北京市能源消費預測與政策建議

摘要 能源消費總量是指報告期內一定區域內社會各行業和居民生活所消費的各種能源數量。北京地區的能源資源極為有限，能源自我供給嚴重不足，2006年能源消費總量已經居全國第二。這種能源消耗極大、自供給嚴重不足的矛盾已經成為制約北京市可持續發展的一個瓶頸。我們通過構建ARIMA（1，2，1）模型，力圖對北京市2007-2015年能源消費進行短期預測。預測結果表明，北京市未來能源消費呈加快增長態勢，這對于北京市建設資源節約型和環境友好型城市的目標是一大挑戰。為了應對這一挑戰，提出如下建議：倡導全面節能觀念；完善能源供應體系，實現多元化能源消費；建立以價格杠杠和市場為導向的長效節能機制。

關鍵詞 能源消費；預測；ARIMA模型

中圖分類號 F206；TK018 文獻標識碼 A 文章編號 1002-2104(2008)03-0099-04

能源消費總量是指報告期內一定區域內社會各行業和居民生活所消費的各種能源數量，是觀察地區能源消費水平與構成以及經濟發展速度的重要指標，共包括終端能源消費量、加工轉換損失量和損失量三部分。北京地區的能源資源極為有限，缺口很大，能源供應以外地調入為主，自產煤炭主要是無煙煤，分布在門頭溝和房山區，有少量的水力發電資源，石油和天然氣尚未發現可供開采的工業儲量。其中電力供應60％從華北電網調入，原油、天然氣來自陜甘寧長慶天然氣氣田和華北油田，而95％的原煤由山西、內蒙、河北等省區調入①。盡管能源自給嚴重不足，北京市的能源消費卻逐年上漲，2006年北京市能源消費總量為5 904.10萬t標準煤，僅居上海之后，是全國第二大能源消費城市。北京市當前這種能源消耗極大、自供給嚴重不足的矛盾已經成為制約城市可持續發展的一個瓶頸。為此，對北京市能源消費的未來趨勢做出預測，希望可以給北京市未來的經濟發展規劃以及能源、產業政策優化提供理論和數據支持。

1 模型選擇

在所有時間序列預測分析的模型中，ARIMA（Autoregressive Integrated Moving Average Models）模型，又稱作鮑克斯-詹金斯模型，是比較常用的一種。本文將采用這一方法在擬合北京市能源消費歷史數據的基礎上，對其未來的變化趨勢做出預測和分析。ARIMA（p，d，q）模型其實是經過d階差分變換的ARMA（p，q）模型。如果時間序列yt是它的當期和前期的隨機誤差項以及前期值的線性函數，即可表示為［1］：

則稱yt是自回歸移動平均序列，（1）式為（p，q）階的自回歸移動平均模型，記為ARMA（p，q），其中Φ1，Φ2，…，Φ[WTBX]P為自回歸系數，θ1，θ2，…，θq為移動平均系數，都是模型的待估參數。但需要注意的是，只有平穩的時間序列才能夠直接建立ARMA模型，如果是非平穩的序列，則可以考慮對數據做逐步差分，進行預處理，以使序列滿足平穩性的要求。假設原序列yt非平穩，但經過d階差分后平穩，則可稱新序列zt為齊次序列，記為：

zt=dyt (t＞d)（2）

平穩序列zt可以建立ARMA（p，q）模型，而原序列yt可表示為ARIMA（p，d，q）模型，記為：

Φ(B)(1-B)dyt=θ(B)ut或Φ(B)dyt=θ(B)ut（3）

實際運用中，ARIMA（p，d，q）模型建模的基本步驟可以分為四步：

（1）序列的平穩化：使原序列滿足ARMA模型平穩可逆的要求；

（2）模型的識別與建立：主要是通過自相關（ACF）和偏自相關系數（PACF）的分析圖把握模型的大致方向，為目標序列定階，并構造幾個粗模型以便做進一步分析；

（3）參數估計和模型診斷：提供粗模型參數估計，并對模型的殘差序列進行檢驗，并對模型的適合性做出判斷，以選出較優的模型；

（4）預測：根據建立的模型預測序列的未來趨勢。

2 數據分析

2.1 數據預處理與模型建立

北京市1980-2006年的能源消費量yt因為地區的經濟增長、人民生活水平提高、城市化快速推進等原因而呈明顯的上升趨勢，它并不是一個平穩的序列（見表1）。

ARMA（p，q）模型要求序列必須是白噪聲序列，符合平穩性原則，并且滿足零均值假定，而我們對序列yt進行一階差分后得到序列zt，發現其均值遠大于0，還需要做進一步處理。于是對zt再進行一階差分得到序列z′t，考察發現新的序列z′t的均值接近0值，基本滿足假設條件。表2為序列z′t的自相關和偏相關分析。由此可以看出，除k＝1時自相關系數在置信范圍邊界之外，其余數均處于置信區間以內，我們可以認為序列z′t是純隨機的白噪聲序列，序列諸項之間不存在相關性，并由于其自相關系數很快地趨于0，且均值接近0值，可以認為序列z′t平穩。

根據自相關和偏自相關系數的分析表還可以確定ARIMA（p，q）模型的參數，由表2看出，偏自相關系數除k＝1以外其他值均處于置信區內，所以p＝1；自相關系數在k＝1超出置信區間，而k＝2時也有顯著差異，所以可考慮取q＝1或q＝2。

綜上所述，序列z′t可以建立ARMA（1，1）或ARMA（1，2）模型，下面通過模型的參數估計從這兩個模型中選擇出較優的一個。

2.2 模型的參數估計

ARMA模型進行時間序列預測過程中，最關鍵的是確定模型的結構，即確定自回歸的階次p和移動平均的階次q。自相關和偏相關分析可以預先進行粗略的估計，但該方法僅對于確定純AR模型和純MA模型比較有效，而不能夠精確分出多個混合ARMA模型的優劣。許多的專家和學者對ARMA模型的參數估計進行了研究，并提出一些準則［2］，其中的AIC最小準則（Akaike info criterion）和SC最小化準則（Schwarz criterion）比較常用。

ARMA（1，1）模型和ARMA（1，2）模型參數估計與檢驗的結果表明：滯后多項式的倒數根均在 單位圓內，過程是平穩的。

調整后的R2，ARMA（1，1）模型對應的值為0.173，大于ARMA（1，2）模型的0.146；各自的AIC和SC值，ARMA（1，1）模型對應的分別為11.927和12.025，均小于ARMA（1，2）模型的11.995和12.142，所以可以認為ARMA（1，1）模型更優。

2.3 模型檢驗

參數估計后，應該對ARMA（1，1）模型的適合性進行檢驗，即對模型的殘差序列進行白噪聲檢驗，若殘差序列不是白噪聲序列，意味著殘差序列還存在有用信息沒被提取，需要進一步改進模型。通常側重于檢驗殘差序列的隨機性，即滯后期k≥1，殘差序列的樣本自相關系數應近似為0。常用的方法是χ2檢驗，表3是對ARMA（1，1）模型檢

驗的輸出結果。

檢驗的零假設是殘差序列相互獨立。表3最后兩列用于χ2檢驗，包括Q統計量和檢驗的伴隨概率。該殘差序列樣本n為27，最大滯后期可以取27，約等于5。k＝5對應的檢驗統計量Q值為0.9389，而從對應的概率可以看到拒絕原假設所犯第一類錯誤即α錯誤的概率為0.816，這表明，殘差序列相互獨立即為白噪聲的概率較大，故不能拒絕序列相互獨立的原假設，模型檢驗通過。

2.4 預測結果

前面的模型檢驗表明，針對序列z′t所建立的ARMA（1，1）模型用于北京市能源消費總量預測是合適的。研究思路是先建立ARMA（p，q）模型，再討論ARIMA（p，d，q）模型，而由前面的分析我們知道，序列z′t是序列yt經過兩次差分后得到的，對序列z′t建立ARMA（1，1）模型并進行預測與對序列yt建立ARIMA（1，2，1）模型并進行預測其實是等價的。圖1是1982-2006年北京市能源消費實際值（灰色線）與預測值（黑色線）對比的曲線圖，可以很直觀地看出，模型擬合的效果是不錯的。實際上，除了1984年與2004年預測值與實際值相差5％左右以外①，其余各年份實際值與預測值相差均不超過4％，而其中有17個年份的實際值與預測值相差低于1％②。

3 政策建議

北京市要建設資源節約型城市，促進地區經濟社會和人口、資源、環境的協調發展，就必須走低消耗、低排放、再利用、高效率的循環經濟發展道路。面對未來能源消費的嚴峻形勢必須采取以下措施。

3.1 倡導全面節能觀念

將科學發展觀思想深入貫徹到經濟和社會發展中去，建立和完善節能法規、標準，倡導全面節能觀念；建立“節能降耗減排”的硬約束指標，通過提高能源的效率來削減能源需求 ；積極發展城市公共交通，降低交通能耗；提高居住建筑節能標準，制定并實施公共建筑和工業建筑節能標準；建立嚴格的供熱節能標準，強制推廣節能材料和技術并落實到管理措施中去，同時積極推進采暖供熱收費改革，降低采暖能耗。

3.2 完善能源供應體系，實現多元化能源消費

從能源發展的歷史進程來看，每種能源都可能存在從發展到衰減的趨勢，因此，為了保證能源供應安全，能源消費也要從單純依靠一種能源向使用多種能源轉變。北京應該利用地區優勢要加快太陽能、風能等新興能源利用與開發，同時通過能源結構的調整，完成由以煤炭為主的一元型能源消費模式向天然氣、電力和新能源等多元化的能源消費模式轉變。

3.3 建立以價格杠桿和市場為導向的長效節能機制

改革能源價格的形成機制和價格結構，完善和細化能源梯次價格，限制低成本能源消費，讓市場機制形成能源的合理價格，充分體現能源開發過程中的環境成本，體現資源的稀缺程度和市場供求關系；大力發展專業化節能服務公司，走節能服務市場化之路。利用市場機制挖掘節能潛力，促進節能產業的興起與形成，形成有效的市場化節能運作機制。改變節能改造大都由企業自身實施的狀況，由專業的節能服務公司負責企業節能項目的投資、設計、購置、安裝、監測等一系列工作，克服企業在節能改造中遇到的財務投資和技術成果轉化等難題，使長效節能理念市場化、專業化。

(編輯：李 琪)

參考文獻（References）

［1］王燕.應用時間序列分析［M］.北京:中國人民大學出版社.2005.44 ［Wang Yan.Applied Time Series Analysis［M］.Beijing: China Renmin university press，2005.44.］

［2］北京市統計局.北京統計年鑒2007［M］.中國統計出版社，2007.10.［Beijing Statistical Bureau. Beijing Statistical Yearbook 2007［M］.China Statistics Press，2007.10.］

［3］北京市統計局.北京五十年［M］.中國統計出版社，2000.7.［Beijing Statistical Bureau. Fifty Years of Beijing［M］.China Statistics Press，2000.7.］

［4］Steve B，Cyril O. A Comparison of BoxJenkins and Objective Methods for Determining the Order of Nonseasonal ARMA Model［J］.Journal of Forecasting，1994，13: 419～434.

Forecast of Energy Consumption of Beijing

and Its Policy Recommendations

ZHANG Feng1，2 LIU Wei3

（1.College of Management，Ocean University of China，Qingdao Shandong 266071，China;

2. Public Management College，Shandong Economic University，Jinan Shandong 250014，China; 3.Institute of Population

Research，Renmin University of China，Be ijing 100080，China ）

Abstract The total amount of energy consumption is the amount of energy consumed by variant social lines and denizen in some area and some time. The energy resource of Beijing is limited and difficult to afford itself. In 2006，Beijing was the second city of energy consumption in the country. The contradiction of large demand and limit supply has restricted the sustainable development of Beijing. After built an ARIMA (Autoregressive Integrated Moving Average)（1，2，1） Model，we conducted a shortterm energy consumption forecast within the period of 2007-2015 on Beijing. The results showedthat future energy consumption growth of Beijing was accelerating，which was a major challenge for Beijing's objective of constructing resourcessaving and environmentfriendly cities. To resolve this problem，some suggestions were given as follows: encourage the allaround energysaving belief， make the energyproviding system more perfect and make the energy consumption more variant and develop longterm effective mechanism oriented by the price and market.

Key words energy consumption; forecast; ARIMA Model