论文部分内容阅读
摘 要：如何预测不同用户、不同时间段的天然气需求量是天然气用户管理和调度部门关注的重点。文章首先通过对多种预测方法进行分析和研究，在此基础上优选出适合天然气需求量预测的方法并给出实例进行验证，对有关部门如何进行天然气需求的分配具有一定的参考性。
关键词：天然气需求 预测 模型
众所周知，天然气用户种类及数量众多，各种用户的用气目的、用气高峰时间及用气量均有所不同。同时，气源产气和用户用气的不稳定性也使得天然气管网系统经常处于不稳定状况，使调度部门需要经常采取应急措施，调节和调度各个用户和场站的压力及流量。在这种情况下，如果能够提前了解或预测到各个用户的用气量，不仅可以帮助天然气管网管理部门合理并高效地调运各个气源和用户的用气量，安全且高效地运营天然气市场的供给和需求，并且可以为营销部门制定供气计划提供一定的参考。因此，如何预测不同用户、不同时间段的天然气需求量是天然气用户管理和调度部门关注的重点，因而有必要分析和研究多种需求预测方法，充分利用已有的数据库系统中的历史数据，优选出适合预测天然气用户用气量的简单可行的模型。
一、相关预测方法的比较分析
在研究灰色预测方法、弹性预测法、能源强度法、趋势外推法等算法实用性和参数复杂性的基础上，得知这些算法在一定的条件下、在复杂的参数设计中可以有较高的精度，但求解过程、调节参数和所需的对象信息过于复杂化，不适合实际操作。各种方法的简单比较如下：
回归分析法的优点是：预测的结果比较可信，可以给出预测结果的置信区间以及置信度；能运用相关的数理统计方法对得到的回归方程进行统计检验。缺点是：假设个数据对预测对象的影响程度是相同的，不符合实际情况；回归变量选取的主要和次要因素在实际建立模型时不易把握。此种方法适用于天然气中长期预测。
移动平均法的优点是：方法简单实用且应用很普遍。缺点是：没有考虑到时间先后对预测值的影响，会出现滞后偏差。这种方法适宜应用于短期预测。
趋势外推法的优点是：简单实用，其关键在于充分利用历史数据来判断出数据具有的是何种趋势；不需要对数据中的随机成分进行统计分析。缺点是：这种方法通常需要积累和掌握历史统计数据，且预测结果与实际值的偏差比较大。它主要适用于中长期和短期预测。
灰色预测方法的优点是：方法简便易行而且预测精度比较高，且所需数据量不大，不必考虑历史数据的分布规律。缺点是：其预测误差随着历史数据的离散程度增大而增大，预测的时间越长，误差也会越大。这种方法适用于中长期预测。
能源强度法的优点是：考虑了天然气需求与经济发展的关系，并且计算过程简单方便。缺点表现在：其参数获取难度比较大，对企业层面的预测效果比较差。一般情况下适用于宏观问题中期预测，对于天然气用户需求量的预测不适用。
弹性系数预测法的优点是：计算过程的简单和方便，且考虑了天然气消费量变化与经济增长量变化的关系。缺点表现在：该预测的弹性系数估计值不好确定。可见这种方法与能源强度法颇为相似，也是主要适用于宏观层面的天然气中长期需求的预测，不适用于天然气用户需求量的预测。
因而本文对用户的中、短期需求预测模型采用回归分析法、移动平均法、算术平均法，长期预测选择回归分析法。并在建立模型的过程中结合实际需要对这两类方法进行改进，同时通过对不同类型用户的用气量历史数据的分析，找出用气量数据的规律，尽量以简单、可行的预测思路和方法建立各类用户的需求预测模型，以此预测各类用户的年、月用气量。
二、实例计算
由于天然气用户的种类不同，他们的用气规律也有所不同，因而对于不同类用户所采取的需求预测模型也有所差异，如对于城市燃气类用户用气量的模型。表1是某城市燃气有限公司近四年来的用气量数据表。
针对城市燃气类用户的特点，建立城市燃气类用户年、月、日用气量预测模型的步骤如下：
（一）年用气量的预测模型
分析用户历年来的年用气量数据，选取一元线性回归的方法建立用户年用气量的预测模型。即有：
y=a+bx+ε ①
通过对表1的数据拟合，可以得到此用户的一元线性回归的模型如下所示：
y=5329.6x+21041
通过上式可以计算出该城市燃气用户2007年的年用气量预测值为5.8348亿立方米，已知该用户2007年的实际用气量约为5.62亿立方米，可以得出预测值与实际值的相对误差是3.7%，可见采用的预测模型是有效的。
（二）月用气量的预测模型
分析该城市燃气类用户的月用气量，采用一元线性回归方法建立该用户的月用气量预测模型。即有：
yi=ai+bixi （i=1，2，…，12） ②
其中，yi为第i个月的一元线性回归模型预测值；xi为第i个月的一元线性回归模型的自变量；ai、bi为第i个月的一元线性回归模型系数。
本文选取1月份、4月份、6月份、10月份、12月份的数据用一元线性回归方法进行数据拟合，列出预测模型并计算得出结果如下表2所示。
由以上结果可以看出，预测值与实际值的误差的绝对值较小，还是可以满足工程要求的。
三、结论
回归分析法的优点是：预测的结果比较可信，可以给出预测结果的置信区间以及置信度；能运用相关的数理统计方法对得到的回归方程进行统计检验。缺点是：假设个数据对预测对象的影响程度是相同的，不符合实际情况；回归变量选取的主要和次要因素在实际建立模型时不易把握。此种方法适用于天然气中长期预测。
虽然采用回归分析法的计算结果还是比较满意，但不一定是解决此问题的最优模型，在以后的研究中将深入学习，深入研究并比较不同的模型在这个课题上的适用性，力争找到更为优化的方法。
另外，由于天然气用户需求量的不确定性会带来风险，因此还可以考虑将风险与预测结合起来考虑，从而提高预测的准确性。
（作者单位：西南石油大学经济管理学院）
【参考文献】
1、周志斌,杨毅.天然气管网运营安全与效益优化模型研究[M].石油工业出版社,2009.
2、冯良等.上海天然气市场需求模型构建与计量分析[J].天然气工业,2009(2).
3、李伟等.我国天然气消费利用现状和发展趋势[J].中外能源,2010(5).
4、汪玉春,李建明等.天然气消费需求动态预测新方法[J].石油规划设计,1999(5).
关键词：天然气需求 预测 模型
众所周知，天然气用户种类及数量众多，各种用户的用气目的、用气高峰时间及用气量均有所不同。同时，气源产气和用户用气的不稳定性也使得天然气管网系统经常处于不稳定状况，使调度部门需要经常采取应急措施，调节和调度各个用户和场站的压力及流量。在这种情况下，如果能够提前了解或预测到各个用户的用气量，不仅可以帮助天然气管网管理部门合理并高效地调运各个气源和用户的用气量，安全且高效地运营天然气市场的供给和需求，并且可以为营销部门制定供气计划提供一定的参考。因此，如何预测不同用户、不同时间段的天然气需求量是天然气用户管理和调度部门关注的重点，因而有必要分析和研究多种需求预测方法，充分利用已有的数据库系统中的历史数据，优选出适合预测天然气用户用气量的简单可行的模型。
一、相关预测方法的比较分析
在研究灰色预测方法、弹性预测法、能源强度法、趋势外推法等算法实用性和参数复杂性的基础上，得知这些算法在一定的条件下、在复杂的参数设计中可以有较高的精度，但求解过程、调节参数和所需的对象信息过于复杂化，不适合实际操作。各种方法的简单比较如下：
回归分析法的优点是：预测的结果比较可信，可以给出预测结果的置信区间以及置信度；能运用相关的数理统计方法对得到的回归方程进行统计检验。缺点是：假设个数据对预测对象的影响程度是相同的，不符合实际情况；回归变量选取的主要和次要因素在实际建立模型时不易把握。此种方法适用于天然气中长期预测。
移动平均法的优点是：方法简单实用且应用很普遍。缺点是：没有考虑到时间先后对预测值的影响，会出现滞后偏差。这种方法适宜应用于短期预测。
趋势外推法的优点是：简单实用，其关键在于充分利用历史数据来判断出数据具有的是何种趋势；不需要对数据中的随机成分进行统计分析。缺点是：这种方法通常需要积累和掌握历史统计数据，且预测结果与实际值的偏差比较大。它主要适用于中长期和短期预测。
灰色预测方法的优点是：方法简便易行而且预测精度比较高，且所需数据量不大，不必考虑历史数据的分布规律。缺点是：其预测误差随着历史数据的离散程度增大而增大，预测的时间越长，误差也会越大。这种方法适用于中长期预测。
能源强度法的优点是：考虑了天然气需求与经济发展的关系，并且计算过程简单方便。缺点表现在：其参数获取难度比较大，对企业层面的预测效果比较差。一般情况下适用于宏观问题中期预测，对于天然气用户需求量的预测不适用。
弹性系数预测法的优点是：计算过程的简单和方便，且考虑了天然气消费量变化与经济增长量变化的关系。缺点表现在：该预测的弹性系数估计值不好确定。可见这种方法与能源强度法颇为相似，也是主要适用于宏观层面的天然气中长期需求的预测，不适用于天然气用户需求量的预测。
因而本文对用户的中、短期需求预测模型采用回归分析法、移动平均法、算术平均法，长期预测选择回归分析法。并在建立模型的过程中结合实际需要对这两类方法进行改进，同时通过对不同类型用户的用气量历史数据的分析，找出用气量数据的规律，尽量以简单、可行的预测思路和方法建立各类用户的需求预测模型，以此预测各类用户的年、月用气量。
二、实例计算
由于天然气用户的种类不同，他们的用气规律也有所不同，因而对于不同类用户所采取的需求预测模型也有所差异，如对于城市燃气类用户用气量的模型。表1是某城市燃气有限公司近四年来的用气量数据表。
针对城市燃气类用户的特点，建立城市燃气类用户年、月、日用气量预测模型的步骤如下：
（一）年用气量的预测模型
分析用户历年来的年用气量数据，选取一元线性回归的方法建立用户年用气量的预测模型。即有：
y=a+bx+ε ①
通过对表1的数据拟合，可以得到此用户的一元线性回归的模型如下所示：
y=5329.6x+21041
通过上式可以计算出该城市燃气用户2007年的年用气量预测值为5.8348亿立方米，已知该用户2007年的实际用气量约为5.62亿立方米，可以得出预测值与实际值的相对误差是3.7%，可见采用的预测模型是有效的。
（二）月用气量的预测模型
分析该城市燃气类用户的月用气量，采用一元线性回归方法建立该用户的月用气量预测模型。即有：
yi=ai+bixi （i=1，2，…，12） ②
其中，yi为第i个月的一元线性回归模型预测值；xi为第i个月的一元线性回归模型的自变量；ai、bi为第i个月的一元线性回归模型系数。
本文选取1月份、4月份、6月份、10月份、12月份的数据用一元线性回归方法进行数据拟合，列出预测模型并计算得出结果如下表2所示。
由以上结果可以看出，预测值与实际值的误差的绝对值较小，还是可以满足工程要求的。
三、结论
回归分析法的优点是：预测的结果比较可信，可以给出预测结果的置信区间以及置信度；能运用相关的数理统计方法对得到的回归方程进行统计检验。缺点是：假设个数据对预测对象的影响程度是相同的，不符合实际情况；回归变量选取的主要和次要因素在实际建立模型时不易把握。此种方法适用于天然气中长期预测。
虽然采用回归分析法的计算结果还是比较满意，但不一定是解决此问题的最优模型，在以后的研究中将深入学习，深入研究并比较不同的模型在这个课题上的适用性，力争找到更为优化的方法。
另外，由于天然气用户需求量的不确定性会带来风险，因此还可以考虑将风险与预测结合起来考虑，从而提高预测的准确性。
（作者单位：西南石油大学经济管理学院）
【参考文献】
1、周志斌,杨毅.天然气管网运营安全与效益优化模型研究[M].石油工业出版社,2009.
2、冯良等.上海天然气市场需求模型构建与计量分析[J].天然气工业,2009(2).
3、李伟等.我国天然气消费利用现状和发展趋势[J].中外能源,2010(5).
4、汪玉春,李建明等.天然气消费需求动态预测新方法[J].石油规划设计,1999(5).