Среднегодовая температура как экзогенный фактор роста потребления природного газа

Размещено на http://www.allbest.ru/

Среднегодовая температура как экзогенный фактор роста потребления природного газа

Сергей Викторович Юхин

Аннотация

Исследования возможного прогнозирования динамики потребления природного газа могут помочь в создании аналитической базы для проверки экономической целесообразности разработки новых месторождений, решения социальных вопросов, что позволит снизить операционные и экономические риски для промышленности. Выполнено сравнение различных теоретических моделей прогнозирования производства и потребления природного газа с использованием кросс-корреляционной функции, осуществлен анализ связи между экзогенными переменными. Предложенная в статье концепция позволила установить закономерности периодов, когда на искомую зависимость в большей степени влияет только один из «существенных» экзогенных факторов. Если этот тренд сохранится, ожидается, что к 2025 году производство и потребление газового топлива в зависимости от регионов увеличится до 20 %. Результаты данного исследования будут полезными для лиц, принимающих стратегические решения в сфере производства и потребления природного газа, так как позволяют более эффективно осуществлять планирование в рамках устойчивой энергетической политики.

Ключевые слова: прогноз, добыча и потребление природного газа, авторегрессия

Annotation

Average Annual Temperatureas an Exogenous Growth Factor for Natural Gas Consumption

Sergey V. Yukhin

Abstract. Research into the possible forecasting of natural gas consumption dynamics can help create an analytical basis for checking the economic feasibility of developing new fields, addressing social issues, thereby reducing operational and economic risks for the industry. Various theoretical models for predicting natural gas production and consumption using a cross-correlation function are compared and the relationship between exogenous variables is analysed. The concept proposed in the article allows to establish a pattern of periods when the dependence in question is influenced to a greater extent by only one of the “essential” exogenous factors. Should this trend continue, gas fuel production and consumption are expected to increase by up to 20 per cent by 2025, depending on the regions. The results of this study will be useful for policy makers in natural gas production and consumption, as they allow for more effective planning within a sustainable energy policy framework.

Keywords: forecast, natural gas production and consumption, autoregression

Введение

Изменение климата, наблюдаемое в последние годы, является серьезным вызовом для производственно-хозяйственной деятельности в странах всего мира, серьезно угрожая благосостоянию человека. Понимая это, большинство стран приступили к поиску способов и возможностей перехода на чистую энергетику для снижения выбросов парниковых газов без ограничения экономического роста страны и экологической политики.

Прогноз развития энергетики указывает на то, что в ближайшие 15 лет мировой потребление природного газа будет расти. В 2021 году объемы его добычи в мире существенно увеличились по причине высокого (особенно в Азии) спроса Российский газ на мировой арене // Энергетический бюллетень. Вып. 100, сентябрь. М., 2021. 20 с.. Темпы роста добычи газа в мире составили: в Северной Америке +2,4 %, Азии +6,4 %, в Африке +9,8 % (совокупно +58 млрд м3). В России на фоне увеличивающегося внутреннего спроса и наращивания экспорта объемы производства оказались на 69 млрд м Российский газ на мировой арене ... больше, чем в прошлом году (9,6 %). Максимальный рост добычи зафиксирован в Индии (+20 %) и Алжире (+17 %). Мировое потребление природного газа в целом увеличилось на 207 млрд м3 (5,3 %), продемонстрировав высокий темп роста Там же.. газ экономический месторождение промышленность

По сравнению с нефтью и углем, природный газ, сгорая, выделяет минимальное количество продуктов горения. Поэтому он имеет более низкую эмиссию, чем ископаемые виды топлива. Более того, природный газ может выступать в качестве промежуточного (переходного) топлива к «чистой» энергетике для контроля загрязнения окружающей среды. В этих свойствах состоит его ценность, делающая данный вид топлива значимым для современных потребителей.

Управление энергией является наиболее сложным вопросом, поскольку решения, принятые сегодня, в значительной степени определяют результаты функционирования отрасли в будущем. Прогнозная оценка спроса на природный газ приведет к эффективному управлению процессами транспортировки, распределения и производства данного вида топлива.

Эффективное планирование заключения договоров в данной сфере, опираясь на данные проведенной оценки, позволит оптимизировать сеть газовых хранилищ и алгоритм транспортировки голубого топлива. Это гарантирует, что добыча, поставки и снабжение природного газа будут соответствовать товарному балансу.

В последние годы применяются различные методы прогнозирования потребления рассматриваемого вида топлива. Среди них - методы временных рядов. На основе моделей линейной регрессии и временных рядов анализируется связь между «выходной переменной» и экзогенными факторами (Soldo, 2012). Следует отметить, что хотя линейные регрессионные модели, безусловно, имеют право на применение, они все же оказываются слабыми в определении «нелинейных» взаимосвязей. Методы временных рядов широко используются в прогнозах потребления природного газа и основываются на установлении естественных взаимосвязей (Brabec et al., 2008).

Учитывая имеющиеся статистические данные, можно утверждать, что производство и потребление природного газа в мире будут расти в последующие годы3. Для своевременной оценки ситуации и контроля в этой сфере целесообразно осуществлять ежегодный прогноз производства и потребления природного газа в различных регионах мира. В качестве дополнительного инструмента прогнозирования потребности в природном газе может быть использована разработанная нами модель, основанная на данных среднегодового температурного баланса, объемах спроса и предложения природного газа на энергетическом рынке, оценке влияния на них внутрирегиональных конфликтов.

Материалы и методы анализа

В ходе разработки модели мы использовали статистические данные о ВВП двадцати крупнейших экономик мира (системообразующих) за период с 1900 по 2021 (121 год) с распределением по годам GDR PPP (constant 2017 international $). International Comparison Program, значения абсолютного отклонения средней ежегодной температуры в странах за период с 1900 по 2021 (121 год) по 178 странам мира, рассчитанные специалистами Национального управления по аэронавтике и исследованию космического пространства Института космических исследований имени Годдарда GISS Surface Temperature Analysis (GISTEMP v4) [Электронный ресурс] // National Aeronautics and Space Administration Goddard Institute for Space Studies. . Необходимая информация о ежегодном торговом балансе природного газа (импорт «-» экспорт) за период с 1990 по 2021 (31 год) по 7 регионам мира (Азия, Америка, Африка, Ближний Восток, Европа, Океания, СНГ) была нами получена из информационно-аналитических баз Мировой рынок газа [Электронный ресурс] // Fin-plan. . Кроме того, использовались данные о стоимости природного (трубного) газа за период с 1960 по 2021 (61 год) Стоимость газа в США, Европе, Японии по годам [Электронный ресурс] // Все о финансах. .

Методы анализа временных рядов. В основу разрабатываемого инструментария была положена модель Бокса-Дженкинса (авторегрессионная интегрированная скользящая средняя, ARIMA) (Ediger, Akar, 2007), позволяющая делать прогнозы на основе временных рядов (исторических наблюдений). Принцип построения линейной функции будущих значений с прошлыми «известными» и случайными ошибками является фундаментирующим (Zhang, 2003). Если временной ряд удовлетворяет условиям стационарности (константы среднего арифметического, дисперсии и периодов наблюдений) и имеет алгоритмичное поведение в течение заданного временного интервала, то можно предположить, что он поведет себя также в какой-то более поздний момент времени. Предложено расширить классическую модель возможностью учета критериев периодности с одним «доминирующим» и прочими «несущественными» экзогенными факторами.

Финальная модель может быть представлена следующим образом:

где ф (K) - функция коэффициентов авторегрессии;

Y (K) - функция коэффициентов скользящей средней;

Li,t - показатель запаздывания;

Sf - критерий периодной составляющей; et - ошибка регрессии;

at - нулевое среднее с условиями ошибки временного ряда;

et - синергетический фактор влияния прочих экзогенных факторов.

Модель, дополненная критерием периодности, является альтернативным способом развития ARIMA, повышающим эффективность применения авторегрессионной методики с учетом экономических, геополитических факторов развития производства природного газа или сезонности. Учет же дополнительных экзогенных факторов путем интеграции контекстной информации (температура воздуха, атмосферное давление, влажность и пр.), которые влияют на спрос и потребление природного газа, в прогнозный процесс расширяет возможности использования представленной модели (Ta§pinar et al., 2013).

В настоящем исследовании метод дополненной авторегрессионной модели был использован для изучения производства и потребления природного газа. Его реализация предполагала прохождение нескольких этапов работы.

Этап 1: данные временных рядов интегрированием определяют показатель запаздывания Lit и St для формирования непрерывной последовательности Хц.

Этап 2: определяются параметры модели ф (K) и y (K).

Оценка связи между последовательностями пар была проведена с помощью робастной (выбросоустойчивой) автокорреляции и метода определения ковариат и лагов для наилучшей модели. График кросскорреляционной функции был использован для оценки связи между отклонением среднегодовой температуры от среднестатистической, темпами прироста внутреннего валового продукта (ВВП), торговым балансом природного газа и экзогенными переменными.

Результаты эксперимента. В рамках исследования был осуществлен кросс-факторный анализ влияния отклонений среднегодовой температуры от среднестатистического значения и изменения темпов прироста внутреннего валового продукта. При его проведении к рассмотрению принимались данные объединенных экономик макрорегионов (для упрощения расчетов): Америка - 35 стран (42,5 млн км2; Европа - 45 стран (10,2 млн км2); Азия - 44 страны (44,6 млн км2), включая Россию; Африка - 54 страны (30,2 млн км2). Учитывались только те периоды, когда в странах указанных регионов не было «крупных» внутренних конфликтов - одного из основных экзогенных факторов. В качестве основного источника формирования ВВП был принят производственный сектор регионов. В результате анализа данных с помощью инструментов MS Office для анализа данных и Gretl был получен ряд результатов. В таблице 1 представлена статистическая сводка зависимости изменения внутреннего валового продукта (ВВП) от значений абсолютного отклонения средней годовой температуры от среднестатистической. Для африканского региона зависимость не рассматривалась из-за несоответствия требованиям точности (вследствие доминирующего влияния прочих экзогенных факторов).

Таблица 1 - Статистическая сводка зависимости изменения ВВП от абсолютного отклонения средней годовой температуры от среднестатистической

Представим полученные результаты в виде графика (рис. 1).

Рисунок 1 - Линейная интерпретация изменения ВВП от абсолютного отклонения средней годовой температуры от среднестатистической по регионам

Угловые коэффициенты, характеризующий тренд для американского и европейского регионов, равны -0,0182 и -0,006. Для азиатского региона их значение составило +0,0175.

Для анализа специфики реакции региональных экономик на отклонение и восстановление среднегодовой температуры от среднестатистической был предпринят перевод модели от линейного вида к кубической параболе (полином третьей степени). Учитывая исключительно ознакомительный характер прогноза, допустимый уровень значимости корреляции определен на уровне не ниже 0,8 (рис. 2).

Рисунок 2 - Параболическая зависимость изменения ВВП от абсолютного отклонения средней ежегодной температуры от среднестатистической по регионам

Модель демонстрирует специфику реакции региональных экономик на климатические температурные сдвиги: снижение уровней производства и эффективность механизмов регулирования при отклонении температуры (положительная полуось) и ее нормализации (отрицательная полуось). Степень соответствия полиномной модели исходным данным превышает 82 %.

В рамках настоящего исследования был проведен также кросс-факторный анализ влияния темпов прироста ВВП и объемов потребления природного газа.

Принято, что изменение ВВП является определяющим фактором, влияющим на развитие регионального потребления газа как обслуживающей отрасли энергетики. Влияние прочих экзогенных факторов учитывалось через синергетический фактор В результате кросскорреляци- онного анализа статистических данных (табл. 2) был сформирован прогнозный сценарий с учетом поправки на влияние среднегодовых перепадов температуры.

Таблица 2 - Статистическая сводка зависимости темпов прироста потребления природного газа от динамики увеличения ВВП, %

Представим полученные данные наглядно в виде линейных графиков (рис. 3).

Рисунок 3 - Линейная интерпретация корреляционной зависимости темпов прироста потребления природного газа от динамики увеличения ВВП

Угловые коэффициенты для американского и европейского трендов равны -0,0845 и -0,0156 соответственно. Для азиатского региона это значение составило +0,0812.

Различия в трендах прогнозов темпов прироста потребления природного газа и ВВП объясняется спецификой и энергоемкостью производств регионов: от более технологичных, характерных для американского и европейского регионов экономики (металлопереработка, машиностроение, химическая промышленность, ТЭК) к более энергоемким (горнодобывающая, обрабатывающая, сельское хозяйство), которые сосредоточены в азиатском регионе.

Таким образом, установлена возможность потенциальной оценки зависимости темпов прироста потребления природного газа от отклонений среднегодовой температуры от среднестатистического значения в рамках рассматриваемой модели.

Выводы

Прогнозирование будущего состояния энергетики, которая является важнейшим компонентом экономики, имеет значение для развитых и развивающихся стран. Оно позволит определить будущую энергетическую политику, спланировать инвестиции в энергетику и принять необходимые меры по управлению рисками. Предложенный метод ориентирован на поиск наиболее релевантных значений прошлых наблюдений путем проведения идентичных оценок.

Проведя описанный эконометрический анализ и оценив полученные результаты, можно утверждать, что предложенная нами модель позволяет строить прогнозы в отношении предполагаемых годовых балансов добычи газа и пиков его потребления для принятия решений, в том числе логистических.

Список источников

1. Brabec M., Konar O., Pelikan E., Maly M. A Nonlinear Mixed Effects Model for the Prediction of Natural Gas Consumption by Individual Customers // International Journal of Forecasting. 2008. Vol. 24, iss. 4. Р. 659-678.

2. Ediger V. §., Akar S. ARIMA Forecasting of Primary Energy Demand by Fuel in Turkey // Energy Policy. 2007. Vol. 35, iss. 3. Р. 1701-1708.

3. Soldo B. Forecasting Natural Gas Consumption // Applied Energy. 2012. Vol. 92. Р. 26-37.

4. Ta^pinar F., Qelebi N., Tutkun N. Forecasting of Daily Natural Gas Consumption on Regional Basis in Turkey Using Various Computational Methods // Energy and Buildings. 2013. Vol. 56. С. 23-31.

5. Zhang G.P. Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model // Neurocomputing. 2003. Vol. 50. Р. 159-175.

References

6. Brabec, M., Konar, O., Pelikan, E., Maly, M. A Nonlinear Mixed Effects Model for the Prediction of Natural Gas Consumption by Individual Customers // International Journal of Forecasting. 2008. Vol. 24, iss. 4. Р. 659-678.

7. Ediger, V.Q. & Akar, S. ARIMA Forecasting of Primary Energy Demand by Fuel in Turkey // Energy Policy. 2007. Vol. 35, iss. 3. Р. 1701-1708.

8. Soldo, B. Forecasting Natural Gas Consumption // Applied Energy. 2012. Vol. 92. Р. 26-37.

9. Ta^pinar, F., Qelebi, N.& Tutkun, N. Forecasting of Daily Natural Gas Consumption on Regional Basis in Turkey Using Various Computational Methods // Energy and Buildings. 2013. Vol. 56. С. 23-31.

10. Zhang, G.P. Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model // Neurocomputing. 2003. Vol. 50. Р. 159-175.

Размещено на Allbest.ru