《能源需求模型研究分析》由會員分享，可在線閱讀，更多相關(guān)《能源需求模型研究分析（34頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、b 1.2.2 能源需求預(yù)測模型研究進展 近年來，國內(nèi)外學(xué)者運用不同的能源需求模型和方法對全球、 國家、地區(qū)及 部門尺度的能源系統(tǒng)發(fā)展趨勢進行了大量的預(yù)測，也有不少文獻對這些模型和方 法進行了綜述(Suganthi L, et al, 2012; Ghalehkhondabi I, et al, 2016; Debnath K B, et al, 2018;趙春富等，2015)。 不同的學(xué)者對能源需求預(yù)測模型的分類也有所差異。其中， Suga nthi L等將 能源需求預(yù)測模型分為以下十二種類型：時間序列模型、回歸模型、計量經(jīng)濟模 型、分解模型、單位根檢驗及協(xié)整模型、ARIMA模

2、型、專家模型及ANN模型、 灰色預(yù)測模型、投入-產(chǎn)出模型、遺傳算法/模糊邏輯/模糊神經(jīng)模型、集成模型一 —貝葉斯向量自回歸模型/支持向量機回歸模型/粒子群優(yōu)化模型、自底向上模型 ——MARKAL/TIMES/LEAP ( Suga nthi L, et al, 2012)。 Ghalehkhondabi I等總結(jié)了 2000-2015年間能源需求預(yù)測的相關(guān)文獻使用的 預(yù)測方法，主要集中在ANN模型、模糊邏輯算法、時間序列模型、灰色預(yù)測、 ARMA/ARIMA/SARIMA 模型、回歸模型、支持向量機、遺傳算法、計量經(jīng)濟模 型、系統(tǒng)動力學(xué)模型十大類上( Ghalehkhondabi I, et

3、 al, 2016)。 Debnath K B等則根據(jù)預(yù)測方法使用的種類將能源規(guī)劃模型分為了單一模型 和混合模型兩大類，其中，單一模型使用的方法包括統(tǒng)計學(xué)方法、 計算機智能和 數(shù)學(xué)規(guī)劃三大類，混合模型則是通過不同的單一模型方法加以組合進行預(yù)測 (Debnath K B, et al, 2018)。趙國富等基于自上而下、自下而上和混合建模這三 種不同的建模角度，對能源預(yù)測模型進行了綜述(趙春富等 ，2015)。 本文認為，能源需求模型進行預(yù)測時選擇的方法， 可分為兩大類：趨勢外推 法和情景分析法。 趨勢外推法是基于歷史發(fā)展趨勢，從現(xiàn)狀出發(fā)，根據(jù)人們對過去發(fā)展趨勢的 認識，推測未來可能

4、的狀態(tài)。外推的具體方法多采用各種數(shù)量經(jīng)濟模型對能源需 求進行預(yù)測，一般不需要外生變量，比較有代 表性的大致有以下幾種： 1.2.2.1 能源消費彈性系數(shù)法 能源消費彈性系數(shù)是能源消費增長速度與國內(nèi)生產(chǎn)總值增長速度的比值， 該 指標可以宏觀地反應(yīng)該地區(qū)國民經(jīng)濟發(fā)展與能源消費的統(tǒng)計規(guī)律。 能源消費彈性 系數(shù)越大，代表經(jīng)濟發(fā)展對能源需求的依賴程度越大； 反之，能源消費彈性系數(shù) 越小，則代表經(jīng)濟發(fā)展對能源需求的依賴程度越小。 在特定的歷史發(fā)展階段，能 源消費彈性系數(shù)有一個大體比較穩(wěn)定的數(shù)值范圍。通過分析總結(jié)歷史的經(jīng)濟增長 與能源消費增長的關(guān)系，推測未來的能源彈性系數(shù)，并通過對經(jīng)濟發(fā)展速度的

5、預(yù) 測，得到預(yù)測期內(nèi)的能源需求增長速度， 求出能源需求量。該方法的基本前提是 假定該地區(qū)在未來預(yù)測年份的經(jīng)濟發(fā)展趨勢與過去相比無明顯的改變。 如果假設(shè) 成立，則預(yù)測結(jié)果比較準確。在實際預(yù)測中，由于近年來經(jīng)濟結(jié)構(gòu)、能源消費結(jié) 構(gòu)的調(diào)整等因素，一般都需要對能源消費彈性系數(shù)做一些修正， 再用來預(yù)測未來 的能源消費量。對于未來能源消費彈性系數(shù)的確定， 一般有兩種方法，一種是平 均增長速度方法，另一種是相關(guān)分析方法，在實際預(yù)測中根據(jù)實際情況選取。能 源消費彈性系數(shù)法操作簡單，但該方法的缺陷是理論上沒有足夠的科學(xué)依據(jù)能夠 論證選取的彈性系數(shù)是合理的。劉彥民在介紹了我國原油、成品油供需的現(xiàn)狀的 基礎(chǔ)上，對

6、十五期間及之后10年的供需狀況采用彈性系數(shù)法進行了預(yù)測（劉彥 民, 2001）。劉衛(wèi)東等使用定基能源消費彈性系數(shù)替代傳統(tǒng)能源消費彈性系數(shù)， 對其影響因素進行協(xié)整分析，結(jié)合情景設(shè)置預(yù)測了 2020年中國能源消費總量， 解決了能源彈性系數(shù)數(shù)據(jù)不平穩(wěn)且無規(guī)律而不利于定量分析的問題（劉衛(wèi)東等， 2016）。 122.2 時間序列法 時間序列法是指通過觀察被研究的對象，尋找其隨時間變化的趨勢及統(tǒng)計規(guī) 律，并以適當?shù)臄?shù)學(xué)關(guān)系式表達出來，以此預(yù)測該對象將來的發(fā)展。時間序列法 包括確定性時間序列分析方法和隨機性時間序列分析方法。確定性時間序列分析 就是設(shè)法消除序列中的隨機性波動，擬合確定性趨勢，這種方法常

7、用于許多經(jīng)濟 時間序列的長期粗略預(yù)測。確定性趨勢雖然控制了時間序列的基本樣式， 但畢竟 不是時間序列變動的全貌，因而其預(yù)測結(jié)果往往不準確。隨機時間序列包括平穩(wěn) 隨機時間序列和非平穩(wěn)隨機時間序列。對于平穩(wěn)性隨機過程的描述可建立多種形 式的時序模型，如指數(shù)平滑法、趨勢線預(yù)測法、自回歸模型（ AR）、移動平均模 型（MA ）以及自回歸平均移動模型（ARMA ）等。當隨機過程是非平穩(wěn)時間序 列時，大多數(shù)都表現(xiàn)有趨勢性特征，要先消除趨勢，將隨機序列平穩(wěn)化，再運用 平穩(wěn)隨機時間序列的方法去實現(xiàn)。薛智韻等分析得出我國石油需求序列是有確定 趨勢的非平穩(wěn)時間序列，選擇最小二乘法分兩步建立模型，并對模型預(yù)測精度

8、和 穩(wěn)定性作了評價，應(yīng)用模型對我國2006-2020年的石油需求進行了預(yù)測（薛智韻 等，2006）。但如果對非平穩(wěn)序列作平穩(wěn)化處理，又會丟失原序列所包含的主要 信息（王振龍，2000）。因而出現(xiàn)了組合時間序列方法，即確定性加隨機性時間 序列組合模型。時間序列組合模型用確定性模型描述序列中確定性趨勢的變動規(guī) 律，用隨機性模型來刻畫序列中隨機變動的一般規(guī)律， 因而用這種模型來預(yù)測某 些類型的非平衡序列往往能取得令人滿意的效果。 盧二坡利用確定性加隨機性時 間序列組合模型對我國能源需求進行預(yù)測，并對模型預(yù)測精度和參數(shù)穩(wěn)定性作了 評價，結(jié)果表明本文采用的組合模型是一種比較有效的預(yù)測方法； 最后用該

9、模型 對我國2004-2020年能源需求進行了預(yù)測（盧二坡，2005）。 1.2.2.3 灰色預(yù)測模型 灰色系統(tǒng)理論是20世紀80年代由我國學(xué)者鄧聚龍?zhí)岢龅?，是一種解決少數(shù) 據(jù)、貧信息的不確定性問題的方法，由于其具有很高的擬和精度，近二十幾年來 得到了廣泛的研究和應(yīng)用（鄭照寧等，2004）?；疑到y(tǒng)理論是從信息的非完備 性出發(fā)來研究和處理復(fù)雜系統(tǒng)的理論，它不是從系統(tǒng)內(nèi)部的特殊規(guī)律出發(fā)去研究 系統(tǒng)，而是通過對系統(tǒng)某一層次的觀測資料加以數(shù)學(xué)處理， 達到在更高層次上了 解系統(tǒng)內(nèi)部變化趨勢、相互關(guān)系等機制的理論?；疑A(yù)測法就是將原始離散數(shù)據(jù) 進行生成的有效處理方法，通過累加作用抵消和減弱隨機因

10、素的影響， 從生成序 列尋找系統(tǒng)變化規(guī)律.建立其相應(yīng)的灰色預(yù)測模型。灰色預(yù)測模型一般預(yù)測一個 區(qū)間，而不是一個點，預(yù)測區(qū)間的大小與預(yù)測精度成反比， 而與預(yù)測成功率成正 比。 圖1.1 GM(1,1)模型的預(yù)測流程 一個n階、h個變量的灰色模型記為 GM(n,h)模型。對不同的n和h, GM模 型有不同的含義和用途，要求輸入不同的數(shù)據(jù)。作為預(yù)測模型，一般采用GM(n,1) 模型，即只考慮一個變量。n—般在3以下，n越大，雖然內(nèi)涵可能越豐富，但 計算太繁瑣，且階次過高的系統(tǒng)其特征方程的求解也困難， 計算量大，精度也不 一定高，其結(jié)果也不是解析的，所以一般放棄 n大于3的模型。為了計算

11、簡單， 取n=1，在預(yù)測時也是可行的。GM(1,1)模型是當前應(yīng)用范圍較廣并取得了顯著 成效的一種灰色動態(tài)預(yù)測模型，被看作是灰色系統(tǒng)中的核心模型。在進行能源需 求預(yù)測時，采用GM(1,1)模型的實質(zhì)是對原始年能源消費時間序列做一次累加生 成，使生成序列呈一定規(guī)律性，然后建立線性微分方程，求得擬合曲線對系統(tǒng)進 行預(yù)測。其預(yù)測流程如圖1.1所示。 122.4 人工神經(jīng)網(wǎng)絡(luò)法 人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN )是一種模擬人體的經(jīng)絡(luò)系統(tǒng) 活動機理來對客觀事物進行科學(xué)研究的方法。 1943年，神經(jīng)科學(xué)家和控制論專 家Warren McCulloch和邏輯

12、學(xué)家 Walter Pitts基于數(shù)學(xué)和閾值邏輯算法創(chuàng)造了一 種神經(jīng)網(wǎng)絡(luò)計算模型，稱為MP模型。他們通過MP模型提出了神經(jīng)元的形式化 數(shù)學(xué)描述和網(wǎng)絡(luò)結(jié)構(gòu)方法，證明了單個神經(jīng)元能執(zhí)行邏輯功能，從而開創(chuàng)了人工 神經(jīng)網(wǎng)絡(luò)研究的時代。經(jīng)過數(shù)十年的發(fā)展，至20世紀80年代，隨著人工智能興 起，人工神經(jīng)網(wǎng)絡(luò)逐漸成為研究熱點。近年來隨著人工神經(jīng)網(wǎng)絡(luò)研究的不斷深入， 在模式識別、智能機器人、自動控制、預(yù)測估計、生物、醫(yī)學(xué)、經(jīng)濟等領(lǐng)域已經(jīng) 得到了很好的應(yīng)用，解決了大量實際問題。人工神經(jīng)網(wǎng)絡(luò)是一個具有高度非線性 的超大規(guī)模連續(xù)時間動力系統(tǒng)，由大量的處理單元（神經(jīng)元，即構(gòu)成神經(jīng)系統(tǒng)結(jié) 構(gòu)和功能的基本單位）互相連接

13、而形成的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)。它是在現(xiàn)代神經(jīng)科學(xué)研 究成果的基礎(chǔ)上提出的，反映了人腦功能的基本特征，但并非人腦的真是描寫， 而是對人腦組織結(jié)構(gòu)和運行機制的某種抽象、簡化和模擬。人工神經(jīng)網(wǎng)絡(luò)模型是 以數(shù)學(xué)模型模擬神經(jīng)元活動，是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種 信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)、聯(lián)想儲存等功能，并具有很 強的非線性函數(shù)逼近能力及高速尋找最優(yōu)解的能力（朱大奇等， 2005）。 （a）相互結(jié)合型結(jié)構(gòu) （b）層狀結(jié)構(gòu) 圖1.2人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)類型 把大量的神經(jīng)元通過一定的拓撲結(jié)構(gòu)連接起來，就形成了神經(jīng)網(wǎng)絡(luò)。神經(jīng)元 之間的連接方式有相互結(jié)合性和層狀結(jié)構(gòu)兩大類（

14、吳簡彤等， 1998）,如圖1.2 所示。相互結(jié)合型神經(jīng)網(wǎng)絡(luò)系統(tǒng)是一種非線性系統(tǒng)，存在反饋環(huán)，在神經(jīng)元的學(xué) 習(xí)過程中，會進行誤差反饋。層狀結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)是一種并行處理系統(tǒng)，信號依特 定的方向傳播。 人工神經(jīng)網(wǎng)絡(luò)運行的一項重要內(nèi)容就是按照一定的規(guī)則進行學(xué)習(xí)。 學(xué)習(xí)能力 是神經(jīng)網(wǎng)絡(luò)功能有效性的標志之一。 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程一般是，首先設(shè)定初始 權(quán)值（如果無先驗的知識，初始權(quán)值可設(shè)定為隨機值），接著輸入樣本數(shù)據(jù)進行 學(xué)習(xí)，參照評價標準進行評判，如果達到要求，就停止學(xué)習(xí)，否則就按照給定的 學(xué)習(xí)規(guī)則調(diào)整權(quán)值，繼續(xù)進行學(xué)習(xí)，直至達到要求為止。神經(jīng)網(wǎng)絡(luò)的各種學(xué)習(xí)規(guī) 則都是以Hebb規(guī)則為基礎(chǔ)的，包括誤差

15、傳播式學(xué)習(xí)、聯(lián)想學(xué)習(xí)、競爭性學(xué)習(xí)等。 當前已有數(shù)十種神經(jīng)網(wǎng)絡(luò)模型，不同類型的人工神經(jīng)網(wǎng)絡(luò)模型， 其拓撲結(jié)構(gòu)、傳 遞函數(shù)和學(xué)習(xí)規(guī)則存在區(qū)別。例如，按照拓撲結(jié)構(gòu)的不同，可分為反饋神經(jīng)網(wǎng)絡(luò) 模型和前向神經(jīng)網(wǎng)絡(luò)模型，目前應(yīng)用較多的神經(jīng)網(wǎng)絡(luò)模型是 BP( Back Propagation) 網(wǎng)絡(luò)，即是一種誤差前向傳播神經(jīng)網(wǎng)絡(luò)。 Yetis Sazi Murat利用BP人工神經(jīng)網(wǎng)絡(luò) 分析了 GNP、人口、車輛的年平均增長速度等社會經(jīng)濟因素對交通用能的影響 (Yetis Sazi Murat，2006)。馮述虎等利用BP神經(jīng)網(wǎng)絡(luò)建立了時序-神經(jīng)網(wǎng)絡(luò)模 型，利用該模型對能源產(chǎn)量進行了預(yù)測(馮述虎等， 2

16、003)。 與趨勢外推法不同的是，情景分析法認為未來并不只是簡單地沿襲過去的發(fā) 展模式，而是在正確描述現(xiàn)狀的條件下， 根據(jù)未來可能發(fā)生的變化，固定未來的 不同情景目標，模擬實現(xiàn)未來目標需要從現(xiàn)在到未來采取什么路徑， 為決策者制 定戰(zhàn)略提供科學(xué)依據(jù)。在設(shè)置多種可能會發(fā)生的情景時，可能參考歷史發(fā)展情況、 未來社會經(jīng)濟發(fā)展的目標規(guī)劃。以下幾種模型和方法多采用情景分析法進行能源 預(yù)測： 1.2.2.5 投入產(chǎn)出模型 投入產(chǎn)出分析是由美國經(jīng)濟學(xué)家沃西里 列昂惕夫(Wassily Leontief)于20 世紀30年代首次提出的，是用以研究和分析國民經(jīng)濟各部門產(chǎn)品生產(chǎn)與消耗之 間的數(shù)量依存關(guān)系的

17、一種方法，也廣泛用于能源系統(tǒng)領(lǐng)域(沃西里 列昂惕夫， 1982)。投入產(chǎn)出模型是基于棋盤式的投入產(chǎn)出表，建立相應(yīng)的線性代數(shù)方程體 系，從而構(gòu)成一個模擬現(xiàn)實的國民經(jīng)濟結(jié)構(gòu)和社會產(chǎn)品再生產(chǎn)過程的經(jīng)濟數(shù)學(xué)模 型。投入產(chǎn)出表是由投入表與產(chǎn)出表交叉而成的， 前者反映各種產(chǎn)品的價值，包 括物質(zhì)消耗、勞動報酬和剩余產(chǎn)品；后者反映各種產(chǎn)品的分配使用情況， 其基本 框架結(jié)構(gòu)如表1.1所示。 表1.1投入產(chǎn)出表的基本結(jié)構(gòu) b 總產(chǎn)出 最終使用 投入 1, 2, 3,…，n 最終消費 資本形成總額 凈出口 ~ 一一 中 間 1, 2, 3,…，n 第I象限 第n象限 投 入 勞動

18、報酬 固定資產(chǎn)折舊 第川象限 生產(chǎn)稅 營業(yè)盈余 總投入 在此基礎(chǔ)上建立的投入產(chǎn)出模型，可用來進行經(jīng)濟分析、政策模擬、計劃論 證和經(jīng)濟預(yù)測。靜態(tài)投入產(chǎn)出模型不考慮時間因素，只反映一個確定時期內(nèi)的經(jīng) 濟數(shù)量關(guān)系；而動態(tài)模型除仍保留靜態(tài)模型中的基本數(shù)量關(guān)系外 ，還要求從發(fā)展 變化的角度考察社會經(jīng)濟活動。后者在理論基礎(chǔ)上存在爭論，模型運算過程困難， 其建立方法和理論仍處在不斷探索之中。 投入產(chǎn)出模型是典型的仿真模型，不具 備擇優(yōu)功能，因而人們多用線性規(guī)劃、多目標規(guī)劃等優(yōu)化方法，或者情景分析法 與之結(jié)合使用。Harry C . Willting等運用投入產(chǎn)出模型研究了荷蘭 1969-19

19、89年 間的能源強度變化趨勢（Harry C. Willti ng等，1998）。Vice nt Alca ntara等運用 一個投入產(chǎn)出結(jié)構(gòu)化分解分析模型對歐盟國家的能源強度進行了比較 （Alca ntara Vice nt, 2004）。羅向龍等利用投入產(chǎn)出模型對某大型石化企業(yè)進行了生產(chǎn)結(jié)構(gòu) 系統(tǒng)分析，通過給定各產(chǎn)品的指標來預(yù)測各種原料和能源的需求量（羅向龍等， 2003）。梁巧梅等基于投入產(chǎn)出模型的基本原理，圍繞影響能源需求和能源強度 變化的各種社會經(jīng)濟因素，結(jié)合情景分析，定量地分析了社會經(jīng)濟發(fā)展因素對能 源需求和能源強度的影響（梁巧梅等，2004）。 1.2.2.6 部門分析法

20、該方法是根據(jù)實際情況把國民經(jīng)濟按部門劃分， 利用能源消費量與經(jīng)濟發(fā)展 速度之間的關(guān)系，使用單位產(chǎn)值能源消費量來綜合反映各部門能源消費量的技術(shù) 水平和管理水平。該方法把國民經(jīng)濟現(xiàn)狀作為分析和計算的出發(fā)點， 應(yīng)用基年的 產(chǎn)值水平及能源消費量等參數(shù)，在假定了各部門的產(chǎn)值增長速度與單位產(chǎn)值能耗 變化率后，就可預(yù)測出各部門能源消費需求量、 總能源需求量和增長趨勢。其使 用公式如下： n n n E 八 Ej =' GjQj =G.j miQi (行) id i 4 i 4 其中，E為該地區(qū)的能源消費總量，Ei為部門i的能源消費量，Gi為部門i的產(chǎn) 值，Qi為該部門單位產(chǎn)值能耗量，G為該地區(qū)

21、總產(chǎn)值，mi為部門i的產(chǎn)值在總產(chǎn) 值中的比例。 部門分析法可以詳細考慮部門結(jié)構(gòu)變化、 管理和技術(shù)水平變化、產(chǎn)品結(jié)構(gòu)變 化、人口增長、人民消費水平提高、消費結(jié)構(gòu)變化以及各種政策等因素對于部門 能源消費量的影響，并作出定量估計。法國IEPE(the Institute of Energy Policy and Economics) 20世紀80年代開發(fā)的MEDEE是基于部門分析法建立的能源技術(shù) 經(jīng)濟模型。它建立在對一定時期內(nèi)社會經(jīng)濟、人口、技術(shù)的一系列假設(shè)的基礎(chǔ)上， 通過對能源需求變化的仿真來預(yù)測各部門的能源需求。 模型把能源系統(tǒng)劃分為工 業(yè)、交通運輸、居民消費、服務(wù)業(yè)和農(nóng)業(yè) 5個部分，在世

22、界上100多個國家和地 區(qū)得到了應(yīng)用。Bruno Lapillonne等應(yīng)用 MEDEE模型預(yù)測了美國1985--2000年 的能源需求(Bruno Lapillonne等，1980)。傅月泉等應(yīng)用 MEDEE模型對江西省 中長期能源需求進行預(yù)測，反復(fù)對情景變量的設(shè)置及經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)等宏觀 經(jīng)濟指標進行調(diào)整后，得出了比較可行的預(yù)測結(jié)果(傅月泉等， 1994)。 122.7 系統(tǒng)動力學(xué)模型 系統(tǒng)動力學(xué)(System Dynamics,SD)是由美國麻省理工學(xué)院的福瑞斯特(Jay.W Foerrster)教授于1956年創(chuàng)立的。早期主要應(yīng)用在工業(yè)企業(yè)管理，之后，其應(yīng)用 幾乎遍及各類系統(tǒng)，深

23、入到各個領(lǐng)域。反饋控制理論是系統(tǒng)動力學(xué)的主要理論基 礎(chǔ)，系統(tǒng)動力學(xué)在對系統(tǒng)的認識方面特別強調(diào)系統(tǒng)的反饋結(jié)構(gòu)。 系統(tǒng)動力學(xué)的主 要目的是為實際問題改進或設(shè)計策略，并可以在計算機上借助仿真技術(shù)來進行社 會經(jīng)濟的政策模擬實驗。 系統(tǒng)動力學(xué)著重于描述系統(tǒng)的結(jié)構(gòu)， 是一個結(jié)構(gòu)仿真模型，強調(diào)系統(tǒng)發(fā)展過 程中的行為和發(fā)展趨勢。模型具有高階數(shù)、多回路和非線性的特點。社會系統(tǒng)內(nèi) 各要素之間的關(guān)系呈現(xiàn)階次高、多重反饋和非線性的特點，系統(tǒng)動力學(xué)可以將復(fù) 雜的組合關(guān)系表達出來，逼真地再現(xiàn)系統(tǒng)的結(jié)構(gòu)、作用方式和行為，只要結(jié)構(gòu)合 埋，變量多少僅受計算機容量的限制。系統(tǒng)動力學(xué)方法一般只給出幾種可供選擇 的解，不提供最優(yōu)

24、解。 系統(tǒng)動力學(xué)解決問題的主要步驟大體可分為五步，首先要用系統(tǒng)動力學(xué)的理 論、原理和方法對研究對象進行系統(tǒng)分析； 其次進行系統(tǒng)的結(jié)構(gòu)分析，劃分系統(tǒng) 層次與子塊，確定總體的與局部的反饋機制；第三步建立數(shù)學(xué)的、規(guī)范的模型； 第四步以系統(tǒng)動力學(xué)理論為指導(dǎo)借助模型進行模擬與政策分析， 可進一步剖析系 統(tǒng)得到更多的信息，發(fā)觀新的問題然后反過來再修改模型；第五步檢驗評估模型。 系統(tǒng)動力學(xué)把研究對象看作具有復(fù)雜反饋結(jié)構(gòu)、隨時間變化的動態(tài)系統(tǒng)，通 過系統(tǒng)分析繪制出表示系統(tǒng)結(jié)構(gòu)和動態(tài)的系統(tǒng)流程圖，然后把個變量之間的關(guān)系 定量化，建立系統(tǒng)的結(jié)構(gòu)方程式，以便運用計算機進行仿真試驗，最后預(yù)測系統(tǒng) 未來發(fā)展變化。

25、國內(nèi)也有不少學(xué)者應(yīng)用這一方法進行能源系統(tǒng)的仿真與預(yù)測 （秦 鐘等，2008;李連德，2009;呂濤等，2015）。由于該方法分析過程復(fù)雜，工作 量大，且對于分析人員能力要求較高，所以不適用于短期預(yù)測，而對于遠期預(yù)測， 具有明顯的優(yōu)勢。 122.8 回歸分析法 在利用回歸分析進行能源預(yù)測時，多采用一元線性回歸或多元線性回歸。 對 于較為簡單的一元線性回歸，多用直線方程對兩個變量進行擬合，確定參數(shù)的方 法多為最小二乘法。但由于只考慮一個自變量對于因變量的影響， 預(yù)測結(jié)果比較 片面，在實際預(yù)測中往往考慮多個自變量，進行多元線性回歸分析。 例如，進行能源預(yù)測時，考慮到能源消費與人口增長，經(jīng)濟發(fā)

26、展關(guān)系密切， 以能源消費量（Yt）為被解釋變量，以人口（ Xti）及國內(nèi)生產(chǎn)總值（Xt2）為解釋 變量，建立二元回歸模型（盧奇等，2003）: Yt RXti b2Xt2 譏， t=1, 2,…,t （1.2） 設(shè)上述模型滿足以下假定條件： 假定1隨即誤差項是非自相關(guān)的，即 E（4）=0，VafA）"2| （1.3） 假定2解釋變量與誤差項相互獨立，即 EX"0 （1.4） 假定3解釋變量之間線性無關(guān)。 假定4解釋變量是非隨機的。 在上述假定條件下，采用普通最小二乘（ OLS）估計法估計參數(shù)值，即 b =（X'X）」X'Y，代入過去若干年的能源消費量、人口、國內(nèi)生產(chǎn)總值數(shù)據(jù)

27、，建 立能源消費量的多元回歸模型，再進行t檢驗和F檢驗，檢驗?zāi)Ｐ涂煞裼糜陬A(yù)測。 回歸分析多與情景設(shè)置相結(jié)合，根據(jù)結(jié)合情景設(shè)置中未來GDP和人口的發(fā)展情 況進行能源需求預(yù)測；也可以按照擬合的方程直接進行趨勢外推來預(yù)測。 由于許多隨機因素影響經(jīng)濟系統(tǒng)，致使被解釋變量和解釋變量之間可能是失 衡的，并不總是處于均衡點，而是會有所偏離，因此必須對模型進行修正。為了 解決可能由非平穩(wěn)變量引起的偽回歸的影響，可應(yīng)用協(xié)整和誤差修正模型加以改 善。林伯強應(yīng)用協(xié)整理論和誤差修正模型分析了中國能源需求的決定因素， 發(fā)現(xiàn) 能源總消費、GDP、能源價格、經(jīng)濟結(jié)構(gòu)對能源需求具有顯著影響，同時對未來 我國能源的需求進行

28、了預(yù)測（林伯強，2001）。Franco M等應(yīng)用協(xié)整理論對變量 進行了協(xié)整分析和平穩(wěn)性檢驗，建立了誤差修正模型，并用該方法對Venezuelan 電力系統(tǒng)2004-2024年的電力需求進行了預(yù)測（Franco M等，2007）。 根據(jù)上述內(nèi)容，將以上八種較具代表性的單一能源需求預(yù)測模型的優(yōu)缺點及 適用范圍總結(jié)如下： 表1.2單一能源需求預(yù)測模型的優(yōu)缺點及適用范圍 模型 適用范圍 優(yōu)點 缺點 能源消 費 適用于能源消費彈性 需要數(shù)據(jù)少，運算簡便 現(xiàn)實情況中能源消費彈性系 彈性系 數(shù) 系數(shù)未發(fā)生跳躍性變 數(shù)歷史數(shù)據(jù)往往并不具有平 法 化的中短期預(yù)測

29、 穩(wěn)性，使實際應(yīng)用遇到了困難 續(xù)表1.2 模型 適用范圍 優(yōu)點 缺點 時間序 列 適用于趨勢未發(fā)生重 能較好擬合時間序列的 無法考慮預(yù)測數(shù)據(jù)與其影響 法 大改變的時間序列進 行短期預(yù)測 、千中十/八|=? /^土匕來斤 確定性趨勢和隨機擾動 項，運算簡便快速 因素之間的關(guān)系，只能預(yù)測其 按照歷史趨勢發(fā)展的情況，對 起伏較大的序列進行預(yù)測時 往往精度較差 灰色預(yù) 測 適用于發(fā)展隱含指數(shù) 所需樣本量少，不需要 數(shù)據(jù)離冃攵程度/灰度越大，波 模型 型變化規(guī)律的平穩(wěn)序 計算統(tǒng)計特征，不需要 動性越大，預(yù)測精度越差 列，理

30、論上適用于中 考慮影響因素，運算簡 長期預(yù)測，但精度難 便，短期預(yù)測精度高 以保證 人工神 經(jīng) 適用于大樣本非線性 具有自學(xué)習(xí)、自適應(yīng)、 要求樣本量較多，學(xué)習(xí)過程往 網(wǎng)絡(luò)法 數(shù)據(jù)的中短期預(yù)測 儲存記憶、優(yōu)化計算等 往需要成千上萬次的迭代； 隱 能力，對處理非線性、 含層神經(jīng)元的個數(shù)和連接權(quán) 非結(jié)構(gòu)性數(shù)據(jù)的預(yù)測具 值的選取往往缺乏理論指導(dǎo)， 有優(yōu)勢 推廣能力有限 投入產(chǎn) 出 適用于經(jīng)濟活動的中 強調(diào)的是經(jīng)濟系統(tǒng)各部 所需數(shù)據(jù)量較大；模型設(shè)計在 模型 長期預(yù)測 門、各變

31、量間的相互作 假設(shè)、編制和優(yōu)化上存在局限 用，體現(xiàn)出國民經(jīng)濟各 部門生產(chǎn)與分配使用/消 耗之間的平衡關(guān)系 部門分 析 適用于自下往上的中 能體現(xiàn)出各部門內(nèi)不同 部門劃分存在一定爭議，粗略 法 長期預(yù)測 因素對于部門能源消費 劃分可能忽略了內(nèi)部差異， 詳 量的影響 細劃分又需要大量數(shù)據(jù)做支 撐，運算繁瑣 系統(tǒng)動 力 適用于復(fù)雜系統(tǒng)隱藏 能反映多個因素對能源 需要的數(shù)據(jù)量大，運算復(fù)雜 學(xué)模型 規(guī)律的挖掘及其中長 系統(tǒng)的影響，能建立它 期動態(tài)預(yù)測 們之間

32、非線性、動態(tài)的 關(guān)系 回歸分 析 適用于與一個或多個 能夠研究預(yù)測對象與其 對于影響因素的選擇往往具 法 自變量存在關(guān)系的因 影響因素的關(guān)系；參數(shù) 有主觀性；線性回歸預(yù)測往往 變量進行中長期預(yù)測 估計技術(shù)成熟，操作間 精度較低，非線性回歸預(yù)測計 便 算量大、過程復(fù)雜 由于能源系統(tǒng)的非線性和不確定性， 近年來，國內(nèi)外不少學(xué)者開始 采用一些 新興的非線性方法對能源需求進行預(yù)測。常見的方法主要有：混沌時間序列方法、 遺傳算法、小波分析等。傅瑛等利用混沌時間序列的方法對江蘇能源消費量進行 了預(yù)測，并且把預(yù)測結(jié)果與指數(shù)平滑法作

33、了對比， 表明混沌時間序列方法得到的 預(yù)測值圍繞實際值上下波動、絕對偏差較小，比指數(shù)平滑法的誤差要好（傅瑛等， 2001年）。但該研究是利用1991~2003年數(shù)據(jù)建立的模型再去預(yù)測1991~2003年 的能源需求，也就是同期模擬，并不能看出混沌時間序列的未來預(yù)測能力。 事實 上,由于混沌時間序列假設(shè)研究對象是混沌系統(tǒng)而混沌系統(tǒng)具有初始條件敏感特 征，所以混沌時間序列方法認為長期預(yù)測是不可能的。 Halim Ceylan利用遺產(chǎn)算法能源需求模型（GAEDM ）對土耳其未來20~50 年的能源需求進行預(yù)測，預(yù)測結(jié)果表明，GAEDM預(yù)測結(jié)果精度較高，與政府能 源與自然資源規(guī)劃研究中心的預(yù)測結(jié)果

34、相比，其預(yù)測誤差最?。?Halim Ceyla n, 2005年）。但是遺傳算法本身的參數(shù)還缺乏定量的標準 ，目前采用的都是經(jīng)驗數(shù) 值，而且不同的編碼、不同的遺傳技術(shù)都會影響到遺傳參數(shù)的選取，因而會影響 到算法的通用性。顧潔利用小波分析對電力系統(tǒng)短期符合進行了預(yù)測，實證表明 運用小波進行預(yù)測提高了預(yù)測精度（顧潔， 2003）。王玨等通過分析影響我國能 源需求的主要因素，建立了基于小波神經(jīng)網(wǎng)絡(luò)的需求預(yù)測模型。采用定性與定量 相結(jié)合的方式，分析了影響我國能源需求的主要因素，通過將人口總數(shù)、 GDP、 產(chǎn)業(yè)結(jié)構(gòu)變化以及能源消費量的一階滯后作為輸入變量，建立基于小波神經(jīng)網(wǎng)絡(luò) 的我國能源需求非線性

35、預(yù)測模型。 結(jié)果表明，該非線性預(yù)測模型與多元回歸模型 相比更加合理，具有更高的預(yù)測精度（王玨等， 2009）。 除此之外，為克服單一方法對信息利用不充分所產(chǎn)生的缺點和不足， 國內(nèi)外 學(xué)者根據(jù)不同模型和方法之間的邏輯關(guān)系， 將不同的模型組合使用，使之具有更 好的合理性和更高的科學(xué)性。例如，瑞典斯德哥爾摩環(huán)境研究所（STOCKHOLM Environment Institute, SEI）開發(fā)的靜態(tài)能源經(jīng)濟環(huán)境模型 LEAP模型結(jié)合了 部門分析法和實物型投入產(chǎn)出法，需要收集各種技術(shù)數(shù)據(jù)、財務(wù)數(shù)據(jù)和環(huán)境排放 數(shù)據(jù)，通過數(shù)學(xué)模型來預(yù)測各部門的能源需求、能源成本及對應(yīng)的環(huán)境收益。 Ranjan

36、Kumar Bose等應(yīng)用LEAP模型和環(huán)境數(shù)據(jù)庫分析了影響印度德里交通部 門能源消費模式和排放標準的因素，并預(yù)測能源需求和交通工具的尾氣排放量。 遲春潔等根據(jù)未來20多年里中國社會經(jīng)濟發(fā)展趨勢，結(jié)合中國的發(fā)展現(xiàn)狀，利 用情景分析法設(shè)計了三種方案四種情景，通過LEAP模型計算得到了不同方案下 各時期的能源需求量以及溫室氣體排放量。 許多學(xué)者也作了另外的嘗試，F(xiàn)u C.W.等運用動態(tài)函數(shù)連接神經(jīng)網(wǎng)絡(luò)（FLN） 和小波網(wǎng)絡(luò)，結(jié)合序列二次規(guī)劃的方法識別模型中的參數(shù)， 建立了長期能源需求 的模型（Fu C.W.等，2003）。Mohammadi S等將模糊邏輯與神經(jīng)網(wǎng)絡(luò)結(jié)合建立了 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)

37、推理系統(tǒng)模型，并用此模型對伊朗中長期電力需求進行了預(yù) 測，取得了較好的效果（Mohammadi S等，2006）。Hor C丄.等將情景分析與自 回歸整合移動平均模型（ARIMA）相結(jié)合，為2011-2100年的氣候設(shè)置了四種情景 進行了預(yù)測，同時為了預(yù)測天氣極端情況對電力載荷的影響， 在預(yù)測模型中引入 GARCH進行建模，并對1998-2003年的電力載荷進行預(yù)測，預(yù)測精度很高（Hor C.L.等，2006）。Azadeh A.等將遺傳算法和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合對伊朗農(nóng)業(yè)部門 1981-2005年電力能源消費需求進行了實際預(yù)測，預(yù)測結(jié)果與實際數(shù)據(jù)的平均絕 對百分誤差很低（Azadeh A.等

38、，2006）。Montilla D.等利用情景分析和時間序列 分析相結(jié)合的辦法對 AnzoAitegui州的北部地區(qū)2005-2024年的電力能源需求進 行了預(yù)測（Montilla D.等，2006）。Ghanbarian等采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系 統(tǒng)對時間序列進行適應(yīng)性訓(xùn)練，建立了適用于復(fù)雜電力系統(tǒng)的中長期預(yù)測模型 （Ghanbarian等，2007）。 國內(nèi)近幾年應(yīng)用組合預(yù)測方法也十分盛行，盧奇等采用灰色預(yù)測、神經(jīng)網(wǎng)絡(luò) 及多元回歸方法建立了我國能源消費系統(tǒng)預(yù)測模型，應(yīng)用該模型對我國未來 20 年的能源消費量進行了預(yù)測，結(jié)果表明，該模型可以作為我國未來能源消費量預(yù) 測的有效工具（盧

39、奇等，2003）。付加鋒等利用我國能源消費的歷史數(shù)據(jù)，采用 灰色預(yù)測的GM（1,1）、無偏GM（1,1）和pGM（1,1）三種模型與BP神經(jīng)網(wǎng)絡(luò)進行優(yōu) 化組合，建立了灰色神經(jīng)網(wǎng)絡(luò)的能源消費量組合預(yù)測模型， 結(jié)果顯示，組合預(yù)測 模型獲得了更為精確的預(yù)測效果（付加鋒等， 2006）。張麗峰采用變權(quán)重組合預(yù) 測的方法，將系統(tǒng)動力學(xué)模型、向量自回歸模型、灰色系統(tǒng)預(yù)測模型的預(yù)測結(jié)果 加以組合，構(gòu)建了中國中長期能源供求預(yù)測模型（張麗峰， 2006）。熊浩云等根 據(jù)標準差法對神經(jīng)網(wǎng)絡(luò)和時間序列兩種方法的能源預(yù)測結(jié)果進行權(quán)重分配， 建立 我國能源消費的組合預(yù)測模型，對我國未來六年的能源消費進行了預(yù)測

40、（熊浩云 等，2010）。相較于單一方法，組合預(yù)測能夠達到比較理想的預(yù)測精度，目前在 能源需求預(yù)測研究中很有發(fā)展前景。 1.2.3 中國能源需求預(yù)測研究進展 在對我國未來能源需求進行預(yù)測的研究中，除了上述通過對國外流行的各種 模型單一使用或組合使用來進行預(yù)測外，國內(nèi)的研究重點主要集中在以下幾個方 面： 123.1 能源需求影響因素 國內(nèi)不少研究使用描述性統(tǒng)計、回歸分析以及各種因素分解法對我國能源消 費和能源強度的影響因素進行研 究。其中有大量針對我國近年來能源強度變化的 影響因素的研究，主要是將其影響因素分解為結(jié)構(gòu)效應(yīng)、 產(chǎn)出效應(yīng)和技術(shù)效應(yīng)等 因素。這些文獻的研究結(jié)論主要分為以下三大類

41、： （一） 結(jié)構(gòu)因素主導(dǎo) 路正南的研究表明，產(chǎn)業(yè)結(jié)構(gòu)的變動對能源效率改進產(chǎn)生了促進效應(yīng)，對能 源事業(yè)的發(fā)展起著重要作用（路正南，1999）。張宗成等的研究顯示，1995年至 2000年產(chǎn)業(yè)結(jié)構(gòu)是中國能源消費彈性低的主要原因，結(jié)構(gòu)因素對能源消費彈性的 影響主要表現(xiàn)在兩個方面：第二產(chǎn)業(yè)能耗比重下降，一、三產(chǎn)業(yè)能耗比重增加； 第二產(chǎn)業(yè)中，高耗能的煤炭采選業(yè)、化學(xué)原料和制品制造業(yè)等行業(yè)能耗比重下降， 而低耗能的化學(xué)纖維制造業(yè)、電子及通信設(shè)備制造業(yè)等行業(yè)能耗比重上升。 除此 之外，文章還認為經(jīng)濟結(jié)構(gòu)改革和能源結(jié)構(gòu)變化也是影響我國能源消費彈性的主 要因素（張宗成等，2004）。魏楚等的研究表明，“退

42、二進三”為主要思路的產(chǎn)業(yè) 結(jié)構(gòu)調(diào)整能夠在一定程度上改善能源效率，如果第二產(chǎn)業(yè)結(jié)構(gòu)比重下降 1%,則 能源效率將提高0.14%~0.16%（魏楚等，2008）。胡宗義等的研究顯示，投資水 平、工業(yè)結(jié)構(gòu)和能源消費結(jié)構(gòu)是造成能源效率地區(qū)差異顯著的主要因素 （胡宗義 等，2011）。除此之外，還有一些研究也有類似的結(jié)論（蔣金荷， 2004；趙曉麗 等，2008）。 （二） 技術(shù)因素主導(dǎo) 王玉潛運用投入產(chǎn)出技術(shù)和統(tǒng)計因素分析方法，建立能源消耗強度的投入產(chǎn) 出模型和因素分析模型，初步解釋我國 1987~1997年能源消耗強度變動的原因， 模型計算結(jié)果表明，這10年我國各能源消耗強度的降低都是能源

43、技術(shù)進步的結(jié) 果。由于能源技術(shù)的進步，我國綜合能源消耗強度 10年累計下降39.1%，年均 下降4.8%。而這10年需求結(jié)構(gòu)變動提高了各能源的消耗強度，但速度有放緩的 趨勢（王玉潛，2003）。 韓智勇等通過因素分解法將能源強度變化分解為結(jié)構(gòu)因素和產(chǎn)業(yè)效率因素， 對1980年至2000年我國能源強度的變化因素進行了逐年和累計計算。 結(jié)果顯示 除1989年之外行業(yè)效率是導(dǎo)致我國能源強度下降的主因， 而1986年之后的大部 分年份中結(jié)構(gòu)因素則是提高了能源強度，20年間結(jié)構(gòu)因素的累計份額為-1.76%， 產(chǎn)業(yè)效率的累計份額為101.7%，其中第二產(chǎn)業(yè)效率提高貢獻最為突出（韓智勇 等，2004

44、）。 周鴻等使用能源使用效率（單位能耗產(chǎn)生的增加值）和產(chǎn)業(yè)能源消耗結(jié)構(gòu)對 中國1993年至2002年工業(yè)能源消耗進行了分析。文章采用適用性加權(quán)迪氏因 素分解法（Adaptive Weighing Divisia，AWD）將工業(yè)能源消耗分解為產(chǎn)量效應(yīng)、 強度效應(yīng)（實際為效率效應(yīng)）和結(jié)構(gòu)效應(yīng)，其中結(jié)構(gòu)效應(yīng)是工業(yè)內(nèi)部行業(yè)能源結(jié) 構(gòu)效應(yīng)。其結(jié)果顯示，1993年至2002年，中國工業(yè)能耗結(jié)構(gòu)并沒得到優(yōu)化，工 業(yè)總能耗效率提高主要是由于工業(yè)中部分行業(yè)能耗效率提高所推動的（周鴻等， 2005）。 吳巧生等運用Laspeyres指數(shù)及其分解模型，對中國能源消耗強度進行分解， 并對其影響因素進行研究。研究結(jié)

45、果表明，1980年以來，中國能源使用效率雖 然有了很大的提高，但與發(fā)達國家相比，能源消耗強度仍然有很大的下降空間。 中國能源消耗強度下降主要是各產(chǎn)業(yè)能源使用效率提高的結(jié)果， 相對于效率份額, 結(jié)構(gòu)份額對能源消耗強度的影響也少得多，除了少數(shù)年份外，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整對 降低能源消耗強度的作用是負面的（吳巧生等， 2006）。 譚忠富等通過狀態(tài)空間模型、向量誤差修正模型估算出能源效率與其影響因 素之間的長期均衡和短期波動關(guān)系，在此基礎(chǔ)上利用脈沖響應(yīng)函數(shù)和方差分解模 型就我國能源效率與其影響因素之間的動態(tài)關(guān)系作進一步分析。 結(jié)果表明，從長 期均衡關(guān)系來看，技術(shù)進步對能源效率的正面影響最大， 能源價

46、格和一些不可觀 測變量對能源效率有著促進作用，而經(jīng)濟結(jié)構(gòu)和能源消費結(jié)構(gòu)未能對能源效率起 推動作用（譚忠富等，2010）。 （三）階段型 還有一些研究認為改革開放以來我國能源強度下降的原因分析應(yīng)該分階段 來分析。史丹將能源利用效率分為能源技術(shù)進步效率和能源經(jīng)濟效率， 并認為技 術(shù)進步效率可持續(xù)，而經(jīng)濟效率會逐漸消失。文章研究了對外開放、產(chǎn)業(yè)結(jié)構(gòu)變 化和市場經(jīng)濟建立對能源強度的影響。 在對產(chǎn)業(yè)結(jié)構(gòu)變化影響的部分，采用了結(jié) 構(gòu)指數(shù)的研究方法，結(jié)果顯示1990年之前產(chǎn)業(yè)結(jié)構(gòu)降低了能源強度，降低幅度 為12%； 1990年之后，產(chǎn)業(yè)結(jié)構(gòu)則提高了能源強度，1990年至1995年最為突出, 提高

47、幅度達141.7%;累計計算，1980年至1999年，產(chǎn)業(yè)結(jié)構(gòu)使得能源強度下降 51.2%。文章明確指出，盡管1990年前產(chǎn)業(yè)結(jié)構(gòu)明顯降低了能源強度，并通過 其后續(xù)作用使得1980年至1999年能源強度下降，但1995年以后產(chǎn)業(yè)結(jié)構(gòu)降低 能源強度的作用逐漸消失，能源強度下降的主要原因是各產(chǎn)業(yè)能源效率的提高， 因此應(yīng)該區(qū)別對待（史丹，2002）。 周勇等的研究也得出類似的結(jié)論。其采用適應(yīng)性迪氏分解法（ AWD ）考察 了我國1980年至2003年能源強度的變化，能源強度變化被看作為產(chǎn)業(yè)結(jié)構(gòu)變化 和產(chǎn)業(yè)能源強度變化的結(jié)果，國民經(jīng)濟被分為農(nóng)業(yè)、工業(yè)、建筑業(yè)、交通、商業(yè) 和服務(wù)業(yè)六個產(chǎn)業(yè)部門。分析結(jié)

48、果顯示，1981年至1990年，產(chǎn)業(yè)結(jié)構(gòu)和產(chǎn)業(yè)能 源強度均是導(dǎo)致能源強度下降的原因，而產(chǎn)業(yè)結(jié)構(gòu)的貢獻更為突出，貢獻率為 58.1%； 1991年至2001年，能源強度下降全部是由產(chǎn)業(yè)能源強度下降造成的， 產(chǎn)業(yè)結(jié)構(gòu)起到相反的作用；2002年至2003年，產(chǎn)業(yè)結(jié)構(gòu)和產(chǎn)業(yè)能源強度均導(dǎo)致 能源強度上升，我國能源強度也表現(xiàn)為連續(xù)上升的趨勢。 文章將此歸結(jié)為產(chǎn)業(yè)結(jié) 構(gòu)、投資增長和居民用能的增加（周勇等， 2006）。 比較階段分析型與技術(shù)因素主導(dǎo)型計算結(jié)果， 兩者描述的趨勢基本一致，至 于數(shù)值上的差異，主要在于他們所使用的方法略有不同以及行業(yè)分類層次不同。 因此，兩種觀點本質(zhì)不同在于技術(shù)因素主導(dǎo)型主要

49、關(guān)注累計效果， 而階段分析型 則明確指出應(yīng)該分階段考慮。 另外，對我國能源需求總量影響因素的研究中， 也存在類似的分歧。錢永坤 等利用生產(chǎn)函數(shù)和假定成本最小化建立了能源需求函數(shù)并計算了能源需求量對 能源價格、資本價格、工資和產(chǎn)出水平的彈性以及各因素的變動對能源需求變動 的貢獻率。研究結(jié)果表明我國1993年以后能源需求價格彈性增加，但是能源需 求量變動的主要原因是 GDP增長和工資變動，并提出未來中國能源消費結(jié)構(gòu)調(diào) 整、耗能產(chǎn)業(yè)調(diào)整等需求因素將決定能源工業(yè)的發(fā)展， 目前以能源供應(yīng)為主導(dǎo)的 能源政策將會受到挑戰(zhàn)（錢永坤等，2003）。史丹等采用統(tǒng)計指數(shù)分析和回歸分 析兩種方法，對我國產(chǎn)業(yè)

50、結(jié)構(gòu)變動對能源消費總量和能源消費結(jié)構(gòu)的影響進行了 定量分析，得出了如下的結(jié)論：結(jié)構(gòu)變動是能源消費的重要影響因素， 但由于各 產(chǎn)業(yè)的特點對不同的能源品種的需求，結(jié)構(gòu)變動的影響程度和作用方向是不完全 一致的（史丹等，1999, 2003）。徐博等通過函數(shù)推導(dǎo)的方法證明了產(chǎn)業(yè)結(jié)構(gòu)中第 一產(chǎn)業(yè)和工業(yè)比重的變化是影響我國能源消費的主要因素（徐博等， 2004）。郭 菊娥等利用通徑分析法分析了經(jīng)濟增長、人口、產(chǎn)業(yè)結(jié)構(gòu)和能源消費結(jié)構(gòu)與能源 需求之間的直接、間接關(guān)系和總的影響，結(jié)果表明經(jīng)濟增長、全國總?cè)丝?、能?消費結(jié)構(gòu)是決定能源消費需求的主要因素（郭菊娥等， 2008）。揣小偉等將信息 嫡、均衡度和優(yōu)勢

51、度等數(shù)學(xué)方法引入能源領(lǐng)域?qū)θ司?GDP、第二產(chǎn)業(yè)產(chǎn)值比重、 第三產(chǎn)業(yè)產(chǎn)值比重、建筑業(yè)產(chǎn)值比重、交通運輸業(yè)產(chǎn)值比重、批發(fā)零售業(yè)產(chǎn)值比 重、研究與實驗經(jīng)費比重、專利申請授權(quán)數(shù)、科技活動人員數(shù)量9個影響因素對 能源消費結(jié)構(gòu)的影響進行了主成分分析，研究結(jié)果表明：經(jīng)濟發(fā)展水平、技術(shù)進 步、產(chǎn)業(yè)結(jié)構(gòu)對能源消費結(jié)構(gòu)的影響至關(guān)重要（揣小偉等， 2009）。 因素分解法是我國學(xué)者研究能源強度和能源需求影響因素的重要手段， 但由 于該方法本身的局限性，如行業(yè)分類層次問題、時間跨度問題等，都可能使分析 結(jié)果產(chǎn)生一定的偏差。有學(xué)者認為，這些因素可能導(dǎo)致高估了技術(shù)進步因素，而 低估了結(jié)構(gòu)因素，因此建議，采用一些方法

52、優(yōu)化因素分解法，對我國的能源消費 情況采取分段分析的方法是比較適宜的（吳濱等， 2007）。 1.2.3.2 地區(qū)能源消費預(yù)測 近年來，運用各種方法和模型對我國各省市地區(qū)進行能源消費預(yù)測也是這一 領(lǐng)域的研究重點之一。張峰等通過構(gòu)建ARIMA（1,2,1）模型，對北京市2007~2015 年能源消費進行短期預(yù)測。預(yù)測結(jié)果表明，北京市未來能源消費呈加快增長態(tài)勢， 這對于北京市建設(shè)資源節(jié)約型和環(huán)境友好型城市的目標是一大挑戰(zhàn)（張峰等， 2008）。萬磊等以IPAT方程為理論基礎(chǔ)，建立能源效率模型，并以云南省 1990~2005年的GDP增長數(shù)據(jù)和能源消耗數(shù)據(jù)為依據(jù)，分三種情景，即當前模 式、“十一

53、五”規(guī)劃能耗目標和可持續(xù)發(fā)展能耗模式分別討論和計算了云南省 2010年、2020年的能源消耗量及能源生產(chǎn)率，結(jié)果表明，按照當前的能耗水平， 云南省無法順利完成“十一五”規(guī)劃的萬元GDP能耗約束性目標；為完成目標， 必須選擇合理的經(jīng)濟發(fā)展模式， 提高能源生產(chǎn)率水平，開展節(jié)能減排（萬磊等， 2009）。李艷軍等結(jié)合河南省能源需求的歷史數(shù) 據(jù)，利用格蘭杰因果關(guān)系定性地 分析了能源需求量和經(jīng)濟的關(guān)系，然后用GM（1,1 ）模型預(yù)測河南省2008~2015年 能源需求量，并提出河南省能源發(fā)展戰(zhàn)略（李艷軍等， 2009）。程靜等基于 1979~2006年廣東省能源消費總量數(shù)據(jù)，并根據(jù)建模要求對數(shù)據(jù)進行

54、處理 ,在此 基礎(chǔ)上利用時間序列相關(guān)理論及ARMA模型對廣東省未來能源需求量進行了相 關(guān)預(yù)測，并得出能源需求的模型。從檢驗結(jié)果來看，此模型誤差率低，預(yù)測效果 較好（程靜等，2010）。周揚等通過建立BP神經(jīng)網(wǎng)絡(luò)與灰色GM的優(yōu)化組合模 型，對江蘇省未來十五年煤炭和石油的需求量進行預(yù)測， 結(jié)果顯示組合模型的誤 差最?。ㄖ軗P等，2010）。聶銳等利用環(huán)境負荷模型（IPAT）與“脫鉤”理論， 對江蘇未來中長期的經(jīng)濟發(fā)展、能源需求與碳排放進行了情景分析，并結(jié)合當前 的環(huán)境政策，對三種情景下主要指標的參數(shù)和結(jié)果進行了設(shè)計與分析， 結(jié)果顯示， 與2007年相比，2030年能源需求總量將增加1.431倍

55、，未來二十年能源資源的 有效供應(yīng)與合理利用成為制約該地區(qū)低碳經(jīng)濟發(fā)展的瓶頸因素（聶銳等，2010）。 相較于對我國進行能源預(yù)測分析的研究，著眼于地區(qū)能源預(yù)測的研究往往集 中在對中短期能源需求的預(yù)測。這主要是由于適合中短期預(yù)測的模型和方法精度 較高，便于為地區(qū)近期的經(jīng)濟社會發(fā)展規(guī)劃提供可操作性的建議。 1.2.3.3 中國能源預(yù)測模型 我國從20世紀80年代初期開始了對能源系統(tǒng)的研究，在理論方法和實際應(yīng) 用上都取得了很大的進步，開始了國家級、地區(qū)級或部門級的能源模型的研究工 作，華中工學(xué)院國家能源摸型（HNEM ），華中工學(xué)院農(nóng)村能源模型（HREM）， 東北經(jīng)濟區(qū)經(jīng)濟發(fā)展與能源供需模型、甘

56、肅省能源模型系統(tǒng)、北京地區(qū)能源系規(guī) 劃模型、多地區(qū)能源系統(tǒng)供應(yīng)模型等（清華大學(xué)核能技術(shù)研究所能源系統(tǒng)研究室， 1986），我國能源科學(xué)工作者提出建立的國家能源供型體系（CNEMS）以及國務(wù) 院經(jīng)濟技術(shù)社會發(fā)展研究中心提出的能源供應(yīng)系統(tǒng)規(guī)劃與決策模型等都在建立 能源模型系統(tǒng)方面進行了可喜的嘗試。 姜克雋等人所在的國家發(fā)展和改革委員會能源研究所的研究團隊在長期的 能源系統(tǒng)分析研究過程中，通過多種國際國內(nèi)合作，開發(fā)構(gòu)架了中國能源環(huán)境綜 合政策評價模型（IPAC模型）。這是一個包括多種方法論的多模型框架， 其中有 自上而下型的一般均衡模型（CGE模型），也有詳細描述分部門技術(shù)的自下而上 型模型，同

57、時還有介于兩者之間的部分均衡模型和動態(tài)經(jīng)濟學(xué)模型。 IPAC模型 組中的3個模型：IPAC-CGE模型、IPAC-AIM/技術(shù)模型和IPAC-Emission模型 的關(guān)聯(lián)如圖1.3所示。其中，IPAC-AIM/技術(shù)模型是專門針對中國地區(qū)的區(qū)域模 型，它包括3個子模型，即能源服務(wù)需求預(yù)測模型、能源效率估算模型和技術(shù)選 擇模型，是一個典型的自下而上的模型。能源需求部門分為工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)、 民用和運輸部門，這些部門又被分為若干個子部門。 能源供應(yīng)部門包括電力、石 油煉制、煤炭開采和洗選、煉焦、供熱等。目前模型中有 42個部門。能源需求 和供應(yīng)雙方總共涉及到500多項技術(shù)，包括現(xiàn)有的及未來可能

58、利用的先進技術(shù)。 部門輸出服務(wù)（諸如鋼鐵產(chǎn)量）是主要的驅(qū)動因素。為了提供這些輸出服務(wù)，將 會相應(yīng)挑選一批技術(shù)，然后使用這些技術(shù)估算出能源需求。模型以尋求費用最少 的混合技術(shù)為目標，滿足特定的能源服務(wù)需求。模型還可以模擬分析技術(shù)選擇、 技術(shù)進步、能源價格等方面的政策和對策效果。 這些技術(shù)用到的數(shù)據(jù)是從大量的 報告、刊物、出版物和對專家的咨詢采集而來，數(shù)據(jù)會隨著采集來的新資料不斷 更新。IPAC-Emission模型的目標是對中國和其他地區(qū)在全球環(huán)境下， 未來各種 長期溫室氣體排放趨勢下可能采取的政策措施進行評價。 在這個目標下，這個模 型是一個全球模型，根據(jù)國際上氣候變化的主要區(qū) 域，模型劃

59、分了 9個區(qū)一一美 國、西歐和加拿大、其他 OECD國家、東歐地區(qū)、中國、中東國家、其他亞洲 國家、非洲、南美洲。時間區(qū)間為1990-2100年，以分析長期的變化和可能的升 溫0 IPAC-CGE模型則是IPAC模型組中的經(jīng)濟模型，是一個一般均衡模型（CGE 模型），考慮各經(jīng)濟活動之間的影響與關(guān)聯(lián)，在 IPAC模型中主要進行各種能源 環(huán)境政策對經(jīng)濟影響的分析，同時可以進行中長期能源與環(huán)境情景分析。 IPAC-CGE模型中劃分38個部門，分別覆蓋能源部門、高耗能工業(yè)行業(yè)部門以 及主要經(jīng)濟部門等。姜克雋等利用IPAC模型對中國2050年前的能源需求和碳 排放情景進行了一系列預(yù)測，為當時的國家能源

60、發(fā)展戰(zhàn)略制定和氣候變化談判提 供了重要科學(xué)依據(jù)（姜克雋等，2007,2008,2009。 廠7球能源需求和供屜 [ 全球溫電氣休批坡 全球減排目標 排放分擔 能源進出 未來經(jīng)濟役展給構(gòu) 高耗能打業(yè)發(fā)展 WE ill成本 能源價格 減H成本 能源系統(tǒng)模唱 IPAC-AIM/技術(shù)模型 X濟能源系統(tǒng)模屮 ]PAC-a；K 圖1.3 IPAC模型組中各模型的關(guān)聯(lián) 國內(nèi)學(xué)者建立的模型大多選擇已有模型進行耦合， 可以綜合多種模型的優(yōu)點。 在能源需求預(yù)測時往往著眼于中遠期預(yù)測，相對而言預(yù)測精度就受到了一定限制。 比如，姜克雋等人在其文章中對2020年和2030年低碳情景下我國能

61、源消費量的 預(yù)測分別在40億噸標準煤和45億噸標準煤以下，就目前的情況來看，2016年 我國能源消費總量已達43.6億噸標準煤，可見其預(yù)測結(jié)果存在一定程度的低估。 這表明，我國中長期能源需求模型仍需不斷改進， 以便為能源發(fā)展戰(zhàn)略制定提供 更為準確的數(shù)據(jù)支撐。 1.3 研究方案 1.3.1 研究目標 基于對前人的研究進行綜述發(fā)現(xiàn)，絕大多數(shù)研究并沒有明確時間尺度對于預(yù) 測模型和方法的選擇具有較大影響。 甚至有一些研究，對僅適用于短期預(yù)測的模型，忽視了其所用模型的基本原理和適用范圍，直接外推數(shù)十年，進行了所謂的 中長期預(yù)測。通常而言，短期預(yù)測（5年以內(nèi)）往往要求精度較高，因而我們可 以基于趨

62、勢外推的方法，在默認推動能源需求的內(nèi)部因素未發(fā)生重大改變的前提 下，選用適宜的能源模型進行模擬運算， 并對其預(yù)測結(jié)果加以組合，進一步提升 預(yù)測精度。而對于中長期預(yù)測（10年到數(shù)十年不等），則需要考慮相關(guān)因素在一 定時期內(nèi)發(fā)生了變化，并對能源需求施加了影響，因而應(yīng)建立符合能源需求發(fā)展 規(guī)律的模型，基于不同的情景設(shè)置進行預(yù)測。 本研究力圖在綜合前人能源經(jīng)濟學(xué)、計量經(jīng)濟學(xué)、產(chǎn)業(yè)經(jīng)濟學(xué)等理論與研究 方法的基礎(chǔ)上，綜合運用各種定量預(yù)測方法，建立中國能源需求組合預(yù)測模型， 系統(tǒng)地、全面地對我國能源需求量分別進行短期和中長期預(yù)測。希望通過本文的 研究，對我國未來能源規(guī)劃提供科學(xué)依據(jù)。 1.3.2 研究內(nèi)

63、容 本研究主要包括以下幾方面的內(nèi)容： 一、對國內(nèi)外能源需求預(yù)測模型和相關(guān) 研究進行綜述，闡述當前研究已解決的問題和存在的不足； 二、通過選擇適用于 短期預(yù)測的單一模型進行組合，形成中國短期能源需求組合預(yù)測模型， 基于歷史 數(shù)據(jù)進行模擬，輸出短期預(yù)測結(jié)果；三、構(gòu)建反映能源消費變化機理的中長期能 源需求預(yù)測模型，對我國未來中長期能源需求進行預(yù)測 ；四、分析預(yù)測結(jié)果，對 我國未來能源決策提出建議。 133 研究方法 鑒于綜述中不同模型和方法在短期和中長期預(yù)測中的優(yōu)勢地位不同， 且沒有 一種模型可以兼顧這兩種預(yù)測需求，因而本研究建議采取對短期預(yù)測和中長期預(yù) 測采取不同的組合預(yù)測模型進行模擬。

64、 本文在研究過程中，在綜合利用了計量經(jīng)濟學(xué)、能源經(jīng)濟學(xué)等多學(xué)科的理論 與研究方法的基礎(chǔ)上，針對短期預(yù)測和中長期預(yù)測的不同特性，分別構(gòu)建了不同 的能源需求預(yù)測模型。在預(yù)測分析中，合理地將短期預(yù)測和中長期預(yù)測分開進行 探討，這樣一方面使我們對近期我國能源需求有更為準確的了解， 另一方面又能 使我們對長期能源需求形勢有宏觀上的把握，進而有助于為國家制定相關(guān)決策提 供更為科學(xué)的依據(jù)。 134 技術(shù)路線 i-提出 :、理-：：枉李 3.艇帕 J ，典.IM悄 5、斯折 圖1.4論文研究的技術(shù)路線

65、 第2章 中國能源消費的現(xiàn)狀分析 2.1 中國能源消費概況 根據(jù)英國石油公司（BP）的《世界能源統(tǒng)計年鑒2017》顯示，自2010年起， 中國已替代美國，成為世界上最大的能源消費國。 2016年中國的能源消費量占 全球消費總量的23%，超過整個北美地區(qū)的所占比重。2016年中國能源消費量 相比上年增長1.3%，增速不到過去十年平均水平 5.3%的四分之一，并且是1998 年以來的最低值，然而中國能源消費的凈增長量仍然占據(jù)全球凈增長的 27%0 化石能源中，消費增長最快的是天然氣，達 7.7%，煤炭消費占比由2015年 的63.7%降至2016年的62%，煤炭、石油、天

66、然氣三種化石能源的增長率均低 于其各自十年平均水平。與此同時，可再生能源消費全年增長 33.4%，使得中國 超越美國，成為全球最大的可再生能源消費國。其中，太陽能消費增長最快，達 71.5%，其次是風(fēng)能和核能，分別為 29.4%和24.5%。盡管中國的能源消費結(jié)構(gòu) 持續(xù)改進，現(xiàn)階段中國的能源消費形勢仍不容樂觀。本章擬從中國能源消費總量、 能源消費結(jié)構(gòu)、分行業(yè)能源消費量、能源生產(chǎn)-能源消費-經(jīng)濟增長三者速率對比 幾個方面來描述中國能源消費的歷史和現(xiàn)狀。 2.1.1 中國能源消費總量 改革開放以來，隨著社會經(jīng)濟的快速發(fā)展，中國能源消費總量也持續(xù)上升。 根據(jù)《中國統(tǒng)計年鑒2017》顯示，1980-2015年，中國能源消費總量從60275萬 噸標準煤上升到429905萬噸標準煤，年平均增長率為 5.77% （圖2.1） o從圖2.1 中不難看出，不同時期中國能源消費總量的增速存在較大差異。 1980-1996年， 中國能源消費總量的增速較為平緩，基本維持在 2%-7%之間的水平，大部分年 份的增速在5%上下。1997、1998年由于受亞洲金融風(fēng)暴的影響，能源消費增速 大減，幾乎零增