工业用气是燃气规划报告中负荷测算的核心板块，需结合项目阶段（新建/现有）、用气场景、工况特征分层精准测算，具体方法如下：

一、基础测算逻辑：分场景匹配核心公式

1. 新建工厂/项目：设备叠加法

首先梳理所有工业用气设备的额定参数，按「单台耗气量×设备数量×运行时间×安全系数」的框架计算，公式为：
$$Q = n × q × t × k$$
其中$Q$为总用气量的标准体积（m³），$n$为同类型设备数量，$q$为单台设备每小时理论耗气量（m³/h，需参考设备技术手册或咨询制造商获取），$t$为设备日/年运行时间（h），$k$为安全裕量系数，通常取1.1-1.3，覆盖系统泄漏、设备老化、未来扩产等需求。
若涉及燃烧类设备（如工业锅炉、加热炉），可通过热负荷反推用气量：
$$需气量（m³/h）= 热负荷（kW） /（气体低位热值（kJ/m³） × 热效率）$$
例如某工业锅炉需4320 kW热负荷，天然气低位热值为35800 kJ/m³、热效率90%，则小时用气量为$4320×3600/(35800×0.9)≈484 m³/h$。

2. 现有工厂：实测校核法

对于已投产的工业项目，需通过现场测试验证理论测算值，避免设备实际运行效率、泄漏等因素导致的偏差：

• 定时泵气试验：关闭储气罐与工厂空气系统的气阀，将储气罐压力降至0.48MPa(G)后关闭放气阀，记录储气罐泵气至0.69MPa(G)的时间，结合储气罐+管道总容积、大气压力参数，计算实际压缩机气量，公式为：
  $$C=V(P2-P1)60/(T)P_A$$
  其中$C$为压缩机实际气量（m³/min），$V$为储气罐和管道总容积（m³），$P2$为最终加载压力（MPa，绝对压力），$P1$为初始压力（MPa，绝对压力），$P_A$为大气压力（海平面取0.1MPa），$T$为泵气时间（s）。若计算结果与理论值接近，说明系统负荷过高需增加供气量；若偏差较大需排查泄漏或设备运行故障。
• 泄漏量测算：在不供气情况下，测定系统压力从0.69MPa(G)降到0.62MPa(G)的时间，按公式$泄漏量(m³/min)=V(P2-P1)60/(90P_A)$计算系统泄漏量，若泄漏量超过总气量的5%需优先开展堵漏整改。

二、工况修正：匹配实际运行环境

标准状态下的测算体积需根据实际工况的温度、压力修正为现场实际体积，避免供气能力偏差：
$$Q_实 = Q_标 × （P_标/P_实） × （T_实/T_标）$$
其中$Q_实$为实际工况体积（m³），$Q_标$为标准状态体积（m³），$P_实/P_标$为实际与标准压力比，$T_实/T_标$为实际与标准温度比（温度需换算为绝对温度K）。
同时需结合工业生产的运行特征调整：若设备为三班制连续运行，小时不均匀系数取1.0；若为一班制运行，小时不均匀系数可达3.0，需在测算中预留对应调峰能力。

三、动态预测：适配长期规划需求

针对工业园区等长期规划场景，需结合历史数据和智能模型做动态负荷预测，避免静态测算的滞后性：

1. 传统统计方法：可采用移动平均法、指数平滑法、ARIMA模型等，基于过去3-5年的工业用气历史数据，挖掘季节性波动、工作日/节假日差异等规律，例如冬季供暖季工业用气通常较夏季高15%-30%。
2. 智能预测模型：采用多子模型融合的机器学习方法，例如LSTM-BPNN残差修正模型，先通过长短期记忆网络（LSTM）捕捉用气负荷的时间序列特征，再通过BP神经网络预测残差序列，结合气象特征（气温、降水）、日期特征（节假日、生产排班）动态调整权重，预测精度较单一模型提升20%以上；空压站场景可采用注意力机制LSTM网络（LSTM-NN），融合空间和时间维度特征，对用气突变数据的灵敏度显著提升。

四、精度校验与优化

测算完成后需通过多维度校验保障准确性：

• 用气高峰判别：梳理工业生产的高峰时段（如早8点-晚8点的生产高峰），避免将平均用气量作为峰值设计依据，防止供气不足。
• 实时监控校准：安装涡街流量计、热式流量计等计量设备，对高流量场景用涡街流量计、低流量场景用热式流量计，实时采集用气数据，定期对比测算值与实际值，动态调整系数。
• 余量合理设置：新建项目容积流量选型需在总用气量基础上放大20%余量，同时考虑未来10年行业用气年增长率（通常为10%左右），避免选型过大造成浪费或过小导致供气不足。