海上風電供給模型與發展規模預測研究

袁兆祥，羅家松，田雪沁，徐彤，王新雷，齊立忠

(國網北京經濟技術研究院，北京市102209)

?

海上風電供給模型與發展規模預測研究

袁兆祥，羅家松，田雪沁，徐彤，王新雷，齊立忠

(國網北京經濟技術研究院，北京市102209)

為預測現行電價政策下我國海上風電的發展規模，構建了供給模型：以我國沿海全部100多個海上風電規劃項目為研究對象，采用Weibull模型計算項目年發電量，利用自上而下和數據擬合的研究方法構建投資模型計算項目發電成本，基于項目基準收益率的定義，首次給出了基于規劃項目的我國海上風電供給曲線。根據海上風電供給曲線，考慮現行固定電價政策給定的電價水平，預測我國海上風電近期的發展規模。根據我國海上風電上網電價和當地脫硫燃煤標桿電價的差異，還計算了我國海上風電預測規模對應的年總補貼額和相應電價附加增量，并首次使用總裝機容量、年總發電量、年總補貼額和電價附加增量四維坐標圖度量不同上網電價條件下我國海上風電的發展規模和補貼狀況。

海上風電；供給模型；四維坐標圖；上網電價

0 引 言

我國海上風能資源豐富，且靠近電力負荷中心便于電網消納，具有良好的開發前景。為促進我國海上風電健康、快速地發展，2014年6月，國家發展和改革委員會發布了關于海上風電上網電價政策的文件[1]。文件規定：“對于非招標的海上風電項目，區分潮間帶風電和近海風電兩種類型確定上網電價。2017年以前(不含2017年)投運的近海風電項目上網電價為每千瓦時0.85元(含稅，下同)，潮間帶風電項目上網電價為每千瓦時0.75元。”在此電價政策下我國海上風電近期的發展規模和補貼情況是備受關注的重要問題。

關于發展規模預測，國內外學者常采用灰色預測模型[2-3]、Logistic模型[4-5]、時間序列模型[6]、向量自回歸模型[7]、神經網絡預測法[8]、指數平滑預測法[9]等方法，這些方法的原理雖各不相同，但均為通過研究歷史數據的變化規律和影響因素來預測未來發展趨勢，歷史數據的數量和質量對預測精度的影響較大，預測方法更多是基于統計數據的數學分析和計算。目前我國海上風電處于發展初級階段，可采用的歷史數據很少，發展規模的影響因素又很多，直接采用這些預測方法很難得到可靠的結論。

發展規模預測的更可靠方法是從經濟學原理出發，分別研究未來行業的供給和需求狀況，通過供給和需求的平衡確定未來發展規模。我國已有學者采用這種經濟學方法進行風電發展規模預測，具體步驟為：利用地理信息系統(geographic information system，GIS)，根據地形地貌特征、地面觀測和衛星遙感數據，以及電網分布等資料，結合經濟評價分析，計算每km2的網格單元還本付息電價和實際可裝機容量，進而繪制出七大風電基地的風電供給曲線，預測我國2050年前風電的發展規模[10]。國外學者采用類似方法預測了丹麥部分區域海上風電[11]、中國海上風電[12-13]未來的發展規模，且更深入地考慮了航線、海鳥遷徙路線、水下線纜、熱帶氣旋風險等限制因素。由此可知，國內外學者使用經濟學方法預測風電未來發展規模常基于地理信息系統，對風電發展規模進行遠期預測時具有較好的效果，但在目前我國編制完成了沿海各省海上風電規劃，出臺了海上風電上網標桿電價的背景下，這種方法對于近期預測顯得過于粗糙。

本文以我國沿海全部100多個海上風電規劃項目為研究對象，通過構建供給模型，給出了我國海上風電供給曲線，定量預測近期我國海上風電的發展規模和補貼情況。

1 供給模型與發展規模預測方法

本文通過構建供給模型預測當前政策下我國海上風電的發展規模。

基準收益率是為企業、行業、投資者以動態的觀點所確認的、可接受的投資項目最低標準的收益水平。既受客觀條件的限制，又有投資者的主觀愿望因素。其影響因素包括資金來源的構成、投資的機會成本、項目風險以及通貨膨脹等因素[14]，項目實際收益率高于基準收益率即認為投資商有意愿進行項目建設，根據項目收益狀況即可判斷投資商意愿。本文參考相關文獻[14]，確定海上風電項目資本金稅后財務基準收益率為8%，通過財務計算可以得出保證基準收益率下的最低上網電價，即發電成本，因此政策給定實際上網電價高于發電成本，即可認為項目實際收益率高于基準收益率，也即投資商愿意進行項目建設，經過項目建設期后，這些項目將構成未來的發展規模。

上述分析過程可以用經濟學曲線表出：根據項目發電成本和年發電量可以構建我國海上風電供給曲線；現行固定電價政策給定的上網電價和保障性全額收購政策體現的需求因素用水平直線表出，2條線交點對應的發電量即為現行固定電價政策條件下近期我國海上風電的發電量預測值，如圖1所示。

圖1 海上風電供給曲線與發電量預測示意圖

現行政策導致的需求因素較為簡單，因此本文重點構建我國海上風電供給模型(包括項目年發電量計算模型和發電成本計算模型)，給出我國海上風電的供給曲線。

2 我國海上風電供給模型構建

假定我國嚴格按照“按規劃定項目”的原則進行項目建設，則近期只建設已規劃的100多個海上風電項目，這些規劃項目的發電成本和年發電量，反映了一定資源、技術、經濟條件下近期我國海上風電的市場供給能力，本文基于此構建供給模型，給出我國海上風電供給曲線。

2.1 海上風電規劃項目年發電量和發電成本計算模型

我國海上風電供給模型包括規劃項目年發電量計算模型和發電成本計算模型。

本文優先采用規劃報告等資料中關于規劃項目年發電量和發電成本的可靠數據，資料來源主要包括：河北、遼寧等省海上風電規劃報告；江蘇濱海、東臺、如東、大豐及河北菩提島、月坨島等部分海上風電項目的可研報告；調研獲取的浙江、江蘇等省份項目技術經濟數據；公開網絡數據庫[15]。無法直接獲得的其他規劃項目年發電量和發電成本數據則通過計算獲取。

海上風電規劃項目年發電量與海上風況和風電機組性能有關。本文從公開網絡數據庫[15]和氣象部門提供的平均風速分布圖中獲取平均風速數據，考慮性能較差的3 MW、性能中等的3.6 MW和性能較好的5 MW風電機組，采用Weibull模型計算項目年發電量，同時參考相關文獻中關于年發電量的計算結論[16]。已投運海上風電項目的年發電量數據可驗證本文計算方法的準確性：上海東海大橋海上風電項目機組于2011年開始全部投入運行，2011—2014年其實際年平均發電利用小時數為2 434.28 h，本文計算得到的年發電利用小時數為2 502 h，相對誤差為2.6%。

本文利用自上而下和數據擬合的研究方法構建投資模型，計算項目的靜態投資，即首先將工程靜態投資(Ctotal)分為4個部分：

(1)

式中：Ceq表示設備購置費，包括風電機組本體、塔筒、場內電氣及相應送出工程的設備投資；Cint表示安裝工程費，包括風電機組吊裝、海底電纜敷設等安裝投資；Ccon表示建筑工程費，包括風電機組基礎、海上升壓站基礎、陸上集控中心等建筑投資；Coth表示工程建設相關的其他費用。

然后對每部分投資進一步拆分為更小的投資子項，例如，可將建筑工程費(Ccon)進一步拆分為更小的投資子項：

(2)

式中：CWT，con表示風電機組本體建筑工程費；CEX,con表示風電場送出部分建筑工程費；COtr,con表示建筑工程其他費用。

最后采用相關文獻[17-19]的投資模型框架，根據我國海上風電規劃項目已知數據擬合這些模型的參數，得到適用于我國海上風電的投資子項模型公式。例如，可將風電機組本體建筑工程費(CWT，con)擬合為

(3)

式中D為風電場所在海域的平均深度，m。

得出規劃項目的靜態投資額后，結合前文所述方法計算得出的規劃項目年發電量，通過財務計算獲得規劃項目的發電成本，其中，項目資本金財務內部收益率為8%；增值稅稅率為17%，執行即征即退50%的政策；進行虧損彌補處理后，企業所得稅執行“三免三減半”優惠政策；項目建設期利息、價差預備費等財務數據的計算和相關參數取值參考海上風電規劃和可研報告；各項目離岸距離、海水深度、用海面積、裝機情況等計算基礎數據通過公開網絡數據庫[6]和規劃報告獲取。

2.2 我國海上風電供給曲線的構建

根據海上風電項目的年發電量和發電成本可構建海上風電供給曲線：各項目均用一個矩形表示，矩形寬度對應該項目的年發電量，高度則對應該項目的發電成本，將全部項目對應矩形按照發電成本由低到高進行排序，并列布置于發電成本-年發電量的坐標系中，取各矩形頂部寬度線段的中點代替該項目，即得到坐標系下的一系列點，即為供給曲線(項目較多時這些點密集分布，看起來就像一條線，也可以用樣條曲線將各個點平滑地連接認為其為供給曲線)。

海上風電供給曲線(以5個項目為例)建立過程如圖2所示。

圖2 海上風電供給曲線建立過程(以5個項目為例)

根據計算得出的我國100多個海上風電規劃項目的年發電量和發電成本，利用前述方法即可構建我國海上風電供給曲線，如圖3所示。

圖3 我國海上風電供給曲線

圖3中標注“各項目發電成本”的點群即是我國海上風電供給曲線，其中每個點即代表一個規劃項目，曲線由不同省(市)的海上風電規劃項目組成，各省規劃項目分別用不同形狀的點進行標識。供給曲線下方顯示的一系列點是各項目所在省(市)的脫硫燃煤標桿電價，方便與項目發電成本、政策給定上網電價進行比較。

分析圖3可知，我國大部分海上風電規劃項目發電成本為0.7～1 元/(kW·h)，最低發電成本在0.65 元/(kW·h)左右，最高發電成本在1.2 元/(kW·h)左右；海上風電規劃項目全部投產后，年發電量為85.4 TW·h(對應總裝機容量為34.23 GW)。從圖3還可以看出，每一個海上風電規劃項目發電成本均高于當地脫硫燃煤標桿電價。

3 我國海上風電發展規模和電價補貼

基于供給模型可以計算我國海上風電的發展規模和電價補貼情況。

圖4所示為有5個海上風電項目，各項目當地脫硫燃煤標桿電價均相同的供給曲線，在圖4所示給定上網電價條件下，項目1～4因為發電成本低于政策給定上網電價將可能被開發，項目5不會被開發。

海上風電等可再生能源電力上網電價一般高于當地脫硫燃煤標桿電價，電價較高造成的額外電力收購費用由可再生能源補貼資金支付，補貼資金以銷售電價附加方式在全網分攤。圖4陰影部分面積即為4個將開發項目的年總補貼額，由年總補貼額可測算因補貼海上風電而增加的銷售電價附加量(以下稱為“電價附加增量”)，其計算公式見相關文件[20]。

圖4 海上風電開發規模與電價補貼額分析圖

4 我國海上風電的發展規模和補貼狀況的四維坐標圖

將近海風電規劃項目和潮間帶風電規劃項目分開，可以分別得出近海和潮間帶風電場的供給曲線。根據前文方法可以計算未來我國近海和潮間帶風電場的總裝機容量、年總發電量、年總補貼額和相應電價附加增量，用四維坐標圖表示，如圖5、6所示。

圖5 現行電價政策下我國近海風電場發展規模及補貼預測

圖6 現行電價政策下我國潮間帶風電場發展規模及補貼預測

由圖5、圖6可以得出：近海風電場執行0.85元/(kW·h)上網電價時，近期開發總裝機容量約為17.91 GW，相應年總發電量為45.6 TW·h，年總補貼額為187億元，相應電價附加需增加4.2 厘/(kW·h)；潮間帶風電場執行0.75 元/(kW·h)上網電價時，近期開發總裝機容量約為1.08 GW，相應年總發電量為2.75 TW·h，年總電價補貼額為9.2億元，相應電價附加增加0.21 厘/(kW·h)。

由圖5、圖6還能直接讀出設定不同的上網電價時，近期我國近海和潮間帶風電場的總裝機容量、年總發電量、年總補貼額和對應的電價附加增量。

海上風電項目投運后，因為各種因素可能導致機組部分棄風，故實際年總上網電量，以及相應的年總補貼額和電價附加增量會減少，可在本文計算結果的基礎上乘以合理的棄風率進行修正。

5 結 論

本文通過計算我國沿海全部100多個海上風電規劃項目的年發電量和發電成本，構建了我國海上風電供給模型，首次給出了基于規劃項目的我國海上風電供給曲線，預測了現行固定電價政策下我國海上風電近期的發展規模，計算了預測規模對應的年總補貼額和相應的電價附加增量，并首次使用總裝機容量、年總發電量、年總補貼額和電價附加增量四維坐標圖度量不同上網電價條件下我國海上風電的發展規模和補貼狀況。

(1)由我國海上風電供給曲線可以直接讀出，全部海上風電規劃項目的年總發電量為85.4 TW·h(對應總裝機容量為34.23 GW)，大部分海上風電規劃項目發電成本為0.7～1 元/(kW·h)。

(2)近海風電場執行0.85元/(kW·h)上網電價時，近期開發總裝機容量約為17.91 GW，相應年總發電量為45.6 TW·h，年總電價補貼額為187億元，相應電價附加增加4.2 厘/(kW·h)；潮間帶風電場執行0.75 元/(kW·h)上網電價時，近期開發總裝機容量約為1.08 GW，相應年總發電量為2.75 TW·h，年總電價補貼額為9.2億元，相應電價附加增加0.21 厘/(kW·h)。

(3)由本文圖5、圖6四維坐標圖能直接讀出在不同上網電價下，近期我國近海和潮間帶風電場的總裝機容量、年總發電量、年總補貼額和對應的電價附加增量。

本研究得到的我國海上風電供給曲線是同類研究的基礎性數據，也可支撐投資商的項目投資決策，其中固定電價政策的四維坐標圖則可作為政策制訂者的定量分析工具。

[1]國家發展和改革委員會. 國家發展改革委關于海上風電上網電價政策的通知(發改價格[2014]1216號)[S].

[2]Ali M, leyla M. The use of Grey System Theory in predicting the road traffic accident in Fars province in Iran[J]. Australian Journal of Business and Management Research, 2011, Vl.1 (9): 18-23.

[3]劉琳. 新能源風電發展預測與評價模型研究[D]. 北京：華北電力大學，2012. Liu Lin. Research on forecast and evaluation model in new energy wind power development[D].Beijing: North China Electric Power University, 2012.

[4]汪哲蓀，金菊良，魏一鳴，等.基于自助法的中國水電能資源開發利用Logistic預測[J].水電能源科學，2010, 28(10)：151-153. Wang Zhesun, Jin Juliang, Wei Yiming, etal. Logistic prediction model of hydroelectric power resources utilization in China based on bootstrap method[J].International Journal Hydroelectric Energy, 2010, 28(10): 151-153

[5]袁曉玲，范玉仙. 基于Logistic 和學習曲線模型的中國電源結構預測[J]. 湖南大學學報：社會科學版，2013，27(4)：51-55. Yuan Xiaoling, Fan Yuxian. Forecast of power source structure in China based on the logistic & learning curve model[J]. Journal of Hunan University (Social Sciences), 2013, 27(4):51-55.

[6]張延平，李明生. 廣東省產業結構演進預測及發展戰略選擇[J]. 統計觀察，2010，(5)：95-97.

[7]葉銀龍，劉于. 金融危機下浙江電子信息產業發展趨勢預測[J]. 科技通報，2010,26(2)：279-281. Ye Yinlong，Liu Gan. Forecast and trend of electronic information industry in Zhejiang under the financial crisis[J]. Bulletin of Science and Technology，2010, 26(2)：279-281.

[8]馮樹民，慈玉生. 居民出行產生量BP 神經網絡預測方法[J]. 哈爾濱工業大學學報,2010,42(10):1624-1627. Feng Shumin, Ci Yusheng. A forecast method for trip production based on BP neural network[J]. Journal of Harbin Institute of Technology, 2010, 42(10):1624-1627.

[9]鄭鳳霞. ARIMA 與指數平滑在區域高等教育規模預測中的比較研究[J]. 四川理工學院學報：自然科學版,2013,26(6):83-85. Zheng Fengxia. Comparing research on ARIMA model and exponential smoothing model in regional higher education scale forecasting[J].Journal of Sichuan Institute of Light Industry and Chemical Technology, 2013,26(6):83-85

[10]國家發展和改革委員會能源研究所.中國風電發展路線圖2050[R]. 北京： 國家發展和改革委員會能源研究所， 2011.

[11]Bernd M, Hong L X, Reinhard L, etal. Evaluation of offshore wind resources by scale of development[J]. Energy, 2012,48 :314-322.

[12]Hong L X, Bernd M. Feasibility study of China’s offshore wind target by 2020[J]. Energy,2012,48:268-277.

[13]Hong L X, Bernd M. Offshore wind energy potential in China: Under technical, spatial and economic constraints[J]. Energy, 2011, 36: 4482-4491.

[14]國家發展和改革委員會，建設部. 建設項目經濟評價方法與參數[M].3版. 北京： 中國計劃出版社,2006.

[15] www.4coffshore.com/windfarms/windspeeds.aspx[EB/OL].

[16]福建省能源研究會、福建省水利水電勘查設計研究院課題組.福建省海上風電開發的經濟性影響因素分析與產業發展對策研究[R].2011.

[17]Dicorato M, Forte G., Pisani M, etal. Guidelines for assessment of investment cost for offshore wind generation[J]. Renewable Energy, 2011, 36: 2043-2051.

[18]Mark J K, Brian S. Offshore wind capital cost estimation in the U.S. Outer Continental Shelf—A reference class approach[J]. Marine Policy, 2012,36:1112-1122.

[19]Hong L X, Bernd M. Offshore wind energy potential in China: Under technical, spatial and economic constraints[J]. Energy, 2011, 36: 4482-4491.

[20]國家發展和改革委員會. 國家發展改革委關于印發《可再生能源電價附加收入調配暫行辦法》的通知(發改價格[2007]44號)[S]. 2014.

(編輯:劉文瑩)

Supply Model and Development Scale Prediction of Offshore Wind Power

YUAN Zhaoxiang, LUO Jiasong, TIAN Xueqin, XU Tong, WANG Xinlei，QI Lizhong

(State Power Economic Research Institute, Beijing 102209, China)

To predict the development scale of offshore wind power under current electricity price policy in China, the supply model had been built through the following procedures. More than 100 planned offshore wind power projects in coastal provinces of China were investigated and annual electricity generation of which was calculated with using Weibull model. The generation cost of each project was calculated with using the investment model based on top-down and data fitting research methods. On the basis of the definition of basic return rate of project, the supply curve of offshore wind power in China based on planned projects was issued for the first time. According to the supply curve of offshore wind power, its development scale in China was predicted, with considering the price level in current fixed tariff policy. According to the electricity tariff of offshore wind power in China and its difference from the electricity tariff of local desulfurized coal, this paper calculated the related total annual subsidies and electricity price addition corresponding to the predicted scale of offshore wind power in China, and first used four dimensional coordinate including total installed capacity, total annual generated energy, total annual subsidies and electricity price addition, to measure the development scale and subsidy situation of offshore wind power in China under the condition of different electricity price.

offshore wind power; supply model; four dimensional coordinate graph; electricity tariff

Ctotal=Ceq+Cint+Ccon+Cotr

Ccon=CWT，con+CEX,con+COtr,con

CWT，con=2 500Exp(0.03D)

國家電網公司科技項目(B3440912K005)。

TM 614

A

1000-7229(2015)04-0134-05

10.3969/j.issn.1000-7229.2015.04.022

2015-02-02

2015-02-25

袁兆祥(1970)，男，高級工程師，主要從事電力系統規劃、設計和研究工作；

羅家松(1984)，男，碩士，工程師，主要從事新能源和可再生能源政策和發展規劃研究；

田雪沁(1985)，男，碩士，工程師，主要從事新能源和可再生能源政策和發展規劃研究；

徐彤(1968)，女，碩士，高級工程師，主要從事新能源和可再生能源政策和發展規劃研究；

王新雷(1969)，男，碩士，高級工程師，主要從事新能源和可再生能源政策和發展規劃研究

齊立忠(1968)，男，高級工程師，主要從事電力系統規劃、設計和研究工作。