文摘
中国天然气进口将保持上升趋势在未来由于其日益增长的需求。一个相对准确的预测的天然气进口将帮助中国政府制定能源政策时作出适当的决定。在本文中,一种新的灰色预测模型,GPM_NGI模型,提出了预测中国天然气进口。与GM(1, 1)和为副总经理(1,1)模型,提出的新模型模拟过程中表现的更好和孔小均相对百分比误差在模拟中国天然气进口从2011年到2019年。然后,新模型来预测从2020年到2022年中国天然气进口。结果表明,中国天然气进口将继续快速增长,未来三年。因此,为了平衡未来天然气供应和需求,避免过度依赖进口,中国政府应采取有效措施从供给和需求目的,如更好的利用页岩气、风能和太阳能以及减少工业对天然气的依赖。
1。介绍
的三个最常见的化石能源,天然气是其环境友好、使用安全,高温生产煤炭和石油在使用时不能与城市燃气和工业燃料供应。是全球承认天然气可能是最合算的清洁能源和低碳。近年来一个攀登中国天然气需求的增长速度,上升趋势将继续在未来几年由于以下原因。首先,中国政府高度强调环境保护的重要性,强调了使用“清洁、低碳、安全、和有成本效益的”能量,这显然是在13日五年计划对能源发展中华人民共和国(1),中共中央委员会的建议的形成14日五年计划和2035年的长期目标2]。天然气作为一种清洁能源,将成为“中国能源结构转换的桥梁”(3]。其次,中国的天然气消费近年来不断增加,表观消费量是3064亿立方米和2019年8.6%的增长率与2018年相比,占一次能源消费的8.1% (4]。然而,天然气消费的比例的平均水平在全球一次能源消费24% (5),这意味着可能会有一个伟大的空间在未来在中国天然气需求增长。
开发和进口都是可行的方法对中国的天然气来满足其需求。然而,中国天然气开发面临巨大挑战由于稀缺的自然保护区,缺乏先进的技术,和高成本的剥削。因此,进口似乎成为中国最好的解决方案罢工之间的平衡天然气供需在可预见的未来。2018年,中国天然气进口达到1254亿立方米,居世界最高比例为9.8在全球天然气进口总量。与此同时,中国对天然气进口的依赖在同年高达45.3% (6]。
正如上面提到的,需求,中国消费和进口的天然气,将增加在一个长时间的时间。相对准确的预测的天然气进口将帮助中国政府充分意识到中国天然气需求和供应的实际情况在未来,使早期准备维持两者之间的平衡,并采取有效措施,保证足够的能源供应,避免可能的威胁和风险可能带来的过度依赖天然气和进口。本文的结果也很有价值参考中国天然气进口能力的科学评估和制定相关的政策对中国自然资源开发和进口。
预测中国天然气进口的先决条件在未来是一个科学和可行的数学模型更准确。许多学者采用不同的模型来预测需求,生产和进口的天然气。谢赫逻辑建模分析用于预测中国的天然气需求(7]。μ和李建立了系统动力学模型来预测中国天然气的需求和消费8]。张、杨建立贝叶斯模型平均预测中国的天然气消费(9]。Szoplik建立人工神经网络预测天然气消费量在一个短的时间内(10]。白了structure-calibrated支持向量回归方法预测每日天然气消费(11]。至于进口天然气,更少的研究已经被发现与上面提到的其他两个研究分支。魏,崔,胡锦涛等人采用灰色模型预测中国天然气进口需求从2018年到2020年通过海(12]。李和聚氨酯开发了一种基于遗传算法的新方法和极端学习机来预测从2019年到2028年中国天然气进口(13]。几个组合模型也已提出了预测天然气消费量基于详细的分析其主要影响因素(14,15]。传统的预测方法可以解释的后果及影响因素之间的关系在某种程度上;然而,由于缺乏足够的数据和影响因素的复杂性要求和进口的天然气进口在中国,需要进一步提高预测精度。
灰色预测模型,灰色系统理论的最重要的组件由教授邓巨龙在1983年得到了广泛的应用和证明是有效的在解决不确定问题不准确的数据和不完整的信息16- - - - - -20.]。灰色预测模型已成功应用于能源、交通、农业以及财务预测和优化(21- - - - - -25]。灰色预测理论的基本模型是GM(1,1)模型,一个单变量的灰色预测模型与一阶导数,这是最常用的时间序列数据的预测问题,大约均匀指数增长(26]。在许多情况下,GM(1,1)模型并大大提高预测结果的准确性;然而,离散参数造成的错误但连续时间响应函数总是一个问题27]。谢和刘提出离散灰色模型,简称为副总经理(1,1),结合参数估计和模型,使他们在离散形式。为副总经理(1,1)模型可以有效地消除造成的问题从基于差分方程的参数估计方法的时间响应函数基于微分方程建模(28]。然而,为副总经理的缺点(1,1)很快就发现了一些勤奋的学者。一些研究声称,模拟值的增长率为副总经理(1,1)模型是常数,这是容易出现大的偏差在非齐次指数序列的模拟29日- - - - - -31日]。为了解决这个问题,詹和施提出了一种新的灰色模型适用于非齐次指数序列,NHGM (1, 1,k)模型。新模型可以模拟和预测所有数据序列按照非齐次指数特征(32]。
自其出现以来,NHGM (1, - 1,k几次)模型进行了优化(33,34),应用于各种实际问题。例如,陈采用无偏NGM (1, 1,k)模型来分析和预测滑坡位移变形监测(35]。陈奶奶等人应用无偏非齐次的灰色模型来评估科学和金融的结合性能在海南省,中国36]。传统的问题NHGM (1,1,k)模型的困难在于其时间响应函数迭代。在本文中,我们将学习的SIGM建模37)和优化传统NHGM (1, - 1,k基于离散灰色模型)模型的微分方程,然后采用优化模型预测在未来几年中国天然气进口。
2。灰色预测模型的天然气进口
经典的GM(1,1)模型包含参数一个和b,前者被称为发展系数,后者一个灰色的作用量。事实上,经典的GM(1,1)模型是一个两个参数灰色预测模型的固有结构使得它只适用于大约均匀指数序列的建模和预测通常出现在一个理想的状态。与近似非齐次指数增长序列特征不仅仅是常见的在我们的现实生活以来,世界充满了复杂性和不确定性。
为了预测未来中国天然气进口更加科学和准确,我们学会了从SIGM模型的建模思想37),延长了GM(1, 1)模型的基本形式( ),构建了一个新的灰色预测模型,该模型适用于非齐次指数序列的建模和预测。新模型已经被证明是更优越的结构和建模能力。使它更方便读写,天然气进口的新的灰色预测模型将在以下缩写为GPM_NGI部分。
2.1。GPM_NGI模型的基本形式
定义1。让 , , , 的1-AGO序列 ;也就是说, 在哪里 , 。和被称为连续序列生成的邻居们意味着什么 ,也就是说, 在哪里 , ;然后, 是一个微分方程的一阶导数和一个变量(37,38]。的参数一个被称为发展系数,它反映了系统的趋势- 。的参数b被称为灰色动作量,代表所有可能影响的灰色信息系统的发展。意味着的价值b线性相关与时间点-k。的参数c被称为随机干扰项或随机误差项,用于表示信息与accidentalness或弱影响超出了主导变量。
2.2。GPM_NGI模型的参数估计
参数估计是最重要的步骤之一,在构建的灰色预测模型。它的基本思想是利用最小二乘法估计参数一个,b,cGPM_NGI模型,模拟误差的平方之和的原始序列是最小的。
定理1(见[37])。让 ,和就像定义1, 是参数向量, 然后方程的参数向量(3)可以使用最小二乘法估计,而满足
证明。替换 ,和在方程(3),我们可以获得 与方程(6)也可以表示为 替换与 ,我们可以得到一个错误的序列, 假设 参数向量 ,最大限度地减少年代应该满足 结合后,我们获得 根据方程(11),我们得到 的证据。
2.3。GPM_NGI的时间响应函数模型
参数估计的第一步是构建一个灰色预测模型。很明显,GPM_NGI模型的基本形式, ,完全不能实现系统的发展趋势的预测 。GPM_NGI的时间响应函数模型,它显示了系统之间的功能关系和时间点k,需要建立计算的价值在不同的时间点。
根据定义1,我们知道 所以 和
上述方程可以改写为
根据方程(17),当 ,我们可以获得
类似地,如果我们把成(u= 2,3…n),重新安排后,我们可以得到 与方程(21)可以简化为
根据定义1,我们知道 ,所以
在重新整理方程(23),我们可以获得
让 与方程(24)可以简化为
然后,方程(27)GPM_NGI的时间响应函数模型, 。当 ,被称为模拟值和什么时候 ,被称为预测值(35]。
3所示。预测中国的天然气进口
天然气进口不仅影响供给和需求以及能源结构,而且相关的国家政策。数据充满了不确定性,因为真正的情况复杂得多。进口天然气的统计数据从2011年到2019年(见表1)将作为建模样本。
数据从中国能源网站(http://www.china5e.com/)。
3.1。建设中国天然气进口GPM_NGI模型预测
(我)选择实验数据构建GPM_NGI中国进口天然气的预测模型。从表1,我们可以看到数据的可用性是有限的,所以所有的数据将被用来做建模。原始序列 根据定义1,我们可以得到 (2)计算的参数GPM_NGI模型对中国天然气进口量预测;检查GPM_NGI模型的模拟和预测性能,我们分组原始数据分为两类。具体地说,第一个七个数字被用作模型仿真数据构建而剩下的两个被用作保留数据检验模型的预测误差。根据定理1,可以设置和参数矩阵的参数向量, ,可以计算如下: 参数向量的值如下所示: (3)构造GPM_NGI的时间响应函数模型对中国天然气进口量预测。如部分所示2。3,参数向量的值代入方程(25)和(26),我们可以得到的值 。
替换 在方程(27),我们可以获得GPM_NGI的时间响应函数模型:
3.2。中国天然气进口的模拟
根据方程(33),模拟值和模拟错误GPM_NGI模型可以计算的 。与此同时,我们也采用GM(1,1)模型和为副总经理(1,1)模型来模拟中国天然气进口作为比较。模拟数据和模拟误差如表所示2和图1,分别。
(一)
(b)
从数据可以看出1(一)和1 (b)GPM_NGI模型具有更好的全局性能比GM(1,1)和为副总经理(1,1)所有通过8年。图1 (b)表明GPM_NGI模型熊最小的平均相对预测误差百分率比其他两个。此外,相比之下,为副总经理(1,1)模型和GM(1,1)模型,GPM_NGI模型相对模拟误差最小的全球平均。一般来说,GPM_NGI模型执行最好的中国天然气进口的预测,表明它可以用来预测中国天然气进口在中期。
3.3。预测中国的天然气进口
由于GPM_NGI模型模拟功能的更好的性能,我们应用的预测从2020年到2022年中国天然气进口,可以发现在表的结果3。根据实际价值的天然气进口从2011年到2019年,天然气的预测值进口从2020年到2023年,中国天然气进口的折线图,从2011年到2022年绘制在图2。
4所示。结论
预测结果表明,中国天然气进口将继续保持上升趋势在接下来的几年里,2022年的进口3821.5亿立方米,2011年的12倍。这主要是因为天然气是一种清洁能源,这是符合绿色发展的概念,近年来中国政府提倡的。除此之外,中国的GDP增长率仍保持高于6%,尽管最近在经济发展放缓,导致天然气进口的增加。与此同时,增加天然气进口是密切相关的中国日益增长的天然气需求。曾庆红等人曾预测中国的天然气需求和结果表明,中国的天然气需求将在2020年大约有3400亿立方米(37,39]。的预测结果天然气进口在2020年的这篇文章是2056.2亿立方米,约占60%的预测需求。这表明中国的天然气的供应仍严重依赖进口,其生产是不够的。尽管贸易全球化的趋势是不可避免的,也是近年来不断上升,我们必须意识到威胁和风险,过度依赖天然气进口可能使中国的能源安全,工业发展以来,全球能源地缘政治游戏越来越激烈。
为了减少风险的过度依赖天然气进口,中国可以采取有效措施从供给和需求的目的。从供给的角度来看,多元化的能源消费应该提倡和非常规能源,如页岩气,太阳能,风能,可以进一步开发和利用。首先,中国在可采页岩气储量丰富,覆盖世界总数的20%。因此,提高页岩气的利用,培育产业集群等页岩气利用率和提供政府支持,可以有效地缓解天然气供应的压力。其次,中国在太阳能发电领域的早期开始,但是有一些问题在太阳能光伏行业,如原材料的过度依赖进口,缺乏核心技术和设备和国内市场开发不足,等等。因此我们需要增加投资在科学和技术来克服技术上的困难在太阳能开发和实施优惠的政策来提高市场活力。第三,作为一个最重要的非常规能源资源储量丰富,分布广泛,风能应该更好地利用。然而,充分开发风能的前提是充分了解其强劲的随机波动,很难准确预测。风力发电能源的利用率可以提高只有提高风力发电的预测精度。在需求方面,政府应该给予更优惠的政策,鼓励工业企业使用非常规能源由于天然气是有限的在最后的分析中。此外,现有的天然气的利用率可以提高通过技术创新,这也是一个考虑减少天然气从一开始的巨大需求。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是由重庆市自然科学基金(批准号Cstc2019jcyj-msxmX0003),科学技术研究的关键项目重庆市教育委员会(批准号KJZD-K202000804),和重庆海外学生创业和创新支持计划(批准号Cx2019048)。