CC BY
16УДК 621.11:338.27
Ю.Д. Кононов, Д.Ю. Кононов1
АНАЛИЗ МЕТОДОВ И МОДЕЛЕЙ, ИСПОЛЬЗУЕМЫХ
ПРИ ОЦЕНКЕ ВАРИАНТОВ ДОЛГОСРОЧНОГО РАЗВИТИЯ ТЭК2
Аннотация. В статье анализируется эволюция методов и моделей долгосрочного прогнозирования развития систем энергетики (ТЭК). Отмечается конфликт между двумя тенденциями: усложнения используемого методического инструментария и объективного ускорения роста неопределенности. Вторая тенденция снижает практическую ценность точных прогнозов, но повышает значимость определения прогнозной области (конуса неопределенности) и комплексной оценки, формирующих ее вариантов, включая риск-анализ. Показана целесообразность использования для такого анализа стохастических моделей.
Ключевые слова: прогнозирование, ТЭК, системы энергетики, модели, неопределенность, оптимизация, стохастика, инвестиционные риски.
Введение
Объективный и значительный рост неопределенности внешних и внутренних условий развития ТЭК увеличивает важность долгосрочных прогнозов, но затрудняет повышение их качества. Основным способом повышения доверия к прогнозам считается совершенствование и усложнение используемых экономико-математических моделей. В этом направлении в России и за рубежом достигнуты значительные успехи. Но трудно рассчитывать на дальнейшую успешную борьбу с неопределенностью только за счет большего разагрегирования объектов моделирования, детализации внешних и внутренних связей систем и их свойств. Более перспективным представляется поэтапное формирование и сужение прогнозной области, при котором на каждом этапе выделяются и решаются основные задачи с учетом неопределенности исходных данных и требований к качеству решения [1].
Важную роль в учете фактора неопределенности при долгосрочном прогнозировании развития ТЭК играет сценарный подход - расчеты моделей при разных возможных состояниях внешней среды. Из анализа множества оптимальных в тех или иных условиях вариантов в основном и формируется прогнозная область (конус неопределенности) долгосрочного развития ТЭК. Сужение этой области возможно,
например, путем совершенствования методов и схемы прогнозных исследований, определения места стохастических моделей в этих исследованиях, использования дополнительных критериев при сравнении вариантов. Краткий анализ этих возможностей и является основной целью данной статьи.
Эволюция методического инструментария для прогнозирования развития ТЭК
Осознание значимости долгосрочных прогнозов для выработки стратегических решений стимулировало развитие методологии прогнозирования на основе методов системного анализа. Существенный вклад в развитие этих методов и экономико-математических моделей применительно к системам энергетики внес Сибирский энергетический институт (сейчас Институт систем энергетики им. Л.А. Мелентье-ва - ИСЭМ СО РАН), где в 70-х годах прошлого века была разработана первая в СССР оптимизационная модель ТЭК [2] и создана система моделей для долгосрочного прогнозирования развития энергетики. Помимо модели ТЭК она включала межотраслевую оптимизационную модель, регрессионную модель энергопотребления и модель требований ТЭК к развитию сопряженных с ним отраслей и производств. Близкая по структуре система моделей исполь-
1 Юрий Дмитриевич Кононов - заведующий отделом Института систем энергетики им. Л.А. Мелентьева (ИСЭМ) СО РАН, д.э.н., профессор, e-mail: [email protected];
Дмитрий Юрьевич Кононов - старший научный сотрудник ИСЭМ СО РАН, к.т.н., e-mail: [email protected];
2 Статья отражает результаты исследований, выполняемых по гранту РФФИ (проект № 16-06-00091).
зовалась в те годы для прогнозов развития мировой энергетики в Международном институте прикладного системного анализа [3].
Процесс развития методического инструментария, используемого в прогнозах развития энергетики, шел сначала путем усложнения моделей, в том числе за счет более развернутого представления экономики в энергетических моделях и большей детализации описания ТЭК в моделях экономики. Но уже в 80-х годах прошлого века в СССР и за рубежом получила распространение концепция использования для учета взаимосвязей экономики и энергетики систем иерархически организованных моделей, в которых все более важную роль играли макроэкономические модели. За рубежом это были преимущественно эконометрические модели, построенные на принципах общего равновесия, а в СССР и других странах с плановой экономикой - модели межотраслевого баланса.
Изменение в 1990-х годах в России социальной среды и условий хозяйствования поставило задачу модификации прежних методов и инструментов прогнозирования развития ТЭК. Новые экономические условия сделали необходимым учет формирования и роли энергетических рынков. В настоящее время межстрановые различия в моделировании развития ТЭК и его взаимосвязей с экономикой заметно уменьшились.
По мере расширения состава задач и усложнения рассматриваемых проблем все четче вырисовывалась тенденция к созданию вычислительных комплексов, рассчитанных на использование мощной вычислительной техники и новейших информационных технологий. При этом наметились два основных подхода.
Один из них - выбор из имеющегося набора (стенда) разного рода экономико-математических моделей необходимых только для решения определенных задач долгосрочного прогнозирования развития энергетики. При этом взаимосвязи между моделями в создаваемых комплексах необязательно автоматизированы. Такой подход используется, например, в ИСЭМ СО РАН, где накопленный опыт позволяет рациональным образом адаптировать модели и конструировать их комбинации для тех или иных прогнозных исследований. Корректировка исходных данных и ограничений в ходе контролируемых
итерационных расчетов и увязки разных моделей позволяет решать проблему учета и согласования разных критериев оптимальности.
Другой подход к интеграции моделей - стремление автоматизации расчетов, использование единой базы данных (объединяющего модуля) и даже общего критерия. Примером такого подхода может служить мощный компьютерный комплекс NEMS (The National Energy Modeling System) [4]. Он создан в 1993 г. под эгидой Министерства энергетики США и используется для оценки возможных последствий для энергетики, экономики, окружающей среды и безопасности страны альтернативных вариантов энергетической политики различных (возможных) ситуаций на мировых энергетических рынках. NEMS объединяет более 10 модулей (моделей), в том числе: макроэкономики, международных энергетических рынков, национальных рынков электроэнергии, угля, моторных топлив и т.д. При этом обеспечивается баланс спроса и предложения энергоресурсов по 9 регионам, охватывающим все штаты.
Модельно-компьютерные комплексы для исследования проблем энергетического планирования и экологического менеджмента разрабатываются и в странах ЕЭС, Китае и Японии.
В России на основе объединения имеющихся и новых математических моделей и использования новейших информационных технологий создаются модельно-информационные комплексы, призванные, в частности, обеспечить системную оценку эффективности и рисков реализации разных стратегий развития энергетики как части экономики и позволяющие определять возможные последствия решений, прорабатываемых политическим и хозяйственным руководством страны. Таким успешно используемым комплексом является SCANER [5], разработанный в ИНЭИ РАН.
В SCANER наряду с вертикальными (ме-журовневыми) взаимодействиями существуют сильные горизонтальные связи - между моделями ТЭК регионов, топливно-энергетических отраслей и компаний, а также между функциональными (спрос на продукцию, производство и транспорт, экономика и финансы и т.д.) и временными блоками модели одного и того же хозяйственного объекта.
Современный уровень развития вычислительной техники и информационных технологий позволяет конструировать модельно-ин-формационные комплексы любой сложности. При этом, однако, нельзя не учитывать следующие особенности: большую и растущую неопределенность исходных данных; зависимость требуемой точности расчетов от рассматриваемой перспективы и решаемых задач; сложность анализа получаемых результатов при большом количестве показателей, связей и критериев; целесообразность участия экспертов на отдельных этапах расчетов. Эти особенности заставляют осторожно относиться к построению многомодельных комплексов для одновременной (совместной) оптимизации развития энергетики и экономики.
Такие комплексы с полной автоматизацией расчетов не только трудно отлаживать, но, что более важно, на них трудно анализировать роль отдельных факторов и связей и интерпретировать получаемые результаты. Неформализованный подход, когда информация, получаемая из расчетов одной модели, анализируется и служит входом в другую модель, существенно облегчает исследование сложных проблем.
Важным принципом совершенствования моделей является соотнесение точности результатов расчетов с точностью используемой для этого информации [6]. Этот принцип схож с известным принципом бритвы Оккама и предполагает конструирование как можно более простых моделей, но учитывающих основные свойства рассматриваемой системы, необходимые для приемлемого решения данной задачи в конкретных условиях.
Принципу соответствия используемого методического инструментария неопределенности исходных данных отвечает поэтапный подход к сужению области неопределенности условий и результатов прогнозных исследований путем итерационных расчетов моделей разного иерархического уровня на каждом временном этапе и согласования итоговых показателей во времени [7]. При этом на начальном этапе рассматриваются максимальный горизонт прогнозирования (более 25 лет) и минимальное количество уровней и моделей. Поэтапный процесс прогнозирования от отдаленного к близкому
будущему не исключает последующей обратной итерации прогнозных исследований - корректировки долгосрочных прогнозов по результатам углубленного анализа не столь отдаленной перспективы. На каждом из этих временных этапах итеративные расчеты («сверху вниз» и «снизу вверх») позволяют учесть особенности развития (возможности и требования) систем разного иерархического уровня, формирующих общеэнергетическую систему страны. При этом целесообразно в прогнозах на перспективу до 15-20 лет учитывать возможную реакцию потенциальных инвесторов на прогнозируемое изменение цен и спроса.
Один из важных способов повышения обоснованности долгосрочных прогнозов развития ТЭК - определение наиболее значимых для каждого временного этапа задач и их решение адекватными методами.
Методы комплексной оценки вариантов развития отраслевых систем ТЭК
В любой системе моделей, используемой при прогнозировании развития систем энергетики, ключевую роль играют оптимизационные модели ТЭК страны. Они позволяют в первом приближении выделить варианты ввода мощностей в электроэнергетике и топливной промышленности, удовлетворяющие обеспечению заданной потребности в энергоносителях и выбранному критерию. Дополнительная оценка и корректировка этих вариантов может потребовать использования специализированных оптимизационных моделей отраслевых систем ТЭК [8, 9], учитывающих режимы производства и потребления данного энергоносителя, региональные особенности и другие факторы.
Анализ показывает, что взаимосвязи моделей разного иерархического уровня и итерационные расчеты особенно важны при среднесрочных прогнозах. При горизонте прогнозирования до 10-15 лет целесообразно дополнительно включать в схему прогнозных исследований уровень энергетических компаний, моделируя возможную реакцию инвесторов на возможную динамику цен и спроса. В такого рода моделях основным критерием является максимум прибыли (с учетом рисков).
На практике естественная многокритери-альность развития энергетических систем заменяется выбором одного главного критерия, а остальные цели приводятся в качестве ограничений на допустимую область изменения основных факторов. В оптимизационных моделях ТЭК, или его отраслевых систем, таким критерием обычно является минимум приведенных (с учетом инвестиционной составляющей) или дисконтированных затрат на обеспечение заданной потребности в энергоносителях. Эти цены, как правило, не совпадают с рыночными, что реально искажает конкурентоспособность новых производственных мощностей. При сильном их отличии целесообразно проводить дополнительные расчеты моделей по критерию максимума прибыли (с учетом разности между рыночными ценами и ценами самофинансирования).
При поэтапном подходе к долгосрочному прогнозированию ТЭК и включению в итерационную схему расчетов региональных моделей энергоснабжения, а также моделей, имитирующих поведение потенциальных инвесторов - энергетических компаний, появляется целесообразность и возможность учитывать сравнительную рискованность рассматриваемых вариантов. Такую возможность дает использование стохастических моделей. В таких моделях исходные данные, условия функционирования и характеристики состояния моделируемого объекта представлены случайными величинами и связаны стохастическими (то есть случайными, нерегулируемыми) зависимостями. Основные параметры таких моделей определены не однозначно, а через законы распределения их вероятности [10].
В прогнозных исследованиях долгосрочного развития такой сложной и многофункциональной системы как ТЭК стохастические модели целесообразно использовать на заключительных этапах прогнозирования при решении наиболее значимых для каждого временного этапа задач (табл. 1). К числу таких задач относятся: количественная оценка стратегических угроз и пороговых значений индикаторов энергетической безопасности, прогноз взаимосвязанной динамики цен и спроса на региональных энергетических рынках, оценка конкурентоспособно-
сти новых технологий и принципиальных изменений в структуре производства и потребления электроэнергии и топлива. При решении этих задач надо учитывать региональные особенности (экономические, энергетические, природные и др.).
В практике прогнозирования для решения проблем неопределенности и учета стохастики может использоваться комбинированный подход - сочетание детерминированных оптимизационных моделей с известным методом статистических испытаний (Монте-Карло [11]). Такой подход применялся при анализе рисков развития газовой отрасли России [12] и при разработке в ИСЭМ СО РАН модели МИСС (Модель имитационная стохастическая статическая). Разные модификации этой модели используются в ИСЭМ СО РАН для комплексной оценки и риск-анализа вариантов энерго- и топливоснабжения отдельных макрорегионов, а также при прогнозировании конъюнктуры на региональных энергетических рынках и определении ценовой эластичности спроса [13].
Многочисленные расчеты с помощью стохастической модели МИСС показали ее работоспособность и выявили заметное влияние характера неопределенности исходных данных на величину инвестиционных рисков.
Иллюстрацией могут служить результаты, приведенные в табл. 2 и 3. Они относятся к прогнозу ввода мощностей электростанций в европейской части страны в предполагаемых условиях в период 2020-2025 гг. Учитывались особенности шести выделенных в модели регионов: цены на топливо, ограничения на ввод отдельных типов электростанций, их технико-экономические показатели. При этом задаваемые интервалы неопределенности исходных данных составляли: цен на топливо - 10-15% для каждого региона, прироста потребности в электроэнергии - 10%, других показателей - 5-15%. Рассматривались два варианта распределения вероятных значений всех этих показателей внутри заданных диапазонов: нормальное (близкое к средним) и равновероятное (интервальная неопределенность).
Следует отметить, что изменение характера распределения вероятностей значений исходных данных внутри задаваемых интервалов
Таблица 1
Область целесообразного использования стохастических моделей при прогнозных исследованиях
развития ТЭК
Типы моделей Горизонт прогнозирования Решаемые задачи
Детерминированные Основные: оптимизационные ТЭК и электроэнергетики Более 20-25 лет Определение границ прогнозной области (конуса неопределенности), инвариантов (устойчивых решений).
Дополнительные: разагрегированные модели отраслевых систем ТЭК, макроэкономики, потребностей в энергоносителях и динамики их стоимости по макрорегионам До 20-25 лет Выявление возможных проблем, стратегических угроз. Уточнение целей и задач дальнейших исследований
Стохастические Энерго- и топливоснабжения регионов, региональных энергетических рынков, развития энергетических компаний До 15-20 лет Количественная оценка стратегических угроз и пороговых значений индикаторов энергетической безопасности. Ценовая эластичность спроса на топливо и электроэнергию. Перспективы развития региональных энергосистем и новых источников электроэнергии. Риск-анализ крупномасштабных проектов и программ
Таблица 2
Влияние характера неопределенности исходных данных на инвестиционные риски
новых мощностей
Характер неопределенности Тип электростанций Средние риски, %
всех станций наименее эффективных мощностей
Нормальное распределение Газовые 4 16
Угольные 4,5 49
ГЭС и ВИЭ 10 38
Интервальная неопределенность Газовые 9 39
Угольные 12 69
ГЭС и ВИЭ 21 68
Источник: результаты расчетов одного из авторских прогнозов развития электроэнергетики европейской части РФ.
Таблица 3
Рост инвестиционных рисков при увеличении годового ввода мощностей атомных станций*
Варианты Мощность, МВт
800 1100 1500 1700
Дорогой газ 0-2 6-25 22-40 35-45
Дешевый газ 1-10 16-36 32-45 42-50
Дешевый газ при повышенном (на 10%) спросе на электроэнергию 0-1 5-21 13-30 31-42
Примечание: * - первые значения - при нормальном распределении исходных данных, вторые - при их интервальной неопределенности.
неопределенности оказывает заметное влияние не только на величину инвестиционных рисков, но и на рациональный ввод мощностей. В рассматриваемом примере переход к интервальной неопределенности привел к увеличению мощности угольных электростанций на 5%. Соответственно снизились мощности новых газовых станций и станций на возобновляемых источниках энергии (ВИЭ).
Заключение
Ускорение роста неопределенных условий развития ТЭК увеличивает важность долгосрочных прогнозов, но затрудняет повышение их качества только за счет продолжения тенденции усложнения и детализации моделей. Принцип соответствия методического инструментария объективной неопределенности исходных данных и требуемой точности прогнозов реализуется на практике пока на основе интуиции создателей и пользователей моделей. Более обоснованный подход к реализации этого принципа может быть разработан с помощью количе-
ственного анализа и сопоставления зависимости качества прогнозов и их ценности для принятия решений от рассматриваемой перспективы.
В прогнозных исследованиях ТЭК важное место занимают способы определения возможных вариантов ввода новых мощностей, формирования на основе их анализа прогнозной области вероятного развития отраслей ТЭК и поэтапного сужения этой области.
Методический подход, сочетающий оптимизацию с имитацией на основе метода Монте-Карло разных комбинаций исходных данных с разной степенью достоверности их вероятностных характеристик, расширяет аналитические возможности используемых в настоящее время подходов к оценке рискованности и конкурентоспособности вариантов развития.
Результаты экспериментальных расчетов показывают, что не только масштабы, но и характер неопределенности будущих условий может оказывать заметное влияние на сравнительную эффективность и рискованность крупномасштабных проектов и вариантов развития систем энергетики.
ЛИТЕРАТУРА
1. Кононов Ю.Д., Кононов Д.Ю. Способы повышения эффективности долгосрочных прогнозов ТЭК//Энергетическая политика. 2013. № 1. С. 53-59.
2. Криворуцкий Л.Д., Макарова А.С., Папин А.А. Методы разработки стратегий долгосрочного развития энергетики // Вопросы прогнозирования топливно-энергетического комплекса. Иркутск: СЭИ СО АН СССР, 1976. С. 65-81.
3. Energy in a Finite World: A Global Systems Analysis / Cambridge, MA: Ballinger Publishing Company, 1981. 825 p.
4. U.S. Energy Information Administration (2014). The National Energy Modeling System: An Overview / U. S. Energy Information Administration. URL: http://www.eia.gov/oiaf/aeo/overview/
5. Макаров А.А. Системные исследования развития энергетики. М.: Изд. дом МЭИ, 2015. 280 с.
6. Мелентьев Л.А. Системные исследования в энергетике: Элементы теории, направления развития. М.: Наука, 1979. 414 с.
7. Кононов Ю.Д. Пути повышения обоснованности долгосрочных прогнозов развития ТЭК. Новосибирск: Наука, 2015. 147 с.
8. Воропай Н.И., Труфанов В.В. Математическое моделирование развития электроэнергетических систем в современных условиях // Электричество. 2000. № 5. С. 2-9.
9. Макаров А.А., Веселов Ф.В., Волкова Е.А., Макарова А.С. Методические основы разработки перспектив развития электроэнергетики. М.: ИНЭИ РАН, 2007. 102 с.
10. Лопатников Л.И. Экономико-математический словарь: Словарь современной экономической науки. М.: Дело, 2003. 520 с.
11. Ермаков С.М. Метод Монте-Карло и смежные вопросы. М.: Наука, 1975. 472 с.
12. Елисеева О.А., Лукьянов А.С., Тарасов А.Э. Исследование перспектив и анализ рисков развития газовой отрасли России // Известия РАН. Энергетика. 2010. № 4. С. 119-132.
13. Гальперова Е.В., Кононов Д.Ю., Тыртыш-ный В.Н. Комплекс моделей для долгосрочного
прогнозирования конъюнктуры региональных энергетических рынков // Труды XIX Байкальской Всероссийской конференции «Информационные и математические технологии в науке и в управлении». Иркутск: ИСЭМ СО РАН. 2014. С. 14-21.
REFERENCES
1. Kononov Yu.D., Kononov D.Yu. Sposoby povysheniya ehffektivnosti dolgosrochnyh prognozov TEK//Energeticheskayapolitika. 2013. № 1. S. 53-59.
2. Krivoruckij L.D., Makarova A.S., Papin A.A. Metody razrabotki strategij dolgosrochnogo razvitiya ehnergetiki // Voprosy prognozirovaniya toplivno-ehnergeticheskogo kompleksa. Irkutsk: SEI SO AN SSSR, 1976. S. 65-81.
3. Energy in a Finite World: A Global Systems Analysis / Cambridge, MA: Ballinger Publishing Company, 1981. 825 p.
4. U.S. Energy Information Administration (2014). The National Energy Modeling System: An Overview / U. S. Energy Information Administration. URL: http://www.eia.gov/oiaf/aeo/overview/
5. Makarov A.A. Sistemnye issledovaniya razvitiya ehnergetiki. M.: Izd. dom MEI, 2015. 280 s.
6. Melent'ev L.A. Sistemnye issledovaniya v ehnergetike: Elementy teorii, napravleniya razvitiya. M.: Nauka, 1979. 414 s.
7. Kononov Yu.D. Puti povysheniyaobosnovannosti dolgosrochnyh prognozov razvitiya TEK. Novosibirsk: Nauka, 2015. 147 s.
8. Voropaj N.I., Trufanov V.V. Matematicheskoe modelirovanie razvitiya ehlektroehnergeticheskih sistem v sovremennyh usloviyah // Elektrichestvo. 2000. № 5. S. 2-9.
9. Makarov A.A., Veselov F.V., Volkova E.A., Makarova A.S. Metodicheskie osnovy razrabotki perspektiv razvitiya ehlektroehnergetiki. M.: INEI RAN, 2007. 102 s.
10. Lopatnikov L.I. Ekonomiko-matematicheskij slovar': Slovar' sovremennoj ehkonomicheskoj nauki. M.: Delo, 2003. 520 s.
11. Ermakov S.M. Metod Monte-Karlo i smezhnye voprosy. M.: Nauka, 1975. 472 s.
12. Eliseeva O.A., Luk'yanov A.S., Tarasov A.E. Issledovanie perspektiv i analiz riskov razvitiya gazovoj otrasli Rossii // Izvestiya RAN. Energetika. 2010. № 4. S. 119-132.
13. Gal'perova E.V., Kononov D.Y., Tyrtyshnyj V.N. Kompleks modelej dlya dolgosrochnogo prognozirovaniya konyunktury regional'nyh ehnergeticheskih rynkov // Trudy XIX Bajkal'skoj Vserossijskoj konferencii «Informacionnye i matematicheskie tekhnologii v nauke i v upravlenii». Irkutsk: ISEM SO RAN. 2014. S. 14-21.
Поступила в редакцию 31.05.2017 г.
Yu.D. Kononov, D.Yu. Kononov3
ANALYSIS OF METHODS AND MODELS APPLIED TO ASSESS THE OPTIONS OF LONG-TERM ENERGY DEVELOPMENT
Abstract. In the paper we analyze the evolution of methods and models for long-term forecasting of energy development. A conflict between two trends is shown: the complication of the applied methodological tools and objective acceleration of an increase in the uncertainty. The second trend diminishes the practical value of «accurate» forecasts but raises the importance of identifying the field of forecasting (the cone of uncertainty) and comprehensively assessing the options this region consists of, including risk analysis. The paper demonstrates the advisability of using such an analysis of stochastic models.
Keywords: forecasting, energy, models, uncertainty, optimization, stochastic, investment risks.
3 Yury D. Kononov - Head of Department at the Melentiev Energy Systems Institute, Siberian Branch of the Russian Academy of Sciences, Doctor of Economics, Full Professor, e-mail: [email protected];
Dmitry Yu. Kononov - Senior Researcher at the Melentiev Energy Systems Institute, Siberian Branch of the Russian Academy of Sciences, PhD in Engineering, e-mail: [email protected]
