城市液化石油气负荷预测方法研究.pdfVIP

城市液化石油气负荷预测方法研究 #§．*《女，枣女琪 {#十¨＆^≠#№科{SI#{R＆a430074) ■^*月#t月f^#{##№#$m{n荷自Ⅻ。 凳自E词：城市舟气*化i油气燃气盘荷翮方涪 ∞《#*月*∞口％BWo{B。ⅢU*“5自^A*∞$*≈f#$∞Ⅷ镕￡*{*T日’∞。 *性F±∞《Ⅻ偏i(＆月*棒女目*Ⅻm《％镕mEⅫ≮女月∞*#日目fk l燃气负荷历史资料 ±较女∞*§，％i日目i#％#精自《#。目1∞t十年$口#$#q＆月iE目。 …………7，Ⅷ}m 目1*#$#{￡i≈目 中国城市燃气论坛 ChinaGasForum City 从上图可以看出，液化石油气在2005年用量达到最大，随后开始减少；瓶装液化石油气的变化规律类似，在2004年 达到最大，2005年稍微减少，但是从2006年开始减少的比较明显。造成液化石油气用量减少的主要原因是2006年该城 市开始使用天然气。从2009年开始不再使用管道液化石油气。 2基千年份的预测模型 2．1差分自回归滑动平均模型 差分自回归滑动平均模型(Auto RegressionIntegratedMovingAverage，ARIMA)，模型有着很多优点，可以较好地 克服随机干扰问题，在旅游市场【41、移动话务【51等方面有着广泛的应用，故在此尝试采用该模型来进行液化石油气负荷 预测。 2．2最小二乘法模型 从图1可以看出液化石油气用气量的变化与年份的关系并不明显，但是这不代表该城市燃气总量《包括液化石油气和 天然气两部分)的变化与年份关系不明显。如果该城市燃气总量在某个时间区间不发生剧烈变化，那么我们能找出燃气总 量与年份的关系，预测出燃气总量后减去管道气{2005年之前管道气为管道液化石油气，2009年后管道气全部为天然 气)即为液化石油气用量。 ． 2．3混合预测模型 该城市居民用气量、商业用气量和工业用气量的发展规律各不相同，我们考虑采取分别预测的方法来降低预测误 差，然后进行用气量的汇总。 (1)居民用气量预测 分析近年来居民用气量负荷变化规律后，采用AutoRegression模型来预测居民用气量的变化发展。 (2)商业用气量预测 经过多种模型计算后发现Inverse模型的误差最小，故采用Inverse模型来预测商业用气量的变化发展。 (3)工业用气量预测 经过多种模型预测发现，Growth模型的预测相对来说比较准确，故采用Growth模型来预测工业用气量的变化发展。 3主成分分析模型 3．1影响因子的选择原则 在对某一问题进行实证研究中，为了全面、准确的反映这个问题，人们常常要考虑与其相关的多个影响因子，也就 是变量。影响因子的选择是建模的基础，它直接关系到模型的优劣。通常在建立模型时，都希望能够将对因变量有影响 的自变量考虑到模型中去，尽量避免遗漏重要的变量，造成模型预测结果与实际结果相偏离。从原则上讲，一个好的模 型应该包括所有有效的变量，而不包含任何无效变量。鉴于液化石油气用气量变化的复杂性，影响因素的多样化，预测 因子的选择应该是照顾全面的同时还要突出重点“。 液化石油气用气量预测研究考虑的是一个变化的自然社会和液化石油气组成的大系统，因此选择的影响因子就应该 能够及时更新，能够显示随时问变化的趋势。 从上述描述中可以看到，为了较准确地预测该城市液化石油气负荷，我们需要考虑尽可能多的影响因子，这样可以 避免遗漏重要的信息，但是随着影响因子的增多会增加研究问题的负载程度；另一方面由于各个影响因子都是对液化石 油气负荷的反映，不可避免的会造成信息的大量重叠，造成因子之间的共线性。因此我们希望在定量研究中涉及的因子 较少，而得到的信息量又较多。 主成分分析正是研究如何通过原始因子的