基于灰色模型的能源状况评价与分析

穆静静¹,王朝阳²,邱丁毅²,杨婧翊²,兰奇逊¹

(1.河南城建学院 数理学院，河南 平顶山 467036； 2.河南城建学院 电气与控制工程学院，河南 平顶山 467036)

摘 要： 针对美国加利福尼亚州、亚利桑那州、新墨西哥州和德克萨斯州的能源状况进行数据分析，建立模型对化石燃料、可再生能源、生物质能源、木材和废料这四大品种能量剖面进行描述，并确定四个州中哪一个在2009年具有"最佳"的使用清洁、可再生能源的配置文件。经过对四个州过去十年经济系数的分析，预测出未来十年的可再生能源系数。最后利用灰色预测模型和回归模型对不同类型的预测模型进行比较,研究能量预测问题。结果表明,该模型能有效地揭示能量剖面和可再生能源消耗状况。

关键词： 可再造能源;灰色预测;可再生能源系数;回归分析

近年来,能源生产和使用已经成为经济发展的重要部分。在不同的历史、地理和政治背景下，不同地区会采用不同的燃料和技术制造能源。沿着美国与墨西哥接壤的边境,按顺序依次选取加利福尼亚州(CA)、亚利桑那州(AZ)、新墨西哥州(NM)和德克萨斯州(TX)四个州为研究对象，建立一个致力于提高清洁、可再生能源使用量的联盟^[1-2]。

1各州能源数据分析

本文所研究的四个州的主要能源分为煤炭、石油、天然气、风能、核能、太阳能、生物质能、木材和废弃物八类。表1数据为四个州各自八种能量消耗总计。根据表1数据,分别绘制了四个州八种能量的分布折线图与饼图,如图1～图4所示。折线图代表了每种能量不同年份的变化,但并不显示每个能量源在特定状态下的分布。

表 1各州八种能量能耗总计( Billion Btu)

注:BMTCB-生物质能;CLTCB-煤炭;NNTCB-天然气;PCTCB-石油;SOTCB-光优太阳能;WWTCB-木材和废物;WYTCB-风能;NUEGB-核能。

图 1新墨西哥州能源概况

根据图1和对实际情况的分析发现：新墨西哥州^[3]有丰富的化石燃料和可再生能源。煤炭和天然气在当地消耗中占主导地位。地方发电主要有火电发电和天然气,可再生能源消耗几乎接近零，这可能与当地经济发展结构有关。

图 2亚利桑那州能源概况

根据图2和对实际情况进行分析：亚利桑那州的化石燃料较少,但拥有丰富的太阳能和地热能源^[4]。自亚利桑那州的核电站-帕洛弗迪于二十世纪八十年代投入使用以来,总发电量迅速上升,成为亚利桑那州最大的发电站。这也许是导致煤炭消耗变得比以前少的主要原因。天然气的消耗量趋于稳定增长。

图 3德克萨斯州能源概况

根据图3和对实际情况的分析发现：德克萨斯州^[5]在能源消耗方面处于领先地位, 主要来自原油和天然气。如折线图所示, 天然气的消耗量越来越高, 煤的消耗量也在逐渐上升，并趋于稳定。

图 4加利福尼亚州能源概况

根据图4和对实际情况分析发现：与其它三个州对比,加利福尼亚州有宝贵的天然气能源,并且人口最多。人均能源使用水平较低，天然气需求量很大，发电主要依赖天然气。这一地区的风能产量比其他州大,表明该地区正朝着可再生能源方向发展。

笔者依据实际工作经验及相关文献资料的记载，详细分析现阶段我国青少年实际阅读情况，而后提出全民阅读活动的产生背景，最终介绍全民阅读活动在培养青少年阅读兴趣的过程中发挥出的作用，希望能够让青少年逐渐养成一定阅读兴趣，将人才的作用充分发挥出来，最终在我国构建可持续发展型社会的过程中起到一定促进作用。

(1)煤炭和石油

2灰色模型和回归分析

原始序列^[7-9]:以1980～2009年四个州的各种能源消耗为原始序列, 建立了 GM (1,1) 模型, 预测了四个州未来的各种能耗。

2.1 建立模型

原始数据序列:

统计软件SPSSl7.0处理数据,百分比方式表示计数数据,x2检验,采用Logistic进行多因素分析,组间差异显著则P

从图6中可以看出，天然气的消耗量呈稳步上升趋势。天然气具有资源丰富、排放低、价格低廉等优点。它为发动机提供了合适的替代能源，在满足能源需求方面发挥着重要作用。太阳能发电厂或核电站的电力价格昂贵，尤其是在天然气价格暴跌的时候，相比之下，天然气发电成本更低。

(1)

(2)

序列平均数：

(3)

建立灰色微分方程：

用最小二乘法求最小值

(5)

建立下述白化形式的微分方程：

得到预测模型：

(6)

u =(a ,b )^T

Y =(X ⁰(2),X ⁰(3)，X ⁰(4)… …X ⁰(m ))^T

(7)

(8)

第三，孟子做出“春秋无义战”的判断或总结。他认为，当今之世，未有行王道之君。孟子对于整个时代武力泛滥的现实加以批判：

3) 根据上述研究结果，在对水龄较长的压载水进行处理时，仅需对压载舱底层压载水和沉积物进行处理，便能在大大减少压载水的处理量的同时实现对压载水的有效管理。此外，在评估压载水排放是否达标时应重点监测舱底的压载水和沉积物。

(9)

完成适应度函数初始化后，再利用去量纲化算法处理多参数变量问题，以有效避免求解过程中的量纲及数值量级的干扰。此时若直接投入遗传进化计算，则可能无法控制适应度大小，因此需要借助线性、幂函数及指数方法转变适应度函数尺度[16]，但现有方法均存在通用性和适应度不足等问题。为此改进指数尺度变化法为：

(10)

2.2 结果分析

新墨西哥州人口最少，能源消耗主要是化石燃料消耗^[6]。风能、太阳能、热能、核能等可再生能源在较发达地区已开始发展, 但还不能作为主要能源。从这四个州的能源分布还可以看到他们各自的经济发展状况。德克萨斯州的工业更加发达, 新墨西哥州的经济发展比其他三个州都要慢。煤和天然气主要用于发电。亚利桑那州已经发展了核电, 并率先发展可再生能源。德克萨斯州和加利福尼亚州得益于其海岸优势,风能使用比其他州更多，但占比仍然较小,可以考虑进一步发展。

从图5可以看出，煤炭和石油能源消耗呈逐渐上升的趋势。由于资源和环境的限制，这种情况不会持续下去，它将逐渐被可再生清洁能源取代。

表 2石油和煤炭预测价值( Billion Btu)

图 5煤与石油预测趋势

在建立和改进模型后, 基于Matlab进行仿真模拟，预测结果见表2。

(2)天然气

表 3天然气预测价值( Billion Btu)

图 6天然气预测趋势

积累原始数据序列获取累积数据序列

(3)可再生能源

表 4可再生能源预测价值( Billion Btu)

图 7可再生能源预测趋势

可再生能源是解决能源需求和减少二氧化碳排放的关键。核能是高效、安全、清洁、经济的能源，然而它有自己的市场生命周期。水力发电会破坏河流环境，对鱼类的迁移产生负面影响。可再生能源的使用将占很大比例，但不会被无限放大，因此分析中存在一定的误差。

各地区历史、地理和政治环境的差异也会导致其采用不同的能源形式和相关技术。但可以预测，可再生能源将逐渐成为发展的重点，但煤炭仍将占据部分市场，不会被完全取代。将来的能源市场主要由可再生能源、天然气和煤炭组成。

根据本文模型及数据分析，可再生能源使用情况中，加利福尼亚州是四个州中最好的，新墨西哥州的增长最快，亚利桑那州的发展较合理，德克萨斯州发展较为缓慢。亚利桑那州的大部分可再生能源都来自核能，但考虑到核电站的使用寿命，未来亚利桑那州的可再生能源将减少。根据部分预测,天然气消费仍处于领先地位。随着经济的发展，可再生能源正在逐步取代传统的化石能源。

（4）总体而言，3个消减处理均能一定程度降低水稻-土壤系统Cd累积量，也能降低水稻植株各部位Cd累积。由于采用自来水灌溉、搭建沉降截源设施需要更多的生产成本，也不便于田间操作，兼顾生产、经济、生态环境等效应，认为稻草离田更值得在南方典型镉污染稻区推广。

3结论

本文通过建立灰色模型来分析不同状态下四个州的能源分布，并得出结论:不同地区的能源状况因其经济、地理、人口和气候而异。亚利桑那州是在2009年开始使用清洁、可再生能源将逐渐取代煤炭和石油。天然气的使用呈上升趋势，并趋于稳定。到2050年，这种情况将更加明显。在可再生能源的发展中，加利福尼亚州是四个州中最好的，新墨西哥州增长最快，亚利桑那州的发展较合理，德克萨斯州发展较为缓慢。^[10]同时，该模型结合了所调查城市的经济，人口等因素，且每一个因素的权重比不同， 所以该模型具有普遍性，可以借用该模型分析中国不同城市的能源分布，从而更好地选择对策，增加能源利用率，减少能源损耗。

光谱数据经Savitzky-Golay平滑(7点2次平滑)、多元散射校正(MSC)、一阶导数(1st D)和二阶导数(2nd D)预处理后，采用偏最小二乘法(PLS)建立芝麻油中掺入的大豆油含量的定标模型，并经内部交互验证。

参考文献

[1] 张丽峰.中国能源供求预测模型及发展对策研究[D].北京：首都经济贸易大学，2006.

[2] Ram M. Shrestha,Sunil Malla,Migara H. Liyanage. Scenario-based analyses of energy system development and its environmental implications in Thailand[J]. Energy Policy,2007,35(6),3179-3193.

[3] Naiming Xie,Alan D. Pearman. Forecasting energy consumption in China following instigation of an energy-saving policy[J]. Natural Hazards. 2014,74(2),639-659.

[4] Nai-ming Xie,Chao-qing Yuan,Ying-jie Yang. Forecasting China’s energy demand and self-sufficiency rate by grey forecasting model and Markov model[J]. International Journal of Electrical Power and Energy Systems,2015,66,1-8.

[5] Jie Cui,Si-feng Liu,Bo Zeng,Nai-ming Xie. A novel grey forecasting model and its optimization[J]. Applied Mathematical Modelling. 2013,37(6),4399-4406.

[6] Luca Massidda,Marino Marrocu. Use of Multilinear Adaptive Regression Splines and numerical weather prediction to forecast the power output of a PV plant in Borkum, Germany[J]. Solar Energy,2017,146,141-149.

[7] Luka Lugaric,Slavko Krajcar. Transforming cities towards sustainable low-carbon energy systems using emergy synthesis for support in decision making[J]. Energy Policy,2016,98,471-482.

[8] Chaoqing Yuan,Dejin Song,Benhai Guo,Naiming Xie. Prediction of China’s energy consumption structure[J]. Kybernetes. 2012,41(5/6), 559-567.

[9] 徐华锋，方志耕. 优化白化方程的GM(1,1)模型[J]. 数学的实践与认识，2011,41(7),163-167.

[10] 徐华锋，李玲玲，方志耕. 灰色双矩阵博弈模型及其均衡解[J]. 数学的实践与认识.2012,42(10),174-179.

[11] 徐华锋，刘思锋，方志耕. GM(1,1)模型灰色作用量的优化[J]. 数学的实践与认识.2010,40(2),26-32.

Evaluation and analysis of energy status based on Grey Model

MU Jing-jing¹, WANG Zhao-yang², QIU Ding-yi², YANG Jing-yi², LAN Qi-xun¹

(1.School of Mathematics and Physics ,Henan University Of Urban Construction ,Pingdingshan 467036,China ; 2.School of Electrical and Control Engineering ,Henan University of Urban Construction ,Pingdingshan 467036,China )

Abstract ：This paper analyses the energy status of California, Arizona, New Mexico and Texas States, and sets up a model to describe the four major energy profiles of fossil fuels, renewable energy, biomass energy, wood and waste. And determines which of the four countries has the "best" profile of clean and renewable energy in 2009. After analyzing the economic coefficients of the four states over the past ten years, we can predict the coefficient of renewable energy in the next ten years. Finally, the different types of prediction models are compared by gray prediction model and regression model, and the energy prediction problem is studied. The results show that the model can effectively reveal the energy profile and the consumption of renewable energy.

Key words ：renewable energy; grey prediction; renewable energy coefficient; regression analysis

收稿日期： 2019-03-29

基金项目： 国家自然科学青年基金项目(61503122)，平顶山市科技创新人才计划(科技创新杰出青年)(2017011)

作者简介： 穆静静(1982-)，女，河南周口人，硕士，讲师。

文章编号: 1674-7046( 2019) 03-0086-07

DOI: 10.14140/ j.cnki.hncjxb.2019.03.014

中图分类号： TK01

开放科学(资源服务)标识码( OSID)：

文献标识码： A

标签：可再造能源论文;  灰色预测论文;  可再生能源系数论文;  回归分析论文;  河南城建学院数理学院论文;  河南城建学院电气与控制工程学院论文;