交通运输业能源消耗量预测方法及其预测系统与流程

本发明具体涉及一种交通运输业能源消耗量预测方法及其预测系统。
背景技术：
：随着国家经济技术的发展和人们生活水平的提高，环境问题日益突出，因此绿色经济理念和可持续发展理念已经广泛深入人心。能源是经济发展的基础动力，与经济总体及各部门稳定、可持续发展密切相关，交通运输业能源消耗增长迅速，并且其油品消耗占比显著，关系到能源的战略发展与城市环境建设。交通运输业能源消耗量预测方法包括时间序列模型、灰色预测法、趋势分析法、回归分析法等，其中时间序列模型如ARIMA模型以历史期能源消耗量为基础，并考虑随机误差项进行预测。趋势分析法同样是从历史数据中发现规律，使用线性、曲线等模型进行拟合预测。灰色预测法也仅使用历史数据预测能源消耗量。与前三种方法不同的是，回归分析法将影响能源消耗量的诸多因素纳入模型，构建回归分析方程进行预测。上述研究方法预测所利用的外部信息较少，导致相应时间段内预测某区域能源消耗量的准确性低。技术实现要素：本发明的目的之一在于提供一种能够综合利用各类数据信息，从而进行精确预测的交通运输业能源消耗量预测方法。本发明的目的之二在于提供一种实现所述交通运输业能源消耗量预测方法的预测系统。本发明提供的这种交通运输业能源消耗量预测方法，包括如下步骤：S1.根据交通运输业部门类别、运输方式类别和运输设备类别将交通运输业逐层进行分类；S2.在步骤S1得到的各个子类中，分别获取交通运输设备和交通运输周转量在样本期内的历史能源消耗数据，并计算各个子类的能源消耗数据；S3.根据步骤S2得到的各个子类的能源消耗数据，依据国家的发展战略、发展规划和法律规定，计算预测期内各个子类的能源消耗增长；S4.获取交通运输设备和交通运输周转量的变化信息，依据步骤S2和步骤S3计算得到的能源消耗数据、经济发展规划、交通运输业发展规划和能源发展规划，预测预测期内的能源消耗增长量；S5.依据步骤S2～步骤S4得到的能源消耗数据，计算预测期内交通运输业的能源消耗量。步骤S1所述的对交通运输业逐层进行分类，具体为首先将交通运输业划分为客运和货运，所述的客运包括公路运输、铁路运输、水路运输和航空运输；所述的货运包括公路运输、铁路运输、水路运输和航空运输；然后，再根据周转量量化分配可行情况及交通运输设备消费能源品种的多样化程度划分至交通运输设备。步骤S2所述的计算能源消耗数据，具体为对于可分配能源消耗量以及交通运输周转量的交通运输设备，采取分配能源消耗量和交通运输周转量的方式计算能源消耗量；否则，采取以该种交通运输设备正常运营情况下的单位设备能源消耗作为其能源消耗量。所述的依据分配能源消耗量计算能源消耗量，具体为采用如下算式计算能源消耗量：Eik＝M*eik*D式中Eik为第i种交通工具平均第k中能源的全年消耗量；M为第i种交通工具的日运营里程；D为全年的总天数；eik为第i种交通工具单位运营里程下第k种能源的消耗量。所述的依据交通运输周转量计算能源消耗量，具体为将客运周转量和货运周转量进行统一，并采用如下算式计算能源消耗量：G＝eh*(Gk*k+Gh)式中G为统一后能源消耗量；eh为单位货运周转量的能耗；Gk为客运周转量；k为客运周转量转换为货运周转量的转换系数；Gh为货运周转量。步骤S3所述的计算预测期内各个子类的能源消耗增长，具体为采用趋势预测法方法进行计算。所述的趋势预测方法为线性曲线模型、逻辑斯蒂模型和基于DEA数据包络分析的能耗增速设定法。步骤S4所述的预测预测期内的能源消耗增长量，具体为采用一元线性回归模型进行预测。步骤S5所述的计算预测期内交通运输业的能源消耗量，为自底而上的计算交通运输业的能源消耗量，具体包括如下步骤：A.依据如下公式计算某一类型交通运输工具的能源消耗量：Eik＝eik*Si式中Eik为第i种交通工具第k种能源的全年消耗量；eik为第i种交通工具单位辆数或者单位周转量的第k种能源的消耗量；Si为第i种交通工具车辆数或者承担的周转量；B.根据步骤A计算的到的某一类型交通运输工具的能源消耗总量，按照如下公式计算各类交通运输工具全年的能源消耗总量：式中Ek为交通运输业第k中能源消耗总量；C.根据每种能源消耗总量，按照如下算式计算交通运输业的能源消耗总量：式中为折标系数。本发明还提供了一种实现所述交通运输业能源消耗量预测方法的预测系统，包括依次串接的第一获取模块、第二获取模块、第一计算模块和预测模块；所述第一获取模块用于获取预测区域中各个交通运输设备数量或者周转量在样本期内的历史单位能源消耗数据；所述第二获取模块用于获取各个交通运输设备和周转量在预测期内的变化信息；所述第一计算模块用于计算预测期内各个统计对象的单位能源消耗变化量；所述预测模块用于预测预测期内所述预测区域的交通运输业能源消耗量。本发明提供的这种交通运输业能源消耗量预测方法及其预测系统，通过获取预测区域中各个对象在样本期内的历史能源消耗数据，并获取各个对象在预测期内的运输设备、周转量变化信息，并根据国家发展的规划等外部数据计算预测期内各个统计对象的能源消耗变化量，再根据所述预测区域在预测期内运输设备和周转量变化信息、各个对象的能源消耗量计算能源消耗总量；使其在预测期内的所预测的各个对象的能源消耗量充分考虑到样本期内的历史数据以及由相关运输设备删减、更新或者增加以及经济发展、交通运输业发展、节能减排等因素造成的能源消耗变化量，因此本发明能够综合利用各类数据信息，而且可以有效提高所预测的能源消耗量的准确性。附图说明图1为本发明方法的方法流程图。图2为本发明系统的功能模块图。具体实施方式如图1所示为本发明方法的方法流程图，以下结合一个具体实施例对本发明进行进一步说明。本发明提供的这种交通运输业能源消耗量预测方法，包括如下步骤：S1.根据交通运输业部门类别、运输方式类别和运输设备类别将交通运输业逐层进行分类；所述的对交通运输业逐层进行分类，具体为首先将交通运输业划分为客运和货运，所述的客运包括公路运输、铁路运输、水路运输和航空运输；所述的货运包括公路运输、铁路运输、水路运输和航空运输；然后，再根据周转量量化分配可行情况及交通运输设备消费能源品种的多样化程度划分至交通运输设备，比如，可以将公路客运划分为城市公交、公路班线运营及出租车；最后，根据运营交通运输工具消耗能源品种不同划分至运输设备，如城市公交划分为柴油公交、混动公交、天然气公交、电动公交，铁路运输划分为柴油机车、电力机车；S2.在步骤S1得到的各个子类中，分别获取交通运输设备和交通运输周转量在样本期内的历史能源消耗数据，并计算各个子类的能源消耗数据；对于可分配能源消耗量以及交通运输周转量的交通运输设备，采取分配能源消耗量和交通运输周转量的方式计算能源消耗量：对于依据分配能源消耗量计算能源消耗量，具体为采用如下算式计算能源消耗量：Eik＝M*eik*D式中Eik为第i种交通工具平均第k中能源的全年消耗量；M为第i种交通工具的日运营里程；D为全年的总天数；eik为第i种交通工具单位运营里程下第k种能源的消耗量。而对于依据交通运输周转量计算能源消耗量，具体为将客运周转量和货运周转量进行统一，并采用如下算式计算能源消耗量：G＝eh*(Gk*k+Gh)式中G为统一后能源消耗量；eh为单位货运周转量的能耗；Gk为客运周转量；k为客运周转量转换为货运周转量的转换系数；Gh为货运周转量。以下以城市公交车能源消耗量与航空运输单位周转量能耗估算为例说明两种思路的实现过程：城市公交车在能源消耗品种上种类多样，包括柴油、燃气、混合动力以及纯电动，要估算公交车能源消耗需要掌握公交车辆数与公交车的一般运营能耗情况。样本期内的公交车一般运营能耗情况根据相关资料查阅估算，如公交车日行里程约210公里，再结合每种类型公交车的单位运营里程能耗计算每种公交车一般运营情况下的全年能耗：Eik＝M*eik*D式中，Eik为第i种公交车平均每辆第k种能源的全年消耗量，M为公交车一般运营情况下的日行里程，D为全年天数，eik为第i种公交车单位运营里程第k种能源的消耗量。则根据上述思路，估算2014年各种类型公交车的能耗情况如下表1所示。表1各种类型公交车能耗车辆类型能耗单位柴油公交车22247.5kg/车*年油电混动公交车(柴油)14720.6kg/车*年油电混动公交车(电)3832.5kwh/车*年燃气公交车30660立方米/车*年电动公交车91980kwh/车*年航空运输单位周转量能耗计算则需要将客运周转量与货运周转量统一单位，如将客运周转量的单位亿人公里按照换算系数0.07折算成货运周转量的单位亿吨公里，如此一来，即可根据航空煤油的消耗量计算单位货运周转量的能耗，并进一步计算获得单位客运周转量的能耗：G＝eh*(Gk*k+Gh)式中G为统一后能源消耗量；eh为单位货运周转量的能耗；Gk为客运周转量；k为客运周转量转换为货运周转量的转换系数；Gh为货运周转量；根据上述思路计算2014年航空运输单位周转量能耗如下表2所示：表2航空运输单位运输周转量能耗单位货运周转量能耗(g/吨公里)446.32单位客运周转量能耗(g/人公里)32.14而对于不适用于可分配能源消耗量以及交通运输周转量的交通运输设备，则采取以该种交通运输设备正常运营情况下的单位设备能源消耗作为其能源消耗量；S3.根据步骤S2得到的各个子类的能源消耗数据，依据国家的发展战略、发展规划和法律规定，计算预测期内各个子类的能源消耗增长；具体为采用趋势预测法方法进行计算。趋势预测方法包括线性曲线模型、逻辑斯蒂模型和基于DEA数据包络分析的能耗增速设定法。所述的线性曲线模型可以看做以时间序列为自变量，以研究对象为因变量的一元线性回归模型，具体表现形势如下：yt＝at+b式中yt为某种设备单位周转量能耗或单位设备单位运营里程能耗，t为时间序列变量。而逻辑斯蒂模型形式为：对上式两端取倒数，就可以转化成非齐次指数曲线模型，所以系数的估计可以借助非齐次指数曲线模型的方法，即先对yt取倒数，再将1/yt分成个数相等的三段，记每段数据的和分别为S1，S2，S3，则逻辑斯谛模型的系数a,b,c的估计值为：b＝lnb1其中固定增速的设定理论基础来源于区域性DEA数据包络分析，选取与H省地理位置毗邻或较之经济发展领先的省域集合，采用DEA分析方法测算区域交通运输业能源技术效率前沿，进一步根据该集合的能源技术效率前沿计算某省的行业节能潜力。该节能潜力被认为是H省长期内可实现的节能潜力，也是固定增速的设定依据。如根据DEA测算H省交通运输业能耗较能源技术效率前沿具备15％左右的节能潜力，那么则认为H省在较长的预测期如到2030年能够实现15％左右的单位周转量或单位设备能耗下降幅度。DEA数据包络分析模型最为主要的特点即投入产出之间无确定性生产函数，仅根据已有的投入与产出数据集合确定其生产技术前沿。研究采用单要素能源效率，以能源作为投入、以周转量作为产出的简单模型：Y＝f(X)当存在n个决策单元时，其投入产出即构成集合T＝x，y：x≥0,y≥0，集合中的每个点x，y代表一个决策单元的投入与产出。对所有决策单元进行排序，分别依次提取x、y，得到n×1的投入产出向量：X＝(x1，x2，x3，……xn)’Y＝(Y1，Y2，Y3……Yn)’其中，θ是一个n×1的一个常数矢量，μ的值就是第i个决策单元的技术效率，要满足μ≤1，μ＝1即位于技术前沿上的点。拓展CRS模型至规模报酬可变情形(VRS)，通过增加N1’θ＝1约束即得到VRS模型：N1是所有的n×1的矩阵，VRS模型相当于将CCR模型计算的技术效率分解成为纯技术效率与规模效率，显然，VRS计算的纯技术效率比CCR计算的技术效率要高或者相等。模型研究主要参考DEA数据包络分析的VRS模型测算结果。S4.获取交通运输设备和交通运输周转量的变化信息，依据步骤S2和步骤S3计算得到的能源消耗数据、经济发展规划、交通运输业发展规划和能源发展规划，预测预测期内的能源消耗增长量；具体地，以公交车辆数与航空运输周转量预测为例，预测期内公交车辆数增长通常与交通运输部门对城市交通的发展规划密切相关，从多省域的公交车辆数增长情况来看，其增速通常是较为稳定的，研究认为H省现阶段仍处于城镇化快速发展阶段，短期内公交车辆数增长将延续近年来的增长趋势，长期将随着公共交通的逐步完善而逐渐减速增长。公交车的能源消费结构则根据近年来结构的变化趋势以及节能减排发展方向设定，如应节能减排要求，柴油公交车份额将逐步减少，而燃气、电动公交车将逐步替代柴油公交车，份额扩大。根据上述思路预测H省公交车辆数及结构如下表3所示：表3公交车辆数与结构变化航空运输的周转量则依据航空运输周转量与影响因素的相关性研究并基于一元线性回归模型进行预测。具体地，H省航空客运周转量与影响因素城镇居民人均可支配收入之间存在较高的相关性，相关系数计算公式如下：其中，Xt为城镇居民人均可支配收入序列，Yt为航空客运周转量序列，N为序列样本点，|r|≤1，|r|越接近于1，相关性越高，根据样本期数据计算H省城镇居民人均可支配收入与航空运输客运周转量之间的相关系数为0.993，即城镇居民人均可支配收入与航空运输客运周转量正相关，并且具备较好的相关性。如此一来，根据对经济发展的判断预测城镇居民人均可支配收入增长，再由城镇居民人均可支配收入与航空客运周转量之间的一元线性模型预测航空客运周转量增长，预测情况见下表4所示：表4H省航空客运轴转量预测S5.依据步骤S2～步骤S4得到的能源消耗数据，计算预测期内交通运输业的能源消耗量，具体包括如下步骤：A.依据如下公式计算某一类型交通运输工具的能源消耗量：Eik＝eik*Si式中Eik为第i种交通工具第k种能源的全年消耗量；eik为第i种交通工具单位辆数或者单位周转量的第k种能源的消耗量；Si为第i种交通工具车辆数或者承担的周转量；B.根据步骤A计算的到的某一类型交通运输工具的能源消耗总量，按照如下公式计算各类交通运输工具全年的能源消耗总量：式中Ek为交通运输业第k中能源消耗总量；C.根据每种能源消耗总量，按照如下算式计算交通运输业的能源消耗总量：式中为折标系数。根据上述思路计算H省交通运输业能源消耗总量如下表5所示：表5交通运输业能源消耗总量如图2所示为本发明系统的功能模块图：本发明还提供了一种实现所述交通运输业能源消耗量预测方法的预测系统，包括依次串接的第一获取模块、第二获取模块、第一计算模块和预测模块；所述第一获取模块用于获取预测区域中各个交通运输设备数量或者周转量在样本期内的历史单位能源消耗数据；所述第二获取模块用于获取各个交通运输设备和周转量在预测期内的变化信息；所述第一计算模块用于计算预测期内各个统计对象的单位能源消耗变化量；所述预测模块用于预测预测期内所述预测区域的交通运输业能源消耗量。当前第1页1 2 3