“十四五”期間我國煤炭供需趨勢分析

孫 超，姜 琳，袁廣玉

(應急管理部信息研究院，北京 100029)

煤炭是我國經濟的重要支撐，在我國能源結構中占據重要地位。隨著我國能源技術的發展及環境保護政策的出臺，能源消耗結構不斷優化，風力發電、水力發電及核能源已凸顯出其在再生能源中的優勢，煤炭、石油等一次性化石能源所占比例不斷減小，但煤炭占據我國能源的主體地位在短時間內仍難以改變[1]。煤炭行業供需產量的精準分析對提升煤炭企業效率、優化我國煤炭供需結構具有重要作用[2]。因此，如何構建煤炭供需量預測模型，對實現煤炭供需端的量化分析、避免煤炭企業的超產及浪費、保證我國經濟的持續穩定發展具有重要的研究意義。

眾多學者對煤炭供需預測方法進行了探索，并取得了一定的研究成果。現有的供需方法多數從兩個方面進行研究，一方面是對我國煤炭的供需能力進行分析，李肖冰[3]從系統動力學角度構建了我國能源供需兩端的預測模型；劉娜等[4]通過灰色關聯分析法，對影響煤炭消耗量的關聯因素進行了分析，并以Eviews軟件實現了煤炭消耗的多元分析；車利明[5]在分析我國煤炭生產及供應現狀的特點之后，對我國中長期的煤炭供應結構進行了預測；吳飛等[6]在深入分析我國煤炭供應的影響因素中，從定性和定量兩個角度對我國2018—2020年我國煤炭供應量進行了預測。另一方面是從煤炭的產量進行預測研究，羅迪等[7]以Gauss-Legendre對GM(1，1)模型精度進行了優化，并對原煤產量進行了預測研究；彭新等[8]在對GM(1，1)模型、GM(1，1)殘差模型和等維新息GM(1，1)模型分析的基礎之上，優選了GM(1，1)模型，并對我國近5年煤炭產量進行了預測；賈縣民等[9]在充分考慮煤炭開采因素的情況下，建立了煤炭最優化開采模型，對我國煤炭開采量進行了數值模擬；葉佩[10]基于GM(1，1)模型構建了基于關聯挖掘技術的煤炭產量預測模型；宋曉震等[11]構建了GM(1，1)-Markov組合預測模型，對我國2019年和2020年的煤炭產量進行了預測。綜合以上分析，現有的煤礦預測模型多是以GM(1，1)模型和Markov模型為基礎，對煤炭的供需量進行分析，但由于煤炭產量數據的樣本量較小，在構建預測模型時，樣本量較小及樣本特征對產量預測的影響較大，因此，如何考慮在煤炭供需量樣本數據小及非線性特征的基礎之上構建煤炭供需量的精準預測，對我國煤炭產能優化具有重要的理論價值和實踐意義。本文在對我國煤炭供需現狀分析的基礎之上，運用相關向量機對“十四五”期間我國煤炭供需情況進行預測分析，進而為我國煤炭能源結構優化及煤炭行業相關政策制定提供借鑒。

1 我國煤炭供需現狀分析

1.1 煤炭生產

改革開放以來，我國煤炭生產方式經歷了從炮采到普采，再到綜采的快速轉變，生產結構實現了由粗放式到集約式發展轉變，供應能力顯著提升。根據國家統計局公布的煤炭產量數據，2000年我國煤炭產量為9.51億t，2014年達到峰值38.7億t，此后受市場需求影響出現連續三年下降，2015年完成37.5億t。自2016年我國加快推進煤炭行業供給側結構性改革以來，重新提高了產業集中度，2017—2019年產量分別為35.2億t、36.8億t和38.07億t，分別同比增長3.3、4.5和3.45個百分點。盡管增長幅度沒有“黃金十年”大，但增長質量和結構得到了進一步優化。

1.2 煤炭消費

20世紀煤炭一直是我國能源消費的主體，消費量在能源消費總量中保持80%左右，進入21世紀后開始緩慢下降。根據國家統計局公布的煤炭消費量數據，2000年我國煤炭消費為12.45億t，到2005年增長到21.08億t，2013年達到歷史峰值37.08億t，隨后經歷了三年下降，幅度分別為2.9、3.7和4.7個百分點。2017年受經濟穩中向好、異常天氣多發等因素疊加影響，需求快速增長，特別是發電用煤增長幅度較大，2017—2019年消費量分別為38.7億t、39.09億t和39.87億t，高出世界目前平均水平近30個百分點。四大耗煤行業中，電力行業仍是第一耗煤大戶，且近3年來每年新增消耗煤炭約1.5億t；鋼鐵和建材行業近3年耗煤量逐年遞減，但幅度不大；化工行業近3年呈遞增趨勢，年均增長率約為10%。

值得注意的是，通過產/消量對比可以發現，我國煤炭供需平衡共分為三個階段：第一階段是2000—2001年，煤炭產量小于消費量；第二階段是2002—2013年，我國經濟增長拉動了煤炭投資，煤炭產量與消費量總體差距不大，但產能過剩的趨勢開始顯現，在2014年尤為明顯；第三階段是2014至今，隨著煤炭高質量改革發展不斷推進，煤炭產量大于消費量，但總體逐漸趨于平衡。

2 基于相關向量機的煤炭供需預測模型

相關向量機[12](Relevance Vector Machine，RVM)是Micnacl E.Tipping提出的一種基于貝葉斯框架的稀疏概率模型。相關向量機算法通過主動相關決策理論(automatic relevance determination，ARD)對不相關的點進行移除，進而對模型進行稀疏化處理，相比于支持向量機模型，其加大降低了核函數的計算量。

假設模型輸入向量為xi，N為訓練集樣本數，ti為樣本訓練輸出向量，則RVM回歸模型的構建如下：

式中，y(ω，xi)為權重向量下的輸出值；ω為權重向量矩陣；x為輸入向量矩陣；εi為服從高斯分布的第i個噪聲誤差；k(x，xi)為核函數向量矩陣。

當樣本輸出向量相互獨立時，則訓練樣本的極大似然函數為：

式中，δ2為高斯噪聲的方差；φ為核函數k(xn，xi)組成的核矩陣。

對ω的后驗分布求解過程中，首先需要對其先驗分布進行求解，假設ωi的高斯分布為：

式中，α為決定權重向量；ω為先驗分布的超參數。

從煤礦供需量的數據樣本本質出發，其每年的產量符合馬爾可夫性質[13]，因此，結合貝葉斯公理[14]，對于輸入矩陣x*，其對應的預測值y*的分布為：

其中，P(ω，α，δ2|t)=P(ω|t，α，δ2)P(α，δ2|t)。

由于P(α，δ2|t)∝P(t|ω，δ2)P(α)P(δ2)，則t的條件分布為：

式中，Ω為t的條件分布協方差，Ω=δ2I+φA-1φT；I為單位矩陣；A為對角陣。

則P(y*|t)可換算為：

式中，φ(x*)為樣本核矩陣。

3 “十四五”期間煤炭供需預測

為實現基于RVM的煤礦供需量預測，現將2000—2019年的煤炭消費量數據集進行劃分，將2000—2014年數據作為模型訓練集，2015—2019年數據作為預測集，對基于RVM的煤炭供需預測模型進行訓練分析。同時為驗證RVM在煤炭供需預測中的適用性及優越性，選取BP神經網絡模型[15]進行對比研究。基于RVM和BP神經網絡的2015—2019年煤炭消費量數據預測如圖1所示。

圖1 2015—2019年煤炭消費量預測值對比

由圖1可知，基于RVM的煤炭消費量預測值相較于真實值差距較小，而基于BP神經網絡的煤炭消費量預測偏差較大。針對2015—2019年煤炭消費量五個數據樣本的預測相對誤差見表1。根據表1數據可知，RVM在對第一個數據樣本預測時，其相對誤差比BP神經較大，而對其它四個樣本的相對誤差均優于BP神經網絡，且五個樣本的平均相對誤差也較BP神經網絡有較大優勢。由此可知，基于RVM的煤炭消費量預測方法精度要優于基于BP神經網絡的煤炭消費量預測方法。

表1 RVM和BP神經網絡的樣本預測相對誤差 %

基于以上分析，將基于RVM的煤炭供需量預測模型運用于“十四五”期間的煤炭供需量預測，其中，將2000—2019年的煤炭供需量作為訓練集，2020—2025年煤炭供需量作為預測集，預測數據見表2。

表2 2020—2025年我國煤炭供需量預測 億t

4 結 論

在對煤炭供需預測樣本數量較小及非線性特征的基礎之上，構建了基于相關向量機(RVM)的煤炭供需量預測模型，并基于此模型，對我國“十四五”期間的煤炭供需量進行了預測分析。預測結果表明，“十四五”期間我國的煤炭的產量和需求量仍處于穩步上升的趨勢，且煤炭的自供應量仍然占據煤炭消費的絕大部分，而面對此種煤炭供需關系，應該從監管與被監管角度對政府部門和煤炭企業進行安全風險預控，以減少煤礦事故災害帶來的人員傷亡和經濟損失，降低對和諧穩定社會建設的影響。

1)政府部門的安全監管角度。以各級煤礦安全監察局為主的煤礦安全監管是保證煤礦企業安全穩定生產的主導因素。定時定期對煤礦企業進行風險檢查及安全督察，保證煤礦企業在生產、運營等層面嚴格按照國家相關規定生產，尤其在“十四五”期間，煤炭產量及消費量穩步提升，煤礦的安全生產是我國經濟持續穩定發展的重要保障。因此，在安全監管角度出發，除了按照已有的法律法規進行如期監管，還應繼續完善對煤礦企業的安全監管制度，減少安全監管漏失，強化安全監管力度，做到有風險必查，有違章必罰。另外，還應提升應急管理響應力度，能夠在煤礦企業發生事故時，做到及時響應，及時開展救援；完善應急管理體系，避免煤礦在事故災害發生之后的二次損傷，做到應急管理的全面化。

2)煤炭企業的風險防控角度。煤礦安全風險管控失效是煤礦事故災害的直接原因。從風險根源進行風險管控及治理，是降低煤礦風險演化的重要舉措。在“三位一體”安全管理理論及雙重預防機制理論的指導下，應對煤礦固有風險進行按期、及時辨識；對煤礦安全隱患進行及時整改，對重點隱患進行掛牌督辦、重點關注。同時，借助信息化手段，構建煤礦安全風險及安全隱患的過程管理模式，強化安全風險的階段性排查及安全隱患的流程化處理，實現煤礦風險管理的過程透明化。另外，仍需要對煤炭企業自身的安全管理制度及體系進行完善，隨著煤礦生產的進行，不斷對地質資料等進行完善補充，做到有據可循，有據可依，在遵循煤礦生產相關規定的前提下，細化適用于自身的安全管理細則，降低煤礦安全生產事故的發生概率，保證煤礦安全生產的順利開展。

3)礦山智能化應用角度。隨著科學技術的進步，煤礦的信息化和智能化水平不斷提升。而在智慧礦山建設框架的指引下，建立煤礦智能化開采及智慧化管控已成為當前礦山建設的主流方向。因此，在結合煤礦自身已建設的基礎設施之上，積極開展煤礦智能化建設，不斷提升礦山信息化水平，以科技保障煤炭行業的安全發展，也是“十四五”期間我國煤炭穩定供需的保證之一。同時，以大數據角度對礦山感知數據進行深度挖掘，構建以知識圖譜為核心的煤礦安全智慧管控及智能監管，進一步提升煤礦安全生產水平。