基于組合模型的生物質(zhì)燃料價格預(yù)測研究

1、 基于組合模型的生物質(zhì)燃料價格預(yù)測研究 曹文凱 洪杰 袁也 姜沖 朱曉罡摘 要：我國生物質(zhì)能源儲量豐富，生物質(zhì)燃料發(fā)電前景廣闊，但國內(nèi)生物質(zhì)發(fā)電普遍存在虧損現(xiàn)象，燃料采購成本居高不下，嚴重阻礙了生物質(zhì)發(fā)電的推廣。對生物質(zhì)燃料進行價格預(yù)測分析，對保障生物質(zhì)燃料發(fā)電廠的利益、促進生物質(zhì)燃料發(fā)電產(chǎn)業(yè)健康發(fā)展具有重要意義。文章利用江蘇某生物質(zhì)發(fā)電廠2018年5月至2020年4月共3年的生物質(zhì)燃料采購數(shù)據(jù)，運用滑動平均、趨勢法、ARIMA模型等多種技術(shù)手段構(gòu)建生物質(zhì)燃料價格預(yù)測模型。運用2020年5月至2021年4月數(shù)據(jù)對模型進行檢驗，預(yù)測值相對誤差均在5%以下，預(yù)測誤差較小，較為接近真實值。文章采用組

2、合預(yù)測模型的方法，能更好地發(fā)揮各單一模型的優(yōu)勢，使誤差最小化，提高預(yù)測正確率以及穩(wěn)定性。Key：生物質(zhì)燃料;ARIMA;滑動平均;發(fā)電;價格預(yù)測：TP181 ：A：2096-4706（2021）16-0139-04Research on Biomass Fuel Price Prediction Based on Combined ModelCAO Wenkai1， HONG Jie1， YUAN Ye1， JIANG Chong2， ZHU Xiaogang2（1. Jiangsu New Energy Development Co.， Ltd.， NanJing 210018， China

3、; 2. Nanjing Trusted-Blockchain Computing Economics Institute， NanJing 211899， China）Abstract： China is rich in biomass energy reserves and has broad prospects for biomass fuel power generation. However， there are widespread losses in domestic biomass power generation， and the fuel procurement cost

4、remains high， which seriously hinders the promotion of biomass power generation. The price prediction and analysis of biomass fuel is of great significance to protect the interests of biomass fuel power plants and promote the healthy development of biomass fuel power generation industry. Based on th

5、e biomass fuel purchase data of a biomass power plant in Jiangsu from May 2018 to April 2020， this paper constructs a biomass fuel price prediction model by using a variety of technical means such as moving average， trend method and ARIMA model. The data from May 2020 to April 2021 are used to test

6、the model. The relative errors of the predicted values are less than 5%， and the prediction error is small， which is close to the real value. In this paper， the combination forecasting model is the best way to make the first mock exam more effective， minimize the error and improve the accuracy and s

7、tability of prediction.Keywords： biomass fuel; ARIMA; moving average; electricity generation; price forecast0 引 言目前我國的能源需求量逐年增加，能源消耗量的增長速度已經(jīng)遠超其他發(fā)展中國家，能源消耗帶來的安全問題和環(huán)境問題變得日益嚴峻。為了保障國家能源安全，降低化石能源的依賴，改善生態(tài)環(huán)境，政府正在大力開發(fā)和利用可再生能源。生物質(zhì)能源由于其可再生的特性，成為最具開發(fā)潛力的可替代能源之一。生物質(zhì)能源的利用方式有很多，其中生物質(zhì)發(fā)電是目前開發(fā)最廣泛的利用形式。生物質(zhì)發(fā)電是利用生物質(zhì)所具有的

8、生物質(zhì)能進行的發(fā)電項目，是以農(nóng)作物秸稈、農(nóng)林廢棄物等作為燃料進行發(fā)電的產(chǎn)業(yè)。我國的生物質(zhì)能源儲量豐富，其中農(nóng)作物秸稈、生物糞便、植物及環(huán)衛(wèi)垃圾等作為生物質(zhì)原料的主要來源。作物秸稈年產(chǎn)量約為6億噸，可作為能源使用的比例為2/3左右，林木總生物量約200億噸，年獲取量約9億噸，可作為能源利用的占比約為35%。然而目前，國內(nèi)生物質(zhì)發(fā)電企業(yè)實際運營過程中缺普遍存在虧損現(xiàn)象，無法實現(xiàn)穩(wěn)定盈利，依靠國家補貼生存，嚴重阻礙了生物質(zhì)發(fā)電的推廣。關(guān)于促進非水可再生能源發(fā)電健康發(fā)展的若干意見有關(guān)事項的補充通知發(fā)布，明確了生物質(zhì)發(fā)電項目運行滿15年或全生命周期合理利用小時數(shù)滿82 500小時，將不再享受國家補貼。國

9、家補貼的逐步退出，將給生物質(zhì)發(fā)電行業(yè)的商業(yè)模式帶來一定程度的沖擊，其中，農(nóng)林生物質(zhì)發(fā)電行業(yè)面臨的挑戰(zhàn)最大。針對生物質(zhì)發(fā)電出現(xiàn)的虧損現(xiàn)象，國內(nèi)玩學者在成本控制方面做了很多的研究。田宜水在文獻1中采用問答的形式，系統(tǒng)地介紹了生物質(zhì)發(fā)電技術(shù)的基本原理，資源調(diào)查，運行管理等內(nèi)容，并在文獻中指出，生物質(zhì)燃料的物流成本一般占發(fā)電廠燃料總成本的50%70%。傅友紅等人在文獻2中提出成本與規(guī)模之間的關(guān)系，提出為了因地制宜發(fā)展生物質(zhì)發(fā)電，規(guī)模應(yīng)不大于20 MW。張艷麗等人3分析了我國秸稈收儲運過程中的運營模式及存在的問題，提出加大研發(fā)、控制規(guī)模、合理布局的建議。劉華財?shù)热?計算了生物質(zhì)原料的子過程成本，分析了五

10、種不同模式下的供應(yīng)成本變化趨勢。王愛軍等人5為了對生物質(zhì)發(fā)電成本進行分析，分別對生物質(zhì)主要的發(fā)電方式進行了討論，并建立了生物質(zhì)燃料消耗量模型和燃料成本模型。楊樹華等6通過對生物質(zhì)顆粒成型燃料生產(chǎn)廠合理布局的科學分析，提出了秸稈收集的經(jīng)濟半徑、平均運輸半徑及滿載和空載等效模型，推出了綜合反映顆粒燃料生產(chǎn)廠投資、運輸條件、耗油價格關(guān)系的顆粒燃料生產(chǎn)廠原料收集最佳半徑的數(shù)學模型。吳金卓、許文秀等人7，8分析了秸稈生物質(zhì)燃料成本構(gòu)成，構(gòu)建以生物質(zhì)燃料供應(yīng)成本最小化為目標的生物質(zhì)燃料到廠成本優(yōu)化模型。Kumar等人9建立了模型求解不同生物質(zhì)原料所對應(yīng)的發(fā)電容量和發(fā)電成本。Shabani等人10利用非線性

11、規(guī)劃模型優(yōu)化生物質(zhì)電廠的運行成本。本文在上述研究的基礎(chǔ)上，以降低生物質(zhì)燃料收購成本為目標，結(jié)合某生物質(zhì)發(fā)電廠供應(yīng)商和燃料收購數(shù)據(jù)，構(gòu)建了生物質(zhì)燃料收購價格預(yù)測模型和經(jīng)紀人供貨水平評價模型。以改進生物質(zhì)發(fā)電廠在燃料采購階段的價格管理和人員管理問題。1 研究方法和數(shù)據(jù)來源1.1 滑動平均模型滑動平均，又稱為移動平均，在簡單平均數(shù)法的基礎(chǔ)上，通過順序逐期增減新舊數(shù)據(jù)求算移動平均值，以此消除數(shù)據(jù)中偶然變動因素，找出事物發(fā)展趨勢，并依次進行預(yù)測。變量v在t時刻記為vt，t表示v在t時刻的取值，即在不使用滑動平均時，vt=t，在使用滑動平均模型后，vt的更新公式如以下所示：vt=vt-1+（1-）t其中0

12、，1）時，=0時，相當于沒有使用滑動平均。1.2 ARIMA模型ARIMA模型的全稱叫作自回歸移動平均模型，記作ARIMA（p，d，q），常用來定量描述時間序列中參數(shù)間的相互關(guān)系以及存在的未來趨勢。ARIMA模型是統(tǒng)計模型中最常見的一種用來進行時間序列預(yù)測的模型，由AR模型與MA模型共同組成。ARIMA（p，d，q）中，AR表示自回歸模型，p表示預(yù)測模型中采用的時序數(shù)據(jù)本身的滯后數(shù)，MA表示滑動平均模型，q表示預(yù)測模型中采用的預(yù)測誤差的滯后數(shù)，d表示使模型成為平穩(wěn)序列所做的差分次數(shù)，也叫作Integrated項。ARIMA模型的原理是通過數(shù)學模型最大限度地描述預(yù)測對象發(fā)展而成的關(guān)于時間的數(shù)據(jù)序

13、列。模型經(jīng)過d次差分處理后，特征序列xt可以生成平穩(wěn)序列xt，則ARIMA（p，d，q）模型的數(shù)學表達式可以寫成如下形式：其中，c表示常數(shù)，i表示自回歸系數(shù)，i表示移動平均回歸系數(shù)，t表示白噪聲序列。建立ARMIA模型分為6個步驟，即判斷序列是否為平穩(wěn)序列、對非平穩(wěn)序列進行處理、模型參數(shù)確定、參數(shù)估計、模型檢驗和模型預(yù)測。1.3 數(shù)據(jù)來源本文所用數(shù)據(jù)來源于江蘇某生物質(zhì)發(fā)電廠實際經(jīng)營生產(chǎn)數(shù)據(jù)。從52種生物質(zhì)燃料中，選取16種進行數(shù)據(jù)分析，選取時間為2018年5月至2021年4月的各生物質(zhì)燃料的價格序列，共1 095天的價格數(shù)據(jù)。其中2018年5月至2020年4月為訓練數(shù)據(jù)，利用2020年5月至2

14、021年4月作為測試數(shù)據(jù)。2 燃料收購價格預(yù)測模型構(gòu)建根據(jù)生物質(zhì)燃料歷史價格以及當前市場行情等，預(yù)測未來生物質(zhì)燃料價格。本文綜合利用ARIMA模型、滑動平均、趨勢法構(gòu)建組合模型，預(yù)測未來月燃料價格：x=1xt+2xm+0 x預(yù)測燃料價格。xt-i歷史燃料價格。m年增長趨勢，根據(jù)月份不同取值不同。xmyear-1上一年年滑動平均燃料價格，計算公式為：價格置信區(qū)間的構(gòu)建，取預(yù)測月上一年該月的所有數(shù)據(jù)，計算標準差std，樣本數(shù)量n。其中標準差計算公式為：xm表示第m月該燃料價格。則該月該燃料價格95%置信區(qū)間可計算：如匹配月份數(shù)據(jù)空，則不計算。3 燃料收購價格預(yù)測分析本文利用江蘇某生物質(zhì)發(fā)電廠201

15、8年5月至2020年4月的生物質(zhì)燃料的實際經(jīng)營生產(chǎn)數(shù)據(jù)作為數(shù)據(jù)集，選取2020年5月至2021年4月的實際值和預(yù)測值作為比較。此外，本文選取在時間序列預(yù)測中常用的絕對誤差百分比來衡量模型預(yù)測結(jié)果的優(yōu)劣程度，絕對誤差百分比的計算公式如以下所示：絕對誤差百分比=|（預(yù)測價格-實際價格）/實際價格|100%經(jīng)過訓練，得到模型的矩陣參數(shù)為：ARIMA（p，d，q）的模型參數(shù)確定為p=4、d=0、q=0;對ARIMA（4，0，0）模型進行參數(shù)估計，得到矩陣參數(shù)值如表1所示。模型增長趨勢參數(shù)矩陣見表2，其中m為參數(shù)每個月取值：組合參數(shù)矩陣0，1，2取值如表3。則模型為：x=0.741 968 531xt+

16、0.315 052 443xm-13.307 397 83應(yīng)用構(gòu)建的模型對2018年5月至2020年4月期間燃料價格進行擬合，紅色線為實際的成交價格，藍色線為預(yù)測價格，計算可知平均絕對誤差為6.125，平均絕對誤差百分比為2%。模型的預(yù)測值和實際值的擬合度高，并且擬合曲線起伏變化小，擬合的結(jié)果十分理想。應(yīng)用模型對2020年5月至2021年4月的生物質(zhì)燃料價格進行擬合與預(yù)測，其結(jié)果如表4所示。對未來生物質(zhì)燃料價格進行擬合，擬合值、絕對誤差、絕對誤差百分比見上表。2020年5月至2021年4月共12期的價格進行預(yù)測，預(yù)測值相對誤差均在5%以下，預(yù)測誤差較小，較為接近真實值。4 結(jié) 論本文首先選取2

17、018年5月1日至2020年4月30日生物質(zhì)燃料價格序列數(shù)據(jù)，綜合運用滑動平均、趨勢法、ARIMA模型等多種技術(shù)手段，建立了生物質(zhì)燃料價格預(yù)測組合模型，模型為：x=0.741 968 531，xt+0.315 052 443，xm-13.307 397 83，并對2020年5月至2021年4月的生物質(zhì)燃料價格進行預(yù)測，預(yù)測的價格走勢符合生物質(zhì)燃料的市場周期波動特點。從價格預(yù)測的結(jié)果來看，2020年5月10月，生物質(zhì)燃料價格持續(xù)處于低位，這是因為此期間，處于農(nóng)忙季節(jié)，市場稻秸稈、麥秸稈存量較大，引起價格走低。對于生物質(zhì)燃料發(fā)電廠來說，生物質(zhì)燃料價格走低是利好消息，可以充分利用價格低位，大量收購，

18、增加庫存。對于市場來說，發(fā)電廠大量收購生物質(zhì)燃料，可以有效降低麥秸稈、稻秸稈燃燒帶來的環(huán)境污染，降低火災(zāi)風險。Reference：1 田宜水.生物質(zhì)發(fā)電 M.北京：化學工業(yè)出版社，2010.2 傅友紅，樊峰鳴，傅玉清.我國秸稈發(fā)電的影響因素及對策 J.沈陽工程學院學報（自然科學版），2007，3（3）：206-210.3 張艷麗，王飛，趙立欣，等.我國秸稈收儲運系統(tǒng)的運營模式、存在問題及發(fā)展對策 J.可再生能源，2009，27（1）：1-5.4 劉華財，陰秀麗，吳創(chuàng)之.秸稈供應(yīng)成本分析研究 J.農(nóng)業(yè)機械學報，2011，42（1）：106-112.5 王愛軍，張燕，張小桃.生物質(zhì)發(fā)電燃料成本分析 J.農(nóng)業(yè)工程學報，2011，27（s1）：17-20.6 楊樹華，雷廷宙，何曉峰，等.生物質(zhì)致密冷成型原料最佳收集半徑的研究C/中國農(nóng)村能源行業(yè)協(xié)會第四屆全國會員代表大會新農(nóng)村、新能源、新產(chǎn)業(yè)論壇生物質(zhì)開發(fā)與利用青年學術(shù)研討會.中國農(nóng)村能源行業(yè)協(xié)