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)
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。
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)。
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。
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
3.1.1 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
3.2.1 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
3.3.1 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
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。