Теория и практика прогноза газопотребления при планировании развития систем регионального газоснабжения

Статья опубликована в журнале «Проблемы прогнозирования» (ISSN: 0868-6351 (Print), ISSN: 3034-0071 (Online)), №2 2026

RUEN
ТЕОРИЯ И ПРАКТИКА ПРОГНОЗА ГАЗОПОТРЕБЛЕНИЯ ПРИ ПЛАНИРОВАНИИ РАЗВИТИЯ СИСТЕМ РЕГИОНАЛЬНОГО ГАЗОСНАБЖЕНИЯ

СУХАРЕВ Михаил Григорьевич, д.т.н., профессор, mgsukharev@mail.ru, Российский государственный университет нефти и газа (НИУ) им. И.М. Губкина, Москва, Россия
ORCID: 0000-0002-1583-509X

ТВЕРСКОЙ Игорь Владимирович, к.ф.-м.н., i.tverskoy@promgaz.gazprom.ru, Акционерное Общество «Газпром промгаз», Санкт-Петербург, Россия

СУРАЕВ Георгий Андреевич, goshasuraev@gmail.com, Российский государственный университет нефти и газа (НИУ) им. И.М. Губкина, Москва, Россия

Аннотация. Прогноз газопотребления нужен для принятия решений по функционированию и развитию газовой отрасли, одной из ключевых отраслей топливно-энергетического комплекса страны. В статье особое внимание уделяется среднесрочному прогнозу потребления региона – субъекта РФ. Прогнозы такого рода требуются при разработке и корректировке региональных схем газоснабжения. Прогноз должен учитывать последовательность предшествующих решений и их фактическую реализацию, а также заявки потенциальных потребителей на подключение к сетевому газу. В качестве основного аппарата среднесрочного прогнозирования рекомендуются подходы факторного анализа. Приводятся результаты прогнозных исследований для девяти регионов РФ. На этих примерах убедительно доказано, что целесообразно: разделять региональное потребление на три-четыре сектора; использовать в моделях не один, а три климатических фактора; исследовать возможность уменьшения числа априорно выбранных социально-экономических факторов по результатам выполненного анализа.

Ключевые слова: прогноз газопотребления, топливно-энергетический комплекс, региональное газопотребление, энергетический переход, матрица Пирсона.

DOI: 10.47711/0868-6351-215-124-136

Статья поступила в редакцию 12.05.2025. Статья принята к публикации 16.10.2025.

Для цитирования: М.Г. Сухарев, И.В. Тверской, Г.А. Сураев. Теория и практика прогноза газопотребления при планировании развития систем регионального газоснабжения // Проблемы прогнозирования. 2026. № 2 (215). С. 124-136. DOI: 10.47711/0868-6351-215-124-136

THEORY AND PRACTICE OF GAS CONSUMPTION FORECASTING IN PLANNING THE DEVELOPMENT OF REGIONAL GAS SUPPLY SYSTEMS

M.G. SUKHAREV, Doct. Sci. (Tech.), Professor, Gubkin Russian State University of Oil and Gas (National Research University), Moscow, Russia
ORCID ID: 0000-0002-1583-509X

I.V. TVERSKOY, Cand. Sci. (Math. and Physics), Gazprom Promgaz AO, Saint-Petersburg, Russia

G.A. SURAEV, Gubkin Russian State University of Oil and Gas (National Research University), Moscow, Russia

Abstract. Gas consumption forecasting is essential for decision-making regarding the operation and development of the gas industry, a key sector within the nation’s fuel and energy complex. This article focuses specifically on medium-term consumption forecasts for a region—a federal subject of the Russian Federation. Such forecasts are required for developing and adjusting regional gas supply schemes. A forecast must account for the sequence of prior decisions and their actual implementation, as well as requests from potential consumers for natural gas service connection. The primary recommended methodology for medium-term forecasting is based on factor analysis approaches. The article presents forecasting results for nine Russian regions. These case studies convincingly demonstrate the advisability of segmenting regional consumption into three to four sectors; incorporating three climatic factors, rather than one, into models; and reducing the number of a priori selected socio-economic factors based on the analysis results.

Keywords: gas consumption forecast, fuel and energy complex, regional gas consumption, energy transition, Pearson correlation matrix.

Received 12.05.2025. Accepted 16.10.2025.

For citation: M.G. Sukharev, I.V. Tverskoy, and G.A. Suraev. Theory and Practice of Gas Consumption Forecasting in Planning the Development of Regional Gas Supply Systems // Studies on Russian Economic Development. 2026. Vol. 37. No. 2. Pp. 246–256. DOI: 10.1134/S1075700725700935

Литература/References

  1. Макаров А.А. Полвека системных исследований развития энергетики СССР и России – а что далее? // Теплоэнергетика. 2020. № 12. С. 5-14. [Makarov A.A. Polveka sistemnykh issledovanii razvitiya energetiki SSSR i Rossii – a chto dale? // Teploenergetika. 2020. No. 12. Pp. 5-14. (In Russ.)]
  2. Филиппов С.П., Веселов Ф.В., Кейко А.В., Хоршев А.А. Подходы к формированию прогнозов развития ТЭК России как составной части сценариев декарбонизации экономики страны // Проблемы прогнозирования. 2023. № 6. С. 67-78. [Filippov S.P., Veselov F.V., Keiko A.V., Khorshev A.A. Approaches to the Forecast Formation of the Development of the Russian Energy Sector as a Component Part of Scenarios for Decarbonization of the Country’s Economy // Studies on Russian Economic Development. 2023. Vol. 34. No. 6. Pp. 769-777. (In Russ.)] DOI: 10.1134/S1075700723060035.
  3. Дынкин А.А., Миловидов В.Д. Наука дальновидности: как преуспеть в стратегическом прогнозировании и планировании // Проблемы прогнозирования. 2023. № 3 (198). С. 8-23. [Dynkin A.A., Milovidov V.D. The Science of Foresight: How to Succeed in Strategic Forecasting and Planning // Studies on Russian Economic Development. 2023. Vol. 34. No. 3. Pp. 285-296. (In Russ.)] DOI: 10.1134/S1075700723030048.
  4. Сухарев М.Г., Самойлов Р.В., Тверской И.В., Акоста A.A., Сураев Г.А. Агрегированный долгосрочный прогноз газопотребления // Вести газовой науки. 2024. № 1 (57). С. 179-192. [Sukharev M.G., Samoylov R.V., Tverskoy I.V., Acosta A.A., Suraev G.A. Agregirovannyi dolgosrochnyi prognoz gazopotrebleniya // Vesti gazovoy nauki. 2024. No. 1 (57). Pp. 179-192. (In Russ.)]
  5. Сторонский Н.М., Тверской И.В., Сухарев М.Г., Акоста А.А. Особенности прогнозирования регионального газопотребления. Основные факторы // Газовая промышленность. 2025. № 7 (884). C. 72-84. [Storonskiy N.M., Tverskoy I.V., Sukharev M.G., Acosta A.A. Osobennosti prognozirovaniya regional’nogo gazopotrebleniya. Osnovnye factory // Gazovaya promyshlennost’. 2025. No. 7 (884). Pp. 72-84. (In Russ.)]
  6. Сторонский Н.М., Сухарев М.Г., Самойлов Р.В., Тверской И.В., Акоста А.А. Правильный прогноз газопотребления – ключ к рациональному выбору резерва производственных мощностей газораспределительных систем // Вести газовой науки. 2022. № 2 (51). С. 16-28. [Storonskiy N.M., Sukharev M.G., Samoylov R.V., Tverskoy I.V., Acosta A.A. Pravil’nyy prognoz gazopotrebleniya – klyuch k ratsional’nomu vyboru rezerva proizvodstvennykh moshchnostey gazoraspredelitel’nykh sistem // Vesti gazovoy nauki. 2022. No. 2 (51). Pp. 16-28. (In Russ.)]
  7. Громов А., Кондратьев С., Широв А. Внутренний рынок газа на историческом перепутье // Энергетическая политика. 2023. № 9 (188). С. 14-25. [Gromov A., Kondratev S., Shirov A. Vnutrenniy rynok gaza na istoricheskom pereput’e // Energeticheskaya politika. 2023. No. 9 (188). Pp. 14-25. (In Russ.)]
  8. Филиппов С.П. Переход к углеродно-нейтральной экономике: возможности и пределы, актуальные задачи // Теплоэнергетика. 2024. № 1. С. 21-40. [Filippov S.P. Perekhod k uglerodno-neytral’noy ekonomike: vozmozhnosti i predely, aktual’nye zadachi // Teploenergetika. 2024. No. 1. Pp. 21-40. (In Russ.)]
  9. Zheng K., Sun Z., Song Y., Zhang Chen, Zhang Chunyu, Chang F., Yang D., Fu X. Stochastic Scenario Generation Methods for Uncertainty in Wind and Photovoltaic Power Outputs: A Comprehensive Review // Energies. 2025. 18 (3). Р. 503. URL: https://doi.org/10.3390/en18030503
  10. Debevc M. Energy Transition Trends in Natural Gas Planning. PSIG 2214. 2022. 9 р. URL: https://onepetro.org/PSIGAM/proceedings-abstract/PSIG22/All-PSIG22/PSIG-2214/485456
  11. Adolfo D., Pambour K., Brancucci C., Carcasc C. An integrated solution for planning and operating Power-To-Gas facilities in coupled gas and electricity networks. PSIG 2115. 2021. 11 р. URL: https://onepetro.org/PSIGAM/proceedings-abstract/PSIG21/All-PSIG21/PSIG-2115/463597
  12. Zlotnik A., Sundar K., Rudkevich A.M., Tabors R., Li X. Pipeline Transient Optimization for a Gas-Electric Coordination Decision Support System. PSIG 1919. 2019. 9 р. URL: https://search.spe.org/i2kweb/SPE/doc/ onepetro:5148CCBA
  13. Beyca O.F., Ervural B.C., Tatoglu E., Ozuyar P.G., Zaim S. Using machine learning tools for forecasting natural gas consumption in the province of Istanbul // Energy Economics. 2019. No. 80. Pp. 937-949.
  14. Sahin E., Yüce H. Prediction of Water Leakage in Pipeline Networks Using Graph Convolutional Network Method // Applied Sciences. 2023. No. 13. 16 р.
  15. Панкратов С.Н., Казак А.С., Лобанов А.Н., Горлов Д.В. Анализ применимости различных методов машинного обучения для прогнозирования почасового газопотребления в разрезе газотранспортных обществ // Автоматизация и информатизация ТЭК. 2023. № 6 (599). С. 5-14. DOI: 10.33285/2782-604X-2023-6(599)-5-14. [Pankratov S.N., Kazak A.S., Lobanov A.N., Gorlov D.V. Analiz primenimosti razlichnykh metodov mashinnogo obucheniya dlya prognozirovaniya pochasovogo gazopotrebleniya v razreze gazotransportnykh obshchestv // Avtomatizatsiya i informatizatsiya TEK. No. 6 (599). Pp. 5-14. (In Russ.)]
  16. Manandhar P., Rafiq H., Rodriguez-Ubinas E., Palpanas T. New Forecasting Metrics Evaluated in Prophet, Random Forest, and Long Short-Term Memory Models for Load Forecasting. Energies 2024. No. 17 (6131). 30 р.
  17. Yusuf Karadede, Gültekin Özdemir, Erdal Aydemir, Breeder Hybrid Algorithm Approach for Natural Gas Demand Forecasting Model // Energy. 2017. DOI: 10.1016/j.energy.2017.09.130
  18. Szoplik J. Forecasting of natural gas consumption with artificial neural networks // Energy. 2015. No. 85. Pp. 208-220.
  19. Bean B. A Review of Customer Demand Modeling Methods for Distribution Systems. PSIG 1219. 2012. 8 р. URL: https://onepetro.org/PSIGAM/proceedings-abstract/PSIG12/All-PSIG12/PSIG-1219/2395
  20. Svoboda R., Basterrech S., Kozal J., Platoš J., Woźniak M. A Natural Gas Consumption Forecasting System for Continual Learning Scenarios based on Hoeffding Trees with Change Point Detection Mechanism. arXiv:2309.03720v4 [cs.LG] 12 Aug 2024. 77 p.