高紅燕，楊艷超，張 曦，王 丹，崔 瑜，解 峰

(1.陜西省氣象服務(wù)中心，陜西 西安 710014；2.秦嶺和黃土高原生態(tài)環(huán)境氣象重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710016；3.西安市秦華天然氣公司，陜西 西安 710075)

引 言

伴隨著社會經(jīng)濟(jì)的快速發(fā)展和環(huán)境保護(hù)的迫切需求，清潔能源的使用量大幅增加，天然氣成為了城市能源供應(yīng)的主要清潔能源之一。在城鎮(zhèn)居民生活和工商業(yè)煤改氣工程之后，天然氣的市場需求量大幅度增加[1]，空氣中的PM10明顯下降[2]。研究表明，天氣條件的變化對天然氣的消耗有直接影響，尤其在冬季供暖期氣溫驟降產(chǎn)生的“氣緊”現(xiàn)象更加突出[3-6]。天然氣屬于易燃易爆物品，運(yùn)輸和儲存均面臨許多困難，這為天然氣的使用帶來了挑戰(zhàn)。如何在冬季供暖高峰期避免“氣緊”且“保供”已成為城市燃?xì)夤芾聿块T亟需解決的問題，而供暖期燃?xì)庳?fù)荷的準(zhǔn)確預(yù)測是解決這一問題的關(guān)鍵，因此供暖期燃?xì)庳?fù)荷與氣象條件的關(guān)系及預(yù)測研究對城市燃?xì)夂侠怼氨９本哂兄匾默F(xiàn)實(shí)意義。

準(zhǔn)確預(yù)測燃?xì)庳?fù)荷是滿足城市天然氣供應(yīng)和保證燃?xì)馄髽I(yè)經(jīng)濟(jì)效益的必要條件。西方發(fā)達(dá)國家已經(jīng)開展了大量的城市燃?xì)庳?fù)荷應(yīng)用研究，燃?xì)庳?fù)荷的預(yù)測技術(shù)漸趨成熟[7-11]，許多能源企業(yè)開發(fā)了具有商業(yè)行為的燃?xì)庳?fù)荷預(yù)測系統(tǒng)和軟件，如丹麥的ESI(Energy Solutions International)公司開發(fā)了城市燃?xì)夤芫W(wǎng)負(fù)荷預(yù)測軟件[12]，該軟件通過輸入當(dāng)?shù)氐慕?jīng)濟(jì)、氣象、日期等數(shù)據(jù)，實(shí)現(xiàn)對未來天然氣需求的在線預(yù)測。與發(fā)達(dá)國家相比，我國的天然氣負(fù)荷預(yù)測方法研究起步較晚，但近十多年來也取得了重要進(jìn)展，如青島、大連、上海、杭州、天津等城市已相繼開展了城市燃?xì)庳?fù)荷規(guī)律及預(yù)測方法研究[13-18]。

目前，我國燃?xì)庳?fù)荷預(yù)測方法主要有三類：一是數(shù)理統(tǒng)計(jì)方法，主要采用回歸分析法、時(shí)間序列法等構(gòu)建預(yù)測模型，這類方法應(yīng)用比較普遍[19-21]；二是神經(jīng)網(wǎng)絡(luò)等人工智能方法[6,22]；三是組合算法[23-24]，將各種預(yù)測方法的優(yōu)勢加以整合的預(yù)測方法。以上三類預(yù)測方法各有優(yōu)缺點(diǎn)，數(shù)理統(tǒng)計(jì)法預(yù)測精度較高，便于計(jì)算，但預(yù)報(bào)準(zhǔn)確率對自變量(影響因子)的選取依賴性較大；人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法計(jì)算速度快，預(yù)報(bào)擬合效果較好，但整個預(yù)測過程為黑箱，無法對預(yù)測過程加以分析，業(yè)務(wù)化應(yīng)用難度較大；組合算法的準(zhǔn)確率取決于每一種預(yù)測方法的精度。無論哪種預(yù)測方法，影響因子的選取均直接影響燃?xì)庳?fù)荷預(yù)測的準(zhǔn)確性。另外，已有的燃?xì)庳?fù)荷預(yù)測模型大多基于實(shí)際燃?xì)庳?fù)荷與同期氣象要素之間的關(guān)系，很少考慮前一日燃?xì)庳?fù)荷對預(yù)測值的影響，也未分離不受氣象因子影響的基礎(chǔ)燃?xì)庳?fù)荷，以及缺乏氣溫、濕度、風(fēng)等氣象要素綜合指標(biāo)的考量，極大限制了預(yù)測方法的實(shí)際效果。為此，本文利用西安市燃?xì)庳?fù)荷和氣象要素資料，分析燃?xì)庳?fù)荷的時(shí)間變化規(guī)律，探討分離基礎(chǔ)燃?xì)庳?fù)荷后的供暖燃?xì)庳?fù)荷與前一日燃?xì)庳?fù)荷和同期氣象要素及其綜合指標(biāo)的相關(guān)關(guān)系，采用多元線性回歸分析方法，構(gòu)建西安市供暖期日燃?xì)庳?fù)荷動態(tài)預(yù)測模型，為當(dāng)?shù)靥烊粴夤竟┡诘暮侠碚{(diào)度提供科學(xué)參考。

1 資料與方法

1.1 資 料

所用資料包括：陜西省西安市天然氣公司生產(chǎn)調(diào)度中心提供的西安市2009年11月15日至2019年3月14日當(dāng)日08:00(北京時(shí)，下同)至次日08:00天然氣管道供應(yīng)的日燃?xì)庥昧?；陜西省氣象信息中心提供的西安?009年11月15日至2019年3月14日氣象要素逐日觀測資料，分別為最高氣溫、最低氣溫、平均氣溫、相對濕度、平均風(fēng)速、降水量。其中， 2010年11月16日至2018年3月14日供暖期的逐日燃?xì)庳?fù)荷及氣象資料用于構(gòu)建燃?xì)庳?fù)荷預(yù)測模型，而2018年11月16日至2019年3月14日供暖期的資料用于模型檢驗(yàn)評估。

氣溫日較差定義為最高氣溫減去最低氣溫；日變溫定義為當(dāng)日平均氣溫減去前一日平均氣溫。為確保資料年序的統(tǒng)一性、可比性，剔除閏年的2月29日，一年按365 d的時(shí)間序列計(jì)算分析，且從1月1日開始記為1，1月2日記為2，依次類推，12月31日記為365。供暖期的起始日為11月15日，即11月15日為供暖第1天，記為供暖1 ，11月16日為供暖第2天，記為供暖2，依次類推，結(jié)束日為次年3月15日，即3月14日為供暖最后一天，記為供暖120，供暖期共計(jì)120 d。由于供暖期的起止日期跨年度，故將供暖期的年份記為起始年，如2009年11月15日至2010年3月15日的供暖，記為2009年供暖期。燃?xì)庳?fù)荷是指實(shí)際燃?xì)庳?fù)荷，而供暖燃?xì)庳?fù)荷則是供暖期從實(shí)際燃?xì)庳?fù)荷中分離了基礎(chǔ)燃?xì)庳?fù)荷的部分。

1.2 供暖燃?xì)庳?fù)荷的提取

由于燃?xì)庳?fù)荷資料時(shí)段是2009年11月15日至2019年3月14日，因此統(tǒng)計(jì)了2010年1月1日至2018年12月31日燃?xì)庳?fù)荷逐日演變，發(fā)現(xiàn)西安市非供暖期的燃?xì)庳?fù)荷變化平穩(wěn)且量值較低，而供暖期的燃?xì)庳?fù)荷變化幅度大、量值高并呈單峰型分布[圖1(a)]。

從2009—2018年供暖期和非供暖期的年平均燃?xì)庳?fù)荷[圖1(b)]來看，近10 a西安市供暖期燃?xì)庳?fù)荷呈明顯持續(xù)增加趨勢，這印證了燃?xì)庳?fù)荷變化與西安市的經(jīng)濟(jì)發(fā)展、人口增加及燃?xì)庵鸩饺〈济旱让懿豢煞?，而非供暖期的燃?xì)庳?fù)荷年際波動較小。因此，將非供暖期的平均燃?xì)庳?fù)荷作為當(dāng)年的基礎(chǔ)燃?xì)庳?fù)荷(即4—10月日燃?xì)庳?fù)荷平均值)，去除3月后半月和11月前半月未供暖時(shí)部分小區(qū)和居民提前(推后)自行供暖對基礎(chǔ)燃?xì)庳?fù)荷的影響，則供暖期燃?xì)庳?fù)荷與基礎(chǔ)燃?xì)庳?fù)荷之差視為供暖燃?xì)庳?fù)荷。

圖1 西安市平均燃?xì)庳?fù)荷逐日變化(a)和供暖期、非供暖期燃?xì)庳?fù)荷年際變化(b)Fig.1 The daily variation of average gas load (a) and inter-annual changes of gas load in heating period and non-heating period (b) in Xi’an of Shaanxi Province

1.3 供暖期燃?xì)庳?fù)荷預(yù)測方法

基于2010—2018年供暖期的氣溫、相對濕度、降水量、風(fēng)速等氣象數(shù)據(jù)和供暖燃?xì)庳?fù)荷，采用相關(guān)分析方法，篩選出對供暖燃?xì)庳?fù)荷有顯著影響的因子作為自變量，通過多元線性回歸分析方法，構(gòu)建供暖燃?xì)庳?fù)荷預(yù)測模型，并與基礎(chǔ)燃?xì)庳?fù)荷相加，得到供暖期燃?xì)庳?fù)荷，表達(dá)式如下：

Pj(t)=b+a1x1(t)+a2x2(t)+

a3x3(t)+…

(1)

Lj(t)=Pj(t)+Bj

(2)

式中：Pj(t)(萬m3)為第j年供暖第t天的供暖燃?xì)庳?fù)荷預(yù)測值；j、t分別為年序列和供暖日序列；x1(t)、x2(t)、x3(t)、…為自變量同年第t天的值；b為常數(shù)；a1、a2、a3、…為自變量的回歸系數(shù)；Lj(t)(萬m3)為第j年供暖第t天的供暖期燃?xì)庳?fù)荷預(yù)測值；Bj(萬m3)為第j年的基礎(chǔ)燃?xì)庳?fù)荷。

2 西安市供暖期燃?xì)庳?fù)荷特征

2.1 燃?xì)庳?fù)荷年、日際變化特征

氣溫是供暖期燃?xì)庳?fù)荷的重要影響因子。圖2(a)為西安市2009—2018年供暖期燃?xì)庳?fù)荷和平均氣溫的逐日變化?？梢钥闯?，各年份供暖期的日燃?xì)庳?fù)荷和日平均氣溫均表現(xiàn)為單峰型變化特征，日燃?xì)庳?fù)荷與日平均氣溫呈反位相；近10 a來供暖期燃?xì)庳?fù)荷和平均氣溫整體呈波動增加趨勢，氣候傾向率分別為5.7萬m3·(10 a)-1和0.022 ℃·(10 a)-1，均通過α=0.01的顯著性檢驗(yàn)，但平均氣溫的上升幅度明顯小于燃?xì)庳?fù)荷。

為進(jìn)一步了解供暖期燃?xì)庳?fù)荷與氣溫的關(guān)系，對2009—2018年供暖期日燃?xì)庳?fù)荷、平均氣溫進(jìn)行多年平均[圖2(b)]，發(fā)現(xiàn)供暖期平均日燃?xì)庳?fù)荷呈單峰型波動變化，隨著11月15日供暖的開始，燃?xì)庳?fù)荷逐日波動增加，1月達(dá)到峰值，隨后開始波動減少；供暖期平均日燃?xì)庳?fù)荷變化與平均氣溫變化呈顯著反相關(guān)，即氣溫低時(shí)燃?xì)庳?fù)荷多，氣溫高時(shí)燃?xì)庳?fù)荷少，氣溫的谷值基本對應(yīng)燃?xì)庳?fù)荷的峰值。可見，氣溫的高低基本決定了供暖期燃?xì)庳?fù)荷的多寡。

圖2 2009—2018年西安市供暖期燃?xì)庳?fù)荷和平均氣溫逐年(a)及多年平均(b)日變化Fig.2 The daily changes of gas load and average temperature in heating period in each year (a) and their multi-year mean daily changes (b) from 2009 to 2018 in Xi’an of Shaanxi Province

2.2 燃?xì)庳?fù)荷節(jié)日及其前后變化特征

供暖期燃?xì)庳?fù)荷除與氣溫、人口數(shù)量、經(jīng)濟(jì)發(fā)展等顯著相關(guān)外，還受節(jié)假日、工作日、雙休日的影響，在西安市供暖期間的節(jié)日有元旦、春節(jié)2個國家法定節(jié)日。從圖3(a)看出，元旦的燃?xì)庳?fù)荷比前后7 d均偏少，平均偏少1.2%，節(jié)前燃?xì)庳?fù)荷變化幅度較小，元旦因放假燃?xì)庳?fù)荷顯著降低，節(jié)后1～2 d還處于假期階段，燃?xì)庳?fù)荷增加緩慢，與節(jié)前相近，而3 d以后燃?xì)庳?fù)荷增加明顯，這還與氣溫降低有關(guān)。春節(jié)長假定為除夕到初六。與前后7 d平均比較，春節(jié)7 d長假燃?xì)庳?fù)荷的節(jié)日效應(yīng)比元旦更為明顯，春節(jié)假期燃?xì)庳?fù)荷降幅達(dá)12.2%，春節(jié)的燃?xì)庳?fù)荷比節(jié)前明顯減少，正月初三降至最低，隨后逐漸增加，增加幅度小于節(jié)前減少幅度[圖3(b)]。由于春節(jié)是農(nóng)歷節(jié)日，2010—2018年供暖期間春節(jié)假期有5 a出現(xiàn)在2月，3 a出現(xiàn)在1月底到2月初，1 a出現(xiàn)在1月，除供暖外春節(jié)長假工業(yè)停產(chǎn)、部分餐飲歇業(yè)、部分人員返鄉(xiāng)或探親等原因?qū)е麓汗?jié)燃?xì)庳?fù)荷明顯減少。從供暖期工作日與雙休日的平均燃?xì)庳?fù)荷[圖3(c)]來看，供暖期燃?xì)庳?fù)荷存在一定的周末效應(yīng)，工作日燃?xì)庳?fù)荷值較高且波動不大，周一負(fù)荷值最高，周四次高，而雙休日負(fù)荷值明顯降低，周六負(fù)荷值最低，雙休日平均燃?xì)庳?fù)荷比工作日偏少1.4 %，與元旦假期效應(yīng)接近。上述分析可見，供暖期間節(jié)假日時(shí)間越長，對燃?xì)庳?fù)荷的影響越大，節(jié)日效應(yīng)越明顯。

圖3 西安市元旦(a)、春節(jié)假期(b)及其前后和供暖期一周(c)燃?xì)庳?fù)荷逐日變化Fig.3 The daily variation of gas load in New Year (a) and Spring Festival holidays (b) and their around and a week in heating period (c) in Xi’an of Shaanxi Province

2.3 燃?xì)庳?fù)荷影響因子及預(yù)測模型

2.3.1 影響因子的選取

燃?xì)庳?fù)荷的長期變化主要受經(jīng)濟(jì)發(fā)展、居住人口、氣候變化等多種因素的影響，而短期變化主要受天氣變化的影響。本文只針對供暖期日燃?xì)庳?fù)荷進(jìn)行預(yù)測，日燃?xì)庳?fù)荷的預(yù)測是在前一日燃?xì)庳?fù)荷基礎(chǔ)上結(jié)合氣象因子變化展開的，因此影響因子重點(diǎn)圍繞氣象因子和前一日燃?xì)庳?fù)荷，并與燃?xì)庳?fù)荷做雙變量相關(guān)分析，將相關(guān)性通過α=0.01顯著性檢驗(yàn)的作為影響因子。影響供暖期燃?xì)庳?fù)荷最重要的氣象因子是氣溫，故選取最高氣溫、最低氣溫、平均氣溫、日變溫、日較差5個變量，其他氣象因子選取相對濕度、降水量、風(fēng)速等作為次要因子。在氣溫不變情況下，濕度和風(fēng)速越大，人體感溫度越低，因此引入人體舒適度指數(shù)和寒冷指數(shù)。人體舒適度指數(shù)綜合了氣溫、濕度、風(fēng)速，而寒冷指數(shù)綜合了氣溫和風(fēng)速，計(jì)算公式[25]如下：

K=1.8Tave-0.55(1.8Tave-26)×

(3)

(4)

式中：K為人體舒適度指數(shù)；Q為寒冷指數(shù)；Tave(℃)為平均氣溫；RH(%)為平均相對濕度；u(m·s-1)為平均風(fēng)速。

對上述10個氣象因子及前一日燃?xì)庳?fù)荷與供暖期燃?xì)庳?fù)荷和供暖燃?xì)庳?fù)荷分別做雙變量相關(guān)分析，篩選出前一日燃?xì)庳?fù)荷、最高氣溫、最低氣溫、平均氣溫、人體舒適度指數(shù)5個顯著相關(guān)的因子。由表1可見，西安市供暖期燃?xì)庳?fù)荷、供暖燃?xì)庳?fù)荷與前一日燃?xì)庳?fù)荷呈顯著正相關(guān)，相關(guān)系數(shù)均達(dá)0.98以上，表明前一日的燃?xì)庳?fù)荷對當(dāng)日燃?xì)庳?fù)荷的預(yù)測有重要參考價(jià)值，而燃?xì)庳?fù)荷與氣溫和人體舒適度均呈顯著負(fù)相關(guān)；分離了基礎(chǔ)燃?xì)庳?fù)荷后的供暖燃?xì)庳?fù)荷與各氣象因子的相關(guān)性明顯增強(qiáng)，相關(guān)系數(shù)均提高20%以上，尤其與人體舒適度指數(shù)的相關(guān)系數(shù)提高2倍以上，相關(guān)性最好的氣象因子是平均氣溫，其次是最高氣溫，表明基礎(chǔ)燃?xì)庳?fù)荷對供暖期燃?xì)庳?fù)荷有一定的干擾性，因此以供暖燃?xì)庳?fù)荷與影響因子建立預(yù)測模型的可靠性更高。

表1 西安市供暖期燃?xì)庳?fù)荷、供暖燃?xì)庳?fù)荷與敏感因子的相關(guān)系數(shù)Tab.1 Correlation coefficients between gas load, heating gas load and sensitivity factors in heating period in Xi’an of Shaanxi Province

為進(jìn)一步分析供暖期上述5個影響因子與供暖燃?xì)庳?fù)荷的線性關(guān)系，繪制了散點(diǎn)圖(圖4)?？梢钥闯觯靼彩泄┡?xì)庳?fù)荷與前一日燃?xì)庳?fù)荷的散點(diǎn)基本在回歸線附近上下波動，離散度非常小，而與最高氣溫、平均氣溫、最低氣溫、人體舒適度指數(shù)的散點(diǎn)雖然在回歸線上下波動，但離散度比前一日燃?xì)庳?fù)荷明顯偏大。

圖4 西安市供暖燃?xì)庳?fù)荷與影響因子散點(diǎn)圖(a)前一日燃?xì)庳?fù)荷，(b)最高氣溫，(c)最低氣溫，(d)平均氣溫，(e)人體舒適度指數(shù)Fig.4 Scatter diagrams between heating gas load and impact factors in Xi’an of Shaanxi Province(a) gas load on previous day, (b) the maximum temperature, (c) the minimum temperature,(d) average temperature, (e) comfortable degree of human body

2.3.2 預(yù)測模型的建立

由于預(yù)測模型用到供暖起始日前一日(11月14日)的燃?xì)庳?fù)荷值，而11月14日尚未開始供暖，因此選取2010—2017年供暖期(11月16日至次年3月14日)的燃?xì)庳?fù)荷及上述4個氣象影響因子數(shù)據(jù)，根據(jù)公式(1)，建立西安市供暖期日供暖燃?xì)庳?fù)荷動態(tài)預(yù)測模型。

前面分析可知，元旦、春節(jié)和周末存在著節(jié)假日、周末效應(yīng)，元旦和雙休日對燃?xì)庳?fù)荷影響較小，而春節(jié)的假日效應(yīng)影響明顯，為了便于業(yè)務(wù)應(yīng)用，在建立預(yù)測模型時(shí)元旦和雙休日的影響不予考慮。春節(jié)基本出現(xiàn)在1—2月，根據(jù)公式(1)建立預(yù)測模型時(shí)，分別剔除或不剔除春節(jié)時(shí)段數(shù)據(jù)，經(jīng)檢驗(yàn)兩者無明顯差異。因此，構(gòu)建供暖燃?xì)庳?fù)荷預(yù)測模型時(shí)不考慮節(jié)假日和雙休日的影響，但在業(yè)務(wù)應(yīng)用中根據(jù)影響規(guī)律在節(jié)假日對燃?xì)庳?fù)荷預(yù)測值可酌情調(diào)整。通過對預(yù)測模型檢驗(yàn)，發(fā)現(xiàn)氣溫較高時(shí)會干擾模型的準(zhǔn)確率，當(dāng)日最高氣溫Tmax≥20 ℃且平均氣溫Tave>10 ℃時(shí)(基本出現(xiàn)在2月中旬以后)，燃?xì)庥昧棵黠@減少，建模時(shí)需剔除Tmax≥20 ℃的干擾樣本(占總樣本的1%)，剔除后的模型預(yù)測準(zhǔn)確率明顯提高。供暖燃?xì)庳?fù)荷預(yù)測模型如下：

Pj(t)=18.383+0.97Lj(t-1)-

0.431Tmax(t)-8.353Tmin(t)+

10.468Tave(t)+1.004K(t)

(5)

式中：Lj(t-1)為第j年第t天預(yù)報(bào)日的前一天燃?xì)庳?fù)荷量；Tmax(t)、Tmin(t)、Tave(t)分別為同年第t天預(yù)報(bào)日的最高氣溫、最低氣溫、平均氣溫預(yù)報(bào)值；K(t)為同年第t天預(yù)報(bào)日的人體舒適度指數(shù)預(yù)報(bào)值。在此基礎(chǔ)上，根據(jù)公式(2)，獲得供暖期燃?xì)庳?fù)荷預(yù)測值。

2.4 預(yù)測模型檢驗(yàn)

利用未參與模型構(gòu)建的2018年供暖期(2018年11月16日至2019年3月14日)燃?xì)庳?fù)荷和氣象影響因子實(shí)況值，對供暖期燃?xì)庳?fù)荷預(yù)測模型進(jìn)行檢驗(yàn)，評估模型的預(yù)測能力，檢驗(yàn)公式如下：

(6)

式中：Er(%)為相對誤差；Pi、Li(萬m3)分別為第i個檢驗(yàn)樣本的預(yù)測值和實(shí)際值；n為檢驗(yàn)樣本總數(shù)。

圖5是西安市2018年供暖期燃?xì)庳?fù)荷預(yù)測值與實(shí)際消耗量對比及檢驗(yàn)?？梢钥闯?，西安市2018年供暖期實(shí)際燃?xì)庳?fù)荷在737～1658萬m3之間，預(yù)測值為720～1711萬m3，預(yù)報(bào)值圍繞實(shí)際值上下波動[圖5(a)]，預(yù)測效果較好。經(jīng)檢驗(yàn)[圖5(b)]，2018年供暖期燃?xì)庳?fù)荷預(yù)報(bào)值與實(shí)際燃?xì)庳?fù)荷的相對誤差為3.4%，其中97.5%的檢驗(yàn)樣本的相對誤差在10%以內(nèi)，79%的檢驗(yàn)樣本的相對誤差在5%以內(nèi)；在用氣高峰期的2018年12月27日至2019年1月18日，日燃?xì)庥昧烤^1500萬m3，預(yù)測值與實(shí)際值的相對誤差為2.77%，準(zhǔn)確率明顯提高，預(yù)測最大誤差、最大相對誤差分別為94.3萬m3、6.1%。另外，相對誤差大于10%的樣本只出現(xiàn)3 d，分別是2019年2月5日、3月9日、3月13日。分析發(fā)現(xiàn)，這3 d均處在非用氣高峰時(shí)段且氣溫波動大。究其原因，當(dāng)日均比前一日氣溫有不同程度的降低，2月5日(正月初一)是春節(jié)假期，除降溫影響外，還可能是節(jié)日效應(yīng)所致；3月9日、13日臨近停暖日，壁掛爐取暖住戶因氣溫變化停止或增大供暖，從而影響預(yù)測的準(zhǔn)確性。

綜上所述，預(yù)測模型在用氣高峰期的相對誤差為2.77%。經(jīng)對西安市天然氣公司的走訪調(diào)研，當(dāng)供暖期預(yù)測值與實(shí)際燃?xì)庳?fù)荷的誤差在100萬m3以內(nèi)，均在調(diào)度可控范圍內(nèi)，該預(yù)測模型可用于供暖期天然氣的生產(chǎn)調(diào)度。

3 結(jié)論和討論

(1)西安市供暖期燃?xì)庳?fù)荷具有明顯的逐年增加趨勢，這與城市快速發(fā)展密不可分。供暖期燃?xì)庳?fù)荷變化除了與城市發(fā)展有關(guān)外，還主要依賴于氣溫變化，而非供暖期燃?xì)庳?fù)荷隨時(shí)間變化不明顯；燃?xì)庳?fù)荷具有明顯的節(jié)假日效應(yīng)，節(jié)假日時(shí)間的長短對燃?xì)庳?fù)荷的影響程度不同，節(jié)日時(shí)間越長影響越明顯。

(2)供暖期燃?xì)庳?fù)荷與前一日燃?xì)庳?fù)荷呈顯著正相關(guān)，而與氣溫(平均氣溫及最高、最低氣溫)、人體舒適度指數(shù)呈顯著負(fù)相關(guān)，氣溫越高，燃?xì)庳?fù)荷越少，反之燃?xì)庳?fù)荷越多；分離基礎(chǔ)燃?xì)庳?fù)荷后的供暖燃?xì)庳?fù)荷與4個氣象影響因子的相關(guān)系數(shù)明顯增大，尤其與人體舒適度指數(shù)的相關(guān)系數(shù)增大更為顯著。

(3)應(yīng)用多元線性回歸分析方法，考慮前一日燃?xì)庳?fù)荷和當(dāng)日最高、最低、平均氣溫及人體舒適度指數(shù)建立的供暖期日燃?xì)庳?fù)荷預(yù)測模型，經(jīng)2018年供暖期檢驗(yàn)評估，平均相對誤差為3.4%，用氣高峰期的相對誤差為2.77%，預(yù)測效果較好，可用于實(shí)際業(yè)務(wù)中。

在燃?xì)庳?fù)荷模型檢驗(yàn)中氣象因子使用的是實(shí)況值，而在實(shí)際業(yè)務(wù)中應(yīng)用的是預(yù)報(bào)值，因此上述氣象因子的預(yù)報(bào)準(zhǔn)確率直接影響燃?xì)庳?fù)荷預(yù)測準(zhǔn)確率。本文從前一日燃?xì)庳?fù)荷、氣象因子變化對供暖燃?xì)庳?fù)荷的影響出發(fā)，構(gòu)建了供暖期燃?xì)庳?fù)荷預(yù)測模型，雖然預(yù)測模型疊加了一些綜合因子，分離了基礎(chǔ)燃?xì)庳?fù)荷，但實(shí)際燃?xì)庳?fù)荷的變化機(jī)制更為復(fù)雜，是多種因子的綜合效應(yīng)，今后研究中還需考慮其他方法，選取更優(yōu)的預(yù)測模型應(yīng)用于實(shí)際業(yè)務(wù)中，不斷提高模型的預(yù)測水平。