基于气温的城市燃气短期日负荷预测模型——以四川省成都地区为例

何春蕾 段言志 邬宗婧 杨光道

1．成都理工大学能源学院 2．中国石油西南油气田公司天然气经济研究所 3．中国石油川庆钻探工程公司油建公司4．中国石油川庆钻探工程公司川西钻探公司

近年来，一些学者在定量研究气温对城市燃气日负荷影响方面做了有益的探索。本文参考文献［1］利用指数平滑法建立了气温对日负荷影响的预测模型；本文参考文献［2］以时间序列分析理论为指导建立了城市燃气负荷预测体系；本文参考文献［3］针对不同的气象因素，采用神经网络模型对日负荷进行研究；本文参考文献［4］则讨论了采用三角函数方法对气温作用进行拟合的可行性；本文参考文献［5－6］研究了不同温区内日负荷的气温响应特性。近期研究［7］发现，气温与城市燃气日负荷关系同阿累尼乌斯方程刻画的温度—化学反应速率关系较为类似（图1、2），并建立了气温对城市燃气中长期日负荷影响的预测模型。

图1 温度—化学反应速率关系图

图2 气温—城市燃气日负荷关系图

以上研究主要依据气温和用气负荷的中长期（一个月以上）历史数据，利用数学拟合的方法建立相应的预测模型。目前国内尚未见到采用短期（10天以内）历史数据，考虑气温突变、低温累积等因素对短期城市燃气日负荷进行预测的报道。随着城市燃气用气规模的不断增长，因气温变化导致的日用气峰谷差有扩大的趋势。加上近年来冬季长期低温、气温骤降等极端天气屡屡出现，采用中长期数据进行趋势预测可能存在较大的误差。利用短期的气温、用气负荷数据，结合较为准确的未来一周以内的气象预报对未来几天内的城市燃气日负荷进行预测，并据此进行负荷预警和日调峰更具有现实意义。

1 气温对城市燃气日负荷的影响

1．1 气温影响的趋势性

气温影响的趋势性是指气温变化对日负荷的趋势性影响。一般来说，城市燃气日负荷与气温呈负相关关系（图3），并且在短时间内相同的气温具有相同的燃气日负荷。以四川省成都地区为例，根据历史数据可将该地区气温划分为3个温区：在12℃以下属于低温区，12～27℃属于中温区，27℃以上属于高温区。

1．2 气温影响的突变性

气温影响的突变性是指在短期内极端气温对日负荷的剧烈影响，大多集中在低温取暖季节，主要包括积累效应和连续降温效应。气温累积效应是低温长期积累，引起用气习惯改变，从而使得日负荷急剧上升的影响效果；连续降温效应则主要是指短期内气温连续下降，燃气日负荷反应滞后，几天后才迅猛增长的影响效果。

图3 成都地区气温与城市燃气日负荷关系图

根据历史数据对成都地区气温的突变性影响作以下简化：当气温低于12℃时，连续3日内气温平均每日降低2℃，燃气日负荷额外增加10%。例如，成都地区在2009年11月14日气温为11．8℃，15—17日气温分别降至9．9℃、7．8℃和5．7℃，平均每日降低约2℃。受气温突变性影响，燃气日负荷在17日由前一天的383×104m3突升到420×104m3以上（表1）。

表1 气温突变对日负荷的影响表

2 短期日负荷预测模型

2．1 模型结构

假设城市燃气日负荷仅由气温决定，并且气温决定的趋势性日负荷占主控，气温突变影响是在趋势性日负荷基础上的小幅度波动。假设预测模型为：

日负荷＝气温突变影响×趋势性日负荷

记为：Q＝β×Q′。其中趋势性日负荷是主要预测对象。本文参考文献［7］已对此有一定研究，但其参数取值主观性较大。这里参数取客观的短期气温和日负荷数据，不同于本文参考文献［7］“日负荷＝最大日负荷×（1－日负荷变化率）”的模型。本文假定趋势性日负荷预测模型为：

趋势性日负荷＝短期最大日负荷－日负荷变化率记为：Q′＝Qmax－K。其中K表示短期气温引起的趋势性日负荷变化量。采用本文参考文献［7］类似的做法，借用阿雷尼乌斯方程对K进行研究，即假设式中K0为常数，ΔE为活化能，T为溶液温度，T0为绝对零度，R为常数。特别地，我们赋予参数类似的物理涵义：令K0表示日负荷变化基础度量，ΔE表示日负荷变化强度，T为当日气温，T0为该地区最低气温，R为常数。

这样，预测模型为：

2．2 参数取值

对上式的参数取值做如下规定：β表示气温突变影响的常数，据统计成都地区气温突变性对负荷的影响约为10%，如预报短期某日出现气温突变取1．1，若预报未出现气温突变取1；Qmax为短期内城市燃气最大日负荷；ΔT根据气象预报取值，为当地预报的某日气温减去当地历史最低气温；R为常数，以成都为例，根据历史资料统计，短期内平均气温12℃以下取0．01，12～27℃取0．1，27℃以上取1。

参数K0和ΔE需根据短期内的气温与燃气日负荷数据拟合求出。为便于计算，可取短期内最小日负荷Q1（当日气温T1）和短期内的平均日负荷Q2（平均气温T2）联立方程，求解参数。即通过联立：

反求参数K0和ΔE。可以认为上述参数值短期内不变，能用于预测下一个短周期内的日负荷。

2．3 实例计算

模型可重点应用于极端气温或气温骤变条件下的城市燃气日负荷短期预测。根据四川省气象局日平均气温数据和成都市城市燃气数据，选取气温骤降的2010年10月21—30日共计10天的气温和城市燃气日用气量为基础数据（表2），测算未来几天内的用气情况。

表2 成都地区城市燃气日负荷表

根据取值方法，Qmax＝457，R＝0．1，取成都地区历史最低气温为－5℃，可计算出K0＝259．9，ΔE＝3．51。将参数代入预测模型，可预测短期内不同气温下的用气量（表3）。

对比实际数据，该模型预测误差在3%以内，绝对值小于10×104m3／d，预测精度较高（表4）。

3 结论

1）笔者利用统计学和化学动力学相关理论，基于气温突变、低温累积等因素构建了基于气温的城市燃气短期日负荷预测模型，模型的参数取决于短期内的气温和日负荷数据。

2）通过实例测算发现模型的预测精度较高，可为城市燃气公司或上游供气企业的短期日负荷预警和调峰提供一定理论依据和决策支持，也可为其他地区建立类似的短期预测模型提供借鉴。

表3 模型预测结果表

表4 模型预测值与实际值比较表

［1］焦文玲，严铭卿，廉乐明．城市燃气负荷的灰色预测［J］．煤气与热力，2001，21（5）：387－389．JIAO Wenling，YAN Mingqing，LIAN Leming．Grey prediction of city gas load［J］．Gas ＆ Heat，2001，21（5）：387－389．

［2］焦文玲，秦裕琨，赵林波．城市燃气负荷预测系统体系研究［J］．天然气工业，2005，25（1）：155－157．JIAO Wenling，QIN Yukun，ZHAO Linbo．Study on forcasting system of city gas load［J］．Natural Gas Industry，2005，25（1）：155－157．

［3］谭羽非，陈家新，焦文玲，等．基于人工神经网络的城市煤气短期负荷预测［J］．煤气与热力，2001，21（3）：199－202．TAN Yufei，CHEN Jiaxin，JIAO Wenling，et al．Applying BP artificial neural network to forecast urban gas shortterm load［J］．Gas ＆ Heat，2001，21（3）：199－202．

［4］田一梅，赵元，赵新华．城市煤气负荷的预测［J］．煤气与热力，1998，18（4）：20－23．TIAN Yimei，ZHAO Yuan，ZHAO Xinhua．Study of load forecasting for urban gas supply［J］．Gas ＆ Heat，1998，18（4）：20－23．

［5］张中秀，周伟国，梁金凤．气象条件对冬季城市燃气日用气量的影响［J］．天然气技术，2007，1（4）：56－58．ZHANG Zhongxiu，ZHOU Weiguo，LIANG Jinfeng．How weather condition affecting city gas daily consumption in winter［J］．Natural Gas Technology，2007，1（4）：56－58．

［6］张中秀，周伟国，潘艳，等．气象因素对城市燃气日用气量的影响［J］．建筑热能通风空调，2008，27（4）：93－96．ZHANG Zhongxiu，ZHOU Weiguo，PAN Yan，et al．Influence of weather condition on daily urban gas consumption［J］．Building Energy ＆ Environment，2008，27（4）：93－96．

［7］姜子昂，邹晓琴，段言志，等．川渝地区城市燃气用气量定量预测模型研究［J］．城市燃气，2011（6）：4－10．JIANG Zi＇ang，ZOU Xiaoqin，DUAN Yanzhi，et al．The gas consumption forecast model research in Sichuan ＆Chongqing area［J］．Urban Gas，2011（6）：4－10．