基于系統動力學的英國風力發電技術擴散研究

張道全，潘巧波，張樂平

(華電電力科學研究院有限公司，杭州 310030)

0 引 言

近年來，清潔性能源得到了廣泛的關注。風力發電擁有良好的清潔性和可持續性，能夠有效地減少溫室氣體的排放，有助于達成巴黎協定的目標，實現中國“碳達峰，碳中和”的規劃[1]，建設雙碳目標下以新能源為主體的電力系統[2]。風電場的建設及運維能夠提高當地的就業率，同時也為可持續性發展做出貢獻。但是仍然存在一些制約風電發展的不利因素，例如風速的不確定性以及高昂的維修服務成本。上述問題及風電的潛在價值使得探討風電發展趨勢與能源政策的關系很有意義。

一些文獻已應用系統動力學方法對風力發電技術做出相關研究。Reddi等[3]利用風力發電機組(以下簡稱風機)原理建立了場站發電量預測模型，以多個風機疊加的方式計算場站發電量。Bildik等[4]和Grobbelaar等[5]結合經驗學習曲線、經濟學的規模效應和風機的生命周期對技術擴散問題進行研究。更多的研究者[6-9]探討了能源政策的影響，認為可再生能源市場存在巨大潛力，但與實行的能源政策密切相關。Zhao等[10]與Erik[11]將環境因素加入模型，并考慮了風電技術發展帶來的社會影響。該文從技術經濟學的角度出發，將風機的制造廠家作為風電技術發展真正的驅動者引入分析模型，替代過去文獻中將風電技術發展與發電企業利潤綁定的情況，同時利用經驗學習曲線，創建技術成熟度變量，評估風電技術發展情況，建立裝機容量、發電量與風電度電價格之間的關系，細化風電技術發展邏輯。

英國的風力發電技術擴散程度暫時領先于中國，歷史數據對中國市場的未來發展有一定參考價值。為此，該文以英國的風電發展情況為例，以可利用土地面積、政策激勵、經驗學習曲線、規模效應和風力發電不穩定性主導的5條回路建立模型，利用過去10年的模擬數據驗證模型，預測不同能源政策下未來30年的風電技術擴散趨勢,為中國的風電市場提出啟發性建議。

1 英國風電發展情況

英國的海陸性氣候使其擁有充分的風資源。在2000年英國可再生能源發電量僅為9.9 TW·h，而在2020年增長到了134.7 TW·h，其中超過一半是由風電提供的。2020年陸地和海上風力發電分別占總發電量的11.1%和13.0%，風力發電總量同比提升18.14%，相當于減少了2 800萬t的二氧化碳排放量。截至到2020年底，英國已并網9 096臺風機，總裝機容量超過20 GW，可供給1 800萬家庭的用電需求。

差價合同是英國針對大規模能源企業的現行補貼政策。該政策從2015年開始執行并逐漸取代可再生能源義務政策。英國商業、能源和工業戰略部成立了低碳合同公司，對差價合同進行簽署及支付。該機制下，在執行價高于市場價時發電公司將得到額外的價差補貼，在執行價低于售價時發電公司需返還價差。執行價的設定主要基于經驗學習曲線決定的成本估算和征費系統的可承受水平等因素。該政策使可再生能源產業的度電收益更加穩定，減少發電企業虧損風險，降低融資難度。

2 系統動力學方法

系統思考方法是通過模擬整個系統的變化趨勢，推演一個特定變量的變化[12]。系統動力學是Forrester基于系統思考開發的一種模擬方法，該方法在設定的時間內對整個系統進行模擬，通過時間延遲和閉環反饋等控制方式模擬系統內元件之間的相互作用。在加入存量和流量變量后，這種反饋具有高階時變系統特性[13]，通過模擬各變量之間互相反饋的方式達到系統理解，因此系統思考有助于決策者分析動態的復雜系統。

3 系統動力學模型

在不同政策環境下建立系統動力學模型并分別進行迭代模擬，將幫助政策決定者在復雜的局勢下做出更合理的決定。模型以2010年的數據為基礎，預測10年的技術擴散趨勢并與歷史數據進行對比，驗證所建立模型的置信度。在此基礎上，模型以2020年的數據作為初始狀態，模擬未來30年風力發電技術發展和相關能源政策產生的影響。

3.1 因果回路分析

因果回路圖是展示變量之間關系的示意圖。因果鏈符號位于箭頭旁，表示變量之間的激勵關系。為預測風力發電產量，分別從經濟、技術和政策領域上提出風力發電技術發展中的核心變量和輔助變量。其中內源性變量用圓形邊框表示，外源性變量用文字表示。圖1為風電技術擴散系統循環圖，圖中的5個核心因果關系回路見表1。

表1 風電技術擴散因果關系圖主要回路

圖1 風電技術擴散因果關系

1)規模效應回路中涵蓋了成熟度變量、價格變量以及風機數量，形成了一條以規模效應為核心的正反饋回路。更成熟的風電技術增加發電收益率，促進風機建設。風機裝機規模的擴大增加了廠家的利潤和制造經驗。利潤促進了風電技術的研發，進而再次反饋到技術成熟度。

2)以風電補貼政策為核心的負反饋回路。更成熟的風電技術提升了發電量，高額的發電量緩解了二氧化碳減排指標的壓力，因而政府減少補貼。低補貼使新增風機的數量減少，廠家利潤減小，風電技術發展減慢，成熟度提升減緩。

3)經驗學習曲線回路由2個變量的正反饋構成，該回路包含了風電技術發展的早期效應及發展中期的“干中學”模式，學習率在初期隨技術成熟度而升高。經驗學習曲線決定了2個變量之間互相促進的程度。

4)風資源可利用面積的負反饋回路。在風資源開發區域一定的前提下，已建設的風機數量將減少可利用的風資源區域，抑制風機建設增長率。

5)由風電不穩定性導致的負反饋回路。風電技術成熟度增加了風電產量，但由于風功率缺少可控性，造成了發電量的不穩定性，降低電網消納能力，減少風機建設增長率，進而降低廠家利潤，限制風力發電技術研發。

3.2 系統流圖分析

系統流圖是通過存量、流量、連接器和輔助變量4種形式將因果關系圖中構建的模型量化。變量之間的實際關系往往是非線性的，模型通過增加微積分關系和LOOKUP函數的形式更準確地模擬系統運行情況。系統存量流量圖(系統流圖)如圖2所示，模型以潛在可建設的風機數量、已建設的風機數量、風力發電成熟度為存量變量，以風機建設、風力發電成熟度發展為流量變量建立存量流量模型。

由于沙溝泥石流以往沒有監測資料，在現狀調查基礎上采用查表法確定重度，本次泥石流重度的取值為1.786 t/m3。

圖2 風電技術擴散系統存量流程

風電度電價格和補貼對風機建設的增益并不是線性的。當風力發電度電成本較高時，政府趨向于補貼風電以維持技術發展；當風電發展較為成熟時，低廉的成本將會成為促進風機建設的主要因素，政策的補貼將隨之減少，模型使用LOOKUP函數描述這種非線性過程。

目前建立的陸地風機已可以達到5 MW的裝機容量，海上風機甚至可以達到15 MW。未來的風電發展可能更傾向于單機容量的提升。例如，布爾波海岸離岸風電場已由90 MW的總裝機容量通過技術改造擴容至348 MW。該文引入了臺均風機容量，作為風機技術改造和更新換代的量化指標。每年風機廠家的部分收入由當前總裝機容量減去上一年總裝機容量決定，因此模型將囊括風機建設與技改的全部收入。

因為風機廠家是技術研發的主體，而他們的目標客戶是多個國家，所以其他國家的風電發展帶來的收入也會影響到英國風力發電的成熟度，進而體現在英國裝機容量和能效利用率上。該文涉及的內容無法討論世界范圍內的風電技術擴散，但英國世界排名第六的風電產量和最大的離岸風電產量，驗證了英國風電在世界上的領先地位，所以風機廠家在其他國家的利潤采用在英國利潤的滯后變量，以一定的比例影響英國風電技術成熟度的發展。

研究的創新性包括以下4個方面：

1)以往的文獻只考慮了發電公司獲得的利潤，此模型提出了風機制造廠家是風電技術發展的真正驅動者。該文以當前的裝機總容量與滯后1年的裝機容量做差，得到包含了風機新裝、技改和換代的新增容量。裝機容量增加帶來的利潤決定了風機廠家的大部分收益，以一定比例轉化為科研經費。

2)在電力系統穩定性方面，該文考慮了風電不穩定性對輸電網絡及電力供求關系的影響。以往的風電技術擴散研究未考慮風電不穩定性對電網供求不平衡的影響，這種不穩定性會極大程度地限制風力發電在總發電量中的比例。

3)該文首次提出利用成熟度量化風力發電技術發展程度。臺均裝機容量、能效利用率和風力發電度電價格之間存在顯著的相關性，研究建立了3個變量與成熟度之間的函數關系。

4)對于可利用風資源土地面積限制，不同于以往研究中使用總裝機容量簡化并代替風機數量和臺均裝機容量的方式，該文以風機數量作為存量變量單獨討論。將2個變量分開有助于量化可利用風資源土地面積造成的風機數量限制。

4 模型驗證

英國國土面積為24萬km2。除了以倫敦為中心的一部分地區平均風速略低，其余約4/5的國土面積均可用于風力發電建設[14]，但基于英國的土地總面積所限，無法為風力發電建設投入大量的土地面積。該文選擇7 000 km2作為政策劃定的剩余可用于風機安裝的土地。通過多個風電場裝機容量和占地面積，估算出2010年英國用于風力發電的土地面積大約為1 852 km2。不同場站的單個風機平均占地面積為0.22～3 km2，文中選取0.54 km2作為加權平均值代入模型。

風力發電的二氧化碳減排量取決于當前火電所采用的化石燃料比例，其中以煤炭的每億瓦時電力供應產生990 t二氧化碳和天然氣的每億瓦時電力供應產生370 t二氧化碳為主。考慮到化石燃料發電技術的持續發展，模型將二氧化碳排放量設定為以455 t為初值的遞減函數，統計風力發電對減輕溫室效應的貢獻。

圖3展示了由系統存量流量模型模擬的2010年到2020年英國風力發電累計裝機數量、累計總裝機容量、年度風力發電產量和英國政府2021年12月披露的最新歷史數據的對比圖。其中，風機數量模擬值在2020年增長到9 129臺，與真實值偏差低于1%；風電裝機總容量模擬值由初值5 129 MW增加到25 018 MW，與真實數據相差2.18 %；發電量由初值10 088 GW·h增長到76 407 GW·h，與實際歷史數據相差1.38%。所建立的模型中，3個核心變量模擬誤差均低于3%，認為此模型能夠相對準確地模擬未來風力發電技術擴散與發展趨勢，可以作為制定政策的參考。

圖3 英國風力發電技術擴散趨勢驗證

5 風電市場發展預測仿真

該文提出4種能源政策方案：方案1為無新增激勵政策，可以為分析其他可執行的方案提供參考標準；方案2通過增加度電補貼提升風電新增裝機容量，促進風力發電技術擴散；方案3通過提高風電出力的穩定性，改善供求不匹配問題；方案4為發電企業劃定更多的風機建設土地面積，促進風機數量增長。4種方案均以2020年的歷史數據作為初值，預測此后30年的風力發電技術擴散情況。

在無激勵政策情況下，總裝機容量預測值為59 812 MW，如圖4所示。方案2預測值為61 543 MW，僅提升2.89%。成熟的能源產業將以自身的優勢存在，而非政策補貼，未來風電能源趨于成熟時，度電補貼政策帶來的增益將不再顯著。方案4將更大程度地促進裝機容量提升，預測裝機容量值提升了3 097 MW。方案3裝機容量預測值為65 995 MW，提升幅度最高。在30年后風力發電技術持續發展，裝機容量將通過更新換代和技術改造等方式獲得提升，風電裝機容量的根本限制因素將由風資源土地面積限制轉向風電的不穩定性帶來的功率不可控問題。

圖4 4種政策方案下的英國風電裝機容量預測

在不同的能源方案展望中，方案3提供的風電產量明顯超過其他政策。如圖5所示，其風力發電產量預測值為260 185 GW·h，相比無新增激勵政策的預測產量提高了12.62%，這意味著電力市場每年將減少1 152萬t二氧化碳排放量。增加風資源土地面積政策提供了第二的風力發電產量，241 263 GW·h，而方案2僅提升風力發電產量2.43%。由上述結果可見，在技術發展中期，風力發電平準化度電價格下降至化石燃料以下時，度電補貼政策帶來的增益將逐漸減少，可利用風資源面積將成為限制裝機容量的關鍵。在技術發展后期，臺均裝機容量通過技術改造和風機換新等方式得到提升，降低風資源土地限制影響，風電不穩定性將成為主要限制。隨著風力發電在系統中所占的比例攀升，不穩定性導致的供求不平衡風險迅速上升，能否相對準確地預測風力發電的產量以平衡電網的供求關系將至關重要。

圖5 4種政策方案下的英國年度風力發電產量預測

6 對中國電力市場的啟發

對于中國電力市場而言，其風電體量自2006年后突飛猛進，已遠超英國成為裝機容量第一大國，但根據新增風機裝機容量、發電量占比、能效利用率等參數，判斷中國風電當前技術發展程度接近2015年的英國，即將進入風力發電技術發展中期階段。基于本研究成果分析，增加可利用風資源土地面積政策在發展前中期帶來的裝機容量和發電量增長較為顯著，因此建議持續進行風資源開發，保證風電產量穩步增長。在“十四五”計劃中提出，5年內提升中國的可再生能源發電占比至50%，主體為風電和光伏發電，這可能導致輸電網絡受到風電不穩定性的影響，增加供求不平衡風險，建議優化風功率預測系統和社會用電量預測模型等。同時，可以根據地理位置發展氣電，通過氣電運行可靠性高、輸出功率范圍廣、啟停靈活等特點，結合預測模型結果及時調整電網供需不平衡關系，解決風電輸出功率不可控問題。

7 結 語

提出風電技術擴散的系統動態模型，預測了英國未來風力發電產量及裝機容量。利用因果回路圖闡述了變量之間的關系，通過系統存量流量圖，搭建了系統動力學模型并測試了政策對核心變量產生的激勵效果。分別從度電補貼、改善供求不平衡限制、增加風機建設面積3個方面提出可行的能源政策激勵方案。結果顯示，對風電不穩定性的改善將成為未來風電發展的關鍵。

未來工作期望加入其他可再生能源與風力發電技術共同討論并建立模型，可再生能源相互的影響和競爭會使國家能源形勢更加明確。另外，所提出的系統動態模型可以將參數與初值調整后用于其他國家的能源政策分析。

感謝倫敦大學學院的Nici Zimmermann教授和William Mcdowall教授在模型建立中的建議和對研究范圍的引導。