CC BY
25УДК 621.11:338.27
МЕТОДИЧЕСКИЙ ИНСТРУМЕНТАРИЙ ДЛЯ ДОЛГОСРОЧНОГО ПРОГНОЗИРОВАНИЯ СПРОСА НА ЭНЕРГОНОСИТЕЛИ ДЛЯ РАЗНЫХ ВРЕМЕННЫХ СТАДИЙ ИССЛЕДОВАНИЙ Гальперова Елена Васильевна
К.т.н., доцент, ведущий научный сотрудник отдела «Взаимосвязей 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. Предложен метод определения допустимой ошибки прогноза спроса на топливно-энергетические ресурсы, не оказывающей заметного влияния на рассматриваемые варианты развития ТЭК. Представлен инструментарий (набор моделей) для прогнозирования спроса на энергоносители, важной особенностью которого является соответствие сложности и детализации моделей, объективно существующей погрешности исходной информации для разных временных стадий исследования. Ключевые слова: модель, оптимизация, прогнозирование, неопределенность, Монте-Карло, ценовая эластичность спроса, энергоносители.
Введение. Долгосрочное прогнозирование представляет собой начальный этап разработки и обоснования перспектив развития энергетики. Его основные цели:
- очертить область допустимого и эффективного развития топливно-энергетического комплекса (ТЭК) страны;
- выявить проблемы, которые могут возникнуть в процессе развития;
- дать необходимую информацию для разработки энергетической стратегии и политики страны и регионов, генеральных схем развития отраслей энергетики, бизнес-планов энергетических компаний.
Сложности при долгосрочном прогнозировании развития энергетики в настоящее время обусловлены изменением взаимосвязей внутри самого топливно-энергетического комплекса, усилением взаимозависимости энергетики и экономики, а также ростом неопределенности их будущего развития. Именно необходимость учета большого числа неоднозначных факторов формирует широкий спектр возможных вариантов перспективного развития ТЭК. Для практических целей из него необходимо выделить те, которые в наибольшей степени соответствуют эффективной (по разным критериям) стратегии [11].
Методы учета фактора неопределенности при прогнозных исследованиях ТЭК в нашей стране были разработаны еще в 70-80-х годах прошлого века (см., например, [1, 12, 13]). В настоящее время в условиях усиления рыночных отношений в экономике и ТЭК, возрастания роли финансовых и ценовых факторов, трансформации в методах и способах управления, роста противоречий между государством и отдельными энергетическими компаниями возникает необходимость в их модификации и дальнейшем развитии.
1. Особенности методического подхода к сужению зоны неопределенности при долгосрочном прогнозировании ТЭК. В ИСЭМ СО РАН разрабатывается методический подход к повышению обоснованности долгосрочных прогнозов развития ТЭК. Особенность подхода состоит в разбиении процесса прогнозного исследования на три основных последовательных этапа и несколько временных стадий. Сужение зоны неопределенности прогнозов основывается, в том числе, на выделении на каждом этапе и временном интервале особо важных и сложных задач для более глубокой их проработки с целью определения наиболее устойчивых решений (рис. 1) (см. подробнее [8, 9]).
Исследование прогнозной области развития ТЭК
Исследование общей прогнозной области
Этапы
Стадии (временные интервалы)
Перспектива
более 25 лет
20-25 лет
менее 20 лет
Задачи
Сценарии условий развития ТЭК
Рис. 1. Схема поэтапного подхода к повышению обоснованности долгосрочного прогнозирования развития ТЭК [8]
Важной чертой подхода является соответствие его принципу адекватности используемого инструментария погрешности исходных данных и необходимой точности результатов решаемых задач. Сложность и детализация методов и моделей на разных временных стадиях исследования должна учитывать объективную неопределенность будущих условий, присущую каждому прогнозному интервалу. Другими словами, чем более продолжителен горизонт прогноза, тем проще должны быть модели и меньше уровней их иерархии (рис. 2). Кроме того, чем больше временной интервал прогнозирования, тем менее достоверными становятся результаты оптимизационных расчетов, и их следует заменять многовариантными исследованиями на основе имитационных моделей.
Как видно из рис. 2 одной из наиболее важных задач, выделяемых на каждой временной стадии исследования ТЭК является прогноз конъюнктуры (спроса и цен) региональных энергетических рынков. Определение возможного диапазона динамики цен на энергоносители является самостоятельной задачей, один из походов к ее решению описан в [9]. При определении прогнозного диапазона потребности в энергии на каждой временной стадии должны учитываться соответствующие перспективы научно-технологического прогресса (НТП) в производстве и потреблении энергоносителей, ожидаемые изменения в экономике страны и показателях качества жизни населения. Требования к инструментарию и методам исследования спроса на топливно-энергетические ресурсы (ТЭР) для разных временных стадий должны быть различными, соответствующими объективной неопределенности используемой исходной информации.
Результаты Перспектива
прогно-зов более 25 лет до 20 лет
подготовитель-ног
4
4
6
Рис. 2. Состав и взаимосвязи решаемых задач на разных стадиях исследования вариантов
долгосрочного развития ТЭК [8] 1 - перспективы ТЭК; 2 — исследование конъюнктуры региональных энергетических рынков (спрос и цены); 3 — оценка барьеров и угроз; 4 — развитие отраслей ТЭК; 5 — взаимосвязь с макроэкономикой; 6 — стратегические планы энергетических компаний
2. Предлагаемый метод оценки допустимой ошибки прогнозов ТЭР.
Приближенное представление о диапазонах неопределенности и необходимой точности прогнозируемых показателей на разных временных периодах может дать анализ разработанных ранее прогнозов. Обобщение таких работ, выполненных в США в период 1995-2013 гг., приведенное в [9], показало, что значение диапазонов неопределенности потребности в первичных энергоресурсах (ПЭР), возрастает с 5-10% для перспективы 5 лет, до 13-23% для 10-15 лет и до 22-38% для 20-25 лет. Для России аналогичные показатели, рассчитанные на основе Энергетических стратегий до 2010, 2020 и 2030 гг. представлены в [3] и имеют соизмеримые диапазоны: для 5 лет - 3-5%, для 10-15 лет - 7-15%, для 20-25 лет -10-32%. Ошибка прогнозов, рассчитанная на основе сравнения прогнозных показателей Энергетической стратегии России до 2010 г. и Энергетической стратегии России до 2020 г. с реально достигнутыми отчетными данными по потреблению ПЭР, составила на перспективу 10 лет — 3-15%, на 20 лет — 4-20%, для электроэнергии это 3-8%, 6-24% соответственно, т.е. диапазоны неопределенности и ошибки прогнозов достаточно близки.
Там же показана зависимость неопределенности прогноза производства и потребления энергоресурсов от горизонта прогнозирования 7:
• для потребления первичной энергии I = 1,137 — 3 (Ю2 = 0,74)
• для потребления электроэнергии I = 1,67 — 5,4 (Ю = 0,89)
• для производства первичной энергии I = 0,757 + 1,5 (Ю2 = 0,9)
В [3] сделаны выводы, что (1) неопределенность прогнозов растет с увеличением горизонта прогнозирования, (2) величина и характер ее изменения во времени различаются для разных прогнозируемых показателей, (3) для перспективной потребности в ПЭР она увеличивается на 1,1-1,4% на каждый последующий год прогнозного периода.
Оценка интервалов неопределенности в существующих прогнозах производства и потребления энергоресурсов, разработанных в нашей стране и за рубежом, может быть ориентиром при определении допустимой ошибки (приемлемой точности) прогнозов для разной временной перспективы.
Для определения допустимой ошибки прогноза ТЭР на всех временных стадиях исследования перспектив развития ТЭК автором предлагается подход, который исходит из
«Информационные и математические технологии в науке и управлении» 2017 № 3 (7)
того, что ошибка в прогнозе спроса на энергоносители не должна оказывать влияние на рассматриваемые варианты развития ТЭК, то есть изменение объемов спроса на энергию в пределах прогнозного диапазона не должно отражаться на структуре ее производства.
Для каждой временной стадии задача формулируется следующим образом. Необходимо найти такой диапазон спроса на данный вид ресурса, при подстановке границ которого в оптимизационную модель ТЭК структура производства топлива и электроэнергии остается неизменной. Определение допустимой ошибки выполняется по следующей схеме:
a) определяется максимально возможный интервал спроса на ресурс для рассматриваемого сценария экономики;
b) находятся средние значения спроса из интервала для каждого вида энергоресурса;
c) на модели ТЭК для среднего варианта рассчитывается структура его покрытия (например, для электроэнергии - доля ТЭС, АЭС, ГЭС, ВИЭ и т.д. в суммарном производстве);
d) далее, изменением (с определенным шагом) в сторону верхней и нижней границы диапазона формируется последовательность вариантов спроса, для каждого из которых с помощью модели ТЭК рассчитывается структура производства.
e) как только изменение спроса приводит к изменению структуры производства, расчеты заканчиваются; последние варианты верхней и нижней границы диапазона, при которых структура еще остается неизменной, являются тем интервалом, точность которого приемлема для прогнозных исследований ТЭК.
3. Комплект моделей ИСЭМ СО РАН для прогнозных исследований спроса на энергоносители на разных временных стадиях. В ИСЭМ СО РАН для прогноза спроса на ТЭР используются модели, погрешность результатов решения которых соответствует объективной неопределенности используемых исходных данных. При разработке моделей использован принцип агрегирования/разагрегирования объектов и их связей в продуктовом, технологическом и территориальном аспектах.
Продуктовый аспект представляет собой последовательное разагрегирование потребности в энергии. На дальнюю перспективу рассматриваются 3 вида энергоносителей: электроэнергия, теплоэнергия, котельно-печное топливо. На ближнюю перспективу котельно-печное топливо представляется по видам: природный газ, мазут, уголь, прочие виды топлива (в том числе сжиженный газ), и добавляются основные виды моторного топлива (бензин, дизельное, синтетическое жидкое топливо).
Технологический аспект моделируется по группам существующих и новых энергопотребляющих объектов (сфер экономики, отраслей промышленности, предприятий),
а также перспективных новых и энергосберегающих технологий в потреблении разных видов ТЭР.
Территориальный аспект моделей в зависимости от периода прогнозирования описывает потребность в ТЭР: в России в целом; в разрезе укрупненных регионов (европейская часть России, Урал, Западная Сибирь, Восточная Сибирь, Дальний Восток); или федеральных округов (таб.).
Важно, чтобы необходимое агрегирование и разагрегирование исходной информации, взаимосвязей и результатов исследования производилось с наименьшими потерями важных свойств и показателей, а применяемые на каждой временной стадии методы (исследования, анализа, моделирования) обеспечивали приемлемую погрешность результатов. Один из возможных подходов к определению рационального агрегирования объектов и территории при прогнозировании стоимости производства электроэнергии на региональных энергетических рынках представлен в [10]. Там же описаны результаты экспериментальных расчетов, которые показали, что характер неопределенности исходных данных не оказывает влияния на ошибку агрегирования при определении средней цены на электроэнергию в макрорегионе, однако это влияние может быть достаточно заметным при определении рациональной структуры электростанций.
Таблица. Методический инструментарий для прогнозирования спроса на энергоносители
для разных временных стадий исследований*
Перспе Задача Методы Модели Степень аг легирования в моделях
ктива продук-то объектов терри-то
в рии
более Определение Обобщение ТЭГ Электро-э Производс Страна в
25 лет воз-можного имеющихся нергия, твенная и целом
диапазона спроса на прогнозов, теплоэнер- непроизво
основные виды методы гия, дственная
энергоносите-лей рег-рессионн котельно- сферы
рассматривае-мого ого анализа, печное экономики
сценария раз-вития ме-тод топливо
экономики в межстра-нов
условиях ых
макси-мальной срав-нений,
неопреде-ленности метод Делфи.
20-25 Оценка влияния Методы МИДЛ, Электро-э 25 Страна в
лет отраслевой регрессион-н ПРОМ-ЭН, нергия, отраслей целом
структуры ого анализа, НЕПР-ЭН, теплоэнер- промышле
экономики и уровня метод ЭНЕРДЕМ гия, нности,
жизни населения на опти-мизации котельно- население,
спрос на ТЭР , печное и сфера
имитацион-н моторное услуг.
ое топлива
модели-рован
ие.
15- 20 Определение Методы ЭНЕРДЕМ, Электро-э промышле Укрупне
лет региональной регрессион-н СТЭП нергия, нность, нные
структуры спроса на ого анализа, теплоэнер- транспорт, регионы
энергоресурсы имитацион-н гия, население, или
ое при-родны сфера Феде-ра
модели-рован й газ, услуг льные
ие, мазут, округа
двухэтапный уголь,
метод. про-чие
виды
топлива,
моторное
топливо
до 15 Анализ Метод МИСС Электро-э Энергоемк Феде-ра
лет чувствитель-ности опти-мизации нергия, ие отрасли льные
вариантов энерго- и , теплоэнер- промышле округа,
топливо-снабжения имитацион-н гия, нности, субъект
потреби-телей в ое при-родны грузовой и ы
регионах к модели-рован й газ, пассажирс федера-ц
«Information and mathematical technologies in science and management» 2017 № 3 (7)
изменению ие, метод мазут, кии ии,
задава-емых Монте-Карло уголь, транспорт, агломе-р
ограничений. прочие электроста ации,
Оценка ценовой виды нции, поселе-н
эластичности спроса топлива, котельные ия
на разные виды бензин, ?
топлива и энергии на дизельное, население,
региональных синтети-че сфера
энергетических ское услуг
рынках жидкое топливо
* составлено автором
Временная стадия более 25 лет. Определяется диапазон спроса на основные виды энергоносителей (электроэнергия, теплоэнергия, котельно-печное топливо) по стране в целом в условиях максимальной неопределенности будущего. Для этой перспективы не существует достоверной информации по развитию экономики и ее отраслей. Исследование базируется, как правило, на мнениях авторитетных экспертов в области экономических и технологических законов развития. Подобное исследование не требует сложных моделей. Прогнозирование спроса на энергоносители основывается на существующих долгосрочных глобальных (мировых) тенденциях и закономерностях во взаимосвязях энергетики, экономики и энергопотребления, а также выявлении возможных прорывных технологий в производстве и потреблении энергоносителей, которые могут быть реализованы на данном временном интервале и повлиять на изменение полученных тенденций энергопотребления. Имитационная модель спроса на энергоносители ТЭГ (Тенденции Энергопотребления Глобальные) состоит из двух взаимосвязанных блоков: блок Тенденций и блок Перспективы. В первом на основе длинных рядов отчетных данных и существующих прогнозов по потреблению разных видов энергоносителей, динамики объема ВВП, численности населения, цен на разные виды энергоносителей и т.д. по основным развитым странам мира и России с использованием методов регрессионного анализа строятся зависимости: изменения темпов использования энергоносителей от темпов изменения ВВП и численности населения, душевого энергопотребления от ВВП, динамики энергоемкости ВВП и т.д. Выявленные закономерности обобщаются, анализируются и переносятся во второй блок, где накладываются на сформированные перспективные сценарии развития экономики нашей страны. Результатом является диапазон неопределенности (от максимума до минимума) потребности в основных видах энергоносителей с учетом отечественной специфики.
Временная стадия 20-25 лет. Основной задачей является оценка влияния отраслевой структуры экономики и уровня жизни населения на спрос на ТЭР. В имитационной модели ЭНЕРДЕМ методом прямого счета определяются потребности производственной и непроизводственной сфер экономики в электроэнергии, централизованном тепле, котельно-печном и моторном топливе, а также в топливе, используемом для сырьевых и нетопливных нужд:
где г г i-го вида энергоресурса в году t, _
- суммарный объем потребление г г s г s
меняющиеся удельные расходы j-го вида энергоресурса для i-ой отрасли, _ объем
валовой продукции в отрасли i в году t.
Исходной информацией для определения спроса на ТЭР производственной сферы являются объемы валовой продукции 25 основных отраслей экономики, полученные в результате решения межотраслевой имитационной оптимизационной динамической модели экономики страны МИДЛ (подробнее в [5]) и динамика изменения коэффициентов их энергоемкости (определяется вне модели отдельно для существующих и новых производственных мощностей). Данными для модели МИДЛ являются параметры изменения основных макроэкономических показателей, которые разрабатываются по вариантам на данную перспективу в Основных направлениях долгосрочного социально-экономического развития РФ.
Информацией для расчетов потребности в разных видах энергоресурсов для непроизводственной сферы являются численность населения, принятая в рассматриваемом варианте развития экономики и динамика перспективного душевого энергопотребления, рассчитанная на имитационной модели НЕПР-ЭН (подробнее в [6]). Исходные данные для нее формируются на основе анализа существующих и перспективных социальных, экономических и технологических факторов и взаимосвязей, влияющих на уровень и стиль жизни населения и развитие сферы услуг.
Временная стадия 15-20 лет. Основной задачей является оценка влияния региональной структуры экономики на спрос на энергоресурсы. Следует отметить, что н а региональном уровне существует большая, чем на уровне страны неопределенность будущего, поскольку один и тот же вариант перспективного развития экономики страны может быть реализован несколькими вариантами размещения производительных сил. Для этого временного горизонта, как правило, разрабатываются прогнозы долгосрочного регионального развития, что позволяет значения диапазонов потребности в электроэнергии, «Information and mathematical technologies in science and management» 2017 № 3 (7)
теплоэнергии и котельно-печном топливе (КПТ), полученные по стране в целом, разагрегировать по федеральным округам или укрупненным территориям. Разагрегирование осуществляется с использованием разработанного ранее двухэтапного метода (см. подробнее [2]), который сочетает в себе учет общероссийских тенденций и региональных особенностей. Метод исходит из того, что (1) развитие отдельных регионов подчинено общей концепции развития экономики страны, (2) территориальная структура энергопотребления должна учитывать особенности регионов (численность населения, климат, размещение производства, перспективы создания новых топливных баз, крупных центров переработки ТЭР, освоение новых территорий и т.д.);
Двухэтапный метод реализован в имитационной модели СТЭП (Связь Тенденций ЭнергоПотребления) и предполагает, что тенденции изменения энергопотребления на единицу ВВП и/или на душу населения одинаковы как для страны, так и для регионов. В связи с этим на первом этапе доля региона в общероссийском потреблении энергоносителей меняется:
• в производственной сфере - пропорционально изменению его доли в ВВП
• в непроизводственной сфере - пропорционально изменению доли в численности населения страны
где ^ е в регионе г в году t соответственно
, - потребность в энергоносителе ^ ^
производственной и непроизводственной сферы, - потребность в энергоносителе
е в стране в году I соответственно производственной и непроизводственной сферы,
доля региона г в потреблении энергоносителя е в базовом году tg в производственной или
непроизводственной сфере, - доля региона в общероссийском ВВП, - доля региона в
численности населения страны.
На втором этапе полученные значения энергопотребления корректируются, учитывая существенные изменения, способные заметно повлиять на тенденции энергопотребления в регионе.
Исходной информацией является прогноз энергопотребления по стране в целом, существующая и перспективная структура регионального производства ВВП, «Информационные и математические технологии в науке и управлении» 2017 № 3 (7)
энергопотребления и численности населения. Структура котельно-печного топлива определяется общероссийскими тенденциями, исходя из существующего в базовом году (ф)
состояния, то есть предполагаемым увеличением или снижением доли того или иного вида топлива с учетом региональных особенностей.
На временной стадии до 15 лет осуществляются анализ чувствительности вариантов энерго-топливоснабжения потребителей в регионах к изменению задаваемых ограничений и оценка ценовой эластичности спроса. В первую очередь проводятся исследования возможной реакции потребителей и инвесторов на изменение стоимости энергоносителей и определение наиболее устойчивых вариантов энергоснабжения потребителей в регионах. Для этого разработан оригинальный методический подход (подробнее в [4]) особенность которого, заключается в имитации конкуренции энергоносителей и их поставщиков в рассматриваемом регионе в условиях неполноты информации и определении ценовой эластичности спроса на топливо и энергию, как у отдельных потребителей, так и в регионе в целом. Последняя может приниматься во внимание для последующей корректировки спроса на более отдаленную перспективу, если необходима новая итерация расчетов.
Для реализации подхода разработан набор моделей МИСС (Модель Имитационная Стохастическая Статическая) энергоснабжения отдельных потребителей (электростанции, котельные, промышленные потребители (цементная промышленность), транспорт (отдельно пассажирский и грузовой). Отличительной чертой моделей МИСС является совмещение оптимизации с методом Монте-Карло и возможность задания разного распределения вероятности в интервалах используемых исходных данных (подробнее в [7]).
Критерием является минимум средней цены продукции потребителя энергии в регионе при условии, что цены строятся на принципах самоокупаемости (самофинансирования):
где i с использованием топлива е, на установке ] (искомая
- производство продукции
переменная), , произведенной на
- цена продукции i
энергоносителе (топливе) е, руб./ед. продукции, на установке j, е,
- цена топлива
поставляемого потребителю г, руб./тут, е на производство
- удельный расход топлива
продукции г на установке j, тут/ед. продукции,
- удельные капиталовложения на прирост мощности на производство продукции г на топливе е на установке j, руб./ед. мощности,
условно-постоянная часть себестоимости продукции г (без топливной составляющей) производимой с использованием топлива е на установке j, руб./ед. продукции, 01 02, о —
коэффициенты корректировки себестоимости, эффективности капиталовложений, дисконтирования.
Описанный набор (стенд) моделей может использоваться как для решения специфических задач каждой отдельной временной стадии, так и во взаимосвязанном исследовании от дальней перспективы к ближней и, при необходимости, проводить итерационные расчеты, когда результаты дальней перспективы корректируются на основе ближней.
Заключение. При долгосрочном прогнозировании спроса на энергоносители важно, чтобы погрешность получаемых на разных временных стадиях прогноза результатов соответствовала объективно существующей неопределенности исходной информации, поэтому состав моделей должен различаться по степени агрегирования и применяемым методам. Следует отметить, что в отечественной и зарубежной практике прогнозирования в большинстве случаев одни и те же системы моделей используют для прогнозов на перспективу как до 15, так и 35-40 лет. При этом создаются все более сложные модельно-информационные комплексы (см., например, [14-16]), не учитывающие, что детализация рассматриваемых объектов, территорий и связей требует дополнительной информации и повышает вероятность погрешности прогнозов.
Представленный набор (стенд) моделей оценки спроса на энергоносители для долгосрочного исследования вариантов развития ТЭК отвечает принципу соответствия точности результатов и неопределенности информации. Сочетание различных методов по этапам исследования с возможностью учета характера неопределенности исходных данных расширяют аналитические возможности используемых в настоящее время подходов к прогнозированию, позволяет более полно учесть изменение и усиление влияния новых факторов во взаимосвязях энергетики и экономики. Созданный инструментарий может быть использован при разработке программ и стратегий развития экономики и ТЭК страны и регионов, а также стратегических бизнес-планов энергетических компаний.
СПИСОК ЛИТЕРАТУРЫ
1. Беляев Л.С. Решение сложных оптимизационных задач в условиях неопределенности / Л.С. Беляев. Новосибирск: Наука. 1978. 126 с.
2. Гальперова Е.В. Особенности прогнозирования энергопотребления на региональном уровне / Изв. РАН. Энергетика. 2004. № 4. С. 61-66.
3. Гальперова Е.В., Мазурова О.В. Исследование зависимости роста неопределенности прогнозов производства и потребления энергоресурсов от рассматриваемой перспективы // Энергетическая политика. 2013. № 3. С. 33-38.
4. 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.
5. 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. С. 912-916.
6. 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.
7. Кононов Ю. Д., Тыртышный В. Н. Оценка влияния характера неопределенности будущих условий на конкурентоспособность вариантов топливоснабжения //Энергетическая политика. 2011. № 4. С. 90-94.
8. Кононов Ю.Д. Поэтапный подход к оценке обоснованности долгосрочных прогнозов развития ТЭК и к оценке стратегических угроз // Известия РАН. Энергетика. 2014. № 2. С. 61-70.
9. Кононов Ю.Д. Пути повышения обоснованности долгосрочных прогнозов развития ТЭК. Новосибирск: Наука. 2015. 147 с.
10. Кононов Ю.Д., Кононов Д.Ю. Рациональное агрегирование территории при долгосрочном прогнозировании цен на электроэнергию // Проблемы прогнозирования. 2016. № 6.С. 56-64.
11. Макаров А.А. Некоторые проблемы долгосрочного прогнозирования энергетики /А.А. Макаров// Энергетика страны и регионов: Теория и методы управления. Новосибирск: Наука. 1988. С. 43-98.
12. Мелентьев Л.А. Системные исследования в энергетике. Новосибирск: Наука. 1979. 416 с.
13. Методы и модели согласования иерархических решений. Под. ред. А.А. Макарова. Новосибирск: Наука. 1979. 239 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. SCANER. Модельно-информационный комплекс / ред. А.А. Макаров. М.: ИНЭИ РАН. 2011. 72 с.
16. 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
METHODICAL TOOL FOR DIFFERENT TIME STAGES FOR LONG-TERM FORECASTING OF ENERGY DEMAND Elena V. Gal'perova
Ph.D., Associate Professor, Leading Researcher. Department of Energy-Economy Interactions
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 paper presents the method for determining the permissible error in energy demand forecasting. This error should not affect to the considered options of the fuel and power sector development. The toolkit (a set of models) for the different time stages of the study for forecasting energy demand is presented. The specific feature of the models is the correspondence between their complexity and uncertainty of future conditions input data.
Keywords: model, optimization, forecasting, uncertainty, Monte Carlo, price elasticity, energy consumption.
ranbnepoea E.B.
References
1. Belyaev L.S. Reshenie slozhnyh optimizacionnyh zadach v usloviyah neopredelennosti [The solution of complex optimization problems under uncertainty]. Novosibirsk: Nauka = Sciencel. 1978. 126 p. (in Russian)
2. Gal'perova E.V. Osobennosti prognozirovanija jenergopotreblenija na regional'nom urovne. [Specific features of energy demand forecasting at a region level] // Izvestija RAN. Energetika = Proceedings of the Russian Academy of Sciences. Power Engineering. 2004. №°4. Pp. 61-66. (in Russian)
3. Gal'perova E.V., Mazurova O.V. Issledovanie zavisimosti rosta neopredelennosti prognozov proizvodstva i potrebleniya ehnergoresursov ot rassmatrivaemoj perspektivy [The research of the relation between the term and the increase growth uncertainty of production and consumption of energy carriers forecasts] // Jenergeticheskaja politika = Energy policy. 2013. №°3. Pp. 33-38. (in Russian)
4. 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. № 1. pp. 36-43 (in Russian).
5. 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. № 5. Pp. 912-916. (in Russian)
6. 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 economy]. Novosibirsk: Nauka = Science. 2009. 178 p. (in Russian)
7. 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. № 4. Pp. 90-94. (in Russian)
8. Kononov Yu.D. Poehtapnyj podhod k ocenke obosnovannosti dolgosrochnyh prognozov razvitiya TEK i k ocenke strategicheskih ugroz [A step-by-step approach to the improvement in the validity of long-term energy development forecasts and the assessment of strategic threats] // Izvestija RAN. Energetika = Proceedings of the Russian Academy of Sciences. Power Engineering. 2014. № 2. Pp. 61-70. (in Russian)
«Information and mathematical technologies in science and management» 2017 № 3 (7)
9. Kononov Ju.D. Puti povyshenija obosnovannosti dolgosrochnyh prognozov razvitija TJeK [Ways to improve the validity of long-term forecasts of Energy]. Novosibirsk: Nauka = Science. 2015. 147 p. (in Russian).
10. Kononov Yu.D., Kononov D.Yu. Racional'noe agregirovanie territorii pri dolgosrochnom prognozirovanii cen na ehlektroehnergiyu [Rational territorial aggregation for long-term forecasting of electricity prices] // Problemy prognozirovaniya = Studies on Russian Economic Development. 2016. № 6. Pp. 56-64. (in Russian)
11. Makarov A.A. Nekotorye problemy dolgosrochnogo prognozirovaniya ehnergetiki / Energetika strany i regionov: Teoriya i metody upravleniya [Energy of the country and regions: Theory and methods of management]. Novosibirsk: Nauka = Science. 1988. Pp. 43-98. (in Russian)
12. Melent'ev L.A. Sistemnye issledovaniya v ehnergetike [System research in power engineering]. Novosibirsk: Nauka = Science. 1979. 416 p. (in Russian)
13. Metody i modeli soglasovaniya ierarhicheskih reshenij. Pod. red. A.A. Makarova [Methods and models for harmonizing hierarchical solutions. Under. Ed. A.A. Makarov] Novosibirsk: Nauka = Science. 1979. 239 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. SCANER. Model'no-informacionnyj kompleks [Model-information complex]. M.: INJel RAN = Moscow: ERI RAS Publ. 2011. 72 p. (in Russian).
16. 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 results were obtained with the partial financial support of the Russian Foundation for Basic Research (projects No. 16-06-00230 A and No. 16-06-00091 A).
