新冠肺炎疫情對北京市天然氣用氣量的影響

王 勛，仇 晶，陳婷婷，劉雨明，劉宗奇，王倩微(北京市燃?xì)饧瘓F(tuán)研究院，北京100011)

1 概述

城市能源是經(jīng)濟(jì)發(fā)展的命脈，是國民經(jīng)濟(jì)發(fā)展和人民美好生活的重要保障，在社會經(jīng)濟(jì)體系中占據(jù)重要的地位，關(guān)系到城市各行各業(yè)生產(chǎn)經(jīng)營運(yùn)行通暢、人民生活安定有序。因此，需要充分保障城市能源的供應(yīng)，做好城市能源的預(yù)測預(yù)警，并建立完善的能源預(yù)警機(jī)制，更需要對與能源相關(guān)的重大事件做好應(yīng)對措施，做到有備無患。評估重大事件對城市能源消費及供應(yīng)的影響是城市能源安全研究的重要方面。

2019年歲末，我國發(fā)生了重大公共衛(wèi)生事件，武漢市衛(wèi)健委2019年12月31日首次公開通報“新冠疫情”。武漢市于2020年1月23日開始實施出行禁令。全國各地陸續(xù)啟動重大突發(fā)公共衛(wèi)生事件一級響應(yīng)。北京市市委市政府于2020年1月22日成立“新型冠狀病毒感染肺炎疫情防控工作領(lǐng)導(dǎo)小組”，加強(qiáng)了對北京市疫情的管控。本文將2019年歲末發(fā)生的新冠疫情事件簡稱為疫情事件。

北京市是全國天然氣消費量最大的單體城市，根據(jù)北京市燃?xì)饧瘓F(tuán)的分類，北京市的燃?xì)庥脩舭彝ド?、公共建筑、冬季供暖、燃?xì)怆姀S、工商企業(yè)、天然氣汽車等。正常用氣情況下，家庭生活、公共建筑、工商企業(yè)、天然氣汽車用氣量不會隨季節(jié)產(chǎn)生較大幅度波動；冬季供暖、燃?xì)怆姀S受當(dāng)?shù)貧夂驐l件、運(yùn)行方式安排的影響，用氣量會產(chǎn)生非常明顯的變化。疫情事件后，市民生活習(xí)慣、服務(wù)業(yè)和制造業(yè)均受到了疫情發(fā)展的持續(xù)影響，造成城市各類用戶用氣量的不確定性。其中，公共建筑類用戶受國家政策的影響，用氣量大幅減少，在陸續(xù)分批次復(fù)工復(fù)產(chǎn)后用氣情況依然不理想；工商企業(yè)類用戶受整體市場疲軟的影響，用氣量同比有較大程度的下降。

2 疫情事件對用氣量影響顯著性分析

疫情事件對北京市的天然氣消費產(chǎn)生了影響。其影響程度，即與未發(fā)生疫情事件相比消費量是否存在顯著差異，是本文研究的主題。本文采用事件分析法[1]，研究疫情事件對北京市2019—2020年供暖期天然氣日用氣量的影響，并對影響程度進(jìn)行評估，為企業(yè)、政府評估城市能源消費量變化提供依據(jù)。

2.1 事件的定義

事件分析法(Event Study)是一種實證研究方法，實證研究方法是在價值中立的條件下,以對經(jīng)驗事實的觀察為基礎(chǔ)來建立和檢驗知識性命題的各種方法的總稱。價值中立是指在研究的過程中研究者不可以用自己特定的價值標(biāo)準(zhǔn)和主觀好惡來影響資料和結(jié)論的取舍,從而保證研究的客觀性。事件分析是根據(jù)某事件發(fā)生前后的統(tǒng)計資料，采用特定技術(shù)(例如假設(shè)檢驗)測量該事件影響性的一種定量分析方法，是研究某事件對某個特征的影響程度的方法。事件分析法主要是分析某事件對于基于時間序列的特征是否有沖擊作用，其有效性基于這樣一個事實：假設(shè)某特征在理性的前提下，一個事件的影響會立即體現(xiàn)為該特征的相關(guān)指標(biāo)變動，因此，可以用一個相對短時期的該特征的相關(guān)指標(biāo)變動來分析和衡量該事件的影響。本文中事件指疫情事件，特征是天然氣用氣量，分析的具體指標(biāo)為2019—2020年供暖期天然氣日用氣量。

事件分析的首要任務(wù)是確定所研究的事件，并且確定要研究事件引起變化的時間區(qū)段。一個完整的事件分析[2]按時間先后順序分為3個階段，即估計窗口、事件窗口和事后窗口。事件的估計窗口是指事件發(fā)生或者產(chǎn)生影響之前的一段時間，估計窗口主要用于建立模型評估事件窗口的預(yù)期收益，在本文中，預(yù)期收益即假定疫情事件未發(fā)生，事件窗口的天然氣日用氣量。事件窗口是事件發(fā)生或者產(chǎn)生影響直到影響結(jié)束的時間段，事件窗口的實際收益即疫情事件發(fā)生后，在其影響期內(nèi)北京市的天然氣實際日用氣量，用于對比分析評估事件的影響。事后窗口即事件結(jié)束或者其影響結(jié)束后的一段時間，事后窗口用于估計事件窗口后的收益(即日用氣量)是否發(fā)生異常變化。

本文研究的事件定義為北京市的疫情事件，事件特征為天然氣用氣量，指標(biāo)為日用氣量。由于無法具體確定疫情事件影響的開始時間點，本文以北京市成立“疫情防控工作領(lǐng)導(dǎo)小組”事件為疫情事件的具體觸發(fā)時間，即1月22日。疫情事件發(fā)生時間與北京市供暖期重疊，而北京市供暖期的用氣特征及數(shù)量級與非供暖期有很大差異，用氣量受供暖期天氣變化的影響而出現(xiàn)規(guī)律性波動。因此，將2019年11月15日至2020年1月22日作為估計窗口；將2020年1月23日至2020年3月15日作為事件窗口；考慮到疫情尚未結(jié)束，事件窗口可能更長，事后窗口時間點還不能確定，因此，本文對事后窗口暫不做分析。

2.2 事件窗口預(yù)期收益評估

綜上分析，事件窗口預(yù)期收益通過估計窗口的數(shù)據(jù)進(jìn)行建模評估，即采用2019年11月15日至2020年1月22日共68 d的北京市天然氣日用氣量數(shù)據(jù)及相關(guān)影響因素建立模型，并評估2020年1月23日至2020年3月15日共53 d的北京市天然氣日用氣量。本文采用貝葉斯線性回歸模型對事件窗口的天然氣日用氣量進(jìn)行評估。貝葉斯線性回歸[3](Bayesian linear regression)是使用統(tǒng)計學(xué)中貝葉斯推斷[4](Bayesian inference)方法求解的線性回歸[5](linear regression)模型。

北京市供暖期天然氣日用氣量與氣溫及風(fēng)力相關(guān)，為了進(jìn)一步縮小影響日用氣量變化的因素的數(shù)量，假定進(jìn)入供暖期后，各類天然氣用戶沒有發(fā)生特大的增加或減少，考慮到氣溫變化的持續(xù)影響及建筑物的熱惰性，參與建模的影響因素分別為當(dāng)日平均溫度t0,前一日最低溫度t-1,前兩日最低溫度t-2、當(dāng)日平均風(fēng)速級別w0。當(dāng)日天然氣日用氣量q0的預(yù)測模型見式(1)[6]。

q0=f(t0,t-1,t-2,w0)

(1)

式中q0——當(dāng)日(預(yù)測日)的天然氣日用氣量，m3

t0——當(dāng)日平均溫度，℃

t-1——前一日最低溫度，℃

t-2——前二日最低溫度，℃

w0——當(dāng)日平均風(fēng)速級別

模型建立：輸入數(shù)據(jù)為事件估計窗口的每日的各項數(shù)據(jù)t0、t-1、t-2、w0及q0，采用機(jī)器學(xué)習(xí)算法模塊scikit-learn中train_test_split對象對數(shù)據(jù)進(jìn)行訓(xùn)練集與測試集的劃分，并調(diào)用BayesianRidge對象，采用訓(xùn)練集數(shù)據(jù)訓(xùn)練模型f，利用測試集數(shù)據(jù)評估模型f，測試集預(yù)測結(jié)果與實際值平均相對誤差為3.5%，模型f精度較好，能充分反映事件評估期日用氣量的規(guī)律。因此，模型f可用。

模型使用：將2020年1月23日當(dāng)日的平均溫度t0、1月22日的最低溫度t-1、1月21日的最低溫度t-2及1月23日的平均風(fēng)速級別w0，代入模型f，得出2020年1月23日的預(yù)測日用氣量為q0。將事件窗口的每日的t0、t-1、t-2、w0代入模型f，得出事件窗口每日的預(yù)測日用氣量。通過對比歷年春節(jié)期間日用氣量與平時日用氣量發(fā)現(xiàn)，春節(jié)假期一周期間北京市天然氣日用氣量比平日減少約10%，因此，將事件窗口春節(jié)假期即2020年1月24至1月31日的預(yù)測日用氣量乘以系數(shù)0.9，得到修正后的事件窗口53 d的預(yù)測日用氣量。從北京市燃?xì)饧瘓F(tuán)統(tǒng)計數(shù)據(jù)獲得事件窗口的實際日用氣量。事件窗口預(yù)測日用氣量與實際日用氣量對比見圖1。因此，疫情事件是否對北京市2019—2020年供暖期天然氣日用氣量產(chǎn)生影響，可轉(zhuǎn)變?yōu)槭录翱谕惶斓念A(yù)期收益(預(yù)測日用氣量)與實際收益(實際日用氣量)是否有顯著差異。

圖1 預(yù)測日用氣量與實際日用氣量對比

2.3 顯著性分析

在疫情事件研究中，需要對同一天的預(yù)期收益和實際收益數(shù)據(jù)進(jìn)行對比，即事件窗口的預(yù)測日用氣量和實際日用氣量進(jìn)行對比，此種情況適合使用配對樣本t檢驗[7]。配對樣本t檢驗實際上是先求出每對測量值的差值，即事件窗口每天的實際日用氣量與預(yù)測日用氣量配對求差值，得到53個個體組成的樣本，并檢驗該樣本的均值與零均值之間差異的顯著性。

該檢驗過程采用SPSS17.0軟件中配對樣本t檢驗完成。通常選擇0.05的顯著性水平。軟件計算結(jié)果表明，在0.05的顯著性水平下，檢驗統(tǒng)計量t對應(yīng)的概率[8]為0.00，小于0.05，可認(rèn)為疫情事件窗口每日的預(yù)期收益與實際收益有顯著性差異，即疫情事件的發(fā)生顯著影響了北京市2019—2020年供暖期天然氣日用氣量。

2.4 評估結(jié)果小結(jié)

從日用氣量角度的分析，預(yù)期收益與實際收益有顯著差異，在事件窗口，北京市每日的預(yù)期收益即預(yù)測日用氣量平均達(dá)0.852 1×108m3，每日的實際收益即實際日用氣量平均只有0.748 9×108m3，比預(yù)測值降低了約12.11%。則在事件窗口內(nèi)，53 d共減少了約5.469 6×108m3的用氣量。北京市燃?xì)庥脷饬拷y(tǒng)計分為城市燃?xì)?包括工業(yè)、家庭、公建、供暖、躉售等)和電廠。據(jù)北京市燃?xì)饧瘓F(tuán)統(tǒng)計，北京市2020年第一季度城市燃?xì)庥脷饬繙p少1.4×108m3，電廠用氣量減少3.2×108m3，共計減少了4.6×108m3。另外，受疫情事件影響，北京市2019—2020年供暖期延長至3月31日24時，統(tǒng)計表明，延長供暖期間供暖用戶天然氣消費量增加約3×108m3，因此，第一季度實際天然氣消費量減少范圍為(4.6～7.6)×108m3，以北京市2019年用氣量172×108m3計算，占全年天然氣用氣量的2.7%～4.4%?？梢?，疫情事件的發(fā)生對北京市天然氣用氣量的影響顯著。

3 疫情對城鎮(zhèn)燃?xì)馄髽I(yè)的影響分析

① 由疫情事件造成的天然氣需求放緩，將持續(xù)相當(dāng)長一段時間，疫情結(jié)束后會不會出現(xiàn)需求反彈存在較大的不確定性。

② 疫情期間國家采取有針對性的政策支持，通過降低銷售給城鎮(zhèn)燃?xì)馄髽I(yè)的天然氣價格解決城鎮(zhèn)燃?xì)馄髽I(yè)面臨的問題和困難，為下游產(chǎn)業(yè)鏈抗風(fēng)險能力較弱的企業(yè)用戶提供短期的機(jī)遇。這是否對城市用氣結(jié)構(gòu)產(chǎn)生影響需要持續(xù)跟進(jìn)研究。

③ 疫情事件一方面影響了上游供應(yīng)企業(yè)的工作安排，勢必影響城鎮(zhèn)燃?xì)獾纳嫌喂?yīng)，另一方面疫情事件使燃?xì)庑枨笄€異常波動，將削弱城鎮(zhèn)燃?xì)馄髽I(yè)多用戶天然氣需求預(yù)測風(fēng)險反應(yīng)能力，而城鎮(zhèn)燃?xì)馄髽I(yè)與上游供氣企業(yè)簽訂了購銷協(xié)議，上游對于天然氣年、月、周、日、小時計劃的嚴(yán)格管理較為苛刻，計劃準(zhǔn)確度將直接與采購成本掛鉤。疫情事件給城鎮(zhèn)燃?xì)馄髽I(yè)的運(yùn)營調(diào)度，特別是偏差結(jié)算增加了很大的難度。偏差結(jié)算即若需求方當(dāng)月合同氣量用不完，則按合同量結(jié)算，對付款未提取量雙方可協(xié)商補(bǔ)提；若供應(yīng)方未按合同足量供應(yīng)，經(jīng)雙方溝通不能按期補(bǔ)足的，根據(jù)合同予以處罰。此次疫情事件應(yīng)屬于不可抗力因素，上游供氣企業(yè)及城鎮(zhèn)燃?xì)馄髽I(yè)應(yīng)充分評估、重視此次事件的影響，在國內(nèi)疫情乃至全球疫情的大環(huán)境下，在保供應(yīng)及偏差結(jié)算方面充分溝通合作，共同應(yīng)對疫情對天然氣行業(yè)帶來的影響。