Среднегодовая температура как экзогенный фактор роста потребления природного газа
Автор: Юхин Сергей Викторович
Журнал: Общество: политика, экономика, право @society-pel
Рубрика: Экономика
Статья в выпуске: 10, 2022 года.
Бесплатный доступ
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.
Прогноз, добыча и потребление природного газа, авторегрессия
Короткий адрес: https://sciup.org/149140951
IDR: 149140951 | DOI: 10.24158/pep.2022.10.9
Текст научной статьи Среднегодовая температура как экзогенный фактор роста потребления природного газа
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) спроса1. 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 м3 больше, чем в прошлом году (9,6 %). Максимальный рост добычи зафиксирован в Индии (+20 %) и Алжире (+17 %)1. Мировое потребление природного газа в целом увеличилось на 207 млрд м3 (5,3 %), продемонстрировав высокий темп роста2.
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 годам4, 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 Годдарда5. 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 баз6. Кроме того, использовались данные о стоимости природного (трубного) газа за период с 1960 по 2021 (61 год)7.
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: т
V Yt(K) у(К)
Yt = “+L ^w»+et; et = ^К")(at+pt^’ i=i где φ (K) – функция коэффициентов авторегрессии;
γ ( K ) – функция коэффициентов скользящей средней;
L i,t – показатель запаздывания;
S t – критерий периодной составляющей;
-
e t – ошибка регрессии;
-
α t – нулевое среднее с условиями ошибки временного ряда;
-
β t – 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 (Taşpınar 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 L i,t и S t для формирования непрерывной последовательности X i,t .
Этап 2: определяются параметры модели φ ( K ) и γ ( 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
∆ Температура («+» – отклонение; «–» – восстановление |
∆ ВВП (азиатский регион), % к базовому году |
∆ ВВП (европейский регион), % к базовому году |
∆ ВВП (американский регион), % к базовому году |
–0,3 |
–8,1 |
–0,6 |
3,9 |
–0,2 |
0,0 |
5,7 |
0,7 |
–0,1 |
–2,5 |
1,5 |
0,5 |
0 |
0,0 |
0,0 |
0,0 |
+0,1 |
–3,9 |
0,7 |
–0,1 |
+0,2 |
–3,7 |
1,8 |
–1,5 |
+0,3 |
0,3 |
–1,7 |
3,9 |
Представим полученные результаты в виде графика (рис. 1).
3,0%

^^^^^^^^^^^ Линейная (∆ВВП (Америка))
^^^^^^^е Линейная (∆ВВП (Европа))
^^^^^^^^ш Линейная (∆ВВП (Азия))
^^^^^^^е Линейная (∆ВВП (СВОД))
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).

^^^^^^^^^^^ Полиномиальная (∆ВВП (Америка)) ^^^^^^^^^^^ Полиномиальная (∆ВВП (Европа)) ^^^^^^^^ш Полиномиальная (∆ВВП (Азия))
^^^^^^^в Полиномиальная (∆ВВП (СВОД))
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 экзо- генных факторов учитывалось через синергетический фактор βt. 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, %
∆ ВВП |
∆ V потребления газа (азиатский регион) |
∆ V потребления газа (европейский регион) |
∆ V потребления газа (американский регион) |
–4 |
–0,5 |
–12 |
–7 |
–3 |
2 |
–6 |
–15 |
–2 |
3 |
–12 |
–10 |
–1 |
4 |
–9 |
–6 |
0 |
0 |
0 |
0 |
1 |
–1 |
–16 |
–8 |
2 |
2 |
–16 |
–10 |
3 |
14 |
–15 |
–11 |
4 |
11 |
–14 |
–13 |
Представим полученные данные наглядно в виде линейных графиков (рис. 3).
15,0%

-5% -4% -3% -2% -1% 0% 1% 2% 3% 4% 5%
-5,0%

-20,0%
^^^^^^^^м Линейная (∆V (азиатский регион))
^^^^^^^^^^^ Линейная (∆V (европейский регион))
Линейная (∆V (американский регион))
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 литературы Среднегодовая температура как экзогенный фактор роста потребления природного газа
- 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.
- Ediger V. §., Akar S. ARIMA Forecasting of Primary Energy Demand by Fuel in Turkey // Energy Policy. 2007. Vol. 35, iss. 3. Р. 1701-1708.
- Soldo B. Forecasting Natural Gas Consumption // Applied Energy. 2012. Vol. 92. Р. 26-37.
- 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.
- Zhang G.P. Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model // Neurocomputing. 2003. Vol. 50. Р. 159-175.