image
energas.ru

Газовая промышленность Спецвыпуск № 4 2017

Мировой энергетический рынок. Новые векторы и перспективы развития

01.12.2017 11:00 Долгосрочное моделирование мирового энергетического рынка
Сложные экономико-математические модели долгосрочного прогнозирования развития мировых рынков энергоресурсов применяются в мировой энергетической и, в частности, нефтегазовой отрасли ввиду капитало- и времяемкости инвестиционной деятельности компаний. Внешние долгосрочные прогнозы мировых энергетических рынков могут быть субъективными, что обусловлено, как правило, различиями в отправных точках и сценарных предпосылках, а также скрытыми специфичными аспектами и нюансами методологии моделирования. Процесс моделирования мирового рынка какого‑либо энергоресурса можно условно разделить на три этапа: моделирование конечного спроса, моделирование эластичной по цене кривой спроса в секторе электроэнергетики, моделирование потоков и рыночных цен. Впрочем, многие модели и модельные комплексы используют не все перечисленные этапы, ограничиваясь набором внешних данных. В то же время функциональные, структурные и алгоритмические особенности моделей оказывают значительное влияние на результат. В числе факторов такого влияния можно выделить почасовой интервал временных периодов моделей энергодиспетчирования, учет детальных параметров электростанций (например, время старта и останова, эффективность и издержки при «холодном» и «горячем» старте и др.), вероятностное моделирование спроса, учет стратегий поведения игроков на рынке и др. Так, большинство существующих мировых моделей – «модели покупателей», в рамках которых подразумевается, что все участники мирового рынка сотрудничают ради достижения единой цели: минимизировать суммарные издержки потребителей. Однако в реальности на рынке действуют индивидуальные агенты/игроки, стремящиеся согласно экономической теории лишь нарастить собственную прибыль/доход. В статье проанализирован перечень критических особенностей и зависимостей, учет которых при долгосрочном моделировании развития мировых энергетических и газовых рынков позволит получать более реалистичные результаты. Цель настоящей работы – подчеркнуть важность методологических аспектов моделирования.
Ключевые слова: ДОЛГОСРОЧНОЕ МОДЕЛИРОВАНИЕ, МИРОВОЙ ЭНЕРГЕТИЧЕСКИЙ РЫНОК, ОПТИМИЗАЦИЯ, СПРОС, СТРАТЕГИЯ, МЕТОДОЛОГИЧЕСКИЙ АСПЕКТ.
Открыть PDF


Капиталоемкость мировой энергетики, в частности нефтегазовой промышленности, обусловливает применение ее участниками сложных экономико-математических моделей для целей долгосрочного прогнозирования развития мировых рынков энергоресурсов и планирования своей инвестиционной и маркетинговой деятельности [1]..

1.png

В настоящее время при прогнозном моделировании развития мировых энергетических рынков обычно гораздо большее внимание уделяется представлению полученных прогнозных результатов, нежели методологическим вопросам. В рамках данной статьи автор обосновывает значимость методологических аспектов моделирования развития мировых энергетических рынков.

Необходимость и целесообразность применения сложных математических моделей для целей прогнозирования развития мировых энергетических рынков, во‑первых, обусловлена многомерностью и сложностью вычислений, факторами которой являются:

• география (~200 стран, крупные разбиты на несколько узлов);

• виды топлива (~10 основных видов);

• секторы/потоки (~10 укрупненных и более 20 детализированных секторов и отдельных потоков потребления);

• факторы (более 25), влияющие на потребление этих секторов/потоков;

• время (20 лет, или 240 мес, или 170 тыс. ч – в зависимости от уровня временной детализации).

Таким образом, получаются миллионы различных параметров, переменных и уравнений, всецело охватить которые без помощи современных методов математического моделирования невозможно.

Во-вторых, мировой энергетический рынок как объект исследования динамично развивается и характеризуется достаточно значительной неопределенностью со стороны как спроса, так и предложения. В-третьих, высокая капитало- и времяемкость создания инфраструктурных объектов в энергетической отрасли значительно повышают градус ответственности при принятии инвестиционных решений. Наконец, внешние прогнозы могут быть субъективными и будут, скорее, влиять на рынок, чем отражать его действительное развитие. Все это обусловливает необходимость и целесообразность собственного прогнозного моделирования развития мировых энергетических рынков.

Различия во внешних долгосрочных прогнозах мировых энергетических рынков достаточно значительны. Так, прогнозы 2017 г. ведущих мировых агентств и компаний в части мирового потребления энергии на 2035 г. колеблются от 14,2 до 17,6 млн т н. э., а природного газа – от 4,2 до 5,6 трлн м³. Упомянутая субъективность прогнозов обусловливается не только вполне очевидными статистическими различиями в отправных точках и не такими очевидными, но тем не менее относительно легко верифицируемыми различиями в сценарных предпосылках, но и теми или иными специфичными аспектами и нюансами самой методологии моделирования, которые, как правило, скрыты от наших глаз (рис. 1).

При этом применяемые подходы к моделированию в целом достаточно разнообразны и могут включать: консенсус-прогноз, трендовый, балансовый, симуляцию, оптимизацию.

1_1.png

ЭТАПЫ МОДЕЛИРОВАНИЯ

Основываясь не только на собственном, но и на зарубежном опыте ведущих мировых агентств и компаний (Мировое энергетическое агентство, Департамент энергетики США, Wood Mackenzie,

IHS Markit и др.), рассмотрим ключевые этапы моделирования мировых энергетических рынков, на которые, как правило, целесообразнее всего разбивать общий процесс:

0-й (подготовительный) этап. Сбор, обработка и систематизация исходных (фактических статистических и прогнозных сценарных) данных;

1-й этап. Прогнозное моделирование конечного спроса на энергоресурсы (для определения прогноза потребления вторичных энергоресурсов);

2-й этап. Прогнозное (диспетчерское) моделирование электроэнергетического и других секторов преобразования (для определения прогноза спроса на первичные энергоресурсы);

3-й этап. Прогнозное моделирование торговых потоков и рыночных цен (для определения источников покрытия первичного спроса и составления энергобаланса).

Стоит отметить, что значительное число существующих модельных комплексов охватывает не все обозначенные этапы, используя ряд параметров в качестве экзогенных.

На первом этапе моделируется прогноз конечного потребления вторичных энергоресурсов по отдельным секторам экономик рассматриваемых стран и/или регионов мира. Здесь, как правило, отдельно рассматриваются следующие секторы потребления энергии: промышленность, транспорт, население, коммунально-бытовой, потери и собственные нужды. В ряде случаев применяется и более детальный подход с разбивкой, например, промышленности на отдельные отрасли народного хозяйства; транспорта – на дорожный, железнодорожный, авиационный, а также речной и морской и др. На данном этапе в большинстве моделей используется трендовый подход. Это позволяет выявлять и экстраполировать удельные зависимости потребления энергии рассматриваемым сектором от одного или совокупности факторов влияния, например показателей численности населения, валового внутреннего продукта и т. п. Значительное влияние при этом оказывает выбранный временной период статистической выборки, от которого зависят форма и угол наклона полученной тенденции. Стоит отметить, что при рассмот-рении показателей энергоемкости тех или иных секторов, как правило, используются экспоненциальные кривые. Они характеризуются постоянством темпов роста или спада, интерпретируемым с экономической точки зрения, как, например, постоянство инвестиций в технологии энергосбережения, что в случае экстраполяции уже само по себе является достаточно серьезной сценарной предпосылкой. Еще запутаннее обстоит дело с разбивкой прогнозного потребления рассматриваемого сектора по видам топлива. Так, лишь ограниченный класс моделей осуществляет детальное оптимизационное моделирование конкретных технологий конечного потребления, на основе которых и формируются показатели по видам топлива. Подавляющая же часть исследователей ограничивается менее прозрачными (с методологической точки зрения) подходами, такими как экспертная оценка.

1_1_1.png

Следующим ключевым этапом является моделирование секторов трансформации энергии, и в первую очередь электроэнергетического. Здесь дается ответ на вопрос об источниках выработки/покрытия (запрошенного на первом этапе) прогнозного потребления электроэнергии и тепла. Значительная временная неравномерность потребления электроэнергии и сложность ее хранения вынуждают специалистов осуществлять почасовое моделирование диспетчеризации задействования станций и перераспределения потоков. Пространственная и временная неравномерность, а также неопределенность и негарантированность доступности энергии из возобновляемых источников (ВИЭ) вкупе с их увеличивающейся долей в электроэнергетическом балансе еще сильнее усложняют задачу моделирования, одновременно повышая ее актуальность и востребованность (рис. 2). Учет при моделировании детальных особенностей и специфичных факторов (время старта и останова, неравномерность эффективности сгорания в течение времени прогрева и т. п.) позволяет получать более реалистичные результаты (рис. 3). Интересно отметить, что при детальном почасовом моделировании более очевидной становятся необходимость и оптимальность задействования резервных/гарантирующих видов топлива, в первую очередь природного газа.

Также на втором этапе стоит отметить определенную методологическую рекурсию. Дело в том, что большинство моделей энергодиспетчирования являются детерминированными линейными последовательно статическими, работающими по критерию минимизации суммарных издержек на удовлетворение спроса (на электроэнергию). Топливные затраты являются одной из важнейших составляющих общих издержек. Однако до момента реализации третьего этапа расчетная прогнозная цена топлива остается неизвестной. В то же время на третьем этапе для расчета цен необходимо знать прогнозное значение потребления рассматриваемого вида топлива в секторе электроэнергетики. Полученная взаимозависимость может быть решена двумя способами: либо последовательным итерационным поиском решения на этапах 2 и 3 до достижения их совместности согласно заданному критерию (например, отличие результатов не более чем на некоторую долю процента), либо просчетом на втором этапе всех возможных значений и комбинаций топливных цен с заданным дискретным шагом. Более предпочтительным, как правило, является последний вариант. В результате получается не прогноз потребления первичного вида топлива, а прогнозная кривая спроса в зависимости от цены, которая и передается далее – на этап 3 (рис. 4).

1_1_2.png

Последним этапом является моделирование торговых потоков по каждому в отдельности первичному энергоресурсу. В качестве исходной информации, как правило, указываются кривые спроса, объемные и стоимостные показатели по возможностям добычи и объектам инфраструктуры, а также иные, например контрактные, ограничения. Большинство мировых моделей линейны и работают по принципу минимизации суммарных издержек. В результате расчета с использованием внешних оптимизаторов/решателей оценивается не только оптимальное распределение торговых потоков и объемов добычи, потребления и транспортировки по введенным инфраструктурным объектам, но и прогнозный уровень рыночных цен, определяемый на основе предельных издержек замыкающих поставщиков и соответствующих двойственных цен балансовых уравнений. Зная оптимальные значения потоков, можно делать выводы об оптимальных датах ввода инфраструктурных проектов. Также на основе полученных данных становится возможным проводить анализ и оптимизацию выручки и прибыли игроков рынка и их стратегического поведения.

1_1_3.png  

МОДЕЛЬНЫЕ АСПЕКТЫ

Функциональные, структурные и алгоритмические особенности применяемых моделей оказывают значительное влияние на результат.

Так, при рассмотрении значительно неравномерного во времени показателя многое будет зависеть от выбранного временного интервала дискретизации. Например, среднемесячные или среднеквартальные значения цен могут в значительной степени отличаться от их суточных котировок на бирже, возможно, завышая или занижая результат последующего модельного расчета зависимых величин на их основе.

Следующим немаловажным фактором является временной горизонт предвидения модели. Разная постановка задачи на одних и тех же данных может давать разный результат. Так, последовательно статические модели с горизонтом предвидения в один год (в большинстве случаев) не смогут учитывать и анализировать долгосрочные тенденции, оптимизировать даты ввода добычных и инфраструктурных проектов и т. п. (рис. 5). Другой крайностью является детерминированная динамическая модель с идеальным горизонтом предвидения, точно «знающая», что и когда произойдет. Она скорее ответит на вопрос, как должно быть, а не как будет. Оптимальным, как правило, является выбор горизонта предвидения на основе общепринятых в индустрии сроков стратегического планирования долгосрочных программ развития (например, 10 лет) или плановых сроков реализации рассматриваемых инвестиционных проектов.

Последним, но не менее важным рассматриваемым в данной работе модельным аспектом является моделирование стратегического поведения игроков. Большинство существующих мировых моделей – «модели покупателей». Они используют парадигму организации рынка по принципу идеальной конкуренции. Подразумевается, что все участники мирового рынка сотрудничают ради достижения единой цели – минимизировать суммарные издержки всей системы (т. е. потребителей) на удовлетворение спроса. Простота формулировки задачи позволяет применять принципы линейного программирования для решения оптимизационной проблемы. Однако в реальном мире на рынке присутствуют отдельные независимые агенты/игроки, каждый из которых в большинстве случаев преследует свою индивидуальную цель – максимизировать собственную прибыль/доход. Индивидуальность и несогласованность целей вынуж-дают применять более сложные методы решения поставленной оптимизационной проблематики в «моделях продавца»: MCP (Mixed complementarity problem), MPEC (Mathematical problem with equilibrium constraints), EPEC (Equilibrium problem with equilibrium constraints) и др. С точки зрения баланса спроса и предложения это может выглядеть как стремление какого‑либо агента, например организации стран – экспортеров нефти (ОПЕК), изменить (например, ограничить) поставки на рынок ради достижения выгодного изменения (например, прироста) цены (рис. 6). Очевидно, что прогнозная цена в случае применения модели продавца может оказаться на более высоком уровне относительно результатов классических моделей покупателя [3].

1_1_4.png

ВЫВОДЫ

Математическое моделирование является ключевым инструментом долгосрочного прогнозирования развития мировых энергетических рынков. Необходимость и целесообразность применения его сложных методов обусловлена как многомерностью данных, так и значительной их неопределенностью.

Почасовое детальное моделирование энергодиспетчирования позволяет добиться более оптимистичных и реалистичных результатов для гарантирующих видов топлива, таких как природный газ. Правильный выбор временного интервала и горизонта предвидения при моделировании торговых потоков позволяет добиться более оптимистичных и реалистичных результатов для сезонных видов топлива, таких как природный газ. Применение агентного моделирования позволяет в ряде случаев лучше, чем при парадигме идеальной конкуренции, отразить реалии мировых энергетических рынков.

В целом детали модельных алгоритмов и специфические параметры могут иметь значительное влияние на результирующий анализ и прогноз. А учет проанализированного перечня критических особенностей и зависимостей при долгосрочном моделировании развития мировых энергетических и газовых рынков позволит получать более реалистичные результаты. 



← Назад к списку