能源需求模型研究分析.docx

中国能源需求预测模型研究 . PAGE \* MERGEFORMAT1 .. 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（Suganthi L, et al, 2012; Ghalehkhondabi I, et al, 2016; Debnath K B, et al, 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异。其中，Suganthi L等将能源需求预测模型分为以下十二种类型：时间序列模型、回归模型、计量经济模型、分解模型、单位根检验及协整模型、ARIMA模型、专家模型及ANN模型、灰色预测模型、投入-产出模型、遗传算法/模糊逻辑/模糊神经模型、集成模型——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（Suganthi L, et al, 2012）。 Ghalehkhondabi I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，主要集中在ANN模型、模糊逻辑算法、时间序列模型、灰色预测、ARMA/ARIMA/SARIMA模型、回归模型、支持向量机、遗传算法、计量经济模型、系统动力学模型十大类上（ Ghalehkhondabi I, et al, 2016）。 Debnath K B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（Debnath K B, et al, 2018）。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，根据人们对过去发展趋势的认识，推测未来可能的状态。外推的具体方法多采用各种数量经济模型对能源需求进行预测，一般不需要外生变量，比较有代表性的大致有以下几种： 能源消费弹性系数法 能源消费弹性系数是能源消费增长速度与国内生产总值增长速度的比值，该指标可以宏观地反应该地区国民经济发展与能源消费的统计规律。能源消费弹性系数越大，代表经济发展对能源需求的依赖程度越大；反之，能源消费弹性系数越小，则代表经济发展对能源需求的依赖程度越小。在特定的历史发展阶段，能源消费弹性系数有一个大体比较稳定的数值范围。通过分析总结历史的经济增长与能源消费增长的关系，推测未来的能源弹性系数，并通过对经济发展速度的预测，得到预测期内的能源需求增长速度，求出能源需求量。该方法的基本前提是假定该地区在未来预测年份的经济发展趋势与过去相比无明显的改变。如果假设成立，则预测结果比较准确。在实际预测中，由于近年来经济结构、能源消费结构的调整等因素，一般都需要对能源消费弹性系数做一些修正，再用来预测未来的能源消费量。对于未来能源消费弹性系数的确定，一般有两种方法，一种是平均增长速度方法，另一种是相关分析方法，在实际预测中根据实际情况选取。能源消费弹性系数法操作简单，但该方法的缺陷是理论上没有足够的科学依据能够论证选取的弹性系数是合理的。刘彦民在介绍了我国原油、成品油供需的现状的基础上，对十五期间及之后l0年的供需状况采用弹性系数法进行了预测（刘彦民，2001）。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题（刘卫东等，2016）。 时间序列法 时间序列法是指通过观察被研究的对象，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，以此预测该对象将来的发展。时间序列法包括确定性时间序列分析方法和随机性时间序列分析方法。确定性时间序列分析就是设法消除序列中的随机性波动，拟合确定性趋势，这种方法常用于许多经济时间序列的长期粗略预测。确定性趋势虽然控制了时间序列的基本样式，但毕竟不是时间序列变动的全貌，因而其预测结果往往不准确。随机时间序列包括平稳随机时间序列和非平稳随机时间序列。对于平稳性随机过程的描述可建立多种形式的时序模型，如指数平滑法、趋势线预测法、自回归模型（AR）、移动平均模型（MA）以及自回归平均移动模型（ARMA）等。当随机过程是非平稳时间序列时，大多数都表现有趋势性特征，要先消除趋势，将随机序列平稳化，再运用平稳随机时间序列的方法去实现。薛智韵等分析得出我国石油需求序列是