基于ARIM A模型的我国能源消费结构趋势分析与预测

薛黎明,侯运炳,闫 旭,何 广

(中国矿业大学 (北京)资源与安全工程学院,北京 100083)

能源结构是一次能源总量中各种能源的构成及其比例关系。我国的能源消费结构可以概括为“富煤、缺油、少气”,与世界能源消费结构相比较,我国一次能源消费呈现出迥然不同的结构特点:煤炭消费比重基本上与世界上石油、天然气的消费比重相当,占60%～70%;而石油、天然气的消费比重则与世界煤炭消费比重基本持平,只占20%～30%。煤是一种排放物污染程度较高的能源,在煤的生产过程中也是要消耗大量能源。因此,以煤为主的能源消费结构,决定我国的经济发展基础建立在高污染高能耗的基础之上,这会极大影响我国的经济发展质量,与当今世界提出的低碳目标是极不协调的。因此,对我国的能源消费总量及能源消费结构进行预测是非常必要的。在预测的基础上,对我国的能源结构进行优化,对我国的碳排放水平进行预估,进而制定出节能减排措施,对于中国树立大国的负责任形象是非常重要的。本文将运用ARIM A模型,对我国

1 预测方法的选取

对数量预测方法可以分为两大类,一类是根据某变量的过去值和现在值预测将来值;另一种方法是已知某时间序列的影响因素,通过回归或其他方法运用变量之间的关系进行预测。由于我国能源消费系统是一个具有很多不确定因素的系统,影响因素比较复杂,本文通过第一类方法对能源结构进行预测。在第一类方法中,主要有两种工具。一种就是利用灰色系统原理进行预测,另一种就是利用ARIM A模型进行预测。在对两种方法进行试算比较后,ARIM A模型的预测结果较灰色系统理论所建模型的预测精度高,因此,本节运用 ARIMA模型对我国能源消费结构进行预测。

2 ARIM A模型建模原理

ARIM A模型全称是差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIM A),是由博克思 (Box)和詹金斯(Jenkins)于20世纪70年代初提出的一种著名的时间序列预测方法,所以又称为Box-Jenkins模型。ARIM A模型的基本思想,是将预测对象随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型来近似描述这个序列。这个模型一旦被识别后,就可以根据时间序列的过去值及现在值来预测未来值[1]。

一个 AR IM A(p,d,q)模型,由三个过程组成,AR(p)自回归过程、M A(q)移动平均过程和 I(d)单整过程。

2.1 自回归过程AR(p)

如果一个线性过程可表达为

式中:φii,i=1,2,…p是自回归参数;ut是白噪声过程,则称 xt为 p阶自回归过程,用AR(p)表示。

2.2 移动平均过程 MA(q)

如果一个线性随机过程可用式 (2)表达式中:θ1、θ2、…、θq是回归参数;ut为白噪声过程。则式 (2)称为 q阶移动平均过程,记为 M A(q)。将其称之为“移动平均”,是因为 xt是由q+1个 ut和ut滞后项的加权和构造而成。“移动”指t的变化,“平均”指加权和。

任何一个q阶移动平均过程,都是由 q+1个白噪声变量的加权和组成,所以任何一个移动平均过程都是平稳的。

2.3 自回归移动平均过程ARM A(p,q)

由自回归和移动平均两部分共同构成的随机过程,称为自回归移动平均过程,记为 ARM A(p,q),其中 p、q分别表示自回归和移动平均部分的最大阶数。ARM A(p,q)的一般表达式是:

2.4 单整自回归移动平均过程ARIMA(p,d,q)

假设一个随机过程含有 d个单位根,其经过 d次差分之后,可以变换为一个平稳的自回归移动平均过程。则该随机过程称为单整自回归移动平均过程,记为 ARIM A(p,d,q)。

3 我国能源需求结构预测

在对我国能源需求结构进行分析时,主要研究各种能源品种在能源消费总量中所占的比例,因此,需要对能源需求总量和各种能源的消费量进行预测。

3.1 能源消费总量的预测

用EC表示能源消费总量,为了消除其异方差性,对数据进行了对数处理,用LN EC表示。本文将根据1978～2008年能源消费总量数据,对2020年前我国能源消费总量进行预测。1978～2008年能源消费总量数据源自相关年份的《中国统计年鉴》。

3.1.1 LN EC序列的平稳性检验

对我国1978～2008年能源消费总量数据的平稳性进行检验。检验结果如表1所示。

表1 能源消费总量时间序列的平稳性检验结果

3.1.2 AR IM A模型识别

由平稳性检验结果知,应对能源需求总量时间序列数据建立ARIM A(p,2,q)模型。

下一步,还需要对模型进行进一步的识别,确定 p、q值。

LN EC的二阶差分用Δ2LN ECt表示,Δ2LN ECt时间序列的相关图如图1所示。

图1 Δ2 LN ECt时间序列的相关图

由序列相关图可初步确定 p=2,q=2,将 p与q的所有可能组合 (2,0)、(2,1)、(2,2)、(1,0)、(1,1)、(1,2)、(0,0)、(0,1)、(0,2)用EV IEWS 6.0软件进行计算[2]。计算结果与检验结果表明,对Δ2LN ECt时间序列建立ARM A(2,2)模型。建立模型形式为:

应用Eview s6.0软件,得到模型估计结果为:

由于

根据公式 (5)和公式 (6)有:

整理可得:

用EC表示能源消费总量,ECF表示模拟值,原值与模拟值的比较见图2。

从图2可以看出,所建立模型的预测效果较好。这里只列出2000～2008年的原值、模拟值与相对误差值,见表2。表2表明,应用该模型进行预测时的相对误差较小。

对预测模型进行检验,检验结果见表3。

应用ADF检验法对残差的平稳性进行检验,结果表明残差为平稳序列。

以上结果均表明,ARM A(2,2)模型可以作为LN EC二阶差分序列的预测模型。

对2009～2020年我国能源消费总量进行预测,预测结果见表4。

图2 LN EC序列原值、模拟值与残差图

表2 2000～2008年LN EC序列的原值、模拟值与相对误差

表3 LN EC时间序列ARMA模型的检验结果

3.2 我国煤炭消费总量的预测

用CC表示煤炭消费总量,为了消除其异方差性,对数据进行了对数处理,用 LNCC表示。1978～2008年煤炭消费总量数据源自《中国统计年鉴》。依据1978～2008年煤炭消费总量数据对2020年前的煤炭消费总量进行预测。对煤炭消费总量进行预测的原理与能源消费总量预测相同。由于篇幅所限,这里只给出预测结果。煤炭消费总量的原值与模拟值的比较见图3。对2009～2020年我国煤炭消费总量进行预测,预测结果见表4。

3.3 我国非化石能源消费总量的预测

非化石能源指的是核能、风能、太阳能、水能、生物质能、地热能、海洋能等可再生能源。为了履行我国在哥本哈根会议达成的减排协议,国务院2009年12月召开常务会议,提出到2020年中国非化石能源占一次能源消费的比重达到15%左右的目标。因此,有必要按照目前的用能习惯、能源系统的特点及清洁能源建设速度,预测我国是否能够达到该目标。

对非化石能源消费总量进行预测与能源消费总量预测的原理相同。这里只给出非化石能源消费总量的原值、模拟值与残差图和预测结果。非化石能源消费总量的原值、模拟值与残差图见图4。非化石能源消费总量的预测结果见表4。

对2009年～2020年我国非化石能源消费总量进行预测,预测结果见表4。

图3 原值、模拟值与残差图

表4 2009～2020年我国能源结构预测值

图4 非化石能源消费总量的原值、模拟值与残差图

4 结论

(1)ARIM A模型可以作为能源消费预测的工具,其预测精度很好。

(2)我国能源消费总量持续增大。2015年我国的能源消费总量将比2008年增长30%左右,这对我国的节能减排目标是一个严峻的挑战。为保证我国经济发展带来的快速增长的能源需求,调整经济结构和节能减排依然是今后经济发展的主要任务。

(3)从预测结果看,尽管煤炭消费会对环境带来很大的负面影响,如果不改变当前的经济结构和用能习惯,我国以煤为主的能源消费结构长期是不会改变的,能源消费结构中煤炭仍占70%左右。要降低煤炭对环境的破坏作用,应该做到以下两点:

①加快实现煤炭的清洁利用。要达到节能减排目标,首要措施就是实现煤炭的清洁利用。在煤炭洁净利用技术还不成熟、煤炭洁净利用成本还较高的情况下,应重视优质煤炭资源的勘探和开发,优先利用优质煤炭资源,努力减轻对用煤环境的污染。②优化煤炭定价机制。长期以来,我国煤炭价格偏低,不能充分反映其不可再生成本和环境污染成本,在一定程度上造成了能源资源不合理配置。煤炭价格应与其他商品的比价趋于合理化,与国际市场接轨,促进煤炭工业的可持续发展。煤炭价格合理化不仅有利于节能,也有利于能源结构的改善。

(4)2020年我国非化石能源的比重为11.9%,与之前提出的15%的目标有一定差距。

为了实现清洁能源发展目标,我国必须加快清洁能源产业的发展。在世界一次能源消费结构中,化石燃料占90%,水电和核电仅占10%,我国只占2.5%。化石燃料尤其是煤燃烧排放的二氧化碳,是导致气候变化的主要原因。虽然全球化石燃料最终可采储量至少还可供人类使用100年,但开采成本较低的储量将在21世纪后期耗尽[3]。因此,无论是从环境角度来看还是从资源角度来看,必须加速发展可再生能源。在技术方面,要努力缩短与国际先进水平的差距,加大研发力度。在政策方面,国家要对清洁能源的发展给予支持,形成清洁能源和可再生能源产业的竞争机制,消费领域也要提供激励措施,建立新能源产业发展的长效机制[4]。

[1] 高铁梅.计量经济分析力法与建模 [M].北京:清华大学出版社,2006.

[2] 易丹辉.数据分析与Evicw s应用 [M].北京:中国统计出版社,2002.

[3] 杭雷鸣.我国能源消费结构问题研究 [D].上海交通大学,2007.

[4] 罗佐县,汪如朗.优化我国能源结构的思考 [J].天然气技术,2009,3(2):6-8.