基于系统动力学的碳捕捉与封存实施方案评价研究

王 众，匡建超，庞河清，霍志磊

(1.成都理工大学管理科学学院，四川 成都 610059;2.中国石化西南油气分公司博士后科研工作站，四川 成都 610041;3.成都理工大学核技术与自动化工程学院，四川 成都 610059)

1 引言

目前关于CCS的评价大都集中于CCS系统的某一个环节，对于CCS全流程进行集成研究的还较少。CCS不是捕捉、运输和封存三个环节简单相加，而是一个非线性的复杂时变系统，包含了物质与信息的众多反馈回路。尽管Jakobsen等［1］、Jakobsen等［2］提出了“CO2链”的概念，将CCS的各环节串联起来，从一体化的角度对CCS方案进行评价，但其实质还是将各环节的成本或收益进行简单的线性叠加，忽略了CCS系统内部要素之间的相互作用和反馈机制，同时还忽略了CCS系统产生的额外能源耗费和封存后CO2的泄露对整体减排效果的影响，从而无法科学、全面的对一个CCS方案进行评价。此外，已有的全流程CCS方案评价几乎都是将EOR作为封存选择，对于深部盐水层(Deep Saline Formation，DSF)封存探讨较少。笔者认为虽然EOR能增产石油具有额外的经济效益，但是由于注入率(部分油藏的年封存量远小于单个燃煤电厂的年排放量)和封存潜力较小的缘故，EOR仅是CCS的早期机会，分布更为广泛、封存潜力更加巨大的DSF封存才是中国CO2长期、深度减排的主要途径［3］。

由于系统动力学(System Dynamics，SD)能够较好地处理非线性、多重反馈的复杂时变系统问题，被广泛应用于系统科学和管理科学相关领域［4］。近年来，有学者也开始尝试将SD用于CCS相关研究领域，如梁大鹏［5］运用系统动力学对中国的CCS商业运营模式进行了研究，找出了我国CCS商业化模式推广中最为关键的4个因素;Ravagnani等［6］运用系统动力学的方法对通过EOR封存CO2项目的技术经济可行性进行了研究，考虑了EOR的能耗和潜在的CO2排放。基于此，笔者根据中国的实际情况，同时考虑与CCS的匹配程度，将超临界燃煤电厂(Super-critical Pulverized Coal，SPC)排放的深部盐水层封存(SPC+DSF)作为具体的 CCS实施方案［3］，以生命周期评价(LCA)思想为指导，运用系统动力学的基本原理和方法对该CCS方案建模，理清CSS系统要素之间的相互影响关系和反馈机制，并通过计算机仿真来分析CCS在运行过程中的CO2流(注入量及封存过程中的泄漏)、资金流(收益及成本)、能量流(额外能源耗费)，从而能够对CCS方案进行系统、科学的评价。

2 SPC+DSF的SD建模

2.1 模型假设

为了更有效地对CCS方案进行分析、抓住问题重点，在建模过程中特做出如下假设和简化:

(1)由于中国电力市场结构的不合理，电厂(特别是火电)巨额亏损的同时电网赚取高额利润，以至笔者无法准确计算发电的实际收益和成本［7］。同时为更清晰地反映CCS系统本身的成本及能耗，模型将CCS系统产生固定投资、日常运营费用和收入同电厂分开，即单独计算CCS的经济效益，且CCS系统可以根据收益来决定是否继续进行CO2捕捉。

(2)根据学习曲线效应，模型假设CCS系统的单位能耗和单位捕捉成本随着累积捕捉量的增加而逐渐降低。

(3)本模型假设CCS系统减排的CO2可以通过情节发展机制(CDM)或类似的碳交易机制获得相应的减排收益;目前国家对于可再生能源及清洁能源都给予了一定的政策扶持，本模型假设安装CCS系统的电厂，其上网电价享受一定的政策补贴。

(4)对于1000km内大规模CO2的运输，管道运输是首选途径［8］，本模型假定排放源和封存场地之间采用点对点的管道运输方式。

(5)假设封存场地已经过仔细的筛选，即封存潜力大于排放源生命周期内的累积排放量，同时封存后不考虑由于突发事件(如地震或其他人为破坏)产生的大规模泄露。

(6)假设CCS系统的生命周期为30年(2016—2045)，固定投资均在2016年前完成。

2.2 模型结构分析

(1)系统基本结构。CCS系统是一个复杂的、多反馈的非线性系统，笔者从总体上将该系统分为4个主要组成部分，其基本结构如图1所示。

图1 CCS系统动力学模型基本结构

减排子系统包含CO2捕捉量、运输量、封存量以及封存后的泄漏量等因素，反映了CCS系统中CO2流动及减排情况;收益子系统包含了CCS系统的收入和成本等因素，反映了整个CCS系统的资金流动及盈利情况;能耗子系统主要是指在整个CCS过程中的额外能源耗费和实际电力输出;技术进步子系统则描述在CCS系统中，技术进步是怎样产生的。如图1所示，这四个子系统又相互影响:减排效果的好坏通过碳税影响系统的收益，系统的收益又反过来影响系统减排的动力;减排量累积的多少通过学习曲线效应，决定系统技术进步的快慢;系统技术进步的快慢通过单位捕捉成本和单位捕捉能耗的降低幅度影响系统收益和额外能耗;系统额外能耗直接决定了实际输出电力的多少，从而影响系统的收益。

(2)系统因果关系分析。在系统动力学中，元素之间的相互作用及影响可以概括为因果关系，正是这种因果关系的相互作用，形成了系统的功能和行为。将图1中各子系统中的变量进一步细化，便形成了CCS系统的因果关系图，如图2所示。

2.3 系统动力学模型构建

在CCS系统因果图的基础上进一步区别变量的性质，采用Vensim PLE软件绘制了CCS系统动力学模型的存量流量图。模型中共有7个水平变量，分别是额外累积煤炭耗费量、累积电力输出损耗、累积捕捉量、累积排放量、累积封存量、累积减排量和收益累积量现值。这7个水平变量能够充分反映CCS系统的额外能耗、减排效果和经济收益三个方面。

3 模型仿真及结果分析

3.1 模型主要参数设定

笔者运用 Carnegie Mellon University开发的IECM模型［9］以及文献 ［10］总结的经验公式计算了CCS系统的各项内部参数，并对CCS系统的外部参数进行了假设。

3.2 模型仿真及结果分析

将设定好的参数带入模型，运用Vensim PLE软件进行仿真，得出了CCS系统的动态运行情况，如图3所示。

图3a反映了捕捉系统运行情况，从图中可以看出该电厂年排放2.76×106吨CO2，由于碳税的存在，电厂以87.5%的捕捉率每年捕捉4.24×106吨，但是由于运输和封存场地的泄露，每年净减排量均小于捕捉量，且随着累积注入量的增加泄露量也逐年增加，以至于年净减排量逐年下降，因而封存场地的密闭性直接影响CCS的减排效果。图3b反映了技术进步子系统的运行情况，我们可以看出由于学习曲线效应的作用，捕捉系统的单位捕捉成本和单位能耗都随着累积捕捉量的增加而减少。图3c反映了能耗子系统的运行情况，由于单位捕捉能耗的降低，电厂的净电力输出逐年增加，而用于捕捉的额外煤炭耗费则逐年下降。图3d则反映了收益子系统的运行，由于捕捉环节成本占整个CCS成本90%以上，年支出随着单位捕捉成本的降低呈下降趋势;而尽管年净电力输出增加，但是由于净减排量降低的缘故，每年获得的CDM收益也逐年降低，以至于年收入也逐年降低。该系统经过30年的运行，共减排 CO266.82×106吨，占电厂排放总量的80.79%;NPV=-4.4641 ×109元(单位减排成本 66.81 元/吨);耗费输出电力9.3184 ×106MWh，约占电厂总电力输出的10%，额外消耗煤炭6.05×106吨(单位减排能耗0.0905吨/吨)。

3.3 进一步分析

(1)碳交易价格及碳税对CCS的影响分析。尽管在2011年的坎昆气候大会上CCS被列入CDM范围之内，但是离实际实施尚需时日。与此同时，通过仿真我们得知CDM收入占SPC+DSF系统年收入的80%以上，因而CDM收入对于CCS至关重要。为了考察CDM价格以及碳税对CCS的影响，根据CERs价格的不同笔者设定了以下三个情景(见表1)，其仿真结果见图4。

从图4a中可以出，当CERs=0且碳税维持在50元/吨水平时，CCS系统由于捕捉成本大于碳税停止运行，年捕捉量为零(情景一);若在情景一的基础上提高碳税率且税率足够高，使得电厂缴纳的碳税远大于捕捉成本，CCS系统正常运行(情景二);当碳交易价格成为一个随机变量，CCS的年捕捉量也会随之变化(情景三)。从图4b可以看出由于情景一无CDM收入，加之捕捉量为零也无电价补贴收入，因而年收入为零;情景二尽管无CDM收入，但有电价补贴收入，同时在技术进步的作用下，年净电力输出逐年增加，年收入也逐渐增加;由于CDM收入占了CCS年收入的80%以上，因而情景三的年收入随着CERs价格的波动而波动。从图4c可以看出，由于情景一的年捕捉量同基准情景一样，技术进步的幅度一样，因而年支出保持一致;情景二在整个仿真期间捕捉量为零，则其年支出全部为碳税且保持恒定;情景三由于在2019年和2037两年的捕捉量为零，因而在这两年的年支出仅为碳税，同时由于累积捕捉量稍小于基准情景，因而从2019年开始年支出略微高于基准情景和情景一。从图4d看出若无CDM收入，在捕捉量相同的情况下，单位减排成本增加了52%。

(2)技术进步对CCS的影响分析。技术进步作为CCS系统中一个重要的反馈，影响着CCS系统的运行。为了更清晰地反映技术进步对CCS的影响，本文还比较了无技术进步(LR=0)和技术进步较快(LR=0.083)两种情况，其仿真结果如图5所示。从图5中可以看出，由于技术进步的快慢不同，捕捉成本和捕捉能耗的下降幅度也不同，从而最终导致整个CCS系统的单位减排成本和单位减排能耗有较大差别:“技术进步较快”情境下的单位减排成本和单位减排能耗较“无技术进步”情景分别降低5.6%和18.7%。

图4 不同碳交易价格的CCS系统仿真结果

4 结论与建议

本文以生命周期评价思想为指导，运用系统动力学方法对超临界燃煤电厂排放的深部盐水层封存(SPC+DSF)CCS实施方案进行了建模与仿真，计算了该方案的减排效果、经济效益和能耗，分析了碳交易价格和技术进步对CCS的影响。仿真结果表明:①DSF的减排效果较好，但是整体减排成本过高、能耗过大;②由学习曲线效应引发的技术进步是CCS系统中一个重要反馈，能够有效降低减排成本和能耗;③CDM(碳汇)是CCS收入的最重要组成部分，最终能否顺利进入CDM(或相关碳交易体系)对于CCS至关重要。尽管国家发改委发布了《关于推动碳捕集、利用和封存试验示范的通知》，力推CCS。但从仿真结果来看，单纯的CCS实施方案(电厂捕捉+深部盐水层封存)据大规模实施还有很长的路要走。笔者认为可以从以下几个方面入手降低CCS减排成本，提高企业和社会参与动力，推动CCS发展。

(1)发展碳捕捉、利用与封存(Carbon Capture，Utilization and Storage，CCUS)，进一步强调CO2的资源化利用。仿真结果表明CCS实施方案(DSF封存)收入主要来源于CDM收入(碳汇)，若无外部资金来源，CCS难以发展。因此除了加快推动碳税和碳交易机制的形成外，还需要加大CO2的资源化利用，增加企业的减排收益，充分调动企业和社会的参与度和积极性。这样从循环经济的角度，不仅创造了环境效益，还创造了经济价值，达到了双赢乃至多赢的目的［11］。例如将捕捉的CO2作为工业产品(碳酸饮料、有机化合物等)的原料，或者是用于注CO2驱油(EOR)和注CO2驱煤层气(ECBM)，提高油气采收率。此外，谢和平(2012)还提出了一种CCU的新理念和技术路线，以天然矿物和工业固废为原料对捕集的CO2进行矿化利用(封存)，生产化工产品或建筑材料［12］。

图5 不同学习率的CCS系统仿真结果

(2)同其他低碳技术结合，争取更多的政策及资金支持。由于我国能源生产消费结构具有“一次能源以煤炭为主，二次能源以煤电为主”的特征，且短期内难有根本性变化，以整体煤气化联合循环(IGCC)和CCS为基础的绿色煤电技术已成为未来我国绿色发电技术发展的一个方向。因此，可以借助推进我国绿色煤电发展的契机，为CCS争取更好的政策和资金，促进CCS的研发和示范，从而推动CCS自身的发展［13］。另外，目前国际上生物质能源发电技术与CCS结合(Biomass+CCS)也具有较好的减排潜力和适中的发电成本［14］。而生物质能又属于可再生能源范畴，目前国家对于可再生能源发电的上网电价补贴力度较大，若国家今后加大可再生能源发电的扶持力度，也可以此为契机促进CCS的发展。

(3)加大技术转让和扩散力度，加快技术进步。仿真结果表明由学习曲线效应引发的技术进步能够促进CCS成本和能耗的降低，倘若CCS技术应用越广泛，装机容量和捕捉量就会越大，技术进步越快，成本和能耗的下降幅度就越大。由于目前CCS的大部分核心技术还掌握在西方发达国家手里，除了加大自身的研究外，可以充分利用国际减排合作机制，利用国内巨大的碳减排市场促使发达国家向中国转让 CCS相关核心技术［15］。另一方面，CCS技术涉及政府、科研机构、电厂和公众等利益相关者，目前由于一些电厂和公众的不理解，影响了CCS的推广，因此还应该加强“技术需求-技术供给-技术扩散”的集成研究，加快CCS的技术扩散［16］。

［1］J.P.Jakobsen，G.Tangena，?.Nordb?，et al.Methodology for CO2chain analysis［J］.International Journal of Greenhouse Gas Control，2008，4(2):439-447.

［2］J.P.Jakobsen，A.Brunsvold，J.Husebye et al.Comprehensive assessment of CCS chains-consistent and transparent methodology［J］.Energy Procedia，2011，(4):2377-2384.

［3］匡建超，王众，霍志磊.中国二氧化碳捕捉与封存技术(CCS)早期实施方案构建研究［J］.中外能源，2012，17(12):17-23.

［4］钟永光，贾晓菁，李旭，等.系统动力学［M］.北京:科学出版社，2009.

［5］梁大鹏.基于电力市场的中国CCS商业运营模式及仿真研究［J］.中国软科学，2009，(2):151-163.

［6］A.T.F.S.G.Ravagnani，E.L.Ligerob，S.B.Suslick.CO2sequestration through enhanced oil recovery in a mature oil field［J］.Journal of Petroleum Science and Engineering，2009，65(3-4):129-138.

［7］D.P.Liang，W.W.Wu.Barriers and incentives of CCS deployment in China:results from semi-structured interviews［J］.Energy Policy，2009，37(6):2421-2432.

［8］张鸿翔，李小春，魏宁.二氧化碳捕获与封存的主要技术环节与问题分析［J］.地球科学进展，2010，25(3):335-340.

［9］Carnegie Mellon University.About IECM［EB/OL］.(2012-12-12)［2012-12-12］.http://www.cmu.edu/epp/iecm/about.html.

［10］D.L.McCollum and J.M.Ogden.Techno-economic models for carbon dioxide compression，transport，and storage ＆ correlations for estimating carbon dioxide density and viscosity［R］.CA，USA:Institute of Transportation Studies，2006.

［11］仲平，彭斯震，贾莉，等.中国碳捕集、利用与封存技术研发与示范［J］.中国人口·资源与环境，2011，21(12):41-45.

［12］谢和平，谢凌志，王昱飞，等.全球二氧化碳减排不应是 CCS，应是CCU［J］.四川大学学报(工程科学版)，2012，44(4):1-5.

［13］甘志霞，刘学之，尚玥佟.我国发展二氧化碳捕集与封存技术的挑战及对策建议［J］.中国科技论坛，2012，(4):135-138.

［14］J.S.Rhodesa，D.W.Keithb.Engineering economic analysis of biomass IGCC with carbon capture and storage［J］.Biomass and Bioenergy，2005，29(6):440-450.

［15］周五七，聂鸣.促进低碳技术创新的公共政策实践与启示［J］.中国科技论坛，2011，(7):18-23.

［16］张慧明，周德群，曹杰，等.温室气体减排技术研究进展［J］.中国科技论坛，2011，(9):104-109，120.