(Еще не оценили)
Загрузка ... Загрузка ...

Необходимость прогнозирования газопотребления, методы оценки

В связи с некоторым ограничением поступлений природного газа возникают серьезные затруднения для нормального обеспечения газовым топливом народного хозяйства. Так, например, газоемкость Литовской ССР и всего Прибалтийского экономического района уже длительное время удовлетворяется только на 30-35 %. В этой ситуации особое значение приобретает рациональное использование газового топлива, а также объективная оценка прогнозных (плановых) объемов и режимов потребления газа. Иными словами, при оперативном, долгосрочном и перспективном планировании определение оптимальных плановых объемов и режимов потребления газа городами с учетом погрешности исходной информации является одним из основных вопросов совершенствования методики планирования по расходу топливных ресурсов.

Анализ сопоставления плановых и фактических объемов потребления природного газа ГСГ Литовской ССР показал, что имеют место значительные расхождения показателей, вызванные в основном мнимой оценкой отдельных исходных показателей, формирующих объемы и уровень погрешности газопотребления. Сезонная неравномерность потребления газа, резкие изменения наружной температуры воздуха, непредвиденные случаи недоотпуска газового топлива службами магистральных транспортных систем, непредвиденные аварии и ремонтные работы на магистральных или городских газораспределительных сетях, субъективность плановых органов, предприятий или других потребителей при прогнозировании объемов и режимов потребления газа – эти факторы объективно влияют на достоверность принимаемых плановых показателей.

Таким образом, от выявления объективно существующей совокупности погрешности исходной информации, формирующей основные критерии достоверности, зависит определение тех или иных прогнозных объема и режима потребления газа городом, республикой, экономическим районом, страной.

При сопоставлении плановых и фактических показателей возникает необходимость в установлении как случайного характера режимов газопотребления городами, так и уровня, границ отклонений, вида закона распределения этих явлений. Также необходимо выявить основные причины отклонений и их значимость, установить закономерность недоотпуска газа городам со стороны магистральных систем транспорта газа, определить для городов, в частности городов Прибалтийских республик, необходимый резерв мощностей газотранспортных систем или запасов других видов топлива, а также размер ущерба при недоотпуске газа. Такая обработка, плановых и статистических показателей режимов газопотребления нужна для оптимизации ГСГ с учетом погрешности исходных данных и с применением математических методов расчета на ЭВМ.

До настоящего времени фактическая картина погрешности исходной информации при определении объемов и режимов потребления газа городами ни в одном литературном источнике не вскрыта. Режимы газопотребления городами, расположенными на трассе магистральных газопроводов, являются одним из основных факторов, определяющих режим работы системы газоснабжения. В условиях города газ расходуется большим числом потребителей для самых разнообразных целей, что и предопределяет различные режимы расходования газа. Колебания расхода газа имеют определенную закономерность, которая определяется следующими известными факторами: жизненным укладом населения, режимом работы предприятий и климатическими условиями. Различают следующие неравномерности расходов газа: внутрисуточные (часовые), внутримесячные (суточные), сезонные (месячные) и многолетние.

Для регулирования режима газопотребления большое практическое значение приобретает выявление характеризующих его показателей. В настоящее время для оценки колебаний потребления газа используется целый ряд показателей: коэффициент неравномерности, соотношение месячных расходов газа в процентах к годовому, соотношение минимального расхода газа к среднему, часы использования максимума газопотребления и др.

При сопоставлении балансов подачи и расхода газа городом, группой городов или экономическим районом всех, потребителей разбивают на категории (группы), каждая из которых имеет свои особенности газопотребления, достаточно подробно исследованные и описанные в литературе.

Режимы потребления газа отдельными категориями потребителей определяются многочисленными факторами и в каждом городе имеют свою специфику. Для регулирования работы системы газоснабжения необходимо знать режим газопотребления по городу в целом. Поскольку он формируется из режимов газопотребления отдельными потребителями, то, естественно, он и определяется удельным весом отдельных категорий потребителей.

Анализ газопотребления в крупнейших городах Литовской ССР свидетельствует о том, что в зимние месяцы режим потребления газа определяется в основном режимом использования его на отопление жилых и общественных зданий, а также промышленными предприятиями; в летние месяцы – в основном промышленностью и электростанциями.

Среднегодовая структура потребления газа за период 1969- 1973 гг. отдельными категориями потребителей в городах Литовской ССР. Аналогичная структура режима газопотребления сохраняется и в другие периоды. Как видно, основные потребители газа в этих городах – промышленность, электростанции и коммунально-бытовые. Исключение составляет г. Ионава, где для производства азотных удобрений используется свыше 70 % природного газа, отпускаемого городу.

С увеличением промышленного производства и удельного веса в суммарном газопотреблении отопительной нагрузки, а также с ростом норм обеспеченности населения жильем будет повышаться суммарный расход газа на нужды промышленности и отопления. В этих условиях все более ощутимым будет противоречие между двумя задачами рационального построения газоснабжающих систем. С одной стороны, как указано в работе, необходимо удовлетворять потребности в газе в любой момент времени, с другой – наиболее полно использовать все потенциальные возможности системы. Задача определения наиболее экономичных путей регулирования неравномерности газоснабжения обязательно должна учитывать это противоречие и решаться исходя из оптимальных путей его преодоления.

В связи с этим прогресс методов оптимизации в городских газовых хозяйствах сопряжен прежде всего с работами по автоматизации технологических процессов, совершенствованию планирования и управления на основе применения экономико-математических методов и электронно-вычислительной техники в настоящее время начато широкое внедрение автоматизированных систем управления в городских газовых хозяйства) (АСУ – газ). Особое место в комплексе проблем АСУ – газ в работе диспетчерских служб должно занимать прогнозирование объемов и режимов потребления газа городом, экономическим районом, крупными производственными комплексами, так как диспетчерские службы городских газораспределительных систем, как и аналогичные службы магистральных транспортных систем, постоянно сталкиваются с необходимостью прогнозировать суточные объемы газопотребления. В связи с этим эффективное функционирование АСУ – газ невозможно без проведения регулярных оперативных расчетов, особенно по краткосрочному, а также текущему, среднесуточному, прогнозированию газопотребления.

Однако до сих пор практически почти не осуществляете прогнозирование на реально действующих городских газопроводах, вследствие чего эта проблема продолжает оставаться актуальной. Для этого необходимы гибкие, логические и доступные методы прогнозирования, которые при расчетах занимали бы немного времени и могли бы автоматически учитывать изменение условий.

Методы прогнозирования должны быть определенны и ограниченны в области их применения во временном и в функциональном разрезах. Во временном разрезе в работе предложена следующая классификация методов прогнозирования газопотребления: а) сверхкраткосрочное (по часам на 1 сут); 6) краткосрочное (по суткам на 1 неделю); в) среднесрочное (по неделям на 1 мес или 1 квартал; данный вид прогнозирования используется при текущем планировании работ городских газораспределительных систем); г) долгосрочное (по месяцам на 1 год); д) перспективное (по годам на несколько лет вперед). Результаты сверхкраткосрочного и краткосрочного прогнозирования используются для оперативного управления городскими газораспределительными системами.

В функциональном разрезе модели прогнозирования газопотребления классифицируются по группам потребителей (индивидуально-бытовые, коммунально-бытовые, промышленные предприятия; электростанции, прочие потребители) и по узлам газопотребления (отдельные микрорайоны города, населенные пункты, зоны действия определенного числа ГРП или ГРС и т. д.).

Процесс газопотребления относится к категории случайных процессов и имеет вид закона нормального распределения. Потребление газа в различные часы суток, а также в различные дни недели (рабочие, выходные, частично выходные и др.) различно. Это позволяет говорить о внутрисуточной и внутринедельной неравномерности газопотребления.

Существует также и сезонная неравномерность газопотребления в различное время года. В принципе все эти неравномерности должны быть уточнены при создании моделей прогнозирования газопотребления. Вместе с тем возникает задача выявления и других факторов, влияющих на характер прогнозируемого газопотребления.

В работе для удобства анализа предлагается сгруппировать основные факторы в три типа: хронологические, метеорологические, организационные. Факторы первого типа отражают действия, которые связаны с особенностями отрезка времени, в который рассматривается газопотребление, например, специфика газопотребления в выходные и рабочие дни, недоотпуск его ГСГ магистральными транспортными системами за неделю, месяц, квартал, год. Метеорологические факторы – это температура наружного воздуха, скорость и направление ветра, влажность воздуха, выпадение осадков, наличие снежного покрова, облачность. Основными метеорологическими факторами, от которых существенно зависит потребление газа по отдельным категориям потребителей, являются температура наружного воздуха и скорость ветра. Организационные факторы отражают особенности динамики газопотребления, связанные с изменениями как в структуре газопотребления, так и в работе промышленных предприятий (например, подключение новых потребителей, изменение технологии производства и т. д.).

Таким образом, в идеальной модели прогнозирования газопотребления должны быть учтены все вышеперечисленные основные факторы, влияющие на газопотребление. Однако при решении задачи прогнозирования потребности в газе города, экономического района, отдельных категорий потребителей учет всех этих факторов из-за сложности построения моделей и отсутствия нужных исходных статист

Следует отметить, что некоторые методы и модели, предлагаемые в названных работах, не совсем четко определяют и не ограничивают области их применения во временном и в функциональном разрезах, поэтому не приводится каких-либо рекомендаций для практического применения их при прогнозировании газопотребления.

В данной главе для прогнозирования городского газопотребления применено математическое моделирование, учитывающее следующее: а) вероятностный характер процесса газопотребления городом и влияние на прогнозирование объемов и режимов газопотребления отдельных категорий потребителей таких факторов, как температура наружного воздуха и скорость ветра; б) влияние на прогнозирование объемов и режимов газопотребления городом объективно существующего недоотпуска газа магистральными транспортными системами.

Нарушения подачи природного газа ГСГ могут быть различного характера и с различными последствиями для городских потребителей. Эти очень важные вопросы мало исследованы. До настоящего времени отсутствовал всесторонний анализ статистических данных, на основе которых можно было бы определить вероятностные закономерности влияния надежности магистральных транспортных систем на надежность городских распределительных газопроводов.

В работах достаточно полно проанализированы основные причины аварийности на городских газопроводах и их влияние на надежность функционирования газовых сетей (в основном низкого давления), дана классификация аварий и определены вероятностные закономерности их числа в год на 1 км газопровода, а также средняя продолжительность одной аварии.

На основе выявленных законов распределения режимов работы газопроводов, а также на основе собранного и обработанного статистического материала по городам Литовской ССР автор проанализировал причины перебоев подачи газа ГСГ, зависящие от надежности магистральных транспортных систем, которые до настоящего времени не исследованы.

Одной из важнейших задач оптимизации режимов городских газораспределительных систем является выработка ближайшей стратегии этих режимов. Этим и определяется назначение оперативного управления ГСГ как важнейшего вида прогнозирования.

Во многих работах, посвященных прогнозированию газопотребления, в качестве фактора, сильно влияющего на его режим, указывается среднесуточная температура воздуха. Существует следующая укрупненная детерминированная модель, которая при соответствующей переработке может быть использована для оперативного (особенно для краткосрочного) прогнозирования газопотребления для отдельных экономических районов, городов и населенных пунктов:

Ввиду сложности определения коэффициентов N0′ и а следовало бы подробнее остановиться на некотором разъяснении их сущности и на их применении. Действительно, может возникнуть принципиальный вопрос о том, следует ли вообще при оперативном прогнозировании принимать во внимание коэффициент iV0′? Ведь условия прироста газопотребления (динамика потребления газа), или так называемый тренд, в прогнозируемом периоде должны учитываться статистическими данными. Выходит, что данные за прошлый период содержат эти составляющие, а раз так, то они при прогнозе уже учтены и вводить их потом неправомерно, так как в этом случае получается, что они будут учтены дважды. Но так ли это всегда?

Несмотря на различные структуры газопотребления, газ используется главным образом в качестве энергетического топлива в различных газоиспользующих установках. На основе выполненных аналитических исследований общую закономерность режима газопотребления в зависимости от температуры наружного воздуха можно принять прямолинейной без выделения отопительной и технологической нагрузок.

Как известно, резкое изменение метеорологических условий, особенно понижение температуры воздуха, и недостаточное обеспечение потребителей газовым топливом каждый раз приводят к возникновению индивидуальной ситуации, при которой газопотребление определенной части предприятий и электростанций должно регулироваться путем частичного или полного перевода их на установленные виды резервного топлива.

Таким образом, существует интервал изменения температуры воздуха от начала отопительного периода до температуры отключения отдельных (буферных) потребителей газа, и коэффициент Na в этом интервале может быть принят постоянным. При других неблагоприятных метеорологических условиях коэффициент N0′ часто меняется в зависимости от соответствующих возможностей подачи плановых объемов природного газа и степени обеспеченности потребителей резервным топливом. Коэффициент AV также изменяется с вводом нового газоиспользуюшего оборудования промышленных предприятий, отопительных систем жилых, общественных зданий и др. Эти мероприятия по приросту газопотребления обычно должны планироваться до начала отопительного периода.

Практически эти параметры при оперативном прогнозировании газопотребления трудноразличимы и трудноучитываемы.

Ввиду сложности определения указанных параметров коэффициент а считается постоянным. Для его определения используется метод наименьших квадратов. Опишем его для случая одной зависимой переменной – суточного расхода газа QcyT-В качестве независимой переменной выберем среднесуточную температуру окружающей среды гСр. Для того чтобы применить этот метод, составляют уравнение, связывающее. Выберем линейное уравнение

Отметим, что модели дают детерминированное значение, т. е. в результате получается одно число, которое и считается прогнозируемым газопотреблением.

В исследованиях автора доказано, что процесс газопотребления (в отношении расхождения между плановыми и фактическими объемами газа, причин нарушения газопотребления и т. д.) представляет собой случайное явление, имеющее определенную закономерность. В связи с этим используемые в настоящее время однозначные – детерминированные – методы прогнозирования, как правило, не могут объективно и правильно оценить меняющиеся условия формирования значений при окончательном принятии решения. Таким образом, значительно больший интерес представляет такая модель, которая позволяет получить результат с учетом случайных процессов и с заранее заданной вероятностью. В дальнейшем приняв за некоторую основу детерминированную модель, ниже рассмотрены разработанные нами методика и алгоритмы оперативного прогнозирования с учетом случайных процессов газопотребления, имеющих важное практическое значение для народного хозяйства.

Потребление газа городами, как отмечалось ранее, имеет вид закона нормального распределения, что дает возможность найти доверительный интервал прогнозного газопотребления. По имеющимся данным, на примере газопотребления Прибалтийских республик кроме среднесуточной температуры воздуха существует еще один фактор, оказывающий значительное влияние на режим газопотребления. Это – скорость ветра. Для отдельных категорий потребителей, особенно, индивидуально-бытовых, влияние данного фактора существенно.

Объективности ради, необходимо отметить, что некоторые зарубежные авторы считают, что влияние таких метеорологических условий, как скорость ветра, для оперативного прогнозирования (с учетом упрощения самой модели прогнозирования) не следовало бы учитывать, так как сам процесс прогноза метеорологических условий дает ощутимые ошибки. Такой подход действительно сильно упростил бы модель прогнозирования, однако полученный прогноз газопотребления субъективно был бы искажен.

Для того чтобы при прогнозировании газопотребления была возможность учитывать объективно существующие отклонения заданных метеорологических условий от фактических (в первую очередь температуры наружного воздуха и скорости ветра), необходимо иметь соответствующий разработанный аналитический аппарат исследования, который на основании фактических среднесуточных данных многолетних наблюдений (не менее чем на протяжении 50 лет) дал бы представление об их вероятных колебаниях и размерах.

В некоторых литературных источниках колебания климатических факторов (температуры воздуха) при прогпозировании газопотрсбления в отопительный период рассматриваются как случайный процесс, а закономерность их выражается кривой распределения, определяющей за исследуемые годы частоту повторения температур наружного воздуха в принятом интервале ее значений.

Показатель повторяемости, – порядковый номер члена ряда, – число лет за период наблюдений. Если рассматривать колебания температуры наружного воздуха за несколько лет как случайный процесс, можно достаточно точно найти обеспеченные значения температур. Под обеспеченностью температуры наружного воздуха Pt понимается число лет, в течение которых за календарные сутки температура воздуха не превысила заданного значения. Например, если для данных календарных суток при температуре наружного воздуха 15 °С Pt принимается равным 20 %, это означает, что в среднем только для 20 лет из 100 в данном районе температура наружного воздуха в данные сутки будет ниже 15 °С. В качестве закона распределения вероятностей проявления температуры наружного воздуха, выраженного в виде кривой обеспеченности, в работе указывается, что может быть применена биноминальная кривая, которая называется также кривой Пирсона III типа. Аналогично, по нашему мнению, и для колебаний скорости ветра, выраженной в виде кривой обеспеченности, также следовало бы применять биноминальную кривую.

Уравнение биноминальной кривой в дифференциальной форме имеет следующий вид:

Поскольку в данном случае членами статистического ряда являются среднесуточные значения температуры t и скорость ветра за данные календарные сутки отопительного периода по многолетнему ряду наблюдений я, то далее значения Xt; хср заменяются соответственно значениями г,-, гСр, Vi, vCp.

Основные параметры биноминальной кривой – среднесуточные температура наружного воздуха и скорость ветра:

Коэффициенты Ф находим по специальным таблицам, в которых при заданных значениях Cz и С, указаны отклонения на кривой ординат от средних в зависимости от обеспеченности.

Аналогичные расчеты могут быть выполнены за каждый день отопительного периода. С помощью ЭВМ по данным строятся ломаные кривые среднесуточной температуры и скорости ветра в течение отопительного периода при данной их обеспеченности.

Исследования, проведенные в Литовской ССР в зимний период в 1971 г., свидетельствуют о влиянии скорости ветра на увеличение объема газопотребления. В работе показано, что в Вильнюсе и Каунасе в зимний период увеличение скорости ветра на каждый 1 м/с от средних данных (3,3-3,6 м/с) влекло за собой повышение расхода газа населением на 1,93- 1,95 %. В приморском г. Клайпеда этот прирост еще выше и составляет 3,7% от средних данных (5,6 м/с). Понижение температуры наружного воздуха (в Вильнюсе и Каунасе) на 1 °С от приведенных средних данных (от -А-.-4,8 °С) привело к увеличению расхода газа населением на приготовление пищи в квартирах, имеющих централизованное отопление и горячее водоснабжение, на 1,54-1,58 %, а в Клайпеде понижение температуры воздуха на 1 °С от средних данных (-2 °С) – к увеличению расхода газа в среднем на 1,7%.

Из данных табл. 6.5 следует, что расход газа населением (на примере трех городов Литовской ССР) только на приготовление пищи в зимний период в среднем составляет 74-76 % (Вильнюс и Каунас) от общего расхода газа, учитываемого по категории «расход газа на приготовление пищи в квартирах.

имеющих централизованное отопление и горячее водоснабжение», в Клайпеде этот процент еще меньше – только 64%. Дополнительный расход газа в квартирах из-за понижения температуры воздуха в зимний период в среднем составляет в Вильнюсе и Каунасе 17-19, в Клайпеде 15,5%, а вызванный увеличением скорости ветра в зимний период в Вильнюсе и Каунасе 6,5-7 и Клайпеде 21 %

Как видно из приведенных данных, исключительное положение занимает портовый г. Клайпеда. Если в Вильнюсе и Каунасе (находящихся в 200-300 км от Балтийского моря) влияние изменения скорости ветра на дополнительный расход газа на приготовление пищи в квартирах, имеющих центральное отопление и горячее водоснабжение, приравнять к 1 (при скорости ветра 9,6 м/с), то в Клайпеде он будет в 1,28 раз больше и с каждым увеличением скорости ветра на 1 м/с этот разрыв возрастает. Такое исключительное положение Клайпеды (и других портовых городов, таких как Калининград, Лиепая, Рига, Таллинн) определяют чисто географические условия – влияние морского климата (понижение температуры воздуха, увеличение скорости ветра, повышение влажности воздуха и т. д.).

Работ, в которых учитывалось бы влияние скорости ветра на режим газопотребления других категорий потребителей, нет. Поэтому определенный интерес представляет изучение модели,

в которой учитывалось бы влияние температуры наружного-воздуха и скорости ветра на прогнозирование газопотребления. Пусть имеются следующие статистические данные: газопотребление Qi, суточная температура наружного воздуха г,- и скорость ветра Vi за k суток (i=l, 2, …, k), а также среднесуточная температура воздуха tcp и средняя скорость ветра vcp за /г суток.

Для того чтобы изучить, как изменяется Qi при изменении U и vu будем рассматривать условное математическое ожидание случайной величины Qi от фиксированных значений U и or.

Обозначаем их оценки через а0, йи &2, которые имеют следующие свойства (математическое ожидание и дисперсия):

Пусть нас интересует прогноз газопотребления на р суток вперед. Обозначим прогнозное значение температуры наружного воздуха за этот период, скорость ветра. Тогда прогнозное газопотребление.

Для достоверности применяемого решения нам требуется определить доверительный интервал прогнозного фактического газопотребления «Эфакг за р суток при условии, что прогнозное газопотребление за тот же самый период времени нам известно. Квантиль этого распределения -ta. Концы доверительного интервала.

Хотя в примере прогнозное фактическое газопотребление вычисляется с заранее заданной вероятностью, в реальных условиях могут быть отклонения, вызванные таким объективно существующим фактором, как недоотпуск газа ГСГ магистральными транспортными системами. Согласно анализу статистических исследований недоотпуск газа городам Литовской ССР в среднем за год составляет 5 % от планового объема, в том числе в летний период 3,3 и в зимний (отопительный период) 6,7%. В отдельных случаях в зимний период максимальные отклонения объемов недоотпуска газа в целом по городу составляют 16-19% от планового. Возникновение причин ограниченной подачи газа ГСГ магистральными транспортными системами следует считать фактически закономерным явлением, имеющим определенную вероятностную характеристику.

Из работы известно, что причины недоотпуска газа магистральными транспортными системами распределены по экспоненциальному закону. Допустим, что и соотношение натурального недоотпуска газа и планового объема также распределено по этому закону. Это означает, что плотность вероятно-

Таким образом, можно утверждать, что с вероятностью 0,9 фактический отпуск газа городам Литовской ССР в зимний период составил 83-84 % от плановой подачи газа, или соответственно недоотпуск газа потребителям Еср+АЕ = 7,85 + 8,3= = 16,15%.

Отметим, что полученный результат очень хорошо согласуется с имеющимися статистическими данными. Это дает некоторое основание утверждать, что гипотеза об экспоненциальном виде закона распределения недоотпуска газа правдоподобна.

В итоге на основе изложенного материала и теоретических доводов для оперативного прогнозирования газоснабжения в вероятностно-неопределенных условиях предлагается следующая двойная модель.

Для определения коэффициентов и соответствующих дисперсий этих коэффициентов была использована ЭВМ ЕС-1033. Для ЭВМ автором и математиком-программистом И. Моркунасом была специально подготовлена программа с использованием основ, изложенных в работе на алгоритмическом языке «Фортран». Из-за объемистости программу расчета включить в данную работу не представляется возможным.

Вторая часть двойной модели оперативного прогнозирования газоиотребления принимает следующий вид.

Таким образом, значение берется как среднее арифметическое или как верхняя граница доверительного интервала (пессимистическое решение).

Для выяснения некоторых соображений, касающихся модели, следует иметь в виду, что здесь, как и при объяснении необходимости коэффициента ЛУ, учитывающего прирост газопотребления в прогнозируемом периоде, может возникнуть вопрос о том, нужно ли при оперативном прогнозировании принимать во внимание недоотпуск газа в сравнении с плановой подачей ГСГ магистральными транспортными системами? Ведь создается впечатление, что при прогнозе согласно модели недоотпуск газа в статистических данных уже присутствовал, т. е. Qnp в формуле определен с учетом ограниченной подачи газа. Почему нужно повторно рассчитать недоотпуск газа? Попробуем более детально разобраться в этих вопросах.

Гели учитывать предлагаемую методику формирования массива исходных данных для оперативного прогнозирования газопотребления, изложенную в конце раздела, то исходными должны служить статистические данные по объему и структуре газопотребления за период не далее чем последние 2-3 недели. При этом следует абсолютно исключить статистические данные за аналогичный период предыдущего года.

Например, за прошедшие 2-3 недели (имеются в виду рабочие недели) недоотпуска газа магистральными транспортными системами не было. Значит, и в статистических данных, формирующих Qnp в формуле, этого недоотпуска не может быть. Однако по тем сведениям, которые диспетчерские службы магистральных транспортных систем представили городской газовой диспетчерской службе (о вынужденных отключениях на газовых промыслах, на магистральном газопроводе и на КС, о плановом ремонте магистральных газопроводов, о нарушении нормального режима в магистральном газопроводе, вызванном в основном резким понижением температуры воздуха и др.), в следующей прогнозируемой неделе намечается недоотпуск газа ГСГ. Естественно, расход газа на прогнозируемую неделю будет уже меньше, чем при прогнозе согласно модели. Конкретно в рассмотренной ситуации модель будет иметь следующий вид.

Другой случай может быть противоположным рассмотренной выше ситуации: когда за 2-3 прошедшие недели был осуществлен недоотпуск газа магистральными транспортными системами, а в прогнозируемой неделе он уже не предвидится. Если будет использована модель в данной ситуации будет иметь следующий вид.

Возможен и третий случай формирования статистических данных для оперативного прогнозирования газопотребления при недоотпуске газа: когда недоотпуск газа отмечался за прошедшие 2-3 недели и существует в прогнозируемой неделе.

С учетом этого городская газовая диспетчерская служба при оперативном прогнозировании и составлении расчетов (особенно по краткосрочному газопотреблению) должна одновременно выполнить расчеты по двум моделям прогнозирования. Окончательное решение, какой расчет прогнозного объема газа будет направляться потребителям, принимают специалисты диспетчерских служб.

Однако для этого нужно учесть специфику методики формирования массива исходных данных для оперативного и текущего прогнозирования, изложенную ниже. Формирование исходных данных для сверхсрочного и краткосрочного прогнозирования газопотребления существенно отличается от методики подготовки исходных данных для текущего (среднесрочного, долгосрочного) и перспективного прогнозирования. Это объясняется следующим: при сверхсрочном и краткосрочном прогнозировании газопотребления определение значимости отдельных его факторов, таких как влияние температуры наружного воздуха, скорости ветра, фактор последовательности отдельных дней недели, является почти объективно реальным действием по сравнению с фактическими в будущем прогнозном периоде условиями газопотребления городом, что невозможно объективно оценить при среднесрочном, долгосрочном и перспективном прогнозировании.

Таким образом, исходные данные для прогнозирования газопотребления следует разделить на две группы: 1) данные или факторы, очень быстро меняющиеся и имеющие резкое влияние на газопотрсбление (температура воздуха, скорость ветра, последовательность дней недели) и 2) данные или факторы, трактуемые как «черный ящик», содержание которого также меняется, но не так быстро, как в первой группе. К таким факторам следовало бы отнести удельный прирост газопотребления вновь подключенных к газовым сетям потребителей, увеличение КПД газифицированных агрегатов в связи с научно-техническим прогрессом, сезонную неравномерность газопотребления, наличие и характер буферных потребителей и т. д. Для сверхкраткосрочного и краткосрочного прогнозирования исходными данными должны служить статистические данные по объему и структуре газопотребления за период не более чем несколько прошедших недель (2-3 недели). В данном случае абсолютно исключено использование статистических данных за этот же период прошлого года.

Особое внимание следует уделять анализу исходных данных газопотребления последней недели текущего периода. Такой методический подход при формировании исходной информации для оперативного прогнозирования объясняется тем, что газопотребление городом для каждого дня недели для менее краткого временного периода имеет большие отличия, чем для более длительного периода.

Конечно, игнорируя статистические данные за один и тот же период времени, например позапрошлого, прошлого года, мы в какой-то степени получаем и определенную неточность массива исходных данных. Однако нужно отметить, что создание «идеальной» математической модели прогнозирования, которая могла бы учесть всю имеющуюся информацию, т. с. использовать данные всех возможных источников,- задача почти нереальная. Как правило, важно использовать те исходные данные, которые имеют первостепенное значение и непосредственную связь с решаемой проблемой.

Следовательно, для того чтобы наиболее реально оценить газопотребление в ближайшем будущем и получить достаточно хороший прогноз (для сверхкраткосрочного и краткосрочного прогнозирования газопотребления), достаточно той исходной информации, которая была получена в результате наблюдения за последние недели. Исходные данные более раннего периода, хотя и имеют «больше информации», во многих случаях недостаточны, так как возникает опасность введения в модель прогнозирования большого количества «информации прошлого», которая может сильно исказить фактическую структуру газопотребления. Таким образом, массив исходных данных или оперативного прогнозирования требует постоянного обновления полученной от диспетчерских служб фактической ежедневной информации о газопотреблении.

Для среднесрочного, долгосрочного и перспективного прогнозирования газопотребления, наоборот, важно использовать массив исходных данных за длительный временной период (за год, несколько лет). В этом случае чаще пользуются усредненными декадными, месячными исходными данными с учетом возможного изменения отдельных факторов, влияющих на газопотребление. Положительная сторона указанного массива данных заключается в том, что его не требуется часто обновлять. Иначе говоря, введенные в модель факторы прогнозирования газопотребления заново менять не требуется, их следует только постоянно дополнять новыми статистическими материалами. Здесь существует такой принцип формирования массива исходной информации: чем больше исходной информации получено за прошедшее время, тем более объективно можно определить развитие системы в будущем.

Формирование массива исходных данных для оперативного прогнозирования газопотребления в нерабочие дни недели имеет некоторые специфические условия. Математическая модель прогнозирования не может охватить все факторы, влияющие на газопотребление, и соответственно их оценить. Это объясняется следующим: газопотребленис в нерабочие дни резко отличается от газопотребления в рабочие дни. В связи с этим массив исходных данных для оперативного прогнозирования в нерабочие дни должен формироваться с учетом фактических данных газопотребления за соответствующий период прошлого года, а также тех условий развития системы, которые могут корректировать исходные данные, например увеличение объема газопотребления для вновь подключенных к сетям потребителей, влияние изменения КПД газифицированных тепловых агрегатов, изменение среднесуточной температуры воздуха и скорости ветра.

С учетом изложенных методических соображений нами приведена принципиальная блок-схема последовательности формирования массива исходных данных для краткосрочного прогнозирования газопотребления.

Для наглядности выполним расчеты краткосрочного прогнозного газопотребления, используя изложенную методику формирования массива исходных данных.

Однако предлагаемая модель прогнозирования не учитывает неравномерность газопотребления по дням недели.

На основе проведенных нами исследований для большой системы (города, экономического района, республики) было установлено, что при прогнозировании учет неравномерности газопотребления по дням недели (имеются в виду рабочие дни) не только не повышает точности прогноза, но в некоторых случаях и ухудшает результат. Фактическое среднесуточное газопотребление за указанную неделю составило Офакт = 2366,0 тыс. м3/сут. Как видим, за прогнозируемый период среднее квадратическое прогноза по дням недели с учетом неравномерности газопотребления ±2,706, без учета ее ±1,749 %.

Выборочно были взяты еще пять недель, и по рабочим дням каждой из них были выполнены расчеты с учетом и без учета неравномерности газопотребления. Полученные прогнозные данные сравнивались с фактическим газопотреблением, и определялась средняя ошибка прогноза.

Это в какой-то степени дает право указать на целесообразность при оперативном прогнозировании городского газопотребления для рабочих дней недели не учитывать среднесуточную неравномерность расхода природного газа.

В результате математическая модель прогнозирования газопотребления упрощается, при этом не теряется точность расчета, отпадает также надобность при формировании массива исходных данных в сборе сведений о среднесуточной неравномерности газопотребления по рабочим дням недели. Разработанная нами методика формирования массива исходных данных рекомендуется в основном для оперативного, а также текущего, долгосрочного и перспективного прогнозирования городского газопотребления.

отрывки, источник: 2 ( см. список литературы )

Комментарии запрещены.

Метки
Добро пожаловать
На наш новый форум газовиков!
Полезное
Опрос

У вас есть дома газ?

Просмотреть результаты

Загрузка ... Загрузка ...
Календарь
Ноябрь 2017
Пн Вт Ср Чт Пт Сб Вс
« Июн    
 12345
6789101112
13141516171819
20212223242526
27282930  

Галерея

images_10 images_7 images_6 images_11