CC BY
96
ОЦЕНКА ВЛИЯНИЯ НЕОПРЕДЕЛЕННОСТИ ИСХОДНЫХ ДАННЫХ НА ЭФФЕКТИВНОСТЬ ВАРИАНТОВ ЭНЕРГО- И ТОПЛИВОСНАБЖЕНИЯ РЕГИОНОВ В ПРОГНОЗНЫХ ИССЛЕДОВАНИЯХ
В статье предлагается методический подход к оценке влияния характера неопределенности исходных параметров на конкурентоспособность вариантов энерго- и топливоснабжения в региональных системах. Показано, что это влияние может быть существенным и должно учитываться при прогнозных исследованиях, предшествующих принятию крупномасштабных инвестиционных решений в ТЭК.
Актуальность решения проблемы неопределенности в прогнозных исследованиях. Разработка долгосрочных программ топливоснабжения регионов затрудняется неопределенностью условий долгосрочной перспективы и усложнением ценовых и производственных взаимосвязей в топливно-энергетическом комплексе страны. В России и за рубежом для исследования вариантов возможного развития ТЭК страны и его отраслевых систем широко используются сложные модельнопрограммные комплексы (см. напр. [1-3]). Входящие в них оптимизационные модели позволяют получить детерминированные решения. При этом проблему неопределенности стараются решить путем многовариантных расчетов, а также выделения и самостоятельного решения важных задач, требующих учета неоднозначности исходных данных. Сужению области неопределенности получаемых решений способствует итеративная увязка расчетов на разных иерархических уровнях: ТЭК страны - ТЭК регионов - отраслевые системы энергетики - энергетические компании. В итеративных расчетах (сверху вниз и снизу вверх), выполняемых для нескольких сценариев развития экономики страны, важнейшую роль играют уточнение и координация прогнозных оценок возможных изменений во времени цен и спроса на энергоносители на региональных энергетических рынках.
Задачи, решаемые при прогнозных исследованиях эффективного развития энергетики регионов и крупных энергетических компаний, характеризуются особенно большой неоднозначностью будущих условий, что требует развития методов учета неопределенности. К их числу относится задача комплексной оценки и отбора вариантов топливоснабжения регионов.
Выбор топлива во многих крупных системах топливоснабжения взаимосвязан с выбором структуры и технологии новых производственных мощностей. Поэтому задача оценки потребностей в топливе, например новых электростанций, в рассматриваемом регионе должна решаться одновременно с оптимизацией структуры генерирующих мощностей. Методы решения такого рода задач хорошо известны. Трудности возникают, если велико количество исходных данных, задаваемых интервалами значений, а о характере их распределения внутри этих интервалов нет однозначной гипотезы.
По существу речь идет об оценке эффективности и инвестиционных рисков множества вариантов топливоснабжения в условиях неопределенности и о выделении из них наиболее устойчивых к изменению цен, спроса, технологий и др.
Методический подход. Предлагаемый подход основан на исследовании эффективности разных вариантов топливоснабжения рассматриваемой группы потребителей при разной комбинации возможных внешних условий, на учете характера
неопределенности этих условий и на поиске наименее рискованных решений. При этом оптимизация сочетается с имитационным моделированием, использующим метод статистических испытаний (метод Монте-Карло).
Процесс имитационного исследования включает следующие этапы.
Существующие оптимизационные модели адаптируются к решаемой задаче или разрабатывается упрощенная модель развития исследуемой системы энергоснабжения. Применительно к определению потребности в топливе новых электростанций в рассматриваемой перспективе в данном регионе или энергосистеме основными искомыми переменными в такой модели являются: мощности разного типа электростанций, работающих на разных видах топлива; годовая выработка ими электроэнергии; потребление разных видов топлива. При этом учитываются ограничения (в виде диапазона возможных значений): на ввод мощности каждой категории электростанций, на поставку отдельных топлив в регион и их цену. Заданная потребность в электроэнергии должна быть удовлетворена наиболее эффективным способом. Критерием экономической эффективности в таких моделях служит минимум суммарных дисконтированных затрат на строительство и эксплуатацию всех электростанций. Критерием может быть и минимум средней цены генерации в
регионе при условии, что цены строятся на принципах самоокупаемости (соответ-
к
ствуют минимально возможным ценам предложения ).
Задаются диапазоны возможных значений удельных капиталовложений, коэффициентов использования установленной мощности и других техникоэкономических показателей. Экспертно оценивается характер распределения вероятных значений внутри диапазона неопределенности этих показателей, а также задаваемых интервально цен на топливо и других внешних условий и ограничений.
Разрабатывается несколько сценариев (вариантов) условий топливоснабжения, и для каждого из них на оптимизационной модели проводится в соответствии с методом Монте-Карло серия из нескольких сотен модельных экспериментов, включающая генерацию возможных реализаций неопределенных данных и условий в соответствии с их вероятностными характеристиками и с учетом корреляции между некоторыми переменными.
Результаты имитационных расчетов агрегируются, строятся зависимости искомых показателей от изменения условий топливоснабжения, выявляются наиболее эффективные, менее рискованные решения, а также вероятностные характеристики основных искомых показателей. Важным итогом исследования сценариев является построение функций эластичности спроса данной группы потребителей от цены на топливо в регионе.
Для реализации описанного методического подхода разработана оригинальная компьютерная программа, объединяющая оптимизационную модель с процедурой статистических испытаний. При генерации случайных чисел используется так называемая функция бета-распределения2.
Результаты расчетов. Оценка влияния характера неопределенности на сравнительную эффективность вариантов топливоснабжения и проверка работоспособности компьютерной программы проводились на условном примере выбора состава и мощности новых электростанций для обеспечения заданного прироста потребностей в электроэнергии при разной стоимости топлива. Принятые исходные
1 Принципы определения такой цены изложены в [4].
2 Ех (а, Ь, а, р)=(х-а)а-1(Ъ-х) р-1/Б(а,Ь,а,р), где В (а, Ь, а, р) — бета-функция; а, Ь — границы диапазона неопределенности; а, р > 0 — числовые параметры, определяющие характер распределения величин внутри диапазона. Вариация параметров а и р позволяет генерировать случайные величины с самыми разными типами статистических распределений — равномерным, нормальным, логнормальным, показательным и т.д.
данные базируются на прогнозных оценках ожидаемых условий в европейской части страны в период 2020-2025 гг. Основные из них приведены в табл. 1.
Таблица 1
Исходные данные для расчетов влияния на эффективность вариантов топливоснабжения неопределенности исходных данных
Показатель Угольные Газовые Угольные ТЭЦ, переводимые на газ АЭС
ТЭС1 ТЭС2 ПГУ1 ПГУ 2
Максимально возможный
ввод мощности, млн. кВт 1,2 2,0 1,5 2,5 0,5 1,0
Количество часов исполь-
зования мощности 6000 6000 5700 5700 5700 7000
Удельные капиталовло-
жения, долл./ кВт 1500-1700 1500-1800 800-900 800-1100 500-600 2800-3300
Удельный расход топлива
для ТЭС, т у.т./кВт-ч 285 285 245 245 245 х
Цена топлива, долл./т у. т. х
вариант 1 95-110 95-140 180-210 180-240 180-240 х
вариант 2 90-105 90-135 160-180 160-210 155-210 х
Рассматривалась возможность ввода двух групп угольных КЭС и двух групп парогазовых электростанций (ПГУ), расположенных в двух смежных регионах, а также расширение АЭС и реконструкция действующих ТЭЦ с переводом их с угля на газ. Для каждой группы задан возможный ввод мощности (от нуля до определенного максимума), технико-экономические показатели и цены на топливо. В сумме новые электростанции должны обеспечить 45 млрд. кВт-ч прироста годовой потребности в электроэнергии.
Оценивались и сравнивались два основных варианта ввода мощностей и потребностей в топливе: при дорогом (вариант 1) и более дешевом (на 15%) газе (вариант 2). Ограничения на поставки топлива в расчетах не принимались. При этом рассматривались не только разные диапазоны цен на топливо и интервальные значения других показателей, но и характер вероятностного распределения значений этих показателей внутри заданных диапазонов: нормальное и равновероятное. Результаты расчетов в условиях неопределенности сопоставлялись с детерминированными расчетами при средних значениях всех исходных данных.
Оптимизация при средних значениях исходных данных показывает, что снижение цен на газ на 15% приводит к значительному изменению структуры вводимых мощностей электростанций: ввод ПГУ увеличивается более чем в 1,5 раза, требуемая мощность угольных электростанций снижается, ввод АЭС становится нерациональным (табл. 2). При этом потребность в капиталовложениях уменьшается на 18%, а средняя цена генерации в регионе снижается на 6%.
В расчетах, учитывающих неопределенность исходных данных, результаты оценки ввода мощностей при дорогом и относительно дешевом газе совпадают с детерминированным решением только в отношении группы угольных КЭС1 и отчасти ПГУ1. Целесообразной остается и реконструкция ТЭЦ с переводом их на газ. Мощность всех этих электростанций во всех расчетах достигает задаваемых (верхних) значений, характеризуя их высокую эффективность. Заметно различаются значения детерминированного решения и рационального ввода мощностей в группе угольных КЭС2 и ПГУ2, получаемые при явном учете неопределенности исходных данных.
Таблица 2
Рациональный (по критерию «эффективность-риск») ввод мощностей электростанций при разных способах задания исходных данных, млн. кВт
Вариант 1 (дорогой газ) Вариант 2 (дешевый газ)
Группа электростанций Средние значения данных Нормальное распределение Интер- вальная неопреде- ленность Средние значения данных Нормальное распределение Интер- вальная неопреде- ленность
Угольные ТЭС1 1,2 1,2 1,2 1,2 1,2 1,2
Угольные ТЭС2 2,0 2,0 2,0 1,8 1,8 1,6
ПГУ1 1,5 1,5 1,3 1,5 1,5 1,5
ПГУ2 1,1 1,3 1,7 2,5 2,3 2,1
ПГУ ТЭЦ (реконструкция) 0,5 0,5 0,5 0,5 0,5 0,5
АЭС 1,0 0,9 0,8 0 0,1 0,4
Различие увеличивается, если вместо нормального распределения этих данных внутри заданных интервалов рассматривается их равновероятное распределение, т.е. интервальная неопределенность. Так, если при дорогом газе в группе ПГУ2, согласно детерминированному решению, вводится 1,1 ГВт, то при нормальном распределении 1,3 ГВт, а при равновероятном 1,7 ГВт. Так же заметно реагирует на характер неопределенности исходных данных и на стоимость топлива расчетный ввод мощности на АЭС. Оценка изменения суммарной потребности ТЭС в газе и угле при изменении их стоимости (рисунок) позволяет получить представление о ценовой эластичности спроса на топливо.
Спрос, млн. т у.т.
Цена газа, долл./т у.т.
Рисунок. Влияние характера неопределенности исходных данных и стоимости газа на потребность в нем новых электростанций:
—■— средние значения; -О- нормальное распределение;
—А— интервальная неопределенность
Расчеты показывают заметное влияние на этот показатель характера неопределенности исходных данных. Для газа в рассматриваемых условиях эластичность при средних значениях данных равна -0,44. При их нормальном распределении внутри заданного диапазона она увеличивается до -0,56, а при интервальной неопределенности на каждый процент повышения стоимости газа спрос на него может уменьшиться на 0,93%.
* * *
Результаты экспериментальных расчетов позволяют сделать следующие выводы. Масштаб и характер неопределенности будущих условий могут оказывать заметное влияние на сравнительную эффективность и рискованность рассматриваемых вариантов энерго- и топливоснабжения регионов и развития отраслевых систем ТЭК, на ценовую эластичность спроса на энергоносители и другие показатели.
Представляется, что количественная оценка этого влияния должна стать необходимой частью исследований, предшествующих принятию крупномасштабных инвестиционных решений.
Полезным методическим инструментом для такой оценки и анализа может стать предлагаемый подход. Сочетание оптимизации с имитацией возможных комбинаций исходных данных с разной степенью их надежности расширяет аналитические возможности используемых в настоящее время методов прогнозирования и позволяет усилить обоснование результатов прогноза и рекомендаций.
Литература
1. Кононов Ю.Д., Гальперова Е.В., Кононов Д.Ю. и др. Методы и модели прогнозных исследований взаимосвязей энергетики и экономики. Новосибирск: Наука, 2009.
2. Макаров АА, Шапот Д.В., Лукацкий А.М., Малахов ВА. Инструментальные средства для количественного исследования взаимосвязей энергетики и экономики //Экономика и матем. методы. 2002. № 1.
3. SCANER Суперкомплекс активной навигации в энергетических исследованиях. ИНЭИРАН, 2011.
4. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценки эффективности инвестиционных проектов: теория и практика. М.: Дело, 2001.
