基于自助法的我國清潔能源需求預(yù)測

梁慧琛

(北京歐特科新技術(shù)有限公司，北京100085)

基于自助法的我國清潔能源需求預(yù)測

梁慧琛

(北京歐特科新技術(shù)有限公司，北京100085)

以我國歷年能源消費量為基礎(chǔ)，利用加速遺傳算法建立了生命回旋預(yù)測模型(LC)。為了進一步刻畫預(yù)測模型計算值的不確定性，提高預(yù)測模型的準(zhǔn)確性，運用自助法對計算誤差進行重抽樣，建立了基于自助法的能源消費量生命回旋預(yù)測模型(LC-B)，并結(jié)合相關(guān)政策預(yù)測2020年我國清潔能源需求總量。研究結(jié)果表明，2020年，我國清潔能源需求量將到達4.96億～8.51億tce。

清潔能源；需求預(yù)測；生命回旋；自助法；加速遺傳算法

0 引 言

隨著經(jīng)濟社會的高速發(fā)展，能源短缺和環(huán)境污染已經(jīng)成為我國實行可持續(xù)發(fā)展戰(zhàn)略過程中必須解決的重大問題[1- 4]。在哥本哈根世界氣候變化大會上，我國政府作出了減少碳排放量的承諾，準(zhǔn)確預(yù)測了清潔能源的需求量，為我國合理制定能源發(fā)展戰(zhàn)略提供科學(xué)依據(jù)。許多主要能源具有不可再生性，能源產(chǎn)量峰值觀點由此提出。Feng等[5]基于石油峰值模型對我國石油儲備進行的預(yù)測和分析結(jié)果顯示，我國的石油開發(fā)量在不久后將達到高峰并逐漸減少。而伴隨著主要能源生產(chǎn)量的減少，我國勢必會控制能源消費量的增長。同時，加之科技進步促使能源利用效率的提高，我國能源消費總量將出現(xiàn)一個峰值。翁文波[6]提出的生命回旋模型(Life Circle Model，LC)用來描述事物的出生、成長、成熟、衰退的發(fā)展過程，而我國能源消費量具有類似的發(fā)展變化特征，用其進行能源消費量預(yù)測具有科學(xué)依據(jù)。然而，能源消費量受經(jīng)濟、人口、城市化率及產(chǎn)業(yè)結(jié)構(gòu)等眾多因素影響[7- 8]，其變化是一個高維非線性動態(tài)過程，帶有很大的不確定性，故以置信區(qū)間的形式表示能源消費量的預(yù)測值將更為科學(xué)、準(zhǔn)確。Efron等[9-10]提出的自助法(Bootstrap Method)無需對未知分布進行任何假設(shè)，通過對小樣本的重抽樣來模擬未知總體分布，已成為處理不確定性問題的有效方法[11-13]。基于此，本文建立了基于自助法的能源消費量生命回旋預(yù)測模型(Life Circle Model Based On Bootstrap Method，LC-B)，即在LC模型的基礎(chǔ)上，利用自助法獲取其計算誤差的分布情況，進而給出在一定置信度下能源消費量預(yù)測值的置信區(qū)間，用LC-B模型預(yù)測我國2020年能源消費總量，再結(jié)合我國提出的節(jié)能減排政策，求得相應(yīng)的清潔能源需求總量。

1 LC-B模型的建立

LC-B模型的建立包括能源消費量LC模型的建立、基于自助法的重抽樣樣本的生成以及我國能源消費量預(yù)測3個部分。

1.1 LC模型

以中國統(tǒng)計年鑒[14]中1985年～2006年的能源消費量為基礎(chǔ)建立模型，2007年、2008年數(shù)據(jù)用于模型檢驗。能源消費量序列xt=x(t)的變化趨勢可表示為

zt=ATne-T+D

(1)

式中，A為系數(shù)；n≥0；D為常數(shù)；T=(y-y0)/c，y為計算年份，y0為起始年份，系數(shù)c>0。

根據(jù)王安建[15]對我國能源消費零增長的研究，假定我國在2050年前出現(xiàn)能源消費頂峰，并以此為基礎(chǔ)確定各參數(shù)的優(yōu)化區(qū)間，利用加速遺傳算法[16]求解下式

(2)

式中，Q為優(yōu)化目標(biāo)函數(shù)；zt為模型計算值；xt為序列實測值。從而可得

zt=7.665 697 4T4.286 159 5e-T+9.448 089 2
T=(y-1984)/12.803 218 1 (y>1984)

(3)

LC模型趨勢項z(t)計算值及能源消費實際值對比見圖1。從圖1可以看出，LC模型的趨勢z(t)發(fā)展由慢變快，達到峰值后逐漸衰減。我國能源消費量也經(jīng)歷了一個緩慢增長期，從2000年到現(xiàn)在，能源消費量正處于快速攀升階段。隨著主要能源開發(fā)量的減少以及科技水平促使能源利用效率的提高，我國的能源消費量將進入頂峰并逐漸緩慢下降。

圖1 LC模型趨勢項z(t)計算值及能源消費實際值對比

然而，LC模型趨勢項z(t)反映的是能源消費量的總體趨勢，實際的能源消費量將在此趨勢的基礎(chǔ)上波動，可用二階自回歸模型AR(2)來描述，即

rt=1.794 927 6rt-1-0.910 945 6rt-2+μt

(4)

式中，rt、rt-1、rt-2分別為LC模型在t年、(t-1)年、(t-2)年的波動項；μt為白噪聲序列。

圖2 LC模型波動項r(t)的實際值和計算值對比

年份實際值/億tceLC模型計算值/億tce誤差/%19878.6638.631-0.03219889.3009.3000.00019899.6939.9310.23819909.87010.0790.209199110.37810.066-0.312199210.91710.851-0.066199311.59911.398-0.201199412.27412.183-0.091199513.11812.832-0.286199613.89513.804-0.091199713.78014.5120.732199813.22113.6900.469199913.38312.897-0.486200013.85513.811-0.044200114.32014.6380.318200215.18015.1800.000200317.49916.448-1.051200420.32319.985-0.338200522.46823.1080.640200624.62724.562-0.065200726.55826.6650.107200829.10028.546-0.554

1.2 基于自助法的重抽樣樣本的生成

(5)

(6)

1.3 能源消費量預(yù)測

(7)

(8)

根據(jù)累積概率的數(shù)學(xué)期望公式[17]，可得預(yù)測t年能源消費量在置信水平α下的置信區(qū)間為

(9)

2 我國能源消費總量預(yù)測

從表2中可知，重抽樣B=999、9999、99 999次時的置信區(qū)間及均值相接近，說明LC-B模型計算結(jié)果較為穩(wěn)定。取B=99 999次時的計算結(jié)果為2020年我國能源消費量的最終預(yù)測值，即為47.298億～47.639億tce。

表2 能源消費量預(yù)測值置信區(qū)間

3 我國清潔能源需求總量預(yù)測

化石能源的碳排放量可以用下式進行估算[18]

E=β1Qc+β2Qf+β3Qg

(10)

式中，Qc、Qf、Qg分別為煤炭、石油、天然氣的消費量；β1、β2、β3分別為煤炭、石油、天然氣的碳排放系數(shù)，以各個機構(gòu)所確定的值為依據(jù)，取其平均值用于計算。

利用式(10)計算得2005年我國碳排放量為14.27億t。根據(jù)我國提出到2020年單位GDP二氧化碳排放量比2005年減少40%～45%的減排目標(biāo)，以2005年、2020年我國GDP總量分別為18.32萬億、60.95萬億元(假定2010年～2015年GDP年增長8.0%，2016年～2020年GDP年增長7.0%，按2005年價格計算)為基礎(chǔ)，得到2020年我國碳排放量為26.12億～28.49億t。根據(jù)我國1978年～2008年的能源結(jié)構(gòu)變化趨勢，同時結(jié)合我國《可再生能源中長期發(fā)展規(guī)劃》、《能源發(fā)展“十一五”規(guī)劃》及姜克雋等[19]的研究成果，設(shè)定2020年我國石油、天然氣消費量占能源消費總量的20%、6%，再據(jù)式(10)可計算得出在不同減排目標(biāo)下清潔能源的需求總量，計算結(jié)果見表3。從表3可知，2020年我國清潔能源需求量將達到4.96億～8.51億tce。文獻[19]預(yù)測2020年我國能源消費量為48.17億tce，與本文計算得的47.30億～47.64億tce結(jié)果接近，且本文提出的2020年我國清潔能源消費量占能源消費總量的比例也與我國規(guī)劃目標(biāo)15%及現(xiàn)狀10%相接近。因此，本文的清潔能源需求量預(yù)測結(jié)果具有一定的可靠性。

表3 2020年我國清潔能源需求量

4 結(jié) 論

根據(jù)我國能源消費量特征及能源峰值觀點，利用加速遺傳算法建立了生命回旋預(yù)測模型，針對能源消費量的不確定性，建立了基于自助法的生命回旋預(yù)測模型(LC-B)，給出了2020年我國能源消費總量的預(yù)測區(qū)間，相比于以往單個實數(shù)值的預(yù)測結(jié)果更為合理。2020年，我國能源消費總量在置信水平為5%下的置信區(qū)間為[47.2978，47.6387]。LC-B物理概念清晰，計算簡便，預(yù)測精度高，在各類能源預(yù)測中具有推廣應(yīng)用價值。

[1] 江凱, 楊美英. 全球新能源發(fā)展模式及對我國的啟示[J]. 水電能源科學(xué), 2010, 28(1)： 151- 154, 53．

[2] 鄭鑫, 楊靜, 王利生. 我國化石能源燃燒產(chǎn)生的CO2排放量預(yù)測[J]. 水電能源科學(xué), 2009, 27(5)： 224- 227．

[3] 國家發(fā)展和改革委員會能源研究所課題組. 中國2050年低碳發(fā)展之路： 能源需求暨碳排放情景分析[M]. 北京： 科學(xué)出版社, 2009．

[4] 付加鋒, 蔡國田, 張雷. 基于GM和BP網(wǎng)絡(luò)的我國能源消費量組合預(yù)測模型[J]. 水電能源科學(xué), 2006, 24(2)： 1- 4．

[5] FENG L, LI J, PANG X. China’s oil reserve forecast and analysis based on peak oil models[J]. Energy Policy, 2008, 36(11)： 4149- 4153．

[6] 翁文波. 預(yù)測論基礎(chǔ)[M]. 北京： 石油工業(yè)出版社, 1984．

[7] LIU Y. Exploring the relationship between urbanization and energy consumption in China using ARDL (autoregressive distributed lag) and FDM (factor decomposition model)[J]. Energy, 2009, 34(11)： 1846- 1854．

[8] FENG T, SUN L, ZHANG Y. The relationship between energy consumption structure, economic structure and energy intensity in China[J]. Energy Policy, 2009, 37(12): 5475- 5483．

[9] EFRON B, TIBSHIRANI R J. An introduction to the Bootstrap[M]. New York: Chapman & Hall, 1993．

[10] CHERNICK M R. Bootstrap methods: a guide for practitioners and researchers[M]. Hoboken: John Wiley & Sons, Inc., 2008．

[11] 郝善勇, 劉玉樹. 基于樣本數(shù)據(jù)重抽樣的時序數(shù)據(jù)預(yù)報方法[J]. 北京理工大學(xué)學(xué)報, 2000, 20(5)： 581- 584．

[12] 戴邵武, 高華明, 肖支才. 基于自助法的小樣本數(shù)據(jù)分析方法研究[J]. 海軍航空工程學(xué)院學(xué)報, 2009, 24(1)： 27- 30．

[13] 劉文忠. 自助法統(tǒng)計推斷的基本原理及應(yīng)用[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報, 2004, 24(2)： 164- 168．

[14] 中華人民共和國統(tǒng)計局. 中國統(tǒng)計年鑒： 2009[M]. 北京： 中國統(tǒng)計出版社, 2009．

[15] 王安建. 描繪中國能源戰(zhàn)略的未來圖景[N]. 科學(xué)時報, 2009-10-27(A4)．

[16] 金菊良, 魏一鳴. 復(fù)雜系統(tǒng)廣義智能評價方法與應(yīng)用[M]. 北京： 科學(xué)出版社, 2008．

[17] 金光炎. 水文水資源隨機分析[M]. 北京： 中國科學(xué)技術(shù)出版社, 1993．

[18] 孟昭利. 企業(yè)能源審計方法[M]. 北京： 清華大學(xué)出版社, 2002．

[19] 姜克雋, 胡秀蓮, 莊幸, 等. 中國2050年低碳情景和低碳發(fā)展之路[J]. 中外能源, 2009, 14(6)： 1- 7．

PredictionofCleanEnergyDemandinChinaBasedonBootstrapMethod

LIANG Huichen

(OTEC Engineering Co., Ltd., Beijing 100085, China)

Based on the energy consumption in China in past years, the Life Cycle model (LC) is established by using Accelerated Genetic Algorithm. In order to further characterize the uncertainty of calculated value of the model and improve the accuracy of model, the Bootstrap method is used to re-sample the calculation deviation, and then the energy consumption Life Circle model based on Bootstrap method (LC-B) is established. Combined with relevant policy, China’s demand for clean energy in 2020 is forecasted. The results show that the demand for clean energy in China will reach 4.96 billion -8.51 billion tce in 2020．

clean energy; demand forecasting; life cycle; Bootstrap method; Accelerating Genetic Algorithm

F224；F206

A

0559- 9342(2017)09- 0097- 04

2017- 05- 09

梁慧琛(1986—)，女，廣東江門人，工程師，碩士，主要從事水利水電工程技術(shù)咨詢、設(shè)計工作．

(責(zé)任編輯楊 健)