Использование стенда моделей для долгосрочного прогнозирования рыночного спроса на энергоносители Текст научной статьи по специальности «Экономика и бизнес»

УДК 621.11:338.27

ИСПОЛЬЗОВАНИЕ СТЕНДА МОДЕЛЕЙ ДЛЯ ДОЛГОСРОЧНОГО ПРОГНОЗИРОВАНИЯ РЫНОЧНОГО СПРОСА НА ЭНЕРГОНОСИТЕЛИ1

Гальперова Елена Васильевна

К.т.н., доцент, ведущий научный сотрудник отдела «Взаимосвязи энергетики и экономики», Институт систем энергетики им. Л.А. Мелентьева СО РАН, 664033 г. Иркутск, ул. Лермонтова 130, e-mail: galper@isem.irk.ru

Аннотация. Показаны преимущества построения методического инструментария в виде стенда (набора) отдельных моделей для реализации пошагового подхода к долгосрочному прогнозированию рыночного спроса на энергоносители. Дано краткое описание используемых моделей. В качестве примера применения независимых моделей для решения возникающих задач на разных шагах исследования приводятся экспериментальные результаты по оценке долгосрочной ценовой эластичности спроса на природный газ для укрупненных регионов России и влиянию на нее разного представлений о характере неопределенности исходных данных.

Ключевые слова: модель, оптимизация, прогнозирование, неопределенность, Монте-Карло, эластичность спроса, цена, энергоносители, энергоснабжение.

Введение. Долгосрочное прогнозирование спроса на разные виды энергоносителей является важным этапом при разработке программ и стратегий развития энергетики и экономики страны и регионов и принятии инвестиционных решений в топливно-энергетическом комплексе (ТЭК). Методология прогнозирования спроса на энергоносители идет в направлении все более полного учета факторов и взаимосвязей, влияющих на его перспективные объемы (темпы роста экономики, развитие новых и энергосберегающих технологий, уровень и стиль жизни населения, цены на энергоресурсы и т.д.). В связи с этим в последнее время усилилось внимание к разработке больших сложных моделей и увязке их в модельные комплексы. Например, в ИНЭИ РАН прогнозирование спроса на ТЭР осуществляется с помощью распределенного модельно-информационного комплекса EDFS [12] во взаимосвязи с нелинейной оптимизационной экономико-математической моделью энергетики в экономике МЭНЭК, входящих в состав модельно-информационного комплекса SCANER [13].

В странах Западной Европы получила распространение система моделей PRIMES [14] для анализа энергетической политики во взаимосвязи с энергетическими технологиями. В блоке энергопотребления этой системы рассчитываются потребности в разных видах энергии по секторам экономики с учетом около 200 возможных видов технологий производства продукции в промышленности и более 30 технологий потребления энергии в жилом и коммерческом секторах.

1 Статья подготовлена при финансовой поддержке РФФИ (проект № 16-06-00230 и проект № 1606-00091)

В США постоянно совершенствуется система моделей NEMS разработанная Министерством энергетики для долгосрочного прогнозирования развития энергетики [15]. Она объединяет более 10 моделей. В каждой отраслевой модели определяется баланс спроса и предложения энергоресурсов по девяти укрупненным регионам. Более подробный анализ моделей и модельных комплексов представлен в [5, 7].

Преимуществом таких модельных систем является возможность комплексного анализа прямых и обратных связей между энергетической системой и экономикой совместно с оптимизацией систем топливо- и энергоснабжения, определением энергетических балансов по отраслям и секторам экономики, а также оценкой эффективности инвестиций, экологических проблем и т.д.

Однако, как отмечают сами авторы подобных разработок, несмотря на то, что в настоящее время нет принципиальных математических и вычислительных ограничений на создание подобных комплексов, эффективность их практического применения не всегда соответствует затратам на их создание. Такие комплексы трудно обеспечить информацией и отлаживать, еще труднее интерпретировать решения и анализировать роль отдельных факторов. Представляется, что неформализованный подход, где информация, получаемая из одной модели, анализируется экспертами и служит входом в другую модель, существенно облегчает исследование долгосрочных проблем. Именно такой подход реализуется в ИСЭМ СО РАН при исследовании долгосрочных стратегий развития ТЭК страны на перспективу 25-30 лет. На протяжении многих лет используется и постоянно развивается для решения новых возникающих проблем и задач стенд (набор) разного вида моделей (рис. 1). Поскольку модели жестко не связаны между собой автоматизированными процедурами, то в зависимости от исследуемой проблемы каждая модель может решать как свои специфические задачи, так и использоваться в разной комбинации с другими моделями.

1. Общая характеристика стенда моделей. Оценка будущей потребности в ТЭР является важной составной частью исследований долгосрочных стратегий развития ТЭК страны и регионов. При этом изменившиеся условия функционирования энергетики и экономики (усиление роли рыночных отношений, изменение методов управления и взаимодействия производителей и потребителей энергии, повышение роли ценового и регионального факторов, рост неопределенности будущего развития страны и территорий, и т.д.) требует развитие существующих методов и моделей. В ИСЭМ СО РАН для исследования и прогнозирования рыночного спроса на энергоносители разрабатывается пошаговый методический подход. Подход исходит из того, что в перспективе спрос на электро-, теплоэнергию и топливо будет формироваться в условиях растущей неопределенности на развивающихся региональных энергетических рынках и усиления конкуренции энергоносителей. В связи с этим задача прогноза спроса на ТЭР решается во взаимной увязке с исследованиями развития экономики, энергетики и ценообразованием в ТЭК. Реализация подхода предполагает, что на каждом его шаге для решения определенных задач из имеющегося стенда выбирается свой набор моделей с разной степенью агрегирования факторов и взаимосвязей [7]. Это позволяет, в том числе, привести в соответствие требуемую точность результатов с точностью, используемой для этого информации [8, 9]. Последовательность шагов, решаемые задачи и используемые модели представлены на рис. 2.

МИДЛ

Межотраслевая оптимизационная динамическая модель экономики

I

ИМПАКТ

Межотраслевая оптимизационная динамическая модель оценки инерционности сопряженных с ТЭК отраслей

ПРОМ-ЭН

Имитационная модель

прогнозирования энергопотребления в промышленности

ОГРАН

Балансовая модель корректировки ограничений на инвестиционные ресурсы

НЕПР-ЭН

Имитационная модель прогнозирования душевого энергопотребления в непроизводственной сгЬепе

МАКРОТЭК

Балансовая модель

обеспечения внутреннего спроса на энергоносители и экспорта

ИНФЛЯЦИЯ

Межотраслевая оптимизационная нелинейная модель

оценки влияния стоимости энергоносителей на цены продукции отраслей экономики

— ►

ЭНЕРДЕМ

Имитационная модель

прогнозирования энергопотребления на уровне страны

СТЕП

Имитационная модель

прогнозирования энергопотребления на уровне регионов

ТАРИН

Имитационная модель поведения инвестора

МИСС-газ

Оптимизационная

стохастическая статическая модель поставок газа в регионы

МИСС

Оптимизационные

стохастические статические модели энергоснабжения потребителей егионов

ИНТАР

Имитационная модель определения цен самоокупаемости

МИСС-проект

Оптимизационная стохастическая статическая модель оценки эффективности инвестпроектов

Рис. 1. Стенд существующих и разрабатываемых моделей и их основные взаимосвязи для формирования и оценки вариантов долгосрочного развития ТЭК страны

п к»

Я

о В

РЗ

О СИ

Р

О

СО ^

сг л

Ё О

Й "о

я о Й ег

03

о

О Й о Й к

рз

О

Е В

03

рз Й рз Л К

о ч Я о

оз К 43

о со рз Я

я

¡а

Р сг

Я О X

я о ч о о

я

43

о о рз

я

рз

н о я Й я

со о

я и я

о 43

4 я

Шага прогноза

1. Прогнозирование развития отраслей и энергоемких

ПРОИЗВОДСТВ

I

I I

3. Прогнозирование

потребностей в энергоносителях на уровне регионов

ж

I I I

<

2. Прогнозирование

потребностей в энергоносителях на уровне страны

<

4. Прогнозирование конъюнктуры на решональньтх энергетических рьтнках

<

г

г

Выделяемые подзадачи

Г-

Формирование сценариев социально-экономического развития страны с анализом

динамики пен на мировых рынках

Анализ тенденций и закономерностей во взаимосвязях экошыики и энергопотребления

АнИИЗ Ж прогноз ДИНЭМИКИ ОТраСЛЕВОЙ. ЕНуГрИОТрЭШЕЕ ОЙ И ТЕХНОЛОГИЧЕСКОЙ

структуры

Прогноз динамики материалоемкости и знергоемкости отраслей

Прогнозирование энергопотребления промыпиенностью ипроизЕодственной

сйеоой

Прогнозирование энергопотребления населением и сферой услуг

Выявление закономерностей и прогноз экономической политики в регионах

Анализ тенденций изменения энергопотребления регионов

Формирование предварительного прогноза энергопотребления по регионам

Выявление закономерно лей ео взаимосвязях спроса и цен на региональных энергетических рынках

Выбор вариантов энерго- и топливоснабжения потребителей в регионах

>

>

Оценка региональной ценовой эластичности спроса на энергоносители по основньш

группам потребителей

Используемые модели

Межотраслевая оптимизаци онн ая динамическая модель экономики МИДЛ

Имитационные модели энергопотребления в производственной сфере

ПГОМ-ЭН, непроизводственной сфере НЕПР-ЭН и суммарного потр е &л ения Э НЕРДЕМ

Имитационная модель регионального эн ерг опотребл ения СТЭП

Семейство моделей эн ерг о сн абжения потребителей в регионах МИСС

2. Краткая характеристика моделей для долгосрочного прогнозирования рыночного проса на энергоносители.

2.1. Межотраслевая оптимизационная динамическая модель экономики МИДЛ

предназначена для приближенной оценки (в увязке с другими моделями) возможного влияния изменений в ТЭК страны на развитие экономики, определения сравнительной макроэкономической эффективности вариантов развития энергетики, разагрегирования (детализация по 25 отраслям экономики) задаваемой макроэкономической информации о сценариях развития экономики для прогнозной оценки потребностей в энергоносителях.

Основными уравнениями модели являются выраженные в стоимостной форме балансы производства и потребления продукции рассматриваемых отраслей:

X (< )=£ аА< )Х (<)+и, ^)+У1 ^)+ЭК, ^)-ИМ, ^ )+аз: ^)

У

У

где Х{ )- производство валовой продукции в отрасли г в году а^ ) - меняющиеся во времени коэффициенты затрат продукции г на производство продукции у; и{ (^) - затраты продукции фондообразующих отраслей на ввод новых производственных мощностей; ЭК{ () и ИМ{ () - экспорт и импорт г-й продукции; АЗ{ () - изменение запасов или задаваемая

дополнительная потребность в продукции г-й отрасли

Критерием является максимум конечного потребления товаров и услуг за рассматриваемый период с учетом задаваемых условий и ограничений:

£ тах

' у

где (^) - конечное потребление продукции г на непроизводственные нужды в году 8^) - дисконтирующий сомножитель (см. подробнее [4]).

2.2. Имитационная модель прогнозирования энергопотребления в промышленности ПРОМ-ЭН. В модели методом прямого счета определяются потребности 16 отраслей промышленности в электроэнергии, централизованном тепле, котельно-печном и моторном топливе, а также в топливе, используемом для сырьевых и нетопливных нужд.

Е, (*) = £ «)Хг ( )

у

где Е (?) - суммарный объем потребление г-го вида энергоресурса в году ег>. ^) -меняющиеся удельные расходы у-го вида энергоресурса для г-ой отрасли, Х{ (^) - объем валовой продукции в отрасли г в году

Информация о взаимосогласованных объемах валовой продукции всех отраслей берется из результатов расчетов на модели МИДЛ, а динамика изменения коэффициентов их энергоемкости определяется вне модели отдельно для существующих и новых производственных мощностей с учетом зависимости их ввода от темпов роста производства.

2.3. Имитационная модель прогнозирования душевого энергопотребления в непроизводственной сфере НЕПР-ЭН. Исходные данные формируются на основе анализа существующих и возможных к реализации перспективных социальных, экономических и технологических факторов и взаимосвязей, влияющих на уровень и стиль жизни населения и развитие сферы услуг. К ним относятся: обеспеченность населения жилыми и общественными зданиями, структура расселения (городское, сельское), типы зданий по

назначению и материалам стен, удельные нормы теплопотерь через ограждающие конструкции зданий, степень насыщенности населения и сферы услуг разными видами электроприборов, удельные расходы энергии основными приборами бытового назначения, душевое потребление горячей воды, расходы энергии на отопление, освещение, приготовление пищи и т.п. (см. подробнее [5]).

2.4. Имитационная модель прогнозирования суммарного энергопотребления на уровне страны ЭНЕРДЕМ состоит из нескольких отраслевых и одного обобщающего блоков. В отраслевых блоках транспорта (грузовой и пассажирский), связи, сельского хозяйства и строительства прогноз энергопотребления осуществляется на основе объемов продукции и услуг этих отраслей (результаты модели МИДЛ) и расчетных прогнозных энергоемкостях, последние получаются с использованием специальных регрессионных и аналитических процедур. Информация о перспективной динамике отраслевого энергопотребления, а также энергопотребления в отраслях промышленности (модель ПРОМ-ЭН) поступает в обобщающий блок, где формируются общие объемы энергопотребления производственной сферой. Здесь же рассчитывается энергопотребление непроизводственной сферы на основе принятой в сценарии экономического развития численности населения (из модели МИДЛ) и динамики перспективного душевого энергопотребления (результаты модели НЕПР-ЭН) и определяется суммарный диапазон потребления разных видов ТЭР на уровне страны

2.5. Имитационная модель регионального энергопотребления СТЭП используется для разагрегирования полученного для страны в целом прогноза спроса на энергоресурсы по регионам (федеральным округам или субъектам федерации в зависимости от решаемой задачи). В производственной сфере оно осуществляется на основе изменения доли региона в ВВП страны

я ® = я (О п (О

вег -^^е У ег / '»г

в непроизводственной сфере - пропорционально изменению доли в численности населения страны

п О =п О V (О

Оег Ое ¡ег 8г ' 8г >

где Бег(*\ Оег - потребность в энергоносителе е в регионе г в году О соответственно производственной и непроизводственной сферы, уег (10-> - доля региона г в потреблении энергоносителя е в базовом году в производственной или непроизводственной сфере, Хг -доля региона в общероссийском ВВП, 8Г - доля региона в численности населения страны.

Затем полученные значения энергопотребления корректируются, учитывая возможное появление факторов, способных существенно повлиять на изменение тенденции энергопотребления в отдельном регионе (намечаемое строительство крупного энергоемкого производства или изменения в миграционной, ценовой политике и т.д.) (см. подробнее [1]).

2.6. Семейство моделей МИСС. Семейство имитационных статических стохастических моделей МИСС энергоснабжения разных групп потребителей в регионах находится в стадии разработки. В настоящее время реализованы модели энергоснабжения электростанций, котельных, цементной промышленности и грузового транспорта для отдельных регионов на перспективу 2020 и 2030 гг.

Особенностью моделей является совместное использование метода оптимизации и метода Монте-Карло с возможностью задания разного распределения вероятности в

интервалах используемых исходных данных. Первый метод используется для выбора рациональной структуры энергоснабжения потребителей. Критерием является минимум средней цены производимой в регионе продукции при условии, что цены строятся на принципах самоокупаемости (самофинансирования).

F = Е Еmin

i e

где ReiJ = ol(ceibeJ + ueij) + o2okei /heij - цена продукции i, произведенной на

энергоносителе (топливе) е, руб./ед. прод., на установке j, c - цена топлива е, поставляемого потребителю i, руб./тут, b - удельный расход топлива е на производство продукции i на

eiJ

установке j, тут/ед.прод., k - удельные капиталовложения на прирост мощности на

eV

производство продукции i на топливе е на установке j, руб./ед.мощн., u - условно-

eV

постоянная часть себестоимости продукции i (без топливной составляющей) производимой с использованием топлива е на установке j, руб./ед.прод., aj, о2, о - коэффициенты корректировки себестоимости, эффективности капиталовложений, дисконтирования.

Второй метод используется для учета неоднозначности будущих условий. Причем исходные технико-экономические, ценовые и другие показатели и ограничения задаются в виде интервалов их возможных значений. Характер распределения вероятности этих показателей внутри диапазона неопределенности задается с использованием т.н. функции бета-распределения, которая позволяет описать практически все возможные типы статистических распределений - равномерное, нормальное, логнормальное, показательное и т.д.

Модели дают возможность оценить изменение объемов использования разных видов ТЭР потребителями в зависимости от их стоимости и определить ценовую эластичность спроса при разных представлениях о характере неопределенности используемой исходной информации. Обобщение расчетных коэффициентов ценовой эластичности спроса на разные виды энергоносителей разными потребителями, позволяет найти региональную ценовую эластичность их суммарного спроса (см. подробнее [2, 6])

3. Результаты. Ниже приведены предварительные результаты по решению одной из задач, возникающих на четвертом шаге прогнозирования рыночного спроса на энергоносители. Проводилось исследование по оценке долгосрочной ценовой эластичности спроса на природный газ для укрупненных регионов России и влиянии на нее разного представления о характере неопределенности исходных показателей. Для этого из стенда моделей были выбраны модели энергоснабжения таких потребителей, как электростанции (МИСС-ЭЛ), котельные (МИСС-Т) и цементная промышленность (МИСС-П). В качестве исходной информации были использованы один из разработанных на долгосрочную перспективу прогнозов энергопотребления [11] и прогноз цен на энергоресурсы [10].

Проведенное исследование показало, что изменение спроса на топливо в условиях неоднозначности будущих условий зависит от особенностей потребителей и рассматриваемой перспективы (рис. 3).

Цена г а 5а, л олл-тут

Рис. 3. Возможное снижение спроса на газ некоторыми промышленными потребителями при его удорожании в Европейской части страны Источник: [3] и расчеты автора

1- цементная промышленность, 2 - новые электростанции, 3- котельные

Расчетные коэффициенты ценовой эластичности суммарного спроса на газ различаются по территории, зависят от характера неопределенности используемой информации и возрастают по мере увеличения горизонта прогнозирования (табл.1).

Полученные коэффициенты долгосрочной региональной ценовой эластичности спроса на газ позволяют оценить возможное снижение потребления газа в регионах в долгосрочной перспективе при разной ценовой политике и при необходимости скорректировать прогноз на энергоносители, как на региональном уровне, так и на уровне страны при исследовании вариантов развития ТЭК.

Таблица 1. Прогнозная ценовая эластичность суммарного спроса на природный газ в

регионах при разной вероятности исходной информации

Регион 2020 г. 2030 г.

Интервальное распределение Нормальное распределение Интервальное распределение Нормальное распределение

Европейская часть -0,10 -0,04 -0,61 -0,50

Урал -0,18 -0,12 -0,44 -0,31

Западная Сибирь -0,48 -0,47 -0,60 -0,48

Восточная Сибирь -1,29 -1,26 -1,28 -1,25

Дальний Восток (южная часть) -0,78 -0,74 -0,88 -0,75

Источник: расчеты автора

Примечание: суммарный перспективный спрос на газ в регионах определялся по основным группам потребителей и в предположении о сохранении структуры потребления газа в регионе на уровне 2013 г. (структура рассчитана по данным Росстат форма 11-ТЭР за 2013 г.)

Интервальное распределение - равномерное от нижней до верхней границы, нормальное распределение -близкое к средним значениям.

Заключение. Для реализации разрабатываемого пошагового подхода к долгосрочному прогнозированию рыночного спроса на энергоносители предлагается использовать стенд (набор) моделей, как уже существующих, так и предполагаемых к созданию с разной степенью агрегирования объектов и их взаимосвязей на разных шагах исследования. Такое представление инструментария дает возможность решать отдельные

возникающие задачи независимо друг от друга, подбирая наиболее приемлемый набор моделей, что позволяет уменьшить используемый объем исходной информации и снизить затраты времени на поиск решения.

СПИСОК ЛИТЕРАТУРЫ

1. Гальперова Е.В. Особенности прогнозирования энергопотребления на региональном уровне. // Известия РАН. Энергетика. 2004. № 4. C. 61-66.

2. Гальперова Е.В., Кононов Д.Ю. Один подход к оценке влияния неопределенности исходных данных при долгосрочном прогнозировании энергоснабжения региона // Региональная экономика: теория и практика. 2015. №1. С. 36-43.

3. Гальперова Е.В., Кононов Д.Ю., Мазурова О.В. Долгосрочное прогнозирование спроса на топливо на региональных энергетических рынках с учетом неопределенности // Всерос. конференция «Энергетика России в XXI веке. Инновационное развитие и управление»: труды. Иркутск, 1-3 сентября 2015 г. Режим доступа: www.sei.irk.ru/energy21 (дата обращения: 01.01.2016)

4. Кононов Ю.Д., Любимова Е.В., Тыртышный В.Н. Проблемы оценки народнохозяйственных последствий долгосрочных стратегий развития энергетики // Экономика и математические методы. 1983. Т. 19, № 5. C .912-916.

5. Кононов Ю.Д., Гальперова Е.В., Кононов Д.Ю. и др. Методы и модели прогнозных исследований взаимосвязей энергетики и экономики. Новосибирск: Наука. 2009. 178 с.

6. Кононов Ю. Д., Тыртышный В. Н. Оценка влияния характера неопределенности будущих условий на конкурентоспособность вариантов топливоснабжения //Энергетическая политика. 2011. №4. С. 90-94.

7. Кононов Ю.Д. Пути повышения обоснованности долгосрочных прогнозов развития ТЭК. Новосибирск: Наука. 2015. 147 с.

8. Макаров А.А. Системные исследования развития энергетики. М.: Издательский дом МЭИ. 2015. 280 с.

9. Мелентьев Л.А. Системные исследования в энергетике. Новосибирск: Наука. 1979. 414 c.

10. Обоснование развития электроэнергетических систем: Методология, модели, методы, их использование / Н.И. Воропай, С.В. Подковальников, В.В. Труфанов и др.; отв. ред. Воропай. Новосибирск: Наука. 2015. 448 с.

11. Проект Энергостратегии Российской Федерации на период до 2035. Министерство энергетики РФ. Режим доступа: http://minenergo.gov.ru/node/1920. (дата обращения: 01.01.2016)

12. Филиппов С.П. Прогнозирование энергопотребления с использованием комплекса адаптивных имитационных моделей // Известия РАН. Энергетика. 2010. № 4. С. 41-55.

13. SCANER. Модельно-информационный комплекс / ред. А.А. Макаров. М.: ИНЭИ РАН. 2011. 72 с.

14. Mantzos L., Capros P. The PRIMES. Version 2. Energy System Model: Design and features. Режим доступа: http://www.e3mlab.ntua.gr/manuals/PRIMESld.pdf (дата обращения: 01.01.2016)

15. The National Energy Modeling System / Industrial Demand Module Washington: Energy Information Administration. Режим доступа:

http://www.eia.gov/forecasts/aeo/assumptions/pdf/industrial.pdf (дата обращения: 01.01.2016)

UDK 621.11:338.27

SET OF MODELS FOR LONG-TERM FORECASTING OF MARKET ENERGY

DEMAND Elena V. Gal'perova

Ph.D., Associate Professor, Leading Researcher Department «Relationship between Energy and Economy» Melentiev Energy Systems Institute Siberian Branch of the Russian Academy of Sciences 130, Lermontov Str., 664033, Irkutsk, Russia, e-mail: galper@isem.irk.ru

Abstract. The article presents advantages of a methodological tool as a set of individual models. This tool is used for long-term market energy demand forecasting. Description of the set of models and possibility of their using for problems solving are shown. The article contains the experimental results of evaluation of price elasticity of gas demand for Russian regions in 2020 and 2030 under different assumptions about nature of future conditions uncertainty.

Keywords: model, optimization, forecasting, uncertainty, Monte-Carlo, the elasticity of demand, price, energy supply system.

References

1. Gal'perova E.V. Osobennosti prognozirovanija jenergopotreblenija na regional'nom urovne. [Features of regional energy consumption forecasting] // Izvestija RAN. Seriya Energetika = Bulletin of RAS. Energy Series. 2004. No. 4. Pp. 61-66. (in Russian).

2. Gal'perova E.V., Kononov D.Ju. Odin podhod k ocenke vlijanija neopredelennosti ishodnyh dannyh pri dolgosrochnom prognozirovanii jenergosnabzhenija regiona [An approach to the study of the impact of input data uncertainty on long-term forecasting regional energy supply] // Regional'naja jekonomika: teorija i praktika = Regional economics: theory and practice. 2015. No. 1. Pp. 36-43. (in Russian).

3. Gal'perova E.V., Kononov D.Ju., Mazurova O.V. Dolgosrochnoe prognozirovanie sprosa na toplivo na regional'nyh jenergeticheskih rynkah s uchetom neopredelennosti [Long-term forecasting fuel demand on the regional energy market under uncertainty] // Proc. Sci. Conf. «Russian Energy in the XXI century. Innovative development and management». Irkutsk. 1-3 September, 2015: Proceedings. Available at: www.sei.irk.ru/energy21, (accessed: 01.01.2016) (in Russian).

4. Kononov Ju.D., Ljubimova E.V., Tyrtyshnyj V.N. Problemy ocenki narodnohozjajstvennyh posledstvij dolgosrochnyh strategij razvitija jenergetiki [Problems of assessment of economic consequences of long-term energy strategies]/ / Jekonomika i matematicheskie metody = Economics and Mathematical Methods. 1983. vol. 19. No. 5. Pp. 912-916 (in Russian).

5. Kononov Ju.D., Gal'perova E.V., Kononov D.Ju. i dr. Metody i modeli prognoznyh issledovanij vzaimosvjazej jenergetiki i jekonomiki [Methods and models of forecasting studies the relationships between energy and the economy]. Novosibirsk: Nauka Publ. 2009. 178 p. (in Russian).

6. Kononov Ju. D., Tyrtyshnyj V. N. Ocenka vlijanija haraktera neopredelennosti budushhih uslovij na konkurentosposobnost' variantov toplivosnabzhenija [Assessment of the nature of the uncertainty of future conditions on the competitiveness of fuel supply options] // Jenergeticheskaja politika = Energy policy. 2011. No. 4. Pp. 90-94. (in Russian).

7. Kononov Ju.D. Puti povyshenija obosnovannosti dolgosrochnyh prognozov razvitija TJeK [Ways to improve the validity of long-term forecasts of Energy]. Novosibirsk: Nauka Publ. 2015. 147 p. (in Russian).

8. Makarov A.A. Sistemnye issledovanija razvitija jenergetiki [System studies of energy development]. M.: Izdatel'skij dom MJel = Moscow, Publishing House MEI. 2015. 280 p. (in Russian).

9. Melent'ev L.A. Sistemnye issledovanija v jenergetike [System Research in the energy sector.]. Novosibirsk: Nauka Publ. 1979. 414 p. (in Russian).

10. Obosnovanie razvitija jelektrojenergeticheskih sistem: Metodologija, modeli, metody, ih ispol'zovanie [Rationale for the development of electric power systems: methodology, models, methods and their use]. Novosibirsk: Nauka Publ. 2015. 448 p. (in Russian).

11. Proekt Jenergostrategii Rossijskoj Federacii na period do 2035. [The project Energy Strategy of the Russian Federation for the period up to 2035] / Ministerstvo jenergetiki RF = Ministry of Energy. Available at: http://minenergo.gov.ru/node/1920 (accessed: 01.01.2016) (in Russian).

12. Filippov S.P. Prognozirovanie jenergopotreblenija s ispol'zovaniem kompleksa adaptivnyh imitacionnyh modelej [Energy forecasting using a complex adaptive simulation models]// Izvestija RAN. Seriya Energetika = Bulletin of RAS. Energy Series. 2010. No. 4. Pp. 41-55. (in Russian).

13. SCANER. Model'no-informacionnyj kompleks [Model-information complex]. M.: INJel RAN = Moscow: ERI RAS Publ. 2011. 72 p. (in Russian).

14. Mantzos L., Capros P. The PRIMES. Version 2. Energy System Model: Design and features. Available at: http://www.e3mlab.ntua.gr/manuals/PRIMESld.pdf (accessed: 01.01.2016).

15. The National Energy Modeling System / Industrial Demand Module Washington: Energy Information Administration. Available at: http://www.eia.gov/forecasts/aeo/assumptions/pdf/industrial.pdf (accessed: 01.01.2016).

Acknowledgments. The article is supported by grants of the Russian Foundation for Basic Research (№ 16-0600091 and №. 16-0600230).