廣西能源需求預測及對策建議

蒙紹祥 黃懿

摘 要：基于偏最小二乘法，對廣西三大能源消費量及其影響因素的相互關系進行定量化研究，建立預測模型。結果表明，三大能源消費量共同的主要影響因素是經濟增長和能源結構。2015年廣西煤炭、石油和水電消費量的預測值分別為6973、2056和2294萬噸標準煤，分別比2010年的實際消費量增加2709、741和774萬噸。為達到“十二萬”規劃目標提供能源保障，需要通過價格和政策手段調整能源結構，大力發展可再生能源，促進技術進步提高能源效益。

關鍵詞：能源需求 影響因素 預測 偏最小二乘法

中圖分類號：F426 文獻標識碼：A 文章編號：1674-098X（2012）12（a）-0-02

能源是國民經濟和社會發展的物質基礎，能源消費預測是一個國家或地區制定能源規劃以及國民經濟規劃的重要依據。近年來，廣西經濟持續較快發展，2010年，全區生產總值9502億元，比2005年翻1.25番，比同期全國均值快2.7個百分點，三次產業結構由2005年的22.9∶37.9∶39.2調整為2010年的17.6：47.5：34.9，工業化率由2005年的1.4提高到2.3，已邁入工業化中期階段。據《廣西壯族自治區國民經濟和社會發展第十二個五年（2011—2015年）規劃綱要》，地區生產總值年均增長10%，力爭“十二五”期末翻一番，結構調整取得重大進展，工業增加值占地區生產總值比重提高5個百分點。當前，廣西已經進入工業化、城市化快速推進，市場化、國際化全面提升的階段。在此背景下，探討能源消費與各種影響因素之間的關系，分析主要影響因素，建立能源消費需求預測模型，具有重要意義。

1 研究理論和方法

1.1 能源需求理論

能源消費需求預測是基于一個國家或地區能源消費的歷史與現狀，分析能源消費與各種影響因素的關系，對未來能源需求趨勢做出估計和評價[1-4]。能源消費需求量主要取決于國民經濟發展[5]、人口增長[6]、產業結構調整[7]和效益改進[8]等，只有深入分析各因素之間的內在聯系，定量化地挖掘出內在規律，才能進行準確預測。該文建立的模型包含的影響因素有經濟增長、人口增長、城市化水平、產業結構調整、效益改進和能源結構等。由于中國未正式公布能源價格數據[9]，本研究將價格因素考慮在內。

1.2 偏最小二乘法

國內外能源需求的預測方法大致可分為數學模型法、投入產出法、類比法和部門分析法[10]。其中，能源需求預測的數學模型法大致可分為趨勢外推法[11]、灰色預測法[12]、人工神經網絡法[13]和回歸分析法[14]等。趨勢外推法通過對自身歷史數據的挖掘對能源需求進行預測，缺點是忽略了太多相關信息?；疑A測法和人工神經網絡預測法具有非線性處理能力強、自學能力強等優點，但是不具備機理性。相關分析法能夠挖掘出能源需求與影響因子之間的關系，具備實用性和機理性，但容易共線影響。偏最小二乘回歸（Partial Least-Squares Regression，簡稱PLS）集中了主成分分析、相關分析和多元線性回歸分析方法的優點，能夠實現多對多線性回歸建模。該文將PLS應用于能源需求預測。

1.3 變量與數據來源

該文數據全部源自1990—2010年廣西統計年鑒。將煤炭消費量Y1、石油消費量Y2和水電消費量Y3作為因變量，分別代表能源消費需求；將國內生產總值（GDP）X1（萬元）、戶籍人口X2（萬人）、非農業人口比例X3（%）、工業在國民經濟中的比重X4（%）、單位國內生產總值能耗X5（萬元國內生產總值消耗的萬噸標準煤）、煤消費比重X6（%）、石油消費比重X7（%）和水電消費比重X8（%）作為自變量，分別代表經濟增長、人口、城市化水平、產業結構、效益改進和能源消費結構。人口變量取公安戶籍統計數，2010年的戶籍人口數根據1991—2009年的數據推算。

2 結果與討論

2.1 PLS結果

該文在Matlab7.0軟件平臺上進行PLS建模和分析。交叉驗證結果表明，當取5個偏最小二乘因子時，得到的預測殘差平方和的均方差最小，其值為-0.8446。偏最小二乘回歸方程的參數估計見表1。該文還對模型的精度進行了驗證，3個模型模擬值和實際值的相關系數以及平均相對誤差見表2。從表2可知，3個模型預測值和實際值的相關系數在0.98以上，平均相對誤差都在8%以內，精度可以滿足預測要求。

2.2 廣西能源消費的影響因素

標準化偏回歸系數反映了各影響因素跟煤炭、石油和水電消費的相互關系以及影響大小。對于煤炭消費量，國內生產總值、非農業人口比例和煤消費比重的系數比較大，說明煤炭消費量主要取決于經濟增長、城市化水平和能源消費結構；單位國內生產總值能耗則跟煤炭消費量負相關，說明效益改進則有利于減少煤炭消費量。對于石油消費量，國內生產總值、戶籍人口、石油消費比重和煤炭消費比重的系數比較大，說明石油消費量主要取決于經濟發展增長、人口增長和能源消費結構。對于水電消費量，國內生產總值、戶籍人口、水電消費比重和煤炭消費比重的系數比較大，說明水電消費量主要取決于經濟發展增長、人口增長和能源消費結構；工業在國民經濟中的比重跟水電消費量呈很弱的負相關，原因是廣西工業能源消費以煤炭為主，水電能源的影響相對小。

雖然三大能源消費量的影響因素有所區別，但是共同主要影響因素都是經濟增長和能源消費結構。

2.3 廣西能源消費預測

《廣西壯族自治區國民經濟和社會發展第十二個五年（2011—2015年）規劃綱要》提出，“十二五”期末國民生產總值翻一番，工業增加值占地區生產總值比重提高5個百分點，城鎮化率提高9.4個百分點；國家“十二五”規劃綱要草案提出，單位國內生產總值能源消耗降低16%。對2015年的變量進行估算，結果見表3。將表3中各變量代人表1中的3個原始變量回歸方程，得到2015年廣西煤炭、石油和水電消費量的預測值，分別為6973、2056和2294萬t標準煤。以2010年廣西煤炭、石油和水電消費量的實際消費量分別為4264、1315和1520萬t標準煤為基準，2015年廣西三大能源需求量分別增加2709、741和774萬t。

3 結語

煤炭消費量主要取決于經濟增長、城市化水平和能源消費結構，效益改進則有利于減少煤炭消費量；石油消費量主要取決于經濟發展增長、人口增長和能源結構；水電消費量主要取決于經濟發展增長、人口增長和能源消費結構；三大能源消費量的共同主要影響因素是經濟增長和能源結構。利用模型預測得到2015年廣西煤炭、石油和水電消費量的預測值，分別為6973、2056和2294萬t標準煤，按照2010年的實際消費量，2015年廣西三大能源需求量分別增加2709、741和774萬t?！笆濉逼陂g，廣西的經濟增長、城市化都將以較快的速度發展，能源缺口壓力巨大。需要通過價格和政策手段調整能源結構，大力發展可再生能源，促進技術進步，提高能源

效益。

參考文獻

[1] Xiao Ni，Zarnikau J，Damien P.Testing Functional Forms in Energy Modeling：An Application of the Bayesian Approach to US Electricity Demand[J].Energy Economics，2006（1）：1-9.

[2] Ceylan H，Ozturk H K.Estimating Energy Demand of Turkey Based on Economic Indicators Using Genetic Algorithm Approach[J].Energy Conversion and Management，2004，45：2525-2537.

[3] Zarnikau J.Functional Forms in Energy Demand Modeling[J].Energy Economics，2003，25（6）：603-613.

[4] 柴建，郭菊娥，盧虎，等.基于Bayes誤差修正的我國能源消費需求組合預測研究[J].中國人口、資源與環境，2008，18（4）：50-55.

[5] 韓智勇，魏一鳴，焦建玲，等.中國能源消費與經濟增長的協整性與因果關系分析[J].系統工程，2004，22（12）：17-21.

[6] 林伯強.中國能源需求的經濟計量模型[J].統計研究，2001（10）：34-39.

[7] 路正南.產業結構調整對我國能源消費影響的實證分析[J].數量經濟技術經濟研究，1999，17（12）：53-55.

[8] 林伯強.結構變化、效率改進與能源需求預測：以中國電力行業為例[J].經濟研究，2003，6（5）：57-65.

[9] 郭菊娥，柴建，呂振東.我國能源消費需求影響因素及其影響機理分析[J].管理學報，2008，5（5）：651-654.

[10] 王安建，王高尚，陳其慎，等.礦產資源需求理論與模型預測[J].地球學報，2010，31（2）：137-147.

[11] Edigera V，Akar S.Arima forecasting of primary energy demand by fuel in Turkey[J].Energy Policy，2007，35（3）：1701-1708.

[12] 樊愛宛，潘中強，王巍.灰色GM（1，N）模型在河南省煤炭需求預測中的應用[J].煤炭技術，2011，30（10）：7-9.

[13] 余良暉，賈文龍，薛亞洲，等.MATLAB實現BP神經網絡的煤炭需求預測[J].煤炭經濟研究，2007（10）：34-36.

[14] Hongroyiannis G.Estimating residential demand for electricity in Greece[J].Energy Policy，2004，26（3）：319-334.