Методика прогнозирования объемов потребления электрической энергии и свободных (нерегулируемых) цен на электрическую энергию на оптовом рынке (стр. 4 )

Прямым суммированием или по формуле

         

– макроэкономический показатель для федерального округа в году t;

– макроэкономический показатель для i-го субъекта РФ в базовом году прогноза;

       Tyit – темп прироста макроэкономического показателя для i-го субъекта РФ в году t.

проводится агрегирование значений макроэкономических параметров (ВРП, промышленное производство и др.) по федеральным округам. Полученные макроэкономические параметры сравниваются с показателями «Сценарных условий социально-экономического развития Российской Федерации» и «Концепции долгосрочного социально-экономического развития Российской Федерации». В случае формирования существенных расхождений (более 2% в любом году) по таким показателям, как численность населения, ВВП, индекс промышленного производства, объемы жилищного строительства, прогнозы по федеральным округам пересматриваются:

-при систематическом превышении суммы макроэкономических показателей по электропотреблению по федеральным округам по сравнению с прогнозом по Российской Федерации проводится коррекция вниз темпов роста макроэкономических показателей на уровне федерального округа, а затем и на уровне регионов;

-при систематическом превышении прогноза макроэкономических показателей по Российской Федерации по сравнению с суммой макроэкономических показателей по федеральным округам проводится коррекция вверх темпов роста макроэкономических показателей на уровне федерального округа, а затем и на уровне региона;

-при отсутствии систематического характера расхождений коррекция макроэкономических показателей не производится.

VI. МЕТОД ПРОГНОЗИРОВАНИЯ ЦЕНЫ РСВ, ОСНОВАННЫЙ НА СТАТИСТИЧЕСКОМ ФАКТОРНОМ АНАЛИЗЕ

       

Исходными данными для прогнозирования цен РСВ являются:

Поквартальный прогноз объемов потребления по субъектам РФ. Прогнозные и статистические данные о:

ремонтах сетей и генерирующего оборудования; водности и выработке ГЭС; изменении цен на основные виды топлива; экспортно-импортных перетоках относительно ценовых зон; ценовых стратегиях участников ОРЭМ; потерях в сетях; величине горячего резерва (по отношению к потреблению).

        Данный метод позволяет дать оценку изменения цен РСВ при несущественном изменении основных влияющих факторов (коэффициент горячего резерва, ремонты АЭС, ПДГ ГЭС, объем энергопотребления) относительно прошлых периодов. При этом метод требует осторожного применения при существенных локальных изменениях (вводе/выводе крупных линий, крупного генерирующего оборудования, появления нового крупного потребителя и др.). Также этот метод не применим для прогнозирования в условиях изменяющийся модели ценообразования на ОРЭМ (например, при вводе механизмов частичного или полного регулирования цены или при вводе механизма компенсации низких цен генераторам).

1. Описание модели

Далее используются следующие обозначения:

– средний за месяц суммарный торговый график ГЭС первой ценовой зоны;

– средняя за месяц сумма Pmin всех включенных тепловых (включая АЭС) станций первой ценовой зоны;

– средняя за месяц сумма Pmax всех включенных тепловых (включая АЭС) станций первой ценовой зоны;

– средний за месяц суммарный торговый график ВСЕХ станций первой ценовой зоны;

«ценовое предложение» – предложение, которое не является ценопринимающим;

«влияющий спрос» – спрос, который удовлетворяется за счет «ценового предложения»;

– отношение «влияющего спроса» к «ценовому предложению».

Описанные понятия проиллюстрированы на следующем рисунке:

В основу модели заложено предположение о сильной корреляции цены РСВ и отношения «влияющего спроса» к «ценовому предложению».

Регрессионная модель:

где:

- дата

Функции f1(d), f2(d), f3(d) отражают рост тарифов на газ (в процентах по отношению к предыдущему значению).

2. Оценка состоятельности модели

Для проверки состоятельности модели был проведен статистический анализ данных о среднемесячных ценах РСВ и Kprice за период с января 2008 года по июль 2009 года, который показал, что корреляция (коэффициент корреляции Пирсона) между двумя этими величинами составляет 94%. Если в регрессионную модель включить рост тарифов на газ, то корреляция среднемесячной цены РСВ и аналогичной величиной, рассчитанной на основе регрессионной модели, составляет 99,6%.

Параметры регрессионной модели, вычисленные на статистических данных в период с 01.11.2008 по 30.07.2009:

Сравнение цен рассчитанных на основе этой модели с реальными значениями среднемесячных цен РСВ представлено на следующем графике

Исходя из представленного графика, можно сделать вывод о работоспособности модели, описанной выше.

3. Применение модели

       Для применения модели в качестве метода прогнозирования необходимо спрогнозировать входящие в нее параметры - ,,.

Тогда можно рассчитать

Далее более подробно рассматривается прогнозирование каждого из параметров.

Вводятся следующие обозначения:

        - суммарный торговый график всех потребителей;

        - суммарный торговый график всех АЭС;

               - суммарное значение экспорта;

               - суммарное значение импорта;

               - отношение предложения к спросу ;

               - коэффициент горячего резерва ;

– коэффициент отношения суммарного Pmin ТЭС и ГРЭС к их суммарному Pmax , здесь считаем что .

       Тогда параметры, входящие в модель, можно выразить в следующем виде:        

Таким образом, входными данными для прогнозирования являются: объем потребления, объем выработки АЭС, объем выработки ГЭС, перетоки экспорта и импорта, коэффициент потерь и коэффициент горячего резерва.

Объем потребления прогнозируется согласно разделам I – V данной методики, остальные входные параметры определяются исходя из статистики, используя информацию о водности и ремонтах. При необходимости в регрессионную модель добавляются члены отражающие рост тарифов на газ. Коэффициенты перед ними определяются как среднее значение между , и

На представленном ниже графике отображены результаты прогнозирования средневзвешенной цены за месяц, выполненный в июле 2009 г. В качестве объема выработки АЭС в 2009 году взят суммарный Pmax всех АЭС, которые не будут находиться в ремонте, в 2010 году – среднее значение между ТГ АЭС в 2008 и 2009 годах. ТГ ГЭС, перетоки экспорта/импорта и коэффициент потерь в 2009 году приняты равными аналогичным показателям 2008 года, в 2010 году – среднее значение между соответствующими значениями в 2008 и 2009 годах. Также предполагалось, что рост тарифов на газ будет единовременный – в начале 2010 года на 26%.