CN103473605A - 能源消费预测方法与系统 - Google Patents

Abstract

本发明的能源消费预测方法与系统，对待预测区域内各分项能源消费量与能源消费总量进行预测，由于采用时序与结构相结合的方式进行预测，提高了预测结果的准确性，且具有广泛的适用性，为能源结构调整提供了参考。

Description

能源消费预测方法与系统

技术领域

本发明涉及能源消费预测技术领域，特别是涉及一种能源消费预测方法与系统。 

背景技术

建设资源节约型、环境友好型社会是区域发展的必然要求，是一个长期的系统工程，需要政府、企业和居民的共同努力和协同运作。政府部门应该为实施有益的能源消费行为提供相应的政策引导与协调。 

假如能够对未来若干年的能源消费趋势进行预测，则有助于为能源结构调整提供数据参考。但目前，对能源消费进行预测的技术只侧重于时间上的数据统计，所预测的结果不能全面准确地反映能源消费发展趋势。 

发明内容

基于上述情况，本发明提出了一种能源消费预测方法与系统，以提高能源消费预测的准确度。 

一种能源消费预测方法，包括步骤： 

获取待预测区域的石油消费量、天然气消费量、煤炭消费量和能源消费总量的历史数据； 

根据所述历史数据的序列特点，分别建立石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型； 

根据石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系，以及石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系，调整所建立的石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型； 

从所述历史数据中取出石油消费量、天然气消费量、煤炭消费量和能源消费总量最近若干年的数据，将最近若干年的数据代入对应的调整后的石油消费 预测模型、天然气消费预测模型、煤炭消费预测模型和能源消费总量预测模型，预测得到待预测区域未来若干年在石油消费量、天然气消费量、煤炭消费量和能源消费总量的发展趋势。 

一种能源消费预测系统，包括： 

历史数据获取单元，用于获取待预测区域的石油消费量、天然气消费量、煤炭消费量和能源消费总量的历史数据； 

预测模型建立单元，用于根据所述历史数据的序列特点，分别建立石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型； 

预测模型调整单元，用于根据石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系，以及石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系，调整所建立的石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型； 

发展趋势预测单元，用于从所述历史数据中取出石油消费量、天然气消费量、煤炭消费量和能源消费总量最近若干年的数据，将最近若干年的数据代入对应的调整后的石油消费预测模型、天然气消费预测模型、煤炭消费预测模型和能源消费总量预测模型，预测得到待预测区域未来若干年在石油消费量、天然气消费量、煤炭消费量和能源消费总量的发展趋势。 

本发明的能源消费预测方法与系统，对待预测区域内各分项能源消费量与能源消费总量进行预测，由于采用时序与结构相结合的方式进行预测，提高了预测结果的准确性，且具有广泛的适用性，为能源结构调整提供了参考。 

附图说明

图1为能源消费比重预测示意图； 

图2为能源消费结构预测结果示意图； 

图3为本发明能源消费预测方法的流程示意图； 

图4为本发明能源消费预测系统的结构示意图。 

具体实施方式

下面首先介绍能源预测的分析过程。 

1、定量预测基础模型 

定量预测基本上基于以下一步外推预报方程 

$Y_t=C+\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{A}_i{Y}_{t-i}+\underset{i=1}{\overset{q}{\mathrm{\Σ}}}{B}_i{X}_{t-i}---\left(1\right)$

其中n(≥1)维目标列向量Y_t在预测期可以迭代生成，m(≥1)维列向量外生变量X_t则需要通过合适的方法产生；在样本期，Y_t是随机变量，X_t是确定性变量。当Y_t和X_t是平稳序列时，可以直接采用经典方法由样本得到参数的估计值。 

当Y_t是单位根序列的时候，估计以下EC-VAR模型 

${\mathrm{\ΔY}}_t=C^{\′}+{\mathrm{\α\θ}}_t+\underset{i=1}{\overset{p-1}{\mathrm{\Σ}}}{\mathrm{\Φ}}_i{\mathrm{\ΔY}}_{t-i}+\underset{i=1}{\overset{q-1}{\mathrm{\Σ}}}{\mathrm{\Ψ}}_i{\mathrm{\ΔX}}_{t-i}+{\mathrm{\ξ}}_t---\left(2\right)$

其中α是n×r矩阵，ξ_t是零均值独立同分布过程， 

${\mathrm{\θ}}_t={\mathrm{\β}}_0+{\mathrm{\β}}_1{Y}_t+{\mathrm{\β}}_2{X}_t=({\mathrm{\β}}_0,{\mathrm{\β}}_1,{\mathrm{\β}}_2)\left(\begin{array}{c}1\\ Y_t\\ X_t\end{array}\right)---\left(3\right)$

(1)、(2)两式参数的关系为 

$\left\{\begin{array}{c}C=C^{\′}+{\mathrm{\α\β}}_0\\ A_1=I+{\mathrm{\Φ}}_1+{\mathrm{\α\β}}_1\\ A_i={\mathrm{\Φ}}_i-{\mathrm{\Φ}}_{i-1},(i=2,\·\·\·,p-1)\\ A_p=-{\mathrm{\Φ}}_{p-1}\\ B_1={\mathrm{\α\β}}_2+{\mathrm{\Ψ}}_1\\ B_i={\mathrm{\Ψ}}_i-{\mathrm{\Ψ}}_{i-1},(i=2,\·\·\·,q-1)\\ B_q=-{\mathrm{\Ψ}}_{q-1}\end{array}\right.---\left(4\right)$

2、能源消费总量与煤炭消费模型 

我国能源消费总量和煤炭消费的历史数据（取对数）是单位根序列，通过估计(2)的参数，得到对应于(1)的能源消费总量预测模型参数为 

$\left\{\begin{array}{c}C=1.2148,A_1=1.4972,A_2=-0.6793\\ B_1=(-\mathrm{0.8516,0.2316,0.6324},-0.0393)\\ B_2=(0.9695,-0.1482,-\mathrm{0.7012,0.0035})\\ B_3=(\mathrm{0,0,0},-0.0035)\end{array}\right.---\left(5\right)$

煤炭消费预测模型参数为 

外生变量X_t=(x,x₁,x₂,x₃)分别是我国的名义GDP和三次产业名义增加值的对数序列，在预测期采用情景分析法生成。其中名义GDP增长率的生成过程为 

r_t＝0.5176r_t-1-0.2289r_t-3-0.2979r_t-5+λ_i    (6) 

其中λ_i的取值为(λ₁,λ₂,λ₃,λ₄)=(9.9765,3.8,15.2,7.5)，名义GDP对数序列的生成为x_t＝x_t-1+r_t。 

三次产业的比重序列w_1,t,w_2,t,w_3,t的VAR模型。 

$W_t=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{W}_{t-i}{A}_i+{\mathrm{\ϵ}}_t---\left(7\right)$

其中W_t＝(w_1t,w_2t,w_3t)，A是3阶方阵，1978至2011年样本为VAR(1)，参数估计： 

$\hat{A}=\left(\begin{array}{ccc}.8379& .0763& .0858\\ .2149& .8699& -.0848\\ -.2074& .1283& 1.0791\end{array}\right)$

3、石油消费单项预测 

注意到石油消费序列是平稳的，我们建立了石油消费行为模型，转换为1980年t=0的回归方程为 

y_t＝3.3207+0.6294y_t-1+0.0236t 

检验统计量说明，这个简单的自回归模型很好地描述了样本内石油消费的变化规律，而且在不需要其它任何外生变量的条件下可以用于预测。 

如果以该模型为依据做石油消费预测，等价于以如下的确定性函数为依据 做预测。 

y_T+t＝C+Bα^t+At,(t＝1,2,…,K)    (8) 

其中T是有效建模样本个数(1980年t=0)，α＝0.6294是自回归系数 

$\left\{\begin{array}{c}A=\mathrm{\β}{(1-\mathrm{\α})}^{-1}\\ C=\mathrm{AT}+({\mathrm{\α}}_0-\mathrm{\αA}){(1-\mathrm{\α})}^{-1}\\ B=y_T-C\end{array}\right.$

α₀＝3.3207，β＝0.0236。在上式中取T=31(2011年)，y_T＝11.0558，则其具体的表达式为 

y_T+t＝10.8237+0.104963α^t+0.063564t 

其中α^t收敛到0的速度很快，从2012到2050年石油消费对数的预测值几乎呈线性增长。 

另一方面，y″_t＝B(lnα)²α^t＞0，y′_t＝Bln(α)α^t+A；其中后者是石油消费量的年增长率，它随时间t递增，且y′_t＜A。又因为y′₂₀₁₁＝0.06356，如果利用式(8)作为我国石油消费量预测的依据，相当于假设我国石油消费量以大于6.356%、小于6.3564%的速度增长，与其它任何因素无关。其“预测”结果显示，到2045年我国石油消费将达到56.2亿吨标准煤，接近2009年世界石油的一次供应量。数据显示，世界石油一次供应量的增长速度大致在1.5%左右。所以，时间趋势平稳序列(8)不适合直接作为我国石油消费量长期预测的依据，只适合作短期预测。为此考察石油消费增长率序列。 

石油消费模型(8)中的增长率系数A会随着技术进步和国民节能环保意识的增强而降低。所以，石油消费增长率系数A总体上应该随着时间t的增加而下降。考虑单调下降的增长率函数f(t)＝r_T+t＝C+Bλ^t，其中C,B,λ是待定参数。lim_t→∞f(t)＝0，所以C=0；f′(t)＝lnλBλ^t＜0，所以B>0，1>λ>0。假设2050年之前我国石油消费增长率不大于6%，平均增长率2.6%(2011年的增长水平)，则取B=6，λ=0.95。 

在式(8)中取A＝0.95^t，得到石油消费预测及其置信区间的数值模拟结果如图1，其中表示预测中心区间的曲线是增长率函数的误差取均值为零、方差为t的正态分布。 

我们由我国石油消费行为的(石油消费量对数变量)回归模型推导出用石油消费量对数描述的1980至2011年我国“平均增长率石油消费函数”(8)。但该函数的“定常增长率”不适于直接用于石油消费长期预测。为此，我们根据石油消费的增长规律和可能状况设计了随时间递减的增长率函数(9)。结合两个函数构成石油消费预测模型。 

3、天然气消费预测 

与石油消费预测相同，我们可以推导出类似于式(8)的“天然气消费行为模型” 

y_T+t＝C+Bα^t+A(T′+t)²,(t＝1,2,…)，    (9) 

其中A＝β(1-α)^-1，B＝y_T-AT′-C，C＝a(1-α)^-1，T′＝T-α(1-α)^-1。 

需要注意的是，(9)是基于t=0(1982年)样本内建立的天然气消费特征模型。数值模拟显示，当t取正整数(T+t在样本内)时，(9)的误差很小，而且对不同的T值同一个样本的误差相差很小；但如果t取负整数，则误差随着t的绝对值增大而增大。也就是说，(9)是前馈模型。 

取T=29(2011年)，y_T=9.6708，经计算得到我国天然气消费前馈预测函数 

y_T+t＝7.3937+0.0542×α^t+0.02952(t+27.4407)²    (10) 

由其生成2012至2050年我国天然气消费的预报值成高阶指数增长。 

与上述石油消费预测类似，(9)可以作为短中期预测的依据(例如3至8年)，而不能直接用于中长期预测预测，但在修改增长率系数的基础上作为预测依据。 

在式(9)中ln(α)Bα^t+AT′＞0，y″_T+t＝[ln(α)]²Bα^t+2A＞0，所以天然气消费的增长率y′_T+t＝ln(α)Bα^t+A(T′+t)是单增的。由于α^t接近于零，所以A(t)□(T′+t)A≈y′_T+t。我们只需要设置A(t)发生转变的情景：设T_I(>0)是预测期天然气消费增长率发生转变的时刻，即对于t≤T_i天然气消费依(10)的规律变化，当t＞T_i时A(t)是时间τ＝t-T_i(足够大)的减函数A_i(τ)，且满足 

$A\left(T_i\right)=A_i\left(0\right),A^{\′}\left(T_i\right)=A_i^{\′}\left(0\right),\underset{t\→\∞}{\lim }t{A}_i\left(t\right)=A_0>0.---\left(11\right)$

对任意λ＞0，取A_i(t,λ)＝(T′+T_i+t)A(1+λt²)^-1，有A(T_i)＝A_i(λ,0)＝(T′+T_i)A， A′(T_i)＝A′_i(λ,0)＝A¹，lim_t→∞A_I(λ,t)t＝Aλ^-1。当t＞T_i时，(11.20)变成 

$y_{T+t}=C+{\mathrm{B\α}}^t+\frac{A{(T^{\′}+t)}^2}{1+\mathrm{\λ}{(t-T_i)}^2}\underset{t\→\∞}{\⇒}C+\frac{A}{\mathrm{\λ}}.$

也就是说，天然气消费将趋于固定的常数。例如，取λ_i＝(T′+T_i)^-2，y_T+t趋于 

即“回归”到接近于初始值；取λ_i＝A，则y_T+t趋于C+1。 

以参数λ的取值作为极限状态、以时间T_i作为设置天然气消费增长率变化时点的情景设置如下；相应情景的对数序列预测结果见图3。 

情景I——λ_i,I＝(T′+T_i)^-2； 

情景II——λ_i,II＝A； 

情景1:T₁=5，即我国天然气消费变化规律(10)保持到2016年，之后增长速度遵循A_I(t)下降； 

情景2:T₂=9，即我国天然气消费以样本期的规律增长到2011年石油消费的水平，之后(2020年)增长速度遵循A_I(t)下降； 

情景3:T₃=13，即我国天然气消费以样本期的规律增长到2008年煤炭消费的水平，之后(2025年)增长速度遵循A_I(t)下降。 

由于(T′+T_i)^-2＜A，对于同一个时点情景i(=1,2,3)，情景I的预报值大于情景II。 

4、综合预测 

能源消费的消费变量有结构关系： 

Y_e＝Y_c+Y_p+Y_g+Y_o    （12） 

其中Y_e是能源消费总量，Y_c、Y_p和Y_g分别是煤炭、石油和天然气消费量，Y_o是水、核、风和其它生物质发电的消费量。 

到目前为止Y_o的占比很小，通常情况下可以在Y_e-(Y_c+Y_p+Y_g)＞0的约束条件下采用向量自回归建立Y_e、Y_c、Y_p和Y_g四个变量的变化规律和预测模型。但如前所述，这四个变量具有三类不同的统计特征，使得我们在前面分别建立了相应变量的预测模型。然而，前述预测结果不能保证(12)式成立，下面讨论其综合预测模型问题。 

----------------- 

¹A′_I(t)＝A(1+λ_It²)^-2[1-λ_It²-2λ_It(T′+T_I)] 

(1)分项预测结果的综合选择 

如前所述，煤炭消费与能源消费总量序列有基本相同的统计性质，预测机制和基本相同的预报结果。但由于还有其它能源品种，所以两个序列在样本期的表现有一定的区别，导致以样本期消费序列行为模型为依据的预测结果有一定的区别，例如组合预测对应的情景不同，并且可能出现预测的煤炭消费量大于能源消费总量的情形。也就是说，对应情景的预测结果不能保证(12)式成立。所以需要针对预测结果做相应的调整和组合。 

首先，根据前面的能源消费总量和煤炭预测结果，相应的“最可能结果”的煤炭比重在0.4至0.83之间，其中到2035年之前的比重在70%之上，后15年的比重逐年下降到2050年全年的40.84%。相比之下，煤炭消费上限的预测值过大，存在比重大于1的情形。所以我们仅取中间预报值做综合预测分析。 

石油消费量预测只有一个结果，尽管预测值经历了从递增到递减读过程，但其占相应能源消费总量的比重从逐年17.79%单调递减6.43%。综合考虑能源消费结构恒等式(12)，天然气消费预测只能配合情景II1。 

由于天然气消费的主要决定因素是气源和供应与消费设施，而且供应与消费设施的成本中固定投资占较大的比重，所以天然气消费的中长期趋势下降的可能性很小。为此，需要修改模型预测结果：记(12)条件下(9)式的模型预测值为G_t，则综合预测中的天然气预测值为

另一方面，从2021到2031之间煤炭消费量预测值占比达到75%至82%之间，造成煤炭、石油和天然气三项之和大于能源消费总量。在未来几十年中，上述三项能源品种之外的非化石能源的消费量极其比重都将会有一定程度的提高。所以，我们以“煤炭消费的比重不超过76%”为原则修改煤炭消费量的预测结果，得到的能源消费预测的能源消费结构见图1，其中区域a.是能源消费总量与煤炭、石油、天然气三种主要化石能源消费量的差额，主要来源于水、核、风、太阳能和其它生物质能等一次能源发电或其它可利用的能源方式的能源消费量，称之为“非碳排放能源”或非化石能源。 

(2)能源消费综合预测 

限于能源消费序列统计性质的差异，我们基于分项预测结果构造了能源消 费综合预测。但从上述选择过程可以看出，这种综合方法缺乏系统性。类似前文关于GDP和三次产业增加值的预测，我们可以构造能源消费总量及其结构的系统预测方案。 

煤炭、石油和天然气占我国能源消费总量的比重分别记为W_c，W_p和W_g，ADF检验表明它们都是单位根序列(检验结果略)。水电、核电等其它能源的消费比重W_N=100-(W_C+W_P+W_G)，ADF检验表明它拒绝单位根假设的显著性概率为0.0566，以接近于95%置信水平拒绝单位根假设。可以认为它是具有线性时间趋势的平稳序列；可以猜测，序列W_c，W_p和W_g具有协整关系。Johanson协整检验表明，它们有1个协整关系，并且协整关系方程中有线性时间趋势。 

应用Johanson协整技术得到协整关系为 

θ_t＝W_c,t+1.0347W_p,t+1.4224W_g,t+0.0394t-100.4    (13) 

其中1978年t=1。另一方面，将W_c对W_p和W_g回归得到回归方程 

W_c＝-0.9935W_p-1.1542W_g-0.0496t+99.08 

其回归残差ADF检验拒绝单位根假设的置信水平大于99.9%。所以，协整关系(13)成立，相应于(2)式的EC-VAR模型的参数p=4,q=0，其它主要参数估计值为 

$\mathrm{\α}=\left(\begin{array}{c}9.8860\\ -10.6406\\ 0\end{array}\right),c=\begin{array}{c}\left(\begin{array}{c}-0.6584\\ 0.5679\\ 0\end{array}\right),\end{array}$

煤炭、石油和天然气占能源消费总量的比重W_c，W_p和W_g由以下EC-VAR模型产生 

${\mathrm{\Δy}}_t=c+{\mathrm{\α\θ}}_{t-1}^{\′}+\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\β}}_k{\mathrm{\Δy}}_{t-k}+\underset{k=1}{\overset{q}{\mathrm{\Σ}}}{\mathrm{\Φ}}_k{\mathrm{\ΔX}}_{t-k}^{\′}+{\mathrm{\ϵ}}_t---\left(14\right)$

其中和

的t统计量只有0.0207和0.5449，不能拒绝等于零的原假设，所以将它们设置为0。脉冲响应检验表明，回归模型描述的系统具有稳定性。 

将参数回归值代入回归模型，得到的预测结果显示(见图1，gas表示天然气区域，petrol表示石油区域，coal表示煤炭区域)，我国煤炭和石油消费的比重总体上会下降，但到2050年将分别保持在70%和10%以上；天然气比重则保持增长趋势，达到10%左右。其它非化石能源消费的比重也逐年提高，到2050年达 到7%。 

得到主要化石能源消费比重的预测结果之后，对于给定能源消费总量，可以求得三种主要化石能源消费水平的预测结果。对于“最可能预测结果”，由三种化石能源的预测比重计算得到我国能源消费结构的结果如图2(gas表示天然气区域，petrol表示石油区域，coal表示煤炭区域，no-carbon表示非碳排放能源区域)。从图中可见，尽管非化石能源消费总量最小，但其比重和绝对数的增长速度最快，到2050年其消费量将达到14.74亿吨标准煤，相当于2011年石油消费量的2倍；其次是天然气的增长速度，增长速度最小的是石油消费。 

根据以上分析，总结出本发明的能源消费预测方法与系统。下面首先介绍本发明能源消费预测方法的步骤，如图3所示： 

步骤S101、获取待预测区域的石油消费量、天然气消费量、煤炭消费量和能源消费总量的历史数据； 

步骤S102、根据所述历史数据的序列特点，分别建立石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型； 

步骤S103、根据石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系，以及石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系，调整所建立的石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型； 

步骤S104、从所述历史数据中取出石油消费量、天然气消费量、煤炭消费量和能源消费总量最近若干年的数据，将最近若干年的数据代入对应的调整后的石油消费预测模型、天然气消费预测模型、煤炭消费预测模型和能源消费总量预测模型，预测得到待预测区域未来若干年在石油消费量、天然气消费量、煤炭消费量和能源消费总量的发展趋势。 

本发明的能源消费预测系统是与上述方法对应的系统，如图4所示，包括： 

历史数据获取单元，用于获取待预测区域的石油消费量、天然气消费量、煤炭消费量和能源消费总量的历史数据； 

预测模型建立单元，用于根据所述历史数据的序列特点，分别建立石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量 预测模型； 

预测模型调整单元，用于根据石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系，以及石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系，调整所建立的石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型； 

发展趋势预测单元，用于从所述历史数据中取出石油消费量、天然气消费量、煤炭消费量和能源消费总量最近若干年的数据，将最近若干年的数据代入对应的调整后的石油消费预测模型、天然气消费预测模型、煤炭消费预测模型和能源消费总量预测模型，预测得到待预测区域未来若干年在石油消费量、天然气消费量、煤炭消费量和能源消费总量的发展趋势。 

综上，本发明的能源消费预测方法与系统，对待预测区域内各分项能源消费量与能源消费总量进行预测，由于采用时序与结构相结合的方式进行预测，提高了预测结果的准确性，且具有广泛的适用性，为能源结构调整提供了参考。 

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。 

Claims (6)

1.一种能源消费预测方法，其特征在于，包括步骤：

获取待预测区域的石油消费量、天然气消费量、煤炭消费量和能源消费总量的历史数据；

根据所述历史数据的序列特点，分别建立石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型；

根据石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系，以及石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系，调整所建立的石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型；

从所述历史数据中取出石油消费量、天然气消费量、煤炭消费量和能源消费总量最近若干年的数据，将最近若干年的数据代入对应的调整后的石油消费预测模型、天然气消费预测模型、煤炭消费预测模型和能源消费总量预测模型，预测得到待预测区域未来若干年在石油消费量、天然气消费量、煤炭消费量和能源消费总量的发展趋势。

2.根据权利要求1所述的能源消费预测方法，其特征在于，

石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系为：

Y_e＝Y_c+Y_p+Y_g+Y_o

上式中，Y_e是能源消费总量，Y_c、Y_p和Y_g分别是煤炭、石油和天然气消费量，Y_o是水、核、风和其它生物质发电的消费量。

3.根据权利要求1或2所述的能源消费预测方法，其特征在于，

石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系为：

θ_t＝W_c,t+1.0347W_p,t+1.4224W_g,t+0.0394t-100.4

上式中，t表示年份序号，θ_t表示第t年的协整关系，W_c,t、W_p,t、W_g,t分别表示第t年煤炭消费率、石油消费量、天然气消费量占能源消费总量的比重。

4.一种能源消费预测系统，其特征在于，包括：

历史数据获取单元，用于获取待预测区域的石油消费量、天然气消费量、煤炭消费量和能源消费总量的历史数据；

预测模型建立单元，用于根据所述历史数据的序列特点，分别建立石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型；

预测模型调整单元，用于根据石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系，以及石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系，调整所建立的石油消费量预测模型、天然气消费量预测模型、煤炭消费量预测模型和能源消费总量预测模型；

发展趋势预测单元，用于从所述历史数据中取出石油消费量、天然气消费量、煤炭消费量和能源消费总量最近若干年的数据，将最近若干年的数据代入对应的调整后的石油消费预测模型、天然气消费预测模型、煤炭消费预测模型和能源消费总量预测模型，预测得到待预测区域未来若干年在石油消费量、天然气消费量、煤炭消费量和能源消费总量的发展趋势。

5.根据权利要求4所述的能源消费预测系统，其特征在于，

石油消费量、天然气消费量和煤炭消费量与能源消费总量之间的结构关系为：

Y_e＝Y_c+Y_p+Y_g+Y_o

上式中，Y_e是能源消费总量，Y_c、Y_p和Y_g分别是煤炭、石油和天然气消费量，Y_o是水、核、风和其它生物质发电的消费量。

6.根据权利要求4或5所述的能源消费预测系统，其特征在于，

石油消费量、天然气消费量和煤炭消费量占能源消费总量的比重之间的协整关系为：

θ_t＝W_c,t+1.0347W_p,t+1.4224W_g,t+0.0394t-100.4

上式中，t表示年份序号，θ_t表示第t年的协整关系，W_c,t、W_p,t、W_g,t分别表示第t年煤炭消费率、石油消费量、天然气消费量占能源消费总量的比重。

Images