天然氣日供氣量變化規律和影響因素研究

2024-01-04 06:50:18姜懿蕓李興泉劉啟全

煤氣與熱力 2023年12期

姜懿蕓, 李興泉, 劉南, 劉啟全

(1.山東省能源建筑設計院,山東濟南 250101;2.山東建筑大學熱能工程學院,山東濟南 250101;3.河北誠信集團有限公司,河北石家莊 051130)

1 概述

對天然氣日供氣量(簡稱日供氣量)影響因素和變化規律展開研究,不僅對滿足用氣需求和優化調度有一定指導作用,而且對今后的天然氣規劃編制、調峰方案的合理制訂都有一定參考價值。

鄒祥等人[1]指出用戶側用氣量的準確預測是天然氣生產及管網運行調度的前提,提出一種基于歷史數據的天然氣用氣量智能預測方法。杜景勃[2]指出由于影響因素考慮不足或引入過多,造成模型預測效果不佳,通過分析天然氣日負荷特性,篩選主要影響因素,開發了可供工程應用的負荷預測軟件。申欣[3]深入分析城市燃氣用戶用氣行為,總結不同時間尺度下城市燃氣的負荷影響因素,提出一種城市燃氣負荷預測框架,并結合G燃氣公司氣源成本價格以及安全保供的責任要求,提出G燃氣公司短期、中長期資源采購策略。

本文收集J市(位于華東地區)門站歷史日供氣量數據,確定日供氣量的影響因素,對不同影響因素下的日供氣量變化規律進行分析與研究。

2 日供氣量變化特性

2.1 周期性

隨著天然氣行業快速發展,天然氣用戶逐年增多,日供氣量也隨時間發生變化,圖1繪制了2016年1月1日至2022年1月1日J市的日供氣量曲線。

圖1 2016年1月1日至2022年1月1日J市日供氣量變化曲線

由圖1可以看出,2016-2021年期間,J市每年的日供氣量呈現的變化趨勢一致,均為先減少后增加,總體呈U形,這是受氣候影響所致,冬季天氣寒冷,供暖和燃氣熱水器的使用使天然氣負荷增大。此外,還可以觀察到日供氣量呈逐年遞增趨勢。

2.2 不均勻性

通過對J市供氣量數據進行分析,發現各月供氣存在較大的不均勻性。計算得到月不均勻系數,見圖2。

圖2 2021年J市月不均勻系數

圖2較好反映出一年中不同月份、不同季度供氣量的不均勻性。由圖2可知,1月月不均勻系數最高,5月、8月最低;總體來看,第1、4季度月不均勻系數高,第2、3季度月不均勻系數低。

2.3 突變性

以2016-2021年J市37個不包括重要節假日的星期的日供氣量為研究對象,計算不同星期日期的平均日供氣量,見圖3。

圖3 2016-2021年J市不同星期日期的平均日供氣量

由圖3可以看出,周末平均日供氣量低于工作日平均日供氣量,周一到周五的平均日供氣量的平均值比周六、周日的平均日供氣量的平均值高4.44%,表明工作日和周末給日供氣量帶來的影響是普遍的。

我國法定節假日包括元旦、春節、清明節、勞動節、端午節、中秋節、國慶節。通過進行2021年法定節假日與非法定節假日的日供氣量對比(見圖4),對日供氣量進行分析。

圖4 2021年法定節假日與非法定節假日的日供氣量對比

從圖4可明顯看出,法定節假日的日供氣量出現明顯減少,說明日供氣量在法定節假日具有較強的突變性。以春節為例,日供氣量在春節前后出現了較大幅度波動,并且在春節期間出現顯著谷值,較節前節后下降幅度約為14%。法定節假日出現明顯的供氣低谷是假期大型企業停產減產、居民返鄉探親、部分餐飲商業用戶停業所致。

3 影響日供氣量的因素

3.1 影響因素選擇

在分析了日供氣量變化特性,并對天然氣公司的天然氣供應情況進行了深入研究后,初步選擇了可能會對天然氣供氣產生影響的2類因素:氣象類因素、日期類型因素。

過去對日供氣量的研究大多是以氣溫為主要影響因素,對其他氣象類因素的研究較少。全面考慮后,初步選定日最低氣溫、日最高氣溫、日平均氣溫、天氣類型、風力、風向、空氣質量指數(AQI)、PM2.5指數、PM10指數、日平均氣壓、日平均相對濕度為氣象類因素。

天然氣日供氣量的不均勻性通常與日期類型因素密切相關。法定節假日和周末的日供氣量與平時相比存在一定差別,因此,初步選定法定節假日、星期屬性兩個因素代表日期類型因素。

3.2 相關分析原理

3.2.1雙變量相關分析

雙變量相關分析是對兩變量間的相互關系進行分析,對它們的相關程度和相關方向進行定量描述。本文分析的兩變量是日供氣量及其影響因素。不同因素對日供氣量產生影響的程度不同,因此,利用雙變量相關分析判斷各因素與日供氣量的關系是否緊密,由此得出影響日供氣量的主要因素。計算得到相關系數[4]269,通過相關系數判斷兩變量的相關程度。

3.2.2偏相關分析

雙變量相關分析僅僅反映了兩變量的相互關系,沒有考慮其他因素的影響,因此無法精確地反映兩變量的相關性。偏相關分析是控制能對兩變量相關性產生影響的其他因素,從而得到兩變量更為精確的相關分析結果。計算得到偏相關系數[4]301,通過偏相關系數判斷兩變量的相關程度。

3.2.3判斷相關程度的標準

相關系數、偏相關系數能反映變量之間的相關程度和相關方向。相關系數、偏相關系數的分布范圍為[-1,1]。通過相關系數、偏相關系數的絕對值來判定相關程度強弱,絕對值愈接近1,表示兩變量的相關程度愈高;愈接近0,表示兩變量的相關程度愈低。具體的相關程度標準見表1。

表1 通過相關系數、偏相關系數判斷相關程度的標準

此外,相關系數或偏相關系數正、負還能反映兩變量的相關方向。當相關系數為正時,表示兩變量的變化方向相同,稱為正相關;反之,表示兩變量的變化方向相反,稱為負相關。

3.2.4顯著性檢驗理論

相關系數或偏相關系數均根據樣本計算得到,可能存在抽樣誤差,不能直接反映變量總體的相關性,需要通過顯著性檢驗進行統計學上的推斷。

顯著性檢驗是通過計算變量間的樣本相關系數(或偏相關系數)與總體相關系數(或偏相關系數)之間由于抽樣誤差而產生差異的概率,以確定樣本相關系數(或偏相關系數)是否來自具有相關關系的雙變量總體。

在給定顯著程度a后,r的閾值ra通過F分布的分位點計算得到。文獻[5]給出了兩個顯著程度a=0.05、a=0.01的臨界值,分別記為r0.05、r0.01。通常認為:

① 當|r|

② 當r0.05≤|r|≤r0.01時,認為兩變量之間的相關性有顯著性意義,說明變量間存在相關性的可能性至少有95%;

③ 當|r|>r0.01時,認為兩變量之間相關性有極顯著性意義,說明變量間存在相關性的可能性至少有99%。

統計學上習慣用**和*表示相關性的顯著性水平,**表示有極顯著性意義,*表示有顯著性意義,不標注者則表示不顯著。

3.3 影響因素的相關分析

日供氣量的影響因素包括定性因素和定量因素,定性因素需要通過一定的方法量化,已有研究對于定性因素的處理方法主要集中于專家打分法、層次分析法、模糊評價法等。本文選用模糊評價法,根據模糊數學中隸屬度理論把定性因素量化。

3.3.1定性因素的量化

① 日期類型

研究發現,不同日期類型會對天然氣的日供氣量產生影響。分析日期類型對日供氣量的影響,首先需要將日期分為3種類型:工作日(含調休)、周末和法定節假日,然后進行量化,再進行相關分析。因此通過應用隸屬度理論,把不同的日期類型量化到[0,1],見表2。

表2 日期類型的量化值

② 天氣類型

天氣類型會影響人們的日常出行,進而給天然氣日供氣量帶來一定影響。在進行天氣類型與天然氣日供氣量相關分析前,需要把天氣類型量化到[0,1],見表3。

表3 天氣類型的量化值

③ 風向、風力

考慮到風向、風力不同可能會帶來氣溫升高或降低,間接導致日供氣量發生變化,因此將風向、風力因素與天然氣日供氣量進行相關分析。將風向、風力量化到[0,1],見表4、5。

表4 風向的量化值

表5 風力的量化值

3.3.2影響因素的確定

SPSS(社會科學統計軟件包)是IBM公司旗下一款科學統計分析工具軟件。對收集到的各種影響因素與日供氣量進行相關、偏相關及顯著性分析。運行IBM SPSS Statistics 25軟件,將調研得到的J市2021年日供氣量和氣象部門提供的當日氣溫、天氣類型、風力、風向、空氣質量、日平均氣壓、日平均相對濕度以及日期類型等數據導入,進行雙變量相關分析、偏相關分析及顯著性分析。軟件界面截圖見圖5,分析結果見表6、7。

表6 日供氣量與影響因素的雙變量相關分析結果

圖5 IBM SPSS Statistics 25軟件界面截圖

由表6可知:

① 氣溫與日供氣量相關性最強,日最低氣溫、日最高氣溫、日平均氣溫與日供氣量的相關系數絕對值均在0.8以上,并呈現一致的負相關。當氣溫降低時,日供氣量明顯增加,日最低氣溫、日最高氣溫、日平均氣溫與日供氣量屬于極顯著強相關關系。

② 日平均氣壓、日平均相對濕度、天氣類型、空氣質量(包括AQI、PM2.5指數、PM10指數)與日供氣量的相關性僅次于氣溫,相關性極顯著。

③ 日期類型、風力、風向與日供氣量的相關系數絕對值較小,不相關,且相關性不顯著。

由表7可知:

表7 日供氣量與影響因素(自變量)的偏相關系數

① 雙變量相關性分析中,氣溫與日供氣量強相關。但在考慮其他因素影響后,氣溫與日供氣量的偏相關系數出現了小幅波動,但是偏相關系數絕對值仍保持在0.6以上,且相關性極顯著,說明氣溫與日供氣量存在很強的相關關系。

② 雙變量相關性分析中,日平均氣壓、日平均相對濕度、空氣質量、天氣類型等因素與日供氣量的相關性不如氣溫強,多呈現中相關關系,但在控制各因素影響后,多次呈現出中相關或強相關關系,且具有極顯著性意義。因此日平均氣壓、日平均相對濕度、空氣質量、天氣類型可以作為日供氣量的主要影響因素。

③ 日期類型、風向對日供氣量的影響較為復雜,當氣溫一定時,日期類型、風向與日供氣量均為顯著相關關系;而將日平均氣壓、日平均相對濕度作為控制變量時,僅日期類型與日供氣量為顯著相關關系。因此綜合考慮,將日期類型作為日供氣量的影響因素,而不再將風向作為影響因素。

④ 在控制其他影響因素后,風力與日供氣量的相關性與顯著性都沒有得到改善,因此不再將風力作為日供氣量的影響因素。

綜上,選擇氣溫(日最低氣溫、日最高氣溫、日平均氣溫)、日平均氣壓、日平均相對濕度、空氣質量(AQI、PM2.5指數、PM10指數)、天氣類型、日期類型作為日供氣量的影響因素,不再考慮風向、風力的影響。

4 各因素影響下的日供氣量變化規律

4.1 氣象類因素

4.1.1氣溫

通過相關分析得出,氣溫是影響天然氣供應的最主要因素,日平均氣溫是3個氣溫因素中與日供氣量相關性最強的因素。選取日平均氣溫代表當日氣溫,繪制J市2021年日供氣量、日平均氣溫隨日期的變化曲線圖,見圖6。

圖6 日供氣量、日平均氣溫隨日期的變化曲線

由圖6可以明顯看出,在高溫條件下,日供氣量很低,而在低溫條件下,日供氣量較高。溫度升高時,日供氣量呈現減少趨勢;溫度降低時,則呈現增加趨勢,二者存在明顯的負相關關系。這是因為天氣寒冷時,供暖和供生活熱水所需天然氣多。同時,供暖期日供氣量對氣溫的響應比非供暖期更突出。

從局部觀察,日供氣量與氣溫的關系呈現隨機性分布,但從宏觀角度看,日供氣量隨氣溫下降而逐漸增加,在一定程度上接近某條趨勢曲線。為減少其他因素干擾,在數據充足的情況下,剔除法定節假日及周末的數據。圖7給出了日供氣量與日平均氣溫的散點分布,并進行了趨勢線擬合。趨勢線的擬合優度為0.829,擬合公式為:

圖7 日供氣量與日平均氣溫關系散點圖及擬合趨勢線

q=0.003 5t6-0.76t5+29.83t4-97.52t3-

7 057.3t2-35 199t+2.4×106

(1)

式中q--日供氣量,m3/d

t--日平均氣溫,℃

由圖7可知,總體而言,日供氣量基本隨著日平均氣溫上升而下降,但在不同的日平均氣溫區間,影響程度有所不同,具體規律為:

① 在-10 ℃以下的寒冷天氣,為保證供暖,隨著日平均氣溫降低,日供氣量大幅增加。

② 在-10～0 ℃范圍內,日供氣量隨日平均氣溫的變化率較低,這是由于供暖用氣負荷趨于飽和,此區間為日供氣量受日平均氣溫影響的不敏感區間。

③ 在0～15 ℃范圍內,日供氣量隨日平均氣溫降低而迅速增大,變化率較高,此時日供氣量受日平均氣溫影響最為敏感,日平均氣溫每下降1 ℃,日供氣量平均增加6.92%,此區間為日供氣量受日平均氣溫影響的敏感區間。

④ 日平均氣溫大于15 ℃時,日供氣量隨日平均氣溫變化的幅度較小,為不敏感區間。

4.1.2日平均氣壓、日平均相對濕度

J市2021年日供氣量與日平均氣壓、日平均相對濕度隨日期的變化曲線分別見圖8、9。

圖8 日供氣量與日平均氣壓隨日期的變化曲線

分析圖8、圖9發現,日供氣量與日平均氣壓、日平均相對濕度存在一定的同步變化關系,這與冷暖空氣活動有關。進行不同季節日平均氣壓、日平均相對濕度與日供氣量的相關分析,分析結果見表8。

表8 不同季節日平均氣壓、日平均相對濕度與日供氣量的相關系數

圖9 日供氣量與日平均相對濕度隨日期的變化曲線

從表8可看出,春、秋季日平均氣壓與日供氣量呈強相關關系,且相關性極顯著;而冬、夏季日平均氣壓與日供氣量的相關性較弱?？梢缘玫皆诖?、秋季,具有日供氣量隨日平均氣壓上升而增加,隨日平均氣壓下降而減少的規律。春季暖濕氣流北上,引起氣流所經之處大氣密度減小,地表氣壓下降,因此在春季隨著氣溫上升,氣壓逐漸下降,供氣量也隨之降低,故春季日供氣量與日平均氣壓呈顯著正相關;而秋季冷空氣來襲,受冷高壓控制,隨著氣溫降低,日平均氣壓逐漸升高,日供氣量隨之升高。

日平均相對濕度與日供氣量的相關程度在秋、冬季比春、夏季強,并呈現為負相關。這說明在秋、冬季,具有日供氣量隨日平均相對濕度上升而減少,隨日平均相對濕度降低而增加的規律。

4.1.3空氣質量

近年來,空氣質量最嚴重的問題是霧霾,PM2.5是霧霾產生的主要原因。通過相關分析可知,PM2.5指數與日供氣量的相關性比AQI和PM10指數高,且呈正相關。因此,以PM2.5指數作為空氣質量的代表,分析PM2.5指數對日供氣量的影響規律。GB 3095-2012《環境空氣質量標準》中關于PM2.5指數對應的空氣質量等級見表9。

表9 PM2.5指數對應的空氣質量等級

根據表9,將J市2021年日供氣量按空氣質量等級分類,并求得不同空氣質量等級下的平均日供氣量。平均日供氣量與空氣質量等級的關系見圖10,J市2021年沒有嚴重污染的空氣質量等級。

圖10 不同空氣質量等級下的平均日供氣量

由圖10可知,日供氣量隨空氣質量下降而增加,即日供氣量隨PM2.5指數升高而增加,與相關分析結果一致。

4.1.4天氣類型

通過相關分析可知,天氣類型在一定程度上影響日供氣量。將J市2021年日供氣量按天氣類型進行分類,計算出不同天氣類型下的平均日供氣量,結果見圖11。

圖11 不同天氣類型下的平均日供氣量

由圖11可看出,雪天的平均日供氣量最多,這是由于下雪通常發生于冬季,冬季平均日供氣量較高。雨天的平均日供氣量較低,這是因為雨天通常發生于夏季,夏季平均日供氣量較低。

將雨天細分為雷陣雨、小雨、中雨、大雨、暴雨,將雪天細分為雨夾雪、小雪、中雪、暴雪,對細分后的天氣類型進行平均日供氣量的計算,得到圖12、圖13。

圖12 不同雨天類型的平均日供氣量

圖13 不同雪天類型的平均日供氣量

由圖12、圖13可以發現,當出現大雨、暴雨、中雪、暴雪等極端天氣,相比小雨或小雪時,日供氣量呈現下降趨勢。這是由于極端天氣對商業活動產生抑制,使日供氣量降低。

4.2 日期類型因素

4.2.1法定節假日

考慮到假期長度會一定程度上影響日供氣量波動,因此根據假期長短將法定節假日細分為長假期(3 d以上)、短假期(3 d及以內),對長假期、短假期對日供氣量的影響進行分析。

① 長假期

我國法定節假日中的長假期包括春節、勞動節、國慶節,繪制出2019-2021年春節、勞動節、國慶節3個長假期及前后7 d的日供氣量曲線,分別見圖14～16。圖中曲線上的紅色菱形代表法定節假日,叉號代表周末,無標志則為工作日。法定節假日前后的周末可能因調休而工作,將工作的周末視為工作日。

圖14 2019-2021年春節及其前后7 d日供氣量曲線

圖15 2019-2021年勞動節及其前后7 d日供氣量曲線

圖16 2019-2021年國慶節及其前后7 d日供氣量曲線

從圖14～16可以看出,在2019年至2021年的長假期期間,日供氣量具有顯著的下降趨勢,其中,假期第1日到第2日的日供氣量降幅最大,出現日供氣量低谷,第3日到第4日開始出現緩慢回升,長假期過后日供氣量逐漸平穩,恢復到長假期前水平。

為得到更準確的長假期期間日供氣量降幅,剔除長假期前后7 d中的周末數據,計算得到2019-2021年長假期平均日供氣量的平均降幅,見表10。

表10 2019-2021年長假期平均日供氣量的平均降幅

從表10可看出,長假期的平均日供氣量較長假期前、長假期后降幅在15%左右。

② 短假期

我國法定節假日中短假期包括:元旦、清明節、端午節、中秋節。根據2019-2021年短假期及其前后3 d的日供氣量數據,進行短假期對日供氣量的影響分析,見圖17～20。圖中曲線上的紅色菱形代表法定節假日,叉號代表周末,無標志代表工作日(含調休工作日)。2020年元旦僅放假1 d,且中秋節是10月1日,與國慶節假期重疊。