北京市能源消费影响因素分析及短期预测

李姝 李卫东

摘 要：分析了北京地区能源消费总量与地区生产总值、能源消费品种、产业结构和能源效率等因素之间的关系。针对北京市能源消费建立了灰色模型、随机时间序列模型以及多元线性模型，通过比较各个模型的拟合程度与预测精度选择最优模型进行预测，本文最终选择ARIMA（1，2，1）对北京市2016-2020年的能源消费总量进行预测，并根据实际情况提出提高能源利用率、发展可再生能源等相应的政策建议。

关键词：能源消费 影响因素 多元线性回归模型 随机时间序列模型 灰色预测

一、北京市能源消费情况影响因素分析

首先，考察能源消费与经济发展之间的关系，如图1所示，从2000年到2004年，北京市重工业对能源的需求量增大导致能源弹性系数在这一期间呈上升趋势；从2005年到现在，由于国家推行节能降耗与绿色GDP，能源消费弹性系数呈现逐年下降的趋势。

其次，考察能源消费品种结构的变化对能源消费量的影响。从图2可以看出，在2010年煤品与油品占能源消费的大半，而近年来煤品的消费量呈现出大幅度的下降，天然气替代了煤品的地位。研究表明天然气所含的热量相对于煤品来说较高，因此我们可以认为能源品种结构的变革会影响能源消费的变化。

对于行业和产业结构调整对能源消费的影响，由图3可以看出，北京市正努力实现经济不再依赖于重工业，而是逐步提高第三产业比重，增强北京的软实力，这将对北京的能源消费产生重大影响。

二、 北京市能源消费总量预测

（一）北京市能源消费总量多元回归模型

本文决定将下列指标作为解释变量来构建北京市能源消费总量的多元回归模型，即经济发展水平（X1），产业结构（X2），人均地区生产总值（X3），城市化（X4），模型通过了多重共线性、异方差和自相关等一系列检验，模型的最终形式如下所示：

拟合精度见表1。

（二）北京市能源消费总量时间序列模型

本文对北京市1980年至2006年能源消费总量的时间序列数据在SAS中进行建模，并对2007—2014年的能源消费总量进行预测。最终确定北京市能源消费总量ARIMA（1，2，1）模型的表达形式，见下式。

拟合精度见表2。

（三）北京市能源消费总量GM（1，1）模型

MATLAB运行之后显示级比检验通过，建立的灰色模型是：

接下来，根据构建的GM（1，1）模型求得1998-2015年北京市能源消费总量的灰色预测值，结果如表3所示，表中数据显示模型的拟合精度较高。

三、總结及展望

通过分析我们可以知道，到2020年北京市的能源消费总量将有可能达到6340.7162万吨标准煤，年增长率几乎达到了3.3%。这意味着北京市能源供应将面临着巨大的压力，针对这种情况本文对缓解能源压力提出几点意见。

首先，减少国民经济中第二产业的比重，提高能源利用效率。为了提高能源利用效率，我们必须走一条新的工业化道路，大力发展高新技术、高效、低耗能的产业，大力发展第三产业，逐步实现产业转型。

其次，大力发展可再生能源、增加清洁能源在能源消费中的比重。政府应当出台一系列政策鼓励企业对新型可再生能源的开发利用，控制煤和石油等常规能源在能源消费中的比重，加大科技创新资金的投入，推动能源消费结构逐步优化升级。同时，做好扶贫攻坚工作，促进城乡一体化发展。

参考文献：

[1]Hongting Ma. Analysis of typical public building energy consumption in northern China[J].Elsevier B.V.，2016， 37（11）.

[2]肖宏伟. “十三五”时期北京市能源消费总量及结构变化趋势预测[J].研究与探讨， 2015，37（07）.

[3]M.Balodis. Analytical Treatment of Forecasts of Electric Energy Consumption in Latvia[J]. Latvian Journal of Physics and Technical Sciences，2014， 56（06）.

[4]Vaghefi，Azai. A Statistical Approach to Modeling and Forecast of the Building Energy Consumption[J]. ProQuest， 2013，44（08）.

[5]崔庆安.基于主成分分析与支持向量机的能源需求预测方法[J]. 统计与决策，2013，389（17）.

[6]邓鸿鹄.北京市能源消费预测方法比较研究[D].北京：北京林业大学，2013.

[7]伊卫国.基于关联规则与决策树的预测方法研究及其应用[D].大连：大连海事大学，2012.

[8]陈曦.基于logistic模型的经济增长与能源预测分析——以天津“十二五”期间为例[J].发展研究，2010，17（05）.

[9]刘爱芹.基于组合模型的能源消费预测研究[D].山东：山东财经学院，2010.

[10][ZK（]高新才.中国能源消费系统预测模型的构建[J]. 统计与决策，2009，281（05）.