“雙碳”戰略背景下沿黃九省份報廢光伏組件產生量及其時空分布預測

周夢婷，朱宏飛，林民松，徐 亞，劉玉強

1.中國環境科學研究院，環境基準與風險評估國家重點實驗室，固體廢物污染控制技術研究所，北京 100012

2.遼寧工程技術大學環境科學與工程學院，遼寧 阜新 123000

3.甘肅省工業廢棄物循環與調控重點實驗室，甘肅 蘭州 730000

光伏產業是國家戰略性新興產業，報廢光伏組件是光伏產業全過程里必須解決的環境問題[1-3].近年來，為應對全球氣候，我國積極履行國際責任，提出“雙碳”目標[4-5]，大力發展新能源產業[6-7].光伏發電作為將光能直接轉變為電能的一種近零排放的新能源技術，其裝機量快速增長[8].沿黃九省份為國家重點建設的風光電新基地，其光伏組件裝機量增長尤其迅速.數據顯示，截至2022 年底，沿黃九省份累計光伏組件裝機容量達到163.73 GW，占全國的41.76%.報廢光伏組件由光伏設施長期使用后報廢產生，兼具環境危害和資源價值雙重屬性[9-10].不妥善處置可能造成嚴重的環境污染和生態危害[11-15]，反之將能達到顯著的減污降碳的效果[16-17].

報廢光伏組件的巨大產生量和負面效應可能造成不容忽視的社會資源和環境問題[18].2021 年我國發布《光伏組件回收再利用通用技術要求》，明確了對報廢光伏組件的收集、運輸、貯存、拆解、處理與處置過程中的資源有效利用和污染控制要求.這凸顯出預測報廢光伏組件產生量的重要性，準確預測有助于清楚了解光伏廢料及其時間演變[19-23]，為未來在報廢量急劇增加時合理設計并實施回收方案提供可靠證據[24-25].Santos 等[26]使用累積光伏容量預測模型，預測了西班牙光伏報廢量，并提出了西班牙最低回收目標.Domínguez 等[27]使用簡單、準確的光伏廢物評估法(PV-waste assessment methodology)估算了美國光伏組件廢物產生量，初步核算了光伏組件回收的經濟可行性.隨著光伏行業的快速發展，對光伏組件報廢量的研究也更加深入，Mahmoudi 等[28]用Weibull分布函數對光伏組件報廢量的預測更精準，為回收廢物和合理布局提供了有利的依據.Guo 等[29]利用灰色模型預測了中國、俄羅斯等國家新能源發電量，發現該模型處理小樣本數據時具有高適用性和準確性.

近期，國務院(《2030 年前碳達峰行動方案》)和國家電網為推動碳達峰進程對全國布局，黃河流域上游青海省、甘肅省等作為重要的風光電基地繼續肩負起責任.但沿黃九省份多處于風沙、干燥等氣候發育區，使光伏組件退役較快，服役壽命可能具有獨特特征[30-31]，因此，預測報廢光伏組件產生量和時空分布尤為重要.目前預測光伏組件報廢量的研究較多[32-34]，但大多存在一定局限性，一方面現有研究主要基于2020 年之前光伏組件裝機量和報廢數據，預測未來裝機量和報廢量，未考慮國家政策變化；另一方面，現有研究主要面向全國尺度，未考慮區域差異對沿黃九省份的光伏組件報廢量帶來的影響[35].因此，本研究設置了與沿黃九省份光伏組件壽命分布的相關參數，并制定了與光伏組件報廢相關的組合情景，通過市場供給A 模型和重量功率比估測未來報廢容量和報廢重量，以期為國家制定相關光伏發電發展、報廢光伏組件回收利用的投資決策和政策提供依據.

1 研究方法

本文對每年光伏組件報廢重量的預測估算進行研究，首先將從國家能源局獲得的2013-2022 年(不包括2017 年和2020 年）沿黃九省份新增裝機數據[36]通過指數平滑法處理；其次采用灰色模型〔GM(1，1)〕識別處理后數據的變化規律，進而預測2023-2040年新增裝機量；然后通過Weibull 分布函數估算不同年份光伏組件廢棄率；最后基于新增裝機量和光伏組件廢棄率的預測，通過市場供給A 模型估算每年的光伏組件報廢容量，利用重量功率比將報廢容量轉化為報廢重量.具體的光伏組件報廢重量預測技術路線如圖1 所示.

圖1 光伏組件報廢重量預測技術路線Fig.1 Technical route for predicting the waste weight of PV modules

1.1 光伏組件裝機容量預測模型

灰色模型具有“小樣本、信息差”[37]特征，適用于歷史數據較少的情形.“雙碳”戰略自2015 年首次提出，受此影響光伏組件裝機容量的數據較少，因此根據“十四五”規劃預計的光伏組件裝機量呈倍數增長的趨勢，先通過指數平滑法[38]處理2013-2022 年沿黃各省份數據〔見式(1)〕，再采用灰色模型預測沿黃九省份新增裝機容量〔見式(2)〕，該方式能有效避免數據平滑度差、準指數定律不清晰、原始數據擬合平均相對誤差大等問題.數據處理公式如下：

式中：t=1,2,···,n；n為數據個數；xt′為根據原始數據的發展趨勢處理后得到的第t個值；xt為第t個實際值，此處為第t個年份的新增裝機容量，GW；α為平滑系數，其取值大小決定了權數的變化快慢，直接影響過去數據對預測值的作用，若數據呈現較穩定的水平趨勢，α一般在0.05~0.20 之間取值；若隨時間變化數據有波動但較小，α在0.1~0.4 之間取值；若隨時間變化數據是上升(下降)的發展趨勢，α則在0.6~1.0 之間取值.表1 中的c1和α均根據各省份的歷史數據決定，由軟件MATLAB 模擬得到最優解.

表1 沿黃九省份的指數平滑參數Table 1 Exponential smoothing parameters for the nine provinces along the Yellow River Basin

式中：m為預測得到的數據個數；為第m年的光伏組件的裝機容量，GW.

1.2 光伏組件服役壽命表征

光伏組件服役壽命受技術、運輸、安裝和運行環境等因素影響[39].隨著光伏組件有關技術、運輸和安排趨于規范，產品間質量差異逐漸減小，環境因素成為影響光伏組件服役壽命的主要因素[40].研究[41]表明，不同環境下光伏組件服役壽命的概率均可用雙參數(β，η)的Weibull 分布函數來表征〔見式(3)〕.

式中：f(i)為光伏組件使用第i年的廢棄率；β為表征分布密度函數曲線形狀的形狀參數；η為尺寸參數，代表特征壽命.

區域聚類分析法是按照區域特征讓一個類別內的個體之間具有較高的相似度，而不同類別之間體現差異性的分類方法.由于自然災害、極端事件及人為等因素具有不確定性，本文主要考慮環境因素對光伏組件帶來的影響.沿黃九省份的環境特征各異，溫度、濕度、日照及粉塵等都是影響光伏組件服役壽命的因素，姜小華[42]利用區域聚類分析法，根據沿黃九省份的溫度、濕度等特征進行研究，發現在工作負荷和自然損耗兩個綜合因素下，各省份的光伏組件服役壽命各有異同.其中平均服役壽命為16.8 年的省份有甘肅省、青海省、寧夏回族自治區和內蒙古自治區，平均服役壽命為24 年的省份有四川省、山西省、陜西省、河南省和山東省.本研究將16.8 年和24 年作為威布爾分布模型中的特征壽命.

光伏組件失效一般有2 種模式，一種是安裝合格、運維良好情況下符合正常規律的常規退役模式；另外一種則是因為安裝不合格、運維不良導致光伏組件從安裝開始出現退化現象的早期退役模式.這兩種模式下分布密度函數的形狀參數(β)分別為5.375 9 和2.492 8.根據特征壽命和形狀參數的不同，組合得到各省份光伏組件壽命的2 種情景方案，具體見表2.

1.3 光伏組件廢物流預測模型

2012 年，歐盟報廢電子電氣設備(WEEE)將光伏組件加入其中，故預測電子廢物產生量的模型也適用于預測光伏組件的報廢量.預測電子廢物產生量的模型一般有市場供給模型、市場供給A 模型和斯坦福模型[43]，本研究根據光伏組件壽命分布的特征和每年新增的裝機容量，并考慮數據量有限性，選用市場供給A 模型作為預測光伏組件報廢容量的模型.計算公式如下：

式中：j為組件的實際壽命，即報廢年限，j=1,2,···,n+m；Qwj為第j年的光伏組件報廢容量，GW；S j為從該年算起j年前光伏組件的裝機容量，包括實際值和預測值，GW；Pj為壽命為j年的組件的百分比.

最后，根據領先產商光伏組件的標稱功率和平均重量，利用光伏組件的重量功率比，計算報廢光伏組件的報廢重量.圖2 顯示，隨著技術進步，光伏組件的重量不斷變輕〔IEA-PVPS(國際能源機構光伏電力系統)〕.通過數據擬合得到光伏組件隨時間的重量功率比，從而估算未來報廢光伏組件的重量〔見式(5)〕.

圖2 光伏組件重量與功率比值Fig.2 Weight to power ratio of PV modules

式中：Mwj為第j年的光伏組件報廢重量，t；ωj為光伏組件的重量與功率比值，t/MW.

2 結果與討論

2.1 沿黃九省份新增裝機容量預測

圖3 為沿黃九省份2013-2022 年歷史裝機容量以及2023-2040 年新增和累計裝機容量.2013-2022年沿黃九省份新增裝機容量增長無明顯趨勢，但2023-2040 年持續增長.2013-2022 年的年均增長率為22.39%，2023-2030 年、2031-2040 年的年均增長率分別為28.12%、10.65%，年均增長率呈現先增后降趨勢，主要因為各省份積極實施能源綠色低碳轉型工程，光伏組件裝機容量大幅增長，而在取得實質性成效后穩中有降.根據預測，2025 年青海省、甘肅省和寧夏回族自治區光伏組件累計裝機容量分別為40.8、35.36 和33.53 GW，對比這三省份“十四五”規劃的2025 年累計裝機容量(分別為45.8、41.69 和32.5 GW)，發現差異較小，說明預測結果較為可靠，可以作為進一步分析光伏組件報廢容量的數據基礎.

圖3 沿黃九省份歷史、新增裝機容量和累計裝機容量Fig.3 History, new installed capacity and cumulative installed capacity in the nine provinces along the Yellow River Basin

2023 年、2025 年、2030 年和2040 年新增裝機容量分別為32.92、66.72、187.15 和641.88 GW，且2030 年、2040 年裝機容量是2023 年的5.2 倍、18.9 倍.“雙碳”背景下，2025 年沿黃九省份新增裝機容量是全國新增裝機容量的1.1 倍[44]，主要因為在“雙碳”戰略背景下，各省份積極推進光伏基地項目建設，導致光伏組件裝機容量爆發式增長.

2.2 沿黃九省份廢物流預測

由圖4 可知，四川省、山西省和陜西省等在常規退役模式下，光伏組件在服役第6 年出現失效并且服役35 年后全部失效，其中服役15~29 年間為集中失效的時間段，大約有86%的光伏組件在此期間失效.而在早期退役模式下，光伏組件服役29 年后有81.23%失效，服役50 年后全部失效.甘肅省、青海省等在常規退役模式下，光伏組件在服役第4 年出現失效并且在服役25 年后全部失效，其中服役10~19 年為集中失效時間段，期間約有82%的光伏組件失效.在早期退役模式下，光伏組件服役到20 年后有80.66%失效，服役35 年后全部失效.

圖4 光伏組件退化概率密度分布函數Fig.4 Probability density distribution function of degradation of PV modules

圖5 為沿黃九省份的光伏組件廢物流量(報廢容量和報廢重量).由圖5 可知，光伏組件的廢物流量呈增長趨勢.常規退役模式下，光伏組件在2025 年、2030 年和2040 年的新增報廢容量分別為1.04、4.22、46.10 GW，新增報廢重量分別為0.06×106、0.22×106、2.12×106t.2040 年光伏組件累計報廢容量為205.62 GW，累計報廢重量為9.46×106t.常規退役模式下，報廢重量呈爆發式增長，其平均增長倍數為6.7，且2025 年、2030 年和2040 年的新增報廢重量分別是2023 年的2.0 倍、7.3 倍、70.7 倍.

2.3 沿黃九省份區域差異

圖6 為早期退役模式(情景2)下沿黃九省份光伏組件新增和累計報廢重量及其占比.由圖6 可知，不同省份之間區域差異顯著.2025 年，新增報廢重量排名前三的省份為內蒙古自治區、甘肅省和寧夏回族自治區，分別達到0.029 5×106、0.026 4×106、0.026 2×106t，三者之和占沿黃九省份總量的52.55%，這與傅麗芝的研究[45]結論一致，即在2025 年后，光伏組件出現大批量失效.究其原因可能是，盡管早期(2013 年前后)九省份新增裝機容量較少，但內蒙古自治區、甘肅省和寧夏回族自治區三省份的裝機容量占沿黃九省份總量的79.3%，并且光伏組件在第9 年開始大批量退役，使這三省份的報廢重量相比其他省份明顯偏大，累計報廢重量不斷增加.2030 年，新增報廢重量排名前三的省份為寧夏回族自治區、內蒙古自治區和青海省，分別達到0.088 9×106、0.085 0×106、0.078 8×106t，究其原因一是受“雙碳”戰略影響，光伏組件裝機容量快速增長導致其報廢重量急增；二是光伏組件在9～19 年的時間段內集中退役使其報廢重量快速增長.2040 年，新增報廢重量排名前三的省份為青海省、甘肅省和內蒙古自治區，三者之和的占比為48.89%.

圖6 早期退役模式(情景2)下2025、2030 和2040 年沿黃九省份光伏組件新增和累計報廢重量及占比Fig.6 Under the early failure mode (scenario 2), the new and cumulative waste weight and proportion of PV modules in the nine provinces along the Yellow River Basin in 2025, 2030 and 2040

圖6 還顯示，隨著時間變化區域差異格局不斷凸顯，2030 年和2040 年新增報廢重量排名前三的省份總占比呈現下降趨勢，但山東省的占比卻快速增長，新增報廢重量由2025 年的0.017 9×106t 增至2040年的0.593 9×106t.究其原因：一是“十四五”規劃提出了積極推進東部和中部等地區分布式光伏建設，并且山東省提出了“十四五”海上光伏規劃，使得山東省的新增裝機量快速增加；二是光伏組件處于集中退役的時間段內(服役12~28 年)，進而使得報廢重量急速增加.

2.4 分析與啟示

2.4.1 敏感性分析

早期退役模式下，2025 年、2030 年和2040 年沿黃九省份光伏組件的新增報廢容量分別為2.80、10.08、87.99 GW，新增 報廢重 量 分別 為0.16×106、0.51×106、4.05×106t(見 圖6).其 中2025 年、2030 年和2040 年的新增報廢重量分別是2023 年的1.6 倍、5.1 倍、40.5 倍.研究還發現，早期退役模式下報廢重量多于常規退役模式，如2030 年和2040 年報廢重量分別為常規退役模式的2.32 倍和1.91 倍，這與已有研究[46]得到早期退役模式下的光伏組件報廢流量比常規退役模式下的報廢流量更快地處于高水平，且持續增加的結論一致.

2.4.2 啟示

沿黃九省份作為國家風電光伏重要基地，受“雙碳”戰略影響，未來20 年光伏組件報廢量將急劇增加，報廢光伏組件的處置需求也將隨之增加，當前固廢處置能力可能難以滿足急劇增加的處置需求，需要國家相關部門提前謀劃報廢光伏組件回收和處置能力供給，同時支持研發報廢光伏組件回收和利用的新技術，避免給環境帶來更大壓力.

同時，從報廢光伏組件產生的時空演化來看，內蒙古自治區、甘肅省和寧夏回族自治區等西部地區光伏組件服役壽命較短，短期內光伏組件報廢量產生較多.因此，短期內回收和處置能力布局應當重點考慮西部地區.但因為山東省等地區受政策影響且這些地區的光伏組件服役壽命較長，導致光伏組件報廢重量不斷增多，因此中長期布局中心應根據國家規劃逐漸向分布式光伏和海上光伏建設基地沿海地區轉移.

2.4.3 局限性分析

本文采用灰色模型、Weibull 分布函數和市場供給A 模型等預測了未來光伏組件報廢量，分析了沿黃九省份之間的區域差異，取得了一定成果.但本研究還存在一定局限性，主要包括以下三方面：①數據處理過程平滑系數和初始值不是固定值，會隨著軟件、設置情景的不同存在差異，導致預測的新增裝機量出現偏差.②光伏組件壽命分布需進一步精確，由于未考慮到自然災害、人為破壞等不確定因素，Weibull分布函數的特征壽命等參數設置仍不夠精確，導致預測的報廢量存在一些偏差.③極端事件和光伏產業發展具有不確定性.如日本排放核污染水和“垂直一體化光伏全產業鏈”等皆會影響光伏組件的服役壽命.

3 結論

a) “雙碳”戰略背景下，沿黃九省份2023-2040年光伏組件裝機量呈增長趨勢，年均增長率呈現先增后降的趨勢.2025 年青海省、甘肅省和寧夏回族自治區光伏組件累計裝機容量分別為40.8、35.36 和33.53 GW.2030 年和2040 年的新增裝機容量分別是2023年新增裝機容量的5.2 倍和18.9 倍.

b) 常規退役模式下，光伏組件報廢重量迅速增長.2025 年、2030 年、2040 年 分 別 達 到0.06×106、0.22×106、2.12×106t.早期退役模式下，2025 年、2030年、2040 年光伏組件報廢重量分別達到0.16×106、0.51×106、4.05×106t.光伏組件報廢重量高于常規退役模式下光伏組件報廢重量，如早期退役模式下2030 年和2040 年光伏組件報廢重量分別是常規退役模式的2.32 倍和1.91 倍.

c) 光伏組件報廢重量區域差異顯著，2025 年光伏組件報廢重量排名前三的省份為內蒙古自治區、甘肅省、寧夏回族自治區，三者之和占沿黃九省份總量的52.55%.到2040 年，光伏組件報廢重量排名前三的省份為青海省、甘肅省和內蒙古自治區，三者之和占沿黃九省份總量的48.89%.隨著時間變化其區域差異格局不斷凸顯，山東省占比快速增長.因此，短期布局以內蒙古自治區、甘肅省和寧夏回族自治區等西北地區城市為主，但中長期布局應該考慮國家重點建設的沿海地區.