天然气日供气量变化规律和影响因素研究

2024-01-04 06:50姜懿芸李兴泉刘启全

煤气与热力 2023年12期

姜懿芸, 李兴泉, 刘南, 刘启全

(1.山东省能源建筑设计院,山东济南 250101;2.山东建筑大学热能工程学院,山东济南 250101;3.河北诚信集团有限公司,河北石家庄 051130)

1 概述

对天然气日供气量(简称日供气量)影响因素和变化规律展开研究,不仅对满足用气需求和优化调度有一定指导作用,而且对今后的天然气规划编制、调峰方案的合理制订都有一定参考价值。

邹祥等人[1]指出用户侧用气量的准确预测是天然气生产及管网运行调度的前提,提出一种基于历史数据的天然气用气量智能预测方法。杜景勃[2]指出由于影响因素考虑不足或引入过多,造成模型预测效果不佳,通过分析天然气日负荷特性,筛选主要影响因素,开发了可供工程应用的负荷预测软件。申欣[3]深入分析城市燃气用户用气行为,总结不同时间尺度下城市燃气的负荷影响因素,提出一种城市燃气负荷预测框架,并结合G燃气公司气源成本价格以及安全保供的责任要求,提出G燃气公司短期、中长期资源采购策略。

本文收集J市(位于华东地区)门站历史日供气量数据,确定日供气量的影响因素,对不同影响因素下的日供气量变化规律进行分析与研究。

2 日供气量变化特性

2.1 周期性

随着天然气行业快速发展,天然气用户逐年增多,日供气量也随时间发生变化,图1绘制了2016年1月1日至2022年1月1日J市的日供气量曲线。

图1 2016年1月1日至2022年1月1日J市日供气量变化曲线

由图1可以看出,2016-2021年期间,J市每年的日供气量呈现的变化趋势一致,均为先减少后增加,总体呈U形,这是受气候影响所致,冬季天气寒冷,供暖和燃气热水器的使用使天然气负荷增大。此外,还可以观察到日供气量呈逐年递增趋势。

2.2 不均匀性

通过对J市供气量数据进行分析,发现各月供气存在较大的不均匀性。计算得到月不均匀系数,见图2。

图2 2021年J市月不均匀系数

图2较好反映出一年中不同月份、不同季度供气量的不均匀性。由图2可知,1月月不均匀系数最高,5月、8月最低;总体来看,第1、4季度月不均匀系数高,第2、3季度月不均匀系数低。

2.3 突变性

以2016-2021年J市37个不包括重要节假日的星期的日供气量为研究对象,计算不同星期日期的平均日供气量,见图3。

图3 2016-2021年J市不同星期日期的平均日供气量

由图3可以看出,周末平均日供气量低于工作日平均日供气量,周一到周五的平均日供气量的平均值比周六、周日的平均日供气量的平均值高4.44%,表明工作日和周末给日供气量带来的影响是普遍的。

我国法定节假日包括元旦、春节、清明节、劳动节、端午节、中秋节、国庆节。通过进行2021年法定节假日与非法定节假日的日供气量对比(见图4),对日供气量进行分析。

图4 2021年法定节假日与非法定节假日的日供气量对比

从图4可明显看出,法定节假日的日供气量出现明显减少,说明日供气量在法定节假日具有较强的突变性。以春节为例,日供气量在春节前后出现了较大幅度波动,并且在春节期间出现显著谷值,较节前节后下降幅度约为14%。法定节假日出现明显的供气低谷是假期大型企业停产减产、居民返乡探亲、部分餐饮商业用户停业所致。

3 影响日供气量的因素

3.1 影响因素选择

在分析了日供气量变化特性,并对天然气公司的天然气供应情况进行了深入研究后,初步选择了可能会对天然气供气产生影响的2类因素:气象类因素、日期类型因素。

过去对日供气量的研究大多是以气温为主要影响因素,对其他气象类因素的研究较少。全面考虑后,初步选定日最低气温、日最高气温、日平均气温、天气类型、风力、风向、空气质量指数(AQI)、PM2.5指数、PM10指数、日平均气压、日平均相对湿度为气象类因素。

天然气日供气量的不均匀性通常与日期类型因素密切相关。法定节假日和周末的日供气量与平时相比存在一定差别,因此,初步选定法定节假日、星期属性两个因素代表日期类型因素。

3.2 相关分析原理

3.2.1双变量相关分析

双变量相关分析是对两变量间的相互关系进行分析,对它们的相关程度和相关方向进行定量描述。本文分析的两变量是日供气量及其影响因素。不同因素对日供气量产生影响的程度不同,因此,利用双变量相关分析判断各因素与日供气量的关系是否紧密,由此得出影响日供气量的主要因素。计算得到相关系数[4]269,通过相关系数判断两变量的相关程度。

3.2.2偏相关分析

双变量相关分析仅仅反映了两变量的相互关系,没有考虑其他因素的影响,因此无法精确地反映两变量的相关性。偏相关分析是控制能对两变量相关性产生影响的其他因素,从而得到两变量更为精确的相关分析结果。计算得到偏相关系数[4]301,通过偏相关系数判断两变量的相关程度。

3.2.3判断相关程度的标准

相关系数、偏相关系数能反映变量之间的相关程度和相关方向。相关系数、偏相关系数的分布范围为[-1,1]。通过相关系数、偏相关系数的绝对值来判定相关程度强弱,绝对值愈接近1,表示两变量的相关程度愈高;愈接近0,表示两变量的相关程度愈低。具体的相关程度标准见表1。

表1 通过相关系数、偏相关系数判断相关程度的标准

此外,相关系数或偏相关系数正、负还能反映两变量的相关方向。当相关系数为正时,表示两变量的变化方向相同,称为正相关;反之,表示两变量的变化方向相反,称为负相关。

3.2.4显著性检验理论

相关系数或偏相关系数均根据样本计算得到,可能存在抽样误差,不能直接反映变量总体的相关性,需要通过显著性检验进行统计学上的推断。

显著性检验是通过计算变量间的样本相关系数(或偏相关系数)与总体相关系数(或偏相关系数)之间由于抽样误差而产生差异的概率,以确定样本相关系数(或偏相关系数)是否来自具有相关关系的双变量总体。

在给定显著程度a后,r的阈值ra通过F分布的分位点计算得到。文献[5]给出了两个显著程度a=0.05、a=0.01的临界值,分别记为r0.05、r0.01。通常认为:

① 当|r|

② 当r0.05≤|r|≤r0.01时,认为两变量之间的相关性有显著性意义,说明变量间存在相关性的可能性至少有95%;

③ 当|r|>r0.01时,认为两变量之间相关性有极显著性意义,说明变量间存在相关性的可能性至少有99%。

统计学上习惯用**和*表示相关性的显著性水平,**表示有极显著性意义,*表示有显著性意义,不标注者则表示不显著。

3.3 影响因素的相关分析

日供气量的影响因素包括定性因素和定量因素,定性因素需要通过一定的方法量化,已有研究对于定性因素的处理方法主要集中于专家打分法、层次分析法、模糊评价法等。本文选用模糊评价法,根据模糊数学中隶属度理论把定性因素量化。

3.3.1定性因素的量化

① 日期类型

研究发现,不同日期类型会对天然气的日供气量产生影响。分析日期类型对日供气量的影响,首先需要将日期分为3种类型:工作日(含调休)、周末和法定节假日,然后进行量化,再进行相关分析。因此通过应用隶属度理论,把不同的日期类型量化到[0,1],见表2。

表2 日期类型的量化值

② 天气类型

天气类型会影响人们的日常出行,进而给天然气日供气量带来一定影响。在进行天气类型与天然气日供气量相关分析前,需要把天气类型量化到[0,1],见表3。

表3 天气类型的量化值

③ 风向、风力

考虑到风向、风力不同可能会带来气温升高或降低,间接导致日供气量发生变化,因此将风向、风力因素与天然气日供气量进行相关分析。将风向、风力量化到[0,1],见表4、5。

表4 风向的量化值

表5 风力的量化值

3.3.2影响因素的确定

SPSS(社会科学统计软件包)是IBM公司旗下一款科学统计分析工具软件。对收集到的各种影响因素与日供气量进行相关、偏相关及显著性分析。运行IBM SPSS Statistics 25软件,将调研得到的J市2021年日供气量和气象部门提供的当日气温、天气类型、风力、风向、空气质量、日平均气压、日平均相对湿度以及日期类型等数据导入,进行双变量相关分析、偏相关分析及显著性分析。软件界面截图见图5,分析结果见表6、7。

表6 日供气量与影响因素的双变量相关分析结果

图5 IBM SPSS Statistics 25软件界面截图

由表6可知:

① 气温与日供气量相关性最强,日最低气温、日最高气温、日平均气温与日供气量的相关系数绝对值均在0.8以上,并呈现一致的负相关。当气温降低时,日供气量明显增加,日最低气温、日最高气温、日平均气温与日供气量属于极显著强相关关系。

② 日平均气压、日平均相对湿度、天气类型、空气质量(包括AQI、PM2.5指数、PM10指数)与日供气量的相关性仅次于气温,相关性极显著。

③ 日期类型、风力、风向与日供气量的相关系数绝对值较小,不相关,且相关性不显著。

由表7可知:

表7 日供气量与影响因素(自变量)的偏相关系数

① 双变量相关性分析中,气温与日供气量强相关。但在考虑其他因素影响后,气温与日供气量的偏相关系数出现了小幅波动,但是偏相关系数绝对值仍保持在0.6以上,且相关性极显著,说明气温与日供气量存在很强的相关关系。

② 双变量相关性分析中,日平均气压、日平均相对湿度、空气质量、天气类型等因素与日供气量的相关性不如气温强,多呈现中相关关系,但在控制各因素影响后,多次呈现出中相关或强相关关系,且具有极显著性意义。因此日平均气压、日平均相对湿度、空气质量、天气类型可以作为日供气量的主要影响因素。

③ 日期类型、风向对日供气量的影响较为复杂,当气温一定时,日期类型、风向与日供气量均为显著相关关系;而将日平均气压、日平均相对湿度作为控制变量时,仅日期类型与日供气量为显著相关关系。因此综合考虑,将日期类型作为日供气量的影响因素,而不再将风向作为影响因素。

④ 在控制其他影响因素后,风力与日供气量的相关性与显著性都没有得到改善,因此不再将风力作为日供气量的影响因素。

综上,选择气温(日最低气温、日最高气温、日平均气温)、日平均气压、日平均相对湿度、空气质量(AQI、PM2.5指数、PM10指数)、天气类型、日期类型作为日供气量的影响因素,不再考虑风向、风力的影响。

4 各因素影响下的日供气量变化规律

4.1 气象类因素

4.1.1气温

通过相关分析得出,气温是影响天然气供应的最主要因素,日平均气温是3个气温因素中与日供气量相关性最强的因素。选取日平均气温代表当日气温,绘制J市2021年日供气量、日平均气温随日期的变化曲线图,见图6。

图6 日供气量、日平均气温随日期的变化曲线

由图6可以明显看出,在高温条件下,日供气量很低,而在低温条件下,日供气量较高。温度升高时,日供气量呈现减少趋势;温度降低时,则呈现增加趋势,二者存在明显的负相关关系。这是因为天气寒冷时,供暖和供生活热水所需天然气多。同时,供暖期日供气量对气温的响应比非供暖期更突出。

从局部观察,日供气量与气温的关系呈现随机性分布,但从宏观角度看,日供气量随气温下降而逐渐增加,在一定程度上接近某条趋势曲线。为减少其他因素干扰,在数据充足的情况下,剔除法定节假日及周末的数据。图7给出了日供气量与日平均气温的散点分布,并进行了趋势线拟合。趋势线的拟合优度为0.829,拟合公式为:

图7 日供气量与日平均气温关系散点图及拟合趋势线

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

7 057.3t2-35 199t+2.4×106

(1)

式中q--日供气量,m3/d

t--日平均气温,℃

由图7可知,总体而言,日供气量基本随着日平均气温上升而下降,但在不同的日平均气温区间,影响程度有所不同,具体规律为:

① 在-10 ℃以下的寒冷天气,为保证供暖,随着日平均气温降低,日供气量大幅增加。

② 在-10～0 ℃范围内,日供气量随日平均气温的变化率较低,这是由于供暖用气负荷趋于饱和,此区间为日供气量受日平均气温影响的不敏感区间。

③ 在0～15 ℃范围内,日供气量随日平均气温降低而迅速增大,变化率较高,此时日供气量受日平均气温影响最为敏感,日平均气温每下降1 ℃,日供气量平均增加6.92%,此区间为日供气量受日平均气温影响的敏感区间。

④ 日平均气温大于15 ℃时,日供气量随日平均气温变化的幅度较小,为不敏感区间。

4.1.2日平均气压、日平均相对湿度

J市2021年日供气量与日平均气压、日平均相对湿度随日期的变化曲线分别见图8、9。

图8 日供气量与日平均气压随日期的变化曲线

分析图8、图9发现,日供气量与日平均气压、日平均相对湿度存在一定的同步变化关系,这与冷暖空气活动有关。进行不同季节日平均气压、日平均相对湿度与日供气量的相关分析,分析结果见表8。

表8 不同季节日平均气压、日平均相对湿度与日供气量的相关系数

图9 日供气量与日平均相对湿度随日期的变化曲线

从表8可看出,春、秋季日平均气压与日供气量呈强相关关系,且相关性极显著;而冬、夏季日平均气压与日供气量的相关性较弱。可以得到在春、秋季,具有日供气量随日平均气压上升而增加,随日平均气压下降而减少的规律。春季暖湿气流北上,引起气流所经之处大气密度减小,地表气压下降,因此在春季随着气温上升,气压逐渐下降,供气量也随之降低,故春季日供气量与日平均气压呈显著正相关;而秋季冷空气来袭,受冷高压控制,随着气温降低,日平均气压逐渐升高,日供气量随之升高。

日平均相对湿度与日供气量的相关程度在秋、冬季比春、夏季强,并呈现为负相关。这说明在秋、冬季,具有日供气量随日平均相对湿度上升而减少,随日平均相对湿度降低而增加的规律。

4.1.3空气质量

近年来,空气质量最严重的问题是雾霾,PM2.5是雾霾产生的主要原因。通过相关分析可知,PM2.5指数与日供气量的相关性比AQI和PM10指数高,且呈正相关。因此,以PM2.5指数作为空气质量的代表,分析PM2.5指数对日供气量的影响规律。GB 3095-2012《环境空气质量标准》中关于PM2.5指数对应的空气质量等级见表9。

表9 PM2.5指数对应的空气质量等级

根据表9,将J市2021年日供气量按空气质量等级分类,并求得不同空气质量等级下的平均日供气量。平均日供气量与空气质量等级的关系见图10,J市2021年没有严重污染的空气质量等级。

图10 不同空气质量等级下的平均日供气量

由图10可知,日供气量随空气质量下降而增加,即日供气量随PM2.5指数升高而增加,与相关分析结果一致。

4.1.4天气类型

通过相关分析可知,天气类型在一定程度上影响日供气量。将J市2021年日供气量按天气类型进行分类,计算出不同天气类型下的平均日供气量,结果见图11。

图11 不同天气类型下的平均日供气量

由图11可看出,雪天的平均日供气量最多,这是由于下雪通常发生于冬季,冬季平均日供气量较高。雨天的平均日供气量较低,这是因为雨天通常发生于夏季,夏季平均日供气量较低。

将雨天细分为雷阵雨、小雨、中雨、大雨、暴雨,将雪天细分为雨夹雪、小雪、中雪、暴雪,对细分后的天气类型进行平均日供气量的计算,得到图12、图13。

图12 不同雨天类型的平均日供气量

图13 不同雪天类型的平均日供气量

由图12、图13可以发现,当出现大雨、暴雨、中雪、暴雪等极端天气,相比小雨或小雪时,日供气量呈现下降趋势。这是由于极端天气对商业活动产生抑制,使日供气量降低。

4.2 日期类型因素

4.2.1法定节假日

考虑到假期长度会一定程度上影响日供气量波动,因此根据假期长短将法定节假日细分为长假期(3 d以上)、短假期(3 d及以内),对长假期、短假期对日供气量的影响进行分析。

① 长假期

我国法定节假日中的长假期包括春节、劳动节、国庆节,绘制出2019-2021年春节、劳动节、国庆节3个长假期及前后7 d的日供气量曲线,分别见图14～16。图中曲线上的红色菱形代表法定节假日,叉号代表周末,无标志则为工作日。法定节假日前后的周末可能因调休而工作,将工作的周末视为工作日。

图14 2019-2021年春节及其前后7 d日供气量曲线

图15 2019-2021年劳动节及其前后7 d日供气量曲线

图16 2019-2021年国庆节及其前后7 d日供气量曲线

从图14～16可以看出,在2019年至2021年的长假期期间,日供气量具有显著的下降趋势,其中,假期第1日到第2日的日供气量降幅最大,出现日供气量低谷,第3日到第4日开始出现缓慢回升,长假期过后日供气量逐渐平稳,恢复到长假期前水平。

为得到更准确的长假期期间日供气量降幅,剔除长假期前后7 d中的周末数据,计算得到2019-2021年长假期平均日供气量的平均降幅,见表10。

表10 2019-2021年长假期平均日供气量的平均降幅

从表10可看出,长假期的平均日供气量较长假期前、长假期后降幅在15%左右。

② 短假期

我国法定节假日中短假期包括:元旦、清明节、端午节、中秋节。根据2019-2021年短假期及其前后3 d的日供气量数据,进行短假期对日供气量的影响分析,见图17～20。图中曲线上的红色菱形代表法定节假日,叉号代表周末,无标志代表工作日(含调休工作日)。2020年元旦仅放假1 d,且中秋节是10月1日,与国庆节假期重叠。