CN115310039A - 电能占终端能源消费比重快速计算方法 - Google Patents
电能占终端能源消费比重快速计算方法 Download PDFInfo
- Publication number
- CN115310039A CN115310039A CN202110487247.0A CN202110487247A CN115310039A CN 115310039 A CN115310039 A CN 115310039A CN 202110487247 A CN202110487247 A CN 202110487247A CN 115310039 A CN115310039 A CN 115310039A
- Authority
- CN
- China
- Prior art keywords
- terminal
- consumption
- energy consumption
- energy
- coal
- 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
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005484 gravity Effects 0.000 title claims description 19
- 239000003245 coal Substances 0.000 claims abstract description 98
- 238000011161 development Methods 0.000 claims abstract description 9
- 238000000611 regression analysis Methods 0.000 claims abstract description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 42
- 239000007789 gas Substances 0.000 claims description 28
- 239000003345 natural gas Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000010248 power generation Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 13
- 239000003921 oil Substances 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 5
- 239000003208 petroleum Substances 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 2
- 238000004458 analytical method Methods 0.000 claims 1
- 239000003034 coal gas Substances 0.000 claims 1
- 238000007405 data analysis Methods 0.000 claims 1
- 238000013461 design Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 claims 1
- 238000010438 heat treatment Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- SYHGEUNFJIGTRX-UHFFFAOYSA-N methylenedioxypyrovalerone Chemical compound C=1C=C2OCOC2=CC=1C(=O)C(CCC)N1CCCC1 SYHGEUNFJIGTRX-UHFFFAOYSA-N 0.000 claims 1
- 238000012545 processing Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 3
- 238000013506 data mapping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明公开了一种适用于电能占终端能源消费比重快速计算方法，属于终端能源市场开拓领域。由于政府统计部门公布的电能占终端能源消费比重有关数据通常滞后约20个月，本发明利用权威部门准实时发布的一次能源消费数据快速计算电能占终端能源比重。首先定量分析不同品种终端能源消费与一次能源消费的关系，建立终端能源消费总量模型，其次由终端能源消费总量模型建立不同品种的终端能源消费模型，最后计算电能占终端能源消费比重，并采用回归分析进行误差检验和调整计算值，提出电能占比快速计算方法，有利于电力企业及时掌握电能市场占有率信息，调整工作部署增供扩销、减少散烧煤促进大气污染防治工作、提升电气化水平。
Description
技术领域
本发明属于终端能源市场开拓领域，具体涉及一种适用于电能占终端能源消费比重的快速 预测方法。
技术背景
我国电能及各种其他能源消费的环保性、高效利用性和以人为本性正在逐渐增强。电力占 终端能源消费比重是衡量某一国家或地区电气化程度的一个重要指标。终端能源消费结构可直 接反应人民生活水平和能源消费情况，有必要对终端能源消费全面系统研究，根据实际情况研 究电能占终端能源消费比重快速计算方法、终端能源消费预测模型、全面客观评价终端能源消 费情况。同时，及时计算电能占终端能源消费比重，可以为我国能源转型和综合能源服务提供 政策支撑。
但随着终端能源市场开拓工作深入开展，电力企业缺乏电能占终端能源消费比重的及时准 确统计方法，无法从终端能源的全面视角考察电能市场开拓的成效，难以有效支撑增供扩销。 国家统计局等权威机构的终端能源消费统计数据发布一般滞后20个月。因此迫切需要研究提 出电能占终端能源消费比重快速预测方法，以便电力企业及时监测电能市场占有率，掌握终端 能源市场开拓重点。
本发明具有良好的推广价值。通过应用本发明提出的电能占终端能源消费比重快速预测方 法，可以应用到电力企业的发展和营销部门、政府能源主管部门，有力支撑电力企业及时掌握 电能市场占有率及市场结构、调整工作部署、增供扩销，有利于减少散烧煤、促进国家大气污 染防治工作，实现地区经济、社会、环境可持续发展。
发明内容
本发明通过建立分品种终端能源消费量的快速计算模型，建立电能消费与电能占比之间的 数据映射关系，提出电能占终端能源消费比重快速预测方法，为电力企业及时监测电能市场占 有率、掌握终端能源市场开拓重点、促进大气污染防治工作及时提供工作指引。
本发明是采用以下的技术方案实施的：一种适用于电能占终端能源消费比重的快速预测方 法，其特征在于，包括：
S1：数据收集和数据清洗；
S2：建立终端能源消费总量计算模型；
S3：建立不同品种终端能源消费量计算模型；
S4：计算电能占终端能源消费比重；
S5：采用回归分析进行误差检验并调整计算值。
可选的，所述步骤S1：
整理统计局、能源局、发改委、经信委等有关政府部门发布的数据：选择中国能源统计年 鉴最近5年中的终端能源消费量和结构，包括煤炭、石油、天然气、电力、热力、其他；一次 能源消费中的煤、油、气，发电用煤、气。当年或当季度一次能源消费中的煤、油、气，发电 用煤、气。
选择中电联发布的最近5年的电力消费数据，包括年度和季度全社会用电量、厂用电率、 线损率等数据。
数据清洗：对于多个来源的数据，检验数据的一致性和时效性。当两种来源的数据误差相 差不太时，以中国能源统计年鉴的数据为准；当两种来源的数据相差较大时，补充调研数据并 以层次分析法进行选择确定。
可选的，所述步骤S2：
计算能源消费标准量，根据国家统计局、国家能源局相关统计方法，将上一步骤中的各种 能源消费的实物量折算成标准量。
电能消费标准量＝电能消费实物量×折标煤系数
分品种终端能源消费标准量＝分品种终端能源消费实物量×折标准煤系数
建立不同品种终端能源消费与一次能源消费的关系，首先计算终端能源消费总量。
其中，i为年份，大写字母表示终端能源，小写字母表示一次能源。CT,i-1为上年终端能源 消费量，Ce,i-1为上年全社会用电量，cc,i-1、co,i-1、cg,i-1分别为上年一次能源消费中的煤、油、 气消费量，cgc,i-1、cgg,i-1分别为上年发电用煤、气消费量，计算单位均为吨标煤。
可选的，所述步骤S3：
计算终端电力消费量，利用上一年度的终端电力消费量以及当前全社会用电量同比增速， 估算当前终端电力消费量。
计算终端煤炭消费量，利用上一年度的终端煤炭消费量以及当前一次能源中的非发电用煤 消费量同比增速，估算当前终端煤炭消费量CC。
计算终端石油消费量，利用上一年度的终端石油消费量以及当前一次能源中的石油消费量 同比增速，估算当前终端石油消费量CO。
计算终端天然气消费量，利用上一年度的终端天然气消费量以及当前一次能源中的非发电 用气消费量同比增速，估算当前终端天然气消费量CG。
计算其他终端能源消费量，利用上一年度的其他终端能源消费量，包括热力和其他能源， 以及当前其他一次能源消费量同比增速，估算当前其他终端能源消费量CA。
当本年度其他一次能源消费量无法获取时，用本年度一次能源中的煤、油、气、电消费量 平均同比增速代替其他一次能源同比增速。
可选的，所述步骤S4：
第一种计算方法。根据S2中的终端能源消费总量以及S3中的终端电力消费量，计算得 出第一种方法下的电能占终端能源消费比重预测值η1。
第二种计算方法。根据S3中的分品种终端能源消费量，计算得出第二种方法下的电能占 终端能源消费比重预测值η2。
可选的，所述步骤S5：
根据中国能源统计年鉴中最近5年的终端能源消费量、一次能源消费量，按照所述步骤中 的S2，S3和S4分别计算得出相应各年的电能占终端能源消费比重预测值η1，1，η1，2，η1，3，η1，4， η1，5以及η2，1，η2，2，η2，3，η2，4，η2，5。
根据中国能源统计年鉴中最近5年的电能占终端能源消费比重真实值，分别计算上步中的 电能占终端能源消费比重预测值误差Δη1，1，Δη1，2，Δη1，3，Δη1，4，Δη1，5和Δη2，1，Δη2，2，Δη2，3， Δη2，4，Δη2，5。
根据上步中的最近5年的电能占终端能源消费比重预测误差，采用回归分析法，推断当前 电能占终端能源消费比重预测值的误差Δη1和Δη2。
y＝β0+β1x+ε
其中未知参数β0、β1称为回归系数。
比较Δη1和Δη2的预测误差，选误差较小值对应的电能占终端能源消费比重预测值，作为 当前电能占终端能源消费比重统计值。
附图说明
为了更加清楚的说明本发明实施例和现有技术中的技术方案，下面将对本发明所使用的附 图做一些简单的介绍：首先找到地区一次能源消费量、终端能源消费量、全社会用电量等基础 数据，建立终端能源消费总量预测模型；其次分析不同品种终端能源消费与一次能源消费的关 系，由终端能源消费预测模型得出当前不同品种的终端能源消费预测值；最后通过建立终端能 源消费预测模型、电能消费与电能占终端能源消费比重之间数据映射关系，提出电能占终端能 源消费比重快速预测方法。
图1是电能占终端能源消费比重预测步骤；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图， 对本发明实施例中的技术方案进行清楚、完整地描述，基于本发明中的实施例，本领域普通技 术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明所述的一种适用于电能占终端能源消费比重的快速预测方法，以上海为例，如附图 所示，具体实施方式包括：
整理统计局、能源局、发改委、经信委等有关政府部门发布的数据：选择中国能源统计年 鉴中的2016年上海终端能源消费量和结构的数据，包括煤炭715.68万吨、石油3623.99万吨、 天然气53.98亿立方米、电力1406.29亿千瓦时、热力10159.64万百万千焦、其他能源1.51 万吨标煤；一次能源消费中的煤4623.66万吨、油3630.013万吨、气76.67亿立方米，发电用 煤2783.35万吨、气17.88亿立方米。2018年(预测水平年)一次能源消费中的煤4500万吨、 油4100万吨、气87亿立方米，发电用煤2808.9万吨、气24.8亿立方米。
计算能源消费标准量，根据国家统计局、国家能源局相关统计方法：
上海2016年终端能源消费中的煤炭消费标准量＝煤炭715.68万吨*折标煤系数0.7155＝512.07万吨标煤。
建立不同品种终端能源消费量与一次能源消费量的关系，首先计算终端能源消费总量。其 中，历史年度(2016年)上海终端能源消费量9593.31万吨标煤；本年度(2018年)一次能 源消费煤3161.07万吨标煤，油5871万吨标煤，气1139.7万吨标煤，电煤1878.2万吨标煤， 发电天然气324.88万吨标煤，全社会用电量1925.47万吨标煤；历史年度(2016年)一次能 源消费煤3247.94万吨标煤，油5198万吨标煤，气1030.58万吨标煤，电煤1861.1万吨标煤， 发电天然气234.23万吨标煤，全社会用电量1826.32万吨标煤。综上所述，最终得出本年度 (2018)上海终端能源消费总量为10308.76万吨标煤。
其次，计算终端电力消费量。其中，历史年度(2016年)终端消费电力1728.33万吨标煤， 本年度(2018年)全社会用电量1925.47万吨标煤，历史年度(2016年)全社会用电量1826.32 万吨标煤。综上所述，最终得出本年度终端电力消费量为1822.17万吨标煤。
其次，计算终端煤炭消费量。其中，历史年度(2016年)终端消费煤炭512.07万吨标煤，
本年度(2018年)一次能源消费煤炭3161.07万吨标煤、电煤1878.2万吨标煤，历史年 度(2016年)一次能源消费煤炭3247.84万吨标煤、电煤1861.1万吨标煤。综上所述，最终得出本年度终端煤炭消费量为473.69万吨标煤。
其次，计算终端石油消费量。其中，历史年度(2016年)终端消费石油5280.07万吨标煤， 本年度(2018年)一次能源消费油5871万吨标煤，历史年度(2016年)一次能源消费油5198 万吨。综上所述，最终得出本年度终端石油消费量为5963.7万吨标煤。
其次，计算终端天然气消费量。其中，历史年度(2016年)终端消费天然气707.14万吨 标煤，本年度(2018年)一次能源消费天然气1139.7万吨标煤、发电天然气324.88万吨标煤， 历史年度(2016年)一次能源消费天然气1030.58万吨标煤、发电天然气234.23万吨标煤。
综上所述，最终得出本年度终端天然气消费量为723.54万吨标煤。
其次，计算其他终端能源消费量。当本年度其他一次能源消费量无法获取时，用本年度一 次能源中的煤、油、气、电消费量平均同比增速代替其他一次能源同比增速。其中，历史年度 (2016年)其他终端消费量347.95万吨标煤，最终得出本年度其他终端能源消费量为373.9 万吨标煤。
根据第一种计算方法得出本年度(2018年)上海电能占终端能源消费比重预测值η1为：
根据第二种计算方法得出本年度(2018年)上海电能占终端能源消费比重预测值η2为：
根据中国能源统计年鉴中上海市最近5年的终端能源消费量、一次能源消费量，按照所述
步骤中的S2，S3和S4分别计算得出各年度上海电能占终端能源消费比重预测值η1，1，η1，2， η1，3，η1，4，η1，5以及η2，1，η2，2，η2，3，η2，4，η2，5。例如，2016年上海电能占终端能源消费比重 预测值η1，3＝19.09％，η2，3＝17.58％。
根据中国能源统计年鉴中上海市最近5年的电能占终端能源消费比重真实值，分别计算上 步中电能占终端能源消费比重的误差Δη1，1，Δη1，2，Δη1，3，Δη1，4，Δη1，5和Δη2，1，Δη2，2，Δη2，3， Δη2，4，Δη2，5。例如，2016年上海电能占终端能源消费比重真实值为18.02％，由此得出预测 误差(相对值)
根据上步中的最近5年的上海电能占终端能源消费比重预测误差，采用回归分析法，推断 当前(2018年)上海电能占终端能源消费比重预测值的误差Δη1和Δη2。
y＝β0+β1x+ε
其中未知参数β0、β1称为回归系数。由案例得出， β0[0.072,-0.054,0.081,-0.036,0.095]T、β1＝[0.353,0.143,-0.059,0.397,0.284]T， Δη1＝-7.9％和Δη2＝-2.1％。
比较Δη1和Δη2的预测误差大小，选相对误差较小值Δη2＝-2.1％对应的电能占终端能源 消费比重预测值η2＝19.47％，作为当前(2018年)电能占终端能源消费比重统计值。
Claims (6)
1.一种适用于电能占终端能源消费比重的快速计算方法，其特征在于，包括：
步骤S1：数据收集和数据清洗；
步骤S2：建立终端能源消费总量计算模型；
步骤S3：建立不同品种终端能源消费量计算模型；
步骤S4：计算电能占终端能源消费比重；
步骤S5：采用回归分析进行误差检验并调整计算值。
2.根据权利要求1所述方法，其特征在于，所述步骤S1包括：
(1)整理统计局、能源局、发改委、经信委等有关政府部门发布的数据：前几年的终端能源消费量和结构，包括煤炭、石油、天然气、电力、热力、其他；一次能源消费中的煤、油、气，发电用煤、气；当年或当季度一次能源消费中的煤、油、气，发电用煤、气。
(2)整理电力企业发展部门的数据：全国和各省前几年或当前季度的全社会用电量。
(3)整理电力企业调度部门的数据：全国和各省前几年或当前季度的煤炭、电煤、天然气、发电用气量等。
(4)数据清洗：对于多个来源的数据，数据中可能会夹杂一些关于一致性和时效性的潜在错误，这些错误无法通过简单的条件函数依赖和时效约束检测加以处理，进而对数据分析造成影响，导致计算失误。因此，在获取数据后还需要利用数据清洗技术对数据进行一次全面的分析、清查、修复工作。
3.根据权利要求1所述方法，其特征在于，所述步骤S2包括：
定量分析不同品种终端能源消费与一次能源消费的关系，建立终端能源消费总量模型。结合煤炭、石油、天然气等其他能源的生产、运输、消费特点及其消费结构，分析终端能源消费量、能源加工转换损失量和一次能源消费量的特点，建立终端能源消费总量预测模型，为电能占终端能源消费比重快速计算方法提供终端能源消费数据输出。
(1)借鉴政府统计部门的电能占终端能源消费比重方法
其中，η为电能占终端能源消费比例，CE为终端能源消费中的电力，CT为终端能源消费量，计算单位均为吨标煤。
(2)计算能源消费标准量
根据国家统计局、国家能源局相关统计方法：
电能消费标准量＝电能消费实物量×折标煤系数
分品种终端能源消费标准量＝分品种终端能源消费实物量×折标准煤系数
相关解释说明：
实物量：以物理单位来计量某一种能源的消费量，如消费了10亿千瓦时的电、10亿立方米的天然气。
标准量：以热量来计量某一种能源的消费量，如消费了10万吨标准煤的电、10万吨标准煤的天然气。
所需数据：各品种终端能源消费实物量、各品种能源折标准煤系数。
(3)建立不同品种终端能源消费与一次能源消费的关系，计算终端能源消费总量。
其中，i为年份，大写字母表示终端能源，小写字母表示一次能源。CT,i-1为上年终端能源消费量，Ce,i-1为上年全社会用电量，cc,i-1、co,i-1、cg,i-1分别为上年一次能源消费中的煤、油、气消费量，cgc,i-1、cgg,i-1分别为上年发电用煤、气消费量，计算单位均为吨标煤。
终端能源消费量：即电能市场总量，指终端用户消费的各类能源按热值折算之和，主要包括煤炭、石油、天然气、电力、热力、其他。
全社会用电量：即已占电能市场。
一次能源消费中的煤、油、气减去发电用煤、气：相当于剩余电能市场。根据近十年来我国能源消费数据，电煤占煤炭消费比重约50％，发电用气占天然气消费比重约20％，发电用油占石油消费比重约0.5％；终端能源消费中的热力约为电力的20％，但该数据很难及时获取；因其他类型数据难以及时收集，且在终端能源消费中的占比较小，故可忽略。
以上数据均按当年国家统计局和能源局公布数据折算到标煤。
4.根据权利要求1所述方法，其特征在于，所述步骤S3包括：
由所述步骤S2终端能源消费总量模型设计思路，建立不同品种终端能源消费量计算模型。
(1)终端电力消费量，利用上一年度的终端电力消费量以及当前全社会用电量同比增速，估算当前终端电力消费量。
(2)终端煤炭消费量，利用上一年度的终端煤炭消费量以及当前一次能源中的非发电用煤消费量同比增速，估算当前终端煤炭消费量CC。
(3)终端石油消费量，利用上一年度的终端石油消费量以及当前一次能源中的石油消费量同比增速，估算当前终端石油消费量CO。
(4)终端天然气消费量，利用上一年度的终端天然气消费量以及当前一次能源中的非发电用气消费量同比增速，估算当前终端天然气消费量CG。
(4)其他终端能源消费量，利用上一年度的其他终端能源消费量，包括热力和其他能源，以及当前其他一次能源消费量Ca,i的同比增速，估算当前其他终端能源消费量CA。
当本年度其他一次能源消费量无法获取时，用本年度一次能源中的煤、油、气、电消费量平均同比增速代替其他一次能源同比增速。
5.根据权利要求1所述方法，其特征在于，所述步骤S4包括：
(1)第一种计算方法。根据S2中的终端能源消费总量以及S3中的终端电力消费量，计算得出第一种方法下的电能占终端能源消费比重预测值η1。
(2)第二种计算方法。根据S3中的分品种终端能源消费量，计算得出第二种方法下的电能占终端能源消费比重预测值η2。
6.根据权利要求1所述方法，其特征在于，采用回归分析进行电能占终端能源消费比重预测值的误差检验，并调整电能占终端能源消费比重预测值，提出电能占比快速计算方法。所述步骤S5包括：
(1)根据中国能源统计年鉴中最近5年的终端能源消费量、一次能源消费量，按照所述步骤中的S2，S3和S4分别计算得出相应各年的电能占终端能源消费比重预测值η1，1，η1，2，η1，3，η1，4，η1，5以及η2，1，η2，2，η2，3，η2，4，η2，5。
(2)根据中国能源统计年鉴中最近5年的电能占终端能源消费比重真实值，分别计算步骤(1)中的电能占终端能源消费比重预测值误差Δη1，1，Δη1，2，Δη1，3，Δη1，4，Δη1，5和Δη2，1，Δη2，2，Δη2，3，Δη2，4，Δη2，5。
(3)根据步骤(2)中的最近5年的电能占终端能源消费比重预测误差，采用回归分析法，推断当前电能占终端能源消费比重预测值的误差Δη1和Δη2。
y＝β0+β1x+ε
其中未知参数β0、β1称为回归系数。
(4)比较Δη1和Δη2的预测误差，选误差较小值对应的电能占终端能源消费比重预测值，作为当前电能占终端能源消费比重统计值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110487247.0A CN115310039A (zh) | 2021-05-05 | 2021-05-05 | 电能占终端能源消费比重快速计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110487247.0A CN115310039A (zh) | 2021-05-05 | 2021-05-05 | 电能占终端能源消费比重快速计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115310039A true CN115310039A (zh) | 2022-11-08 |
Family
ID=83853794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110487247.0A Pending CN115310039A (zh) | 2021-05-05 | 2021-05-05 | 电能占终端能源消费比重快速计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115310039A (zh) |
-
2021
- 2021-05-05 CN CN202110487247.0A patent/CN115310039A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yan et al. | A simplified energy performance assessment method for existing buildings based on energy bill disaggregation | |
| Wang et al. | Impact of energy taxation on economy, environmental and public health quality | |
| Wilkerson et al. | Survey of Western US electric utility resource plans | |
| CN104091293B (zh) | 基于用电结构变动的电网长期负荷特性预测方法 | |
| Michieka et al. | An investigation of the role of China's urban population on coal consumption | |
| Chen et al. | An energy planning oriented method for analyzing spatial-temporal characteristics of electric loads for heating/cooling in district buildings with a case study of one university campus | |
| CN102385723A (zh) | 一种重要电力用户应急电源配置方法 | |
| CN114240086A (zh) | 碳排放监测方法、装置、存储介质及处理器 | |
| Xu et al. | Community load leveling for energy configuration optimization: Methodology and a case study | |
| WO2015028944A1 (en) | System and method for determining energy and ghg apportionment | |
| CN110503471A (zh) | 一种用户最大需量估计方法 | |
| CN114792166A (zh) | 一种基于多重约束的能源碳排放的优化预测方法及装置 | |
| CN112465661A (zh) | 基于用例图的资源统一规划系统及其工作方法 | |
| CN109636033B (zh) | 一种分布式光伏项目自发自用综合电价预测方法 | |
| Zapata-Webborn et al. | The impact of COVID-19 on household energy consumption in England and Wales from April 2020 to March 2022 | |
| Damrongkulkamjorn et al. | Monthly energy forecasting using decomposition method with application of seasonal ARIMA | |
| Wen et al. | The effect of sectoral differentiated water tariff adjustment on the water saving from water footprint perspective: A case study of Henan Province in China | |
| CN115310039A (zh) | 电能占终端能源消费比重快速计算方法 | |
| US20060230002A1 (en) | Utility usage evaluation system and method | |
| CN103217958A (zh) | 基于gis平台的电量购供售一体化系统及方法 | |
| Baev et al. | Improving the efficiency of using smalldistributed generation systems through mechanisms of demand management for electricity and gas | |
| Wu et al. | Exploring the response of regional metabolism to population quality change in the late demographic dividend-Evidence from China | |
| CN114662563A (zh) | 一种基于梯度提升算法的工业用电非侵入负荷分解方法 | |
| CN114202184A (zh) | 一种基于中长期市场的煤电联动方法及其风险评估方法 | |
| Just et al. | Distributed generation and cost efficiency of german electricity distribution network operators |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |