journal of China University of Petroleum(Edition of Natural Science), 2012, 36(1): 182.

宋杰鲲. 基于支持向量回归机的中国碳排放预测模型[J]. 中国石油大学学报(自然科学版), 2012, 36(1): 182.

[4] WANG Tong-san. Forecast Combination: Theory Method and Application[M].Beijing: Social Sciences Academic Press, 2008.

汪同三. 组合预测——理论、 方法及应用[M]. 北京： 社会科学文献出版社, 2008.

[5] DENG Ju-long. Grey Control System[M]. Wuhan: Press of Huazhong University of Science and Technology, 1993.

邓聚龙. 灰色控制系统[M]. 武汉： 华中理工大学出版社, 1993.

[6] LI You-kun. Analysis and Improvement Applications Of BP Neural Network[D]. Huainan: Anhui University of Science and Technology, 2012.

李友坤. BP神经网络的研究分析及改进应用[D]. 淮南： 安徽理工大学, 2012.

[7] Administration of Quality and Technology Supervision of Guangdong Province. Energy consumption limits of main products in pulp and paper industry DB44/ 515-2013.

广东省质量技术监督局. 制浆造纸行业主要产品能耗限额DB44/515-2013.

[8] KONG Ling-bo, LIU Huan-bin, LI Ji-geng, et al. Potential Analysis and Application Techniques of Energy Efficiency in Papermaking Process[J]. China Pulp & Paper, 2011, 30(8): 55.

(责任编辑：常 青)

Analysis of Energy Consumption and Energy Saving Potential Based on the Monthly Data of Enterprises in Paper Industry

YE Nuo LI Ji-geng HONG Meng-na*

(StateKeyLabofPulpandPaperEngineering,SouthChinaUniversityofTechnology,Guangzhou,GuangdongProvince, 510640)

Based on the monthly data of the papermaking enterprises in a certain area, the paper analyzed the energy consumption and output of different kinds of paper in this area. The appropriate indicators were chosen to build a combined forecasting model through the gray theory and BP neural network, and the energy consumption and output in the first half of 2016 was forcasted. Finally according to the enterprise monthly data and forecast data, the energy-saving potentials in 2015 and the first half of 2016 were analyzed.

energy consumption; yield; energy saving potential; grey theory; BP neural network

叶 诺先生,在读硕士研究生；主要从事造纸能源管理系统及节能潜力研究。

2016- 04-27(修改稿)

TQ083+.4;TS7

A

10.11980/j.issn.0254- 508X.2016.08.007

*通信作者：洪蒙纳先生,E-mail:femnhong@scut.edu.cn。