配額制背景下風電產業鏈系統模擬研究

董福貴，夏美娟，李婉瑩

(華北電力大學 經濟與管理學院，北京 102206)

0 引 言

傳統化石能源嚴重污染環境，近幾年中國通過政策制定不斷調整能源結構，促進新能源產業發展，其中風電產業在此期間獲得較快發展，但同時也面臨著政府補貼缺口較大、棄風率高等問題。為解決風電在內的可再生能源消納問題，2019年5月，中國發布《關于建立健全可再生能源電力消納保障機制的通知》，標志著中國可再生能源正式由固定電價制度轉變成為配額制[1]。

國內外學者對風電產業鏈或是配額制對電力行業的影響都做過一定的研究。關于風電產業鏈，劉吉成等[2-3]利用解釋結構模型對風電產業價值鏈驅動因素進行分析并利用系統動力學對風電產業鏈的增值趨勢進行了探討。Bamooeifard A[4]分析了伊朗的風電產業，評估了風電在能源組合中的發展過程。桑愛博[5]對風電產業的發展態勢進行仿真模擬，并對政策進行預測。烏云娜等[6]分析了影響中國風電發展的關鍵因素，構建新的風電產業鏈模型。趙振宇等[7]識別出影響風電產業鏈的關鍵因素，解釋結構模型并加以分析。李存斌等[8]對風電產業鏈進行研究分析，找出影響其柔性水平的關鍵因素。而系統動力學方法在相關領域的應用也十分廣泛，王占永等[9]利用系統動力學方法探究我國核電產業鏈可持續發展影響因素。馮婧[10]等構建仿真模型對新興綠色產業鏈價值增值進行仿真預測，對新興綠色產業鏈價值增值的影響因素進行分析。關于可再生能源配額制，趙新剛等[11-12]對配額制對中國電力行業的影響機理及實施效果進行了仿真模擬和情景分析。蔣軼澄等[13]對可再生能源配額制的機制設計和其對電力市場的影響進行分析。張翔等[14]設計了適應配額制的電力市場體系，提出了基于曲線的可再生能源交易實施方式。王輝等[15]考慮配額制對電力市場的影響，建立電力市場各交易主體最優決策模型。

以上研究主要集中在產業鏈的分析與構建以及政策對電力市場的影響,而在配額制背景下對風電產業鏈的研究并不多見，因此該文利用系統動力學方法，通過分析風電產業價值鏈供給和需求子系統的因果關系，繪制風電產業系統動力學流圖，建立風電產業系統動力學模型，并利用模型進行仿真模擬以及靈敏性分析。

1 風電產業價值鏈識別與分析

1.1 風電產業價值鏈

風電產業價值鏈主要由上游的風電設備制造商、中游的風力發電企業、下游的客戶以及外部支持者構成。上游的風電設備制造商包括風電設備原材料供應商、風電零部件制造商和風機整機制造商。中游主要包括風力發電的投資、建設、運營企業，統稱為風力發電企業。下游的客戶主要包括電網公司和一些其他用電客戶。外部支持者是指在風電設備研發、風電廠建設和風力上網環節等對風電產業鏈予以支持的資金支持者或政策支持者。具體風電產業價值鏈關系如圖 1所示。

圖1 風電產業價值鏈Fig.1 Wind power industry value chain

1.2 風電產業價值鏈驅動因素分析

風電產業價值鏈的驅動因素可以從地理位置、橫向規模經濟、縱向一體化程度、技術效率、生產效率、客戶資源、政策引導7個方面進行分析。地理位置不同決定了資源、運輸、勞動力、稅收等不同，因此地理因素相對于風電企業是一項較為重要的驅動因素；橫向規模決定成本，縱向一體化程度決定產業價值鏈的復雜程度；客戶資源直接影響到風電的消納；國家政策決定了風電發展的大環境，近幾年國家相繼出臺多項扶持政策推動風電產業發展，政策引導是一項強有力的驅動因素。

2 風電產業鏈系統動力學模型

2.1 風電產業價值鏈演化因果分析

2.1.1 風電需求子系統

風電需求量受用電總需求和風電需求比例的影響，可再生能源消納責任權重下，風電需求比例會不斷提高。電力需求主要來自兩方面：一是經濟發展對電力的需求，即生產所需電量；二是居民生活的電力需求[16]。生產所需用電量的提高會增加生產用電電價，基于經濟學原理會進一步降低單位產值所需電力，從而引起生產所需用電量的下降，形成一個相互關聯的負反饋系統；生活所需用電量的提高會增加生活用電電價，進一步降低人均用電量，從而引起生活所需用電量的下降，形成一個相互關聯的負反饋系統。除此之外，生產所需電量還受到經濟發展的直接影響，以及生產技術水平和生產電價政策調整的間接影響；生活所需電價還受到社會總人口的直接影響，以及居民消費水平和居民電價政策調整的間接影響，如圖2所示。

圖2 需求子系統因果關系圖Fig.2 Demand subsystem causality diagram

2.1.2 風電供給子系統

從整個風電價值鏈的角度來看，風力發電企業起著連接上游和下游的重要作用?？稍偕茉聪{責任權重的確定，將在一定程度上鼓勵風電企業投資。在風電廠的建設過程中風電設備及安裝工程將會占到總投資的70%左右，風電機組占總投資的47%左右，因此，風電企業投資將會拉動上游的風電整機企業、風電零部件企業和風電原材料企業的利潤增值，同時，增加風電并網裝機量，提升下游電網的風電供應能力。風電需求規模的提高，將會降低整個供應鏈的生產成本，若要保證整個供應鏈的持續健康發展，生產成本是核心，技術水平是關鍵驅動因素。與此同時，標桿電價不斷下調也在鞭策著風電產業的生產和科技進步，從而降低風電成本，如圖3所示。

圖3 供給子系統因果關系圖Fig.3 Supply subsystem causality diagram

2.2 風電產業系統動力學流圖

根據前文的系統因果分析可知,系統模型分為需求和供給兩大子系統。需求子系統包括兩個方面：一是來自經濟發展的電力需求；二是來自居民生活的電力需求。兩個需求方面可以通過GDP和社會總人口因素對其影響的相互關系來反映風電產業的需求子系統。在供給子系統中，支持風電供給能力的因素是考慮的重點。這其中包括關系到風電供給能力的資源、政策、資金、技術等多個因素。技術水平主要從原材料生產水平、零部件制造水平、風電整機制造水平和發電水平幾個方面來考慮。根據圖2和圖3畫出需求子系統流圖和供給子系統流圖，并利用供需關系將系統連接起來，形成總體系統模型流圖，如圖4所示。

圖4 風電產業系統動力學流圖Fig.4 System dynamics flow diagram of wind power industry

2.3 系統變量及方程

2.3.1 系統變量

在因果關系圖定性分析的基礎上確定風電產業系統動力學流圖，其中包含9個狀態變量、10個速率變量、23個輔助變量及19個參數，具體變量及參數如表1所示。

表1 風電產業系統動力學模型變量及參數匯總Table 1 Summary of system dynamics model variables and parameters for the wind power industry

續表

2.3.2 系統基本方程

利用系統建模軟件Vensim進行系統模擬。涉及的基本方程包含狀態變量方程、速率計算方程、輔助方程。依據實際數據的計算處理，不斷對參數進行修正，使模型行為更加穩定，基本方程如下:系數K1～K15需根據具體實例進行設置。

1)狀態變量方程

S1t=INTEG(R1t，初始GDP)

S2t=INTEG(R2t-R3t，初始人口)

S3t=INTEG(R4t，初始值)

S4t=INTEG(R5t，初始值)

S5t=INTEG(R6t，初始值)

S6t=INTEG(R7t，初始裝機容量)

S7t=INTEG(R8t，初始并網容量)

S8t=INTEG(R9t，初始值)

S9t=INTEG(R10t，初始值)

2)速率計算方程

R1t=S1t-1×P1t

R4t=A12t×(P8t-A11t)

R5t=A14t×(P10t-A13t)

R6t=A16t×(P12t-A15t)

R7t=0.65×A16t+0.35×A16t-1

R8t=R7t

R9t=K1×A18t×(A20t-A21t+P16t)+(1-K1)×A18t×(A20t-A21t+P17t)+P15t×(600-A21t)

R10t=(A23t×A22t-A18t×A20t)/10

3)輔助方程

A2t=A1t×S1t

A1t=K1/(P3t×A3t)

A3t= INTEG(P2t，初始生產電價)

A4t=S2t×A6t

A6t=K2×P4t/A5t

A5t=INTEG(P5t，初始生活電價)

A9t=A8t×A7t

A10t=A9t-A7t-1

A8t=K3×P6t

A7t=A4t+A2t

A11t=K4/P7t

A12t=K5×A14t/P8t

A13t=K6×P8t/P9t

A14t=K7×A16t/P10t

A15t=K8×P10t/P11t

A16t=K9×A17t/P12t

A17t=K10×P13t×(1+P6t)×A10t

A18t=S7t×A19t/1 000

A19=初始利用小時數×(1+K12×P6t+K13×A20t)

A20t=P14t

A21t=P19+K14×P12/P18t

A23t=K15×A18t

A22t=(At×A3t+A4t×A5t)/(A2t+A4t)

3 仿真分析

以某地區為例采用上述系統動力學模型進行仿真分析。主要狀態方程涉及的初始值設定如下：初始GDP為23 510.5億元，初始人口為4 359萬人，裝機容量初始值為7 607.4 MW，累計利潤初始值為0萬元。風電產業是該地區新能源發電代表產業，在“十三五”期間風電發展取得了一定的成績?；谠摰貐^現階段的實際情況，以可再生能源消納責任權重政策為驅動因素，利用風電產業系統動力學模型，對該地區L省2021～2030年期間的風電產業發展進行模擬。選擇2017年的數據為初始數據進行模擬仿真，對2018～2020年數據進行過渡檢驗。所有變量、參數值均來源于國家能源局、該地區電網規劃部、相關權威機構風電產業報告。預測模擬結果均基于Vensim軟件。

3.1 模擬結果分析

L省可再生能源絕大部分來源于風電，風電約占非水可再生能源的80%，以此作為風電消納要求進行模擬研究。對國家能源政策演變進行模擬，基礎情景(以Wind命名)可再生能源消納責任權重演變設置如下，見表2。

表2 可再生能源消納責任權重模擬設置Table 2 Simulation setting of renewable energy consumption responsibility weight

根據2017年的初始值進行風電產業發展的系統動力學模擬，得到2018～2030年的風電裝機容量的總體趨勢如圖5所示。

圖5 L省2018～2030年的風電裝機容量Fig.5 Installed wind power capacity in Province L, 2018～2030

從圖5可以看出，在2018～2020年政策初落地期間，裝機容量逐年提升，效果較為明顯，2023年為階段性增長高峰。2024～2027年新增裝機量放緩，2025年累計裝機總量達到14 824.2 MW。2028年后新增裝機容量快速提升，到2030年累計裝機總量達到21 611.3 MW。

圖6為風電產業鏈上游企業的盈利情況，隨著風電需求的不斷增加，風電原材料企業的利潤相對增長較慢，在2023年年利潤會達到階段性峰值，2024～2027年利潤較2023年縮減，2028年后利潤繼續增長。風電整機企業和風電零部件企業的年利潤在2022～2023年利潤相對降低，之后逐年增加。

圖6 L省風電產業鏈上游企業盈利情況Fig.6 Profitability of upstream enterprises in the wind power industry chain in province L

圖7為風電產業鏈中游企業的盈利情況，在風電補貼及時兌現的情況下，風電企業的利潤較為可觀，雖然單位電量利潤被壓縮較多，但風電需求增長較快。此外，風電機組的平均利用小時數將會逐年提高，棄風現象將會得到改善。

圖7 L省風電產業鏈中游企業盈利情況Fig.7 Profitability of midstream enterprises in the wind power industry chain in province L

圖8為風電產業鏈下游企業的盈利情況，下游電網企業是產業鏈中利潤最高的，但隨著風電上網電量的逐年提高，電網的安全受到挑戰，電網企業需要大量投資電網建設，以支持電力的靈活調度。

圖8 L省風電產業鏈下游企業盈利情況Fig.8 Profitability of downstream enterprises in the wind power industry chain in province L

3.2 靈敏度分析

3.2.1 政策分析

在保持其他參數不變的情況下，調整可再生能源消納責任權重，模擬以不同速度提高配額的情況，具體假設配額值見表3。

表3 政策模擬情景設置Table 3 Policy simulation scenario setting

由表3可知，Wind情景為中速發展情景，到2030年非可再生能源權重為19%；Wind-P1為超低速發展情景，2020年后非可再生能源權重年增長量為0.25%，到2030年權重為15%；Wind-P2為低速發展情景，2020年后非可再生能源權重年增長量為0.5%，到2030年權重為17.5%；Wind-P3為低-高發展情景，2020～2025年非可再生能源權重年增長量為0.5%，2026～2030年非可再生能源權重年增長量為1%，到2030年權重為20%；Wind-P4為高-低發展情景，2021～2027年非可再生能源權重年增長量為1%，2028～2030年非可再生能源權重年增長量為0.5%，到2030年權重為21%。

圖9為5種情景下風電新增裝機的變化情況，Wind情景下，2023年年新增風電裝機達到較高水平，之后驟減，2026年開始逐漸增加，到2030年，年新增裝機達到1 683.6 MW。Wind-P1情景下，2020年后年新增裝機有所下降，2020年下降為最低水平，之后逐年增加， 2030年新增裝機為1 088.5 MW。Wind-P2情景下，新增裝機量逐年加速增加，到2030年，新增裝機量達到1 586.0 MW。Wind-P3情景下，2025年之前，新增裝機與Wind-P2情景相同，2025后加速增加，2028后Wind-P3情景成為5種情境中裝機增加最快的情景。Wind-P4情景下，新增裝機在2027年達到峰值2 033.9 MW。

圖9 政策變化的風電新增裝機對比圖Fig.9 Comparison of new wind power installations with policy changes

根據圖10可知，當可再生能源權重演變發展變化時，風電裝機也會隨之變化。到2025年，Wind情景的累計裝機容量為14 824.2 MW，Wind-P1情景的累計裝機容量為12 411.6 MW，Wind-P2情景的累計裝機容量為13 320.8 MW，Wind-P3情景的累計裝機容量為13 320.8 MW，Wind-P4情景的累計裝機容量為15 168.1 MW。到2030年，Wind情景的累計裝機容量為21 611.3 MW，Wind-P1情景的累計裝機容量為16 887.2 MW，Wind-P2情景的累計裝機容量為19 696.1 MW，Wind-P3情景的累計裝機容量為22 203.3 MW，Wind-P4情景的累計裝機容量為24 319.7 MW。

圖10 政策變化的風電累計裝機對比圖Fig.10 Comparison of cumulative installed wind power with policy changes

3.2.2 經濟分析

保證其他參數不變，調整GDP增長率，模擬經濟增長增速不同的情況，Wind-E1為經濟增遞情景，具體增長率如表4所示。

表4 經濟增速情景設置Table 4 Economic growth rate scenario settings

根據圖11可知，經濟增長會拉動風電需求的增長，從而增加風電企業的投資，繼而增加風電新增裝機容量。年新增裝機的最大偏差為2028年的114.3 MW，到2030年與基礎情景的裝機累計量相差469.5 MW。

圖11 經濟變化的風電新增裝機對比圖Fig.11 Comparison of new wind power installations with economic changes

3.2.3 技術分析

在風電零部件和風電整機的制造過程中，年技術水平提升20%，在價格不變的情況下，上游企業的利潤將會提升。

如圖12、圖13所示，Wind-T1為技術提升情景，由技術提升帶來的利潤提高效果逐年增加，到2030年，零部件制造企業累計增加62 783萬元的經濟收入，整機企業累計增加83 946萬元的經濟收入。

圖12 風電零部件企業累計利潤對比圖Fig.12 Comparison of cumulative profits of wind power component companies

圖13 風電整機企業累計利潤對比圖Fig.13 Comparison of cumulative profits of wind turbine companies

4 結 語

1)可再生能源配額制能夠有效促進風電裝機容量的提升，在中速發展模式下，風電裝機容量的增長將分為三個階段，2020～2023年裝機容量增長較為迅速，2024～2027年增速放緩，而2028～2030年又將以較高速度增長。

2)由于裝機容量穩步增加，風電產業鏈上游企業盈利隨之增加，其中風電原材料企業的利潤增長較為緩慢；風電產業鏈中游企業利潤雖然受到壓縮，但由于風電需求增加較快，風電企業的利潤仍較為可觀；下游供電企業利潤最高且持續穩定增長。

3)責任權重設定值可以影響風電產業的發展水平，經過仿真模擬，得出配額制先較慢增加后較快增加的情境下，對風電裝機的拉動最大。配額制持續以較快速度增加反而會出現后期發展動力不足的情況。

4)經濟增長會拉動風電產業的發展，增加風電的裝機總量；技術水平的提高會使得由技術提升帶來的利潤增加，其中風電產業鏈上游企業利潤增加較多。