分布式光伏項目空間匹配特征及影響因素研究
——以北京市為例

趙振宇，付 鈺

(1.華北電力大學 經濟與管理學院，北京 102206； 2.新能源電力與低碳發展研究北京市重點實驗室，北京 102206)

合理布局、積極開發清潔能源是“十四五”規劃的能源發展要求，有利于我國碳排放在2030年前達到峰值、2060年前實現碳中和目標[1]。為促進城市能源低碳優化，北京等一些大型城市正積極嘗試通過發展分布式可再生能源對傳統能源進行增量替代[2-3]，如北京市發改委等部門聯合下發的《關于進一步支持光伏發電系統推廣應用的通知》中，明確提出重點支持發展多領域光伏應用項目并提供項目補貼。在這一背景下，如何科學評價分布式項目對城市資源稟賦的適應度以及對用戶用能需求的反應能力，準確識別影響分布式光伏發電項目發展的因素，成為統籌分布式能源項目規模、優化項目布局的重要基礎問題。

從近年來分布式能源項目并網規模影響因素的研究看，已有從考慮用戶負荷特征和分布式消納匹配關系角度，以發電消納最大化為目標，研究用戶意愿及生活習慣與分布式發電之間的耦合聯系[4]；根據分布式電源出力特點，分析其對不同用戶的負荷可靠性[5]。在可再生資源和發電規劃匹配方面，已有研究側重于通過擬合分析對項目選址和資源潛力進行匹配[6]，或基于匹配度評估模型進行項目布局規劃分析[7]。但現有研究多是從單一維度對分布式能源項目規劃的影響因素進行研究，尚未有統籌考慮資源分布側和用戶負荷側的綜合影響。

匹配度模型可以有效度量2個及以上相互依賴、相互影響的系統間的耦合協調程度[8]。探索性空間數據分析是一種通過對象空間分布的特征研究其空間聚集性和異質性的方法[9]，可以從整體上系統地對研究對象進行空間分異特征分析，但無法深入探察不同影響因素對研究對象空間分布的影響效果。空間自回歸分析方法[10]可用于探究驅動因素并解釋具有空間相關性的因素對研究對象的影響程度。由于分布式光伏項目布局存在空間差異性，且太陽能資源條件、光伏項目布局及用戶需求間存在相互影響、相互制約的關系，因此本文擬將3種方法相結合，從空間分異特征、特征要素與解釋變量之間的相關度全面研究不同區域分布式能源項目在地理位置、空間布局上的差異及分布式能源建設規劃的相關影響因素。

本文首先提出分布式光伏項目“資源條件—項目布局—用戶需求(R-P-D)”鏈的概念，分析鏈路內部匹配耦合機理，構建匹配度準則體系；在此基礎上，以北京市為研究對象，將匹配度模型和探索性空間數據分析相結合，研究16個行政區的分布式光伏項目“R-P-D”鏈路匹配度的空間分布特征；應用空間自回歸分析模型探究資源側和用戶側的驅動因素對分布式光伏項目并網規模的影響程度；從政策、技術、監管等維度針對北京市各行政區不同的匹配程度和特征，提出發展分布式光伏的具體對策建議，所建模型及研究方法可為城市可再生分布式項目建設規劃和布局優化提供支持。

1 項目概況

分布式能源項目的建設規劃需要平衡項目與區域資源條件和用戶用能需求兩側的變化態勢，從而達到柔性匹配，滿足區域低碳綠色和經濟發展的要求。可再生資源條件、分布式能源項目及用戶負荷需求構成的整體鏈路是一個互相影響、動態變化的雙側隨機鏈系統[11]。因此，分析分布式能源“R-P-D”鏈路的匹配作用機理和北京市目前的鏈路現狀是本文研究的基礎。

1.1 分布式能源“R-P-D”鏈匹配作用機理

分布式能源“R-P-D”鏈以綠色低碳、可持續和發展經濟為匹配目標。太陽能資源是實現系統目標的基本條件；政府激勵政策引導、用戶節能低碳意識和企業減排社會責任意識增強等用戶側用能特征是區域“R-P-D”鏈路匹配目標的重要推動力；分布式能源作為鏈路耦合連接點，是動態調節可再生資源稟賦與當前社會發展階段用戶需求的支撐。“R-P-D”鏈各子系統間匹配作用機理如圖1所示。

圖1 分布式光伏“R-P-D”鏈作用機理

1.2 北京市分布式能源“R-P-D”鏈概況

1.2.1 北京市可再生能源資源

北京市可再生能源資源主要包括太陽能、生物質能、風能等。其中，風力資源相對匱乏，生物質資源總量則呈逐年降低趨勢，大規模開發潛力不大。北京屬太陽能資源較豐富帶[12]，年均日照時數在2 600～3 000 h，年輻射總量為1 412 kWh/m2，平均日輻射量為3.94 kWh/m2，分區年輻射總量和平均日照時長如圖2所示。

圖2 北京市太陽能資源概況

1.2.2 北京市分布式能源發電

“十三五”時期，北京市風電裝機趨于平緩，受環境資源的限制，風電開發趨于飽和；相比之下，光伏累計裝機規模增幅較大，如2019年北京市分布式光伏裝機規模為51萬kW，約為分散式風電裝機規模的3倍；截至2020年6月末，北京市累計分布式光伏發電并網運行55萬kW。2015年以來，北京市先后出臺相關文件，通過發電獎勵補貼、技術扶持政策引導用戶綠色用電用能，鼓勵新建住宅小區、郊區低密度住宅區、農村住宅使用分布式光伏發電系統，大力推動分布式光伏項目建設。

1.2.3 北京市用戶用能需求

北京市作為一座超大城市，2019年日均能源消耗20.17萬t標準煤，日均用電3.01億kWh，用能需求大。隨著基礎用能和經濟增長用能需求的持續增加，北京市需降低能源碳排放，積極發展綠色用電。2019年，北京市以1.25%的年能耗增加率支撐了年均6.1%的經濟增長，節能減排效果顯著。但目前北京市總能耗仍然偏高，需要持續推進綠色用能相關措施，包括開發屋頂光伏[13]，加快構建清潔低碳能源消費結構。

2 “R-P-D”鏈匹配度空間分析模型

2.1 匹配指標體系

分布式能源“R-P-D”鏈匹配實質上是能源資源合理充分開發、項目規模滿足用戶綠色用能需求的一種動態平衡。已有研究主要從輻射總量和日照時長對太陽能資源進行評估[12]，認為加大分布式光伏項目開發對太陽能資源利用有重要影響[14]；城鎮、農村和工礦用地屋頂、居民環保理念的提高，對用戶應用分布式光伏發電有推動作用[15-16]；電耗強度、GDP水平等因素對電力需求有較大影響[17-18]。本文在已有研究基礎上，根據科學性、系統性與可操作性的原則，結合分布式能源“R-P-D”鏈匹配作用機理，從資源側、項目側和用戶側3個角度，綜合考慮資源總量、穩定性、分布式項目規模、用戶用能需求、經濟增長用能需求和節能減排需求，構建分布式光伏“R-P-D”鏈匹配指標體系(表1)。

表1 分布式光伏“R-P-D”鏈匹配指標體系

2.2 基于DEMATEL—熵權法的組合賦權

2.2.1 采用DEMATEL法確定權重

DEMATEL法是運用圖論與矩陣工具對復雜系統因素進行分析，從而判斷各因素被影響程度的方法[19]。與傳統方法相比，DEMATEL法通過構建評價矩陣對專家打分結果進行分析，計算流程簡化，降低了數據處理過程中的錯誤率，提高準確性。

首先采用5級(1，2，3，4，5)打分標準對指標進行評價，對專家評價結果形成的評價指標關系矩陣A進行歸一化處理，構建初始化直接影響矩陣D：

(1)

(2)

式中，aij為第i行指標對第j列指標的影響程度。

然后計算綜合影響矩陣T：

T=D(I-D)-1

(3)

最后通過綜合影響矩陣分析，分別將T的各行相加得到影響度di，根據影響度計算指標的主觀權重θ1i。

2.2.2 主客觀綜合權重確定

專家打分由于受打分者的經驗和專業領域影響，在評價時往往具有較強的主觀性，因此計算出的權重存在誤差。熵權法是一種基于指標數據本身的賦權方法[20]，通過采用DEMATEL—熵權法的組合賦權方式可減小權重計算誤差。計算各個評價指標的熵Hi，并依據熵計算指標的客觀權重，組合權重計算公式。

(4)

2.3 鏈路匹配度分析模型

根據不同影響因素對目標層影響效果的不同，選用極差標準化法進行初始數據處理。極大化指標表示數據值越大對子系統的貢獻程度越大；極小化指標則表示數據值越小對子系統的貢獻程度越大。其標準化分別如式(5)和式(6)所示。

(5)

(6)

式中，Xij為i區域評價指標j的樣本值；Xij′、Xij″為影響因子的標準化值。

表1所建指標體系中，電耗強度為極小化指標，其他均為極大化指標。

綜合評價指數可反映不同區域的分布式能源項目“R-P-D”鏈路的綜合差異。首先計算可再生資源、分布式能源項目、用戶側負荷3個子系統的加權評價指數，其中可再生資源側的加權評價指數如式(7)所示。

(7)

式中，xij′為區域的可再生能源系統指標標準化值；θri為R子系統評價指標對應的綜合權重。

基于耦合指數(C)和耦合協調度(CD)探究分布式能源項目“R-P-D”鏈耦合程度及協調能力，計算如式(8)和式(9)所示。

(8)

(9)

分布式光伏“R-P-D”鏈耦合協調度匹配類型劃分：低匹配0～0.399；基本匹配0.400～0.599；良好匹配0.600～0.799；優質匹配0.800～1.000。

2.4 匹配度空間分異特征分析模型

影響分布式光伏項目“R-P-D”鏈匹配度的指標均為區域差異性空間數據，具有一定的空間依賴性或空間自相關性[21]。在探索性空間數據分析方法中，常用全局莫蘭指數(Global Moran′sI)分析數據是否有空間相關性[22]。指數I的表達式如式(10)：

(10)

式中，ω為空間鄰接權重矩陣。

Global Moran′sI為正值，表示此項影響因素存在空間聚集效應；負值則表示樣本是離散分布的；值為0，表示觀測影響因素呈空間隨機分布。

3 北京市“R-P-D”鏈匹配度空間特征分析

3.1 權重確定

基于DEMATEL—熵權法，選取2019年數據，數據來源于《北京統計年鑒》《北京區域統計年鑒》、北京市發展與改革委員會官網、NASA和Solargis等權威數據庫，計算各匹配指標的主客觀權重和綜合權重如圖3所示。由圖3可以看出，綜合權重修正了通過DEMATEL法得到的主觀權重和熵權法得到的客觀權重之間的誤差，使權重結果體系更加科學合理。

圖3 分布式光伏“R-P-D”鏈指標權重分布

3.2 北京市分布式“R-P-D”鏈匹配度測度

基于式(7)計算R、P、D子系統加權評價值和耦合指數，結果見表2。

表2 北京市分布式光伏“R-P-D”鏈子系統評價結果

依據式(8)和式(9)計算分布式光伏項目“R-P-D”鏈鏈路耦合匹配程度，應用ArcGIS軟件繪制北京市16個行政區的“R-P-D”鏈鏈路匹配程度劃分圖(圖4)。

圖4 北京市分布式光伏“R-P-D”鏈路分區匹配程度

根據測度，北京市分布式光伏“R-P-D”鏈匹配值處于0.258～0.709，算術平均值為0.500，北京市分布式光伏發展總體處于中低水平，距離優質協調狀態尚有差距，有較大的發展潛力和改善空間。

3.3 匹配度空間分異特征分析

通過匹配度空間分異特征模型測算，北京市分布式光伏項目“R-P-D”鏈耦合匹配度的Moran′sI值為0.252，P值為0.024，Z值為2.169，表明各行政區的分布式光伏“R-P-D”鏈耦合匹配度具有較顯著的空間聚集性。Moran′sI的值為正，即分布式光伏“R-P-D”鏈耦合匹配度存在空間聚集效應，匹配度高的地區對周邊有明顯的溢出效應。綜合表2和圖4分析，北京市“R-P-D”鏈匹配度呈現由邊緣向內部鏈路協調水平逐步降低的特征，形成了不同空間聚集區(表3)。

表3 北京市分布式光伏“R-P-D”鏈空間匹配特征

4 北京市分布式光伏項目影響因素分析

進一步分析北京市分布式光伏并網規模的能源側和用戶負荷側的影響因素，識別促進區域分布式光伏項目建設的關鍵因素。

4.1 北京市分布式光伏并網規模空間特征

圖5 北京市分布式光伏項目并網規模空間分布

4.2 匹配度空間影響因素分析模型

空間自回歸模型主要用于測度由于地理位置差異和空間格局變化引起的自變量樣本值和因變量的空間相關性[23]。本文應用空間自回歸模型辨析不同影響因素對有空間相關性的因變量的影響效果，如式(11)和式(12)所示。

(11)

(12)

式中，X為解釋變量矩陣；y為因變量；ρ、β、λ為系數項；μ為誤差項。

4.3 空間影響因素分析

首先，應用線性回歸對資源側和用戶用能側的12個指標進行分析，去除共線性變量；然后，以北京市分布式光伏并網規模為因變量，運用GeoDa軟件進行空間自回歸分析，結果見表4、表5。傳統回歸模型的LM(error)表現出顯著性，因此選擇空間誤差模型(SEM)作為分析模型。

表4 北京市分布式光伏項目空間影響因素測度結果

由表4、表5可知，與傳統回歸模型相比，SEM模型的擬合度為0.862，表明r1、d1、d7、d9四個指標作為影響因素可以解釋北京市分布式光伏發電項目并網規模的86.2%的變化原因，與傳統回歸模型的擬合度0.718相比較高，有效降低了模型估計偏差，擬合效果好。r1、d1、d7、d9是對北京市分布式光伏并網規模空間分布有顯著影響的4個因素。

表5 北京市分布式光伏項目空間影響因素測度結果

表5中，年均輻射總量(r1)和城鎮、農村及工礦用地(d9)的Z值為正，表明這2個因素對北京市分布式光伏項目呈正向促進作用。從r1看，目前北京市分布式光伏“R-P-D”鏈匹配度暫未受到太陽能資源的限制，有較大發展潛力。從d9看，根據土地分類，城鎮、農村及工礦用地包括城市、建制鎮、村莊、采礦用地、風景名勝及特殊用地，北京市以城市、建制鎮和村莊用地為主要類型。北京市擁有大量的居民區房頂空間、新興工業園區、商用樓宇和農村閑置院落等場地尚未進行節能改造，隨著政府的積極引導和民眾綠色用電意識的增強，這些資源成為分布式光伏項目開發的重要資源。北京市發展與改革委員會等也在《關于進一步支持光伏發電系統推廣應用的通知》中提出重點推進在民生、工商業、鄉村等領域發展光伏應用。因此，北京市應當充分利用自身政策優勢和資源優勢，豐富各種應用場景，推進城鄉分布式光伏的建設發展。

全社會用電量(d1) 和電耗強度(d7)的Z值為負值，表明與北京市分布式光伏項目在空間分布上呈負相關。由于光伏具有發電不穩定、出力難以準確預測、占比過大可能降低電能質量等問題，使得人口分布密集的中心學區和大型住宅小區的基礎用能均以公共電網供能為主，分布式光伏項目應用率低，如朝陽區、海淀區的分布式光伏供能占比低。目前低碳節能的政策以引導和獎勵型為主，由于分布式發電的成本較高，電耗強度高的商業和老舊工業園區仍主要采用公共電網供能，一定程度上制約了分布式光伏的規模發展。政府應積極推進商業區和老舊城區的分布式光伏改造，逐步探索分布式光伏供能與傳統能源融合模式，提高綠色用能比例，降低區域碳排放。

5 北京市分布式光伏發展建議

根據上述研究，為推動城區分布式光伏行業發展，提升區域分布式光伏“R-P-D”鏈匹配度，北京市政府應不斷完善相關政策、鼓勵光伏應用技術研發、加強項目監管并加大光伏應用科普宣傳力度，具體建議如下。

(1)完善光伏補貼政策，隨著分布式光伏項目規模擴大，應注重補貼政策與規范政策相結合，逐步實現補貼政策退坡，加強市場調節作用，逐步替代政府在城市分布式光伏開發中的主導作用。

1.1一般資料2016年1月至2017年2月我院選取50例高血壓左室肥厚伴左心衰竭患者作為觀察組,同期選取了體檢者50例作為對照組。觀察組有23例女性和27例男性,最小35歲,最大75歲,平均(56.7±6.1)歲;對照組有25例男性和25例女性,最小35歲,最大73歲,平均(54.8±6.7)歲。兩組的普通資料對比不存在統計學差異性,能夠進行比較分析。

(2)加大扶持光伏技術研發，重點發展分布式光伏與綜合能源服務、能源互聯網等熱點領域相結合的利用形式，培育城區內分布式光伏市場，實現分布式光伏應用與城市更新改造緊密結合，豐富分布式光伏的應用場景。

(3)建設分布式光伏發電應用示范區、搭建并完善項目在線監管平臺，規范分布式光伏項目應用。

(4)加大光伏政策、應用技術的科普宣傳，進一步提高居民和企業的綠色用能、低碳環保的意識；加強在學校、醫院等公共服務機構發展分布式光伏的政策性引導，不斷擴大分布式光伏規模，實現低碳綠色可持續發展。

(5)針對本文劃分的北京市東南、西北和中心3個不同特點的匹配聚集區，北京市東南較高匹配聚集區的太陽能資源總量最為豐富，城鎮、農村及工礦用地的平均面積大，區域內有大興國際機場臨空經濟區、亦莊經濟技術開發區等高端功能區，資源條件好、分布式光伏開發平臺大，適宜大規模開發分布式光伏。因此，應充分利用自身資源和需求優勢，積極鼓勵推廣企業和個人應用分布式光伏發電項目，重點開發新建高端功能區和工業園區的屋頂光伏。

(6)北京市西北中低匹配聚集區太陽能資源總量比較豐富，各區用戶側條件差異化明顯。朝陽、海淀等區電耗強度較低，城鎮、農村及工礦用地占比高，全社會用電量大；比較而言，延慶、懷柔和門頭溝區由于林地山區較多，適于開發分布式光伏的城鎮、農村及工礦用地占比偏低，因此不宜盲目通過激勵政策擴大此聚集區的分布式光伏規模，應做到因境制宜。對于城區，應當提高在商用建筑等電價偏高應用場合的分布式光伏安裝比例，從而提升項目的經濟適用性；對于農村地區，則應當重點發展鄉村分布式光伏產業，通過產學研結合推動農業和光伏互補項目落地，出臺精準的補貼政策與“自發自用、余電上網”的建設模式相結合，降低農戶用能成本。

(7)北京市中心低匹配聚集區內分布式光伏并網規模與良好匹配區相比差距較大，雖然中心區內太陽能資源總量小，但未阻礙分布式光伏項目“R-P-D”鏈匹配度提升，因此應充分利用地區資源，積極擴大分布式光伏供電供能比例。尤其是東城、西城和石景山區位于北京市中心，城區面積小，且老舊建筑小區比例高，應積極推進居民區屋頂光伏和道路交通分布式光伏應用。

6 結論

本文采用匹配度模型與探索性空間數據分析相結合的新方法，研究北京市分布式光伏項目“R-P-D”鏈匹配度空間特征，構建空間自回歸模型，從資源側和用戶側2個維度對分布式光伏并網規模的影響因素進行識別。研究發現，北京市分布式光伏項目“R-P-D”鏈路處于中低匹配水平，鏈路的耦合協調能力由邊緣向內部逐步降低，在空間上形成了東南良好匹配聚集區、中心低匹配聚集區和西北基本匹配聚集區的基本格局。北京市太陽能資源可開發潛力大，分布式光伏項目規模對鏈路匹配度有重要影響，年均輻射總量和城鎮、農村及工礦用地2個指標對分布式光伏并網規模的空間布局存在顯著驅動效應，全社會用電量和電耗強度2個指標與分布式光伏并網規模的空間布局呈負相關。建議北京市應完善相關政策、鼓勵技術創新、優化項目監管體制并加大光伏應用科普宣傳力度，逐步建成應用場景多元、技術先進、監管完善的分布式光伏應用市場。各行政區需根據自身的匹配程度和地域特點，因地制宜開發分布式光伏，提升分布式光伏項目“R-P-D”鏈的耦合匹配度。