《能源需求模型研究分析》由會(huì)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(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、b 1.2.2 能源需求預(yù)測(cè)模型研究進(jìn)展 近年來(lái)，國(guó)內(nèi)外學(xué)者運(yùn)用不同的能源需求模型和方法對(duì)全球、 國(guó)家、地區(qū)及 部門尺度的能源系統(tǒng)發(fā)展趨勢(shì)進(jìn)行了大量的預(yù)測(cè)，也有不少文獻(xiàn)對(duì)這些模型和方 法進(jìn)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(duì)能源需求預(yù)測(cè)模型的分類也有所差異。其中， Suga nthi L等將 能源需求預(yù)測(cè)模型分為以下十二種類型：時(shí)間序列模型、回歸模型、計(jì)量經(jīng)濟(jì)模 型、分解模型、單位根檢驗(yàn)及協(xié)整模型、ARIMA模

2、型、專家模型及ANN模型、 灰色預(yù)測(cè)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(jī)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(cè)的相關(guān)文獻(xiàn)使用的 預(yù)測(cè)方法，主要集中在ANN模型、模糊邏輯算法、時(shí)間序列模型、灰色預(yù)測(cè)、 ARMA/ARIMA/SARIMA 模型、回歸模型、支持向量機(jī)、遺傳算法、計(jì)量經(jīng)濟(jì)模 型、系統(tǒng)動(dòng)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(cè)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(jì)學(xué)方法、 計(jì)算機(jī)智能和 數(shù)學(xué)規(guī)劃三大類，混合模型則是通過(guò)不同的單一模型方法加以組合進(jìn)行預(yù)測(cè) (Debnath K B, et al, 2018)。趙國(guó)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(duì)能源預(yù)測(cè)模型進(jìn)行了綜述(趙春富等 ，2015)。 本文認(rèn)為，能源需求模型進(jìn)行預(yù)測(cè)時(shí)選擇的方法， 可分為兩大類：趨勢(shì)外推 法和情景分析法。 趨勢(shì)外推法是基于歷史發(fā)展趨勢(shì)，從現(xiàn)狀出發(fā)，根據(jù)人們對(duì)過(guò)去發(fā)展趨勢(shì)的 認(rèn)識(shí)，推測(cè)未來(lái)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(jì)模型對(duì)能源需 求進(jìn)行預(yù)測(cè)，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(fèi)彈性系數(shù)法 能源消費(fèi)彈性系數(shù)是能源消費(fèi)增長(zhǎng)速度與國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)速度的比值， 該 指標(biāo)可以宏觀地反應(yīng)該地區(qū)國(guó)民經(jīng)濟(jì)發(fā)展與能源消費(fèi)的統(tǒng)計(jì)規(guī)律。 能源消費(fèi)彈性 系數(shù)越大，代表經(jīng)濟(jì)發(fā)展對(duì)能源需求的依賴程度越大； 反之，能源消費(fèi)彈性系數(shù) 越小，則代表經(jīng)濟(jì)發(fā)展對(duì)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(fèi)彈性系數(shù)有一個(gè)大體比較穩(wěn)定的數(shù)值范圍。通過(guò)分析總結(jié)歷史的經(jīng)濟(jì)增長(zhǎng) 與能源消費(fèi)增長(zhǎng)的關(guān)系，推測(cè)未來(lái)的能源彈性系數(shù)，并通過(guò)對(duì)經(jīng)濟(jì)發(fā)展速度的

5、預(yù) 測(cè)，得到預(yù)測(cè)期內(nèi)的能源需求增長(zhǎng)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(lái)預(yù)測(cè)年份的經(jīng)濟(jì)發(fā)展趨勢(shì)與過(guò)去相比無(wú)明顯的改變。 如果假設(shè) 成立，則預(yù)測(cè)結(jié)果比較準(zhǔn)確。在實(shí)際預(yù)測(cè)中，由于近年來(lái)經(jīng)濟(jì)結(jié)構(gòu)、能源消費(fèi)結(jié) 構(gòu)的調(diào)整等因素，一般都需要對(duì)能源消費(fèi)彈性系數(shù)做一些修正， 再用來(lái)預(yù)測(cè)未來(lái) 的能源消費(fèi)量。對(duì)于未來(lái)能源消費(fèi)彈性系數(shù)的確定， 一般有兩種方法，一種是平 均增長(zhǎng)速度方法，另一種是相關(guān)分析方法，在實(shí)際預(yù)測(cè)中根據(jù)實(shí)際情況選取。能 源消費(fèi)彈性系數(shù)法操作簡(jiǎn)單，但該方法的缺陷是理論上沒(méi)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(guó)原油、成品油供需的現(xiàn)狀的 基礎(chǔ)上，對(duì)

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

7、用于許多經(jīng)濟(jì) 時(shí)間序列的長(zhǎng)期粗略預(yù)測(cè)。確定性趨勢(shì)雖然控制了時(shí)間序列的基本樣式， 但畢竟 不是時(shí)間序列變動(dòng)的全貌，因而其預(yù)測(cè)結(jié)果往往不準(zhǔn)確。隨機(jī)時(shí)間序列包括平穩(wěn) 隨機(jī)時(shí)間序列和非平穩(wěn)隨機(jī)時(shí)間序列。對(duì)于平穩(wěn)性隨機(jī)過(guò)程的描述可建立多種形 式的時(shí)序模型，如指數(shù)平滑法、趨勢(shì)線預(yù)測(cè)法、自回歸模型（ AR）、移動(dòng)平均模 型（MA ）以及自回歸平均移動(dòng)模型（ARMA ）等。當(dāng)隨機(jī)過(guò)程是非平穩(wěn)時(shí)間序 列時(shí)，大多數(shù)都表現(xiàn)有趨勢(shì)性特征，要先消除趨勢(shì)，將隨機(jī)序列平穩(wěn)化，再運(yùn)用 平穩(wěn)隨機(jī)時(shí)間序列的方法去實(shí)現(xiàn)。薛智韻等分析得出我國(guó)石油需求序列是有確定 趨勢(shì)的非平穩(wěn)時(shí)間序列，選擇最小二乘法分兩步建立模型，并對(duì)模型預(yù)測(cè)精度

8、和 穩(wěn)定性作了評(píng)價(jià)，應(yīng)用模型對(duì)我國(guó)2006-2020年的石油需求進(jìn)行了預(yù)測(cè)（薛智韻 等，2006）。但如果對(duì)非平穩(wěn)序列作平穩(wěn)化處理，又會(huì)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(shí)間序列方法，即確定性加隨機(jī)性時(shí)間 序列組合模型。時(shí)間序列組合模型用確定性模型描述序列中確定性趨勢(shì)的變動(dòng)規(guī) 律，用隨機(jī)性模型來(lái)刻畫序列中隨機(jī)變動(dòng)的一般規(guī)律， 因而用這種模型來(lái)預(yù)測(cè)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(jī)性時(shí) 間序列組合模型對(duì)我國(guó)能源需求進(jìn)行預(yù)測(cè)，并對(duì)模型預(yù)測(cè)精度和參數(shù)穩(wěn)定性作了 評(píng)價(jià)，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(cè)方法； 最后用該

9、模型 對(duì)我國(guó)2004-2020年能源需求進(jìn)行了預(yù)測(cè)（盧二坡，2005）。 1.2.2.3 灰色預(yù)測(cè)模型 灰色系統(tǒng)理論是20世紀(jì)80年代由我國(guó)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(wèn)題的方法，由于其具有很高的擬和精度，近二十幾年來(lái) 得到了廣泛的研究和應(yīng)用（鄭照寧等，2004）。灰色系統(tǒng)理論是從信息的非完備 性出發(fā)來(lái)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(guò)對(duì)系統(tǒng)某一層次的觀測(cè)資料加以數(shù)學(xué)處理， 達(dá)到在更高層次上了 解系統(tǒng)內(nèi)部變化趨勢(shì)、相互關(guān)系等機(jī)制的理論?；疑A(yù)測(cè)法就是將原始離散數(shù)據(jù) 進(jìn)行生成的有效處理方法，通過(guò)累加作用抵消和減弱隨機(jī)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(cè)模型?；疑A(yù)測(cè)模型一般預(yù)測(cè)一個(gè) 區(qū)間，而不是一個(gè)點(diǎn)，預(yù)測(cè)區(qū)間的大小與預(yù)測(cè)精度成反比， 而與預(yù)測(cè)成功率成正 比。 圖1.1 GM(1,1)模型的預(yù)測(cè)流程 一個(gè)n階、h個(gè)變量的灰色模型記為 GM(n,h)模型。對(duì)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(cè)模型，一般采用GM(n,1) 模型，即只考慮一個(gè)變量。n—般在3以下，n越大，雖然內(nèi)涵可能越豐富，但 計(jì)算太繁瑣，且階次過(guò)高的系統(tǒng)其特征方程的求解也困難， 計(jì)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(jì)算

11、簡(jiǎn)單， 取n=1，在預(yù)測(cè)時(shí)也是可行的。GM(1,1)模型是當(dāng)前應(yīng)用范圍較廣并取得了顯著 成效的一種灰色動(dòng)態(tài)預(yù)測(cè)模型，被看作是灰色系統(tǒng)中的核心模型。在進(jìn)行能源需 求預(yù)測(cè)時(shí)，采用GM(1,1)模型的實(shí)質(zhì)是對(duì)原始年能源消費(fèi)時(shí)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(duì)系統(tǒng)進(jìn) 行預(yù)測(cè)。其預(yù)測(cè)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(dòng)機(jī)理來(lái)對(duì)客觀事物進(jìn)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(jì)算模型，稱為MP模型。他們通過(guò)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(gè)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(shí)代。經(jīng)過(guò)數(shù)十年的發(fā)展，至20世紀(jì)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(diǎn)。近年來(lái)隨著人工神經(jīng)網(wǎng)絡(luò)研究的不斷深入， 在模式識(shí)別、智能機(jī)器人、自動(dòng)控制、預(yù)測(cè)估計(jì)、生物、醫(yī)學(xué)、經(jīng)濟(jì)等領(lǐng)域已經(jīng) 得到了很好的應(yīng)用，解決了大量實(shí)際問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)是一個(gè)具有高度非線性 的超大規(guī)模連續(xù)時(shí)間動(dòng)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(duì)人腦組織結(jié)構(gòu)和運(yùn)行機(jī)制的某種抽象、簡(jiǎn)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(dòng)，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(chǔ)存等功能，并具有很 強(qiáng)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(guò)一定的拓?fù)浣Y(jié)構(gòu)連接起來(lái)，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(jiǎn)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(guò)程中，會(huì)進(jìn)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(hào)依特 定的方向傳播。 人工神經(jīng)網(wǎng)絡(luò)運(yùn)行的一項(xiàng)重要內(nèi)容就是按照一定的規(guī)則進(jìn)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(biāo)志之一。 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程一般是，首先設(shè)定初始 權(quán)值（如果無(wú)先驗(yàn)的知識(shí)，初始權(quán)值可設(shè)定為隨機(jī)值），接著輸入樣本數(shù)據(jù)進(jìn)行 學(xué)習(xí)，參照評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行評(píng)判，如果達(dá)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(jìn)行學(xué)習(xí)，直至達(dá)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(jìng)爭(zhēng)性學(xué)習(xí)等。 當(dāng)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?fù)浣Y(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?fù)浣Y(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(zhǎng)速度等社會(huì)經(jīng)濟(jì)因素對(duì)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(shí)序-神經(jīng)網(wǎng)絡(luò)模 型，利用該模型對(duì)能源產(chǎn)量進(jìn)行了預(yù)測(cè)(馮述虎等， 2

16、003)。 與趨勢(shì)外推法不同的是，情景分析法認(rèn)為未來(lái)并不只是簡(jiǎn)單地沿襲過(guò)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(lái)可能發(fā)生的變化，固定未來(lái)的 不同情景目標(biāo)，模擬實(shí)現(xiàn)未來(lái)目標(biāo)需要從現(xiàn)在到未來(lái)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(huì)發(fā)生的情景時(shí)，可能參考?xì)v史發(fā)展情況、 未來(lái)社會(huì)經(jīng)濟(jì)發(fā)展的目標(biāo)規(guī)劃。以下幾種模型和方法多采用情景分析法進(jìn)行能源 預(yù)測(cè)： 1.2.2.5 投入產(chǎn)出模型 投入產(chǎn)出分析是由美國(guó)經(jīng)濟(jì)學(xué)家沃西里 列昂惕夫(Wassily Leontief)于20 世紀(jì)30年代首次提出的，是用以研究和分析國(guó)民經(jīng)濟(jì)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(gè)模擬現(xiàn)實(shí)的國(guó)民經(jīng)濟(jì)結(jié)構(gòu)和社會(huì)產(chǎn)品再生產(chǎn)過(guò)程的經(jīng)濟(jì)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(jià)值，包 括物質(zhì)消耗、勞動(dòng)報(bào)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(fèi) 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(dòng)

18、報(bào)酬 固定資產(chǎn)折舊 第川象限 生產(chǎn)稅 營(yíng)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(lái)進(jìn)行經(jīng)濟(jì)分析、政策模擬、計(jì)劃論 證和經(jīng)濟(jì)預(yù)測(cè)。靜態(tài)投入產(chǎn)出模型不考慮時(shí)間因素，只反映一個(gè)確定時(shí)期內(nèi)的經(jīng) 濟(jì)數(shù)量關(guān)系；而動(dòng)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(huì)經(jīng)濟(jì)活動(dòng)。后者在理論基礎(chǔ)上存在爭(zhēng)論，模型運(yùn)算過(guò)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(biāo)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(yùn)用投入產(chǎn)出模型研究了荷蘭 1969-19

19、89年 間的能源強(qiáng)度變化趨勢(shì)（Harry C. Willti ng等，1998）。Vice nt Alca ntara等運(yùn)用 一個(gè)投入產(chǎn)出結(jié)構(gòu)化分解分析模型對(duì)歐盟國(guó)家的能源強(qiáng)度進(jìn)行了比較 （Alca ntara Vice nt, 2004）。羅向龍等利用投入產(chǎn)出模型對(duì)某大型石化企業(yè)進(jìn)行了生產(chǎn)結(jié)構(gòu) 系統(tǒng)分析，通過(guò)給定各產(chǎn)品的指標(biāo)來(lái)預(yù)測(cè)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(qiáng)度 變化的各種社會(huì)經(jīng)濟(jì)因素，結(jié)合情景分析，定量地分析了社會(huì)經(jīng)濟(jì)發(fā)展因素對(duì)能 源需求和能源強(qiáng)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(shí)際情況把國(guó)民經(jīng)濟(jì)按部門劃分， 利用能源消費(fèi)量與經(jīng)濟(jì)發(fā)展 速度之間的關(guān)系，使用單位產(chǎn)值能源消費(fèi)量來(lái)綜合反映各部門能源消費(fèi)量的技術(shù) 水平和管理水平。該方法把國(guó)民經(jīng)濟(jì)現(xiàn)狀作為分析和計(jì)算的出發(fā)點(diǎn)， 應(yīng)用基年的 產(chǎn)值水平及能源消費(fèi)量等參數(shù)，在假定了各部門的產(chǎn)值增長(zhǎng)速度與單位產(chǎn)值能耗 變化率后，就可預(yù)測(cè)出各部門能源消費(fèi)需求量、 總能源需求量和增長(zhǎng)趨勢(shì)。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(fèi)總量，Ei為部門i的能源消費(fèi)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(xì)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(zhǎng)、人民消費(fèi)水平提高、消費(fèi)結(jié)構(gòu)變化以及各種政策等因素對(duì)于部門 能源消費(fèi)量的影響，并作出定量估計(jì)。法國(guó)IEPE(the Institute of Energy Policy and Economics) 20世紀(jì)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(jì)模型。它建立在對(duì)一定時(shí)期內(nèi)社會(huì)經(jīng)濟(jì)、人口、技術(shù)的一系列假設(shè)的基礎(chǔ)上， 通過(guò)對(duì)能源需求變化的仿真來(lái)預(yù)測(cè)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(yùn)輸、居民消費(fèi)、服務(wù)業(yè)和農(nóng)業(yè) 5個(gè)部分，在世

22、界上100多個(gè)國(guó)家和地 區(qū)得到了應(yīng)用。Bruno Lapillonne等應(yīng)用 MEDEE模型預(yù)測(cè)了美國(guó)1985--2000年 的能源需求(Bruno Lapillonne等，1980)。傅月泉等應(yīng)用 MEDEE模型對(duì)江西省 中長(zhǎng)期能源需求進(jìn)行預(yù)測(cè)，反復(fù)對(duì)情景變量的設(shè)置及經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)等宏觀 經(jīng)濟(jì)指標(biāo)進(jìn)行調(diào)整后，得出了比較可行的預(yù)測(cè)結(jié)果(傅月泉等， 1994)。 122.7 系統(tǒng)動(dòng)力學(xué)模型 系統(tǒng)動(dòng)力學(xué)(System Dynamics,SD)是由美國(guó)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(gè)領(lǐng)域。反饋控制理論是系統(tǒng)動(dòng)力學(xué)的主要理論基 礎(chǔ)，系統(tǒng)動(dòng)力學(xué)在對(duì)系統(tǒng)的認(rèn)識(shí)方面特別強(qiáng)調(diào)系統(tǒng)的反饋結(jié)構(gòu)。 系統(tǒng)動(dòng)力學(xué)的主 要目的是為實(shí)際問(wèn)題改進(jìn)或設(shè)計(jì)策略，并可以在計(jì)算機(jī)上借助仿真技術(shù)來(lái)進(jìn)行社 會(huì)經(jīng)濟(jì)的政策模擬實(shí)驗(yàn)。 系統(tǒng)動(dòng)力學(xué)著重于描述系統(tǒng)的結(jié)構(gòu)， 是一個(gè)結(jié)構(gòu)仿真模型，強(qiáng)調(diào)系統(tǒng)發(fā)展過(guò) 程中的行為和發(fā)展趨勢(shì)。模型具有高階數(shù)、多回路和非線性的特點(diǎn)。社會(huì)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(diǎn)，系統(tǒng)動(dòng)力學(xué)可以將復(fù) 雜的組合關(guān)系表達(dá)出來(lái)，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(jì)算機(jī)容量的限制。系統(tǒng)動(dòng)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(dòng)力學(xué)解決問(wèn)題的主要步驟大體可分為五步，首先要用系統(tǒng)動(dòng)力學(xué)的理 論、原理和方法對(duì)研究對(duì)象進(jìn)行系統(tǒng)分析； 其次進(jìn)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(jī)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(dòng)力學(xué)理論為指導(dǎo)借助模型進(jìn)行模擬與政策分析， 可進(jìn)一步剖析系 統(tǒng)得到更多的信息，發(fā)觀新的問(wèn)題然后反過(guò)來(lái)再修改模型；第五步檢驗(yàn)評(píng)估模型。 系統(tǒng)動(dòng)力學(xué)把研究對(duì)象看作具有復(fù)雜反饋結(jié)構(gòu)、隨時(shí)間變化的動(dòng)態(tài)系統(tǒng)，通 過(guò)系統(tǒng)分析繪制出表示系統(tǒng)結(jié)構(gòu)和動(dòng)態(tài)的系統(tǒng)流程圖，然后把個(gè)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(yùn)用計(jì)算機(jī)進(jìn)行仿真試驗(yàn)，最后預(yù)測(cè)系統(tǒng) 未來(lái)發(fā)展變化。

25、國(guó)內(nèi)也有不少學(xué)者應(yīng)用這一方法進(jìn)行能源系統(tǒng)的仿真與預(yù)測(cè) （秦 鐘等，2008;李連德，2009;呂濤等，2015）。由于該方法分析過(guò)程復(fù)雜，工作 量大，且對(duì)于分析人員能力要求較高，所以不適用于短期預(yù)測(cè)，而對(duì)于遠(yuǎn)期預(yù)測(cè)， 具有明顯的優(yōu)勢(shì)。 122.8 回歸分析法 在利用回歸分析進(jìn)行能源預(yù)測(cè)時(shí)，多采用一元線性回歸或多元線性回歸。 對(duì) 于較為簡(jiǎn)單的一元線性回歸，多用直線方程對(duì)兩個(gè)變量進(jìn)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(gè)自變量對(duì)于因變量的影響， 預(yù)測(cè)結(jié)果比較 片面，在實(shí)際預(yù)測(cè)中往往考慮多個(gè)自變量，進(jìn)行多元線性回歸分析。 例如，進(jìn)行能源預(yù)測(cè)時(shí)，考慮到能源消費(fèi)與人口增長(zhǎng)，經(jīng)濟(jì)發(fā)

26、展關(guān)系密切， 以能源消費(fèi)量（Yt）為被解釋變量，以人口（ Xti）及國(guó)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(xiàng)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(xiàng)相互獨(dú)立，即 EX"0 （1.4） 假定3解釋變量之間線性無(wú)關(guān)。 假定4解釋變量是非隨機(jī)的。 在上述假定條件下，采用普通最小二乘（ OLS）估計(jì)法估計(jì)參數(shù)值，即 b =（X'X）」X'Y，代入過(guò)去若干年的能源消費(fèi)量、人口、國(guó)內(nèi)生產(chǎn)總值數(shù)據(jù)

27、，建 立能源消費(fèi)量的多元回歸模型，再進(jìn)行t檢驗(yàn)和F檢驗(yàn)，檢驗(yàn)?zāi)Ｐ涂煞裼糜陬A(yù)測(cè)。 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(lái)GDP和人口的發(fā)展情 況進(jìn)行能源需求預(yù)測(cè)；也可以按照擬合的方程直接進(jìn)行趨勢(shì)外推來(lái)預(yù)測(cè)。 由于許多隨機(jī)因素影響經(jīng)濟(jì)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(diǎn)，而是會(huì)有所偏離，因此必須對(duì)模型進(jìn)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(qiáng)應(yīng)用協(xié)整理論和誤差修正模型分析了中國(guó)能源需求的決定因素， 發(fā)現(xiàn) 能源總消費(fèi)、GDP、能源價(jià)格、經(jīng)濟(jì)結(jié)構(gòu)對(duì)能源需求具有顯著影響，同時(shí)對(duì)未來(lái) 我國(guó)能源的需求進(jìn)行

28、了預(yù)測(cè)（林伯強(qiáng)，2001）。Franco M等應(yīng)用協(xié)整理論對(duì)變量 進(jìn)行了協(xié)整分析和平穩(wěn)性檢驗(yàn)，建立了誤差修正模型，并用該方法對(duì)Venezuelan 電力系統(tǒng)2004-2024年的電力需求進(jìn)行了預(yù)測(cè)（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(cè)模型的優(yōu)缺點(diǎn)及 適用范圍總結(jié)如下： 表1.2單一能源需求預(yù)測(cè)模型的優(yōu)缺點(diǎn)及適用范圍 模型 適用范圍 優(yōu)點(diǎn) 缺點(diǎn) 能源消 費(fèi) 適用于能源消費(fèi)彈性 需要數(shù)據(jù)少，運(yùn)算簡(jiǎn)便 現(xiàn)實(shí)情況中能源消費(fèi)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(cè)

29、 穩(wěn)性，使實(shí)際應(yīng)用遇到了困難 續(xù)表1.2 模型 適用范圍 優(yōu)點(diǎn) 缺點(diǎn) 時(shí)間序 列 適用于趨勢(shì)未發(fā)生重 能較好擬合時(shí)間序列的 無(wú)法考慮預(yù)測(cè)數(shù)據(jù)與其影響 法 大改變的時(shí)間序列進(jìn) 行短期預(yù)測(cè) 、千中十/八|=? /^土匕來(lái)斤 確定性趨勢(shì)和隨機(jī)擾動(dòng) 項(xiàng)，運(yùn)算簡(jiǎn)便快速 因素之間的關(guān)系，只能預(yù)測(cè)其 按照歷史趨勢(shì)發(fā)展的情況，對(duì) 起伏較大的序列進(jìn)行預(yù)測(cè)時(shí) 往往精度較差 灰色預(yù) 測(cè) 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(jì)算統(tǒng)計(jì)特征，不需要 動(dòng)性越大，預(yù)測(cè)精度越差 列，理

30、論上適用于中 考慮影響因素，運(yùn)算簡(jiǎn) 長(zhǎng)期預(yù)測(cè)，但精度難 便，短期預(yù)測(cè)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(guò)程往 網(wǎng)絡(luò)法 數(shù)據(jù)的中短期預(yù)測(cè) 儲(chǔ)存記憶、優(yōu)化計(jì)算等 往需要成千上萬(wàn)次的迭代； 隱 能力，對(duì)處理非線性、 含層神經(jīng)元的個(gè)數(shù)和連接權(quán) 非結(jié)構(gòu)性數(shù)據(jù)的預(yù)測(cè)具 值的選取往往缺乏理論指導(dǎo)， 有優(yōu)勢(shì) 推廣能力有限 投入產(chǎn) 出 適用于經(jīng)濟(jì)活動(dòng)的中 強(qiáng)調(diào)的是經(jīng)濟(jì)系統(tǒng)各部 所需數(shù)據(jù)量較大；模型設(shè)計(jì)在 模型 長(zhǎng)期預(yù)測(cè) 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(guó)民經(jīng)濟(jì)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(zhēng)議，粗略 法 長(zhǎng)期預(yù)測(cè) 因素對(duì)于部門能源消費(fèi) 劃分可能忽略了內(nèi)部差異， 詳 量的影響 細(xì)劃分又需要大量數(shù)據(jù)做支 撐，運(yùn)算繁瑣 系統(tǒng)動(dòng) 力 適用于復(fù)雜系統(tǒng)隱藏 能反映多個(gè)因素對(duì)能源 需要的數(shù)據(jù)量大，運(yùn)算復(fù)雜 學(xué)模型 規(guī)律的挖掘及其中長(zhǎng) 系統(tǒng)的影響，能建立它 期動(dòng)態(tài)預(yù)測(cè) 們之間

32、非線性、動(dòng)態(tài)的 關(guān)系 回歸分 析 適用于與一個(gè)或多個(gè) 能夠研究預(yù)測(cè)對(duì)象與其 對(duì)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(cè)往往 變量進(jìn)行中長(zhǎng)期預(yù)測(cè) 估計(jì)技術(shù)成熟，操作間 精度較低，非線性回歸預(yù)測(cè)計(jì) 便 算量大、過(guò)程復(fù)雜 由于能源系統(tǒng)的非線性和不確定性， 近年來(lái)，國(guó)內(nèi)外不少學(xué)者開始 采用一些 新興的非線性方法對(duì)能源需求進(jìn)行預(yù)測(cè)。常見(jiàn)的方法主要有：混沌時(shí)間序列方法、 遺傳算法、小波分析等。傅瑛等利用混沌時(shí)間序列的方法對(duì)江蘇能源消費(fèi)量進(jìn)行 了預(yù)測(cè)，并且把預(yù)測(cè)結(jié)果與指數(shù)平滑法作

33、了對(duì)比， 表明混沌時(shí)間序列方法得到的 預(yù)測(cè)值圍繞實(shí)際值上下波動(dòng)、絕對(duì)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(cè)1991~2003年 的能源需求，也就是同期模擬，并不能看出混沌時(shí)間序列的未來(lái)預(yù)測(cè)能力。 事實(shí) 上,由于混沌時(shí)間序列假設(shè)研究對(duì)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(shí)間序列方法認(rèn)為長(zhǎng)期預(yù)測(cè)是不可能的。 Halim Ceylan利用遺產(chǎn)算法能源需求模型（GAEDM ）對(duì)土耳其未來(lái)20~50 年的能源需求進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果表明，GAEDM預(yù)測(cè)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(cè)結(jié)果

34、相比，其預(yù)測(cè)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(biāo)準(zhǔn) ，目前采用的都是經(jīng)驗(yàn)數(shù) 值，而且不同的編碼、不同的遺傳技術(shù)都會(huì)影響到遺傳參數(shù)的選取，因而會(huì)影響 到算法的通用性。顧潔利用小波分析對(duì)電力系統(tǒng)短期符合進(jìn)行了預(yù)測(cè)，實(shí)證表明 運(yùn)用小波進(jìn)行預(yù)測(cè)提高了預(yù)測(cè)精度（顧潔， 2003）。王玨等通過(guò)分析影響我國(guó)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(cè)模型。采用定性與定量 相結(jié)合的方式，分析了影響我國(guó)能源需求的主要因素，通過(guò)將人口總數(shù)、 GDP、 產(chǎn)業(yè)結(jié)構(gòu)變化以及能源消費(fèi)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(guó)能源需求非線性

35、預(yù)測(cè)模型。 結(jié)果表明，該非線性預(yù)測(cè)模型與多元回歸模型 相比更加合理，具有更高的預(yù)測(cè)精度（王玨等， 2009）。 除此之外，為克服單一方法對(duì)信息利用不充分所產(chǎn)生的缺點(diǎn)和不足， 國(guó)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(jì)環(huán)境模型 LEAP模型結(jié)合了 部門分析法和實(shí)物型投入產(chǎn)出法，需要收集各種技術(shù)數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)和環(huán)境排放 數(shù)據(jù)，通過(guò)數(shù)學(xué)模型來(lái)預(yù)測(cè)各部門的能源需求、能源成本及對(duì)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(kù)分析了影響印度德里交通部 門能源消費(fèi)模式和排放標(biāo)準(zhǔn)的因素，并預(yù)測(cè)能源需求和交通工具的尾氣排放量。 遲春潔等根據(jù)未來(lái)20多年里中國(guó)社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)，結(jié)合中國(guó)的發(fā)展現(xiàn)狀，利 用情景分析法設(shè)計(jì)了三種方案四種情景，通過(guò)LEAP模型計(jì)算得到了不同方案下 各時(shí)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(yùn)用動(dòng)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(shí)別模型中的參數(shù)， 建立了長(zhǎng)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(duì)伊朗中長(zhǎng)期電力需求進(jìn)行了預(yù) 測(cè)，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(dòng)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(jìn)行了預(yù)測(cè)，同時(shí)為了預(yù)測(cè)天氣極端情況對(duì)電力載荷的影響， 在預(yù)測(cè)模型中引入 GARCH進(jìn)行建模，并對(duì)1998-2003年的電力載荷進(jìn)行預(yù)測(cè)，預(yù)測(cè)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(duì)伊朗農(nóng)業(yè)部門 1981-2005年電力能源消費(fèi)需求進(jìn)行了實(shí)際預(yù)測(cè)，預(yù)測(cè)結(jié)果與實(shí)際數(shù)據(jù)的平均絕 對(duì)百分誤差很低（Azadeh A.等

38、，2006）。Montilla D.等利用情景分析和時(shí)間序列 分析相結(jié)合的辦法對(duì) AnzoAitegui州的北部地區(qū)2005-2024年的電力能源需求進(jìn) 行了預(yù)測(cè)（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(duì)時(shí)間序列進(jìn)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(zhǎng)期預(yù)測(cè)模型 （Ghanbarian等，2007）。 國(guó)內(nèi)近幾年應(yīng)用組合預(yù)測(cè)方法也十分盛行，盧奇等采用灰色預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò) 及多元回歸方法建立了我國(guó)能源消費(fèi)系統(tǒng)預(yù)測(cè)模型，應(yīng)用該模型對(duì)我國(guó)未來(lái) 20 年的能源消費(fèi)量進(jìn)行了預(yù)測(cè)，結(jié)果表明，該模型可以作為我國(guó)未來(lái)能源消費(fèi)量預(yù) 測(cè)的有效工具（盧

39、奇等，2003）。付加鋒等利用我國(guó)能源消費(fèi)的歷史數(shù)據(jù)，采用 灰色預(yù)測(cè)的GM（1,1）、無(wú)偏GM（1,1）和pGM（1,1）三種模型與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu) 化組合，建立了灰色神經(jīng)網(wǎng)絡(luò)的能源消費(fèi)量組合預(yù)測(cè)模型， 結(jié)果顯示，組合預(yù)測(cè) 模型獲得了更為精確的預(yù)測(cè)效果（付加鋒等， 2006）。張麗峰采用變權(quán)重組合預(yù) 測(cè)的方法，將系統(tǒng)動(dòng)力學(xué)模型、向量自回歸模型、灰色系統(tǒng)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果 加以組合，構(gòu)建了中國(guó)中長(zhǎng)期能源供求預(yù)測(cè)模型（張麗峰， 2006）。熊浩云等根 據(jù)標(biāo)準(zhǔn)差法對(duì)神經(jīng)網(wǎng)絡(luò)和時(shí)間序列兩種方法的能源預(yù)測(cè)結(jié)果進(jìn)行權(quán)重分配， 建立 我國(guó)能源消費(fèi)的組合預(yù)測(cè)模型，對(duì)我國(guó)未來(lái)六年的能源消費(fèi)進(jìn)行了預(yù)測(cè)

40、（熊浩云 等，2010）。相較于單一方法，組合預(yù)測(cè)能夠達(dá)到比較理想的預(yù)測(cè)精度，目前在 能源需求預(yù)測(cè)研究中很有發(fā)展前景。 1.2.3 中國(guó)能源需求預(yù)測(cè)研究進(jìn)展 在對(duì)我國(guó)未來(lái)能源需求進(jìn)行預(yù)測(cè)的研究中，除了上述通過(guò)對(duì)國(guó)外流行的各種 模型單一使用或組合使用來(lái)進(jìn)行預(yù)測(cè)外，國(guó)內(nèi)的研究重點(diǎn)主要集中在以下幾個(gè)方 面： 123.1 能源需求影響因素 國(guó)內(nèi)不少研究使用描述性統(tǒng)計(jì)、回歸分析以及各種因素分解法對(duì)我國(guó)能源消 費(fèi)和能源強(qiáng)度的影響因素進(jìn)行研 究。其中有大量針對(duì)我國(guó)近年來(lái)能源強(qiáng)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(xiàn)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(dòng)對(duì)能源效率改進(jìn)產(chǎn)生了促進(jìn)效應(yīng)，對(duì)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(guó)能源消費(fèi)彈性低的主要原因，結(jié)構(gòu)因素對(duì)能源消費(fèi)彈性的 影響主要表現(xiàn)在兩個(gè)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(rèn)為經(jīng)濟(jì)結(jié)構(gòu)改革和能源結(jié)構(gòu)變化也是影響我國(guó)能源消費(fèi)彈性的主 要因素（張宗成等，2004）。魏楚等的研究表明，“退

42、二進(jìn)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(fèi)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(yùn)用投入產(chǎn)出技術(shù)和統(tǒng)計(jì)因素分析方法，建立能源消耗強(qiáng)度的投入產(chǎn) 出模型和因素分析模型，初步解釋我國(guó) 1987~1997年能源消耗強(qiáng)度變動(dòng)的原因， 模型計(jì)算結(jié)果表明，這10年我國(guó)各能源消耗強(qiáng)度的降低都是能源

43、技術(shù)進(jìn)步的結(jié) 果。由于能源技術(shù)的進(jìn)步，我國(guó)綜合能源消耗強(qiáng)度 10年累計(jì)下降39.1%，年均 下降4.8%。而這10年需求結(jié)構(gòu)變動(dòng)提高了各能源的消耗強(qiáng)度，但速度有放緩的 趨勢(shì)（王玉潛，2003）。 韓智勇等通過(guò)因素分解法將能源強(qiáng)度變化分解為結(jié)構(gòu)因素和產(chǎn)業(yè)效率因素， 對(duì)1980年至2000年我國(guó)能源強(qiáng)度的變化因素進(jìn)行了逐年和累計(jì)計(jì)算。 結(jié)果顯示 除1989年之外行業(yè)效率是導(dǎo)致我國(guó)能源強(qiáng)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(qiáng)度，20年間結(jié)構(gòu)因素的累計(jì)份額為-1.76%， 產(chǎn)業(yè)效率的累計(jì)份額為101.7%，其中第二產(chǎn)業(yè)效率提高貢獻(xiàn)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(duì) 中國(guó)1993年至2002年工業(yè)能源消耗進(jìn)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(qiáng)度效應(yīng)（實(shí)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(guó)工業(yè)能耗結(jié)構(gòu)并沒(méi)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(dòng)的（周鴻等， 2005）。 吳巧生等運(yùn)用Laspeyres指數(shù)及其分解模型，對(duì)中國(guó)能源消耗強(qiáng)度進(jìn)行分解， 并對(duì)其影響因素進(jìn)行研究。研究結(jié)

45、果表明，1980年以來(lái)，中國(guó)能源使用效率雖 然有了很大的提高，但與發(fā)達(dá)國(guó)家相比，能源消耗強(qiáng)度仍然有很大的下降空間。 中國(guó)能源消耗強(qiáng)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(duì)于效率份額, 結(jié)構(gòu)份額對(duì)能源消耗強(qiáng)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(duì) 降低能源消耗強(qiáng)度的作用是負(fù)面的（吳巧生等， 2006）。 譚忠富等通過(guò)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(zhǎng)期均衡和短期波動(dòng)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(guó)能源效率與其影響因素之間的動(dòng)態(tài)關(guān)系作進(jìn)一步分析。 結(jié)果表明，從長(zhǎng) 期均衡關(guān)系來(lái)看，技術(shù)進(jìn)步對(duì)能源效率的正面影響最大， 能源價(jià)

46、格和一些不可觀 測(cè)變量對(duì)能源效率有著促進(jìn)作用，而經(jīng)濟(jì)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)未能對(duì)能源效率起 推動(dòng)作用（譚忠富等，2010）。 （三）階段型 還有一些研究認(rèn)為改革開放以來(lái)我國(guó)能源強(qiáng)度下降的原因分析應(yīng)該分階段 來(lái)分析。史丹將能源利用效率分為能源技術(shù)進(jìn)步效率和能源經(jīng)濟(jì)效率， 并認(rèn)為技 術(shù)進(jìn)步效率可持續(xù)，而經(jīng)濟(jì)效率會(huì)逐漸消失。文章研究了對(duì)外開放、產(chǎn)業(yè)結(jié)構(gòu)變 化和市場(chǎng)經(jīng)濟(jì)建立對(duì)能源強(qiáng)度的影響。 在對(duì)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(qiáng)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(qiáng)度，1990年至1995年最為突出, 提高

47、幅度達(dá)141.7%;累計(jì)計(jì)算，1980年至1999年，產(chǎn)業(yè)結(jié)構(gòu)使得能源強(qiáng)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(qiáng)度，并通過(guò) 其后續(xù)作用使得1980年至1999年能源強(qiáng)度下降，但1995年以后產(chǎn)業(yè)結(jié)構(gòu)降低 能源強(qiáng)度的作用逐漸消失，能源強(qiáng)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(duì)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(guó)1980年至2003年能源強(qiáng)度的變化，能源強(qiáng)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(qiáng)度變化的結(jié)果，國(guó)民經(jīng)濟(jì)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(gè)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(qiáng)度均是導(dǎo)致能源強(qiáng)度下降的原因，而產(chǎn)業(yè)結(jié)構(gòu)的貢獻(xiàn)更為突出，貢獻(xiàn)率為 58.1%； 1991年至2001年，能源強(qiáng)度下降全部是由產(chǎn)業(yè)能源強(qiáng)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(qiáng)度均導(dǎo)致 能源強(qiáng)度上升，我國(guó)能源強(qiáng)度也表現(xiàn)為連續(xù)上升的趨勢(shì)。 文章將此歸結(jié)為產(chǎn)業(yè)結(jié) 構(gòu)、投資增長(zhǎng)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(jì)算結(jié)果， 兩者描述的趨勢(shì)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(diǎn)本質(zhì)不同在于技術(shù)因素主導(dǎo)型主要

49、關(guān)注累計(jì)效果， 而階段分析型 則明確指出應(yīng)該分階段考慮。 另外，對(duì)我國(guó)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(jì)算了能源需求量對(duì) 能源價(jià)格、資本價(jià)格、工資和產(chǎn)出水平的彈性以及各因素的變動(dòng)對(duì)能源需求變動(dòng) 的貢獻(xiàn)率。研究結(jié)果表明我國(guó)1993年以后能源需求價(jià)格彈性增加，但是能源需 求量變動(dòng)的主要原因是 GDP增長(zhǎng)和工資變動(dòng)，并提出未來(lái)中國(guó)能源消費(fèi)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(huì)受到挑戰(zhàn)（錢永坤等，2003）。史丹等采用統(tǒng)計(jì)指數(shù)分析和回歸分 析兩種方法，對(duì)我國(guó)產(chǎn)業(yè)

50、結(jié)構(gòu)變動(dòng)對(duì)能源消費(fèi)總量和能源消費(fèi)結(jié)構(gòu)的影響進(jìn)行了 定量分析，得出了如下的結(jié)論：結(jié)構(gòu)變動(dòng)是能源消費(fèi)的重要影響因素， 但由于各 產(chǎn)業(yè)的特點(diǎn)對(duì)不同的能源品種的需求，結(jié)構(gòu)變動(dòng)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(guò)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(guó)能源消費(fèi)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(jì)增長(zhǎng)、人口、產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)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(jì)增長(zhǎng)、全國(guó)總?cè)丝?、能?消費(fèi)結(jié)構(gòu)是決定能源消費(fèi)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(shì)

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(yùn)輸業(yè)產(chǎn)值比重、批發(fā)零售業(yè)產(chǎn)值比 重、研究與實(shí)驗(yàn)經(jīng)費(fèi)比重、專利申請(qǐng)授權(quán)數(shù)、科技活動(dòng)人員數(shù)量9個(gè)影響因素對(duì) 能源消費(fèi)結(jié)構(gòu)的影響進(jìn)行了主成分分析，研究結(jié)果表明：經(jīng)濟(jì)發(fā)展水平、技術(shù)進(jìn) 步、產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源消費(fèi)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(guó)學(xué)者研究能源強(qiáng)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(wèn)題、時(shí)間跨度問(wèn)題等，都可能使分析 結(jié)果產(chǎn)生一定的偏差。有學(xué)者認(rèn)為，這些因素可能導(dǎo)致高估了技術(shù)進(jìn)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(duì)我國(guó)的能源消費(fèi) 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(fèi)預(yù)測(cè) 近年來(lái)，運(yùn)用各種方法和模型對(duì)我國(guó)各省市地區(qū)進(jìn)行能源消費(fèi)預(yù)測(cè)也是這一 領(lǐng)域的研究重點(diǎn)之一。張峰等通過(guò)構(gòu)建ARIMA（1,2,1）模型，對(duì)北京市2007~2015 年能源消費(fèi)進(jìn)行短期預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，北京市未來(lái)能源消費(fèi)呈加快增長(zhǎng)態(tài)勢(shì)， 這對(duì)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(biāo)是一大挑戰(zhàn)（張峰等， 2008）。萬(wàn)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(zhǎng)數(shù)據(jù)和能源消耗數(shù)據(jù)為依據(jù)，分三種情景，即當(dāng)前模 式、“十一

53、五”規(guī)劃能耗目標(biāo)和可持續(xù)發(fā)展能耗模式分別討論和計(jì)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(dāng)前的能耗水平， 云南省無(wú)法順利完成“十一五”規(guī)劃的萬(wàn)元GDP能耗約束性目標(biāo)；為完成目標(biāo)， 必須選擇合理的經(jīng)濟(jì)發(fā)展模式， 提高能源生產(chǎn)率水平，開展節(jié)能減排（萬(wàn)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(jì)的關(guān)系，然后用GM（1,1 ）模型預(yù)測(cè)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(fèi)總量數(shù)據(jù)，并根據(jù)建模要求對(duì)數(shù)據(jù)進(jìn)行

54、處理 ,在此 基礎(chǔ)上利用時(shí)間序列相關(guān)理論及ARMA模型對(duì)廣東省未來(lái)能源需求量進(jìn)行了相 關(guān)預(yù)測(cè)，并得出能源需求的模型。從檢驗(yàn)結(jié)果來(lái)看，此模型誤差率低，預(yù)測(cè)效果 較好（程靜等，2010）。周揚(yáng)等通過(guò)建立BP神經(jīng)網(wǎng)絡(luò)與灰色GM的優(yōu)化組合模 型，對(duì)江蘇省未來(lái)十五年煤炭和石油的需求量進(jìn)行預(yù)測(cè)， 結(jié)果顯示組合模型的誤 差最小（周揚(yáng)等，2010）。聶銳等利用環(huán)境負(fù)荷模型（IPAT）與“脫鉤”理論， 對(duì)江蘇未來(lái)中長(zhǎng)期的經(jīng)濟(jì)發(fā)展、能源需求與碳排放進(jìn)行了情景分析，并結(jié)合當(dāng)前 的環(huán)境政策，對(duì)三種情景下主要指標(biāo)的參數(shù)和結(jié)果進(jìn)行了設(shè)計(jì)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(lái)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(jì)發(fā)展的瓶頸因素（聶銳等，2010）。 相較于對(duì)我國(guó)進(jìn)行能源預(yù)測(cè)分析的研究，著眼于地區(qū)能源預(yù)測(cè)的研究往往集 中在對(duì)中短期能源需求的預(yù)測(cè)。這主要是由于適合中短期預(yù)測(cè)的模型和方法精度 較高，便于為地區(qū)近期的經(jīng)濟(jì)社會(huì)發(fā)展規(guī)劃提供可操作性的建議。 1.2.3.3 中國(guó)能源預(yù)測(cè)模型 我國(guó)從20世紀(jì)80年代初期開始了對(duì)能源系統(tǒng)的研究，在理論方法和實(shí)際應(yīng) 用上都取得了很大的進(jìn)步，開始了國(guó)家級(jí)、地區(qū)級(jí)或部門級(jí)的能源模型的研究工 作，華中工學(xué)院國(guó)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(jì)區(qū)經(jīng)濟(jì)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(guó)能源科學(xué)工作者提出建立的國(guó)家能源供型體系（CNEMS）以及國(guó)務(wù) 院經(jīng)濟(jì)技術(shù)社會(huì)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(jìn)行了可喜的嘗試。 姜克雋等人所在的國(guó)家發(fā)展和改革委員會(huì)能源研究所的研究團(tuán)隊(duì)在長(zhǎng)期的 能源系統(tǒng)分析研究過(guò)程中，通過(guò)多種國(guó)際國(guó)內(nèi)合作，開發(fā)構(gòu)架了中國(guó)能源環(huán)境綜 合政策評(píng)價(jià)模型（IPAC模型）。這是一個(gè)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(xì)描述分部門技術(shù)的自下而上 型模型，同

57、時(shí)還有介于兩者之間的部分均衡模型和動(dòng)態(tài)經(jīng)濟(jì)學(xué)模型。 IPAC模型 組中的3個(gè)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(duì)中國(guó)地區(qū)的區(qū)域模 型，它包括3個(gè)子模型，即能源服務(wù)需求預(yù)測(cè)模型、能源效率估算模型和技術(shù)選 擇模型，是一個(gè)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(yùn)輸部門，這些部門又被分為若干個(gè)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(gè)部門。能源需求 和供應(yīng)雙方總共涉及到500多項(xiàng)技術(shù)，包括現(xiàn)有的及未來(lái)可能

58、利用的先進(jìn)技術(shù)。 部門輸出服務(wù)（諸如鋼鐵產(chǎn)量）是主要的驅(qū)動(dòng)因素。為了提供這些輸出服務(wù)，將 會(huì)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(fèi)用最少 的混合技術(shù)為目標(biāo)，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(jìn)步、能源價(jià)格等方面的政策和對(duì)策效果。 這些技術(shù)用到的數(shù)據(jù)是從大量的 報(bào)告、刊物、出版物和對(duì)專家的咨詢采集而來(lái)，數(shù)據(jù)會(huì)隨著采集來(lái)的新資料不斷 更新。IPAC-Emission模型的目標(biāo)是對(duì)中國(guó)和其他地區(qū)在全球環(huán)境下， 未來(lái)各種 長(zhǎng)期溫室氣體排放趨勢(shì)下可能采取的政策措施進(jìn)行評(píng)價(jià)。 在這個(gè)目標(biāo)下，這個(gè)模 型是一個(gè)全球模型，根據(jù)國(guó)際上氣候變化的主要區(qū) 域，模型劃

59、分了 9個(gè)區(qū)一一美 國(guó)、西歐和加拿大、其他 OECD國(guó)家、東歐地區(qū)、中國(guó)、中東國(guó)家、其他亞洲 國(guó)家、非洲、南美洲。時(shí)間區(qū)間為1990-2100年，以分析長(zhǎng)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(jì)模型，是一個(gè)一般均衡模型（CGE 模型），考慮各經(jīng)濟(jì)活動(dòng)之間的影響與關(guān)聯(lián)，在 IPAC模型中主要進(jìn)行各種能源 環(huán)境政策對(duì)經(jīng)濟(jì)影響的分析，同時(shí)可以進(jìn)行中長(zhǎng)期能源與環(huán)境情景分析。 IPAC-CGE模型中劃分38個(gè)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(jì)部門等。姜克雋等利用IPAC模型對(duì)中國(guó)2050年前的能源需求和碳 排放情景進(jìn)行了一系列預(yù)測(cè)，為當(dāng)時(shí)的國(guó)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(biāo) 排放分擔(dān) 能源進(jìn)出 未來(lái)經(jīng)濟(jì)役展給構(gòu) 高耗能打業(yè)發(fā)展 WE ill成本 能源價(jià)格 減H成本 能源系統(tǒng)模唱 IPAC-AIM/技術(shù)模型 X濟(jì)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(guó)內(nèi)學(xué)者建立的模型大多選擇已有模型進(jìn)行耦合， 可以綜合多種模型的優(yōu)點(diǎn)。 在能源需求預(yù)測(cè)時(shí)往往著眼于中遠(yuǎn)期預(yù)測(cè)，相對(duì)而言預(yù)測(cè)精度就受到了一定限制。 比如，姜克雋等人在其文章中對(duì)2020年和2030年低碳情景下我國(guó)能

61、源消費(fèi)量的 預(yù)測(cè)分別在40億噸標(biāo)準(zhǔn)煤和45億噸標(biāo)準(zhǔn)煤以下，就目前的情況來(lái)看，2016年 我國(guó)能源消費(fèi)總量已達(dá)43.6億噸標(biāo)準(zhǔn)煤，可見(jiàn)其預(yù)測(cè)結(jié)果存在一定程度的低估。 這表明，我國(guó)中長(zhǎng)期能源需求模型仍需不斷改進(jìn)， 以便為能源發(fā)展戰(zhàn)略制定提供 更為準(zhǔn)確的數(shù)據(jù)支撐。 1.3 研究方案 1.3.1 研究目標(biāo) 基于對(duì)前人的研究進(jìn)行綜述發(fā)現(xiàn)，絕大多數(shù)研究并沒(méi)有明確時(shí)間尺度對(duì)于預(yù) 測(cè)模型和方法的選擇具有較大影響。 甚至有一些研究，對(duì)僅適用于短期預(yù)測(cè)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(jìn)行了所謂的 中長(zhǎng)期預(yù)測(cè)。通常而言，短期預(yù)測(cè)（5年以內(nèi)）往往要求精度較高，因而我們可 以基于趨

62、勢(shì)外推的方法，在默認(rèn)推動(dòng)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(jìn)行模擬運(yùn)算， 并對(duì)其預(yù)測(cè)結(jié)果加以組合，進(jìn)一步提升 預(yù)測(cè)精度。而對(duì)于中長(zhǎng)期預(yù)測(cè)（10年到數(shù)十年不等），則需要考慮相關(guān)因素在一 定時(shí)期內(nèi)發(fā)生了變化，并對(duì)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(jìn)行預(yù)測(cè)。 本研究力圖在綜合前人能源經(jīng)濟(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué)等理論與研究 方法的基礎(chǔ)上，綜合運(yùn)用各種定量預(yù)測(cè)方法，建立中國(guó)能源需求組合預(yù)測(cè)模型， 系統(tǒng)地、全面地對(duì)我國(guó)能源需求量分別進(jìn)行短期和中長(zhǎng)期預(yù)測(cè)。希望通過(guò)本文的 研究，對(duì)我國(guó)未來(lái)能源規(guī)劃提供科學(xué)依據(jù)。 1.3.2 研究?jī)?nèi)

63、容 本研究主要包括以下幾方面的內(nèi)容： 一、對(duì)國(guó)內(nèi)外能源需求預(yù)測(cè)模型和相關(guān) 研究進(jìn)行綜述，闡述當(dāng)前研究已解決的問(wèn)題和存在的不足； 二、通過(guò)選擇適用于 短期預(yù)測(cè)的單一模型進(jìn)行組合，形成中國(guó)短期能源需求組合預(yù)測(cè)模型， 基于歷史 數(shù)據(jù)進(jìn)行模擬，輸出短期預(yù)測(cè)結(jié)果；三、構(gòu)建反映能源消費(fèi)變化機(jī)理的中長(zhǎng)期能 源需求預(yù)測(cè)模型，對(duì)我國(guó)未來(lái)中長(zhǎng)期能源需求進(jìn)行預(yù)測(cè) ；四、分析預(yù)測(cè)結(jié)果，對(duì) 我國(guó)未來(lái)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(zhǎng)期預(yù)測(cè)中的優(yōu)勢(shì)地位不同， 且沒(méi)有 一種模型可以兼顧這兩種預(yù)測(cè)需求，因而本研究建議采取對(duì)短期預(yù)測(cè)和中長(zhǎng)期預(yù) 測(cè)采取不同的組合預(yù)測(cè)模型進(jìn)行模擬。

64、 本文在研究過(guò)程中，在綜合利用了計(jì)量經(jīng)濟(jì)學(xué)、能源經(jīng)濟(jì)學(xué)等多學(xué)科的理論 與研究方法的基礎(chǔ)上，針對(duì)短期預(yù)測(cè)和中長(zhǎng)期預(yù)測(cè)的不同特性，分別構(gòu)建了不同 的能源需求預(yù)測(cè)模型。在預(yù)測(cè)分析中，合理地將短期預(yù)測(cè)和中長(zhǎng)期預(yù)測(cè)分開進(jìn)行 探討，這樣一方面使我們對(duì)近期我國(guó)能源需求有更為準(zhǔn)確的了解， 另一方面又能 使我們對(duì)長(zhǎng)期能源需求形勢(shì)有宏觀上的把握，進(jìn)而有助于為國(guó)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(guó)能源消費(fèi)的現(xiàn)狀分析 2.1 中國(guó)能源消費(fèi)概況 根據(jù)英國(guó)石油公司（BP）的《世界能源統(tǒng)計(jì)年鑒2017》顯示，自2010年起， 中國(guó)已替代美國(guó)，成為世界上最大的能源消費(fèi)國(guó)。 2016年中國(guó)的能源消費(fèi)量占 全球消費(fèi)總量的23%，超過(guò)整個(gè)北美地區(qū)的所占比重。2016年中國(guó)能源消費(fèi)量 相比上年增長(zhǎng)1.3%，增速不到過(guò)去十年平均水平 5.3%的四分之一，并且是1998 年以來(lái)的最低值，然而中國(guó)能源消費(fèi)的凈增長(zhǎng)量仍然占據(jù)全球凈增長(zhǎng)的 27%0 化石能源中，消費(fèi)增長(zhǎng)最快的是天然氣，達(dá) 7.7%，煤炭消費(fèi)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(zhǎng)率均低 于其各自十年平均水平。與此同時(shí)，可再生能源消費(fèi)全年增長(zhǎng) 33.4%，使得中國(guó) 超越美國(guó)，成為全球最大的可再生能源消費(fèi)國(guó)。其中，太陽(yáng)能消費(fèi)增長(zhǎng)最快，達(dá) 71.5%，其次是風(fēng)能和核能，分別為 29.4%和24.5%。盡管中國(guó)的能源消費(fèi)結(jié)構(gòu) 持續(xù)改進(jìn)，現(xiàn)階段中國(guó)的能源消費(fèi)形勢(shì)仍不容樂(lè)觀。本章擬從中國(guó)能源消費(fèi)總量、 能源消費(fèi)結(jié)構(gòu)、分行業(yè)能源消費(fèi)量、能源生產(chǎn)-能源消費(fèi)-經(jīng)濟(jì)增長(zhǎng)三者速率對(duì)比 幾個(gè)方面來(lái)描述中國(guó)能源消費(fèi)的歷史和現(xiàn)狀。 2.1.1 中國(guó)能源消費(fèi)總量 改革開放以來(lái)，隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，中國(guó)能源消費(fèi)總量也持續(xù)上升。 根據(jù)《中國(guó)統(tǒng)計(jì)年鑒2017》顯示，1980-2015年，中國(guó)能源消費(fèi)總量從60275萬(wàn) 噸標(biāo)準(zhǔn)煤上升到429905萬(wàn)噸標(biāo)準(zhǔn)煤，年平均增長(zhǎng)率為 5.77% （圖2.1） o從圖2.1 中不難看出，不同時(shí)期中國(guó)能源消費(fèi)總量的增速存在較大差異。 1980-1996年， 中國(guó)能源消費(fèi)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(fèi)增速 大減，幾乎零增