Изследване за определяне на модел и разработване на софтуер на базата на зависимост между температурите на околната среда и потреблението на природен газ

Газоразпределителните дружества в процеса на експлоатацията на газоразпределителните мрежи решават този проблем, свързан с коректността в отчитането на потребеното количество газ, в зависимост от своите приоритети и експертен капацитет. В тази насока към момента колеги от Софиягаз АД са провели изследване и наблюдавали разлики в показанията на отчетеното количество газ за един потребител, при който е измерено потреблението с разходомер без температурна корекция и с разходомер с температурна корекция. На тази база, чрез допълнително монтирани датчици за температура и коректори за обем експерти на Газовия център продължават експеримента с цел уточняване на влиянието на параметрите на околната среда за извеждаме на модел на коригиране на обема на газа.

Достигнатата дължината на градската разпределителна мрежа в развитите газоснабдени региони е от порядъка на десетки километри и продължава да се увеличава. В тези мрежи разстоянията, които природния газ изминава от мястото на отчитане на физичните му параметри във входните за населените места точки – автоматичните газо-регулаторни станции (АГРС), до точките за измерване и отчитане на природният газ при потребителите са значими. Измерването на тези параметри там не може да се отнесе към физическото състояние на газа в местата, в които се отчита потребеното количество газ от домакинствата. Освен това използването на средства за търговско измерване (СТИ) на газа с корекция по температура (които отчитат температурата и коригират обема) не е масово.

В същото време точната информация за температурата и абсолютното налягане на газа е от голямо значение за коректността при отчитане и фактуриране на реално потребеното количество газ.
За да се открие зависимост за достоверно определяне на температурата на газа в местата на измерване на неговия обем са проведени експерименти, като на базата на резултатите от тях е съставен модел за определяне на коригиращите коефициенти по температура.

Този модел е от значение и за ефективното управление и надеждна експлоатация на мрежите, като същевременно подпомага прогнозирането на потреблението на природен газ.

Настоящата разработка се базира на експеримент проведен на обект на територията на град София, реализиран със съдействието и техническата подкрепа на експерти от София газ АД.

Целта е намиране на математическа функция и доказателства за коректен подход при определяне на температурата на газа и описване на зависимост представяща връзката между потреблението на природен газ и дневната температура на базата на регресионен анализ и използване на Изкуствени Невронни Мрежи (ANN).

Към началото на изследването проведено от експерти на Газовия център (БГЦ), е известен успешно завършен експеримент организиран от колеги от Софиягаз АД , в който на един и същ потребител последователно са монтирани два разходомера измерващи обема на газа. Разходомер (1) е тип GMT G 2,5 и не отчита температурата на газа, а вторият разходомер (2) е тип Galus 2100 TCE, който преизчислява обема на газа в съответствие с температурата му. Между месечните отчети при разходомер 1 и 2 е установена разлика между регистрираните обеми газ, дължаща се на използването на корекцията по температура, извършвана автоматично от СТИ 2. От отношението на отчетеното количество газ отнесен към конкретен период може да се установи и стойността на корекционният коефициент по температура за изследван регион при характерните за него условия.

• 
  почасовото денонощно потребление на природен газ за отоплителния периода от 08 април до 23 април 2015 г. включително;
  
• 
  почасовата температура на газа и на въздуха за същия период.
  

където t е часовата дневна температура.

За определяне на търсените функции (1) е необходимо да се намерят техните аналитични формули, т.е кривите линии, които най-добре да описват характера на изменението на консумацията спрямо температурата.

3. Основни закономерности и аномалии на данните

Разглеждайки данните за дневната консумация (Фиг. 2) се вижда, че те имат синосуидален характер, който се изразява в това, че при по-ниски температури на въздуха е по-ниска и температурата на газа, а потреблението съответно е по-високо. Тази разлика достига в някои случаи до 30 % и причината за това е по-високото енергийно потребление, свързано с компенсиране на загубите на топлина при ниски температури на околната среда.

По този подход бяха подготвени таблици с данни:

• 
  Температура/време (126 записа) и
  
• 
  Потребление/температура;
  

Разработения регресионен анализ дава възможност той да се извърши обработка на съвкупности от данни.

При по-ниски температури поради дросел ефекта се наблюдава снижение на температурата с още градус и половина.

За намиране на функциите описващи дневната консумация в зависимост от температурата, така че да се получи минимална грешка на прогнозата бе използван регресионен анализ.

С така въведените данни бяха извършени многократни опити за регресионен анализ с различни функции. Изхождайки от общата зависимост на консумацията спрямо температурата (Фиг 3), постепенно стана ясно, че видът на търсената крива е огледално обърната S – образна, защото имаме насищане на консумацията при ниски и при високи температури.



Фиг. 3. Обща дневна консумация спрямо температура
Така бе получена функция от вида [2]:

(4)

Регресионният анализ всъщност намира стойности на коефициентите a, b, c и d, така че кривата да опише данните с минимална грешка.

• 
  коефициента на корелация между данни от коректор 1 и коректор 2 ;
  
• 
  грешка получена чрез формулата [3]
  

където N е броя на данните (дните), Тв_i е температурата на въздуха, а Тг_i е измерената температура на газа за i – тия ден.

Като резултат се наблюдава сходимост в рамките на 97 %
5. Сравнителен анализ на получени чрез данни с температура на почвата и температура на въздуха

Таблица 2.Корелации и грешки получени при анализите

	Сходимост на данните с температура на въздуха		Сходимост на данните с температура на почвата
	Корелация	Грешка	Корелация	Грешка
потребител	0.97068	0.124098	0.850204	5.155364

От Таблица 2 се вижда, че корелациите получени при анализ на данни използващи температурата на въздуха са много по-добри (по-близки до температурата на газа) отколкото при данни с температура на почвата. Съответно грешките при анализ на данни с Тв са по-малки от грешките получени при анализ с температура на почвата.

Следователно, може да се твърди че регресионния анализ извършен върху температура на въздуха е достоверен по отношение на приемане на температурата на газа.
6. Получаване на прогнози

В рамките на изследването и регресионния анализ са е получено уравнение, чрез което на базата на намерените регресионни функции могат да се извършват и прогнози на потреблението на газ.

По въведени от потребителя име на файл на MS Excel, брой дни и прогнозни часови температури, генерира таблица на MS Excel със следните колони: прогнозни температури, прогнозни часови консумации за бита. В Таблица 3 е показана такава прогноза за 10 случая.

Таблица 3. Прогнози генерирани чрез намерените регресионни функции

От часовото потребление за периода и температурите на газа, са направени анализи за определяне на функция описваща тези зависимости.

След редица проби бе установено че функция от вида (4) най-добре описва дневната консумация на газ според средната дневна температура. Тези функция е:

Y= -1E-04x³ + 0,0047x² – 0,0772x + 0,6197 (6)

Прогнозата за консумацията на газ би била по-точна за следващия отоплителен сезон, ако към вече съществуващата извадка да се прибавят данните за изтеклите месеци от новия сезон и анализа да се прави наново. Така прогнозите биха останали актуални.

1. Агаев Н. Б., Краткосрочное прогнозирование обьема газопотребления с изпользаванием искусственным нейронных сетей. – Нефтегазовое дело, бр. 4, 2007

2. Николов Г.К. Разпределение и използване на природен газ, 2007

3. Бояджиев М.М. Модел за краткосрочно прогнозиране на потреблението на природен газ, МГУ 2012

2. Defireli J., Gil S., Modelо de Prediccin del Consumo de Gas Natural – ENARGAS, 2004

3. Ivezic D. Short-Term Natural Gas Consumption Forecast – FME Transactionsq v. 34, 2006