面向統(tǒng)一能源系統(tǒng)的中長(zhǎng)期氫負(fù)荷預(yù)測(cè)

彭生江，孫傳帥，妥建軍，袁鐵江

(1.甘肅省電力公司經(jīng)濟(jì)技術(shù)研究院，甘肅 蘭州 730000；2.華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 102206；3.大連理工大學(xué) 電氣工程學(xué)院，遼寧 大連 116024)

0 引言

未來(lái)能源社會(huì)中氫氣將在電力、工業(yè)、供熱、交通等領(lǐng)域發(fā)揮巨大作用，可再生能源大規(guī)模棄電可通過(guò)電解制氫產(chǎn)生大量氫能，氫能將作為新興能源取代工業(yè)領(lǐng)域中的傳統(tǒng)化石能源，作為供熱燃料添加到天然氣中進(jìn)行供熱以及作為交通領(lǐng)域動(dòng)力能源，將電力網(wǎng)絡(luò)、工業(yè)領(lǐng)域、供熱領(lǐng)域和交通領(lǐng)域統(tǒng)一起來(lái)。而針對(duì)某一地區(qū)多領(lǐng)域的氫氣負(fù)荷預(yù)測(cè)研究鮮有報(bào)道。預(yù)測(cè)某一地區(qū)的多領(lǐng)域氫氣負(fù)荷量是合理規(guī)劃大規(guī)模風(fēng)/光制-儲(chǔ)氫系統(tǒng)的重要環(huán)節(jié)，同時(shí)也為未來(lái)該地區(qū)政策的制定提供參考[1]。

負(fù)荷預(yù)測(cè)通常采用灰色模型法、時(shí)間序列法、支持向量機(jī)法以及對(duì)各種算法進(jìn)行組合創(chuàng)新的優(yōu)化算法[2-6]，這些算法預(yù)測(cè)結(jié)果精度高，已廣泛應(yīng)用在電力系統(tǒng)[7-8]、天然氣[9]等領(lǐng)域中。對(duì)于氫負(fù)荷預(yù)測(cè)，國(guó)內(nèi)外對(duì)此已經(jīng)有了一定的研究，文獻(xiàn)[10]針對(duì)提出的加氫站氫供應(yīng)鏈系統(tǒng)，考慮到長(zhǎng)期網(wǎng)絡(luò)設(shè)計(jì)模型中氫需求的增長(zhǎng)趨勢(shì)，將地圖劃分成單位網(wǎng)格，以單位地理上電網(wǎng)密度分布來(lái)等效氫總需求量，該方法具有一定創(chuàng)新性，但預(yù)測(cè)精度低。文獻(xiàn)[11]以經(jīng)濟(jì)發(fā)展及相關(guān)經(jīng)濟(jì)、系統(tǒng)動(dòng)力學(xué)理論，對(duì)氫能需求的內(nèi)、外在因素進(jìn)行了定性分析，預(yù)測(cè)了不同經(jīng)濟(jì)發(fā)展速度背景下中國(guó)各產(chǎn)業(yè)的氫需求量。文獻(xiàn)[12]以人口、人均車輛擁有量、氫燃料電池車市場(chǎng)滲透水平與氫燃料汽車年平均里程為函數(shù)變量，進(jìn)行應(yīng)用場(chǎng)景劃分，再分別討論各場(chǎng)景下影響預(yù)測(cè)的主要因素，最后計(jì)算該地區(qū)交通領(lǐng)域氫氣年需求量。研究表明能源需求預(yù)測(cè)受多重因素影響，且各影響因素具有相關(guān)性。

針對(duì)未來(lái)社會(huì)中氫能在工業(yè)、供熱、交通等領(lǐng)域的需求，獲取工業(yè)領(lǐng)域的氫負(fù)荷樣本數(shù)據(jù)，算出負(fù)荷數(shù)據(jù)的特征，采用支持向量機(jī)回歸（SVR）算法，得到工業(yè)領(lǐng)域氫負(fù)荷預(yù)測(cè)模型；然后，以供熱、交通領(lǐng)域需氫數(shù)據(jù)建立模型，采用改進(jìn)灰色GM(1，1)模型與新陳代謝模型結(jié)合，得到供熱、交通領(lǐng)域氫負(fù)荷預(yù)測(cè)模型；分別驗(yàn)證模型后，得出該方法用于中長(zhǎng)期氫負(fù)荷預(yù)測(cè)是可行的。

1 統(tǒng)一能源系統(tǒng)

統(tǒng)一能源系統(tǒng)是將電力網(wǎng)絡(luò)、工業(yè)領(lǐng)域、供熱領(lǐng)域和交通領(lǐng)域統(tǒng)一起來(lái)，如圖1所示。其中氫氣居于統(tǒng)一能源系統(tǒng)的關(guān)鍵位置，氫能的應(yīng)用極其廣泛。從清潔電力到清潔氣體能源，支撐電網(wǎng)與冷/熱網(wǎng)、氣網(wǎng)、交通網(wǎng)等多能源網(wǎng)絡(luò)互聯(lián)互動(dòng)，氫能是聯(lián)結(jié)煤、油化石能源系統(tǒng)和風(fēng)、光新能源系統(tǒng)，構(gòu)建未來(lái)清潔統(tǒng)一能源系統(tǒng)的橋梁。國(guó)外發(fā)達(dá)國(guó)家采用氫能技術(shù)消納過(guò)剩的風(fēng)電和光電來(lái)解決能源困局。其核心思想是當(dāng)可再生能源發(fā)電供大于求時(shí)，大規(guī)模的棄風(fēng)棄光可以將水電解產(chǎn)生大量氫能，產(chǎn)生的大量氫能可以供給工業(yè)、供熱和交通領(lǐng)域，服務(wù)統(tǒng)一能源系統(tǒng)。

圖1 統(tǒng)一能源系統(tǒng)示意Fig.1 Illustration of unified energy system architecture

隨著電解槽技術(shù)的發(fā)展、電解水制氫效率的提高，未來(lái)社會(huì)中氫氣在國(guó)民生活中的利用率會(huì)不斷提高。氫氣需求快速增長(zhǎng)，合理預(yù)測(cè)某一地區(qū)的氫氣負(fù)荷量，是合理規(guī)劃大規(guī)模風(fēng)/光制-儲(chǔ)氫系統(tǒng)的重要環(huán)節(jié)，同時(shí)也為未來(lái)國(guó)家制定相關(guān)氫能政策作出貢獻(xiàn)。

2 SVM和灰色GM（1,1）模型在氫負(fù)荷預(yù)測(cè)中的應(yīng)用

2.1 工業(yè)領(lǐng)域的氫負(fù)荷需求數(shù)學(xué)預(yù)測(cè)模型

根據(jù)工業(yè)生產(chǎn)合成氨、制甲醇和原油加工對(duì)氫能負(fù)荷需求的特點(diǎn)，選用月需氫負(fù)荷作為建模的數(shù)據(jù)。某一區(qū)域的氫能負(fù)荷具有波動(dòng)性，但通常具有趨勢(shì)性和以年為周期的季節(jié)變化規(guī)律。對(duì)于該類負(fù)荷模型，可表示為

式中：yt為t月負(fù)荷觀測(cè)值；Gt為t月負(fù)荷觀測(cè)值的趨勢(shì)分量；Ht為t月負(fù)荷觀測(cè)值的周期分量；Et表示均值為零的隨機(jī)噪聲，包含測(cè)量噪聲或模型誤差。

設(shè)工業(yè)領(lǐng)域的氫能的月負(fù)荷序列為y1，y2，···，yT，T=12N，其中T為序列個(gè)數(shù)、N為年份個(gè)數(shù)。用中間值移動(dòng)平均法，可以計(jì)算出不包括周期波動(dòng)項(xiàng)的氫負(fù)荷趨勢(shì)項(xiàng)。

以t為中心的2階滑動(dòng)平均數(shù)字濾波，并以12為周期得到去除了氫負(fù)荷周期分量的氫負(fù)荷趨勢(shì)項(xiàng)。從式（3）可以得到帶有噪聲的氫負(fù)荷周期項(xiàng)。

從中國(guó)統(tǒng)計(jì)年鑒獲得工業(yè)領(lǐng)域石油裂化、合成氨、制甲醇等產(chǎn)品以月份為單位的產(chǎn)量時(shí)間序列，通過(guò)查找文獻(xiàn)得到各產(chǎn)品的需氫量的經(jīng)驗(yàn)參數(shù)，進(jìn)而得到各產(chǎn)品的月需氫量的時(shí)間序列，采用SVM回歸算法，求出工業(yè)領(lǐng)域?qū)淠艿男枨蟮臄?shù)學(xué)預(yù)測(cè)模型為

式中：x為影響負(fù)荷預(yù)測(cè)的因素；xi為第i個(gè)樣本；K(x,xi)為核函數(shù)；為ai拉格朗日乘子；b為常數(shù)，且b∈R。

2.2 供熱、交通領(lǐng)域的氫負(fù)荷需求的數(shù)學(xué)預(yù)測(cè)模型

供熱領(lǐng)域以歷史上天然氣供應(yīng)量可摻氫量作為供熱領(lǐng)域的原始數(shù)據(jù)，采用改進(jìn)灰色模型，構(gòu)建供熱領(lǐng)域的氫負(fù)荷量預(yù)測(cè)模型；交通領(lǐng)域，假設(shè)未來(lái)民用公交車和民用小型載客車均以氫能為動(dòng)力燃料，并計(jì)算出其每月的氫能需求量，采用改進(jìn)灰色模型，構(gòu)建交通領(lǐng)域的氫負(fù)荷量預(yù)測(cè)模型。

改進(jìn)灰色GM(1，1)模型的改進(jìn)部分如下。

式中：z(1)為x(1)的緊臨均值生成序列；x(0)為原序列；λ為糾偏參數(shù)；n為原始數(shù)據(jù)建模個(gè)數(shù)。

建立預(yù)測(cè)模型為

還原模型為

3 算例分析

3.1 工業(yè)領(lǐng)域氫負(fù)荷量預(yù)測(cè)

3.1.1 數(shù)據(jù)來(lái)源

從國(guó)家統(tǒng)計(jì)局網(wǎng)站及中國(guó)統(tǒng)計(jì)年鑒獲得甘肅省 2005年1月—2018年12月的原油加工量，2000年1月—2014年7月合成氨產(chǎn)量，2007年4月—2014年7月精制甲醇產(chǎn)量的月序列負(fù)荷量數(shù)據(jù)。選取其中工業(yè)產(chǎn)品相對(duì)應(yīng)的數(shù)據(jù)用于建立/訓(xùn)練模型，每一個(gè)樣本的輸入特征為不含季節(jié)周期波動(dòng)的趨勢(shì)項(xiàng)，帶有噪聲的季節(jié)周期項(xiàng)。

3.1.2 算法參數(shù)

實(shí)驗(yàn)采用線性核函數(shù)，利用交叉驗(yàn)證的方法確定懲罰參數(shù)C、核函數(shù)的參數(shù)g以及不敏感函數(shù)ε。C的大小與懲罰力度呈正相關(guān)，但C的值并不代表越大越好, 若C過(guò)大可能會(huì)造成過(guò)擬合的現(xiàn)象[13]。不敏感函數(shù)ε為回歸函數(shù)的誤差要求。

3.1.3 仿真實(shí)驗(yàn)及結(jié)果

運(yùn)用Matlab調(diào)用Libsvm工具包來(lái)實(shí)現(xiàn)SVR 模型的建立以及性能評(píng)估。

（1）將輸入數(shù)據(jù)隨機(jī)打亂。20%輸入數(shù)據(jù)作為目標(biāo)測(cè)試集，其余為訓(xùn)練集。（2）數(shù)據(jù)歸一化，對(duì)數(shù)據(jù)進(jìn)行處理有利于提高計(jì)算速度。（3）運(yùn)用訓(xùn)練集和測(cè)試集數(shù)據(jù)創(chuàng)建并訓(xùn)練回歸模型。（4）進(jìn)行仿真測(cè)試。（5）數(shù)據(jù)的反歸一化。（6）輸出結(jié)果。

（1）建立氫負(fù)荷預(yù)測(cè)回歸模型，得出原油加工需氫量預(yù)測(cè)值與真實(shí)值對(duì)比如圖2所示。從圖2中比較可以發(fā)現(xiàn)，氫負(fù)荷預(yù)測(cè)值同真實(shí)值相近，測(cè)試的均方誤差僅為0.228 52，其中決定系數(shù)高達(dá)0.999 9，該結(jié)果證明了所建模型的可靠性，具有不錯(cuò)的泛化能力。

圖2 原油加工需氫量預(yù)測(cè)值與真實(shí)值對(duì)比Fig.2 Comparison of forecast and actual hydrogen demand for crude oil processing

表1為原油加工需氫量SVR 模型預(yù)測(cè)數(shù)據(jù)與真實(shí)值對(duì)比及同時(shí)間點(diǎn)的相對(duì)誤差。從表1可知測(cè)試集數(shù)據(jù)與所對(duì)應(yīng)預(yù)測(cè)數(shù)據(jù)的相對(duì)誤差最大與最小分別為0.585%和0.002%，遠(yuǎn)小于1%。石油煉化企業(yè)主要受宏觀經(jīng)濟(jì)影響，預(yù)測(cè)時(shí)間段內(nèi)宏觀經(jīng)濟(jì)穩(wěn)定增長(zhǎng)，故石化企業(yè)生產(chǎn)工作運(yùn)行穩(wěn)定，受外界因素影響較小，雖然季節(jié)性、周期性明顯，但噪聲量很小，預(yù)測(cè)精度較高、效果理想，證實(shí)該模型在滿足一定情況下可以對(duì)原油加工需氫量進(jìn)行中長(zhǎng)期預(yù)測(cè)。

表1 原油加工需氫量SVR 模型預(yù)測(cè)數(shù)據(jù)Table 1 SVR model forecast data of hydrogen demand for crude oil processing

（2）根據(jù)氫負(fù)荷預(yù)測(cè)回歸模型預(yù)測(cè)成氨需氫量，與真實(shí)值對(duì)比如圖3所示。從圖3 可以發(fā)現(xiàn)，氫負(fù)荷預(yù)測(cè)值同真實(shí)值相近，預(yù)測(cè)的均方誤差僅為 0.354 09，其中決定系數(shù)達(dá) 0.999 05，該結(jié)果證明了所建模型的可靠性，具有較好的泛化能力。

圖3 合成氨需氫量預(yù)測(cè)值與真實(shí)值對(duì)比Fig.3 Comparison of forecast value and actual value of hydrogen demand for synthetic ammonia

表2為合成氨需氫量SVR模型預(yù)測(cè)數(shù)據(jù)與真實(shí)值的對(duì)比及同時(shí)間點(diǎn)的相對(duì)誤差。從表2和圖3中可以看出測(cè)試數(shù)據(jù)相對(duì)誤差最小值為0.04%，最大值為3.27%，氨在國(guó)民經(jīng)濟(jì)中占有重要地位，其中約80%氨用來(lái)生產(chǎn)化學(xué)肥料，20%作為其他化工產(chǎn)品的原料，而化學(xué)肥料受農(nóng)業(yè)影響較大，造成個(gè)別周期量噪聲值較大，故會(huì)出現(xiàn)個(gè)別時(shí)間點(diǎn)誤差較大，總體來(lái)看預(yù)測(cè)效果較理想，證明該實(shí)驗(yàn)所建立的模型在一定情況下可以對(duì)合成氨需氫量進(jìn)行中長(zhǎng)期預(yù)測(cè)。

表2 合成氨需氫量SVR 模型預(yù)測(cè)數(shù)據(jù)Table 2 SVR model forecast data of hydrogen demand for synthetic ammonia

（3）由回歸模型得出制甲醇需氫量預(yù)測(cè)值與真實(shí)值對(duì)比如圖4所示。從圖4 可以發(fā)現(xiàn)，氫負(fù)荷預(yù)測(cè)值同真實(shí)值幾乎相同，測(cè)試均方誤差僅為0.426 87，其中決定系數(shù)為 0.999 8，該結(jié)果證明了所建模型的可靠性，具有較好的泛化能力。

圖4 制甲醇需氫量預(yù)測(cè)值與真實(shí)值對(duì)比Fig.4 Comparison of forecast value and actual value of hydrogen demand for methanol production

表3為制甲醇需氫量SVR 模型預(yù)測(cè)數(shù)據(jù)與真實(shí)值對(duì)比及同時(shí)間點(diǎn)的相對(duì)誤差。從表3可以看出測(cè)試數(shù)據(jù)相對(duì)誤差最小值為0.20%，最大值為5.02%。甲醇的用途十分廣泛，對(duì)甲醇的需求波動(dòng)也較大，對(duì)氫負(fù)荷預(yù)測(cè)的一些時(shí)間點(diǎn)波動(dòng)較大，總體上來(lái)看預(yù)測(cè)效果比較理想，證明該實(shí)驗(yàn)所建立的模型在一定情況下可以對(duì)制甲醇需氫量進(jìn)行中長(zhǎng)期預(yù)測(cè)。

表3 制甲醇需氫量SVR 模型預(yù)測(cè)數(shù)據(jù)Table 3 SVR model prediction data of hydrogen demand for methanol production

3.2 供熱領(lǐng)域氫負(fù)荷量預(yù)測(cè)

3.2.1 數(shù)據(jù)來(lái)源

從國(guó)家統(tǒng)計(jì)局獲得甘肅省 2012—2018年的天然氣供應(yīng)量數(shù)據(jù)。在 IEA 報(bào)告得知天然氣中可以按照體積分?jǐn)?shù)23%比例摻氫，計(jì)算出2012—2018年天然氣可摻氫負(fù)荷量，并采用平均法得到以月為序列的氫負(fù)荷量。

3.2.2 仿真實(shí)驗(yàn)及結(jié)果

建模數(shù)據(jù)為甘肅省2012—2018年各月天然氣可摻氫負(fù)荷量。由改進(jìn)灰色模型進(jìn)行預(yù)測(cè)可得甘肅省2012年1月—2018年12月天然氣可摻氫量的月負(fù)荷量預(yù)測(cè)值，結(jié)果如圖5所示，平均相對(duì)誤差4.29%，后驗(yàn)差比值0.198 13，樣本35及樣本60出現(xiàn)拐點(diǎn)，可將數(shù)據(jù)分為3段，由于拐點(diǎn)處城市天然氣供應(yīng)量波動(dòng)較大，預(yù)測(cè)值在拐點(diǎn)處出現(xiàn)較大誤差，總體上來(lái)看該模型對(duì)供熱領(lǐng)域的氫能預(yù)測(cè)精度較好，由該預(yù)測(cè)模型計(jì)算可以得出甘肅省 2019 年 1、2 月份 氫荷量為 47 669.304 7 t、48 121.1 626 t。

圖5 天然氣摻氫量預(yù)測(cè)值與真實(shí)值對(duì)比Fig.5 Comparison of the forecast value of natural gas hydrogen content with the actual value

3.3 交通領(lǐng)域氫負(fù)荷量預(yù)測(cè)

3.3.1 數(shù)據(jù)來(lái)源

從國(guó)家統(tǒng)計(jì)局獲得甘肅省 2012—2018年的民用公交車和民用小型載客車擁有量數(shù)據(jù)，假設(shè)未來(lái)民用公交車和小型載客車皆以氫能作為動(dòng)力燃料[14-17]，計(jì)算出2012—2018年交通領(lǐng)域氫負(fù)荷量，并采用平均法得到以月為序列的氫負(fù)荷量。

3.3.2 仿真實(shí)驗(yàn)及結(jié)果

建模數(shù)據(jù)為甘肅省2012—2018年各月交通領(lǐng)域氫負(fù)荷量。由改進(jìn)灰色模型預(yù)測(cè)可得甘肅省2012年1月—2018年12月交通領(lǐng)域氫負(fù)荷量，結(jié)果如圖6所示，平均相對(duì)誤差為7.95%，后驗(yàn)差比值0.228 9，從樣本72之后氫能需求急劇增長(zhǎng)，這是因?yàn)?016年后國(guó)家及地方頒布大量氫能政策，氫燃料汽車快速發(fā)展。由該預(yù)測(cè)模型計(jì)算可以得出甘肅省 2019年1、2月份氫荷量為153 598.058 3 t、156 775.712 8 t。

圖6 交通領(lǐng)域氫負(fù)荷量預(yù)測(cè)值與真實(shí)值對(duì)比Fig.6 Comparison of forecast value and actual value of hydrogen load in the transportation field

4 結(jié)論

氫氣居于統(tǒng)一能源系統(tǒng)的關(guān)鍵要素，將電力網(wǎng)絡(luò)、工業(yè)領(lǐng)域、供熱領(lǐng)域和交通領(lǐng)域統(tǒng)一起來(lái)。未來(lái)統(tǒng)一能源系統(tǒng)的發(fā)展需要精度的氫負(fù)荷預(yù)測(cè)技術(shù)，氫負(fù)荷的精確預(yù)測(cè)能夠?yàn)槲磥?lái)社會(huì)的工業(yè)、供熱和交通領(lǐng)域發(fā)展作出貢獻(xiàn)，將為電力系統(tǒng)的穩(wěn)定運(yùn)行提供保障。因此，本文對(duì)氫負(fù)荷預(yù)測(cè)進(jìn)行了探索。

針對(duì)工業(yè)領(lǐng)域基于月需氫負(fù)荷建立的時(shí)間序列的SVM氫負(fù)荷預(yù)測(cè)模型對(duì)中長(zhǎng)期的氫負(fù)荷預(yù)測(cè)取得了滿意的結(jié)果。從仿真實(shí)驗(yàn)結(jié)果可以看出工業(yè)領(lǐng)域采用SVM對(duì)氫負(fù)荷中長(zhǎng)期預(yù)測(cè)中3種工業(yè)產(chǎn)品需氫量的平均相對(duì)誤差分別為0.076%、1.68%、0.45%，可以證明采用SVM算法可以對(duì)工業(yè)領(lǐng)域?qū)淠苄枨筮M(jìn)行有效的預(yù)測(cè)。供熱及交通領(lǐng)域預(yù)測(cè)結(jié)果，改進(jìn)灰色GM(1，1)模型與新陳代謝的組合模型組進(jìn)行預(yù)測(cè)可得對(duì)處理后的數(shù)據(jù)適應(yīng)性較好，預(yù)測(cè)結(jié)果的誤差較小，在可承受范圍內(nèi)，可以證明供熱及交通領(lǐng)域?qū)淠艿闹虚L(zhǎng)期需求可以采用該組合模型。