已改能源需求模型研究分析

《已改能源需求模型研究分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、1.2.2能源需求预测模型研究进展近年来，国内外学者运用不同的能源需求模型和方法对全球、国家、地区及部门尺度的能源系统发展趋势进行了大量的预测，也有不少文献对这些模型和方法进行了综述(SuganthiL,etal,2012;GhalehkhondabiI,etal,2016;DebnathKB,etal,2018;赵春富等,2015)。不同的学者对能源需求预测模型的分类也有所差界。其中，SuganthiL等将能源需求预测模型细分为十二种不同的类型：ARIMA模型、讣量经济模型、吋间序列模型、投入■产出模型、回归模型、灰色预测模型、分解模型、专家模型及ANN模型、单位根检

2、验及协整模型、遗传算法/模糊逻辑/模糊神经模型、集成模型一一贝叶斯向量自回归模型/支持向量机回归模型/粒子群优化模型、自底向上模型——MARKAL/TIMES/LEAP(SuganthiL,etal,2012)。GhalehkhondabiI等总结了2000-2015年间能源需求预测的相关文献使用的预测方法，本质上而言，各预测方法均大同小异，集中体现为十类，具体为：ARMA/ARIMA/SARIMA模型、ANN模型、冋归模型、模糊逻辑算法、遗传算法、时间序列模型、支持向量机、灰色预测、计量经济模型、系统动力学模型十大类上(GhalehkhondabiI,etal,201

3、6)oDebnathKB等则根据预测方法使用的种类将能源规划模型分为了单一模型和混合模型两大类，其中，单一模型使用的方法包括统计学方法、计算机智能和数学规划三大类，混合模型则是通过不同的单一模型方法加以组合进行预测(DebnathKB,etal,2018)o赵国富等基于自上而下、自下而上和混合建模这三种不同的建模角度，对能源预测模型进行了综述(赵春富等,2015)。本文认为，能源需求模型进行预测时选择的方法，可分为两大类：趋势外推法和情景分析法。趋势外推法是基于历史发展趋势，从现状出发，将人们对以往发展趋势的认知、事物的发展规律与特点等作为基础，推断未来可能会出现的情况

4、以及所处的状态。通常情况下，运用外推法主要是基于数量经济模型从不同的层面、不同的角度对能源需求进行全方位、多层面的剖析与预测，并不需要其它的外生变量,其中比较典型的方法主要有以下几种：1.2.2.1能源消费弹性系数法国内生产总值增长速度、能源消费增长速度二者之间的比值通常表示为能源消费弹性系数，站在宏观的角度而言，地区的能源消费情况、经济增速以及统计规律均体现为能源消费弹性系数的大小，地区经济发展对能源需求的依赖程度均可以通过该系数的大小展现出来，即系数越小，对能源需求的依赖度越小;反之，则截然相反。能源消费弹性系数的大小并不是忽高忽低，毫无规律可言，其与经济发展状况、

5、市场需求等因素具有密切的关联，在特定历史发展吋期，其值稳定在一定的范围之内。对过去能源消费增长、经济增长二者之间的关系进行深入的剖析，并将所得结论作为基础，估算出未來的能源弹性系数，同时对经济发展速度、能源需求增速进行预估，以此来计算出未来的能源需求量。运用该方法的过程屮，首选需要假设预估地区过去的经济发展形势、预测年份的经济发展形势并不存在显著的差异。如果假设成立，则预测结果比较准确。在实际预测中，因近几年政府对能源结构、经济体制进行了调整，因而在具体计算时，会结合实际情况，修正能源消费弹性系数，然后用修正过后的值来估算具体的能源消费量。对于未来能源消费弹性系数的确定

6、，有相关分析法、平均增长速度法两种，在实际预测中根据实际情况选取。估算简单、速度快等均是能源消费弹性系数法所具备的特点，但是该方法具有一个十分突出的缺陷，即无法保证所选取弹性系数的科学性、合理性。刘彦民在对我国能源需求进行研究分析时，首先从不同的角度深入探讨分析了我国成品油、原油的供货渠道、供货量以及需求量，并运用弹性系数法对未来10年我国油类能源的供需量进行了预估（刘彦民，2001）o刘卫东等使用定基能源消费弹性系数替代传统能源消费弹性系数，对其影响因素进行协整分析，结合情景设置预测了2020年中国能源消费总量，解决了能源弹性系数数据不平稳且无规律而不利于定量分析的问

7、题（刘卫东等，2016）。1.2.2.2时间序列法时间序列法是指通过观察被研究的对彖，寻找其随时间变化的趋势及统计规律，并以适当的数学关系式表达出来，然后在此基础上，对未来的发展趋势进行预测。时间序列法可以细化为确定性时间序列分析法、随机性时间序列分析法,确定性时间序列分析法就是采取各种方式将序列的随机性波动消掉，当需要对经济时间序列进行长久、大概预测时，通常采用此种方式。确定性趋势虽然可以准确、及时掌控时间序列的基本形式，但是仍然与时间序列的变动全貌存在较大的差异，通常会造成预测结果与真实情况存在误差。随机时间序列主要包括平稳随机时间序