Сетевое издание
Международный студенческий научный вестник
ISSN 2409-529X

1 1
1 Financial University under the Government of the Russian Federation

В первой половине 20 века прогнозирование потребления электроэнергии можно было рассчитывать исходя из его роста приблизительно на 7% в год и, следовательно, его удвоение каждые 10 лет. Однако на данном этапе развития экономики для прогнозирования потребления электроэнергии необходимо использовать ряд эконометрических моделей и показателей.

Главным фактором, оказывающим воздействие на потребление электроэнергии, является сезонность. Сезонность в потреблении определяет тенденцию развития, однако для построения точного прогноза потребления электроэнергии необходимо учитывать также ряд других факторов. К таким факторам относятся: снижение электропотребления крупных потребителей из-за приостановки работы заводов, ремонт оборудования, температурный фактор, остановка энергоемких производств и уход потребителей из единой энергосистемы из-за высоких тарифов, а также уменьшение потребления электроэнергии крупными предприятиями.

Цель данной работы заключается в построении эконометрической модели при моделировании сезонных колебаний потребления электроэнергии в Российской Федерации, что позволит привести прогнозные значения потребления на 6 месяцев вперед.

Мы рассмотрели предпосылки формирования потребления электроэнергии на Российском рынке, оценили ряд источников для получения подробного анализа рынка электроэнергии в России. Был проведен эконометрический анализ потребления электроэнергии как временного ряда, что позволило спрогнозировать потребление электроэнергии с учетом различных факторов на основе моделирования сезонных колебаний по аддитивной модели.

Анализ потребления электроэнергии

Значение электроэнергетики в экономике России, так же, как и её общественной жизни, невозможно не переоценить – это основа всей современной жизни.

В целом энергопотребление в России стабильно росло с 2010 по 2012 год. В 2012 году спрос составил 1,038 трлн кВт ч (прирост на 1,7% к 2011 году). В последний раз падение потребления электроэнергии в России наблюдалось в 2009 году, но тогда оно произошло на фоне спада всей экономики.

Однако данные 2013 года показали, что сохранить прежние темпы роста потребления будет довольно сложно. Причинами снижения спроса, стала не только теплая зима, но и наблюдающееся в России сокращение промышленного производства.

Для проведения анализа потребления электроэнергии мы построили график, основываясь на данных единой энергетической системы (табл. 1, рис. 1).

Таблица 1

Потребление электроэнергии в отчетном месяце, млн кВт·ч

2012

2013

2014

январь

97 pic566,20

100955

97 498,10

февраль

95 616,30

88161

89 464,90

март

93 065,70

94196,8

89 895,70

апрель

80 030,50

82319,1

81 124,20

май

75 577,10

76335

76 536,00

июнь

71 351,10

71667,5

72 003,70

июль

74 113,60

73924

74 317,90

август

75 188,20

74491,9

75 443,70

сентябрь

75 269,70

76794,4

76 456,80

октябрь

85 234,10

87 498,70

88 789,30

ноябрь

90 019,70

87 226,20

-

декабрь

102 296,00

96 969,50

-

Источник: Составлено авторами на основе ежемесячных отчетов «Системного оператора Единой энергетической системы» [6]

При визуальном анализе графика потребления электроэнергии за указанный период, мы обратили внимание на скачки, происходящие в период с января по март. Интересно, то, что данные скачки происходят ежегодно. Для понимания природы данного явления, необходимо проанализировать его причины. Для этого подробнее остановимся на описание самого большого скачка, происходившего в период с января по март 2013 года.

missing image file

Рис. 1. Потребление электроэнергии в отчетном месяце, млн кВт/ч

Источник: составлено авторами на основе данных таблицы 1

В январе мы наблюдаем подъем, потребление составило 100955 млн.кВч, что говорит о том, что оно увеличилось по сравнению с 2012 годом. Однако, в феврале заметен упадок, потребление составило 88161 млн.КВч. Основная причина снижения – влияние температурного фактора. Рассматривая, Москву и МО, в 1 декаде февраля температура увеличилась на 16.3 градуса, следовательно, потребление снизилось на 13%, во второй декаде февраля температура увеличилась на 8.7%, потребление снизилось на 7.4% В марте ситуация немного стабилизировалась, потребление составило 94196,8 млн.кВч. Положительно повлияло снижение среднемесячной температуры и изменения структуры использования топлива. Однако не на все регионы данные факторы оказали положительное влияние, так например, в Республике Саха (Якутии) температура наружного воздуха в первой и во второй декадах месяца была значительно выше (+3.4°С) температуры аналогично периода прошлого года, что повлияло на снижение уровня электропотребления непромышленных потребителей и населения.

Анализируя все причины, влияющие на скачок в период с января по март можно обозначить следующие: снижение электропотребления крупных потребителей из-за приостановки работы заводов, капитальный ремонт оборудования, а также температурные условия.

Как было указано выше, в целом темпы роста потребления электроэнергии в Российской Федерации падают. По заключению экспертов ожидается увеличение спроса в 1% в год или даже меньше, в связи с остановкой энергоемких производств и уходом потребителей из единой энергосистемы из-за высоких тарифов.

Помимо прочих факторов, влияющих на электропотребление, мы считаем важным брать в расчет тот факт, что холдинг «РусАл» остановил четыре завода в европейской части России. Это повлекло за собой ряд проблем. По сообщению Argus Media (независимое международное ценовое агентство) – выработка нескольких крупных электростанций, таких как Черепетская ГРЭС, Смоленская, Киришская и Среднеуральская ГРЭС, сократилась в первом полугодии 2014 года на 15–35% по сравнению с уровнем годовой давности, обеспечив простой основного оборудования на многих тепловых станциях. Это напрямую отражает тот факт, что на потребление электроэнергии в стране оказывают влияние как эндогенные, так и экзогенные факторы.

Таким образом, перед нами стоит задача учесть все возможные изменения в спросе и сделать прогноз электропотребления на несколько месяцев вперед. Это возможно с использованием различных эконометрических моделей. Так как главным фактором, оказывающим влияние на потребление электроэнергии, по-прежнему остается сезонность, то необходимо использовать эконометрические способы анализа при моделировании сезонных колебаний.

Большинство временных рядов экономических показателей имеют тенденцию, характеризующую совокупное долговременное воздействие различных факторов на динамику рассматриваемого показателя. Фактически, совокупность факторов определяет возрастающую или убывающую тенденцию показателя. Потребление электроэнергии – показатель, подверженный циклическим колебаниям, в частности можно утверждать, что колебания в потреблении электроэнергии носят сезонный характер. При наличии данных за определенный промежуток времени можно выявить цикличность колебаний, связанную с общей экономической конъюнктурой. В данной работе мы рассматриваем сезонность, как основной фактор, оказывающий влияние на тенденцию потребления электроэнергии в Российской Федерации.

Для анализа потребления электроэнергии были взяты данные по потреблению электроэнергии в целом по Российской Федерации на период с 1 января 2012 года по 31 октября 2014 года.

Основная задача эконометрического исследования данного временного ряда заключается в выявлении тенденции для дальнейшего прогнозирования будущих значений временного ряда. Необходимо выявить наличие или отсутствие трендовой и сезонной компонент в рассматриваемом временной ряде.

Так как при наличии во временном ряде тенденции и циклических колебаний, значения каждого последующего уровня ряда зависят от предыдущих, мы рассмотрели корреляционную зависимость между последовательными уровнями временного ряда. С помощью коэффициентов автокорреляции для каждого уровня ряда мы количественно измерили корреляционную зависимость.

На первом этапе анализа на основе полученных данных мы построили поле корреляции (рис. 2).

Исходя из графика визуально находим, что значения образуют тенденцию, связанную с сезонностью потребления электроэнергии. Для дальнейшего исследования была составлена вспомогательная таблица, позволяющая сделать первую количественную оценку корреляционной зависимости на основе коэффициента автокорреляции первого порядка (табл. 2).

На основе полученных данных вычисляем коэффициент автокорреляции первого порядка по формуле:

missing image file (1)

Коэффициенты автокорреляции уровней ряда второго и более высоких порядков находятся по аналогии. Число периодов, по которым рассчитывается коэффициент автокорреляции, называют лагом. Таким образом, в результате определения всех коэффициентов автокорреляции, мы получили следующие показатели, количественно оценивающие корреляционную зависимость (табл. 3).

На основе полученных данных была построена коррелограмма (рис. 3).

missing image file

Рис. 2. Поле корреляции

Таблица 2

Количественная оценка корреляционной зависимости на основе коэффициента автокорреляции первого порядка

t

Yt

Yt-1

Yt – Y1cр

Yt-1 – Y2ср

(Yt –Y1ср) х (Yt-1 – Y2ср)

(Yt – Y1cр)2

(Yt-1 – Y2ср)2

1

2

3

4

5

6

7

8

1

97 pic566,20

-

-

-

-

-

-

2

95 616,30

97 pic566,20

12 288,08

13 972,01

171689106,2

150 996 805,82

195 217 038,04

3

93 065,70

95 616,30

9 737,48

12 022,11

117064995,8

94 818 434,13

144 531 106,99

4

80 030,50

93 065,70

-3 297,72

9 471,51

-31234425,14

10 874 985,18

89 709 484,46

5

75 577,10

80 030,50

-7 751,12

-3 563,69

27622611

60 079 927,02

12 699 892,90

6

71 351,10

75 577,10

-11 977,12

-8 017,09

96021693,88

143 451 505,12

64 273 746,64

34

88 789,30

76 456,80

5 461,08

-7 137,39

-38977832,47

29 823 348,43

50 942 348,99

Сумма

2 749 831,40

2758611,3

4

5

2186245557

2831683070

3002245314

Среднее

значение

83 328,22

83 594,19

0,00

-

-

-

-

Коэффициент автокорреляции первого порядка

0,7498

Таблица 3

Показатели, количественно оценивающие корреляционную зависимость

Лаг

Коэффициент

автокорреляции

уровней

Лаг

Коэффициент

автокорреляции

уровней

Лаг

Коэффициент

автокорреляции

уровней

1

0,749813974

13

0,745322688

25

0,700157746

2

0,428228348

14

0,441380266

26

0,4043pic54985

3

-0,026183029

15

-0,057185175

27

-0,214850322

4

-0,4807309

16

-0,511434175

28

-0,691434467

5

-0,765310234

17

-0,801161004

29

-0,840410458

6

-0,927483711

18

-0,940435753

30

-0,994287985

7

-0,754019675

19

-0,709860069

31

-0,929234941

8

-0,46441725

20

-0,464371074

9

0,070378452

21

0,09009413

10

0,512175746

22

0,548226239

11

0,761032251

23

0,859433887

12

0,966442733

24

0,96665384

missing image file

Рис. 3. Коррелограмма

Анализ кореллограммы и графика исходных уровней временного ряда позволил сделать вывод о наличии во временном ряде потребления электроэнергии сезонных колебаний периодичностью в 12 месяцев.

Коэффициенты корреляции уровней показывают полное соответствие установленной тенденции сезонных колебаний в потреблении электроэнергии.

Сезонные и случайные колебания затрудняют анализ и поиск оптимального выражения тренда, что в результате негативно сказывается на точности моделирования, поэтому для дальнейшего анализа была построена аддитивная модель временного ряда потребления электроэнергии. Отличительной особенностью аддитивной модели от мультипликативной является то, что амплитуда сезонных колебаний, отражающая отклонения от тренда или среднего, остается примерно постоянной, то есть не изменяется во времени.

Для оценки качества построенной модели была применена сумма квадратов полученных абсолютных ошибок, которая показала, что аддитивная модель объясняет 87% общей вариации уровней временного ряда. Построенную модель графически можно изобразить следующим образом (рис. 4).

Для получения прогнозных значений по аддитивной модели необходимо учесть, что прогнозное значение Ft уровня временного ряда в аддитивной модели есть сумма трендовой, сезонной и случайной компонент.

Для определения трендовой компоненты воспользуемся уравнением тренда:

T = 86611,88075 – 163,71t.

Получим:

T35 = 92341,66578.

С учетом сезонной компоненты, прогнозное значение на ноябрь 2014 года составило

F35 = T35 + S35 = 96060,36578

Аналогично находим значения на декабрь 2014 – апрель 2015 года. На основе полученных данных строим прогнозный график потребления электроэнергии на 6 месяцев вперед (рис. 5).

missing image file

Рис. 4. Аддитивная модель

missing image file

Рис. 5. Прогнозирование потребления электроэнергии в отчетном месяце, млн кВт ч (ноябрь 2014 – апрель 2015 гг.)

Выводы

На основе проведенного эконометрического анализа были представлены прогнозные значения электропотребления в Российской Федерации на период до апреля 2015 года. Подобные перспективные оценки позволят оптимизировать электропотребление на территории нашей страны. Как показал анализ, ежегодно на тренд потребления электроэнергии оказывают влияния различные факторы. Важное значение играет деятельность крупных предприятий промышленного сектора экономики. Несмотря на то, что каждый год происходят различные изменения в потреблении, зависящие от крупных предприятий и заводов, температурный фактор, как следствие сезонности и цикличности потребления приводит к формированию тренда в потреблении. Именно тренд определяет ежегодное возникновение скачков в потреблении в период с января по март, описанное выше. Также мы считаем, что важно брать в расчет проявление экзогенных факторов, так как деятельность крупных предприятий, благодаря процессам глобализации и международной интеграции, напрямую зависит от мировой экономики. Таким образом, электропотребление внутри страны подвержено изменениям, происходящим в политической и экономической сферах всей международной системы и взаимозависимости всех стран мира.