城市年用气量的预测方法_配套专业

摘要

随着天然气事业的快速发展，城市燃气输配设施的投资建设规模扩大、速度加快。城市燃气输配设施规划设计是投资建设各类管网、场站等输配设施的重要依据。以往燃气输配设施规划设计中采用的用气量预测方法早已无法满足当前的实际需求。本文分析了城市年用气量的发展变化特点，基于逻辑斯蒂原理提出了城市年用气量预测模型，并对模型中的相关参数进行细致分析、总结了 2 0 个城市的用气量发展变化特征值，对 2 0 11 年～ 2013 年用气量进行预测计算，证明了该预测模型的实用性和适用性。

摘　要：随着天然气事业的快速发展，城市燃气输配设施的投资建设规模扩大、速度加快。城市燃气输配设施规划设计是投资建设各类管网、场站等输配设施的重要依据。以往燃气输配设施规划设计中采用的用气量预测方法早已无法满足当前的实际需求。本文分析了城市年用气量的发展变化特点，基于逻辑斯蒂原理提出了城市年用气量预测模型，并对模型中的相关参数进行细致分析、总结了20个城市的用气量发展变化特征值，对2011年～2013年用气量进行预测计算，证明了该预测模型的实用性和适用性。

关键词：城市天然气　气量预测　方法模型

当前我国天然气产业处于快速发展阶段，城市气化和燃气管网建设需求巨大，各类燃气输配设施的规划设计与投资建设急需对城市用气量的预测研究。目前在国内外燃气输配设施的规划设计中，仅以耗热定额指标进行相关用气量估算，缺少成熟可靠的系统性预测方法。而当前大多数用气量预测模型多基于趋势外推类方法，主要是通过建立历史用气量与其相关影响因素之间的关系模型，外推用气量的发展变化，预测的准确性与历史数据的数量与质量密切相关。

在城市年用气量预测研究方面，回归分析法和时间序列法[1-3]等传统预测方法是最先被引用到燃气预测领域中的，主要是基于经济因素(例女UGDP)以及气候因素建立用气量预测模型[4，5]，适用于发展稳定的城市用气量预测情况。我国绝大多数城市正处于快速发展初期，城市用气量的发展变化快，而且过程推进速度快，不宜直接套用现有的预测方法。现代化智能方法在用气量预测中也较为常见，例如神经网络方法、遗传算法等[6，7]。此类预测方法主要是通过大量的学习样本建立输入量和输出量间的关系，为了达到精度要求，此类方法的预测时限短，无法准确预测城市用气量的长期发展变化，也无法在燃气规划设计中直接应用。

1　城市用气量的变化规律

用气量预测模型的建立足基于用气量的变化规律。城市用气量的变化反映了城市本身发展进程情况，更是各类用户用气行为发展变化的具体体现。城市用气量是各类用户用气量的总和，因此可以从用户用气量变化规律中探寻城市用气量的变化规律。

1．1　民用户的用气量变化规律

以HL市户均年屠气量为例，如图1所示。户均年用气量的发展变化过程大致可分为4个阶段，初始期可追溯到1994年，之后进入1995年～2001年度间的快速发展期，户均年用气量达到100Nm3左右，是初期户均年用气量的2倍。2002年之后，户均年用气量进入慢速发展期，在发展后期户均年用气量接近200Nm3左右。2008年开始，户均年用气虽进入稳定阶段，大约为230Nm3左右。

城市年用气量的预测方法

在《HL市2012～2030年燃气专项规划》中：近期居民耗热定额为1760MJ／人·年(42万kcal／)k·年)，远期居民耗热定额为1880MJ／人·年(45万kcal／人·年)。按气源平均热值38MJ／Nm3，每户3.5人计算，得出HL市，户均年用气量近期(2020年)规划值为234Nm3，远期(2030年)规划值为250Nm3，两者数值相近，而且与近几年的实际值相差也不大，可见2008年以后HL市的户均年用气量发展已经接近极限值。

从HL市户均年用气量的发展变化过程可以看出，民用户天然气使用的初始阶段，用气量低，而且发展变化缓慢，随后进入快速发展阶段，用气量显著提升，显然用气量的增长量以及增长速度并不足无限发展的，发展到中后期阶段时，用气量增长速度明显降低，直到发展后期用气量在某稳定值上下波动，整个发展变化过程类似曲线。

1．2　城市用气量的变化规律

城市用气量的发展变化过程同样具有S型曲线变化特点。一开始城市局部地区实现燃气管网输配气，部分用户开始使用天然气，由于用户数量少，用气器具单一，因此用气量相对较少。随着时间推移，无论是国家政策导向，市场发展还是人们的实际需求，从天然气用量上看是逐年攀升且增长速度快。但是作为能源，天然气的供应量是受“环境”限制的，因此天然气的使用量并不是无限制的，就像自然界的物种演变，具有“有限制增长”的特点。

2　城市年用气量的预测模型

无论哪种类型的城市，其用气量发展变化都是从无到有，从少到多直至饱和，虽然发展变化过程所需的时间不同，发展变化的速度不同，但从理论上讲，都遵循着“有限制增长”这样的规律，借鉴自然界物种演变过程的思想，基于逻辑斯蒂(logistic)原理，建立城市年用气量预测模型。

城市年用气量的预测方法

式中Qy0——城市年用气量初始值，单位：Nm3；

Qylim——城市年用气量极限值，单位：Nm3；

ry——城市年用气量同比增长率。

以HL市为例进行计算方法验证。HL市最早使刚天然气在1994年，属于我国使用天然气较早的城市，根据记录可追溯初始年用气量约为Qy0=4.5×106Nm3，预计2030年HL市用气量可达到稳定阶段，届时年用气量可达Qy30=4.5×106Nm3[8]，则可设年用气量发展的极限值Qylim=4.5×106Nm3。根据预测模型计算，当ry=0.23时，计算的年用气量与真实用气量吻合较好，平均相对误差为7.2％。

从图2中可以看出，1995年～2000年间HL市的天然气用量增长相对缓慢，处于发展初期阶段，用气量增量约每年300万m3左右，在2000年之后进入快速发展阶段，尤其在2007年以后用气量增长速度加快，用气量增量约达到每年1500万m3左右。

城市年用气量的预测方法

3　预测模型的参数分析

预测模型体现出城市年用气量“有限制增长”的变化特点。以年为时间基础刻度，确定此模型的参数主要有3个，分别是年用气量初始值Qy0、年用气量极限值Qylim和年用气量同比增长率ry。

3．1　城市年用气量的初始值分析

实际上，没有严格意义的年用气量初始值Qy0也无法准确判断什么样的规模用气量可以作为初始值，但是在年用气量预测模型中，Qy0并不是单独存在，因此只要对Qy/ Qy0做出合理判断即可。根据对当前我国天然气用量的发展情况分析，可估算2020年我国天然气用量是2000年天然气用量的13倍，2030年我国天然气用量是2000年的22倍[9,10]。在缺少城市调研数据时，可根据我国天然气用量发展情况进行判断。

3．2　城市年用气量的极限值分析

城市年用气量极限值Qylim是规划期末城市年用气量值，具有一定的前瞻性，Qylim的确定主要基于城市人口、产业结构等方面发展变化的考虑，以及一定的城市调研活动而得到的。本文研究的城市数据样本中，Qylim在10亿m3，以卜的城市有5个，这5个城市中位居前两位的是完全生产类城市(工业用户用气量占绝对主导地位)，其他的为省会级城市，HC市为生活类城市，显然人口规模大引起用气量偏高，H1和HZ市为生产类城市，相对来说工业用气量大导致城市用气量偏高。Qylim在5亿m3以上，10亿m3以下的城市多为生产类和综合类城市。Qylim在5亿一以下的城市多为生活类城市。

对于年用气量极限值Qylim，如果城市规模没有变，即“环境”确定，则应该存在相对确定的数值，即天然气的使用量不会超过其供应量，也就是说作为资源，天然气的量是有限的，而且城市输配系统的供应能力也是有限的，在相对长的时间范围内，天然气的用量存在极限值。在本文计算中，仉的选择主要参考当地城市燃气专项远期规划值。

然而城市也在“生长”，地域扩张是常有发生的事情，“环境”也会随之变化，因此极限值不是一成不变的，且变化范同是无法估计的。本文提出的年用气量预测模型使用条件是城市地域范嗣未变，主要功能区划分与城市发展规划相一致，若城市用气性质发生较大改变，如生活类城市转变成牛产类城市，则年用气量预测模型中的相关参数需要修正。

3．3　城市年用气量的同比增长率分析

年用气量同比增长率是表示了城市年气用量在“环境”下发展变化的综合特征值，与城市的人文特点、社会经济发展变化、城市燃气发展变化息息相关。

如表1中，年用气量的同比增长率基本上在0.18～0.26之间变化，城市燃气发展速度快的ry较大，城市燃气发展速度缓慢的ry较小。从企业经营角度看，鼓励投资类城市燃气发展速度快，允许类城市燃气发展速度稳进，限制类城市燃气发展速度缓慢。而企业的经营调控意识来源于对城市社会经济发展状况的判断，即城市社会经济发展与燃气应用发展是相辅相成，相互制约的。

城市年用气量的预测方法

3．4　不同城市年用气量变化特征参数分析

采用平均温度代表城市的地理气候特征，地理气候特征不同，人们行为活动特点不同。社会发展情况与人口、经济规模相关，町用城市等级进行量化表示。燃气发展环境中投资环境体现出人的思想意识，当判断发展环境乐观，则投入更多的资金推进发展，当判断发展环境悲观，则尽可能阻止或延缓发展。用气性质表示的是城市主要用气用户类别，不同用户类别用气量随季节变化规律不同。是否集中采暖是用气量变化波动强弱的重要影响因素。用气量同比增长率ry、极限用气量Qylim以及极限用气量与初始用气量的比值刻画了燃气发展变化的全过程。

4　预测模型的实际应用

依据城市年用量预测模型，对20个城市2010年～2013年用气量进行预测，具体计算结果见表2。对80个相对误差的分布情况进行统计分析，具体计算结果见表3。

城市年用气量的预测方法

根据表3中的误差评价指标，对年用气量预测模型进行精度评价，从表3中数据显示，年用气量预测模型后验差小于0.35，小误差概率大于0.95，精度等级为一级优秀。

5　结论

(1)城市用气量变化具有“有限制增长”特点，天然气使用初期，用气量少且发展较慢，进入快速发展阶段，前期朋气量增长速度较快，后期用气量增长速度降低，发展到稳定期用气量平稳波动。

(2)基于逻辑斯蒂原理建立的城市年用气量预测模型，适用于城市燃气输配设施规划设计。通过城市年用气量极限值Qylim、年用气量同比增长率。以及极限用气量与初始用气量比值的确定，实现城市年用气量预测计算。

(3)对20个城市2011年～2013年用气量进行预测计算，平均相对误差为7％，模型后验差为0.335，小误差概率为0.966，精度等级为一级优秀。

参考文献

1 Mbamalu G A N．El-Hawary M E．Load forecasting viasutmptimal season models and iteratively reweighted least squares estimation[J]．PowerSystems，IEEE TIansation on．1993；8(1)：343-348

2 David R．Brillinger．Time Series Data Analysis and Theory[M]．California：University of California at Berkeley Berkeley，2001

3 Gottlieb，David，Orszag，Steven A．Numerical analysis of spectral methods：theory and applications(sixth printing)[M]．U．S．A：the Society for Industrial and Applied Mathematics,1993

4 Sahbi Farhani，MuhammadShahbaz，MohamedArouri，FrédéricTeulon．The role of natural gas consumption and trade in Tunisia’s output[J]．Energy Policy，2014；66：677-684

5 Himadri Shekhar Dey．Md．Ashfanoor Kabiry．Zia Wadudz．Shahidul Islain Khany．Md．AbulKalam Azad．Eeonometrie Modeling amt Forecasting of Natutal Gas Demand for Power Sector in Bangladesh[J]．TENCON 2011-2011 IEEE Region 10 Conference．2011：1383-1386

6 Ali Azadeh，Morteza Saberi，Seyed Mohammad Asadzadeh，Omar Khadeer Hnssain．Zahra Saberi．A neuro-fuzzymuhirariate algorithm for accurate ga s consumption estimation in South America with noisy inputs[J]．Electrical Power and Energy Systems，2013；46：315-325