石油消费预测（精选3篇）
石油消费预测 篇1
1 前言
石油消费需求预测是指对某一国家或地区石油需求的未来发展趋势预先做出科学的估计和推测, 是经济管理部门制定石油生产、进口和储备计划、合理安排相关行业生产计划和调整产业结构的重要依据。目前对于石油消费需求常用的预测方法有时间序列预测法、普通最小二乘回归预测法和神经网络预测法等。但是时间序列预测法只考虑时间因素而不考虑外界因素对石油消费需求的影响, 其预测结果常会与实际状况严重不符;普通最小二乘回归预测法又因为无法克服石油消费需求影响因素间的多重相关性问题, 导致预测准确度大大降低;神经网络是基于经验风险最小化原则的学习算法, 但由于其存在层数和神经元个数难以确定、容易陷入局部极小和过学习现象等固有的缺陷, 也难于满足石油消费需求预测分析的要求。因此, 研究适合石油消费需求预测的方法具有重要现实意义。本文采用了偏最小二乘回归预测法, 建立了石油消费需求预测模型。
2 PLS建模原理与方法
偏最小二乘回归法是在多元统计分析基础上建立起来的新型回归方法。它与普通多元回归分析在思路上的主要区别, 是它在回归建模过程中采用了信息综合与筛选技术。在利用多个自变量X= (X1, …, Xp) 进行回归建模时, 偏最小二乘回归法利用信息分解的思路, 将自变量系统中的信息重新组合, 有效地提取对因变量Y解释性最强, 同时又最能概括自变量系统X中信息的综合变量 (即:主成分) t1, …, tm (m≤p) , 剔除多重相关信息和无解释意义信息的干扰, 从而克服了自变量在多重相关性在系统建模中的不良作用, 得到一个更为可靠的分析结果。偏最小二乘回归可分为多因变量偏最小二乘回归和单因变量偏最小二乘回归, 本文所讨论和应用的是单因变量偏最小二乘回归。
2.1 变量构造、样本点选择与数据标准化处理
依据所研究的问题, 选择构造因变量Y与自变量X= (X1, …, Xp) 。然后依据统计数据, 选择n个样本点 (Xi1, …, Xip, Yi) , i=1, 2, …, n可以得到数据表:Xn×p= (X1, …, Xp) n×p, Y=Yn×1。然后, 为了消除建模时由于各变量量纲不同而带来的不良影响, 以及为了处理数据方便, 对Xij和Yi进行如下标准化处理:
undefined
undefined和undefined分别是Xj和Y的均值, sj和sY分别是Xj和Y的均方差, 得
X*= (X*1, …, X*p) n×p, Y*=Y*i (i=1, …, n) 。
记E0= (E01, …, E0p) =X*, F0=Y*。
2.2 PLS建模与求解
(1) PLS建模
首先, 寻找第一主轴w1, w1是一个单位向量, 即:w′1w1=1。
并在E0中提取出成分t1=E0w1。在提取t1时, 必须满足下列两个要求:
(a) t1应尽可能大的携带X中的变异信息。此时, t1的方差应该尽可能达到最大。即:Var (t1) →max
(b) t1和F0的相关程度能够达到最大, 这表明t1对因变量Y有最强的解释能力。此时, t1和F0的相关系数应达到最大值。即:r (t1, F0) →max
因此, 综合 (a) (b) , 就是要求t1和F0的协方差达到最大, 即:
undefined
综上, 正规的数学表述应该是求解下列优化问题, 即:
undefined
(2) PLS主成分求解
由 (1) 得:undefined
undefined
(2)
式中, r (Xj, Y) 为Xj (j=1, …, p) 和Y的相关系数。
由w1可得:undefined
求E0和F0对t1的回归方程:E0=t1p′1+E1, F0=t1r1+F1。式中, 回归系数和回归系数量是:
undefined和F1分别是残差矩阵和残差向量。
然后, 用残差矩阵E1和残差向量F1取代E0和F0, 可求出w2、t2、p2、r2和残差矩阵E2与残差向量F2。如此计算下去, 如果X的秩为A, 则最后可求出:wm、tm、pm、rm和残差向量Em与残差值Fm (m=1, …, A) , 并且有:tm=Em-1wm, Em-1=tmp′m+Em, Fm-1=tmrm+Fm。
由于undefined, 令undefined, 则tm=E0w*m。
此时, 偏最小二乘回归模型的主成分可表示为:
(t1, …, tA) =E0 (w*1, …, w*A) (3)
记D= (w*1, …, w*A) , 则 (t1, …, tA) =E0D, D为由原始自变量E0重新组合, 变换为综合变量 (t1, …, tA) 的过渡矩阵。
(3) PLS主成分的选择——交叉有效性检验
交叉有效性检验可以判断引进新的主成分th是否会对模型预测能力无明显的改善作用。Yi为因变量原始数据, t1, …, th是在偏最小二乘回归过程中提取的h个成分, undefined是使用全部样本点并取t1, …, th个成分回归建模后, 第i个样本点的拟合值。undefined是在建模时删去营业部样本点i, 取t1, …, th个成分回归建模后, 再用此模型计算因变量的拟合值。记:
undefined
当Qundefined≥0.0975时, 引进新的主成分th会对模型预测能力有明显的改善作用, 则模型引入主成分th;否则, 不引入主成分th。
(4) 建立回归模型方程
若有h个主成分通过交叉有效性检验, 则回归模型可引入h个主成分t1, …, th。回归模型为:
F0=t1r1+F1=t1r1+t2r2+F2=…=t1r1+t2r2+…+thrh+Fh (5)
上述模型和以F0为因变量, 以t1, …, th为自变量, 采用普通最小二乘法回归算法求解的回归方程是完全等价的。由于t1, …, th之间是相互直交的, 即对于任给的l≠m, 有t′ltm=0。因此, 当采用普通最小二乘法求F0关于t1, …, th的回归方程时, 就不会遇到多重相关性问题, 同时, 也解决了小样本建模的问题。
由于tm=E0w*m, 则回归方程又可转化为:
undefined
记:undefined是偏最小二乘回归方程的回归系数向量, 则回归方程可简化为:F0=E0B+Fh。
(5) PLS模型精度检验——R2检验
偏最小二乘回归方程的模型预测精度可用R2 (Y) 来检验。
undefined
R2 (Y) 表示预测模型可解释因变量变异占总变异的百分比, R2 (Y) 数值越大, 则模型的预测精度越高。此时, 自变量系统被提取的变异信息量为:
undefined
R2 (X) 代表引入模型的主成分t1, …, th所提取自变量X变异信息量的百分比。
3 基于PLS的我国石油消费需求预测
3.1 石油消费需求影响因素分析与模型变量构造
影响石油消费需求Y的因素是多方面的, 也是错综复杂的, 除了经济增长、技术进步与产业结构调整等几种常见因素外, 还有石油价格、国家宏观政策等因素。本文建模时采用了以下指标:国内生产总值X1、年末总人口数X2、能源消费弹性系数X3和燃料价格指数X4。
3.2 样本数据的选择与标准化
1990—2007年我国石油消费需求量及相关影响因素统计数据如表1所示:
我国石油消费需求量和各影响因素之间相关系数如表2所示:
注:**.Correlation is significant at the 0.01 level (2-tailed) .*.Correlation is significant at the 0.05 level (2-tailed) .
由表2易看出:①我国石油消费需求量Y与各影响因素相关性都比较强。②影响因素之间存在严重的多重相关性。如果用普通方法建模, 由于受到各影响因素间的多重共线性影响, 模型估计参数和预测精度会严重失真。但用PLS方法建模, 则可克服上述缺陷。
将表1数据进行标准化处理, 最后得到因变量F0和自变量E0= (E01, E02, E03, E04) , 作为建模的样本数据。
3.3 PLS主成分求解
依据PLS的模型求解方法, 可求出w*m的值如表3所示:
因此, 可以求得主成分t1, …, t4:
(t1, t2, t3, t4) = (E01w*1, E02w*2, E03w*3, E04w*4)
= (E01, E02, E03, E04)
undefined
3.4 石油消费需求预测模型PLS主成分选择——交叉有效性检验
为了评价主成分t1, …, t4对石油消费需求预测模型的预测能力有无明显的改善作用, 决定主成分是否进入回归预测模型, 做交叉有效性检验。由 (4) 式可求得检验值如表4所示, 在表中Qundefined (cum) 为交叉有效性检验累积值。
由表4可知:Qundefined=0.7489≥0.0975, Qundefined=0.1329≥0.0975, 因此, 仅t1和t2通过交叉有效性检验。当提取主成分t1和t2时, Qundefined (cum) =0.8818, 此时, 石油消费需求预测模型预测效果最好, 预测模型可以解释石油消费需求量97.87%的变异信息。t1和t2分别为:
t1=0.563803E01+0.541667E02+0.280766E03+0.556681E04
t2=0.711664E01-0.216523E02-0.659142E03+0.118069E04
3.5 建立石油消费需求预测模型回归方程
石油消费需求预测模型引入主成分t1和t2时, 由 (5) 式得偏最小二乘回归模型为:
undefined
由于
undefined
, 因此, 石油消费需求预测模型回归模型为:
undefined
将undefined和E0恢复为原始变量Y和X, 原始数据预测模型简化整理后, 石油消费需求量预测模型最终回归方程为:
Y=0.0377958X1+0.430114X2+2525.26X3+21.0221X4-42805.1
3.6 石油消费需求预测模型精度检验
此时, 由 (7) (8) 式可得:
undefined
由此可知, 我国石油消费需求预测模型的预测精度是比较高的, R2 (Y) =0.9787, 模型可解释石油消费需求量 (Y) 总变异的97.87%。此时, R2 (X) =0.8818, 石油消费需求预测模型引入的主成分t1和t2, 共提取了石油消费需求影响因素中88.18%的变异信息。
由下图可知, 1990—2007年我国石油消费需求预测结果与实际结果基本相符, 因此该模型可以用来做我国石油消费需求预测。
4 结论
影响我国石油消费需求的因素多种多样, 而且错综复杂, 各影响因素之间往往又存在严重的多重相关性, 这大大增加了建立我国石油消费需求预测模型的难度。通过偏最小二乘回归方法 (PLS) 建立的预测模型, 能够克服各影响因素之间存在的多重相关性, 预测精度能够满足我国石油消费需求预测要求。
参考文献
[1]国家统计局.中国统计年鉴[M].北京:中国统计出版社, 2008.
[2]王慧文.偏最小二乘回归方法及其应用.国防工业出版社, 1999, 150-234.
[3]Umetrics.SIMCA-P and SIMCA-P+User Guide.http://www.umetrics.com/2005
[4]李工农, 阮晓青, 徐晨, 等.经济预测与决策及其matlab实现[M].北京:清华大学出版社, 2007.
[5]刘兰凤, 易行健.中国能源需求的估计与预测模拟[J].上海财经大学学报, 2008, 8 (4) :84-91.
石油消费预测 篇2
石油是人类赖以生存和各国经济发展所必须的资源,世界上恐怕没有任何一种商品可以像石油一样对世界经济、政治乃至国家安全产生如此深刻和广泛的影响。正是由于石油对世界的重要性,加之其天然的稀缺性和不可再生性,石油问题成为了国际社会上永久的话题,石油价格的走势已成为世界各国关注的焦点[1—3]。然而,由于影响石油价格和期货价格的众多因素的相互结合,使得石油期货价格的波动趋势尤为复杂,也使得石油期货价格预测变得十分困难,而支持向量机方法的出现为石油期货价格的预测提供了一种新的可能[4]。
支持向量机回归(SVR)是数据挖掘中的一个新方法,能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题[5],并可推广于预测和综合评价等领域。
现将SVR引入石油期货价格这个金融时间序列,对其整体趋势以及短期走势做了精确的预测;在超级参数的选择上,本文通过收集大量数据进行统计分析,发现核函数参数g以及惩罚因子C之间有很大的相关性。此外,文中的方法还将为多维输入变量以及其他领域的预测提供了借鉴。
1 SVR预测模型
Vapnik等人根据统计学原理提出了支持向量分类机(SVM)的学习方法[6]。SVM的基本思想主要有两点:(1)先对线性可分情况进行分析,对于线性不可分的情况,可通过核函数的方法,将低维的原始空间映射到高维的特征空间,巧妙地避开了高维空间的复杂运算,使算法的实现成为可能;(2)基于结构风险最小化理论在特征空间中寻找最佳分类面[7],使得学习器得到全局最优化。在Vapnik引入ε不敏损失函数后,SVM推广到解决非线性回归问题,称为支持向量机回归[5]。
本文采用SVR的原理进行预测分析即:当所给数据集是线性可分时,回归问题可转化为求解如下约束条件的优化问题:
由对偶规划理论,上述凸二次规划问题可以转化为求解下述新问题:
由此得到支持向量回归的估计函数为:
而对于非线性回归问题,通过引入核函数K(xi,xj)=φ(xi)Tφ(xj),将(xi·xj)用K(xi,xj)代替,得到最终的支持向量回归估计函数为:
下面给出SVR用于金融时间序列预测的一般步骤:
(1)选取合适的训练集T=其中
(2)选择适当的核函数K(xi,xj)、核函数参数ε以及惩罚因子C;
()构造并求解最优化问题:
得最优解:α=(α1,α*1,α2,α*2,…,αl,α*l)T;
(4)构造决策函数
2实证分析
2.1输入变量的选择
众所周知,影响石油期货价格的因素很多,包括石油期货的历史价格、相关石油产品的期货价格、汇率变动因素以及由股市反映的世界经济状况等[4]。在这诸多因素中,石油期货的历史价格反映了以往各影响因素的变化对石油价格的影响。对于未来10天或一周内的石油期货价格而言,汇率变动、世界经济情况等因素在通常情况下不会产生特别巨大的变动。所以,石油期货的历史价格无疑是对石油期货现在价格影响最大的一个因素。因此,我们首先选取美原油期货的历史价格作为一维输入变量,并对此种石油期货的价格进行预测,以验证SVR理论的正确性。
2.2核函数的选择
在SVR的应用中,常见的核函数有线性核,多项式核,RBF核,Sigmoid核以及多二次曲面核等[4]。但是在实践中多使用RBF核。因为它可以将输入空间以非线性方式映射到特征空间,便于处理现实中以非线性方式存在的问题,且更少遇到数值计算困难。金融时间序列中的实验表明,RBF预测性能更好并且运行时间更短[4]。由于石油期货价格序列呈现非线性且高噪声的特征,因此,最终决定选取RBF核作为核函数进行预测。
2.3预测结果
2.3.1整体趋势预测
以2009年5月19日至2010年3月16日美原油期货的价格(1)作为输入变量。为了放大不同价格间的细微变化,我们均将价格扩大50倍进行观察研究。运用MATLAB软件进行编程求解,采用穷举的方式对超级参数C,g进行搜索,在找到最优参数后,采用决策函数进行预测。整体预测结果如图1所示。
由图1可知,石油期货价格的预测值与真实值是十分接近的。为了更加准确地对预测效果加以评价,我们选用均方误差(mse)作为预测精确度的评价标准。根据计算公式
2.3.2 短期趋势预测
短期趋势和短期内是否出现拐点的信息对于投资者来说是十分重要,所以本文着重研究了这两个问题。
首先,从总体价格走势(图1)上来看,我们发现在第40个数据点左右价格开始平稳上升,从第170个数据点左右价格开始平稳下降。因此,我们选取从开始到第40个数据点(即2009.5.19—2009.7.13)的数据以及从第130到第170个数据点(即2009.11.17—2010.1.13)的数据分别进行此后一周的预测。预测结果如图2,图3所示。
从图2,图3可以看出,短期预测趋势与实际数据趋势能很好地吻合,因此也说明SVR对于短期趋势的预测是比较准确的。
下面我们来看一下拐点的出现对SVR的预测性能是否有所影响。从总体价格走势(图1)上来看,我们发现在第55及第113个数据点附近均出现拐点,因此,我们选取从第30到第55个数据点(即2009.6.28—2009.8.5)的数据以及从第110到第113个数据点(即2009.10.23—2009.11.19)的数据分别进行此后一周的预测,预测结果如图4,图5所示。
从图4,图5可以看出,拐点的出现对SVR的预测性能并没有太大影响,其短期预测趋势仍与实际数据趋势很好地吻合,更加说明了SVR对于短期趋势预测的准确性。
2.4 参数分析
根据林生梁资料[8]得知核函数参数g与惩罚因子C有非常大的相关性。通过用不同的307组数据进行预测,之后经过计算,我们发现
因此可以认为C,g满足关系式:
利用上式,可在穷举得到最优的C之后,由一定的范围内搜索g,以减少程序的运行时间。
2.5 SVR预测的推广
由于SVR预测的短期精确性,可将此方法应用到其他金融产品的价格预测上。现以“浦发银行”股票2008.2.20—2009.6.25的价格为例,进行未来一周的预测,效果如图7所示。由此可见,SVR的方法不仅局限于石油期货一个领域。
3 讨论与结论
3.1 讨论
由于影响石油期货价格的因素很多,只用单一变量进行输入还是存在较大误差,因此可考虑综合各影响因素后进行多维输入。
对于石油期货的历史价格,将每日收盘原始价格序列转化成相对百分比差价,可以使转换后的数据分布更对称,更接近正态分布,继而可以提高预测性能。因此,根据祝金荣资料[4]得出,采用滞后1至4天的相对百分比价格差(RDP)和7天移动平均调整后的收盘价(EMA7)作为第一类输入变量是比较有代表性的,其具体公式如表1所示。
注:p(i)为第i天收盘价,EMA7(i)为第i天的七天指数移动平均值
除去期货的历史价格外,影响石油期货价格的因素主要有以下三类,分别为:经济环境、汇率变动以及相关能源期货价格。在每一大类中选取三个小类(如表2所示),得到9个相关因素。之后,利用计量经济学中单位根检验、Granger检验及协整检验的相关理论,对影响石油期货价格的这9类因素进行了相关性分析。最终得到的第二类输入变量为纳斯达克指数,英镑/美元汇率以及天燃气价格。
因此,可考虑选用以上分析得出的8个影响因素作为输入变量,代替之前的1维输入,以得到更加精确的结果。
3.2 结论
本文尝试将SVR引入石油期货价格的金融时间序列中,对其整体趋势以及短期走势做了比较精确的预测,并且发现,期货价格短期拐点的出现并没有影响预测结果的准确性。此外,本文通过对大量数据进行分析,得到核函数参数g与惩罚因子C的关系式
参考文献
[1]Farooq M,Mahdi N.Forecasting output using oil prices:a cascaded artificial neural network approach.Journal of Economics and Busi-ness,2006;58(2):168—180
[2]Gori F,Ludovisi D,Cerritelli P F.Forecast of oil price and consump-tion in the short term under three scenarios:parabolic,linear and cha-otic behaviour.Energy,2007;32(7):1291—1296
[3]Mirmirani S,Li HC.A comparison of VAR and neural networks with genetic algorithm in forecasting price of oil.Advances in Economet-rics,2004;19:203—223
[4]祝金荣.石油期货价格预测.北京:冶金工业出版社,2008:54—75
[5]邓乃扬,田英杰.数据挖掘中的新方法—支持向量机.北京:科学出版社,2005
[6]Vapnik V N.Statistical Learning Theory.New York:Wiley,1998
[7]李新战,赵震宇.支持向量机基础及其应用前景.科技信息,2009;17:39—40
中外石油天然气消费比较研究 篇3
关键词：天然气消费,对比分析,比较研究
1 天然气在中国能源结构中的重要性
1.1 全球能源结构发展的趋势
迄今为止,地球上依赖的能源仍然以煤炭和石油为主,但是,由于煤炭与石油大量消耗所带来的环境问题已经引起社会各界广泛的重视,其燃烧会产生大量的温室气体排放已经成为污染环境的主要元凶之一、排放气体中的酸性污染物会进一步导致酸雨的产生、氮氧化物和碳氢化物受到强烈紫外线的照射后产生的二次污染——光化学烟雾,此外,煤炭与石油燃烧后生成的浮沉也成为污染源之一。一系列的环境污染问题迫使人们寻找相对清洁的替代能源。现今许多发达国家包括一些主要的发展中国家正在努力的改变这一单一的能源结构,企图通过使用更清洁的能源,以降低燃料燃烧对于大气的污染。天然气无色无味其主要成分为甲烷,通常伴有一定含量的乙烷、丙烷以及少量的氮气、硫化物。燃烧产物主要是二氧化碳和水,与其他化石燃料相比,是一种相对清洁的能源。在世界范围内分布很广,尤其是在我国,天然气行业刚刚进入发展阶段,是一种比较理想的替代能源。
1.2 未来重要的战略能源
截至2009年底,全球天然气剩余探明可采储量为187.49万亿立方米,中东和欧亚地区是天然气最富集的地区,占世界总量的75.8%,仅俄罗斯、伊朗和卡塔尔3国就占世界的55.8%[1]。随着煤炭石油资源的日益枯竭,天然气必将取代石油,成为第一能源,因此大力开发天然气可以弱化我国能源结构单一,储量相对短缺的不足。天然气在化石燃料中是一种最清洁的能源,目前大部分直接做为燃料(发电厂、工业炉或民用),少量做为化工原料(制造合成氨、甲醇、甲醛、醋酸等)。下世纪当原油价格因资源不足而上涨,和天然气的比价拉大时,天然气转化为油品的“气变油”(GTL)工艺将得到推广[2]。
1.3 天然气资源巨大保障我国能源消费
我国天然气发展潜力巨大,天然气可采资源量已达到22.03万亿立方米。截至2009年底,我国天然气探明可采储量3.61万亿立方米,资源探明程度仅为16.39%,低于石油资源探明程度36.18%,天然气勘探尚处在勘探早期阶段,探明储量呈现快速增长势头[3]。丰富的天然气资源储备,为缓解我国的能源供给紧张奠定了雄厚的基础。周边国家俄罗斯、哈萨克斯坦、印度尼西亚、缅甸都有着丰富的天然气资源,可以大量供给我国天然气。近年来不仅在我国,乃至世界范围内科学家发现大量的天然气水合物,据专家估算,天然气水合物的资源量可满足人类1000年的需求。其储量之大、分布面积之广,是人类未来不可多得的能源。未来天然气必将取缔石油、煤炭成为世界第一能源。
2 我国天然气资源的利用发展状况
2.1 天然气消费现状
从2000年到2009年,天然气消费量呈快速增长态势,2000年全国天然气消费量为245亿立方米,2009年达到875亿立方米。中国消费总量在世界上是排名第一,但是人均消费量还是比西方一些发达国家人均的消费量还是相差比较多,相当于世界发达国家人均消费量的1/3。
2.2 天然气消费行业的基本情况
天然气用途广泛,既是相对清洁的能源,亦是化工的重要原料,其化工产品有合成氨、尿素、甲醇、甲醛和乙烯,在世界合成氨产量中,约80%是以天然气作为原料,甲醇生产中70%以天然气为原料,天然气还可以用于发电、广泛用于民用及商业燃气灶具、热水器等。我国目前开始着眼于大规模的使用天然气作为汽车燃料,预计我国将把目前大部分的公交车以及出租车改成燃气的清洁能源车,刚刚成立不久的中石油昆仑天然气利用公司主要涉及车用天然气业务。在全国范围内立即着手布局车用压缩天然气业务。预计未来年销售天然气将超过亿立方米。
3 世界主要国家天然气资源的利用的基本特点
2009年,世界天然气消费量为301.87亿立方米。俄罗斯消费量为42.02万亿立方米,美国消费65.72万亿立方米,俄美两国的天然气消费量超过全球总消费量的36%。天然气的消费使用方面,俄罗斯、美国和欧洲在目前世界上分配使用相对比较合理,本文以此以俄罗斯、美国和欧洲作为研究对象,对比分析与我国能源消费使用的不同与差距。
3.1 俄罗斯
俄罗斯09年天然气产量为6074亿立方英尺占世界总产量的20.66%,而其国内的消耗量仅为4388亿立方英尺。每年约2000亿立方英尺的出口量确立了俄罗斯成为世界天然气出口大国的地位,在此之前,俄罗斯的天然气供应主要面向欧洲通过输气管道供气。而今,由于俄罗斯与周边国家政治局势的变化,俄罗斯有意与中国合作,建立另外一条通向中国直达中国东部沿海的天然气管道,以减弱乌克兰对天然气传输的控制。
3.2 美国
美国的天然气发电从无到有,目前已占天然气总消费的14.3%,占总发电量的9%(美国发电的结构为:煤发电占52%,核能发电占21%,水力发电占10%,油和可再生能源发电占9%,天然气占9%)[5]。
3.3 欧洲
欧洲本身由于地理条件的限制能源并不丰富,但是欧洲各国非常重视环保,而正是由于这样强烈的环保意识,环境保护对生产技术产生巨大的促进作用。可再生能源将是毫无疑问是我们的社会未来所面临的一个最大的问题。在欧洲大学以及各种研究机构都在研究新能源以及可再生能源,包括太阳能,生物质能,地热能源,能源效率和新能源方面的实际研究和发展。
4 中外天然气利用比较研究
4.1 消费结构
2010年至2030年,全球天然气消费量预计将增加近66%。在最终使用部门,工业部门仍然是最大的天然气消费行业。2010年至2030年,全世界天然气总需求的增加量将达44%。天然气在电力部门将仍然是一个重要的能源来源,尤其是对新的发电能力。到2030年,占世界总消费量的天然气预计将达158.0万亿立方英尺[5]。
美国既是天然气的生产大国,同时也是消费大国。在天然气的消费利用领域,无论从技术角度还是政策的制定与我们国家比较都相对成熟。
(单位:%)
目前我国天然气消费仅占全国能源消费量的3.5%,远远低于全球平均消费水平25%。由表1可以看出中国天然气主要用于工业领域,在天然气消费中所占比例为63.1%,我国天然气在工业部门的消耗比例要远远高于美国,但这并不意味着我们就可以生产更多的天然气产品。由于国外先进技术的依托,同等体积的天然气可以生产更多的终端产品,而我国由于技术上相对落后,需要消耗大量的天然气资源来生产同等数量的产品。其中化工项目2008年天然气的使用量达到223.43亿立方米,占工业消耗量的43.8%。化工项目以及燃气电厂等工业项目近年来快速发展,耗气量日趋增加,在世界整体天然气消费结构中,化工仅占4.1%,而我国化工2008年,用气比重超过30%,明显偏高。
商业和电力行业天然气利用消耗比重偏低,这就引发我们更深层次的思考,目前我国的天然气的销售仍旧处于垄断状态,商业流动性较差。
但比较而言,我国天然气发电处于很低的水平。目前我国天然气发电用量仅为70.78亿立方米,经过换算为941.374万吨标准煤,而我国用于电热的能源消费总量为18474.59万吨标准煤,仅为总发电量的5%,而世界上大体为20%。现今我国发电多依赖于煤炭,这就势必造成一定程度上的环境污染。
4.2 价格
我国天然气平均实现价格2009年仅为3.15美元/千立方英尺,2010年3月平均实现价格为3.28美元/千立方英尺。2010年4月1日起北京市民用天然气价格上调为2.05元/立方米相当于8.4918美元/千立方英尺。基于开采技术与生产利用率的考虑,国内天然气价格并没有起到调节天然气供需的作用,中国天然气定价过低导致直接我国用气结构不合理、天然气的战略重要性没有得到相关部门的重视。(表3)
数据来源:EIA.
4.3 天然气资源地下储气库
目前世界人均消费天然气403立方米/年,而中国仅为25立方米/年。中国人口基数大,由此推算,我国的天然气需求潜力巨大,在如此大的能源需求推动下,我国的天然气需求量将会持续攀升。美国天然气库存-基于地下储存设施2009年11月14的报告,工作气体中存储的使用天然气3488亿立方英尺。天然气库存预计将跟踪的5年的历史变化通过的其他年份,只要天气条件仍接近正常[7]。中国石油天然气集团公司已在天津大港油田建设全国第一座大型天然气储气库,用以调节北京、天津地区冬季和夏季天然气用量的不平衡状况。但地下储气工程在我国并未大规模的实施。
5 我国对于天然气利用的几点建议措施
5.1 环保压力日益增加,国内能源消费结构急需调整
首先,天然气在我国一次能源消费结构中的比重偏低,天然气作为我国能源结构调整的重要战略能源,可以调整我国脆弱的能源结构,由湖南、上海等地区连年发电受到煤炭的价格以及供应量方面的限制,可以充分考虑调整发电方式,在煤炭供应紧张的情况下用天然气作为替代能源发电。目前天然气发电的技术基本成熟,但是由于政策的原因,我国的利用天然气发电项目并没有广泛实施,只有个别城市实现了热电联产项目。
其次,工业部门天然气消耗量所占比重过大,在天然气总资源稀缺的情况下,这样的结构不利于其他部门的发展,国家应制定相应的鼓励措施,鼓励技术的发展,进一步提高天然气的利用率。
5.2 提高国内天然气价格
国内天然气消费需求持续增长,供应缺口逐年增大。天然气作为一种稀缺能源,其价格应由市场供需为主导,国家政策辅助来制定,而目前,我国的天然气定价并未遵循这一原则,国内气价偏低进一步加剧供求矛盾,导致了天燃气的市场地位没有得到充分的发挥。
5.3 提高城市用气比例
城市化是经济发展的必然趋势,近几年来我国的城市工业化比重越来越高,城市已经成为污染的集中地区,集中治理城市污染是污染治理的重要途径。我国应在主要的工业化程度偏高的城市加大天然气的使用量,减少燃煤燃油,以缓解城市污染状况,如采取车辆燃烧压缩天然气,实施天然气发电项目等。
5.4 增加天然气资源储备
加强中俄哈三国在能源领域的稳固战略关系的同时,在平等互利基础上加强同非洲国家能源领域的合作。进一步扩大天然气管道的铺设范围,建立全国范围内的天然气网管,引进扩大LNG项目。
参考文献
[1]刘然冰.国内外天然气发展现状及我国国际合作探讨[J].当代石油石化,2008,16(5):28.
[2]陈俊武.21世纪油气工业发展刍议[J].中国工程科学,2000,4(4):22.
[3]《规划》定型油气格局[EB/OL].http://www.sinopecnews.com.cn/shnews/content/2009-03/20/content_618259.htm.
[4]陈赓良.国内外天然气利用的现状与展望[J].石油与天然气化工,2002,31(5):232.
[5]王钟.国外天然气发电对我国的启示[J].天然气工业,1999,7:98.