基于灰色模型的上海工業能耗預測分析

朱運濤　毛俊鵬　任庚坡　李琦芬

1.上海電力學院 能源與機械工程學院　2.上海市節能監察中心

基于灰色模型的上海工業能耗預測分析

朱運濤1毛俊鵬2任庚坡2李琦芬1

1.上海電力學院 能源與機械工程學院2.上海市節能監察中心

在闡述灰色模型的基礎上，選取上海市工業行業2008－2014年能耗作為樣本數據，建立了基于灰色模型GM（1，1）的上海市工業能耗預測模型，并預測了上海市工業能耗2015～2020年能源消費量，2020年預測值達到6215.14萬噸標準煤，比2014年增加7.43%，年平均增長率0.72%。結合上海市能源消費結構現狀，提出了上海市產業結構調整、深化節能減排提高能效水平、轉變能源消費結構大力倡導發展清潔能源等方面的對策與建議。

工業；GM（1，1）；能源消費；預測；能效

Fund Item: Shanghai Municipa l Comm ittee of Economy and Informatization Special Fund， Project Number（201402004）

1　引言

能源是為人類提供各種形式能量的物質資源，是國民經濟社會發展的基礎與支撐，能源與可持續發展越來越成為人們共同關心的話題。目前我國正處于社會經濟轉型的關鍵時期，面對能源消費量的逐年增加的嚴峻形勢，科學預測未來能源消費對于制定能源消費總量控制和消費結構調整具有重要意義［1］。

2014年中國全社會能源消費總量為426 000萬t標準煤，全國單位生產總值能耗0.670 t標準煤/萬元，較2010年下降24.1%，2013年工業能源消費291 130.63萬t標準煤，占全社會總能耗的69.8%，并連續多年維持在70%左右［2］，工業作為中國能源消耗大戶，是節能減排重點對象。

對能耗預測方面的研究，不少國內外學者已經總結了許多方法模型。劉勇［3］將ARMA 模型應用于我國能源消費預測，模型擬合效果較好，精度較高。Gabriel［4］利用NEMS 模型預測了美國的一次能源消費結構，并通過Gauss Seidel方法改進了NEMS模型，對原預測結果進行了優化。U jjwal Kumar［5］應用3個時間序列模型預測了印度傳統能源消費，對原油、煤炭、天然氣能源消費的預測，分別依次對應采用了馬爾可夫模型、灰色模型、奇異譜分析模型。Silberglitt Richard（2003）［6］等利用情景分析法對美國的能源需求進行了預測。在能源消耗預測中常采用線性回歸模型［7］、ARMA模型、GARCHA類模型，這些模型都是建立在分析原始數據統計規律基礎上，根據統計規律選擇合適模型。但受年度能源消耗數據量相對較少的限制，運用現有數據得到統計規律，再選擇統計模型的方法具有一定難。因此，利用灰色模型中的預測理論中的GM（1,1）能針對貧數據、小樣本數據建模，對年度能源消耗數據進行預測分析成為可能［8-11］，可用于短期、中長期預測。

本文通過對歷年來的基礎數據進行總結，分析并確定工業能耗主要影響因素。對主要因素進行預測，建立能耗灰色預測模型，預測上海未來幾年工業能耗變化，并分析原因，最后給出結論。

表1　預測模型優缺點

2　灰色預測模型理論基礎

2.1GM（1,1）模型基本原理

當前用于能耗預測的主要有人均能耗單位產值法、分部門法、情景預測、多元回歸和灰色預測等模型，其中各項模型的優點和缺點如表1所示。

由于人均能耗單位產值和分部門法適合省市更宏觀層面的預測，情景預測需要較為豐富的經驗，文章中的相關數據統計規律一般，以及需要研究能耗影響因素等原因，本文主要采用灰色模型。

灰色預測通過原始數據的處理和建立灰色模型，發現、掌握系統的發展規律，對系統的未來發展狀態做出科學的定量預測。灰色系統理論用“黑”表示信息未知，用“白”表示信息完全明確，用灰表示部分信息明確，部分信息不明確。因此灰色系統的特征就是信息的不完全性［12］。

2.2建立GM（1,1）模型

GM（1,1）灰色預測模型建模過程［13,14］如下：令X（0）為GM（1,1）建模序列，

令Z（1）為X（1）的相鄰均值生成序列

即定義：GM（1,1）的灰微分方程模型為

其中，

則有，

（2）GM（1,1）灰色微分方程

x（0）（k）+az（1）（k）=b的時間響應序列為

（3）取x（1）（0）=x（0）（1），則

（4）還原值

上式即為預測方程。

2.3GM（1,1）模型檢驗

（1）殘差檢驗：

絕對誤差

相對誤差

4.2 實踐區合作伙伴組織籌建

相對誤差越小，模型精度越高。

（2）后驗差檢驗：

原始序列x（0）（i）的均方差：

殘差序列（0）（）iε的均方差：

最后計算小誤差概率

預測精度等級劃分見表2：

表2　預測等級劃分表

3　工業能耗灰色模型預測

上海市2004年工業能源消耗為4 406.8萬t標準煤，2014年為5 785.41萬t標準煤，10年年平均增長率為2.76%，如圖1所示，本文以2008～2014年為樣本數據來進行預測。

圖1　2004～2014年上海市工業能耗變化情況

選取上海市2008～2014年工業能耗數據，應用灰色模型GM（1,1） 理論，可計算得知

a=-0.0071，b=5684.5，

模型預測公式為：

模型檢驗情況如表3所示。

表3　工業能耗灰色預測模型檢驗表

原始序列x（0）（i）的均方差：S0=213.080 3；

殘差序列(0)()iε的均方差：S1=82.399 5

小誤差概率：

結合表2可見所建模型的預測精度合格，可用該模型進行預測2015～2020年數據，如表4所示：

表4　工業能耗預測值萬t

由表4可知，工業能耗將繼續保持增長，至“十三五”末將達到6 215.14萬t標準煤，比2014年增加7.43%，年均增長0.72%。相比“十二五”時期，“十三五”期間，上海市政府推進金融、互聯網+信息產業、汽車、科技創新等新一輪產業結構調整，會使得能耗增速放緩。

4　結論及建議

基于建立的灰色模型GM（1,1）對上海市工業能耗進行了預測，預測2015年～2020年上海市工業能耗分別為5 996.89萬t標準煤、6 039.92萬t標準煤、6 083.25萬t標準煤、6 126.90萬t標準煤、6 170.86萬t標準煤、6 215.14萬t標準煤，方法可行，結果可信。從歷史數據來看，根據國家目前提倡綠色發展的政策，上海市未來幾年工業提升自身發展內生動力，同時調整經濟結構，經濟向綠色發展方式轉變，能耗會持續增加，但增速會放緩，此樣本模型與實際能源消費趨勢相符。

隨著國家及上海市對環境的重視，倡導綠色發展，未來對該市實現能源消費總量控制及能源結構的調整難度依然較大，提出如下面三點建議：

（1）產業結構優化與調整，淘汰落后產能。結合上海市目前工業行業的實際，積極調整產業結構，提升服務業占比及質量，著力發展生產性服務業和高技術服務業，推動上海地區大型云計算數據中心建立。同時，采用經濟、技術及行政手段，以高效益和環境資源保護等為約束條件，淘汰落后產能，推動企業間兼并、收購、重組；建設大型服務業聚集區。

（2）深化節能減排，提高能效水平。提高對油氣、煤炭等各種可用能源的利用效率。提升資源消耗及廢棄物綜合利用率，建立循環經濟產業園，在社會消費環節大力倡導綠色消費理念。

（3）轉變能源消費結構，大力倡導發展清潔能源。突破一批關鍵技術，培育風能、太陽能等可再生能源，加強太陽能發電系統建設及運營、風力發電場建設及運營。改變工業行業能源終端消費結構，提升電力、天然氣等清潔能源用能比例。

［1］ 李壯,胡炳清. 基于灰色模型GM（ 1，1） 的河南省能源消費預測［J］. 環境與可持續發展. 2015（3）: 147-149.

［2］ 中華人民共和國統計局. 2015年中國統計年鑒［R］. 2015.

［3］ 劉勇,汪旭暉. ARIMA 模型在我國能源消費預測中的應用［J］. 經濟經緯, 2008（ 5） : 11-13.

［4］ Gabriel S A,Kydes A S,W hitm an P. The National Energy M odeling System: a large-scale energy-economic equilibrium model［J］. Operations Research, 2001,49（1） : 14-25.

［5］ Kumar U,Jain V K. Time series models （ G rey－M arkov,G rey M odel with rolling mechanism and singular spectrum analysis） to forecast energy consumption in India［J］. Energy, 2010,35（ 4） : 1709-1716。

［6］ Silberglitt Richard,Anders Hove,Peter Shu lman. Analysis of US energy scenarios: Meta-scenarios, pathways,and policy implications ［J］.Techno logical Forecasting &Social Change, 2003,70 （ 4）: 297-315

［7］ 佟阿思根,侯俊芝. 中國能源消費現狀及能源需求預測［J］. 內蒙古民族大學學報, 2008,14（3）:83-85.

［8］ 溫麗華. 灰色系統理論及其應用［D］. 哈爾濱:哈爾濱工程大學, 2003.

［9］ 馬宏偉,張兆同. 我國能源消費與經濟增長的灰關聯分析［J］. 管理探索, 2005（6）: 37-40.

［10］ 張延利,楊麗. 基于改進的GM（1,1）模型黃金價格預測［J］. 黃金, 2015,36（7）: 6-8.

［11］ 段寶玲,馮強,劉德軍等. 基于灰色GM（1,1）模型的城市人口規模預測—以大同市為例［J］. 山西農業大學學報:自然科學版, 2016,36（1）:35-38.

［12］ 張婷. 基于灰色神經網絡組合模型的能源需求預測［D］. 天津: 天津大學, 2007.

［13］ 戴文戰. 灰色預測模型的研究及其應用［D］. 杭州: 浙江理工大學, 2014.

［14］ 劉思峰等. 灰色系統理論及應用［M］. 北京: 科學出版社,2004: 125-128.

松江區引入模卡砌塊技術顛覆傳統建筑工藝

從日前在松江召開的上海市綠色節能自保溫結構體系研討會上獲悉，集承重和保溫等功能于一體的“3.0版本”模卡砌塊已完成結構研究，目前正在進行自動化裝配研究。

模卡砌塊由水泥、砂石制成。每塊模卡砌塊內部都有精準切割的孔洞、卡口和凹槽。當一塊塊砌塊被拼裝成一整塊外墻時，墻體外部嚴絲合縫，內部的孔洞構成完全貫通的網狀結構，灌入混凝土待其凝固后，整個墻面便成為一個結實的整體。

目前生產的普通混凝土模卡砌塊解決了承重與外墻的自保溫功能，正在研制的“3.0版本”配筋模卡砌塊將進一步加強抗壓承重能力以運用到更高層的建筑上，以符合上海冬冷夏熱和高層建筑多的地域特點。

同時，采用“3.0版本”自保溫配筋模卡砌塊，墻體的鋼筋用量能減少30%左右，總造價與剪力墻結構相比可節省10%左右。砌塊由可利用建筑垃圾和工業廢料制成，充分體現了節能環保理念。

目前松江區已有11個新建公共建筑項目使用松江模卡新型墻體材料有限公司生產的自保溫模卡砌塊作為墻體材料，總建筑面積超過30萬平方米。使用這種新型墻體材料后，建筑物可實現墻體自保溫一體化，節能約65%。

（松江區）

Shanghai Industrial Energy Consum ption Prediction Analysis Based on Grey Model

Zhu Yuntao1， Mao Junpeng2， Ren Gengpo2， Li Qifeng1
1. Energy and Mechanical Engineering College Shanghai Electric Power University
2. Shanghai Energy Saving Supervision Center

Based on introduc tion of grey model， the article chooses Shanghai industria l energy consum ption from 2008 to 2014 as sam ple data to set up Shanghai industria l energy consum ption p rediction model based on grey model GM（1，1）. It predicts Shanghai industrial energy consump tion from 2015 to 2020. It is estimated that 62.1514 m illion tons of standard coal in 2020 w ill increase by 7.43% com pared to 2014 data， whose average annua l grow th rate is about 0.72%. Combined w ith current situation o f energy consum ption structure in Shanghai， it puts forward some suggestions and countermeasures in Shanghai， such as adjusting industria l structure， deepening energy-saving and em ission-reducing， im proving energy e fficiency leve l， changing energy consump tion structure and p romoting clean energy deve lopment.

Industria l， GM（1，1）， Energy Consumption， Prediction， Energy Efficiency

上海市經濟和信息化委員會專項資金，項目編號（201402004）

10.13770/j.cnki.issn2095-705x.2016.09.007

朱運濤：（1991－），男，河南鄭州人，碩士研究生，從事能源數據分析研究。