关于能源需求量预测常用模型及方法.docVIP

关于能源需求量预测常用模型及方法 预测不仅要对事物未来的走势和可能出现的情景作定性分析，还要对某些关键的构成作定量判断，由于人们认识事物的能力有限，由于许多事物在已经经历过的过程中尚未能展现出许多重要因素的影响，即使对认识到的影响因素也难以有很深入的了解，因而人们的预测很难与未来的发展完全吻合，能够从大趋势上做到分析基本正确，就是成绩不小。一般说来，定性的预测，特别是定量的预测所涉及的对象越简单的、涉及未来的时间越短，预测的准确程度可能高些；涉及的事物越复杂、影响因素越多，涉及未来的时间越长，预测的准确性越差，这使许多定量的预测也仅带有半定量性质。在这种情况下，我们应把它看成是一种很可能出现的方案。针对这种情况，从预测上说，就要求：（1）把复杂事物的预测简化成相对单一的模式，或从多个相对简单的角度做出预测并加以综合；（2）随着发展，不断做出新的预测，这种新的预测不但可以收纳许多原来未料及或未重视的新的影响因素，而且可以用这一段时间已经发生的事实去修正原来的预测公式或参数。预测的基本思路是由过去和现在推断未来，由已知推测未知。因此，可将预测方法大致分为两类：由事物本身的发展过程推测未来和由已知的或设定的条件推导未来的油气发展状况：具体方法也可归纳为直接预测和间接预测。这里仅列举直接预测法。 该类方法从事物本身的历史和现状来认识影响它们的各种因素，利用这些因素的可能变化，推测未来一段时间内的变化趋势乃至变化量。换言之，对油气未来的预测主要依靠油气本身的变化。从逻辑上，把影响油气的各种因素起作用的综合结果——储量和产量（在一定程度上也表现为品质和空间分布）作为最直接的预测资料，将其作为最基本的依据来得出预测结论。这种预测，可以是简单的外预期，也可以考虑到多变量变化趋势的适应预期和合理预期。（1）客观存在受过去和现状影响太深，如果未来的基本框架与它们一致，这个预测的可靠性很大。而如果未来的影响因素发生了相当大的变化，这个预测结果可能产生相当大的偏差。而如果未来与历史有某种质的差异，预测结果有可能谬误。油气预测的对象是有生命周期的，处于不同生命阶段间的发展趋势可以是不同的。不注意这一点，简单的依据历史和现状，预测可能有趋势性错误。（2）在强调油气本身的因素时，往往对外部因素的影响考虑不周。如在对排放物有法律强制性要求的情况下，企业宁肯冒增加成本的风险，也要用清洁能源，这时对天然气的需求量就会加大。对此，单纯由过去和现在的增长趋势进行外推就难以预料。 对油气储、产量预测常用的方法归类的简单介绍，以利于后面选取几种预测方法，并在讨论后给出预测的推荐值。 （一）趋势分析法 根据历史上，特别是近期的发展趋势推测未来的一种方法，主要采用的是时间序列分析方法。时间序列分析方法是将历史资料按时间排列并对它进行分析，找出它随时间变化的趋势与规律，并用数学关系式把它表示出来。然后根据这个关系式对今后进行预测。该方法是进行短期预测（例如短期油气的生产量和消费量预测）的一种常用方法。其主要优点是灵活简便，短期预测较准确。主要缺点是没有揭示影响事物变化的原因，仅从时序数据中寻找变化规律，因而不适用于长期的、特别是其发展阶段不同变化过程的预测。此外，对处于大起大伏的发育不成熟的事物，则预测效果也差。 趋势分析方法分确定性方法和随机性方法。 1、确定性趋势分析模型 （1）滑动平均预测模型 假设某预测量时间序列数据为，，…，，那么第t+1时期的预测值为=（＋＋K＋）／N，即以N个实际值的平均值作为预测值，N的大小依时间序列数据显示的规律而选定。若以加权平均数为预测值，x＝（＋＋K＋）／N，称为加权滑动平均预测模型，。为加权因子，也依时间序列数据显示的规律而选定，满足（＋＋K＋）／N＝1。若对实际时间序列数据进行一次滑动平均，得到滑动平均数序列，再对该平均数序列运用滑动平均预测模型，求得第t+1时期的预测值，称为二次滑动平均预测模型。 （2）指数平滑预测模型 以t时期实际值和预测值的加权平均值作为第t+1时期的预测值，＝，0a1。进一步推导可得，=，即预测值为历期实际值指数形式的加权和。如对一次指数平滑后形成的序列数据再作一次指数平滑，称为二次指数平滑预测模型。 （3）分解预测模型 将时间序列数据进行分解，求出趋势因素（）、季节因素（）、循环因素（）和随机因素（），分别预测各种因素的预测值、和，利用模型＝＊＊，求得第t+1时的预测值。在分解模型中，滑动平均是常用的分解长期趋势因素的方法。分解预测模型适用于季度能源消费量的预测。 2、随机性趋势分析模型 （1）自回归模型 ，称为p阶自回归模型，简记为AR（p）。、、K、为自回归参数，为随机误差项。利用回归分析技术估计参数，得到参数估计量、、K、，于是第t+1时期的预测值为。 （2）自回归滑动平均模型 称为（p，