“雙碳”目標下電力系統供給側形態發展系統動力學建模與分析

陳文溆樂， 向 月， 彭光博， 劉友波， 劉俊勇

(四川大學 電氣工程學院， 成都 610065)

中國提出力爭在2030年前實現碳達峰，努力爭取在2060年前實現碳中和.從二氧化碳的排放源分析，與能源有關的碳排放占比近九成，其中電力的碳排放又占到八成，能源供給側變革成為碳中和技術的主線[1-3].因此，研究雙碳目標下未來電力系統中能源供給側結構如何演化十分必要.

系統動力學(System Dynamics, SD)于1956年創立，在20世紀70年代被引進中國.通過對系統論、信息論、控制論進行有機結合，SD能夠定性和定量地分析多變量、多重反饋、高階次、高度非線性的變量關系，是解決復雜系統中多元信息反饋問題的有效方法之一，在解決電力系統相關領域的問題方面也體現出了一定的優越性[4-5].

基于中國輸配電價政策，文獻[6]研究了輸配電價政策對電網企業現金流的影響，運用SD理論建立了企業投資優化決策模型，并以某市為例對電力市場改革后電網企業的投資決策提出建議和政策含義.文獻[7]搭建了分布式光伏電能共享與配電網層面交互模型的SD模型，分析了不同分布式光伏安裝率和上網電價下的共享價值變化.文獻[8]通過系統動力學模型生成多種經濟發展場景來模擬供給側結構性改革的不確定性，實現中長期負荷外推預測.

系統動力學在電價分析、電力投資經濟性、負荷預測方面已有較多研究，但在能源規劃方面的應用較少，尤其是電力系統能源供給側改革中少有應用.在“碳中和、碳達峰”背景下，通過對比其他國家，圍繞技術鏈和產業鏈，文獻[9]提出中國能源高質量發展的3個顯性途徑和1個隱性途徑，建議將關鍵核心技術納入國家科技計劃.文獻[10]調研國內外智能電網的背景、發展現狀、關鍵技術，對我國建設智能電網的關鍵技術進行分析.文獻[11]將產能投資和設備資產動態演變解耦，建立能源替代模型，揭示了天然氣消費替代帶來的能源供應安全沖擊和能源設備資產擱淺的形成機理.基于我國30個省份的面板數據，文獻[12]評估了碳交易市場規模的碳減排效應.文獻[13]以發電市場碳減排政策為研究對象，構建了基于SD理論的發電行業市場節能減排政策影響模型，分析不同政策情景下，對碳減排及電力市場的影響.已有研究中對能源發展路徑、智能電網主要技術、電能替代、減碳效應等進行了分析，但限于研究時未考慮電力系統中供給側能源演化發展與碳排放之間的相互影響關系，無法定量分析供給側能源發展路徑中各因素對碳減排的貢獻程度.

針對以往研究的不足，本文在長時間尺度下探討不同情景碳排放可能發生的變化，從電力系統發電結構轉型的角度出發，提出一種基于系統動力學的能源網發展演化模型，綜合考慮雙碳目標的政策指導、技術發展應用、電力市場潛力等影響因素.

1 系統動力學模型構建

SD首先以實際觀測到的初始系統信息為基礎，然后再輔以計算機仿真模擬技術幫助分析者進行路徑優化從而預測系統行為變化，具體系統動力學建模步驟如圖1所示.

圖1 系統動力學模型建模步驟Fig.1 Modeling steps of system dynamics model

2 SD模型構建

2.1 分析提煉關鍵因素

基于SD建模原理，根據《能源生產和消費革命戰略(2016—2030)》[14]對能源供給側結構性改革作出的要求，非化石能源在一次能源消費中的比重、非化石能源發電量占比、電力系統碳排放總量都是重要考慮因素.人口數量、全社會用電量、國民生產總值的變化會引起電力需求的變化.電力需求決定總發電量，結合裝機容量、投資力度、發電消納水平，也會對新能源發電量起到一定的影響作用.綠證數量與新能源發電量有對應關系，其規模和交易直接造成發電結構的變化，進而影響電力碳排放.

總之，當電力碳排放呈增長趨勢時，在雙碳背景下，國家會對行業減排制定相應的政策措施.搭建圖2所示的因果回路圖，包括電力需求模塊、電力技術模塊、發電消納模塊、綠證市場模塊以及能源消耗和碳排放模塊.

圖2 因果回路圖Fig.2 Causal loop diagram

2.2 模型主要關系及參數說明

2.2.1政策投資模塊 政策投資模塊模擬政府投資行為，主要影響新能源新增裝機容量，動力學演化模型如圖3所示.

圖3 政策投資模塊Fig.3 Policy investment module

It,b=It,pkt,i

(1)

(2)

Ct,inc=kt,b-cIt,b+Et,ndkt,e-cPt0,gp/(Pt,gptt,c)

(3)

(4)

式中：It,b、kt,i為投資變化和投資變化率；It,p為投資力度；It0,p為仿真初始年限的投資力度；投資力度會促進新能源新增裝機，具體由式(3)給出，其表明新能源新增裝機容量Ct,inc不僅與投資變化有對應關系，還受電力需求Et,nd、當年綠證價格Pt,gp、新能源平均利用時間tt,c的影響，kt,b-c、kt,e-c為相應系數.式(4)給出新能源裝機容量Ct,c計算式，由仿真初始年限新能源裝機容量Ct0,c和新能源新增裝機容量Ct,inc計算得到.

2.2.2電力需求模塊 用電需求是推動電力碳排放的正向因素，用電需求主要受經濟發展水平、人口、全國發電企業平均上網電價、產業結構等因素的影響.用電需求和經濟發展水平呈現高度相關性，特別是第二產業和第三產業的用電量和相應產業GDP增加值的相關性在99%以上[15].人口數量的穩步增加也會對電力消費及碳排放產生較大影響，電力需求子模塊的動力學演化模型如圖4所示.

圖4 電力需求模塊Fig.4 Power demand module

(9)

式中：Pt為仿真年限人口數量；Pt0為仿真初始年限人口數量；pt,inc為人口增長率；Gt為國民生產總值；Gt0為仿真初始年限GDP；gt,inc為GDP增長率.式(6)、(7)分別給出仿真年限人口數量和國民生產總值計算式，Pt,G為人均收入.Et0,h、kh,inc分別為仿真初始年限的全行業用電量、行業用電增長率.全行業用電量Et,h用式(8)表示，總電力需求用式(9)表示，n1、n2、n3、n4分別為人均收入Pt,G、全國發電企業平均上網電價Pt,avg、第二產業產值Pt,s以及全行業用電量Et,h的權重系數.

2.2.3電力技術模塊 電力技術子模塊主要考慮發電新技術、清潔能源裝機和發電占比、發電設備利用時間、線損率等因素.碳捕獲、利用與封存(CCUS)技術通過降低源端發電排放物實現減排目標.多種清潔能源發電對電力碳排放起到一定的抑制作用.終端電力需求一定的條件下，提高發電設備的利用時間，發電量和碳排放能得到有效降低.系統動力學推演模型如圖5所示.

圖5 電力技術模塊Fig.5 Power technology module

Qt,pro=p1Et,nd+p2Pt,avg+p3Et,l

(10)

qt,c=k1ct,c+k2It,m

(11)

ct,c=Ct,c/(Ct,c+Ct,f)

(12)

Qt,cpro=Qt,proqt,c

(13)

Qt,fpro=Qt,pro(1-qt,c)

(14)

Qt,coal=(Qt,fpro+Qt,x)ke-c

(15)

tt,f=Qt,fpro/Ct,f

(16)

tt,c=Qt,cpro/Ct,c

(17)

式中：Qt,pro為總發電量，受電力需求Et,nd、平均上網電價Pt,avg和線損率Et,l的影響；p1、p1、p1為相關系數；新能源發電量所占比重qt,c主要受到裝機容量占比ct,c和投資力度的影響，k1、k2為相應相關系數.裝機容量占比又由新能源裝機容量Ct,c和火電企業裝機容量Ct,f直接決定.新能源發電量Qt,cpro、火電企業發電量Qt,fpro由式(13)、(14)算出.Qt, coal為火電企業的煤耗量；Qt,x為火電企業參與輔助服務電量；Ct,f為火電企業裝機容量.火電企業機組發電量和參與輔助服務的電量決定火電企業的煤耗量，ke-c為電煤轉換系數，關系式如式(15)所示.式(16)、(17)分別給出火電企業設備平均利用時間tt,f、新能源平均利用時間tt,c的計算式.

2.2.4綠證市場模塊 綠證市場模塊的動力學演化模型如圖6所示，主要考慮煤耗成本、煤價、綠證收益等因素.煤耗成本和煤價對電力碳排放起到一定的抑制作用，其動力學演化模型耦合在電力需求子模塊及能源消耗和碳排放子模塊中.綠證是衡量清潔能源發電量的指標，新能源發電量越多，對電力碳排放的抑制作用越強.在市場中銷售綠電，新能源發電企業得到相應的收益，也會促進新能源機組的發展.

圖6 綠證市場模塊Fig.6 Power market module

Pt,gp=Pt0+Pt,ex

(18)

Pt,ex=(qt,pg-qt,sg)/qt,sg

(19)

Nt,ger=Nt0,ger+Gt,l-Gt,grid

(20)

Nt,grid=Nt0,grid+Gt,grid-Gt,up

溧陽南山片區,地處溧陽、宜興、廣德三地交匯處,自然條件較好,周邊旅游資源豐富,是旅游發展“三山兩湖一團城”體系中的重點發展景區(詳見圖2)。

(21)

Gt, l=Qt,cpro/kcpro-l

(22)

Gt,up=Et,ndPq

(23)

式中：Pt,gp為綠證價格變化，由綠證初始價格Pt0和綠證超額需求Pt,ex決定；qt,pg為預計購買量；qt,sg為預計銷售量；Nt,ger為綠證廠商所持有的綠證數量；Nt,grid為電網所持有的綠證數量.超額需求是預計購買量和預計銷售量的差值函數，如式(19)所示.式(20)、(21)給出綠證廠商和電網所持有的綠證數量，其中間數量關系由式(22)、(23)給出，Nt0,ger、Nt0,grid為仿真初始年限綠證廠商、電網持有的綠證數量；Gt,l為新能源發電量所對應的綠證數量，也就是綠證廠商獲得的綠證數量；Gt,grid、Gt,up分別為電網獲得的綠證和上交的綠證；kcpro-l為新能源發電量和綠證數量的轉換關系；Pq為配額比例.

2.2.5發電消納模塊 發電消納模塊的動力學演化模型如圖7所示.儲能和火電機組靈活性改造是消納清潔能源的重要方式.在新能源資源豐富時，儲能的裝機容量直接影響棄新能源的多少，火電機組減少出力也能最大程度減少棄新能源量.在新能源出力較低時，儲能放電和增大火電機組出力都是緩解新能源出力不夠的有效措施.

圖7 發電消納模塊Fig.7 Power generation consumption module

(30)

式中：Qt,x為消納量；Qt0,x為仿真初始年限消納量；kt,x為消納水平變化率.在本模型中，消納水平變化率主要受煤電消納因子ct,x和儲能消納因子st,x的影響.煤電消納水平通過火電機組靈活性指數kt,fe體現，儲能消納水平通過儲能裝機容量Ct,s和充放電效率ηt,s體現，Qt,x、Qt,s為棄風棄光量；Ct0,s為仿真初始年限儲能裝機容量；kt,s為儲能變化率.

2.2.6能源消耗和碳排放模塊 能源消耗和碳排放子模塊的動力學演化模型如圖8所示.能源利用效率高低直接通過發電煤耗體現，發電能源結構和發電技術又是造成發電煤耗過高的原因，煤耗降低對碳排放起到直接抑制作用.

圖8 能源消耗和電力碳排放模塊Fig.8 Energy consumption and power carbon emission modules

Qt,fos=Qt,coalλc-f

(31)

Ct,fos=Qt,fosSt,foskfos-c

(32)

(33)

(34)

Pt,rawQt,raw=Pt,staQt,sta

(35)

式中：Qt,fos為化石能源消費量，與燃煤消耗量的關系由(31)給出，其直接影響化石能源碳排放量Ct,fos，如式(32)所示.λc-f為燃煤消耗量與化石能源消耗量的轉換系數；St,fos、kfos-c分別為化石能源對標準煤的折算系數以及化石能源的碳排放系數.電力系統碳排放主要由化石能源碳排放決定，式(33)給出電力系統二氧化碳排放量的計算式，Ct0為仿真初始年限碳排放量.Ct,en為碳排放強度，指每單位國民生產總值所帶來的二氧化碳排放量[16]，反映碳排放量和經濟之間的關系.本文中能源價格指原煤價格，Pt,raw、Pt,sta表示原煤和標煤的價格；Qt,raw、Qt,sta表示原煤量和標煤量，《中華人民共和國價格法釋義》[17]中規定計劃電煤采用政府指導價格，在社會資源一定的情況下，原煤價格上漲時，標煤量會減少，關系如式(35)所示，會間接減少碳排放，進而影響碳排放強度.

3 算例仿真

3.1 算例基礎數據

隨著電力系統復雜性和不確定性的增強，系統環境日益復雜，本文采用情景預測分析方法[18-19]對未來發展情況進行分析和預測.通過分析系統特定因素之間的互相聯系，產生可能出現的情景模式.

為全面模擬我國電力系統轉型過程中可能出現的碳排放路徑，本文設置基準情景、低碳情景、超低碳情景3種情景進行模擬，具體情況將在后文中詳細敘述.

為驗證前文所構建模型在各種情景下的可行性和有效性，調研中國電力企業協會數據和中國統計年鑒得到關鍵參數，如表1所示.調用Vensim軟件，仿真分析投資力度、能源側結構變化、關鍵技術發展等因素對發電結構、碳排放量的影響.仿真初始時間設為2020年1月，結束時間為2030年12月，共120個月，時間步長為1個月.

表1 參數初始值Tab.1 Initial value of parameters

3.2 仿真結果及分析

3.2.1基準情景 基準情景考慮的發展驅動是投資力度.未來十年我國新能源新增裝機容量要達到7×108kW，平均投資變化率為9.15%.人口、全社會用電量、電力行業技術等指標延續歷史發展的自然規律，不考慮碳排放對行業發展的約束，政府通過現行的環境排放標準版和有限的經濟調控手段引導電力行業投資，仿真結果如圖9所示.

圖9 基準情景下電力系統指標變化Fig.9 Changes of power system index under base scenarios

仿真結果表明即使政府大力投資新能源，由于新能源發電技術成本較高，累計裝機容量、裝機占比、發電量比例增長緩慢.除此之外，為滿足電力需求，火電企業燃煤發電量逐年增加，電力系統碳排放近似呈現線性增長趨勢.

3.2.2低碳情景 低碳情景考慮我國環境與經濟的協調、低碳可持續發展等因素.在基準情景的投資力度下，分別考慮發電技術發展(低碳情景1)和市場監督(低碳情景2)對新能源消納量的影響，進而影響電力系統轉型過程中的碳排放.

低碳情景1主要考慮火電機組的靈活性改造和儲能規模化發展對棄新能源的影響，仿真結果如圖10所示.

圖10 低碳情景1下電力系統指標變化Fig.10 Changes in power system indicators under low-carbon scenarios 1

綠證市場是我國電力市場的發展趨勢，綠電的交易不僅會影響新能源廠商的收入，間接影響裝機容量，也是促進消納新能源的重要方式之一，低碳情景2的仿真結果如圖11所示.

圖11 低碳情景2下電力系統指標變化Fig.11 Changes in power system indicators under low-carbon scenarios 2

在基準情景下，提倡低耗能和節能減排，火電機組靈活性改造和市場消納機制投入示范運行或進入商業應用，帶動發電效率提升.由于低碳和節能減排政策的影響，綠證市場快速發展，新能源機組逐漸增多，燃煤機組的增長速度受到約束，燃煤機組發電量略受影響，燃煤機組仍然是主要發電形式.此種情況下，棄新能源的現象未得到解決，新能源的發電占比增長相對緩慢.

3.2.3超低碳情景 超低碳情景主要考慮電力新技術的進步和市場消納機制的協同作用.強化電力行業技術進步，建設堅強電網，協調新能源并網問題，新能源得到快速發展，增加低碳調度運行方式的靈活性.結合基準情景、低碳情景，得到圖12所示仿真結果對比圖.

圖12 3種情景電力系統主要指標對比Fig.12 Comparison of main indexes of power systems under three scenarios

基于不同發展路徑，圖12給出未來十年電力系統主要指標的演化趨勢.通過綠證市場交易綠電，綠電廠商收益增加，促進新能源裝機增加，間接影響燃煤機組裝機，低碳情景2對新能源裝機容量的促進作用最明顯.低碳情景1主要考慮靈活性改造的技術發展，“新能源+火電機組”的協調發展得到定量分析，靈活性改造降低火電機組的出力下限，利于火電機組參與輔助服務，促進新能源機組出力，新能源發電占比顯著增加.燃煤機組發電逐步被新能源發電替代，其發電量也隨之逐漸減少.大約在2027年，新能源發電量顯著增加，超低碳情景對電力系統新能源的消納優勢更加明顯，多種消納方式協同作用能增強電力系統的穩定性.從碳排放變化角度看，除基準情景外，所模擬的情景均對碳排放均有一定的抑制作用.在仿真年限內，低碳情景1大約在2027年達到碳排放變化的最大值，超低碳情景大約在2028年達到碳排放變化的最大值，低碳情景2的碳排放變化最慢，但呈現持續增長的趨勢.

4 結語

基于系統動力學，構建了雙碳目標下電力系統供給側形態發展的推演模型.政策投資力度是電力系統轉型的基礎，清潔能源消納是關鍵.通過仿真模擬，驗證了模型的可行性和有效性.結果表明：在電力系統供給側轉型初期，發電新技術、市場消納能力都會限制能源發電結構的發展，此時投資力度對新能源累計裝機容量、裝機占比及發電量的促進作用不明顯，碳排放近似線性增長.隨著消納技術和消納市場的不斷成熟，火電機組靈活性增強、儲能規模化發展、綠證市場趨于成熟，對新能源機組出力促進作用增強，新能源發電成為主要發電形式，有效降低電力碳排放，助力雙碳目標的實現.