張 彥，江治廷，姜浩華，周金明

（安徽工程大學 數理學院，安徽 蕪湖 241000）

能源是人類生存之基，經濟發(fā)展之本.建設生態(tài)文明是中華民族永續(xù)發(fā)展的千年大計，黨的十九大報告中也明確指出：構建市場導向的綠色技術創(chuàng)新體系，發(fā)展綠色金融，壯大節(jié)能環(huán)保產業(yè)、清潔產業(yè)、清潔能源產業(yè).2016年中國和美國政府批準了全球變暖對策新框架《巴黎協(xié)定》，標志著能源清潔低碳化利用已是當今全球發(fā)展的必然選擇.目前，在溫室效應導致全球變暖和能源緊缺問題日益嚴重的狀況下，能源配置的結構優(yōu)化以及提高可再生清潔能源的使用比例迫在眉睫.

近年來，關于能源配置與優(yōu)化的研究亦集中于全球能源的結構性變革，于宏源[1]、王震[2]和何建坤[3]等主要基于全球能源大環(huán)境和《巴黎協(xié)定》等國際能源政策，對國際能源發(fā)展趨勢進行研究，提出推進國際合作，推動能源體系的革命性變革，促進能源清潔低碳化轉變的趨勢和潮流已經不可逆轉.其較全面地分析了全球能源結構性變革的趨勢，但研究缺乏大量數據支撐.就能源預測而言，國內外學者以及研究機構采用了大量方法如：支持向量回歸機技術[4]、灰度預測技術[5]和GA-SA算法技術[6]等.按預測方法的差異，預測可以分為回歸預測法和時間序列預測法兩大類，回歸預測法則是研究變量與變量之間相互關系的一種數理統(tǒng)計的方法，應用回歸分析從一個或幾個自變量去預測因變量的值；時間序列預測法是一種考慮變量隨時間發(fā)展變化規(guī)律并用該變量以往的統(tǒng)計資料建立數學模型做外推的預測方法.

鑒于此，本文研究能源配置優(yōu)化與預測，在考慮能源結構性變革以及國際大背景下，提出典型相關分析法，結合TOPSIS評價模型對能源系統(tǒng)進行多因素分析，以保證能源配置最優(yōu)化；綜合考慮十大能源（生物質能、煤炭、水能、凈進口電力、地熱能、天然氣、核能、石油、太陽能、風能）的歷史發(fā)展趨勢，結合時間序列預測法，研究能源未來的發(fā)展，以保證提出的政策建議有真實可靠的數據基礎.

1 四州的能源配置情況

1.1 四州能源配置圖

查找美國能源數據庫[7]，將能源分為10種：生物質能、煤炭、水能、凈進口電力、地熱能、天然氣、核能、石油、太陽能、風能.構建數據透視表，繪制出能源配置文件的堆積面積圖如下1-4圖所示.

圖1 德克薩斯州能源配置圖

圖2 加利福尼亞州能源配置圖

圖3 新墨西哥州能源配置圖

圖4 亞利桑那州能源配置圖

1.2 能源配置環(huán)境下的典型相關分析模型

描述四州能源配置的發(fā)展概況，建立典型相關分析模型，將地理、氣候、經濟、人口及行業(yè)因素與四州能源狀況聯系在一起.

1.2.1 地理、氣候、經濟、人口及行業(yè)因素的數據來源

地理氣候因素數據，采取專家打分的方法根據其自身的地理環(huán)境優(yōu)劣狀況進行打分，如表1.

表1 地理和氣候因素打分表

經濟因素選取各個州的實際GDP（chained 2005 dollars）作為數據；人口數據采用各州的包含武裝部隊在內的常住人口；行業(yè)因素，分為五大類（運輸部門，商業(yè)部門，電力部門，工業(yè)部門，住宅部門）用各部門總能耗作為數據.

1.2.2 典型相關分析模型的求解

通過軟件進行典型相關[8,9]，以亞利桑那州為例，將其數據代入運行(參見表2).

表2 典型相關分析數據

表3 標準化后的典型變量系數表

表4 標準化后的典型變量系數表

由表可知前五個典型變量對的p值小于0.05，故可認為前五對具有統(tǒng)計學意義，得到標準化后的典型變量系數（參見表3，表4）.第一對典型相關變量中，地理(x2)和氣候(x3)與地熱能(y4)和太陽能(y9)相關性較大.主要表現在地熱能和太陽能與地理成正相關，與氣候呈負相關.第二對典型相關變量中，人口(x1)與天然氣(y6)相關性較大，主要表現在人口與天然氣呈負相關.第三對典型相關變量中，經濟(x4)和住宅部門(x9)與煤炭(y2)和核能(y7)有較大相關性，其表現在煤炭與經濟呈正相關，與住宅部門呈負相關，核能與經濟呈負相關，與住宅部門成正相關.第四對典型相關變量中，商業(yè)部門(x6)和電力部門(x7)與核電(y7)的相關性較大，其表現在核能與商業(yè)部門呈正相關，與電力部門呈負相關.第五對典型相關變量中，運輸部門(x5)與生物質能(y1)和凈電力(y3)進口相關性較大，表現在生物質能與凈電力進口和運輸部門呈負相關.

四個州在能耗總量上也呈現出不同的樣貌.TX和CA的總能耗遠遠高于AZ和NM.由典型變量系數可知，能耗與GDP、人口成正比，故TX、AZ在GDP、人口上的優(yōu)勢轉換為巨大的能耗.NM在核能利用上遠遠落后其他三個州，原因在于其地理位置條件差，地處沙漠，沒有良好的水資源，無法滿足核電站的建設條件.風能利用上TX表現優(yōu)異，其原因在于，和地理一樣，氣候對能耗有促進作用.TX擁有溫帶氣候和亞熱帶氣候，風力資源豐富，條件得天獨厚.CA在煤炭資源的消耗上遠不及其他州，這離不開CA的行業(yè)結構.CA多為高科技產業(yè)，故對煤炭的消耗極少.四個州都表現出在生物能、太陽能、地熱能利用上的缺失，這些能源受地理、氣候影響較少，故可以在此方面做出更大的投入，使其更具發(fā)展?jié)摿?

2 能源結構配置下的TOPSIS評價模型

結合加利福尼亞(CA)、亞利桑那州(AZ)、新墨西哥州(NM)和德克薩斯州(TX)四州的2009年能源配置數據，對數據進行處理，結合熵值法利用TOPSIS評價模型[10]對四州能源配置進行分析，得到最優(yōu)能源配置結構.

2.1 TOPSIS模型的構建

(1)由熵值法確定權重，構建加權規(guī)范矩陣.為使評價結果更符合實際，根據熵的定義，m個州n個能源指標，則能源指標的熵為：

計算能源指標的熵權W：

構造加權規(guī)范陣C=(cij)m×n.由熵值法得到的各能源指標的權重向量為 W=(ω1,ω2,…,ωn)T，則

(2)確定理想最佳能源配置C*和理想最差能源配置C0.設理想最佳能源配置C*的第j個屬性值為cj*，理想最差能源配置C0第j個屬性值為cj0，則

理想最佳能源配置：

理想最差能源配置：

（3）計算各方案到理想最佳能源配置與理想最差能源配置的距離.各州能源配置方案di到理想最佳能源配置的距離：

各州能源配置方案di到理想最差能源配置的距離：

(4)計算各州能源概況的綜合評價指數：

2.2 TOPSIS模型的求解

加利福尼亞(CA)、亞利桑那州(AZ)、新墨西哥州(NM)和德克薩斯州(TX)四州2009年能源數據表5所示：標準變換對數據預處理.將四個州在2009使用各項能源的數據轉化為決策矩陣A=(aij)m×n，首先對數據進行預處理得到規(guī)范化矩陣B=(bij)m×n，其中:對清潔、可再生能源指標xj，令

表5 四州2009年能源配置數據

對其他能源指標xj，令

數據標準化處理結果（見表6）.

對標準化處理數據通過熵值法賦權重：

w=[0.01812,0.0256,0.0486,0.1344,0.1513,0.0812 0.1257,0.0289,0.1232]

表6 數據標準化處理指標值

表7 數據規(guī)范加權指標值

得到最佳能源配置解：

C*=[0.0661,0.0009,-0.0045,0.1299,0.1461,0.0052,0.0822,0.0011,0.1977,0.1149]

理想最差能源配置解：

C0=[0.0051,0.0284,0.0497,0.0003,0.0014,0.0736,0.0251,0.0018,0.0002]

計算各州能源概況綜合評價指數如表8：

表8 各州綜合指標值

由各州能源配置到最佳能源配置及最差能源配置的距離綜合指標值得出：加利福尼亞2009使用清潔、可再生能源方面有“最佳”配置效果.

3 能源結構的配置預測——時間序列模型

3.1 基于能源配置預測的時間序列模型的構建

根據加利福尼亞(CA)、亞利桑那州(AZ)、新墨西哥州(NM)和德克薩斯州(TX)的歷史能源發(fā)展情況，分析各州之間的異同，假定美國的有關能源政策沒有任何變化，利用時間序列模型[11]，對各州能源概況進行預測.

(1)記原始序列數據為ai（t=1,2,…,n），作出時間序列模型的建模流程圖（圖5）

圖5 時間序列模型的流程圖

如圖，建立時間序列模型時，要對原始序列進行平穩(wěn)性和白噪聲檢驗，若原始序列不平穩(wěn)，可采用差分運算的方法將序列轉化為平穩(wěn)序列.

(2)模型中采用一階差分運算：

(3)采取ARMA模型（自回歸移動平均模型）進行建模，具體模型如下：

(4)模型的顯著性檢驗，原假設和備則假設分別為：

H1至少存在某個 ρk≠0，?m≥1，k≤m；

其檢驗統(tǒng)計量為LB（Ljung-Box）為：

如果拒絕原假設，就說明殘差序列中還殘留著相關信息，擬合模型不顯著.如果不能拒絕原假設，就認為擬合模型顯著有效.

(5)參數的顯著性檢驗，原假設和備則假設分別為：

模型中進行線性擬合模型，對于參數進行最小二乘估計，構造用于檢驗未知參數顯著性的t檢驗統(tǒng)計量：

當檢驗統(tǒng)計量的P值小于α時，拒絕原假設，認為該參數顯著，否則不顯著，需重新擬合模型.

3.2 基于能源配置預測的時間序列模型的求解

選取德克薩斯州(TX)的生物質能總消耗數據為例，其生物質能總消耗數據的時序圖（圖6）：

圖6 德薩克斯州生物質能時序圖

由圖，該序列的生物質能的總能耗有一個明顯隨時間線性遞增的趨勢，所以該序列不具有平穩(wěn)性.因此對序列進行一階差分變化，獲得一階差分后序列的白噪聲檢驗、時序圖以及其對應的自相關圖，偏自相關圖如下（表 9）.由表可知：pr≤0.05，所以差分以后的序列為非白噪聲序列.

由圖7看出差分以后序列具有明顯的平穩(wěn)性，序列的自相關系數1階截尾，偏自相關圖1階截尾，選取AR（1,1）模型（自回歸模型）.

圖7 差分后序列性質圖

在進行回歸時，對其待估參數進行最小二乘估 計，并對其殘差進行檢驗，結果如下（表10）：

表10 殘差序列白噪聲檢驗

由表10，可以看出Pr≥0.05，說明殘差序列為白噪聲序列，說明模型可靠.最后預測出德克薩斯州(TX)的生物質能總消耗，在2025年和2050年德克薩斯州 (TX)的生物質能總消耗分別為：182822 Billion Btu，為：23616.28 Billion Btu.

3.3 各種能源預測數據的分析

圖8 2025年四個州能源預測

圖9 2050年四個州能源預測

對四個州的每一種能源分別利用時間序列模型進行預測，得到2025年和2050年每種能源的預測值，用圖形進行解釋：

由圖8和圖9，從時間的角度分析：2050年的各種能源使用量比2025年明顯增多，且石油，煤炭，天然氣等不可再生能源的用量穩(wěn)定增多，風能，太陽能，地熱能，生物質能等可再生能源的用量顯著增多，電力的需求增加；從各個州的角度分析：在2025、2050年，德克薩斯州的能源利用最多，但是其水能，地熱能利用量很少；其次為加利福尼亞州，該州在可再生能源與清潔能源使用的很好，且不可再生能源煤炭使用較少；對于亞利桑那州，能源利用較為均勻，可再生以及清潔能源使用較好，不可再生能源也有充分利用；對于新墨西哥州，其清潔可再生能源基本沒有使用，主要使用的能源還是例如石油、天然氣、煤炭這樣的不可再生能源.

4 結束語

以上對美國四州的能源結構、配置以及未來能源發(fā)展趨勢的研究，從美國能源消耗格局來看，美國消費者日益青睞清潔能源與可再生能源，如太陽能、風能、地熱能以及天然氣.而中國能源結構仍處于以煤炭為主的煤炭時代，在基于中國仍處于并將長期處于社會主義初級階段的基本國情的基礎上，借鑒美國能源配置概況，對中國提出以下建議：

(1)在發(fā)展新型可再生清潔能源的同時，中國應堅持以可持續(xù)發(fā)展為前提，加大對節(jié)約能源和提高能源利用的重視，促進中國成為能源節(jié)約型，環(huán)境友好型國家.

(2)當今世界能源利用正強調低碳環(huán)保，清潔可再生，并采取各種有效途徑以減少不可再生能源、環(huán)境污染型能源的使用，積極發(fā)展利用新型能源.中國也應緊跟世界能源利用潮流，控制碳排放、將碳排放交易化并提高收費標準，對主要空氣污染物實行嚴格的總量控制標準，將外在環(huán)境成本引入內部，使環(huán)境成本與財務成本相結合.

(3)隨著世界各國不斷發(fā)展與能源日益緊缺之間的矛盾逐步擴大，各國能源之間的競爭也將逐漸拉開序幕，中國應結合國情，用長遠的眼光對待國內外能源局勢，積極加強國內外技術交流與合作，吸取國外先進能源技術，并加大國內新能源創(chuàng)新創(chuàng)業(yè)扶持，提高國際間能源市場的競爭力和影響力，推進能源獨立的戰(zhàn)略政策.