การพยากรณ์ด้านพลังงาน (Energy Forecasting)

การพยากรณ์ด้านพลังงาน(Energy Forecasting)

การพยากรณ์พลังงาน • Peirce, W.S., Economics of the Energy Industries. บทที่ 5 • Dahl, C. International Energy Markets: Understanding Pricing, Policies and Profits. บทที่ 2

การพยากรณ์พลังงาน • อนาคตด้านพลังงานมีความไม่แน่นอนมาก ราคาน้ำมันผันผวน และมีตัวแปรมาก • การพยากรณ์อนาคตพลังงานสำคัญสำหรับหลายฝ่าย

การพยากรณ์พลังงาน • ผู้ผลิต: ใช้ผลพยากรณ์ในการตัดสินใจลงทุน โครงการลงทุนใช้เงินมาก เวลาก่อสร้างยาว และอายุใช้งานยาว เช่น โรงไฟฟ้าใช้เชื้อเพลิงอะไร ขนาดเท่าใด

การพยากรณ์พลังงาน • ผู้ใช้พลังงาน: ใช้ผลพยากรณ์ในการวางแผนล่วงหน้า เลือกอุปกรณ์เครื่องจักรที่ใช้พลังงาน เช่น โรงงานปูนซิเมนต์ รถยนต์

การพยากรณ์พลังงาน • รัฐบาล: ใช้ผลพยากรณ์ในการวางแผนเศรษฐกิจมหภาค พลังงานมีผลต่อการเติบโตของเศรษฐกิจ เงินเฟ้อ การลงทุน การนำเข้า การพัฒนาพลังงานทดแทน

การพยากรณ์พลังงาน • พยากรณ์อะไรเกี่ยวกับพลังงาน? • ส่วนใหญ่พยากรณ์ demand • พยากรณ์ supply ต้องอาศัยความรู้ทางเทคนิค เช่น ธรณีวิทยา วิศวกรรมปิโตรเลียม • ไม่กล้าพยากรณ์ราคาระยะยาว ส่วนใหญ่พยากรณ์ไม่ถูก

การพยากรณ์พลังงาน • เทคนิคการพยากรณ์ความต้องการใช้พลังงาน (energy demand/consumption) • แนวโน้มตามประวัติศาสตร์ (historical trends) • การวิเคราะห์อนุกรมเวลา (time series analysis)

การพยากรณ์พลังงาน • เทคนิคการพยากรณ์ความต้องการใช้พลังงาน (energy demand/consumption) • แบบจำลองเศรษฐมิติ (econometric models) • แนวโน้มทางเศรษฐกิจมหภาค (macroeconomic trends)

การพยากรณ์พลังงาน • เทคนิคการพยากรณ์ความต้องการใช้พลังงาน (energy demand/consumption) • การวางแผนแบบ “ชุดเหตุการณ์” (scenario planning)

1. แนวโน้มตามประวัติศาสตร์ (historical trends) • อนาคตเปลี่ยนแปลงในอัตราเดียวกันกับในอดีต ใช้ exponential function Q0 : demand ในปีแรก Qt : demand ในปี t r : อัตราการเปลี่ยนแปลง

1. แนวโน้มตามประวัติศาสตร์ (historical trends) • ใช้ได้เฉพาะกับช่วงสั้นๆ • ระยะยาว อัตราเปลี่ยนไม่คงที่ จึงพยากรณ์จุดเปลี่ยน (turning points) ไม่ได้ • Jevons พยากรณ์วิธีนี้ในปี 1865 ว่าอังกฤษจะใช้ถ่านหิน 2600 ล้านตันในปี 1960 แต่ใช้จริงเพียง 200 ล้านตัน

2. การวิเคราะห์อนุกรมเวลา (time series analysis) แบบตัวแปรเดียว ใช้วิธีการทางสถิติคำนวณ a1 ....... an Demand ในอดีตมีอิทธิพลต่อ demand ปัจจุบันและอนาคต

2. การวิเคราะห์อนุกรมเวลา (time series analysis) อาจแสดงวงจร (cycle) ได้ แต่ไม่สามารถอธิบาย turning points อาจใช้มากกว่าหนึ่งตัวแปรได้

3. แบบจำลองเศรษฐมิติ (econometric models) • ทฤษฎีพื้นฐาน: พฤติกรรมผู้บริโภค Individual demandfor energy: D = f (ราคาสินค้า, ราคาสินค้าทดแทน, รายได้ผู้บริโภค, รสนิยม)

3. แบบจำลองเศรษฐมิติ (econometric models) • ทฤษฎีพื้นฐาน: พฤติกรรมผู้บริโภค Aggregate demand for energy: D = f (ราคาสินค้า, ราคาสินค้าทดแทน, ปริมารการบริโภคในอดีต, รายได้รวม, ประชากร, จำนวนพาหนะ/อุปกรณ์, เทคโนโลยี,shocks ต่างๆ)

3. แบบจำลองเศรษฐมิติ (econometric models) • ตัวอย่างที่ 1: Tawin Nilbai: The Total demand for Crude Oil in Thailand, Master Thesis, Econ. TU 1978 • คำนวณ demand ของผลิตภัณฑ์น้ำมันต่างๆ เพื่อรวมเป็น demand สำหรับน้ำมันดิบ

3. แบบจำลองเศรษฐมิติ (econometric models) • ตัวอย่างที่ 1: Tawin Nilbai: • คำนวณ demand สำหรับน้ำมันดีเซล DD = f ( PD, B, T, ML, AGR, GNP, POP) ใช้ข้อมูลปี 1955 – 1974 ln DD = -13.16 – 0.827 ln PD + 1.019 ln(B+T+ML) + 0.806 ln AGR

3. แบบจำลองเศรษฐมิติ (econometric models) • ตัวอย่างที่ 2: Arayah Preechametta, Econometric Model for Energy Demand, Master Thesis, Econ. TU 1984 • คำนวณ demand ของผลิตภัณฑ์น้ำมันต่างๆที่ใช้ในภาคอุตสาหกรรม

3. แบบจำลองเศรษฐมิติ (econometric models) • ตัวอย่างที่ 2: Arayah Preechametta • demand ของน้ำมันเตาในภาคอุตสาหกรรม Qf = f ( Pf, Pd, Pe, Poten, DM, Qf-1 ) ln Qf = 8.11 – 0.13 ln Pf - 0.9 ln Pd + 1.24 ln Pe + 0.51 ln Poten + 0.23 ln DM – 0.0004 ln Qf-1

3. แบบจำลองเศรษฐมิติ (econometric models) • ตัวอย่างที่ 3: Microeconomics ของ Pindyck and Rubinfeld บทที่ 2 • demandfor gasoline in U.S. โดยเน้นการตอบสนองตามช่วงเวลาต่างๆ • demand ยืดหยุ่นในระยะยาวมากกว่าในระยะสั้น

3. แบบจำลองเศรษฐมิติ (econometric models) • demandfor gasoline in U.S. โดยเน้นการตอบสนองตามช่วงเวลาต่างๆ

3. แบบจำลองเศรษฐมิติ (econometric models) • demandfor gasoline in U.S. โดยเน้นการตอบสนองตามช่วงเวลาต่างๆ การปรับเปลี่ยนพฤติกรรมใช้เวลา เช่น การเปลี่ยนรถที่ประหยัดน้ำมันมากขึ้น

การพยากรณ์ด้านพลังงาน (Energy Forecasting)