近年来，面对国际天然气市场波动和国内天然气市场化改革，合同的签订与执行成为上下游企业运营的核心。由于经济波动、天气影响，叠加政府监管、上游合同以及下游用户管理等诸多因素的影响，天然气资源配置存在较大的供需矛盾。上游合同中严格规定了按月提取的最大、最小气量，甚至对日气量进行指定。在缺乏数据支撑以及用气控制的前提下城燃企业极易造成用气量与合同量的偏差，形成额外气与短提成本，对城燃企业的效益带来了不可忽视的影响。

基于以上问题，重庆能源大数据中心有限公司深入学习城燃企业的用气场景，利用自身的技术优势为城燃企业研发出一套智慧能源管理系统。该系统利用机器学习模型预测未来40天的每日用气量，并根据预测量与已发生的实际用量每日计算当月用气总量与月合同的偏差，助力城燃企业通过偏差情况提前采取应对措施。

一、学习历史用气规律，预测未来用气趋势

系统采用深度机器学习模型，利用历史用气数据，通过分析数据的趋势性、季节性、周期性等特征，构建数学模型预测未来每日用气量。该模型可以通过历史数据探知到以下几类隐藏在气量数据下的影响因素：

1）用户增量因素。通过对过去10年数据学习，模型可根据每年的同期用气量，拟合出因用户增长带来的用气增量趋势。

2）季节特征因素。该因素显著的体现在供暖城市用气数据上，如某城市每年固定在10月中旬开始供暖，用气量将在5-10天内迅速提高3倍。模型同样通过历史数据识别该影响因素，在10月的预测结果中体现出供暖带来的增量。

3）近期用气特征因素。由于每年的实际用气仍然具有本年的特征，只依靠往年同期数据难以提高预测的精确度。因此模型同样会学习近期用气情况以及近期预测偏差情况进行自动调节。

4）气温影响因素。对于使用燃气来供暖城市，温度及天气情况依旧是不可忽视的要素。进入供暖季后，模型同样会学习历史天气信息对气量的影响，进而通过未来的天气预报对预测结果进行调整。

某城燃企业2024年11月气温趋势与用气预测情况

根据智慧能源管理系统为某城燃企业预测2024年11月的用气结果，可以看到模型将根据气温及历史趋势为当月每一天预测单日的用气量。通过对11月的预测情况进行分析，模型的次日预测偏差率平均在2%左右。10日预测偏差率在3.5%左右。（注：10日预测偏差率是指未来10天总量的预测值与实际值的对比偏差率）。

二、定期计算偏差情况，辅助企业精准控气

对于城燃企业来说，若仅计算出上述的预测结果，难以直观的助力偏差管理。因此系统将预测信息结合本月的合同，外采等信息每日进行一次偏差量计算，形成偏差量趋势图。

同一城燃企业2024年11月偏差量趋势

通过同一城燃企业2024年11月的偏差量趋势图。企业可以在当月不同的时段做出相应的用气分析。

上旬阶段：定性分析。由于上旬时段的预测存在诸多不确定因素，因此主要分析本月是超量还是短提。若趋于短提，本月可考虑鼓励用气，减少短提量。

中旬阶段：趋势分析。中旬时段的预测已经较为准确，在没有采取控气措施时偏差量趋于稳定，企业可根据偏差情况适当采取应对措施，缩小超用或短提的差量。

下旬阶段：定量分析。进入下旬后预测模型已经达到本月最准确的阶段，可以根据系统计算出来的偏差量进行精准的控制。该企业在11月20日短提量超免罚线100万方左右。通过随后几日的控气措施，将短提缩小到免罚范围内。

三、控气措施的展望

在我司与客户共同应对偏差问题的过程中发现，有效的控气措施才是解决问题的最后一步。虽然城燃企业有多种途径（如：额外气采购，LNG反输等方式）解决超量用气的问题，但对于短提情况则手段有限。尽管少部分城燃企业所在城市建设了储气设施，可以依靠储气调峰来应对，但大部分城燃企业并不具备有效应对短提问题的措施。因此，如何为城燃企业提供更为灵活的天然气购销策略，成为了下一步解决偏差结算问题的重要课题。