Введение
В современных условиях одним из важных направлений экономического анализа развития территорий является анализ и прогнозирование потребления электроэнергии, что позволит более эффективно и рационально распоряжаться энергетическими, финансовыми и людскими ресурсами, оптимально располагать во времени и пространстве стро ительство новых электрогенерирующих сооружений. Электроэнергетика – одна из важнейших отраслей экономики стра ны, ведь от того, на сколько развит ТЭК, и в частности его электроэнергетическая составляющая, зависит, как будет функционировать экономическая система в целом. Производство электроэнергии всецело зависит от ее электропотребления, поэтому точный и достоверный прогноз даст необходимую информацию об объеме и стру ктуре потребления электроэнергии, что позволит генерирующим компаниям [1]:
- создать оптимальный график генерации электроэнергии в пространстве и времени;
- своевременно и наиболее эффективно обеспечивать собственную потребность в ресурсах;
- с наименьшими издержками проводить плановые ремонты и модернизацию оборудования;
- разработать стра тегию развития отрасли на ближайшую и среднесрочную перспективу;
- повысить эффективность сотрудничества между различными генерирующими компаниями.
В долгосрочной перспективе достоверные прогнозы географической стру ктуры спроса на электроэнергию позволят наиболее рационально вести стро ительство капитальных электроэнергетических объектов. Это все приведет к снижению издержек на производство электроэнергии, позволит более эффективно, рационально и с большей степенью надежности снабжать дру гие отрасли экономики электроэнергией, что в свою очередь будет способствовать развитию экономики отдельного региона.
Цель исследования заключается в оценке функциональных зависимостей в стру ктуре электропотребления Хабаровского края и построении прогноза электропотребления по оцененным моделям.
Материал и методы исследования
Методические подходы, использованные автором при разработке методов анализа и моделирования, оценивания и прогнозирования спроса на электроэнергию основан из работах О. Деминой [2], А. Макарова [3], а также А. Новака [5].
Социально-экономическая информация и нормативные документы, необходимые для применения инструментов прогнозирования, а также для спецификации модели функциональной зависимости потребления электроэнергии от различных факторов, была взята из следующих официальных статистических источников и положений [7-10].
Результаты исследования и их обсуждение
Основываясь на теоретической функции электропотребления, структуре и тенденции потребления электроэнергии Хабаровского края и исследований прошлых лет можно выделить основные гипотезы факторной зависимости электропотребления и составить следующие математические модели для их описания.
1. Многофакторная модель учета агрегированного выпуска промышленности в сопоставимых ценах.
E = α + β1 IndProd + β2 Agr + β3 Com + + β4 Trans + γ1 RDD + γ2 LvSq + γ3 Pop + υ Price + φTemp + ε, (1)
В данной модели электропотребление на территории Хабаровского края определяется уровнем и динамикой следующих факторов:
E (Electricity consumption )– валовое потребление электроэнергии, млн. кВт·ч;
IndProd (Industrial Production ) – агрегированный объем выпуска промышленной продукции, млн. рублей;
Agr (Agricultural Production ) – агрегированный объем выпуска сельскохозяйственной продукции, млн. рублей;
Com (Commercial ) – объем платных услуг населению в т.ч.: бытовые, пассажирский транспорт, связь, жилищно-коммунальные, услуги предприятий культуры и здравоохранения, туризм, физкультура, спорт и др. , млн. рублей;
Trans (Goods Transportation ) – железнодорожные грузоперевозки, млн. т. км.;
RDD – реальные денежные доходы населения, рублей;
LvSq (Living Square ) – площадь жилого фонда, тыс. кв. м;
Pop (Population ) – численность населения, тыс. человек;
Price – средний тариф на электроэнергию, рублей;
Temp (Temperature ) – среднемесячная температура, градусы цельсия.
Получается модель функциональной зависимости электропотребления от основных показателей экономической активности и уровня жизни населения с поправкой на природно-климатические условия. В данной спецификации переменные экономической активности используются в сопоставимых ценах.
2. Многофакторная модель с учетом декомпозиции промышленного производства.
Основной задачей модели является выявить эмпирическим путем, какие отрасли промышленности оказывают наибольшее влияние на потребление электроэнергии в крае и оценить электроемкость продукции данных отраслей, при учете дру гих социально-экономических факторов. Поэтому помимо включения факторов из предыдущей модели, общий объем выпуска промышленной продукции был разбит на составляющие, а именно:
E = ɑ + β1 Steel + β2 Engin + β3 Coal + + β4 Oil_Ref + β5 Agr + β6 Com + + β7 Trans + γ1 RDD + γ2 LvSq + + γ3 Pop + υ Price + φTemp + ε, (2 )
Steel – физический объем выплавки стали, тыс. т;
Engin (Engineering Industry ) – объем выпуска машиностроительной отрасли, млн. рублей;
Coal – физический объем добычи угля, тыс. т;
Oil _Ref (Oil Refinery ) – физический объем первичной переработки нефти, тыс. т.
При построении модели были выбраны именно эти отрасли производства, так как качественный анализ стру ктуры экономики и электропотребления Хабаровского края, а также мнение экспертов [2-5] свидетельствуют, что именно эти отрасли являются основными объектами спроса на электроэнергию. Выпуск машиностроения дает около 40% общего выпуска промышленности, металлургия признается наиболее электроемкой отраслью, электроемкость и объем выпуска добывающей и нефтеперерабатывающей промышленности так же достаточно высоки на территории края. В качестве характеристики добывающей промышленности была взята добыча угля, так как именно угледобывающая промышленность является основным потребителем электроэнергии. Добыча дру гих полезных показателей не является электроемкой и происходит на отдаленных участках от ЛЭП с использованием автономных источников питания.
3. Моделирование электропотребления на основе учета временного тренда и сезонных колебаний.
Данные модели являются улучшенной версией общей модели экстраполяции тренда, которые за счет более сложного механизма формирования взаимосвязей позволяют учесть колебания темпов прироста уровней ряда и дать достаточно точный прогноз на основании предыдущих наблюдений. Отличительной особенностью таких моделей является отсутствие необходимости в поиске сопутствующей информации для осуществления прогноза, которая в свою очередь обычно является оцененной с той или иной степенью точности, что подрывает достоверность прогноза по регрессионным моделям.
Кроме того, использование моделирования на основе временных рядов обусловлено наличием сезонных колебаний в электропотреблении региона, так как именно модели временных рядов наилучшим образом объясняют механизм их формирования. Данные типы моделей предусматривают разложение ряда с помощью аддитивного или мультипликативного методов сезонной декомпозиции, а также использование авторегрессионных моделей с учетом сезонности.
Исходя из предложенных трех подходов к анализу зависимости электропотребления от основных социально-экономических показателей развития региона, а также природно-климатических условий, с учетом принятых обозначений специфицируем общие эконометрические функции для территории Хабаровского края.
1. Многофакторная модель учета агрегированного выпуска промышленной продукции в сопоставимых ценах:
E = 0.0227Rdd + 0.0268Rdd(–1) – – 0.0251Rdd(–2)+ 0.0127IndProd + + 0.0518Trans – 10.44Temp + + 0.292Pop – 171.4 3Price + ε.
Анализ полученной модели позволяет сделать выводы о:
– значимом влиянии на электропотребление выпуска промышленности и объема грузоперевозок;
– не значимом влиянии на электропотребление сельскохозяйственной отрасли и сферы услуг, это обуславливается тем, что показатели, характеризующие развитие этих отраслей, были исключены из модели при проверке на значимость;
– сильном влиянии природно-климатических условий на электропотребление;
– присутствии сезонной составляющей, не связанной с температурным режимом.
Кроме того, подтверждена гипотеза о сдерживающем влиянии реального тарифа на электроэнергию на ее потребление. Правда значимость данного показателя варьируется при использовании различных спецификаций модели. Наиболее значимым тариф на электроэнергию является при совместном его использовании с показателями реальных денежных доходов населения и его численности, что говорит о большем влиянии тарифа на потребление электроэнергии населением, нежели предприятиями [6]. Это вполне резонно, так как предприятия в любом случае закладывают тариф на электроэнергию в цену своей продукции, тем более обоснованным это предположение является на фоне опережающего роста тарифов для населения.
2. Многофакторная модель с учетом декомпозиции промышленного производства:
E = 464, 6 + 0,426Steel + 0,007Engin + + 0,038Trans – 10,77Temp – 65,36feb + εt .
В данной модели факторы отвечающие за потребление электроэнергии населением ушли в константу так как с течением времени, в помесячном периоде, показатели численности населения и площади жилого фонда практически не изменяются, и, следовательно, учитывая низкую вероятность того, что дополнительный рубл ь дохода домохозяйства будут тратить на увеличение своего электропотребления, потребление населения в краткосрочном периоде есть величина постоянная. Основной упор объяснения изменений электропотребления ложится на две отрасли промышленности (металлургию и машиностроение), грузооборот же лезнодорожного транспорта и изменения температурного режима. Такие отрасли промышленности как нефтепереработка и добывающая промышленность не оказывают значимого влияния на потребление электроэнергии на территории Хабаровского края.
При более детальном анализе остатков, в частности при анализе графика распределения остатков эконометрической функции выявлено, что всплески отмечаются в феврале каждого года, что подтверждает гипотезу о наличии сезонных колебаний в модели, не зависящих от температурного режима. Поэтому для учета сезонной составляющее в модель была введена логическая переменная feb (February ), которая построена путем проставления единиц в наблюдениях, датированных февралем и заполнения остальных наблюдений нулями.
Появление в модели сезонной переменной feb , не см отря на учет температур, обусловлено тем, что февраль на несколько дней короче остальных месяцев, а также в феврале значительно увеличивается продолжительность светового дня относительно января и декабря. Соответственно потребление в феврале, при примерно одинаковых средних температурах, будет ниже, чем в январе и декабре. Константа свидетельствует о том, что ежемесячно теряется 464,6 мл н. кВт·ч, в сетях, и тратится на производство общественных благ, услуг, в сельском и коммунальном хозяйстве и дру гих неучтенных отраслях. Оправдываются выдвинутые предположения о том, что основными потребителями электроэнергии в Хабаровском крае являются промышленность и же лезнодорожный транспорт.
3. Для моделирования электропотребления на основе учета временного тренда методами сезонной декомпозиции и авторегрессионного анализа была использована модель с аддитивным и мультипликативным компонентом. Путем выделения из фактических значений электропотребления сезонной составляющей был получен ряд, исправленный на сезонность. Тенденции показали, что с октября по ноябрь электропотребление в крае выше линии тренда, а с апреля по сентябрь ниже. Причем наибольшее превышение над уровнем тренда происходит в декабре на 37,9% по мультипликативной модели, что соответствует 235,2 мл н. кВт·ч, по аддитивной модели.
По данным, исправленным на сезонность была подобрана «лучшая» модель тренда, ею оказалась модель ARIMA (2,1,1) с константой при аддитивных сезонных составляющих. Причем стоит заметить, что в случае использования аддитивной модели наблюдается небольшой рост тренда электропотребления.
Построим прогноз электропотребления с помощью авторегрессионной модели с учетом сезонности для сравнения с методом сезонной декомпозиции. Учитывая тот факт, что периодограмма значений электропотребления определяет период сезонности равным 12 при прогнозировании электропотребления на территории края можно использовать сезонную ARIMA (SARIMA ) модель с периодом 12 месяцев. Учитывая основные характеристики модели, а так же соответствие автокорреляции ее остатков процессу белого шума для построения прогноза была выбрана модель SARIMA (0,0,1)×(1,1,4).
Сравним качественные показатели построенных моделей в таблице 1. Все они имеют достаточно хорошие характеристики, а также соответствующие тесты свидетельствуют об отсутствии автокорреляции остатков и гетероскедастичности.
В таблице 2 представлен прогноз электропотребления на базе построенных моделей по оцененным показателям развития региона на период до декабря 2026 года.
Таблица 1
Сравнительные характеристики моделей
|
Модель |
R 2 |
RMSE |
MAPE |
Автокорреляция |
Гетероскедастичность |
|
|
1 |
98,50% |
19,15 |
2,49% |
отсутствует |
отсутствует |
|
|
2 |
98,90% |
17,008 |
2,3% |
отсутствует |
отсутствует |
|
|
3 |
ARIMA(2,1,1) |
--- |
15,9 |
1,98% |
отсутствует |
отсутствует |
|
SARIMA(0,0,1)×(1,1,4) |
--- |
12,54 |
1,61% |
отсутствует |
отсутствует |
|
Источник: составлено автором.
Таблица 2
Прогноз электропотребления Хабаровского края на 2026 год
|
Месяц |
Модель 1 |
Модель 2 |
Модель 3 |
|
|
ARIMA(2,1,1) |
SARIMA(0,0,1)×(1,1,4) |
|||
|
январь |
16 28,3 |
16 35,6 |
16 93,5 |
16 99,4 |
|
февраль |
1586,3 |
15 48,9 |
15 90,0 |
15 80,3 |
|
март |
14 68,7 |
14 69,9 |
1579,3 |
15 76,2 |
|
апрель |
13 54,4 |
13 62,0 |
1456,4 |
14 58,3 |
|
май |
13 18,8 |
13 21,4 |
13 52,0 |
13 49,7 |
|
июнь |
11 80,8 |
11 82,2 |
11 72,6 |
11 79,6 |
|
июль |
10 36,5 |
10 47,4 |
10 83,2 |
10 92,9 |
|
август |
12 53,0 |
12 63,4 |
12 91,5 |
12 02,8 |
|
сентябрь |
1313,0 |
13 17,0 |
14 17,3 |
14 27,3 |
|
октябрь |
1458,2 |
14 47,4 |
14 70,3 |
14 81,9 |
|
ноябрь |
1561,8 |
15 58,6 |
15 72,3 |
15 97,6 |
|
декабрь |
1667 ,0 |
16 11,3 |
16 06,1 |
16 22,8 |
|
За год: |
16826 ,8 |
1675 ,1 |
17284 ,5 |
17268 ,8 |
|
Темп прироста: |
0,999 |
1,004 |
1,019 |
1,030 |
Источник: составлено автором.
С учетом темпов роста электропотребления за последние годы, наиболее вероятными прогнозами можно считать прогнозы по моделям 2 и 3. При сравнении этих моделей следует помнить, что модель 2 опирается на социально-экономические показатели прогнозного периода, а они добыты оценочным путем с определенной долей вероятности, что сказывается на точности прогноза. Поэтому, в том случае, когда известны достаточно точные социально-экономические показатели развития региона или необходимо предсказать электропотребление для решения задач связанных с выходом на заданные показатели более целесообразно использовать модель 1.
Прогнозирование электропотребления при помощи временных рядов показало, что несмотря на более предпочтительные характеристики модели SARIMA , а именно RMSE и MAPE (табл. 1), прогноз по данной модели немного превосходит тенденции роста электропотребления последних лет, возможно, это связано с достаточно сильным учетом предыдущих значений уровней ряда, когда потребление росло более высокими темпами. В связи с этим большее доверие вызывает прогноз, построенный с помощью сезонной декомпозиции с аддитивным механизмом построения. Однако следует принимать во внимание, что моделирование временных рядов не учитывает влияния на электропотребление социально-экономических показателей, и поэтому при значительных изменениях в стру ктуре производства или бытовой сфере прогнозы, построенные с использованием моделей временных рядов, могут иметь малую верификацию.
Заключение
При исследовании потребления электроэнергии на территории Хабаровского края было выявлено, что наибольшее влияние на электропотребление оказывают такие отрасли промышленности, как металлургия и машиностроение, а также же лезнодорожные грузоперевозки. Причем если машиностроение оказывает большое влияние за счет масштаба производства, то металлургия и грузоперевозки за счет электроемкости.
Стоимость электроэнергии оказывает влияние на электропотребление только в случае координации этого показателя с показателями уровня жизни населения. Что говорит о том, что тарифы на электроэнергию влияют только на потребление населения, но не на промышленность. Это обусловлено тем, что промышленность в любом случае закладывает стоимость электроэнергии в произведенные товары и не сильно ощущает наложенного бремени в виде тарифов на электроэнергию. К тому же в настоящее время рост тарифов для населения происходит опережающими темпами. Но, в силу, достаточной стабильности в социальной сфере, а именно незначительности роста площади жилищного фонда и снижения численности населения (темпы их прироста можно принять за 1), влияние бытовой сферы, а вместе с ней и тарифов на электроэнергию, можно принять за постоянную величину. К тому же увеличение денежных доходов населения не приводит к существенным изменениям в электропотреблении, так как достигнута точка насыщения, и население не стре мится тратить большую часть своих доходов на электроэнергию с их увеличением.
Сильное влияние на электропотребление оказывают природно-климатические факторы, представленные в исследовании со среднемесячной температурой. В целом температурный режим влияет на электроемкость производств и бытовых нужд, но так как нет возможности подсчитать электроемкость в различные месяцы, то необходимо включить температурный фактор отдельно. Однако включение в модель температурного режима не избавляет их полностью от влияния сезонности, вызванной латентными факторами, такими как количество дней в месяце и длина светового дня. Это делает целесообразным использования моделей временных рядов для объяснения сезонных колебаний в электропотреблении.
Было выявлено, что несогласованность темпов роста ВРП и темпов роста потребления электроэнергии на территории Хабаровского края вызвана особенностями стру ктуры ВРП края. Рост краевого ВРП происходит за счет роста неэлектроемких отраслей, таких как сфера услуг, торговля, лесная промышленность, в то время как отрасли, оказывающие наибольшее влияние на электропотребление (металлургия и машиностроение), теряют свои позиции в стру ктуре ВРП. Свои позиции в стру ктуре ВРП теряет и в целом промышленное производство, уступая их производству услуг.
Таким образом, были рассмотрены несколько моделей, описывающих тенденции электропотребления на территории Хабаровского края и произведено их сравнение. С использованием оцененных показателей развития Хабаровского края построен прогноз электропотребления по различным моделям. Выделены две наиболее оптимальные модели прогнозирования энергопотребления в регионе и описаны варианты наиболее целесообразного их использования.
Работа выполнена при финансовой поддержке Министерства науки и высшего образования РФ (соглашение № 075-02-2025-153 8 от 27.02.202 5 на реализацию программ развития региональных научно-образовательных математических центров).
Конфликт интересов
Финансирование
Библиографическая ссылка
Ясеновская И.I. МОДЕЛИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА ТЕРРИТОРИИ ХАБАРОВСКОГО КРАЯ // Вестник Алтайской академии экономики и права. 2025. № 9-1. С. 192-198;URL: https://vaael.ru/ru/article/view?id=4324 (дата обращения: 06.10.2025).
DOI: https://doi.org/10.17513/vaael.4324