波動性可再生能源消納水平評價及空間溢出效應研究

呂 濤，王 巖，潘俊菊

當前，世界各國正在進行一場由化石能源轉向可再生能源的能源革命，而這場能源革命的關鍵是電力轉型(IEA，2018)。風電和光伏發電是技術較為成熟、未來最具潛力的可再生能源發電方式，是能源和電力轉型的主力軍，但是都具有很強的波動性、隨機性，被稱為波動性可再生能源(Variable Renewable Energy，簡稱VRE)。風電、光伏發電等電源的波動性源于一次能源，受天氣狀況影響極大，在不同時間尺度和空間范圍呈現不同的波動特性(IEA，2011)。

當前我國各省份的波動性可再生能源消納水平參差不齊，亟需提高。在消納量方面，2017年內蒙古、河北和山東三個省份較高，其中內蒙古消納量全國第一，達528億千瓦時；西北和東南內陸地區則較為居中；西藏消納最低，僅為8億千瓦時。在消納比重方面，我國各省(區、市)分布出現明顯的邊界劃分，西北和北部地區相較于其他地區偏高，其中寧夏最高，達21%；全國共有11個省份消納比重超過10%；重慶消納比重最低，僅為2.4%。全國電力需求放緩、部分省份電網規劃建設不足、西北地區大規模外送受阻以及本地消納不足等原因，使得波動性可再生能源的消納受到限制。

隨著風電、光伏發電等可再生能源的高比例并網，如何提高其消納水平受到了廣泛關注。相關研究包括消納能力的測算與評估(Zhen等，2016；Wang等，2018；張曉英等，2019；李軒等，2019)、消納影響因素分析(牛東曉等，2016；張振宇等，2019；舒印彪等，2017；劉小聰等，2017)、最優消納模型的構建(崔楊等，2016；劉小聰等，2015；宋藝航等，2014)等。但是，關于波動性可再生能源消納的空間相關性及空間溢出效應的研究文獻很少。實際上，區域之間的空間聯系也會影響波動性可再生能源的消納，包括區域互聯可以消除可再生能源資源富集地區和需求中心之間的空間不匹配、波動性可再生能源出力預測技術的空間溢出、臨近區域電力需求的增加減緩了電力過剩壓力等。

基于中國2011—2018年波動性可再生能源消納的面板數據，本文將采用熵權TOPSIS和空間計量等方法，通過非水可再生能源發電消納比、非水可再生能源電力消納比重、年均利用小時數和棄風電量四個指標對波動性可再生能源的消納水平進行測算，進而分析中國省域波動性可再生能源消納的空間相關性，從電力投資額、跨區互聯能力、火電裝機容量、人均GDP和電力需求量五個角度對波動性可再生能源消納的空間溢出效應進行實證分析。

一、 方法與數據

(一) 數據計算方法

1. 熵權TOPSIS法

熵權TOPSIS法是一種基于多指標有限方案的決策方法(杜挺等，2014)，對原始數據的信息還原度很高，并能直觀反映各個方案之間的總體差距，具有評價結果較為客觀、應用限制較少以及原始數據利用充分等優點(Tong等，2016)。本文利用該方法對波動性可再生能源的消納水平進行測算，具體步驟如下：

(1) 構建決策矩陣。設本文研究對象為M=(M1,M2…M31)，指標為N=(N1,N2…N4)，分別對應非水可再生能源發電消納比、非水可再生能源電力消納比重、年均利用小時數和棄風電量。根據研究對象及指標的原始數據構建決策矩陣為X=(xij)：

(1)

(2) 根據指標的性質，將分為正向指標(即越大越優型)、負向指標(即越小越優型)和適度指標，進行數據標準化得到vij，通過計算熵值進而確定各指標權重。

(2)

其中，

(3)

(3) 求得最優理想解與最劣理想解，得到各研究對象到最優理想解與最劣理想解的歐氏距離，從而計算各研究對象的相對貼近度。

(4)

2. 空間計量方法

(1) 空間計量步驟

空間計量方法一般按照因變量和自變量選擇、空間相關特征分析、空間計量模型選擇、Hausman檢驗、空間權重矩陣選擇、計量結果分析和溢出效應分解七個步驟執行，如圖1所示。其中因變量和自變量選擇主要以已有研究和相關政府提出的指標為基礎進行添加或刪減，因變量若為多個指標時，可采用熵權法、DEA等評價方法進行測算；空間相關特征通過全局Moran’s I指數、Moran’s I散點圖和LISA聚類圖來解釋；根據LM、Robust LM、Wald和LR檢驗的顯著性對空間計量模型進行選擇；Hausman檢驗則可以判斷空間計量模型選擇固定效應或隨機效應，其中固定效應又分為個體固定、時間固定和雙固定三種；空間權重矩陣的選擇對空間分析起到根本決定作用，最常見的空間權重矩陣有0-1鄰接矩陣、地理距離矩陣和經濟距離矩陣，除此之外還有嵌套矩陣(Hines，1993)、高階空間權重矩陣等；模型、效應和矩陣三者結合則可以對因變量執行計量回歸程序，進而對各自變量的相對影響因子加以分析；最后可根據空間計量模型對其溢出效應進行分解，包括直接效應、間接效應和總效應三種(徐秋艷等2019)。

圖1 空間計量方法步驟

(2) 空間計量分析

① 空間相關性分析

空間相關性分析包括全局空間相關性分析和局部空間相關性分析。全局空間相關性分析是對31個省市在整個區域的空間分布情況的總體描述(Li，Hong，2019)，一般用全局Moran’s I指數來衡量。局部空間相關性分析是對31個省區市在局部區域的空間分布情況的總體描述，一般用Moran’s I散點圖和LISA聚類圖來衡量。全局相關Moran’s I和局部相關Moran’s I統計可分別通過公式5和公式6測算得到：

(5)

(6)

其中，Wij是地區i和j之間的空間權重，xi是地區i的屬性，X為xi的平均值。

② 空間計量模型

空間滯后模型(Spatial Lag Model，SLM)研究因變量在鄰近地區的行為對整個系統其他地區行為的影響，而空間誤差模型(Spatial Error Model，SEM)的空間依賴作用存在于誤差項中，研究鄰近地區的誤差沖擊對其他地區行為的影響(任通先、龍志和、陳青青，2015)?？臻g杜賓模型(Spatial Durbin Model, SDM)是在空間誤差和空間滯后模型的基礎之上將因變量加入模型中，同時考慮了因變量和自變量的空間相關性(Lesage，Pace，2009)。由此得到本文的計量模型表達式為：

y=ρWijy+β1*IP+β2*CRIC+β3*ITP+X4*CGDP+β5*PD+

Wijθ1*IP+Wijθ2*CEIC+Wijθ3*ITP+Wijθ4*CGDP+

Wijθ5*PD+ε

(7)

其中，IP、CRIC、ITP、CGDP、PD分別指電力投資額、跨區互聯能力、火電裝機容量、人均GDP和電力需求量這五個影響因素，y為波動性可再生能源的消納水平。

③ 空間權重矩陣

本文考慮了空間權重矩陣的三種形式，即0-1鄰接矩陣、地理距離矩陣和經濟距離矩陣。其中0-1鄰接矩陣通過公式8計算而來，兩省區市之間的0-1鄰接矩陣是相鄰為1，不相鄰為0；根據31個省區市經緯度距離，利用Matlab的Distance函數計算得到兩地區間的地理距離，由于空間依賴關系隨著距離的增加而衰減，需要對地理距離取倒數或者退坡函數形式來表示地理距離矩陣(王兵、張技輝、張華，2011)，本文采用了取倒數值這一方法；經濟距離矩陣通過使用2011-2018年的人均GDP測算而來，見公式9：

(8)

Wij=1/ABS(CGDPI-CGDPJ)

(9)

其中，i和j分別為地區i和地區j，CGDPI和CGDPJ分別為地區i和j的人均GDP。

(二) 數據來源

當前，針對波動性可再生能源消納水平的評價較少，本文主要依據國家發展改革委和國家能源局發布的《清潔能源消納行動計劃(2018-2020年)》和國網能源研究院在《中國新能源發電分析報告(2019)》中提到的國家消納監測評價指標，結合相關性、可得性等原則，從利用和棄電兩個角度提出波動性可再生能源消納水平的評價指標，包括非水可再生能源發電消納比、非水可再生能源電力消納比重、年均利用小時數、棄風量。其中，非水可再生能源發電消納比為風光發電量與非水可再生能源電力消納量之比；非水可再生能源電力消納比重為非水可再生能源電力消納量與本地區全社會用電量之比；年均利用小時數為風電機組一年內的平均運行小時數；棄風量為各省區市未能實現上網利用的風電量。

對于消納影響因素，舒印彪等指出“三北”地區消納條件不足，東中部地區電網互聯能力不足，是影響新能源消納的主要原因，認為電源調節能力(最大和最小技術出力)、電網互聯能力(外送輸入)、負荷的規模及峰谷差等與新能源消納問題呈強相關性(2017)。朱凌志等認為消納能力和消納水平決定了能否實現風電的最大化消納，即系統調節能力、電網輸電能力、并網技術性能和調度運行水平等(2011)。在此基礎上，本文重點考慮電力投資額、火電裝機容量、電力需求量、人均GDP、跨區互聯能力五個因素對可再生能源消納的影響。其中，電力投資額為各省區市每年對電力行業的固定資產投資額；火電裝機容量為火電機組額定功率的總和；電力需求量為歷年統計年鑒中的電力消費量數值；跨區互聯能力通過輸電能力、變電能力和凈輸出量三個指標利用變異系數法和模糊綜合評價法測算而來，其中輸電能力以“35 kV及以上輸電線路回路長度”來表示，變電能力以“分地區35 kV及以上變壓器銘牌容量”來代替，凈輸出量為各省區市輸入輸出量之差。

所用數據均來源于歷年《中國統計年鑒》、《中國能源統計年鑒》、《中國電力年鑒》、《中國風能太陽能資源年景公報》、國家能源局相關統計資料公告、中國經濟與社會發展統計數據庫和Wind資訊數據庫等，因數據可得性限制，未統計香港、澳門和臺灣的相關數據。由于統計及公布文件不全等原因，少量數據存在部分年份缺少的情況，依據插值法、增長預測等方式對其進行漏缺填補。

二、 波動性可再生能源消納水平測算

根據所選指標，本文利用熵權TOPSIS法對中國省域波動性可再生能源消納水平進行了測算，其中非水可再生能源發電消納比、非水可再生能源電力消納比重、年均利用小時數和棄風電量的權重經熵值法計算分別為0.1553，0.7393，0.0505和0.0549。從圖2(a)可以看出，2011—2018年中國波動性可再生能源消納水平呈現波動小幅增長趨勢；六大電網覆蓋區域間的消納差別較大，西北、東北和華北地區一直處于全國平均水平之上，而華東、南方和華中三大電網區域消納水平較低。圖2(b)給出了8年間各省市波動性可再生能源的消納均值，水平線為全國消納均值線，全國超1/3的省市超越該線，其余省區市消納水平偏低。安徽、云南、湖北、內蒙古、青海和吉林分別位于華東、南方、華中、華北、西北和東北電網區域各省區市首位，西北電網除陜西外均超過全國均值線。

圖2 2011-2018年全國各區域平均消納水平

六大電網區域的各省份波動性可再生能源消納水平走勢如圖3所示。華東電網中，福建的消納水平逐年緩慢下降，但仍遠高于上海，安徽增長幅度最為明顯，呈指數型曲線爆發增加；南方電網中，海南的消納水平逐漸下降，云南近幾年增長速度最快，其余省份發展趨勢較穩；華中電網中，除四川和重慶外，其余省份均在逐步上漲；華北電網中，內蒙古的消納水平遠高于其他省區市，山東出現下降走勢；西北電網中，陜西對波動性可再生能源的消納堪憂，青海和甘肅在逐年下降；華北電網中，吉林和黑龍江的消納振動起伏，而遼寧下降幅度顯著。甘肅、遼寧出現下降趨勢，主要原因為與2014年之前相比，最近幾年棄風較多；福建、海南、青海等則由于近些年風電利用小時數較之前有所下降。

三、 空間相關分析

通常，全局Moran’s I指數值介于-1和1之間，當I=0時，說明研究對象的屬性是隨機分布的；當I<0時，說明研究對象的屬性是負相關關系，I越接近-1負相關性越大；當I>0時，說明研究對象的屬性是正相關關系，I越接近1正相關性越大(Ye，Sun，Chen，2018)。空間權重采用queen標準，研究對象數據均采用其對數形式。表1為波動性可再生能源消納近8年來的Moran’s I指數趨勢表，可以看出，整體呈現正相關關系，并且均在1%的水平上顯著，這說明波動性可再生能源消納存在較強的空間相關性。

表1 Moran’s I指數

通過Moran’s I散點圖和LISA聚類圖進一步對中國波動性可再生能源消納進行局部空間相關特征分析。圖4為全國31個省市波動性可再生能源消納的Moran’s I散點圖，第一象限是“高—高”區域，代表波動性可再生能源消納水平高的省區市其相鄰省區市的消納水平也比較高; 第二象限是“低—高”區域，代表波動性可再生能源消納水平低的省區市其相鄰省區市的消納水平反而較高；第三象限是“低—低”區域，代表波動性可再生能源消納水平低的省區市其相鄰省區市的消納水平也比較低；第四象限是“高—低”區域，代表波動性可再生能源消納水平高的省區市其相鄰省區市的消納水平反而較低?？梢钥闯?，Moran’s I散點圖位于第一、三象限的點始終多于二、四象限，說明波動性可再生能源消納水平與空間分布的相關性在逐年增加，整體在2011年時較為集中，隨后逐漸出現發散形式。

8年間黑龍江、新疆、寧夏等12個省份均出現在第一象限，即表現出高—高集聚；湖北、浙江、江西等10個省份一直處于第三象限，即表現出低—低集聚；而四川均在第二象限，即表現出低—高集聚，說明該省的波動性可再生能源消納水平本地區與鄰近地區發展不協調。山西于2014年由第二象限發展至第一象限，即由“低—高”到“高—高”，說明自身地區的消納水平有所提高，陜西于2018年出現該情況；山東于2016年由“高—低”發展至“低—低”，說明近幾年山東省的消納水平在下降，而與此同時云南與山東變化相反，表明云南近幾年的消納水平在不斷提高；河南于2018年由“低—低”發展至“低—高”，說明河南鄰近區域的消納水平在上升，同年湖南和安徽由“低—低”轉變至“高—低”，代表兩省的消納水平有所增長。

圖4 Moran’s I散點圖注:海南省在GeoDa軟件的空間權重矩陣中無鄰域,因此未顯示在Moran's I散點圖中。

為了更好地分析31個省區市波動性可再生能源消納的分布集聚類型和集聚程度，本文引入一階鄰接“Queen標準”權重矩陣，通過GeoDa軟件對2011—2018年我國各省區市的波動性可再生能源消納的局部空間相關性進行聚類分析。通過LISA聚類圖分析發現：2011—2018年期間我國各省區市波動性可再生能源消納的高-高和低-低區域集聚顯著。黑龍江、吉林、遼寧、內蒙古、甘肅和新疆均為高-高階段，為高值集聚區；而青海起初為高-高區域，后發展為不顯著地區，青海鄰近區域省份出現消納水平下降走勢。浙江、廣東、江西、湖南和重慶一直處于低-低階段，為低值集聚區；而福建、廣西、貴州、湖北和安徽起初均屬于低值集聚區，后逐漸發展成為不顯著地區，說明這些省份鄰近區域的消納水平有所提高。其余省區市的局部空間相關程度并不顯著，說明鄰近區域的消納水平有高有低。

四、 空間計量模型分析

(一) 模型選擇

Moran’s檢驗只能夠檢驗出變量之間是否存在空間自相關，LM檢驗則可以進一步對空間自相關的存在形式進行檢驗，因此對波動性可再生能源消納進行2011-2018年的面板LM檢驗，包括LM-Error檢驗、Robust LM-Error檢驗、LM-Lag檢驗和Robust LM-Lag檢驗。其中，LM-Error檢驗的備擇假設模型是空間誤差自相關和空間誤差移動平均模型，LM-Lag檢驗的備擇假設模型是空間滯后模型，穩健LM-Error檢驗和穩健LM-Lag檢驗是對出現模型誤設時的LM-Error檢驗和LM-Lag檢驗的修正。從表2可以看出，空間滯后和誤差模型的p值并不顯著，進而執行Wald和LR檢驗，通過了1%顯著性水平檢驗，因此需要選擇空間杜賓模型進行計量分析。Hausman檢驗結果顯示，t統計值為21.0654，其對應的p值為0.0124，在5%水平上顯著，表明拒絕原假設，應該選擇固定效應模型。本文同時結合R2結果和自變量顯著個數選擇了地理距離矩陣和個體固定效應模型，此模型可以解釋因變量動態變化的90.23%，說明模擬效果較優。

表2 模型檢驗

(二) 結果分析

表3給出了空間面板杜賓模型的回歸結果?？梢钥闯?，火電裝機容量(ITP)表現出顯著的負向作用，在5%水平上顯著。隨著火電裝機容量的增加，波動性可再生能源消納水平降低，說明火電裝機在一定程度上會抑制波動性可再生能源的消納。電力投資額(IP)、跨區互聯能力(CRIC)、人均GDP(CGDP)均表現出顯著的正向作用，電力需求量(PD)作用為正但不太顯著。與預期相同，電力投資額的增加會顯著提高消納水平；跨區互聯能力在1%水平上顯著，且作用效果為正，說明各省區市跨區互聯能力的增加會顯著促進消納水平的提高，尤其是對于西北地區各能源大省來說，跨區互聯能力的提高意味著省域間互聯互輸能力增強，棄風棄光問題將得到大大緩解；人均GDP作用為正且在5%水平上顯著，說明波動性可再生能源的消納會隨著經濟的發展而提高。經濟-雙固定模型回歸結果為佐證地理-個體固定模型各變量作用方向的準確性，在此不做詳細闡述。

(三) 效應分解

根據空間面板杜賓模型的回歸結果，進一步對解釋變量變化所產生的空間溢出效應加以分解，表4給出了各變量對波動性可再生能源消納的直接效應、間接效應和總效應，其中總效應為直接效應和間接效應之和。

表3 空間面板杜賓模型回歸結果

表4 空間溢出效應分解

電力投資額(IP)對波動性可再生能源消納的直接效應為0.2435，且在1%水平上顯著，說明電力投資額的增加顯著推動波動性可再生能源的消納?？鐓^互聯能力(CRIC)對波動性可再生能源消納的直接效應為1.0869，通過1%顯著性水平檢驗；間接效應為正；總效應為1.6613，在1%水平上顯著。這說明跨區互聯能力對消納水平的正向空間溢出效應顯著，跨區互聯能力的增加將有效提高西北地區大規模遠距離輸送效率，推動跨省跨區域的電力市場交易進展?；痣娧b機容量(ITP)對波動性可再生能源消納的直接效應為-0.3713，在5%水平上顯著；間接效應為-0.8893，通過了10%顯著性水平檢驗；總效應為-1.2606，在5%水平上顯著。這說明火電裝機的增加會顯著抑制波動性可再生能源的消納，且具有負向空間溢出效應，火電競爭力較強，很大程度上占據了清潔能源的消納市場。人均GDP(CGDP)對波動性可再生能源消納的直接效應為0.4985，通過了10%水平檢驗；間接效應為1.3714，在1%水平上顯著；總效應為1.8699，且在1%水平上顯著，總體溢出效應為正，說明經濟發展對能源消納的推動作用極為顯著。電力需求量(PD)對波動性可再生能源消納的直接效應、間接效應和總效應均為正。

五、 結 論

波動性可再生能源出力和消納受空間位置的影響，研究波動性可再生能源消納的空間相關特征以及溢出效應，可以發現其空間格局及影響因素，為相關政府部門的決策提供借鑒與參考，為我國電力轉型提供理論支持與指導。本文研究表明：(1) 六大電網區域的波動性可再生能源消納水平存在較大差異，三北地區均高于全國平均水平，安徽、云南、湖北、湖南、河南和江西6個省份消納水平有明顯增加；(2) 波動性可再生能源消納具有較強的空間正相關性，高值集聚和低值集聚區域顯著；(3) 電力投資額、跨區互聯能力和人均GDP均存在顯著的正向空間溢出效應，電力需求量作用為正但溢出效應不顯著；(4) 火電裝機的負向空間溢出效應顯著，在一定程度上會抑制波動性可再生能源的消納。

基于以上結論，本文提出以下建議：(1) 優化裝機結構，提高電力系統靈活性。在發展可再生能源的大目標下，因地制宜，對風能和太陽能光伏與其他能源的裝機結構進行合理規劃，逐步減少常規火電裝機，增加天然氣、熱電聯產等靈活性資源裝機比例，提高風能和太陽能光伏消納能力，減少棄風棄光現象。(2) 加大跨區域電網建設力度，提高跨區互聯能力。推進跨區域特高壓線路建設，實現清潔能源大規模外送，可以有效解決波動性可再生能源在生產和消費上的空間逆向分布，提高整體消納水平。(3) 增加電力投資，提升電網優化調度能力。增加對波動性可再生能源發電側、電網側及需求側的電力投資，加快現代化科學配電網及微電網建設，加速構建現貨交易市場，提升電網的資源優化與調峰能力。