CN108009667A - 一种能源需求总量及结构预测系统 - Google Patents

一种能源需求总量及结构预测系统 Download PDF

Info

Publication number
CN108009667A
CN108009667A CN201710590171.8A CN201710590171A CN108009667A CN 108009667 A CN108009667 A CN 108009667A CN 201710590171 A CN201710590171 A CN 201710590171A CN 108009667 A CN108009667 A CN 108009667A
Authority
CN
China
Prior art keywords
energy
prediction
energy demand
total
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710590171.8A
Other languages
English (en)
Inventor
周全
路亮
柳璐
程浩忠
江栗
蔡绍荣
沙宇恒
游川
洪绍云
田书欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Southwest Branch of State Grid Corp
Original Assignee
Shanghai Jiaotong University
Southwest Branch of State Grid Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, Southwest Branch of State Grid Corp filed Critical Shanghai Jiaotong University
Priority to CN201710590171.8A priority Critical patent/CN108009667A/zh
Publication of CN108009667A publication Critical patent/CN108009667A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)

Abstract

本发明涉及一种能源需求总量及结构预测系统，包括：数据库模块，用于存储能源相关历史数据，所述能源包括煤、石油、天然气和其他可再生能源；输入模块，用于从所述数据库模块中调用所述能源相关历史数据，并提取历史能源预测指标；分析预测模块，根据所述能源预测指标，基于灰色预测模型、能源库兹涅茨曲线和多元回归数学模型对能源需求总量进行预测，基于利用马尔科夫链实现对能源需求结构进行预测；输出模块，用于输出能源需求总量和能源需求结构的预测结果。与现有技术相比，本发明具有准确性好、适应性强等优点。

Description

一种能源需求总量及结构预测系统
技术领域
本发明涉及能源技术领域，尤其是涉及一种能源需求总量及结构预测系统。
背景技术
能源是现代经济发展的重要支撑，是人类社会生存和发展的物质基础，攸关国计民生和国家战略竞争力。随着经济的飞速发展和人民生活水平的日益提高，对能源的需求量越来越大，尤其是对二次能源电力的需求一直保持着高速增长状态。能源系统是一个具有多利益主体的复杂系统，其需求总量及其结构变化趋势的预测是新能源规划决策的重要基础，对新常态下经济的可持续发展具有重要的指导意义。
现有对能源需求预测的文献，主要以经济计量方法和情景分析方法为主。许冬兰、刘晓芳在《青岛科技大学学报》(2011,27(2):16-20)上发表的《山东省城市化进程中的能源需求预测及碳排放影响因素研究》采用时间序列回归分析法和协整方法，对山东省城市化进程中能源需求量进行预测，分析影响能源需求和碳排放增长的主要因素。沈镭、刘立涛、王礼茂等在《自然资源学报》(2015,30(3):361-373)上发表的《2050年中国能源消费的情景预测》侧重于人口和经济等驱动中国能源消费的两大主要因素，参考主要发达国家经济发展过程中人均能源消耗及人均累计能耗变化规律，利用情景分析法对中国未来能源消费趋势进行了定量预测分析。梁琳琳、卢启程在《资源科学》(2015,37(2):291-298)上发表的《基于碳夹点分析的中国能源结构优化研究》运用碳夹点方法辨识能源消费瓶颈，并建立能源消费与国民生产总值(GDP)之间的关系模型，对2020年我国能源消费及碳排放量的预测。文炳洲、索瑞霞在《数学实践与认识》(2016,46(20):45-53)上发表的《基于组合模型的我国能源需求预测》选用灰色系统模型、神经网络模型和三次指数平滑模型等构建组合预测模型并对我国能源消费进行组合预测，为能源需求预测提供了一种实用研究方法。程林、张靖、黄仁乐等在《电力自动化设备》(2017,37(6):282-287)上发表的《基于多能互补的综合能源系统多场景规划案例分析》利用多场景规划理念对冷、热、电等能源需求进行预测，并提出基于多能互补的综合能源系统建设方案。以上文献侧重于单一影响因素对能源需求总量或能源需求结构进行预测，并未考虑能源政策、技术水平、能源供应等多方面不确定性信息的影响。现有专利中，陈政、冷媛、蒙文川等发明人申请的发明专利《基于定基单位产值能耗预测能源需求总量的模型》利用定基GDP和定基单位产值能耗对能源需求总量进行预测。王宝、李周、葛斐等发明人申请的发明专利《基于经济增长指标的能源需求量预测方法》利用三大产业部门产业增加值和人均GDP水平的历史数据预测目标年度的能源消费总量。万靖、张维、周小兵等发明人申请的发明专利《一种基于结构分解的能源需求预测方法》选取基准年的样本区间数据，对能源消费情况进行分解和分析，建立生产用能源需求模型，预测出能源总需求。以上专利都仅仅对能源需求总量进行预测，而忽略了可再生能源快速发展对未来能源需求结构的影响。因此能源需求总量及其结构预测问题值得深入研究。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种准确性好、适应性强的能源需求总量及结构预测系统。
本发明的目的可以通过以下技术方案来实现：
一种能源需求总量及结构预测系统，包括：
数据库模块，用于存储能源相关历史数据，所述能源包括煤、石油、天然气和其他可再生能源；
输入模块，用于从所述数据库模块中调用所述能源相关历史数据，并提取历史能源预测指标；
分析预测模块，根据所述能源预测指标，基于灰色预测模型、能源库兹涅茨曲线和多元回归数学模型对能源需求总量进行预测，基于利用马尔科夫链实现对能源需求结构进行预测；
输出模块，用于输出能源需求总量和能源需求结构的预测结果。
所述数据库模块包括能源需求总量库、国内生产总值库、人均国内生产总值库和能源消费比例库。
所述历史能源预测指标包括历史能源需求总量、能源需求增长率、能源需求总量年平均绝对增加值、能源强度、能源弹性系数和历史能源需求结构。
所述分析预测模块包括能源需求总量预测子模块和能源需求结构预测子模块。
所述能源需求总量预测子模块包括：
灰色预测单元，建立灰色预测模块，根据历史能源预测指标对能源需求总量进行趋势外推；
能源库兹涅茨曲线获取单元，根据历史能源预测指标获取经济发展对能源需求总量变化趋势的影响曲线；
多元回归单元，利用多元方程和预测结果残差最小来分析多个历史能源预测指标之间的关系，获取多元变量共同作用下的能源需求总量演变规律；
总量预测输出单元，根据所述灰色预测单元、能源库兹涅茨曲线获取单元和多元回归单元的结果输出能源需求总量预测曲线。
所述能源需求结构预测子模块包括：
马尔科夫链单元，针对随机过程建立状态转移概率矩阵和初始状态概率向量，并基于历史能源预测指标，对能源需求结构进行预测；
结构预测输出单元，根据所述马尔科夫链单元的结果输出能源需求结构变化趋势。
所述灰色预测单元对能源需求总量进行趋势外推的过程包括：
A1)根据历史能源预测指标形成原始数据样本序列X(0)＝{x(0)(1),x(0)(2),...x(0)(n)}，n为样本数；
A2)对所述原始数据样本序列进行一次累减数据生成：
X(1)＝{x(1)(1),x(1)(2),...x(1)(n)}，其中
令Z(1)为X(1)的临近均值生成序列Z(1)＝{z(1)(2),z(1)(3),...z(1)(n)}，其中
A3)建立白微分方程：
其中a为发展系数，a、b均为待定参数，由最小二乘法求解获得：
A4)对应灰色预测模型x(0)(k)+az(0)(k)＝b的时间响应序列为：
A5)判断所述灰色预测模型是否通过残差校验，若是，则以所述灰色预测模型进行预测，若否，则进行残差修正。
所述残差校验具体为：
按所述灰色预测模型计算对其进行一次累减数据生成计算原始序列x(0)(i)与的绝对残差序列：
及相对残差序列：
并计算平均相对残差
对于给定α>0，判断是否存在且Φn＜α，若是，则通过残差校验。Φn是指Φi在i＝n时的值。
所述马尔科夫链单元对能源需求结构进行预测具体为：
B1)确定一步转移概率矩阵P：
其中，其他为除煤、石油、天然气之外的其他可再生能源，pij为转移概率矩阵P中的元素，表示t-1时刻处于第i种能源而t时刻处于第j种能源的一步转移概率，i＝1,2,3,4，j＝1,2,3,4；
B2)为使误差最小，建立齐次马尔科夫链二次规划模型：
其中，为t时刻第i种能源消费量占能源消费总量的比例，pij为t-1时刻处于第i种能源而t时刻处于第j种能源的一步转移概率，εj(t)为误差；
B3)求解所述齐次马尔科夫链二次规划模型，求取系统从i状态到j状态一步完成的转移概率pij，进而获得一步转移概率矩阵P；
B4)确定初始状态概率向量S(0)；
B5)利用马尔科夫链预测k年后的能源需求结构：
S(k)＝S(0)P(k)＝S(0)Pk
其中，系统在tm时间处于状态i，经过k次转移后在tm+k时间处于状态j的概率为pij(k)，则称pij(k)为k步转移概率，记作P(k)，它可由一步转移概率矩阵来表示，即P(k)＝Pk。
所述初始状态概率向量具体为：
选取一个初始年，以该初始年各类能源在能源需求总量中的比例为分向量，建立初始状态概率向量S(0)：
式中，分别表示煤炭、石油、天然气、水电在能源需求总量中的比例。
与现有技术相比，本发明具有以下有益效果：
一、准确性好。能源需求总量预测方法采用了灰色预测、能源库兹涅茨曲线和多元回归方程三种模型，并结合对应地区的经济、能源统计数据，分别在各模型基础上计算了能源需求总量、能源需求总量年平均绝对增加值、能源需求总量增长率、能源强度、能源强度年平均减少绝对值、年平均能源弹性系数等评价指标，对比分析该地区能源需求总量的未来发展趋势，探求更加准确的预测模型。
二、适应性强。能源结构是一个具有随机波动特性的复杂动态架构，受到能源政策、技术水平、能源供应等多方面不确定性因素的影响。选用马尔科夫链方法对未来能源结构进行预测，可以根据能源消费结构变化的历史数据，适应各种不确定因素的干扰，研究能源结构的变化趋势，有利于能源规划决策的制定、能源利用效率的提高、能源生态环境的改善。
附图说明
图1为本发明的结构示意图；
图2为实施例中H区域整体能源强度库兹涅茨曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本发明提供一种能源需求总量及结构预测系统，包括数据库模块1、输入模块2、分析预测模块3和输出模块4，其中，数据库模块1用于存储能源相关历史数据，所述能源包括煤、石油、天然气和其他可再生能源；输入模块2用于从所述数据库模块中调用所述能源相关历史数据，并提取历史能源预测指标；分析预测模块3根据所述能源预测指标，基于灰色预测模型、能源库兹涅茨曲线和多元回归数学模型对能源需求总量进行预测，基于利用马尔科夫链实现对能源需求结构进行预测；输出模块4用于输出能源需求总量和能源需求结构的预测结果。该预测系统结合灰色预测模型、能源库兹涅茨曲线和多元回归数学模型各自的特点，对能源需求总量进行预测，探索适合该地区经济发展新常态下能源需求变化趋势的预测模型；同时利用齐次马尔科夫链二次规划模型，形成转移概率矩阵和初始状态概率向量，充分考虑能源政策、技术水平、能源供应等因素对能源结构的影响，预测未来的能源结构变化情况。
数据库模块1包括能源需求总量库11、国内生产总值库12、人均国内生产总值库13和能源消费比例库14。
输入模块2对数据库模块1中的历史统计数据进行分析计算，获取的历史能源预测指标包括历史能源需求总量、能源需求增长率、能源需求总量年平均绝对增加值、能源强度、能源弹性系数和历史能源需求结构。
分析预测模块3包括能源需求总量预测子模块和能源需求结构预测子模块。
能源需求总量预测子模块包括灰色预测单元31、能源库兹涅茨曲线获取单元32、多元回归单元33和总量预测输出单元34。灰色预测单元31建立灰色预测模块，根据历史能源预测指标对能源需求总量进行趋势外推；能源库兹涅茨曲线获取单元32根据历史能源预测指标获取经济发展对能源需求总量变化趋势的影响曲线；多元回归单元33利用多元方程和预测结果残差最小来分析多个历史能源预测指标之间的关系，获取多元变量共同作用下的能源需求总量演变规律；总量预测输出单元34根据所述灰色预测单元、能源库兹涅茨曲线获取单元和多元回归单元的结果输出能源需求总量预测曲线。
灰色预测单元31对能源需求总量进行趋势外推是利用灰色理论根据保留历史数据的增长率对能源需求总量进行趋势外推，具体过程包括：
A1)根据历史能源预测指标形成原始数据样本序列X(0)＝{x(0)(1),x(0)(2),...x(0)(n)}，n为样本数；
A2)对所述原始数据样本序列进行一次累减(I-AGO)数据数生成：
X(1)＝{x(1)(1),x(1)(2),...x(1)(n)}，其中
令Z(1)为X(1)的临近均值生成序列Z(1)＝{z(1)(2),z(1)(3),...z(1)(n)}，其中
A3)建立白微分方程：
此方程为灰色微分方程x(0)(k)+az(1)(k)＝b的白化方程，也叫影子方程，其中a为发展系数，a、b均为待定参数，由最小二乘法求解获得：
A4)对应灰色预测模型x(0)(k)+az(0)(k)＝b的时间响应序列为：
A5)判断所述灰色预测模型是否通过残差校验，若是，则以所述灰色预测模型进行预测，若否，则进行残差修正。
所述残差校验具体为：
按所述灰色预测模型计算对其进行一次累减数据生成计算原始序列x(0)(i)与的绝对残差序列：
及相对残差序列：
并计算平均相对残差
判断是否存在且Φn＜a，若是，则通过残差校验。一般a取0.01～0.05。如果模型的相对误差平均值在1％及以下，说明模型的精度等级为一级；如果大于1％且小于5％，模型的等级精度等级为二级；如果大于5％且小于10％，则为三级；当其大于10％且小于等于20％，则模型的精度等级为四级。
能源库兹涅茨曲线单元32通过人均收入与能源强度或能源需求总量指标直接的演变模拟，说明经济发展对能源需求变化趋势的影响。
多元回归子单元33利用多元方程和预测结果残差最小来分析多个变量之间的关系，把握多元变量共同作用下的演变规律。
能源需求结构预测子模块包括马尔科夫链单元35和结构预测输出单元36，马尔科夫链单元35针对随机过程建立状态转移概率矩阵和初始状态概率向量，并基于历史能源预测指标，对能源需求结构进行预测；结构预测输出单元36根据所述马尔科夫链单元的结果输出能源需求结构变化趋势。
马尔科夫链单元35是针对随机过程建立状态转移概率矩阵和初始状态概率向量，并基于历史统计数据，对能源需求进行预测。
马尔科夫过程是具有无后效性的随机过程。所谓无后效性是指：当过程在tm时刻所处的状态为已知时，过程在大于tm的时刻所处的状态的概率特性与过程在tm时刻所处的状态有关，而与过程在tm时刻以前的状态无关。通常把时间和状态都离散处理的马尔科夫过程称为马尔科夫链，这种过程一般用条件概率来描述。为了方便，将当前时刻的状态记为i，下一时刻的状态记为j，则条件概率的公式可写成为：
P(Xn＝j|Xn-1＝i)＝pij
式中，pij是过程从状态i到状态j的转移概率。
如果在一次状态转移中转移概率与t时刻无关，且为常数，即：
P(Xn＝j|Xn-1＝i)＝P(Xk＝j|Xk-1＝i)＝pij
称此马尔科夫过程为时间齐次的。在能源结构研究中，只涉及离散的齐次马尔科夫过程。
由于上述过程中从i状态到j状态的转移是一步完成的，故称pij为一步转移概率。对于有n个状态时，它的一步转移概率可写成矩阵形式为：
式中，
pij≥0(i,j＝1,2,...,n)
若系统在tm时间处于状态i，经过k次转移后在tm+k时间处于状态j的概率为pij(k)，则称pij(k)为k步转移概率，记作P(k)，它可由一步转移概率矩阵来表示，即：
P(k)＝Pk
如果起始状态概率向量为S(0)，经过m步后过程处于j状态的概率，可由下式解出：
S(m)＝S(m-1)*P＝S(0)Pm
这里m作为幂的指数。
根据能源消费结构变化的历史数据，利用马尔科夫链研究能源结构的变化趋势，建立能源结构的预测模型由以下几步进行：
B1)确定一步转移概率矩阵P：
其中，其他为除煤、石油、天然气之外的其他可再生能源，pij为转移概率矩阵P中的元素，表示t-1时刻处于第i种能源而t时刻处于第j种能源的一步转移概率，i＝1,2,3,4，j＝1,2,3,4；
B2)为使误差最小，建立齐次马尔科夫链二次规划模型：
其中，为t时刻第i种能源消费量占能源消费总量的比例，pij为t-1时刻处于第i种能源而t时刻处于第j种能源的一步转移概率，为误差；
B3)求解所述齐次马尔科夫链二次规划模型，获得一步转移概率矩阵P；
B4)确定初始状态概率向量S(0)：
选取一个初始年，以该初始年各类能源在能源需求总量中的比例为分向量，建立初始状态概率向量S(0)：
式中，分别表示煤炭、石油、天然气、水电在能源需求总量中的比例；
B5)利用马尔科夫链预测k年后的能源需求结构：
S(k)＝S(0)Pk。
本实施例将能源需求总量及其结构预测方法应用于我国某实际H电网区域的经济发展与电力能源需求的关联性分析。H地区包括A市、B省、C省、D省和E省。
本实施例采用2000年到2013年的华东整体能源需求总量数据作为原始数据，对能源需求总量和结构变化趋势进行预测。
本实施例基于灰色理论建立的能源需求总量灰色预测模型如下：
X＝32122×e0.0794×k
由上式得2000年至2013年的灰色预测模型拟合值，如表1所示：
表1 2000年至2013年H区域整体能源需求总量原始值及模型拟合值
平均拟合误差在5％以内，属于3级精度。因此应用上述模型对H区域整体2014年至2020能源需求总量进行预测，预测结果如表2所示：
表2 2014年至2020年H区域整体能源需求总量预测值和误差
年份 预测结果
2014年 97691
2015年 105769
2016年 114515
2017年 123984
2018年 134235
2019年 145335
2020年 157352
采用2008年到2013年的华东整体能源需求总量数据作为原始数据，基于灰色理论建立的能源需求总量灰色预测模型如下：
X＝65078×e0.0545×k
由上式得2008年至2013年的灰色预测模型拟合值，如表3所示：
表3 2008年至2013年H区域整体能源需求总量原始值及模型拟合值
年份 能源消费总量(万吨标准煤) 拟合值 误差
2007年 60244 60244 0.00％
2008年 63802 64474 1.05％
2009年 67455 68248 1.18％
2010年 73356 72244 -1.52％
2011年 77909 76473 -1.84％
2012年 80831 80949 0.15％
2013年 84821 85688 1.02％
平均拟合误差在1％以内，属于1级精度，结果较好。因此应用上述模型对H区域整体2014年至2020能源需求总量进行预测，预测结果与各省市预测结果累加值相比较，如表4所示：
表4 2014年至2020年H区域整体能源需求总量预测值和误差
年份 预测结果
2014年 90704
2015年 96014
2016年 101635
2017年 107584
2018年 113882
2019年 120549
2020年 127606
本实施例利用典型库兹涅茨曲线及预测模型如下：
图2是通过1985年开始至2013年H区域能源强度和人均GDP形成的库兹涅茨曲线。
由图2可见H区域在人均GDP为386至1500美元期间能源持续快速下降，人均GDP由1500美元至5321美元能源强度较为平稳，在人均GDP为2300至3300美元有一段上升，之后有开始持续下降。
通过将人均生产总值代入H区域能源强度库兹涅茨曲线以预测H区域整体能源强度。
公式如下：
y＝-4×10-11×PCGDP3+8.5×10-7×PCGDP2-0.005×PCGDP+15.02
其中PCGDP为人均GDP。
由能源强度拟合值与当年GDP推得出历史年能源总量，结果如表5所示(选取2000年至2013年段)：
表5 2000年至2013年H区域整体能源总量
平均拟合误差为4.7％，结果较好。
预测结果如表6所示：
表6 2013年至2020年H区域整体能源强度库兹涅茨预测值
年份 人均GDP(美元) 能源强度
2014年 5739 6.1
2015年 6166 6.2
2016年 6630 6.3
2017年 7127 6.3
2018年 7693 6.3
2019年 8258 6.1
2020年 8846 5.7
由H区域总体GDP数据与表4的能源强度得2014年至2020年能源需求总量如表7所示：
表7 2014年至2020年H区域整体能源需求总量库兹涅茨预测值
年份 经济总量(亿美元) 能源总量(万吨标煤)
2014年 14568 89019
2015年 15597 96737
2016年 16847 105967
2017年 18224 115511
2018年 19531 122900
2019年 21030 128074
2020年 22443 126971
由表可见随着能源强度在2016年、2017年会有小幅上升，反映到总量也会有一定增大，在2018年开始能源强度又有所下降，2020年总量约为126971万吨标煤，分析走势可见2014年至2020年是平稳期，在2019年和2020年形势下，预计2020年以后能源强度会持续下降。
本实施例的基于多元回归的能源需求总量预测过程为：
选取与能源总量关系较大的三个经济指标，分别为GDP总量、人均GDP、二产产值。利用相关分析法结论得出能源需求总量回归方程为：
其中，TEC为能源总量；SCV为二产产值；PCGDP为人均GDP。拟合结果如表8所示(选择2000年至2013年段)：
表8 2000年至2013年H区域整体能源需求总量多元回归拟合值
平均拟合误差为1.3％以内，拟合结果较好。
由曲线拟合情况可以看出，自回归动平均法对能源需求总量数据可以做出较好的拟合，但是在2001年和2007左右拟合曲线与原值曲线有较大的偏差，其原因有待结合当年经济情况等作具体分析说明。预测结果如表9所示：
表9 2014年至2020年H区域整体能源需求总量多元回归预测值
年份 能源需求总量(万吨标煤) 增长率(％)
2014 88525 4.4
2015 92277 4.2
2016 94821 2.8
2017 98961 4.4
2018 102985 4.1
2019 105702 2.6
2020 109203 3.3
可见2014年至2020年能源需求总量增长放缓，这8年年均增长率为3％，低于前28年年均增长率。
通过本实施例能源需求总量预测的验证，对比2014年至2020年H区域四省一市能源需求总量的灰色预测法、库兹涅茨曲线法、多元回归法结果。根据方法原理分析，灰色方法由于本身属于指数函数，在能源预测中可认为是不考虑受经济转型影响的粗放式能源发展趋势，由样本为2000年至2013年的结果可见在2020年H区域能源消耗达到了157352万吨标准煤，相对于2013年增长了85％，其增长率和目前快速发展的能源需求有关，平均增长率为9％，显然这个结果与目前对于集约发展方式相违背，而从样本为2008年至2013年的结果看，能源发展速度相对放缓，平均增长率为5.6％，在2020年能源消耗为125106万吨标准煤，约为2013年的1.5倍。库兹涅茨曲线法主要思路是从能源强度与人均GDP遵循库兹涅茨曲线，此方法所用模型本身就考虑了经济发展与能源需求的关系，故所得出结果偏向集约化增长，其平均增长率为5.9％，2020年能源需求总量为2013年的1.49倍。多元回归法根据与能源相关度较大的经济指标(GDP、人均GDP、二产产值)拟合回归模型，由此预测2014年至2020年能源强度，此模型既考虑了经济发展速度，也考虑了能源刚性需求，故此模型较适合目前H区域整体能源需求情况，其平均增长率为3.6％，2020年能源需求总量是2013年的1.28倍。
表10 2014年至2020年三种模型预测下H区域整体能源需求总量(单位：万吨标煤)
年份 灰色预测结果 库兹涅茨曲线 多元回归法
2014年 90232 89019 88525
2015年 95282 96737 92277
2016年 100616 105967 94821
2017年 106248 115511 98961
2018年 112195 122900 102985
2019年 118475 128074 105702
2020年 125106 126971 109203
表10中库兹涅茨曲线出现波动，通过分析库兹涅茨的波动是由于能源强度波动下降与GDP波动上升叠加引起。
表11 2014年至2020年三种预测方法总量年平均绝对增加值比较(单位：万吨标煤)
从区间年平均增加值来看，灰色模型和库兹涅茨模型绝对增加值不仅大于历史绝对增加值，也大于多元回归预测的绝对增加值。
三种方法所得增长率如表12所示，其中较为特别的是库兹涅茨法，伴随着较大的波动并出现了负值，可见从能源强度考虑，能源需求总量呈现前段上升和后段回落趋势。
表12 2014年至2020年三种模型预测下H区域整体能源需求增长率
年份 灰色模型(％) 库兹涅茨曲线(％) 多元回归法(％)
2014年 5.8 4.9 4.3
2015年 5.8 8.6 4.2
2016年 5.8 9.5 2.7
2017年 5.8 9.0 4.3
2018年 5.8 6.4 4.0
2019年 5.8 4.2 2.6
2020年 5.8 -0.8 3.3
表13 2014年至2020年三种预测方法区间年平均增长率比较
从区间年增长率来看，灰色法与前6年相同，库兹涅茨法增长率比前6年略快，多元回归法比前6年减少。
表14 2014年至2020年三种模型预测下H区域整体能源强度(单位：万吨标煤/亿美元)
年份 灰色模型能源强度 库兹涅茨曲线能源强度 多元回归法能源强度
2014年 6.2 6.1 6.1
2015年 6.1 6.2 5.9
2016年 6.0 6.3 5.6
2017年 5.8 6.3 5.4
2018年 5.7 6.3 5.3
2019年 5.6 6.1 5.0
2020年 5.6 5.7 4.9
表15 2014年至2020年三种预测方法能源强度年平均减少绝对值比较(单位：万吨标煤/亿美元)
从区间年能源强度减少绝对值看，灰色模型和库兹涅茨模型比较相近，减少量不仅小于前12年情况，也小于多元回归预测情况，不符合经济发展工业化后期阶段特征。
表16 2014年至2020年三种预测方法区间年年平均能源弹性系数比较
从区间年弹性系数来看，在预测年灰色模型和库兹涅茨模型比较相近，能源增长率滞后经济增长率不多，而多元回归相对于前两种更符合对于节能减排的需求。
综上分析，三种模型在H区域应用情况如下：灰色预测法是趋势外推，对于工业化后期阶段来说，预测值偏大，库兹涅茨曲线预测法使用人均GDP和能源强度，对于H区域工业化后期能源总量的预测也偏大，多元回归使用详细的经济数据，从算例看，比较适合H区域工业化后期能源总量的预测。
表17 H区域能源需求总量校验(单位：亿吨标煤)
地区 2013年实际 2020年限额 2020年预测
中国 37.5 48 ------
H区域 8.5 11 10.9
按照《能源发展战略行动计划(2014-2020)》国家规划2020年全国能源需求总量为48亿吨标准煤，按照历史比例推出2020年H区域能源需求总量约为11亿吨标准煤，项目预测数值为10.9亿吨标准煤，在国家规定限额内，但是比较接近限额，所以十三五期间H区域能效提高压力较大。
2020年，能源需求总量与GDP、人均GDP和二产灵敏度系数分别为0.943、0.084和0.001。从回归方程自变量1％变化来看，能源需求总量最大值为11.023亿吨标煤，最小值为10.817亿吨标煤。预计，H区域2020年能源需求总量在10.9亿吨标煤左右，该数值考虑了未来经济发展不确定性的影响。
表18 2020年经济对能源需求总量影响
本实施例根据马尔可夫链的预测步骤对H区域整体能源结构进行预测，利用2000到2013年H区域能源消费结构中的煤炭、原油、天然气、其他能源结构数据为研究基础，建立在系统结构转移的齐次马尔科夫链基础上的二次规划模型。求解可以得到一步转移概率矩阵：
根据状态转移矩阵可以求得H区域整体未来的能源结构情况，如表6-3-1所示。从表中可以看出H区域整体能源消费结构中，煤炭所占比例将逐步减少，而天然气的比例将逐步提高，预计到2020年，H区域整体的能源消费结构中，煤炭、石油、天然气、水电和其他可再生能源比例由2013年的62.8：20.07：4.96：12.17变为59.22：19.17：8.61：13.00。
表19华东整体能源需求结构预测
年份 煤炭(％) 石油(％) 天然气(％) 其他(％)
2014 62.27 19.93 5.49 12.30
2015 61.75 19.80 6.02 12.43
2016 61.24 19.67 6.54 12.55
2017 60.73 19.54 7.06 12.67
2018 60.22 19.42 7.58 12.78
2019 59.72 19.29 8.10 12.90
2020 59.22 19.17 8.61 13.00
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种能源需求总量及结构预测系统，其特征在于，包括：
数据库模块，用于存储能源相关历史数据，所述能源包括煤、石油、天然气和其他可再生能源；
输入模块，用于从所述数据库模块中调用所述能源相关历史数据，并提取历史能源预测指标；
分析预测模块，根据所述能源预测指标，基于灰色预测模型、能源库兹涅茨曲线和多元回归数学模型对能源需求总量进行预测，基于利用马尔科夫链实现对能源需求结构进行预测；
输出模块，用于输出能源需求总量和能源需求结构的预测结果。
2.根据权利要求1所述的能源需求总量及结构预测系统，其特征在于，所述数据库模块包括能源需求总量库、国内生产总值库、人均国内生产总值库和能源消费比例库。
3.根据权利要求1所述的能源需求总量及结构预测系统，其特征在于，所述历史能源预测指标包括历史能源需求总量、能源需求增长率、能源需求总量年平均绝对增加值、能源强度、能源弹性系数和历史能源需求结构。
4.根据权利要求1所述的能源需求总量及结构预测系统，其特征在于，所述分析预测模块包括能源需求总量预测子模块和能源需求结构预测子模块。
5.根据权利要求4所述的能源需求总量及结构预测系统，其特征在于，所述能源需求总量预测子模块包括：
灰色预测单元，建立灰色预测模块，根据历史能源预测指标对能源需求总量进行趋势外推；
能源库兹涅茨曲线获取单元，根据历史能源预测指标获取经济发展对能源需求总量变化趋势的影响曲线；
多元回归单元，利用多元方程和预测结果残差最小来分析多个历史能源预测指标之间的关系，获取多元变量共同作用下的能源需求总量演变规律；
总量预测输出单元，根据所述灰色预测单元、能源库兹涅茨曲线获取单元和多元回归单元的结果输出能源需求总量预测曲线。
6.根据权利要求4所述的能源需求总量及结构预测系统，其特征在于，所述能源需求结构预测子模块包括：
马尔科夫链单元，针对随机过程建立状态转移概率矩阵和初始状态概率向量，并基于历史能源预测指标，对能源需求结构进行预测；
结构预测输出单元，根据所述马尔科夫链单元的结果输出能源需求结构变化趋势。
7.根据权利要求5所述的能源需求总量及结构预测系统，其特征在于，所述灰色预测单元对能源需求总量进行趋势外推的过程包括：
A1)根据历史能源预测指标形成原始数据样本序列X(0)＝{x(0)(1),x(0)(2),...x(0)(n)}，n为样本数；
A2)对所述原始数据样本序列进行一次累减数据生成：
X(1)＝{x(1)(1),x(1)(2),...x(1)(n)}，其中
令Z(1)为X(1)的临近均值生成序列Z(1)＝{z(1)(2),z(1)(3),...z(1)(n)}，其中
A3)建立白微分方程：
<mrow> <mfrac> <mrow> <msup> <mi>dx</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>+</mo> <msup> <mi>ax</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mo>=</mo> <mi>b</mi> </mrow>
其中a为发展系数，a、b均为待定参数，由最小二乘法求解获得：
<mrow> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>a</mi> </mtd> </mtr> <mtr> <mtd> <mi>b</mi> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msup> <mi>B</mi> <mi>T</mi> </msup> <mi>B</mi> <mo>)</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msup> <mi>B</mi> <mi>T</mi> </msup> <mi>Y</mi> <mo>,</mo> <mi>Y</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msup> <mi>X</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>B</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <msup> <mi>z</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <msup> <mi>z</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
A4)对应灰色预测模型x(0)(k)+az(0)(k)＝b的时间响应序列为：
<mrow> <mover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </msup> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mo>(</mo> <mn>1</mn> <mo>)</mo> <mo>-</mo> <mfrac> <mi>b</mi> <mi>a</mi> </mfrac> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>a</mi> <mi>k</mi> </mrow> </msup> <mo>+</mo> <mfrac> <mi>b</mi> <mi>a</mi> </mfrac> <mo>,</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mi>n</mi> <mo>;</mo> </mrow>
A5)判断所述灰色预测模型是否通过残差校验，若是，则以所述灰色预测模型进行预测，若否，则进行残差修正。
8.根据权利要求7所述的能源需求总量及结构预测系统，其特征在于，所述残差校验具体为：
按所述灰色预测模型计算对其进行一次累减数据生成计算原始序列x(0)(i)与的绝对残差序列：
<mrow> <msup> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mo>=</mo> <mo>{</mo> <msup> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mi>n</mi> <mo>}</mo> <mo>,</mo> <msup> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <mo>|</mo> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>-</mo> <mover> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow>
及相对残差序列：
<mrow> <mi>&amp;Phi;</mi> <mo>=</mo> <mo>{</mo> <msub> <mi>&amp;Phi;</mi> <mi>i</mi> </msub> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mi>n</mi> <mo>}</mo> <mo>,</mo> <msub> <mi>&amp;Phi;</mi> <mi>i</mi> </msub> <mo>=</mo> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <msup> <mi>&amp;Delta;</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msup> <mi>x</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;rsqb;</mo> <mi>%</mi> </mrow>
并计算平均相对残差
对于给定的α>0，判断是否存在且Φn＜α，若是，则通过残差校验。
9.根据权利要求6所述的能源需求总量及结构预测系统，其特征在于，所述马尔科夫链单元对能源需求结构进行预测具体为：
B1)确定一步转移概率矩阵P：
其中，其他为除煤、石油、天然气之外的其他可再生能源，pij为转移概率矩阵P中的元素，表示t-1时刻处于第i种能源而t时刻处于第j种能源的一步转移概率，i＝1,2,3,4，j＝1,2,3,4；
B2)为使误差最小，建立齐次马尔科夫链二次规划模型：
<mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <munder> <mo>&amp;Sigma;</mo> <mi>t</mi> </munder> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>W</mi> <mi>j</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <msub> <mi>p</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>p</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mtable> <mtr> <mtd> <mrow> <msub> <mi>p</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>3</mn> <mo>,</mo> <mn>4</mn> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中，为t时刻第i种能源消费量占能源消费总量的比例，pij为t-1时刻处于第i种能源而t时刻处于第j种能源的一步转移概率，εj(t)为误差；
B3)求解所述齐次马尔科夫链二次规划模型，获得一步转移概率矩阵P；
B4)确定初始状态概率向量S(0)；
B5)利用马尔科夫链预测k年后的能源需求结构：
S(k)＝S(0)Pk。
10.根据权利要求9所述的能源需求总量及结构预测系统，其特征在于，所述初始状态概率向量具体为：
选取一个初始年，以该初始年各类能源在能源需求总量中的比例为分向量，建立初始状态概率向量S(0)：
<mrow> <msup> <mi>S</mi> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msup> <mo>=</mo> <mrow> <mo>(</mo> <msubsup> <mi>s</mi> <mn>1</mn> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>s</mi> <mn>2</mn> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>s</mi> <mn>3</mn> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>,</mo> <msubsup> <mi>s</mi> <mn>4</mn> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> </mrow>
式中，分别表示煤炭、石油、天然气、水电在能源需求总量中的比例。
CN201710590171.8A 2017-07-19 2017-07-19 一种能源需求总量及结构预测系统 Pending CN108009667A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710590171.8A CN108009667A (zh) 2017-07-19 2017-07-19 一种能源需求总量及结构预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710590171.8A CN108009667A (zh) 2017-07-19 2017-07-19 一种能源需求总量及结构预测系统

Publications (1)

Publication Number Publication Date
CN108009667A true CN108009667A (zh) 2018-05-08

Family

ID=62048816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710590171.8A Pending CN108009667A (zh) 2017-07-19 2017-07-19 一种能源需求总量及结构预测系统

Country Status (1)

Country Link
CN (1) CN108009667A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214720A (zh) * 2018-11-05 2019-01-15 钟佳颖 一种基于家庭能耗的经济参数分析与反馈系统
CN109583647A (zh) * 2018-11-29 2019-04-05 上海电气分布式能源科技有限公司 一种储能产品多用户共享方法及供电系统
CN109598375A (zh) * 2018-11-23 2019-04-09 国网山东省电力公司经济技术研究院 一种基于能源需求总量改进的能源需求结构预测方法
CN111144616A (zh) * 2019-11-29 2020-05-12 中国船舶重工集团公司第七一六研究所 面向企业能源消费的预测方法、系统、计算机设备和存储介质
CN111967650A (zh) * 2020-07-21 2020-11-20 浙江中新电力工程建设有限公司 一种基于模型对比的能源消费预测系统及其预测方法
CN112508231A (zh) * 2020-11-12 2021-03-16 广西大学 一种基于系统动力学的中长期电力负荷预测方法及系统
CN112747416A (zh) * 2019-10-31 2021-05-04 北京国双科技有限公司 空调系统能耗预测方法及装置
CN113222235A (zh) * 2021-04-30 2021-08-06 中国石油天然气股份有限公司 基于扩散与合成指标的天然气指数预测方法及系统
CN113516289A (zh) * 2021-05-20 2021-10-19 北京中创碳投科技有限公司 一种二氧化碳排放量预测方法、装置、设备及介质
CN113672663A (zh) * 2021-08-13 2021-11-19 国网(衢州)综合能源服务有限公司 一种工业企业碳账户系统
CN114004423A (zh) * 2021-11-19 2022-02-01 广东电网有限责任公司 一种考虑区域能效协同优化的能源需求预测方法及系统
TWI757691B (zh) * 2019-02-26 2022-03-11 日商三菱重工業股份有限公司 運轉指標提示裝置、運轉指標提示方法及程式
CN114266423A (zh) * 2022-03-03 2022-04-01 国网浙江省电力有限公司信息通信分公司 基于多模型的电力能源需求预测方法、装置及存储介质
CN114399072A (zh) * 2021-11-19 2022-04-26 广东电网有限责任公司 一种能源需求预测方法及系统
CN115438908A (zh) * 2022-08-02 2022-12-06 中国软件评测中心(工业和信息化部软件与集成电路促进中心) 一种碳排放预测方法、系统、存储介质和电子设备
CN117236649A (zh) * 2023-11-10 2023-12-15 天津麦旺生物技术有限公司 一种用于宠物饲料加工原料需求量的调度方法
CN118246705A (zh) * 2024-05-28 2024-06-25 国网浙江省电力有限公司杭州供电公司 一种能源需求预测方法、系统、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850916A (zh) * 2015-05-31 2015-08-19 上海电机学院 一种改进型灰色马尔可夫模型的电力设备故障预测方法
CN106169101A (zh) * 2016-01-13 2016-11-30 国家电网公司 一种基于结构分解的能源需求预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850916A (zh) * 2015-05-31 2015-08-19 上海电机学院 一种改进型灰色马尔可夫模型的电力设备故障预测方法
CN106169101A (zh) * 2016-01-13 2016-11-30 国家电网公司 一种基于结构分解的能源需求预测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
吕洁华等: "基于马尔科夫二次规划模型的黑龙江省林业产业结构的有序度测算与优化", 《林业科学》 *
夏耀杰等: "基于改进灰色马尔科夫预测法的中长期负荷预测", 《电力需求侧管理》 *
孟凡生等: "组合模型在能源需求预测的应用", 《哈尔滨工业大学学报》 *
黄东风: "《浙江省能源消费总量分析与预测》", 31 May 2017, 浙江工商大学出版社 *
黄志远等: "基于马尔科夫模型的能源结构预测分析", 《剑南文学(经典教苑)》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214720B (zh) * 2018-11-05 2022-03-08 钟佳颖 一种基于家庭能耗的经济参数分析与反馈系统
CN109214720A (zh) * 2018-11-05 2019-01-15 钟佳颖 一种基于家庭能耗的经济参数分析与反馈系统
CN109598375A (zh) * 2018-11-23 2019-04-09 国网山东省电力公司经济技术研究院 一种基于能源需求总量改进的能源需求结构预测方法
CN109598375B (zh) * 2018-11-23 2023-02-10 国网山东省电力公司经济技术研究院 一种基于能源需求总量改进的能源需求结构预测方法
CN109583647A (zh) * 2018-11-29 2019-04-05 上海电气分布式能源科技有限公司 一种储能产品多用户共享方法及供电系统
CN109583647B (zh) * 2018-11-29 2023-06-23 上海电气分布式能源科技有限公司 一种储能产品多用户共享方法及供电系统
TWI757691B (zh) * 2019-02-26 2022-03-11 日商三菱重工業股份有限公司 運轉指標提示裝置、運轉指標提示方法及程式
CN112747416A (zh) * 2019-10-31 2021-05-04 北京国双科技有限公司 空调系统能耗预测方法及装置
CN112747416B (zh) * 2019-10-31 2022-04-05 北京国双科技有限公司 空调系统能耗预测方法及装置
CN111144616A (zh) * 2019-11-29 2020-05-12 中国船舶重工集团公司第七一六研究所 面向企业能源消费的预测方法、系统、计算机设备和存储介质
CN111967650A (zh) * 2020-07-21 2020-11-20 浙江中新电力工程建设有限公司 一种基于模型对比的能源消费预测系统及其预测方法
CN112508231A (zh) * 2020-11-12 2021-03-16 广西大学 一种基于系统动力学的中长期电力负荷预测方法及系统
CN113222235B (zh) * 2021-04-30 2024-02-06 中国石油天然气股份有限公司 基于扩散与合成指标的天然气指数预测方法及系统
CN113222235A (zh) * 2021-04-30 2021-08-06 中国石油天然气股份有限公司 基于扩散与合成指标的天然气指数预测方法及系统
CN113516289A (zh) * 2021-05-20 2021-10-19 北京中创碳投科技有限公司 一种二氧化碳排放量预测方法、装置、设备及介质
CN113516289B (zh) * 2021-05-20 2024-10-18 北京中创碳投科技有限公司 一种二氧化碳排放量预测方法、装置、设备及介质
CN113672663B (zh) * 2021-08-13 2023-07-25 国网(衢州)综合能源服务有限公司 一种工业企业碳账户系统
CN113672663A (zh) * 2021-08-13 2021-11-19 国网(衢州)综合能源服务有限公司 一种工业企业碳账户系统
CN114399072A (zh) * 2021-11-19 2022-04-26 广东电网有限责任公司 一种能源需求预测方法及系统
CN114004423A (zh) * 2021-11-19 2022-02-01 广东电网有限责任公司 一种考虑区域能效协同优化的能源需求预测方法及系统
CN114266423B (zh) * 2022-03-03 2022-07-29 国网浙江省电力有限公司信息通信分公司 基于多模型的电力能源需求预测方法、装置及存储介质
CN114266423A (zh) * 2022-03-03 2022-04-01 国网浙江省电力有限公司信息通信分公司 基于多模型的电力能源需求预测方法、装置及存储介质
CN115438908A (zh) * 2022-08-02 2022-12-06 中国软件评测中心(工业和信息化部软件与集成电路促进中心) 一种碳排放预测方法、系统、存储介质和电子设备
CN117236649A (zh) * 2023-11-10 2023-12-15 天津麦旺生物技术有限公司 一种用于宠物饲料加工原料需求量的调度方法
CN117236649B (zh) * 2023-11-10 2024-01-26 天津麦旺生物技术有限公司 一种用于宠物饲料加工原料需求量的调度方法
CN118246705A (zh) * 2024-05-28 2024-06-25 国网浙江省电力有限公司杭州供电公司 一种能源需求预测方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN108009667A (zh) 一种能源需求总量及结构预测系统
Liu et al. An analysis of Chinese provincial carbon dioxide emission efficiencies based on energy consumption structure
CN107918368B (zh) 钢铁企业煤气产生量与消耗量的动态预测方法及设备
CN106779219A (zh) 一种用电量预测方法及系统
CN108197764A (zh) 预测电力企业综合能耗的方法及其设备
Pan et al. Non-linear effects of outward foreign direct investment on total factor energy efficiency in China
CN109559154A (zh) 基于Johnson-Copula模型的电力需求总量相关因素分析系统及方法
Li et al. A survey on investment demand assessment models for power grid infrastructure
CN114611845B (zh) 碳排放量的预测方法、装置、电子设备及介质
Lao et al. The optimized multivariate grey prediction model based on dynamic background value and its application
CN112308270A (zh) 一种长期用电负荷预测方法、装置及计算机实现系统
CN113344449A (zh) 一种预测月尺度工业需水量的方法
CN106600029A (zh) 一种基于电力数据的宏观经济预测量化修正方法
Cao et al. Economy and carbon emissions optimization of different provinces or regions in China using an improved temporal attention mechanism based on gate recurrent unit
CN114154684A (zh) 基于数据挖掘和多核支持向量机的短期光伏功率预测方法
CN106570643A (zh) 基于集对分析的配电网降损方案优选方法
CN117592615A (zh) 一种基于iceemdan和集成lstm-tcn模型的短期电力负荷预测方法
CN115511230A (zh) 一种电能替代潜力分析预测方法
CN111859783B (zh) 水压预测方法、系统、存储介质、设备、城市供水系统
Niu et al. WPFSAD: Wind Power Forecasting System Integrating Dual-Stage Attention and Deep Learning
Shen et al. An interval analysis scheme based on empirical error and MCMC to quantify uncertainty of wind speed
Dong et al. Nontechnical loss detection of electricity based on neural architecture search in distribution power networks
CN118246705B (zh) 一种能源需求预测方法、系统、设备及介质
CN116050615B (zh) 一种基于超混沌储备池集成计算的钢铁企业副产煤气系统流量预测方法
Zhang et al. Carbon emission prediction of 275 cities in China considering artificial intelligence effects and feature interaction: A heterogeneous deep learning modeling framework

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180508

RJ01 Rejection of invention patent application after publication