欧盟天然气市场发展

然而，由于缺乏将天然气从希腊-土耳其边境运输到大型欧盟消费市场的基础设施，第三条和第三条线路不太可能在2022年之前建成。因此，我们在模拟中只包括一条线路（对应于项目中的第二条线路），并假设该线路将在2022年上线。我们将在第4.4节讨论这一假设的影响。运输成本来自Chyong&Hobbs[5]和Obser vatoire M\'editerran\'een de l\'Energy[26]提供的欧盟边界外管道信息。对于欧盟境内的管道，我们根据Arthur D.Little[1]和运营商的网站，采用了国家输电系统运营商收取的平均塔利费。由于数量由传输系统运营商共同补偿，且成本包含在塔里费中，因此管道损耗为零。对于液化天然气链，我们做出了以下假设：对于液化，Wefollow Shively等人[27，第3节]，并分别考虑了燃料消耗和液化成本。对于液化天然气运输，我们假设容器完全使用沸腾气体运行，并将该数量分配为损失，这是从Heede[18]获得的。成本计算为船舶租金加上涵盖所有其他费用的费用，包括港口费用和运河费用；这些数据来自Timera Energy[31]。Regasi fication cos ts已被Chyong&Hobbs[5]选择，损失被设置为零，因为它们已包含在设施收取的价格中，并包含在相应国家的天然气余额中。2.5. 储存模型储存设施包括在模型中，以说明天然气消费的合理性对市场的影响。

存储量以及最大注射和提取率由ENTSO-G[15]获得。对于存储成本，我们遵循Egging等人[14]的做法，并分别分配了成本和损失，因为存储运营商通常不会对损失进行补偿和收费，例如，请参见Fluxys Belgium SA[17]。2.6。天然气交易商和市场力量的运用我们假设每家天然气生产公司都有一个内部交易部门，负责天然气在国内外市场的分销，我们称这个交易部门为“交易商”。每个交易者都以边际成本从生产商那里购买天然气，然后将其转运到目的地市场。欧盟边界以外的管道不允许所有者以外的贸易商进入。当涉及俄罗斯天然气运输网络时，这一点尤其重要。俄罗斯天然气运输网络不能用于欧盟国家之间的天然气运输，尽管这在技术上是可行的。一旦气体到达目的地节点，交易者就会在批发市场上出售。交易者可以对消费者施加市场力量，这是基于一种推测的变化方法（见[32，第12章]）建立的模型。市场功率参数θfnt的水平∈ [0,1]决定了交易者在市场中的行为，对于每个交易者f、市场n和时间段T来说可能是不同的。如果θfnt=0，交易者f是预期市场和时间段中的价格接受者。对于θfnt>0，交易者f已知市场f和时间段t中消费者的价格弹性，并在最大化利润时予以考虑。θfnt在校准过程中确定，如下所述。2.7. 校准使用Baltensperger等人[2]提出的算法的早期版本对模型进行了校准，以下简要介绍了该算法。

该算法旨在将2013年所有节点n和时间段t的消费SCNT与报告的价值sC、数据相等，并保持每个交易商f在每个市场n和时间段t的销售量与相应报告值之间的差异较低（| qCfnt）-qC，datafnt |）。这些目标是相互关联的，因为消费等于交易者对特定市场的销售额之和：sCnt=Pf∈FqCfnt。为了实现这些目标，该算法在一定范围内调整了三组参数：（i）消费者的支付意愿，λC0nt∈ [λC，datant·0.85，λC，datant·1.15]，（ii）消费者的价格弹性，ηC0nt∈ [麦克斯{- 1，ηC，数据单位-0.2}，最小值{-0.3，ηC，datant+0.2}]，以及（iii）贸易商的市场功率参数θfnt∈ [0, 1]. 如Baltensperger等人[2]所述，λc0n和ηc0n的紧界与低界之间存在权衡qCfnt- qC，datafnt对于所有交易者来说，每个IOT都有一个特定的市场和时间；由建模者通过按顺序设置边界来平衡这些目标。我们选择了边界StatedBove，以符合C hyong&Hobbs[5]使用的校准过程中得出的ηC0nt范围，并允许λC0nt的典型季节性波动。在运行校准程序之前，对商家的参考销售qC、数据Fn进行调整，使其与每个节点n和时间段t的消费量c、数据t一致，并低于生产能力限制上限。调整后的参考销售qC、数据*fntwere通过按比例减少qC，数据Fntsch thatPf得出∈FqC，数据*fnt≤ sC，所有n、t和pn′的数据∈N（f）质量控制，数据*fn\'t≤卡普恩*（f）所有f∈ F（n），t，其中n*（f） 是traderf从中提取气体的节点。

在校准过程中，qC*Fntwe在qCfnt上用作下位键。这些调整使原始价值平均降低了32%，而这种变化发生在像比利时这样的再展览rt量较高的国家。这是因为转口贸易有统计记录，但在我们的框架内没有建模；取而代之的是，交易者在批发市场出售天然气之前一直占有天然气（第2.6节）。最终，低质量、低数据*fn在校准过程中确定可行QCfn时，增加灵活性。由于我们的模型在欧盟地区增加了灵活性，无论怎样，这在现实中都越来越灵活，我们不希望调整会扭曲我们模拟结果的有效性，即使调整后的值与原始值之间的差异相对较大。表2.2 g概述了sC、datant、λC、datant、ηC、datant和qC数据的sC0nt、λC0nt和ηC0nt以及QCFNTF的偏差*fnt。请注意，季节性数据仅适用于sC、Datan和qC数据*fnt；对于λC，datan和ηC，datan，我们显示年份平均值作为参考。校准的市场力量参数值θfntar如表B.1所示。表2.2：校准变量和参数及其与报告值的偏差。对于qCf nt，仅显示负偏差值，因为可用数据仅提供了流量的下限。

数据分别以每天百万立方米（mcm/d）和每百万立方米千欧元（ke/mcm）为单位。参数/与报告值的偏差变量最大值、绝对最大值、相对平均值中值sC0NT0。9.9亿立方米/日2.38%-0.02mcm/d 0.00mcm/dλC0nt34。2ke/mcm 13.3%8.33ke/mcm 14.7ke/mcmηC0nt0。2057.2%0.050.10qCf nt17。5mcm/d 100%-表2.2显示，2013年所有节点n和时间段t的总消费量和每个交易者的销售额很好地符合报告的数据，而价格λc n和弹性ηc n在其预定范围内。在最后一步中，我们根据2013年市场n和时间段t的校准参数，得出了有效需求函数的截距INTCnt和斜率SLPncTof。2014-2022年，我们将ENTSO-G[15]预测的消耗量分配给sC0nt，采用增长调整后的λC0nt，并假设在模拟时间内校准的ηC0nt和θfntremain常数。请注意，我们没有为任何长期合同建模，无论是液化天然气还是管道天然气，因为对pric e地层的影响很大程度上是由参数θfnt的影响捕获的。Smeers[2 8]认为，竞争主管部门认为，如果所有交易量都是现货交易，那么总体价格水平会更低，因为目前市场缺乏透明度和流动性，供应商可以利用这一点来要求高于边际成本的价格，而这正是θfnt的模型。长期合同中唯一不能由我们的方法开始的方面是时间的锁定效应：当新的基础设施投入运行时，模型结果会立即发生变化。事实上，新的基础设施确实给现有合同带来了压力，要求其按照新的标准调整价格，但在新合同生效之前，几年可能会过去。

有鉴于此，模型结果反映了市场在长期内共同收敛的均衡方向，无法用于对未来消费和价格的准确预测。3.模拟运行为了评估欧盟天然气市场的发展，我们在未来每年都会进行一系列sof模拟。表3.1总结了我们在每次运行中如何改变参数，表4.1给出了2019年的示例。首先，确定了前一年（y-1）的天然气市场状况（Simulation SIMy，0）。然后，我们依次将参数切换到当年（y）的值，并评估诱发的变化：在SIMy，1中，我们将所有国家的需求和支付意愿设置为y年的水平，同时将所有其他参数值保持在（y-1）的水平。在SIMy，2中，我们将所有生产和液化能力设置为y水平，同时将所有其他参数保持在（y-1）水平。在SIMy，3中，我们评估了最新需求、支付意愿、生产和液化能力对市场的共同影响。表3.1：模拟运行中的参数设置。×：参数更新为y年的级别。o：参数未更新，为上一年的级别。电话：消费者行为：所有国家的假定需求水平和支付意愿。{P，L}所有国家的生产和液化能力的扩张水平。{R，S，A}i，i∈ {1，ky}：再气化终端、储存设施和管道容量的扩展水平。y年基础设施扩建的数量。基础设施运行的模拟状态调用{P，L}all{R，S，A}。{R，S，A}kySIMy，0o o o。奥西米，1×o。奥西米，2o×o。奥西米，3×0。奥西米，4××o。。。。。。。。。o、 。。。oSIMy，ky+3××o×SIMy，ky+4××。

×对于y年剩余的KY模拟，每个国家的储物终端、储存设施和管道的容量分别进行了更新。KY是y年计划的基础设施扩建数量，介于8到27之间。这些模拟被标记为SIMy，ID，ID∈ {4，…，ky+3}。所有模拟均包括需求、支付意愿、生产和液化能力的最新值。最终模拟SIMy，ky+4考虑了y年所有变化的影响，因此与SIMy+1,0对应。我们通过比较模拟结果对特定基础设施引入的变化进行评估：SIMy，1，SIMy，2和SIMy，3与SIMy，0进行比较，而y年的所有其他模拟与SIMy，3进行比较。请注意，对于y=2013，我们只计算了SIMy，ky+4，因为对于所有其他模拟，由于缺少数据，无法计算y=2012中相应的参考场景io。我们意识到，由于未考虑基础设施要素之间的互补和替代效应，该评估不完整。此外，该评估仅在特定时间点有效——如果参考情况发生变化（这在天然气市场中非常频繁），则需要更新评估。然而，这些缺陷只能通过详细分析每个基础结构元素并随着时间的推移才能消除，这与我们捕捉欧洲市场大局的目标相矛盾。我们接受所选方法的局限性，并在分析结果时加以考虑。我们的研究总共包括208次模拟运行。这些都是在一个3.4 GHz的四芯CPU上完成的，每一个平均需要5秒（包括开销，使用MATLAB和路径解算器），因此总体模拟时间约为17分钟。4.结果4。1.

供应商消费和市场份额的发展图4.1描述了模拟期内的消费发展以及各欧盟成员国主要供应商的市场份额。首先，我们注意到，在未来十年内，大多数国家和欧盟的消费都将以惊人的速度增长，葡萄牙、斯洛文尼亚、捷克共和国、波兰和保加利亚的消费率尤其高（>40%）。消费增长遵循ENTSO-G[15]对大多数国家的预测值；这并不奇怪，因为ENTSO-G值定义了我们模型中的反向需求函数，反过来又推动了消费的增长。因此，感兴趣的案例包括立陶宛，其中ENTSO-G[15]预测消费减少，而我们的模拟显示消费增加，以及拉特维亚、爱沙尼亚、芬兰、希腊、保加利亚和克罗地亚，我们的计算表明，这些国家的增长比ENTSO-G[15]预测的要大。这些偏差源于我们对基础设施开发对价格和消费影响的更详细描述：我们的模型显示，在新的或更好地连接到天然气资源的地区，价格立即下降，消费增加，而在TYNDP，大多数国家的消费发展是基于GDP和人口增长数据，它们对特定基础设施扩张的反应要差得多。

总体而言，研究结果表明，欧盟范围内的消费量增长了1.45亿桶/日或11%（附录C），这比ENTSO-G[15]从2016年起的预测略高，2020年的峰值为+2.9%（相对于2013年的总消费量）。条形图：相对于2013年的总消费量和供应商市场份额[%]红色标记：相对于2013年的ENTSO-G消费预测[%]黑色/白色标记：赫芬达尔-赫希曼指数（HHI）除以1000 20 40 60 80 100 120 140 160 180 200 EUU瑞士国王将波兰、荷兰、德国、法国、澳大利亚、斯洛伐克、立陶宛、荷兰、捷克共和国和保加利亚国内生产的商品出售。丹麦联合王国、荷兰、俄罗斯、阿尔及利亚、阿塞拜疆通过增加贸易商的市场份额，我们可以观察到多个主要的发展。在所有国家中，除瑞典外，保加利亚和斯洛伐克的国内生产份额均下降。这主要是由生产能力的增长率驱动的，与预测的需求变化类似，该增长率与模型一致，并且对大多数图4.1是负的：随着时间的推移，每个国家和欧盟的天然气消耗量和供应商的市场份额为w孔（从SIMy，ky+4，y获得）∈ {2013, . . . , 2022}.对于每个国家，从上到下显示一组10巴代表2013-2022年的天然气消耗量。酒吧的宽度标准化为2013年的消费量。每个酒吧最多分为10个部分，每个部分代表一个国家和年份的供应商份额。对欧盟而言，“国内产量”表示同一国家生产和消费的天然气份额，而丹麦、英国和荷兰的份额则表示这些国家在国外（但仍在欧盟内部）消费的天然气份额。

因此，欧盟总产量的份额是国内、丹麦、英国和荷兰总产量的总和。红色标记表示ENTSO-G[15]在hor izon上预测的需求，该点被视为反向需求函数的校准点。黑/白标记表示赫芬达尔-赫希曼指数（HHI）除以100。欧盟国家。这导致了第二个主要趋势：来自非欧盟国家的进口显著增加，尤其是来自俄罗斯和液化天然气贸易商的进口，2019年后来自阿塞拜疆的进口大幅增加，以弥补消费的增加和国内产量的下降。第三个主要目的是一些高风险国家的供应商多元化：波罗的海国家、芬兰和保加利亚。从2015年开始，波罗的海国家和保加利亚通过增加从其他供应商的进口来减少对俄罗斯g的依赖；Finland从2019年开始采用s ame路径。为了量化这一趋势，我们计算了赫芬达尔-赫希曼指数（HHI），该指数定义为供应商在市场中市场份额的平方和，是市场集中度的度量。虽然波罗的海国家和芬兰的HHI低于6000，保加利亚的HHI降至约3000，但这些市场仍然高度集中。其他东欧国家，如罗马尼亚、斯洛伐克和波兰，经历了供应商多样性的收缩，主要是因为消费和生产之间的巨大差距被更多的俄罗斯港口所覆盖，这些港口以前已经很高，到2022年，它们是市场集中度最高的国家之一。最后，请注意，作为一个整体，欧盟的HHI大致保持在中等水平，这意味着供应商的多元化是第一个pla c e.4.2中的一个区域性问题。