0.引言

集中供热工程中日益突出的问题是热负荷的供需矛盾问题。落实热负荷，是集中供热一切要素之首。热负荷的预测是集中供热管理的前提和基础。没有准确的热负荷，热电站的建设将似沙滩上的建筑，不仅不能节约燃料，更无经济效益可谈。因此高效准确的预测方法显得格外重要和迫切。

1.传统的热负荷预测方法

目前各行各业中用到的预测方法有很多种，但都有各自的局限性和使用条件限制。大多数的预测方法都是建立在对历史数据统计分析的基础上，不同之处只是数据处理方式及所适用的系统。根据对数据处理方式的不同，供热负荷预测方法基本可以分为：时间序列法、回归分析法。

1.1 时间序列法

时间序列是按照时间顺序取得的一系列观测值。很多数据是以时间序列的形式出现的：一个工厂装船货物数量的月度序列，公路事故数量的周度序列。某化工过程产出的按小时观测，等等。时间序列典型的一个本质特征就是相邻观测值的依赖性。时间序列分析把系统看成一个“暗箱”，它并不关心影响这个系统运行的因素是什么，而且也不想去花费精力寻找这些因素是什么，而是把这个系统看成是不需要外界知道的“生成过程”。

时间序列预测方法对于工业园区集中供热的热负荷预测来说，并不适用，时间序列预测方法需要大量的历史数据，而对于一个新型工业园区来说，其历史一穷二白，无历史数据可参考，所以不能用时间序列预测方法来预测热负荷。

1.2 回归分析法

回归分析预测法就是从系统各种现象之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测法。所谓回归分析就是研究某一个随机变量（因变量）与其他一或几个变量（自变量）之间的数量变动关系，回归分析主要涉及以下内容：

• 从一组观测数据出发，分析变量间存在什么样的关系，建立这些变量之间的关系式（回归方程），并对关系式的可信度进行统计检验；
• 利用回归方程式，根据一个或几个变量的值，预测或控制另一个变量的取值；
• 从影响某一个变量的许多变量中，判断哪些变量的影响是显著的，哪些是不显著的，从而建立更实用的回归方程；
• 根据预测和控制所提出的要求，选择实验点，对实验进行设计。

回归分析法和时间序列分析法是常用的定量分析方法，当预测者收集到足够的可靠的数据时，这两种方法相辅相成，根据不同的前提假设条件，可以有不同的应用。本文就将以已建成的工业园区的负荷资料对新建工业园区的热负荷进行预测。

2.已建工业园区热负荷调研及资料整理

通过调研其它工业园区的热负荷情况，对调研所得到的供热负荷数据进行处理，再加上所预测工业园区的实际情况，按批租面积对未来的集中供热负荷进行估算是一个行之有效的方法，但由于工业园区内土地批租不可能以集中供热规划为依据，每一个工业开发区地块热负荷的预测工作，都有随机性、随意性等诸多不确定因素。为了提高热负荷预测的科学性和可靠性，应该进行大量的实地调查研究，收集了很多有参考价值的数据和基础资料。通过分析和研究，归纳总结出若干带有规律性的内在联系，同时结合设计规范和相应的设计技术措施，得出不同类型产业，单位面积的预测热负荷量。

调查研究工作的主要对象是一些工业企业，调研主要内容包括、企业名称、所在区域、企业性质、产品名称、单位产品能耗、年产量、热源及容量、热媒性质及参数、平均热负荷或（用气量）、峰值热负荷或用气量、车间建筑面积、空调面积、生产班次、空调冷负荷、空调热负荷等。

本文中主要调查了上海浦东新区的某出口加工区集中供热情况和上海浦东某高科技园区集中供热情况等。这两个园区属于上海浦东新区几个开发小区中起步较早、发展较快的跨世纪的现代化城区之一。这两个工业园区都采用了集中供热系统，这个调研工作主要从某中美合资公司和上海某高科技园区热力中心入手，得到这两个工业园区内企业的热负荷和用气量的大小、规律。

2.1 各工业园区用气量调查

高科技园区规划面积是17平方公里，但是现在只有1平方公里使用了集中供热。使用集中供热的产业主要是生物医药产业和微电子产业。图1.1是从高科技园区热力中心得到的已签订合同的热力用户的用汽情况，上面所标注的数据是合同用汽量。

出口加工区9平方公里，主要产业为进出口加工。出口加工区在做热负荷预测工作时把此区分了几个地块，见表2.1。

图1.1 某高科技园区热力用户用汽及管网图

2.2 不同类型企业的用热需求情况

(1) 生物医药类产业：调研了医药类的原料和药品生产企业，用汽量见表2.2。

(2) 机械制造及装备类产业：调研了上海某汽车制造和汽车配件有限公司等。

(3) 信息电子类产业：调研了外商独资或中外合资的通讯、电子类企业，音响制品企业等。

(4) 现代纺织类产业：调研了包括纺织产品的原料生产厂、服装加工厂、针织行业等。

3.青浦工业园区热负荷预测

本文按产业采用每平方公里批租面积为单位来对青浦工业园区的热负荷进行预测。对于预测一个产业聚集区的热负荷预测方法，可以采用线性回归预测方法。下面就以一个典型的产业为例，用线性回归预测方法来进行预测。

3.1 生物医药产业区热负荷预测

由于某高科技园区内的产业类型为生物医药，所以采用表2.1和高科技园区的数据（整理如下），同样采用最小二乘法，以用地面积对规划热负荷回归。

设，A－批租面积（平方公里）

L－规划热负荷（t/h）

建立回归方程：

＝0.761

＝474.174

＝18.770

所以求得线性回归方程为：

相关系数为：

所以对于生物医药产业区，用地面积对规划热负荷的回归方程为：

对于电子信息产业区、现代纺织及新材料产业区、精密机械及装备制造产业区等，同样采用线性回归预测方法，考虑到调研的其它工业园区的企业规模会比以后新建的工业园区内的企业规模小一些，用气量也会少许多，所以会考虑一些附加值，得出每个产业区每平方公里的规划热负荷，如下：

(1) 生物医药产业区：50吨/时.Km²

(2) 电子信息产业区：25吨/时.Km²

(3) 现代纺织及新材料产业区：30吨/时.Km²

(4) 精密机械及装备制造产业区：20吨/时.Km²

(5) 出口加工区：40吨/时.Km²

(6) 工业发展备用地：25吨/时.Km²（按产业的平均数取值）

3.2 同时使用系数的确定

由于工业园区的区域很大所以同时使用系数是个不可忽略的因素，本文将对同时使用系数做一个总结，从而得到最终的热负荷值。

(1) 各类负荷的变化规律

• 工业负荷

工业负荷是全年性的负荷，但是冬季负荷Q_冬与夏季负荷Q_夏有差异，它们的比值一般在Q_冬：Q_夏＝1.0：0.6左右，而全年的平均热负荷为Q冬的80%左右，在本规划中取年平均系数为0.8。

用来保持车间恒温恒湿的生产性热负荷与工艺生产热负荷的比例一般是：

原料厂 工艺：空调 8：2

成品厂 工艺：空调 4：6

• 采暖负荷

采暖负荷是季节性的负荷，在采暖季节中，负荷是一条正态分布的曲线，其峰腰是整个采暖期负荷的年平均值，为其最大值的0.5～0.8，本规划取采暖负荷的平均系数为0.6。

• 空调热能制冷负荷

中央空调制冷的热负荷也是季节性的，由于制冷所用的热能是作为动力使用，在空调期中，平均值一般为峰值的80%，本规划取空调冷负荷的平均系数为0.8。

• 生活热水负荷

生活热水负荷量占全网负荷总量的比例很小，因此本规划对热水负荷忽略不计。

(2) 热负荷的年运行时数

根据调研其它工业园区内生物医药企业得出，该类企业大部分实行两班制和每周双休日制。本规划采用每年4000工作小时。

(3) 热负荷比例分配

根据调研的资料统计出有30%的负荷用于工业生产，有70%的负荷用于采暖、空调。考虑到一些因素（比如：在推动热能制冷工作上遇到的困难等因素）之后，本规划选择了工业生产占40%，采暖、空调占60%。

(4) 热负荷的同时使用系数

众多的用户最大热负荷同时出现的概率不是很高的，根据有关规范和设计手册的推荐值，本规划对工业热负荷的同时使用系数取0.65，空调（冬、夏两季）的同时使用系数0.85。因为本规划选择了工业生产占40%，采暖、通风占60%。

所以本规划选用全系统的同时使用系数为：0.77。

(5) 经过修正后的规划热负荷

• 每小时的规划热负荷Q_规

Q_预为总预测热负荷（或合同热负荷）。Q_规等于Q_预乘以热负荷同时使用系数，即：Q_规＝0.77Q_预 吨/时

• 全年的规划售热量Q_售

全年的售热量分三部分组成：工业生产负荷、采暖负荷、空调负荷。根据有关资料统计生物医药企业一般为两班制生产，所以全年的售热量为：

Q_售＝0.4Q_规×0.8×4000＋0.6 Q_规（0.6×1168＋0.8×1376）＝2360 Q_规 吨/年

总结

本文通过采用回归分析法、时间序列分析，与实际情况相结合，对青浦工业园区的热负荷进行预测，从而找出工业园区的热负荷预测较为实用的方法。对结构相似的工业园区的热负荷预测有一定的借鉴作用。

参考文献

[1] 葛晓霞，缪国钧.热电厂热负荷的预测方法.热力发电，1996，第二期

[2] 潘承毅，何迎晖.数理统计的原理与方法.上海：同济大学出版社，1992

[3] 周震海.热电厂负荷优化分配方法的研究.硕士论文，2001

[4] Kevin Brown，Simon Minett.History of CHP developments and current trends.1996