2020—2030年中国天然气需求预测

郑明贵，王 萍，钟聪红

(1.江西理工大学矿业贸易与投资研究中心，江西 赣州 341099；2.中国科学技术大学管理学院，安徽 合肥 230026)

天然气是绿色不可再生能源，在提高能源效率、保障能源安全方面有着多重优势[1]。2018年，中国天然气消费量达到2 830亿m3，同比增加17.7%。能源发展“十三五”规划指出，预计到2020年，在中国能源消费结构中，天然气占比将提高到10%。由于用气量的增大，国内产量已不能满足消费需求，对外依存度呈现扩大趋势[2]，2018年达到45.3%，同比增加6.2%。因此，分析中国天然气资源在未来的需求情景状况，对天然气资源的生产、进出口安排，以及能源战略的制定具有重要战略意义。

1 研究现状

在天然气需求预测方法的选取上，大多数文献采用时间序列[3]、回归分析[4]、系统动力学模型[5]和灰色系统模型[6]等方法。但这些方法在单独使用时，存在精准度不高、变量因素难以量化、后期收敛速度慢易陷入局部最优等问题。

为使预测过程更加科学、预测结果更加精准，有学者将多种预测方法进行优化组合。殷建成等[7]认为增加预测模型个数，可以使预测结果更为精准，其利用人工神经网络、线性回归分析和灰色系统模型三种方法，预测2003—2005年中国天然气需求量；李哲等[8]运用多项式趋面分析理论，结合最优拟合原则，预测2010年中国天然气需求量；AZADEH等[9]提出一种以自适应网络为基础的模糊推理系统——随机前沿分析(ANFIS-SFA)方法，用于天然气需求测算和消费行为分析。

除优化组合外，还有学者对天然气预测方法进行了升级创新。邹绍辉等[10]运用自适应原理调整DEBA算法的变异算子和交叉算子，改变了其扰动和变异模式，得到新的DDE-BAG天然气需求预测模型，提高了局部搜索能力和收敛速度；KHANI等[11]提出基于时间序列的在线校准模型，依靠天然气需求量历史和实时数据，实现天然气需求预测。

将预测方法进行优化组合或升级创新虽一定程度上提高了预测精度，但其所求解的权系数固定不变，对于受多种因素影响的天然气需求预测并不是最适合的。且以上方法仅适用于短期预测，用于中长期预测时，预测精准度下降。因此建立一种可以探讨天然气需求量与影响因素之间关系并适用于中长期预测的模型尤为重要。BP神经网络模型具有自适应、自组织和实时学习的优势，精准度较高。对于研究天然气需求量与影响因素的关系具有独到的优势，尤其适用于中长期预测。

本文的主要贡献在于：运用BP神经网络模型，实现对2020—2030年天然气需求情况的系统性测算；以中国社会科学院和OECD等权威机构发布的数据作为预测依据，对影响天然气需求的主要因素进行宏观情景分析；设置高、基础、低三种不同情景，使预测结果更加科学、精准。

2 全球天然气资源概况

《BP世界能源统计年鉴2019》数据显示，全球天然气探明储量为196.9万亿m3，新增探明储量3.4万亿m3[12]。全球天然气具有地域分布不均衡的特征，中东和独联体地区属于资源密集区，占全球天然气资源的70%以上。 其中，中东75.5万亿m3，占比38.4%；独联体62.8万亿m3，占比31.9%。从国家层面看，储量最多的国家是俄罗斯，占全球天然气资源的19.8%，其后依次是伊朗、卡塔尔、土库曼斯坦和美国，分别占比16.2%、12.5%、9.9%和6.0%。 2018年主要天然气国家探明储量见表1。

表1 2018年主要天然气国家探明储量

3 中国天然气资源概况与需求现状分析

3.1 中国天然气资源概况

根据2018年全国石油天然气资源勘查开采情况通报，截至2018年底，中国天然气探明储量为57 936.08亿m3，新增探明储量为8 311.57亿m3，同比增长4.9%；中国天然气产量为1 415.12亿m3，同比增长6.4%。中国天然气资源虽较为丰富，但地区分布不均衡，主要集中在四川、鄂尔多斯、塔里木、松辽、柴达木和珠江口等盆地，所产天然气资源量达1 263.46亿m3，占全国的89.3%。但以上盆地的气田总体规模偏小，资源埋藏深度大，储量丰度低，较难开发，对开采技术要求比较高，缺少世界级的大型气田[13-14]。

3.2 中国天然气资源需求现状分析

2009—2018年，从整体来看，中国天然气消费量呈现上涨的趋势。从增长速度来看，消费量增速持续超过产量增速；除了2015年以外，消费量增速均领先于GDP增速，并且2017—2018年有扩大趋势，2018年天然气消费量增速约是GDP增速的三倍，如图1所示。这是受到市场需求拉动、节能减排压力和天然气管道建设持续推进的影响[15]。同时，随着天然气城市管道系统的不断完善，天然气利用领域由工业用气向生活用气深入发展[16]，用户类型多元化，由单一的天然气化工为主向城市燃气、天然气发电和工业燃气并存转变。预计未来十年，天然气消费量将进一步提高，能源供应将呈现愈加紧张的局势，供需矛盾日益尖锐。

图1 2009—2018年中国天然气产量增速、消费量增速和GDP增速

4 天然气资源需求情景分析

4.1 影响天然气需求的主要因素分析

4.1.1 中国GDP

利用通径分析法寻找影响天然气需求的核心因素，发现GDP与天然气需求量有着密切关系，是主要影响因素[17]。GDP越高，天然气需求量越大。

4.1.2 居民用电销售电价

根据替代效应理论，电力资源与天然气资源属于可替代关系。由于能源之间可相互替代，其他能源的价格会显著影响天然气需求的变化[18]。电力价格有多种分类，其中与天然气需求密切相关的类别应是居民用电销售价格[19-21]，其发展趋势对天然气的需求影响较为显著。 2009—2018年中国居民用电平均销售价格见表2。

4.1.3 天然气期货价格

价格是影响天然气需求的另一重要因素，目前我国采取政府定价(指导价)的方式来制定天然气市场价格。随着国际化程度的提高，当国外天然气市场供求发生一定的变动时，国内市场也会随之改变。因此，如果采取单一的定价机制则无法灵活地呈现出市场变动的真实情况。天然气的期货市场价格在一定程度上可以反映现货的市场价格。因为期货价格与现货价格收敛情况几乎相同且可以发现连续的远期价格[22]。2009—2018年中国天然气期货价格见表3。

表2 2009—2018年中国居民用电平均销售价格

表3 2009—2018年中国天然气期货价格

4.2 天然气需求情景定义

以中国GDP、居民用电销售价格和天然气期货价格作为关键控制因素，设置以下三种天然气需求情景。

情景A(低情景)：未来十年内，中国经济低速增长，全国天然气需求增长稳定，供需缺口有所增大，资源进口量小幅增长。情景B(基础情景)：在未来十年内，中国经济保持现有速度稳步增长，全国天然气需求持续增长，供需缺口较大，资源进口量较快增长。情景C(高情景)：在未来十年内，中国经济高速增长，天然气需求快速增长，需求远大于产量，资源进口量持续快速增长。

5 中国天然气资源需求情景预测模型

5.1 模型建立

一个三层BP神经网络可以实现任意复杂的非线性映射，模型建立如下所述。

1) 输入神经元(I)： 包括中国GDP(I1)、 中国居民用电平均销售价格(I2)、中国天然气期货价格(I3)。

2) 输出神经元(O)：包括中国天然气进口需求量(O1)和中国天然气需求总量(O2)。

3) 隐含层神经元数目(nh)：根据以下公式计算。

式中，ni、no分别为输入和输出神经元数目，因此取nh=3。

5.2 宏观情景设置

根据中国经济增长前沿课题组[23]、OECD[24]和李标等[25]对中国未来经济增长率的预测，设置2020—2030年中国GDP总量未来情景，见表4。

表4 2020—2030年中国GDP总量情景设置

根据中国产业信息网[26]和智研咨询[27]对中国电价走势的分析及预测可知，在未来十年，随着经济水平的不断发展，物价水平随之提高，电价呈现波动上涨的趋势。由此设置2020—2030年中国居民用电价格未来情景，见表5。

根据张宗益等[28]对天然气期货价格趋势预测可知，2009—2018年天然气期货价格呈现波动下降趋势，但预计未来十几年，天然气期货价格将触底反弹，并且呈现长期增长趋势。由此设置2020—2030年中国天然气期货价格未来情景，见表6。

5.3 原始数据初始化

根据神经网络训练要求，输入和输出原始数据(表7)需要进行归一化，为使网络训练收敛较快，归一化后的数据应尽可能在0.1～0.9之间。归一化方法是寻找某一项数据可能取的最大值，再将该项数据分别除以最大值。由此得到神经网络训练数据，见表8。

5.4 神经网络系统训练

将神经网络训练值输入BP神经网络系统，对网络加以训练学习。本文共收集2009—2018年共10年的样本数据，因此学习样本数目设置为10。有3个输入神经元和2个输出神经元，因此将输入层节点数设为3，输出层节点数设为2，隐含层数为1。根据前面计算隐含层节点数为3，设定最大学习步数为100 000步，学习冲量0.8，学习速率0.7，误差平方和为0.001。最后，对训练好的系统进行测试。测试结果见表9。

表5 2020—2030年中国居民用电电价发展趋势情景设置

表6 2020—2030年中国天然气期货价格情景设置

表7 原始数据

表8 神经网络训练值

由表9可知，训练后的BP神经网络系统对需求总量的预测输出值与实际值相对误差均较小，效果较为理想；对进口总量的预测输出值，除2009年和2012年相对误差较大以外，其他年份均处于较为合理的范围内。2009年多项天然气勘探开发技术获得新进展，并成功应用于鄂尔多斯盆地、四川盆地和松辽盆地等特大型气田中[29]，使得天然气产量上升，实际进口总量减少。但本文所关注的需求总量预测稳健性较好，网络可以应用。

5.5 模型测算与结果分析

根据表4、表5和表6，对高、基础、低三种情景进行预测。测算出中国2020—2030年天然气资源需求情景，见表10。

表9 网络测试结果分析表

表10 2020—2030年中国天然气资源需求情景

由表10可知，在未来十年中国天然气需求将不断增加，进口量也将持续增加。2030年三种情景天然气平均需求总量将达到4 363.27亿m3，2030年平均进口量将达到2 245.07亿m3。从对外依存度来看，2024年三种情景天然气平均对外依存度达到51.24%，冲破50%的国际警戒线，2030年达到51.46%。前已述及，全球天然气资源具有地域分布不均匀的特点，而天然气主要依靠管道进口，我国管道天然气进口又囿于周边少数国家和地区，因此，天然气对外依存度过高所暗藏的风险，相比石油来说或许更为严重。

5.6 本文预测结果与其他机构的比较分析

以情景B为例，将本文预测结果与国外能源机构英国石油公司(BP)和美国能源信息署(EIA)的预测结果进行比较分析，见表11。

表11 本文预测结果与BP、EIA预测结果的比较分析

由表11可知，本文预测结果与国外能源机构英国石油公司(BP)和美国能源信息署(EIA)的预测结果相近。本文预测结果均低于BP的预测结果，但平均相对误差较小，为-3.58%，两者预测结果在2024年最为接近，相对误差仅为0.95%；本文预测结果均高于EIA的预测结果，但平均相对误差较小，为6.09%，两者预测结果在2030年最为接近，相对误差仅为0.55%。由此可知，本文预测结果具有较好的科学性与可信度。

6 结论与建议

基于本文分析，得出以下认识。①2009—2018年，总体来看，中国天然气消费量呈现上涨趋势。消费量增速持续超过产量增速；除了2015年以外，消费量增速均领先于GDP增速，并且2017—2018年有扩大趋势，2018年天然气消费量增速约是GDP增速的三倍。②中国GDP、居民用电平均销售价格以及天然气期货价格是影响中国天然气资源需求的主要因素。③情景预测显示，在未来十年，中国天然气需求将不断增加，进口量也将持续增加。2030年天然气平均需求总量将达到4 363.27亿m3，平均进口量将达到2 245.07亿m3。2024年天然气平均对外依存度达到51.24%，冲破50%的国际警戒线，2030年达到51.46%。由此，提出以下建议。

1) 在基础情景中，预测2024年天然气需求量较2021年增长15.26%，2027年较2024年增长12.01%，2030年较2027年增长6.62%。因此，从短期来看，建议设立专题研究不同地区、不同时段的天然气需求情况，结合供应成本，适度提高天然气供应价格，增加阶梯价格差距，从而减少对天然气需求的依赖性，保障我国天然气工业的国家经济安全。

2) 在基础情景中，与2018年相比，预测2021年天然气需求量增长11.27%，2024年增长28.25%，2027年增长43.65%，2030年增长53.17%。因此，从长期来看，建议进一步加强国内天然气勘查开发力度，采用新技术、新方法、新理论，力争实现找矿重大突破，增加天然气资源探明储量，确保我国天然气资源安全；建议在与周边主要天然气供应国建立良好供应关系的同时，适度拓展较远进口来源国的供应渠道；加强天然气进口管道基础设施建设，吸引更多社会资本参与投资；建立与发展天然气战略储备体系，在天然气资源密集区建立调峰储气库，以备解决天然气需求高峰时期的供应短缺问题，提高调配效率。