基于部门消费混合模型的我国天然气未来需求预测

郭晓茜， 刘永权

(1.中国地质科学院矿产资源研究所，北京 100037； 2.中国地质调查局地学文献中心，北京 100083)

0 引言

化石能源对人类经济社会的发展和进步具有重要的意义。目前我国一次能源的消费量年均增速约在1.3%，2019年的一次能源消费量大约为48.6亿t标准煤[1]。我国的化石能源主要以煤炭为主，占比达到60%以上。但是随着空气污染的加重，一次能源的消费结构正在面临转型。其中，天然气作为一种优质的清洁能源，对优化能源消费结构发挥着关键作用[2]。与发达国家相比，中国能源消费中的天然气比重明显偏低，进一步提高天然气比重已成为国家能源发展的重要目标。根据“十三五”规划，天然气消费量的年均增长速度为19%，天然气占一次能源的比例到2020年要翻番，消费量要达到3 500亿m3[3]。近些年我国天然气的消费量持续增加，根据国家统计局的数据，天然气的消费量已经从2004年的396.7亿m3增长到2017年的2 393.7亿m3[1]。但是2017年天然气的产量仅仅达到1 480.35亿m3，这意味着我国每年至少要进口900亿m3天然气，天然气对外依存度将近40%。但是目前，涉及天然气需求预测的方法较为单一，对影响天然气需求量的影响因子分析也比较少。因此，深入剖析我国未来天然气需求量的影响因子，并且研判我国天然气未来需求量具有重要的现实意义。

1 天然气需求预测方法及技术路线

天然气的需求预测越来越多地吸引了世界各国学者的目光。目前主要集中于2个领域： 一是关于天然气需求量的影响因子分析，主要包括协整分析、平均迪氏分解法(LDMI)、灰色关联分析、格兰杰因果检验等方法[4-7]； 二是对天然气需求量的中长期预测方法，主要有传统预测方法和人工智能预测方法，传统预测方法包括时间序列、回归方程以及灰色预测[8-10]，人工智能预测方法包括人工神经网络分析、模糊逻辑以及支持向量函数等[11-13]。表1对这些方法和应用实例进行了总结和展示。此外，选取不同种类的方法进行联合应用，建立相关的混合模型，可以综合各个方法的优点，保障天然气中长期需求预测的准确性[14]。

表1 能源需求量因果分析及预测模型总结

目前天然气的影响因子分析和需求预测方法是相对独立的，影响因子分析主要研究经济与天然气消费量之间的关系，而需求预测方法则是独立于影响因子的分析。因此，将影响因子分析方法和需求预测方法结合起来，可以提升天然气分析的精度，为我国能源政策制定提供相关的理论基础。

本次研究通过3个步骤建立一个综合模型来分析影响我国天然气需求量的因子，并且对我国未来天然气的需求量做出预测。首先通过单位根检验、协整分析和格兰杰因果检验来分析天然气需求量的影响因子，其次利用灰色预测模型来预测各个影响因子的变化，然后通过回归分析建立各个因子与需求量之间的数学关系，最后给出未来天然气的需求预测，具体步骤如图1所示。

图1 天然气量混合预测模型

2 我国天然气消费概况及影响因子确定

根据《2010中国统计年鉴》，我国天然气用户主要分为7个部门，在本次研究中简化为工业、生活、交通、商业、农业、建筑和其他部门。图2展示了我国天然气从2004年到2017年的各部门消费量变化趋势。2004—2017年我国各部门天然气消费量逐年攀升，农业和建筑业基本不消耗天然气，我国天然气消费主要集中于工业、交通和生活这3个部门，2017年消费占比达95%。

天然气在工业部门用途很广，主要用于3大产业，分别为采掘业，制造业和电力、煤气、水生产与供应业(后简称电力)。由图3可以看出，2004—2017年采掘业和制造业天然气消费比例逐年降低，电力天然气消费份额却逐年增加。制造业消耗的天然气的比例明显下降，已经下降至58.2%。此外，采掘业的比例也不断下降，从2004年的26.5%下降至2017年的10.5%。与此同时，电力的天然气消费份额却不断上升，从2004年的6.3%上升至2017年的28.7%。整体上，对于工业天然气的影响因素来说，工业化率是影响工业天然气消费量的主要因素之一。此外，根据前人对经济和天然气消费量的因果关系分析，在本次研究中，将人均GDP也作为工业部门天然气消费量的影响因素。因此，工业化率(I)和人均GDP(GDPper)作为2个影响工业部门天然气需求量的因子。

(数据来自于国家统计局)

生活部门是天然气需求量增长最快的一个部门。2017年生活部门天然气消费量为420.3亿m3，年均增长速率为18.8%。由于我国城市对于煤炭使用的限制范围较广，居民燃气通常使用天然气[15]。我国天然气的生产区大多集中于西部地区，天然气的消费区大多集中于东部地区，天然气的产消并不匹配，需要借助“西气东送”的天然气管道。因此，城市化率(U)，居民消费水平(Lcon)和天然气管道长度(Lpipe)三者可以看作是生活部门天然气需求量的影响因子。

2004—2017年，交通部门天然气消费逐年攀升，这与我国政策的支持有很大关系。值得注意的是，天然气在分布式能源、LNG重型卡车等领域也得到越来越广泛的重视。交通等领域的天然气消费份额从2004年的4%上升到2017年的12%。其中LNG重型卡车的天然气需求潜力较大。2013年我国LNG重型卡车的天然气年需求量达30亿m3[16]。因此，交通部门影响天然气需求量的影响因子确定为天然气汽车数量(Nvehicle)和交通部门的GDP (GDPtrans)。

图3 2004—2017年工业部门天然气消费量

根据上述分析，工业、生活和交通3个部门的天然气需求量影响因子以及相关的参数详情见表2。

表2 工业、生活和交通部门需求量影响因子及相关参数

(续表)

3 影响因子检验

3.1 单位根检验

为了保证研究结果更准确和更具合理性，选取长时间序列来分析我国工业、生活和交通部门天然气消费与各影响因素之间的具体关系，其数据来源于2005—2017年《中国统计年鉴》。与此同时，为了直观反映模型参数估计的实际意义，模型采用原始数据分析。如果时间序列是非平稳的，在进行协整关系和因果检验时，有时不相关的变量也可能检验出因果关系，因此，在进行协整分析前必须进行单位根检验，以避免虚假因果关系的出现。采用Eviews 8.0对各时间序列作ADF单位根检验，其检验结果见表3、表4和表5。

表3 工业部门消费量及其影响因素单位根检验结果

表4 生活部门消费量及其影响因素单位根检验结果

(续表)

表5 交通部门消费量及其影响因素单位根检验结果

3.2 协整检验

表3—表5所示的各变量时间序列单位根检验结果表明： 工业部门的天然气消费量、人均产值和工业化率，生活部门的天然气消费量、城镇居民消费水平和城镇化率，交通部门的天然气消费量和部门产值的原始序列和一阶差分序列在10%的显著性水平下都是不平稳的，而二阶差分序列平稳，由此可说明各变量是同阶单整的，序列之间有可能存在协整关系，为验证需进一步做协整关系检验。各解释变量与被解释变量间协整关系检验见表6。

表6 协整检验的Johansen检验结果

协整检验结果表明： 在0.05显著性水平下存在一个协整方程，且无论是协整检验的迹检验还是协整检验的最大特征值检验，都表明存在一个协整方程。因此，可以进行下一步的格兰杰因果检验。

3.3 格兰杰因果检验

对不同部门天然气消费量的影响因素进行了格兰杰因果检验，详细结果如表7所示，选择了滞后期为3的检验结果。

工业部门的影响因素人均GDP和工业化率的格兰杰因果检验结果小于0.05，说明这2个因素是工业消费量的格兰杰因； 同时，消费量对人均GDP和工业化率的格兰杰因果检验结果大于0.05，说明消费量不是这2个因素的格兰杰原因，支持了这2个影响因素。

对生活部门3个影响因素居民消费量、城市化率、管道长度的分析发现： 居民消费量和城市化率的格兰杰因果检验结果小于0.05，说明这2个因素是生活消费量的格兰杰原因； 同时，消费量对居民消费量和城市化率的格兰杰因果检验结果大于0.05，说明消费量不是这2个因素的格兰杰原因，支持了这2个影响因素。对于管道长度则可以发现： 格兰杰因果检验结果大于0.05，说明管道长度不是生活消费量的格兰杰原因； 同时，消费量对管道长度的格兰杰因果检验结果小于0.05，说明了消费量是管道长度的格兰杰原因。因此，管道长度并不能作为生活部门的消费影响因素，而居民消费量和城市化率则作为生活部门的影响因素。

表7 格兰杰因果检验结果

交通部门的影响因素交通GDP和车辆数量的格兰杰因果检验结果小于0.05，说明这2个因素是交通消费量的格兰杰因； 同时，消费量对交通GDP和车辆数量的格兰杰因果检验结果大于0.05，说明消费量不是这两个因素的格兰杰原因，支持了这2个影响因素。

因此，各个部门的天然气消费量的影响因素分别为： ①工业部门为人均GDP和工业化率； ②生活部门为居民消费量和城市化率； ③交通部门为交通GDP和车辆数量。

4 我国天然气需求预测分析

4.1 灰色预测模型

灰色预测主要是通过对给定的原始序列进行一次累加(1-AGO)、矩阵转换、差分方程和反转计算得出的。选取国家统计局2004年至2017年的天然气消费数据进行天然气消费影响因素的预测。影响因子的预测结果如图4—图6所示。到2025年，人均GDP将会增长到17.11万元，工业化率将到36.4%，城镇化率将增加到79%，居民消费水平将会增加到7.75万元，交通GDP将会增长到9万亿元，天然气汽车保有量将会增长到3 122.99万辆。这些预测结果将用于下一步的回归分析。

图4 工业部门影响因子灰色预测

图5 生活部门影响因子灰色预测

图6 交通部门影响因子灰色预测

4.2 回归分析

采用线性回归方程对我国各部门的天然气消费量进行预测。回归分析预测的结果如下。

(1)对于工业部门来说，消费和各个因子之间的回归关系为

Cind=105.78+22.04GDPper-254.41I，

(1)

其中关联因子R2为0.995 1。式中：Cind为工业部门消费量，亿m3；GDPper为人均GDP，万元；I为工业化率,%。

(2)对于生活部门来说，消费量和各个因子之间的回归关系为

Cres=-60.89+4.99Lcon+149.79U，

(2)

其中关联因子R2为0.998 7。式中：Cres为生活部门消费量，亿m3;Lcon为居民消费水平，万元；U为城市化率,%。

(3)对于交通部门来说，消费量和各个因子之间的回归关系为

Ctrans=-5.85+8.36GDPtrans+0.008 9Nvehicle，

(3)

其中关联因子R2为0.993 4。式中：Ctrans为交通部门消费量，亿m3;GDPtrans为交通部门GDP，万亿元；Nvehicle为天然气汽车数量，万辆。

因此，根据上述回归方程，可以推测我国未来天然气的需求量。从2018年到2025年，天然气的需求预测如表8和图7所示。

表8 我国天然气需求预测

图7 我国天然气需求预测

5 结论与建议

(1)影响我国天然气消费的因素比较复杂，通过单位根检验、协整检验和格兰杰因果分析，可以得出各个部门天然气消费的影响因素。其中，人均GDP和工业化率被证明是工业部门的格兰杰影响因素； 生活部门的影响因素是居民消费量和城市化率； 交通部门的影响因素是交通GDP和车辆数量。

(2)我国天然气需求量预测的方法众多，其中本次研究采用的是灰色预测模型和回归分析模型相结合的办法。2025年天然气的需求量为6 378亿m3。

(3)对比我国的天然气产能可以看出，我国天然气需求仍旧面临比较大的对外依存风险，因此，对我国的天然气发展提出以下建议： 首先是聚焦一带一路，保障天然气进口渠道，推动周边国家天然气市场体系改革，建立海外天然气发展统筹协调机制，确保海外天然气的可获得和可持续； 其次是积极推动国内非常规天然气开发，提升国内供应能力，加大低品位天然气资源开发的财税扶持力度，提高探明储量的动用率。