基于SD-GIS方法的天然气需求量中长期变化趋势及其空间格局预测——以北京市为例

丁 聿 付佳鑫 唐 旭,4 王建良,4

1. 中国石油大学（北京）经济管理学院 2. 北京交通大学经济管理学院 3. 北京市燃气集团有限责任公司

4. 中国油气产业发展研究中心

0 引言

能源低碳转型是中国应对气候变化的重要举措[1]。在当前阶段，天然气作为高效、优质的清洁能源已成为能源低碳转型的主要过渡能源[2-3]，其需求增长空间非常大。北京市作为中国的政治、文化、国际交往与科技创新中心，近十年天然气消费大幅增加，天然气在能源消费结构中占比超过30%。在能源低碳转型进程中，预测分析北京市天然气需求量的未来变化趋势及其空间分布特征十分重要，能够在时间和空间维度上为天然气管理提供决策支撑。

天然气需求量预测在学术界备受关注，已有研究主要从国家或省际层面采用单一模型或组合模型开展相关预测。在单一模型中，常用的预测方法主要有神经网络模型、SD（系统动力学）模型等。在神经网络模型方面，研究者通过搜集天然气消费数据，训练并构建了用于天然气需求量预测的人工神经网络模型[4-5]；Szoplik[6]基于天然气实际消耗数据，考虑了季节与气候因素对天然气消耗的影响，利用MLP网络使人工神经网络模型实现了天然气日消耗量与小时消耗量的预测；卢全莹等[7]利用通径分析认为人口、城镇化率是天然气消费的主要推动因素，GDP则是天然气消费的主要限制因素，并利用RBF神经网络分位数回归模型（RBF-QRNN）预测了中国“十二五”和“十三五”期间的天然气消费量；付斌等[8]利用BP神经网络的优异非线性逼近能力，采用L-M算法将其改进，用以预测中国的天然气需求量，结果表明利用BP神经网络的非线性预测优势能准确捕捉天然气需求量预测的变化趋势。除神经网络模型以外，其他机器学习方法也开始运用于天然气需求量预测。De等[9]基于粒子群算法（PSO）与极值学习机算法（ELM），采用AdaBoost算法构建了综合学习预测模型（AdaBoost-PSO-ELM model），使用随机森林算法提取天然气消费的核心影响因素，将GDP、人口、家庭人均消费、对外依存度作为预测模型的自变量，研究预测中国2030年天然气消耗量约为6 200×108m3；柴建等[10]认为已有研究在进行天然气需求量预测时考虑的影响因素较少，难以准确地分析和预测未来天然气消费的发展趋势，该研究从GDP、产业结构、能源结构、人口等方面选取了9个影响天然气消费的因素，运用贝叶斯模型平均法（BMA）构建了用于天然气需求量预测的模型。在SD模型方面，李君臣等[11]主要考虑了第二、三产业发展与居民消费所产生的天然气需求量，构建开环SD模型预测了中国2030年天然气需求量；穆献中等[12]同样构建了开环SD模型，预测了2035年中国在不同经济增速和人口增速情景下的天然气需求量。

由于单一模型自身存在一定的局限性，20世纪60年代就有研究者提出采用模型组合的形式进行预测研究[13]。Xu等[14]组合了移动平均模型和多项式曲线模型，预测中国在2015年的天然气消费量将达1 716×108m3；Zhu等[15]构建了基于残差自回归模型和卡尔曼滤波算法的组合模型，利用1980—2017年中国天然气消耗历史数据预测了中国未来天然气消费量，组合模型与单一模型拟合结果的相对误差及方差的对比结果显示，前者具有更高的预测精度与稳定性；Chen等[16]融合了功能自回归模型（FAR）和卷积神经网络模型（CNN），提出了用于天然气需求量高分辨率预测的混合FAR-CNN模型，预测了德国小时天然气供需流量，结果表明该组合模型对于不同类型的节点具有良好且稳定的准确性；马小艳[17]结合了DGM(1,1)模型和线性回归模型，利用重庆市2001—2017年的天然气消费数据对比了该组合模型和传统GM(1,1)模型的预测精度，结果表明该组合模型能够提高对存有异常值的指数增长序列的预测精度。

机器学习方法与组合预测模型侧重于对历史统计数据本身变化趋势的分析及预测，区域发展规划的政策效应与能源系统内部各组成要素间的因果关系和作用机理在此类模型中未得到重视，尽管有研究已经构建了开环SD模型，但忽视了系统内部要素间的反馈效应与反馈机制；另外，天然气需求量的空间分布格局在已有研究中鲜有报道。因此，笔者结合系统动力学（SD）的动态仿真优势与地理信息系统（GIS）空间分析优势，搭建SD-GIS集成模型，预测北京市天然气中长期需求，模拟政策实施力度的变化对天然气需求量的影响作用，并探究其空间分布特征。研究成果一方面可以为北京市天然气供应保障提供数据支撑，另一方面能够加强对天然气需求量的精细化管理与供需矛盾的针对性区域管理，为输配管网的规划与建设提供理论依据。

1 北京市天然气需求量预测的SD模型构建

SD以系统论和控制论为指导，重点强调系统内部各要素间的因果关系与反馈机制，能够实现对复杂现实系统的抽象，并仿真模拟系统在时间维度上的动态行为，但SD缺乏空间维度上的可视化能力，难以识别仿真结果的空间分布格局。GIS模型常用于分析模拟结果的空间特征及空间要素的交互作用[18-19]，但无法分析社会经济系统中各要素间的反馈效应。因此，笔者集成二者优势，基于SD仿真预测结果，将其作为GIS模型的输入，利用ArcGIS与底图数据实现预测结果的空间可视化，从空间维度上进一步分析天然气需求量的空间分布特征。通过SD与GIS的单向数据传递实现北京市天然气需求量的时间动态预测与空间分布格局分析。

1.1 系统边界设定与研究假设

天然气需求量问题涉及经济发展水平、人口总量、能源结构、产业结构等多方面因素[20-21]，其需求来源主要包括生活需求、生产需求与能源低碳转型的天然气替代需求[22]，研究借鉴已有学术成果，同时考虑基础数据的可获得性、可操作性及代表性[23]，确立了人口、经济、能源和环境4个子系统及其边界，且各子系统之间存在复杂的作用关系[24-25]。经济发展和居民生活水平的提高带来了能源消耗的增加，能源消耗产生的碳排放加剧环境污染，对经济发展产生负面效应。同时，经济发展带动了节能、减排等科技水平的进步，在降低能源消耗强度、减少碳排放方面发挥着重要作用；新常态下，经济增速放缓、产业结构不断优化升级，为能源低碳转型创造了有利的大环境[2]，通过清洁能源对高碳化石能源的替代产生了低碳环境效益，削弱了环境污染对经济发展的负面效应。系统边界及各子系统作用关系如图1所示。

图1 系统边界及各子系统作用关系图

考虑到天然气需求量预测系统内生变量与外生变量的复杂性，本文研究作出一定假设（H1-H4），重点考虑影响系统全局的关键因素，利用变量关系与反馈机制反映现实复杂系统的内在逻辑结构。

H1：研究期内，不考虑自然灾害、政治变动等不可抗力对北京市天然气需求量的影响。

H2：政策因素作用于系统外部，表现出与北京市中长期规划同步的阶段特性。

H3：人口、经济、节能减排等相关因素均按照北京市宏观规划政策如期实现。

H4：在能源低碳转型进程中，北京市火电占发电总量的97%左右，其中以气电代替煤电为主。故本文研究重点涉及一次能源中天然气对高碳化石能源的替代效应。

1.2 系统结构分析

为进一步明晰北京市天然气需求量预测系统变量之间的作用关系及系统内部反馈机制，结合北京市经济新常态、高科学技术水平等城市特点，基于研究假设与系统边界，利用因果反馈回路图描述系统内部结构及反馈机制，如图2所示。

图2 北京市天然气需求量预测系统因果反馈回路图

该系统主要包括2条正反馈回路和2条负反馈回路。正反馈回路反映经济、能源和环境子系统之间的作用关系及正反馈机制：①GDP→＋科技投资/教育投资→＋技术进步低碳因子→－碳排放→＋环境污染→－GDP；②碳排放→＋碳排放强度→＋能源低碳转型→＋能源低碳转型产生的天然气消耗量→＋天然气需求量→＋碳排放。

负反馈回路反映各子系统之间的负反馈机制：①GDP→＋生活性、生产性能源消耗量→＋煤炭、石油、天然气消耗量→＋碳排放→＋环境污染→－GDP；②碳排放→＋碳排放强度→＋能源低碳转型→－煤炭、石油消耗量→＋碳排放。

基于系统因果反馈回路，笔者进一步区分变量性质，细分为状态变量、速率变量、辅助变量和常量，利用VENSIM绘制天然气需求量预测系统的存量流量图，如图3所示。

图3 北京市天然气需求量预测系统存量流量图

1.3 系统参数与方程设定

系统变量之间数量关系的确定对于系统的仿真运行至关重要。借鉴已有文献[25-26]，利用SPSS对2005—2018年的历史统计数据进行回归分析，得到第三产业万元GDP能耗、人均生活能耗与技术进步低碳因子的函数关系式，其拟合优度均大于0.9；参考相关文献，将能源低碳转型影响因子与碳排放强度之间的非线性关系采用表函数形式[27-28]；煤炭、石油、天然气的碳排放系数为常量，数据来源于《IPCC 2006国家温室气体清单指南》[29]；GDP、人口、一次能源消费占比、碳排放量等相关参数来源于《国家统计年鉴》《中国能源统计年鉴》《北京统计年鉴2020》、中国碳排放数据库（CEADs）等权威统计数据库；参考的政策规划主要包括北京市“十二五”规划、北京市“十三五”规划、北京市“十三五”时期能源发展规划、北京市“十三五”时期节能降耗及应对气候变化规划、北京城市总体规划（2016—2035年）等官方规划文件。现将北京市天然气需求量预测系统关键变量的函数关系式汇总至表1。

表1 北京市天然气需求量预测系统关键变量函数关系式表

1.4 SD模型测试

为验证北京市天然气需求量预测系统模型的结构与行为，本文遵循Barlas提出的验证与测试程序[30]，即直接结构测试与间接结构测试。其中，直接结构测试属于定性测试，缺乏客观性[31]。为此，笔者重点进行间接结构测试，即系统仿真行为有效性测试与参数灵敏度测试。

1.4.1 系统仿真行为有效性测试

SD模型是对现实复杂系统的抽象与仿真，其试图解释现实系统的行为并提供有效的替代方案以期实现系统目标，模型的有效性很大程度上依赖于模型结构与模型行为。选取人口、GDP总量、天然气需求量和碳排放量为测试变量，利用北京市2010—2017年的历史数据进行系统仿真试验，从定量的角度进行系统行为有效性测试，如图4所示。

图4 系统模型行为有效性测试图

由模型行为测试结果可知，仿真系统与现实系统具有时序演化上的一致性，即行为一致性。测试结果表明，人口总量几乎不存在误差；GDP总量、天然气需求量与碳排放量最大误差分别为－1.4%、5.6%、3.4%，平均相对误差分别为－0.77%、3.72%、0.69%，均处于误差允许范围内。因此，北京市天然气需求量预测系统模型对现实系统的抽象与仿真是合理、有效的。

1.4.2 参数灵敏度测试

将10个关键参数分别由原始值变化±10%，观察参数变化对天然气消耗量的影响程度（图5）。可以看出，模型对天然气消耗占比相对较为敏感，而对其他参数未表现出较高的敏感性，说明系统模型行为在参数变动下不会产生较大的行为波动，即系统行为稳定、可靠。

图5 系统模型参数灵敏度测试图

2 系统预测与政策模拟

2.1 系统仿真预测

北京市天然气消费预测系统仿真模拟的基准年限是2019年，目标年份是2035年，仿真步长为1。在“十四五”至“十六五”时期，设置GDP增长率分别为6.0%、5.5%、5.0%；能源低碳转型影响因子处于10%～12%。将上述模型参数作为基准情景，通过模型仿真运行得到基准情景下北京市2019—2035年期间的碳排放量、天然气需求量的预测值，如图6所示。

图6 基准情景下北京市天然气需求量预测系统仿真结果图

由仿真结果及其变化趋势可知，“十四五”至“十六五”时期，北京市天然气需求量整体呈稳步上升趋势，碳排放量则表现为逐年缓慢下降。2025年、2030年、2035年天然气需求量预计分别为 222.2×108m3、242.1×108m3、253.8×108m3；2020—2035年，天然气需求量增长率为33.6%，年均增长率为2.2%，随着北京市人口总量的稳定及能源低碳转型空间的缩小，天然气需求量的增速逐年变缓。2020—2035年，碳排放量稳步下降，2035年，碳排放量预计下降至6 405.3×104t，较2020年下降15.1%。由于本文重点关注北京市天然气需求量未来中长期变化趋势，因此未将2020年新冠疫情对北京市天然气需求量的短期影响考虑在内。

2.2 政策模拟

2.2.1 政策情景

为了考察北京市不同经济发展政策和能源清洁替代政策对天然气需求量的影响，本研究参考北京市统计年鉴、北京市第十五届人民代表大会政府工作报告、北京城市总体规划（2016—2035年）等相关政策与资料，调控GDP增长率、能源低碳转型影响因子，设置包含不同经济增速与不同能源替代程度的政策情景，重点分析不同GDP增速和能源不同替代程度下的天然气需求量变化趋势。基于基准情景的参数设置，本研究调控GDP增长率，将经济高增速设定为6%～7%、经济低增速设定为4%～5%；调控能源低碳转型影响因子，将高替代率设定为12%～14%、低替代率设定为8%～10%。具体情景内容汇总至表2。

表2 不同政策情景内容设定表

2.2.2 政策模拟结果

图7展示了不同政策情景下天然气需求量、碳排放量的变化趋势。高替代高增速情景下，天然气需求量整体呈持续增长之势。2035年，天然气需求量预计将达319.4×108m3，比基准情景高25.8%。碳排放量呈缓慢下降趋势，2035年碳排放量为7 644.9×104t，比基准情景高19.4%。经济高速增长及能源低碳转型的持续深化将以天然气的高消耗量为代价，对于政府管理部门而言，需要综合考虑北京市的天然气供应能否满足高消耗需求，避免造成供气紧张。

图7 不同政策情景对天然气需求量、碳排放量的影响图

高替代低增速情景下，天然气需求量增速逐年渐缓。2035年，天然气需求量预计为243.7×108m3，比基准情景低4.0%。碳排放量最低，2035年预计为3 664.1×104t，比基准情景低42.8%。长期来看，高替代低增速政策情景具有较好的节能减排效益。

低替代低增速情景下天然气需求量最低。2035年，天然气需求量预计为199.5×108m3，比基准情景低21.4%。碳排放量整体呈逐年下降趋势，2035年，碳排放量为5 289.3×104t，比基准情景低17.4%。整体而言，低替代低增速政策情景具有出良好的节能减排效益，但经济发展缓慢，在经济发展与节能减排之间寻求平衡至关重要。

低替代高增速情景下，天然气需求量逐年增加。2035年，天然气需求量预计达到261.4×108m3，比基准情景高3.0%。碳排放量表现为上升趋势，2035年，碳排放量预计将达到8 929.2×104t，比基准情景高39.4%。

3 北京市天然气需求量和碳排放量变化趋势预测

3.1 北京市天然气需求量的空间格局

借鉴已有文献的研究思路[22-23]，基于SD仿真预测结果及北京市各区域人口密度、经济发展水平等基础数据，利用ArcGIS将北京市天然气需求量预测结果映射至空间维度，采用自然间断点分级法将北京市十六区天然气需求量划分为7个区间级别，构建北京市天然气需求量空间分布的GIS模型（图8）。

分析图8可知，2035年，北京市各区天然气需求量整体呈现由中心城区向远郊区递减的空间分布规律。中心城区人口密度较大，商业区、高新技术产业以及城市基础设施丰富，经济发展水平较高，对天然气资源需求较大，其中，海淀区、朝阳区与西城区的天然气需求量预计占北京市天然气总需求量的52.5%；昌平、顺义、通州、大兴与房山是北京市位于平原地区的新城，是承接中心城区适宜功能和人口疏解的重点地区，是推进京津冀协同发展的重要区域，未来人口数量、经济发展水平具有较大的发展潜力，天然气需求量仅次于中心城区，上述5个区域的天然气需求量预计占北京市天然气总需求量的24.3%；门头沟区、平谷区、怀柔区、密云区和延庆区，是京津冀协同发展格局中西北部生态涵养区的重要组成部分，是保障首都可持续发展的关键区域，预计未来天然气需求量占北京市天然气总需求量的23.2%。

图8 北京市十六区天然气需求量空间分布图

3.2 天然气高需求量区的空间格局

由图8可知，在北京市十六区中，海淀区、朝阳区与西城区3个地区的天然气需求量占北京市天然气总需求量的52.5%。研究将空间网格进一步细化，重点研究海淀区、朝阳区与西城区内部天然气需求量的空间分布。

图9展示了海淀区、朝阳区和西城区各乡级单位未来天然气需求量空间分布格局。海淀区共包括22个街道、7个地区，预计未来天然气需求量整体由西北向东南逐渐增加，需求量较高的街道地区主要分布在与朝阳区、西城区接壤的东部和东南部区域；与昌平区、门头沟区接壤的西北部及中西部零星地区预计天然气需求量较少。朝阳区共包括24个街道、19个地区，预计未来天然气需求量较高的街道地区主要分布于中东部以及与海淀区接壤的西北部；需求量较低的街道地区主要分布在与东城区接壤的西部、与通州区接壤的东南部及与顺义区接壤的东北部区域。西城区共包括15个街道，天然气需求量整体表现为由北向南、由西向东逐渐递减的规律，以租赁与商务服务业集中的西部地区需求量最大。

图9 北京市天然气高需求量区空间分布图

4 结论与建议

本研究集成了SD动态反馈机制优势与GIS空间可视化优势，同时结合情景分析，从时间和空间双重维度预测了北京市2020—2035年的天然气需求量与碳排放量，分析了在政策实施力度变化下天然气需求量与碳排放的动态演化趋势、考察了北京市未来天然气需求量的空间分布特征。主要得出以下结论。

1）基准情景下，“十四五”至“十六五”时期，天然气需求量整体表现为逐年增加之势，增速逐年渐缓，2025年、2030年、2035年天然气需求量预计将分别达到 222.2×108m3、242.1×108m3、253.8×108m3；碳排放量在2020—2035年期间呈稳定下降趋势，2035年预计碳排放量为6 405.3×104t。政策情景下，低替代低增速与高替代低增速政策具有不同程度的节能减排效益，但二者经济增长缓慢，2035年的天然气需求量介于200×108～320×108m3。

2）北京市十六区天然气需求量整体呈现由市中区向远郊区递减的空间分异特征，海淀区、朝阳区与西城区的天然气需求量占北京市天然气需求量的52.5%；乡镇街道尺度，处于三区交界处的学院路街道、北太平庄街道、来广营地区、展览路街道等天然气需求量最为集中。

3）本研究证明了SD-GIS集成模型在中国城市尺度预测天然气需求量、分析空间分异特征的可行性，同时本研究思路与研究方法具有一定的普适性，能够延拓至其他城市或其他能源种类的预测性研究。

基于上述研究结论，针对北京市未来天然气需求量发展趋势与空间分布特征提出如下管理建议。

1）加强天然气整体供需管理的中长期规划，提前做好不同情景下的准备预案，保障未来用气需求。

2）根据天然气需求量空间分布特征，分区域、分街道地进行精细化管理，实施差异化的需求管理政策，提高管理措施的针对性。