能源消费发展及预测方法综述
发布时间：2021-07-11 17:31
针对能源规划、发展对能源需求预测依赖度的增加和能源需求预测难度上升的问题,对各种能源预测方法与能源发展方向进行了探讨。从近年来全球能源需求发展的方向入手分析当前能源发展格局对能源预测方法的需求现状;对现有的主要能源预测方法进行归纳、对比,总结现有研究方法的利弊和适用场合;结合能源发展的新方向,对未来的能源预测发展方向进行探讨与展望,并应用LEAP模型对非洲地区进行能源需求预测分析,分析区域互补效应以及"电能替代"对能源需求发展的作用。
【文章来源】：山东大学学报(工学版). 2020,50(01)北大核心CSCD
【文章页数】：8 页
【部分图文】：
2017—2040年非洲电力需求量及其占比情况
能源系统是一个复杂的非线性时变系统[9],而且为应对气候变化、资源短缺等问题,《巴黎协定》、“一带一路”和“两个替代”等政策得到推行,能源消费中心与能源消费结构都发生着较大变化,能源系统变得更为复杂。根据《BP世界能源统计年鉴(2018)》的数据可获取世界7大区域2007—2017年的能源消费情况如图1(a)所示,同时文章对全球1965—2017年一次能源消费结构占比变化情况整理如图1(b)所示。统计数据结果表明,近期全球能源消费情况不论是地域分布还是能源类型上都有着新的变化:以亚太地区为首的发展中国家已成为全球能源消费的主体,全球能源消费的中心正在向亚洲转移;能源消费结构上清洁能源的占比增幅逐步扩大,2017年清洁能源发电量占比相较2000年增长了62.2%,能源结构逐步向清洁、低碳的新型能源体系转型[6]。在能源转型与变化的关键时期,能源预测的重要性更加显著,根据相关资料显示,在国民经济发展中,每年都会出现因为能源供给不足而造成重大经济损失的现象,并且损失的经济价值差不多在能源自身价值的20～60倍[9]。合理的能源预测结果能够帮助相关部门制定正确的能源战略计划,最大程度地保障国民经济和能源安全。在清洁化能源状况转型时期,能源需求的变化没有相似的历史变化路径可以参照,能源需求预测难度变高,但同时对能源需求预测结果的依赖性将会增加,因此,能源需求的预测结果的正确性显得更加重要。
【参考文献】：
期刊论文
[1]基于时序场景的全球联网电力流多期规划模型[J]. 焦冰琦,张富强,徐志成. 全球能源互联网. 2019(01)
[2]全球能源互联网发展指数研究[J]. 张士宁,杨方,陆宇航,陈星,王利兵,宁叶,王昊. 全球能源互联网. 2018(05)
[3]全球能源互联网骨干网架规划研究[J]. 李隽,宋福龙,余潇潇. 全球能源互联网. 2018(05)
[4]基于BP神经网络数字的省级能源预测:河南的视角[J]. 燕景. 数字通信世界. 2018(11)
[5]组合的灰色关联度和GA-BP模型对能源需求的预测分析[J]. 魏云云. 兰州文理学院学报(自然科学版). 2018(05)
[6]基于改进GM（1,1）模型的新疆煤炭消费预测[J]. 王海涛,宁云才. 数学的实践与认识. 2018(14)
[7]全球能源互联网背景下的环境效益评估[J]. 赵秋莉,冯君淑,金艳鸣,王晓晨,谭雪. 全球能源互联网. 2018(S1)
[8]东北亚地区跨国电力联网模式及技术可行性初步研究[J]. 张玉红,张彦涛,张栋,游沛羽,高超,姜懿郎. 全球能源互联网. 2018(S1)
[9]关于能源转型分析的评述 (一)转型要素及研究范式[J]. 舒印彪,薛禹胜,蔡斌,韩建国,凌文,陈新宇,M.B.MCELROY. 电力系统自动化. 2018(09)
[10]面向可再生能源消纳的多能源系统:述评与展望[J]. 杨经纬,张宁,王毅,康重庆. 电力系统自动化. 2018(04)
硕士论文
[1]基于改进BP神经网络的负荷预测问题研究[D]. 李灿.西安理工大学 2018
[2]中国能源供需预测模型及电能替代对策研究[D]. 何悦.北京交通大学 2018
[3]基于遗传灰色神经网络的中国能源消费量预测研究[D]. 邹一舟.华中科技大学 2017
[4]我国能源需求预测及其结构优化研究[D]. 张英杰.华北电力大学(北京) 2016
[5]北京市能源消费预测方法比较研究[D]. 邓鸿鹄.北京林业大学 2013
本文编号：3278536
【文章来源】：山东大学学报(工学版). 2020,50(01)北大核心CSCD
【文章页数】：8 页
【部分图文】：
2017—2040年非洲电力需求量及其占比情况
能源系统是一个复杂的非线性时变系统[9],而且为应对气候变化、资源短缺等问题,《巴黎协定》、“一带一路”和“两个替代”等政策得到推行,能源消费中心与能源消费结构都发生着较大变化,能源系统变得更为复杂。根据《BP世界能源统计年鉴(2018)》的数据可获取世界7大区域2007—2017年的能源消费情况如图1(a)所示,同时文章对全球1965—2017年一次能源消费结构占比变化情况整理如图1(b)所示。统计数据结果表明,近期全球能源消费情况不论是地域分布还是能源类型上都有着新的变化:以亚太地区为首的发展中国家已成为全球能源消费的主体,全球能源消费的中心正在向亚洲转移;能源消费结构上清洁能源的占比增幅逐步扩大,2017年清洁能源发电量占比相较2000年增长了62.2%,能源结构逐步向清洁、低碳的新型能源体系转型[6]。在能源转型与变化的关键时期,能源预测的重要性更加显著,根据相关资料显示,在国民经济发展中,每年都会出现因为能源供给不足而造成重大经济损失的现象,并且损失的经济价值差不多在能源自身价值的20～60倍[9]。合理的能源预测结果能够帮助相关部门制定正确的能源战略计划,最大程度地保障国民经济和能源安全。在清洁化能源状况转型时期,能源需求的变化没有相似的历史变化路径可以参照,能源需求预测难度变高,但同时对能源需求预测结果的依赖性将会增加,因此,能源需求的预测结果的正确性显得更加重要。
【参考文献】：
期刊论文
[1]基于时序场景的全球联网电力流多期规划模型[J]. 焦冰琦,张富强,徐志成. 全球能源互联网. 2019(01)
[2]全球能源互联网发展指数研究[J]. 张士宁,杨方,陆宇航,陈星,王利兵,宁叶,王昊. 全球能源互联网. 2018(05)
[3]全球能源互联网骨干网架规划研究[J]. 李隽,宋福龙,余潇潇. 全球能源互联网. 2018(05)
[4]基于BP神经网络数字的省级能源预测:河南的视角[J]. 燕景. 数字通信世界. 2018(11)
[5]组合的灰色关联度和GA-BP模型对能源需求的预测分析[J]. 魏云云. 兰州文理学院学报(自然科学版). 2018(05)
[6]基于改进GM（1,1）模型的新疆煤炭消费预测[J]. 王海涛,宁云才. 数学的实践与认识. 2018(14)
[7]全球能源互联网背景下的环境效益评估[J]. 赵秋莉,冯君淑,金艳鸣,王晓晨,谭雪. 全球能源互联网. 2018(S1)
[8]东北亚地区跨国电力联网模式及技术可行性初步研究[J]. 张玉红,张彦涛,张栋,游沛羽,高超,姜懿郎. 全球能源互联网. 2018(S1)
[9]关于能源转型分析的评述 (一)转型要素及研究范式[J]. 舒印彪,薛禹胜,蔡斌,韩建国,凌文,陈新宇,M.B.MCELROY. 电力系统自动化. 2018(09)
[10]面向可再生能源消纳的多能源系统:述评与展望[J]. 杨经纬,张宁,王毅,康重庆. 电力系统自动化. 2018(04)
硕士论文
[1]基于改进BP神经网络的负荷预测问题研究[D]. 李灿.西安理工大学 2018
[2]中国能源供需预测模型及电能替代对策研究[D]. 何悦.北京交通大学 2018
[3]基于遗传灰色神经网络的中国能源消费量预测研究[D]. 邹一舟.华中科技大学 2017
[4]我国能源需求预测及其结构优化研究[D]. 张英杰.华北电力大学(北京) 2016
[5]北京市能源消费预测方法比较研究[D]. 邓鸿鹄.北京林业大学 2013
本文编号：3278536
本文链接：https://www.wllwen.com/guanlilunwen/shengchanguanlilunwen/3278536.html
