基于系統(tǒng)動力學的以電代煤減排效益分析

張立輝，熊俊，喻小寶

?

基于系統(tǒng)動力學的以電代煤減排效益分析

張立輝，熊俊，喻小寶

(華北電力大學經(jīng)濟與管理學院，北京，102206)

從系統(tǒng)層面構(gòu)建以電代煤減排效益分析模型，為驗證以電代煤實施的減排效果提供理論依據(jù)。該模型以Vensim為建模平臺，以能源消費、經(jīng)濟發(fā)展和環(huán)境減排之間的關系為紐帶，建立以電代煤減排效益模型圖，在控制煤炭消費總量一定的情況下計算以電代煤的實施減排效果，為制定以電代煤相關政策提供量化依據(jù)。研究結(jié)果表明：實施以電代煤確實可以降低工業(yè)二氧化硫排放量；通過調(diào)整電煤消費比重、電力消費比重、火電比重、火電煤耗率都可以有效減少工業(yè)二氧化硫排放量；當電煤消費提高20%時，可以減少工業(yè)二氧化硫排放11%；當電力消費比重提高20%時，可以減少工業(yè)二氧化硫排放18%；在一定范圍內(nèi)，降低火電煤耗率也有助于減少工業(yè)二氧化硫的排放。

以電代煤；系統(tǒng)動力學；仿真；減排效益

目前，我國城市大氣污染比農(nóng)村嚴重，北京市近年來出現(xiàn)的嚴重霧霾天就是一個很明顯的案例，其主要原因是城市存在大量工業(yè)小鍋爐和民用爐灶等低矮熱源，這些燃料的使用會產(chǎn)生極大濃度的SO2，NO和TSP，進而造成地面SO2，NO和TSP濃度增加[1]。近年來，一些研究者[2?4]提出實行“以電代煤”，將煤炭等化石燃料轉(zhuǎn)變成電力加以利用，以提高總的能源效率，從而降低溫室氣體二氧化碳的排放量，減輕地面SO2，NO和TSP濃度。牛東曉等[5]采用一種較科學的折算辦法，從經(jīng)濟性和環(huán)境影響2個方面分析各種終端生活用能來研究電能在終端能源中的替代可行性。李媛媛等[6]對清潔能源供暖項目進行調(diào)查，通過實際數(shù)據(jù)佐證，提出以電代煤大有可為的觀點。一些國外學者[7?9]討論以電代煤的能源利用效率、經(jīng)濟可行性，提出發(fā)展以電代煤的具體措施。但由于人們開展電能替代的研究時間并不是很長，對經(jīng)濟效益和環(huán)境效益的分析并不完善，因而需要進行系統(tǒng)分析。而且當前對以電代煤的研究主要集中在對其社會效益、經(jīng)濟效益和環(huán)境效益的評價上[10?11]，而忽視了以電代煤所能產(chǎn)生的具體效益，同時對以電代煤的研究缺乏系統(tǒng)性，僅僅片面地從電能替代角度分析問題，忽視了電能替代所處環(huán)境的研究[12]。為此，本文作者通過探索能源、經(jīng)濟和環(huán)境間的內(nèi)在聯(lián)系，研究電力行業(yè)與其他行業(yè)污染排放率的差異，利用系統(tǒng)動力學理論[13]構(gòu)建以電代煤效益仿真系統(tǒng)，建立以電代煤減排效益分析模型，并以北京市為例，對以電代煤的實施效果進行驗證。

1 以電代煤分析模型

1.1 以電代煤減排效益模型

系統(tǒng)動力學理論與方法是20世紀 50 年代被提出的[14]。系統(tǒng)動力學是一種以反饋控制理論[14?15]為基礎，以計算機仿真技術(shù)為手段，用以研究復雜社會經(jīng)濟系統(tǒng)的一種定量方法，適用于處理長期性和周期性的問題，如自然界的生態(tài)平衡、社會問題中的經(jīng)濟危機等都呈現(xiàn)周期性規(guī)律并需通過較長的歷史階段來觀察。自系統(tǒng)動力學誕生以來，該方法已被成功地應用于企業(yè)、城市、區(qū)域、國家乃至世界規(guī)模的許多戰(zhàn)略與決策分析中，被譽為“戰(zhàn)略與策略實驗室”[16?17]。

運用Vensim PLE 軟件可繪制以電代煤系統(tǒng)的結(jié)構(gòu)模型圖，該結(jié)構(gòu)模型圖以以電代煤系統(tǒng)因果關系為基礎。在以電代煤系統(tǒng)的結(jié)構(gòu)模型圖中，系統(tǒng)各種因素內(nèi)部關系的數(shù)學公式是確定各種變量之間相互關系的基礎，這些數(shù)學公式則根據(jù)以電代煤系統(tǒng)內(nèi)部因果關系的描述得到。以電代煤系統(tǒng)結(jié)構(gòu)模型如圖1所示。

圖1 以電代煤系統(tǒng)流量存量圖

1.2 以電代煤減排效益計算模型

根據(jù)系統(tǒng)動力學的建模原理，利用Vensim軟件構(gòu)建北京市以電代煤系統(tǒng)模型，見圖1。涉及系統(tǒng)動力學方程有：

其中：為能源消費變化率；為能源消費彈性系數(shù)；為GDP增長率；ΔE為能源消費變化量；E為能源消費總量；為當前時間節(jié)點；INTEG(，)為系統(tǒng)動力學的累積變化函數(shù)；為變量的變化量；為變量的原始值；為時間節(jié)點到時間節(jié)點的時間跨度；為過去時間節(jié)點；C為原煤消費量；為原煤占比。

其中：E為電力消費量；為電力占比；E為火電發(fā)電量；為火電占比；T為電煤消耗量；為火電煤耗率；U為非電煤耗。

其中：1為第一產(chǎn)業(yè)產(chǎn)值；Δ1為第一產(chǎn)業(yè)產(chǎn)值增長值；1為第一產(chǎn)業(yè)產(chǎn)值增長率；2為第二產(chǎn)業(yè)產(chǎn)值；Δ2為第二產(chǎn)業(yè)產(chǎn)值增長值；2為第二產(chǎn)業(yè)產(chǎn)值增長率；3為第三產(chǎn)業(yè)產(chǎn)值；Δ3為第三產(chǎn)業(yè)產(chǎn)值增長值；3為第三產(chǎn)業(yè)產(chǎn)值增長率；為CO2排放量；為萬噸標準煤CO2排放量。

其中：S為電力行業(yè)SO2排放量；為電煤萬噸標準煤SO2排放量；U為非電力行業(yè)SO2排放量；為非電煤萬噸標準煤SO2排放量；S為工業(yè)SO2排放量。

2 模型檢驗

2.1 模型假設

2.1.1 初始值的確定

根據(jù)《北京市統(tǒng)計年鑒》，選取2000—2012年北京市相關數(shù)據(jù)，并將2000年作為基準年，故而以2000年相關數(shù)據(jù)作為相關存量指標的初始值，具體賦值如下：能源消費總量為4 144 t；第一產(chǎn)業(yè)產(chǎn)值為79.3億元；第二產(chǎn)業(yè)產(chǎn)值產(chǎn)值為1 033.3億元；第三產(chǎn)業(yè)產(chǎn)值為2 049.1億元。

2.1.2 常數(shù)值的確定

考慮模型可行性并結(jié)合盡量簡化模型的原則，對那些隨時間變化不顯著的參數(shù)近似取值為常數(shù)，根據(jù)實際情況進行多次檢驗。某些變量可以取常數(shù)：能源消費彈性系數(shù)取0.31，萬噸標準煤CO2排放系數(shù)取4.927。

2.2 系統(tǒng)真實性檢驗

北京市以電代煤系統(tǒng)仿真模型同樣以2000年為基準年，時間間隔選取1 a，選取2011年為仿真完成年。根據(jù)建立的北京市以電代煤系統(tǒng)模型和動力學方程，依靠Vensim軟件進行系統(tǒng)仿真，首先模擬北京市2000—2011年以電代煤系統(tǒng)的運行情況。

根據(jù)北京市以電代煤系統(tǒng)仿真運行，可以得到2000—2011年北京市能源消費總量、能源消費變化量、各產(chǎn)業(yè)產(chǎn)值及GDP的趨勢圖，如圖2所示； 2000—2012年北京市能源消費總量仿真值、實際值和誤差系數(shù)見表1。

表1 2000—2012年北京市能源消費總量仿真值、實際值和誤差系數(shù)

由圖2和表1可知：本文建立的北京市以電代煤仿真系統(tǒng)的變量仿真值與實際值的誤差范圍在10%以內(nèi)，屬于可信任范圍，說明模型的運行和北京市實際系統(tǒng)的運行擬合度高，通過本系統(tǒng)所模擬出來的數(shù)據(jù)結(jié)果是準確、可信的。

(a) 能源消耗變化量和能源消耗總量；(b) 第一產(chǎn)業(yè)產(chǎn)值和第二產(chǎn)業(yè)產(chǎn)值；(c) 產(chǎn)值

2.3 系統(tǒng)運行檢驗

現(xiàn)實中的系統(tǒng)是受許多因素影響的復雜系統(tǒng)，因此，選取不同的仿真步長進行仿真分析[18?19]，選取不同的時間步長D為1(basic)，0.5(basic-01)和0.25(basic-02)，即選取1 a，1/2a和1/4 a進行仿真，查看重要指標(GDP、電力消費量和工業(yè)SO2排放量等)的仿真比較結(jié)果。以GDP指標為例說明系統(tǒng)的穩(wěn)定性，如圖3所示。從圖3可見：GDP排放強度變動趨勢、GDP增加值變動趨勢基本一致，沒有發(fā)生劇烈的震蕩和波動，系統(tǒng)運行穩(wěn)定。

(a) GDP排放強度；(b) GDP增加值

3 結(jié)果分析與討論

3.1 案例基本信息

以構(gòu)建的以電代煤減排效益模型為基礎，選取北京市為研究對象，對北京市實施以電代煤政策的減排效益進行分析。設定多種情景計算以電代煤政策實施過程中不同因素對減排效益的影響，主要包括5種情景：基準情景、以電代煤情景Ⅰ、以電代煤情景Ⅱ、以電代煤情景Ⅲ和以電代煤情景Ⅳ(以下分別簡稱基準情景、情景Ⅰ、情景Ⅱ、情景Ⅲ和情景Ⅳ)。其中，基準情景是指不對原始系統(tǒng)中的任何參數(shù)進行調(diào)整，由此預測2020年的工業(yè)SO2排放量；情景Ⅰ在原始系統(tǒng)的基礎上僅調(diào)整電煤比重；情景Ⅱ在原始系統(tǒng)的基礎上僅調(diào)整電力消費比重；情景Ⅲ在原始系統(tǒng)的基礎上僅調(diào)整火電比重；情景Ⅳ在原始基礎上僅調(diào)整火電煤耗率參數(shù)。具體參數(shù)設定如表2所示。通過各以電代煤情景下的工業(yè)SO2排放量與基準情景下的工業(yè)SO2排放量對比，對以電代煤的減排效益及重要影響因素進行討論。此次模擬假定總的原煤消耗量是穩(wěn)定值，不隨著其他參數(shù)的改變而改變。

表2 5種情景下參數(shù)設定情況

注：0表示不變動；+20%表示增長20%；±10%表示增長或者降低10%。

3.2 結(jié)果分析

根據(jù)各情景的參數(shù)設定，以Vensim為建模平臺運行該系統(tǒng)，得到各情景下工業(yè)SO2排放量的變動趨勢圖。為了便于結(jié)果比較，將4種以電代煤情景分別與基準情景下的工業(yè)SO2排放情況進行對比，結(jié)果如圖4~7所示。

(a) 煤耗；(b) 工業(yè)SO2排放量

1—工業(yè)SO2排放量(以電代煤)；2—工業(yè)SO2排放量(baisc)

1—工業(yè)SO2排放量(basic)；2—工業(yè)SO2排放量(basic-05)；3—工業(yè)SO2排放量(basic-06)

1—工業(yè)SO2排放量；2—工業(yè)SO2排放量(basic-05)；3—工業(yè)SO2排放量(basic-06)

3.2.1 基準情景和情景Ⅰ對比分析

圖4所示為基準情景(basic)和情景Ⅰ(以電代煤)下的電煤消耗量、非電煤耗量和工業(yè)SO2排放量變動趨勢。從圖4可見：通過調(diào)整電煤比重實施以電代煤政策，一方面會導致電力行業(yè)煤炭消費增加，引起電力行業(yè)SO2排放量增加；另一方面，由于電煤比重增加導致其他行業(yè)的煤炭消費降低，進而導致其他行業(yè)的SO2排放量降低。綜合各行業(yè)的SO2排放量的變化情況，發(fā)現(xiàn)工業(yè)SO2排放總量是降低的，因此，提高電煤比重可以減低工業(yè)SO2排放總量。當電煤比重提高20%時，電力行業(yè)的SO2排放量會增加45%，而非電行業(yè)的SO2排放量會降低20%，工業(yè)SO2排放總量則會降低11%。所以，通過提高電煤比重來實施以電代煤政策對于環(huán)境減排的效益很大，對于改善空氣質(zhì)量效果明顯。

3.2.2 基準情景和情景Ⅱ?qū)Ρ确治?/p>

圖5所示為基準情景(basic)和情景Ⅱ(以電代煤)下的工業(yè)SO2排放量變動趨勢。從圖5可見：在考慮電力消費比重增長的情況下，一方面，更多行業(yè)采用電能進行生產(chǎn)，而取代以往的燃煤技術(shù)，進而極大程度地降低了SO2排放量；另一方面，電力消費比重增長必然導致電力供應需求增加，從而也會導致電煤消費量需求增大，進而引起電力行業(yè)SO2排放量增加，但從工業(yè)SO2排放總量看，其排放量是減少的，因此，增加電力消費比重可以減少工業(yè)SO2排放總量。在電力消費比重增大20%時，電力行業(yè)的SO2排放量會增大16.8%，而其他行業(yè)的SO2排放量減少27%，工業(yè)SO2排放總量減少18%。可見，通過提高電力消費比重對于緩解環(huán)境污染的壓力非常有效。

3.2.3 基準情景和情景Ⅲ對比分析

圖6所示為基準情景(basic)和情景Ⅲ(basic-05和basic-06)下的工業(yè)SO2排放量變動趨勢，其中提高火電比重10%的SO2排放量變動趨勢如圖6中曲線3所示，降低火電比重10%的SO2排放量變動趨勢如圖6中曲線5所示。從圖6可見：在降低火電比重時，工業(yè)SO2排放總量增加。當電煤量減少，而煤耗總量不變時，必然導致其他行業(yè)煤耗增加，電力行業(yè)單位煤耗產(chǎn)生的SO2較其他行業(yè)均值低，從而導致工業(yè)SO2排放量增加；當降低火電比重10%時，工業(yè)SO2排放總量上升4%，而當提高火電比重10%時，工業(yè)SO2排放總量降低6%。因此，只有在有效范圍內(nèi)控制火電比重才能有效降低工業(yè)SO2排放總量。

3.2.4 基準情景和情景Ⅳ對比分析

圖7所示為基準情景(basic)和情景Ⅳ(basic-05和basic-06)下工業(yè)SO2排放量變化趨勢，其中提高火電煤耗率10%的工業(yè)SO2排放量變化趨勢如圖7中曲線2所示，降低火電煤耗率10%的工業(yè)SO2排放量變化趨勢如圖7中曲線3所示。從圖7可見：在技術(shù)進步所引起的火電煤耗率降低情況下，相同數(shù)量的煤炭可以產(chǎn)生更多數(shù)量的電能，從而引起電力消費成本下降，使其他行業(yè)能源消費中的電能替代其他能源，導致其他行業(yè)煤炭消費量減少，進而降低工業(yè)SO2排放總量；當火電煤耗率降低10%時，工業(yè)SO2排放總量下降6%。因此，火電煤耗率降低對工業(yè)SO2排放總量產(chǎn)生一定影響。

4 結(jié)論

1) 構(gòu)建了以電代煤減排效益分析模型，對北京未來SO2排放量與電煤比重和火電消費比重等關系及其影響因素進行了數(shù)值模擬分析，并通過歷史真實性檢驗和系統(tǒng)運行檢驗，驗證了模型的有效性。

2) 在以電代煤情景Ⅰ下，電力行業(yè)的SO2排放量增加45%，非電行業(yè)的SO2排放量降低20%，工業(yè)SO2排放總量降低11%。因此，以電代煤的實施對于環(huán)境減排的效益明顯，這有利于提高北京未來空氣質(zhì)量。

3) 在以電代煤情景Ⅱ下，電力行業(yè)的SO2排放量增大16.8%，而其他行業(yè)的SO2排放量減少27%，工業(yè)SO2排放總量減少18%。所以，通過提高電力消費比重對于緩解當前環(huán)境污染的壓力非常有效。

4) 在以電代煤情景Ⅲ和情景Ⅳ下，在一定范圍內(nèi)，降低火電比重反而會導致工業(yè)SO2排放總量上升，降低火電煤耗率會導致工業(yè)SO2排放總量下降。因此，以電代煤的實施效果不僅僅取決于電力代替煤炭消費的能源替代階段，而且取決于發(fā)電結(jié)構(gòu)的優(yōu)化，將這2種措施綜合，有利于環(huán)境減排目標的實現(xiàn)。

[1] 曹東莉, 袁越, 李志祥. 電能替代應用及效益評價[J]. 電網(wǎng)與清潔能源, 2011, 27(4): 30?34.CAO Dongli, YUAN Yue, LI Zhixiang. Application and efficiency evaluation of alternative energy[J]. Power System and Clean Energy,2011, 27(4): 30?34.

[2] 蔡震, 李絢麗, 呂理想. 電加熱爐在以電代煤工程中的應用及效益分析[J]. 電力需求側(cè)管理, 2014, 16(4): 41?43.CAI Zheng, LI Xunli, Lü Lixiang. Application and benefit analysis of electric heating furnace in electricity instead of oil[J]. Power Demand Side Management, 2014, 16(4): 41?43.

[3] 朱庚富, 劉思湄, 濮文青. 以電代煤環(huán)境效益分析[J]. 云南環(huán)境科學, 2000, 19(1): 57?59.ZHU Gengfu, LIU Simei, PU Wenqing. Environmental benefit of replacing coal by electricity[J]. Yunnan Environmental Science, 2000, 19(1): 57?59.

[4] 張志敏. 秦皇島市以電代煤改善環(huán)境初探[J]. 中國環(huán)境管理干部學院學報, 2004, 14(1): 34?36.ZHANG Zhiming. The discussion of using electricity instead of coal and improving the environment in Qinhuangdao city[J]. Journal of Environmental Management College of China, 2004, 14(1): 34?36.

[5] 牛東曉, 張燁, 谷志紅. 電能在終端能源中的替代研究[J]. 現(xiàn)代經(jīng)濟, 2008(B07): 61?62.NIU Dongxiao, ZHANG Ye, GU Zhihong. Instead of the electric power in the end use energy[J]. Modern Property Management, 2008(B07): 61?62.

[6] 李媛媛, 牛東曉, 李韓房. 電能在終端能源中的競爭力分析評價指標體系的構(gòu)建研究[J]. 華東電力, 2008, 36(5): 34?37.LI Yuanyuan, NIU Dongxiao, LI Hanfang. Construction of competence assessment systems for electricity in final energy[J]. China Electric Power, 2008, 36(5): 34?37.

[7] Mousavi-Avval S H, Mohammadi A, Rafiee S, et al. Assessing the technical efficiency of energy use in different barberry production systems[J]. Journal of Cleaner Production, 2012, 27: 126?132.

[8] DENG Anpeng, DENG Yixuan. Conflict of coal and electricity price’s impact on national economic development[J]. Advanced Materials Research, 2013, 734: 1675?1678.

[9] LI Binjie, NIU Dongxiao, HUA Fuyu, et al. From electricity smart grids to smart energy systems: A market operation based approach and understanding[J]. Energy, 2012, 42(1): 96?102.

[10] Li B J, Niu D X, Hua F Y, et al. The benefit analysis of applications of alternative energy in small public transportation system[J]. Applied Mechanics and Materials, 2014, 644: 6114?6117.

[11] Janssens M, Van der Mijnsbrugge A, Mainar M S, et al. The use of nucleosides and arginine as alternative energy sources by coagulase-negative staphylococci in view of meat fermentation[J]. Food Microbiology, 2014, 39: 53?60.

[12] Atabani A E, Silitonga A S, Badruddin I A, et al. A comprehensive review on biodiesel as an alternative energy resource and its characteristics[J]. Renewable and Sustainable Energy Reviews, 2012, 16(4): 2070?2093.

[13] HE Ping, WEN Fushuan, Ledwich G, et al. Effects of various power system stabilizers on improving power system dynamic performance[J]. International Journal of Electrical Power & Energy Systems, 2013, 46: 175?183.

[14] Forrester J W. System dynamics, systems thinking, and soft OR[J]. System Dynamics Review, 1994, 10(2/3): 245?256.

[15] Anderies J M. Understanding the dynamics of sustainable social-ecological systems: Human behavior, institutions, and regulatory feedback networks[J]. Bulletin of Mathematical Biology, 2015, 77(2): 259?280.

[16] Giancarlo C. Choice of motor and transmission in mechatronic applications:Non-rectangular dynamic range of the drive system[J]. Mechanism and Machine Theory, 2015, 85: 35?52.

[17] LU Jianwei, XIN Jiayun, Vakakis Alexander F. Influences of system parameters on dynamic behavior of the vehicle shimmy system with clearance in steering linkage[J]. Journal of Vibration and Control, 2015, 21(2): 359?370.

[18] Jorge S M, Daniel M B, Miguel A E A. A model for the simulation of energy gains when using distributed maximum power point tracking (DMPPT) in photovoltaic arrays[J]. Progress in Photovoltaics, 2015, 23(2): 182?193.

[19] Mamun A, Wang D, Narayanan I. Physics-based simulation of the impact of demand response on lead-acid emergency power availability in a datacenter[J]. Journal of Power Sources, 2015, 275: 516?524.

(編輯 陳燦華)

Analysis on reduction benefits of substituting electricity for coal based on system dynamics

ZHANG Lihui, XIONG Jun, YU Xiaobao

(North China Electric Power University, School of Economics and Management, Beijing 102206, China)

Constructing reduction benefit analysis model of electricity in place of coal on the system level, a theoretical basis was provided to verify the emission reduction of implementation of electricity instead of coal. Using vensim as modeling platform, using the relationship between energy consumption, economic development and environmental emissions as link, model diagram of reduction benefit of electricity in place of coal was established. The reduction effect of electricity in the case of a certain control of total coal consumption was calculated, and a quantitative basis for developing the policy related to electricity instead of coal was provided. The results show that the implementation of electricity instead of coal really reduces emission of industrial sulfur dioxide. By adjusting the proportion of power coal consumption, the proportion of electricity consumption, the proportion of thermal power and the thermal power coal consumption rate, emission of industrial sulfur dioxide are effectively reduced. When the consumption of power coal increases by 20%, the emission of industrial sulfur dioxide is reduced by 11%, while the proportion of electricity consumption increases by 20%, the emission of industrial sulfur dioxide is reduced by 18%.Within a certain range, reducing the thermal power coal consumption rate can also reduce the emission of industrial sulfur dioxide.

electricity in place of coal; system dynamic; simulation; emission reduction benefits

10.11817/j.issn.1672-7207.2015.04.046

TK018

A

1672?7207(2015)04?1527?07

2014?08?10；

2014?10?10

國家自然科學基金資助項目(71171079，71271081)(Projects (71171079, 71271081) supported by the National Natural Science Foundation of China)

張立輝，博士，教授，從事管理科學與工程研究；E-mail：zlh6699@126.com