计及高比例可再生能源运行特性的中长期电力发展分析

王耀华， 焦冰琦， 张富强， 冯君淑， 伍声宇

(国网能源研究院， 北京市 102209)

计及高比例可再生能源运行特性的中长期电力发展分析

王耀华， 焦冰琦， 张富强， 冯君淑， 伍声宇

(国网能源研究院， 北京市 102209)

面对日益严峻的气候和环境问题，过去的高消耗、高排放的能源发展模式已难以为继，建立以可再生能源为主体的能源，特别是电力供应体系，实现能源清洁低碳转型发展成为大势。首先,介绍了面向高比例可再生能源的中长期电力发展研究思路。接着,提出了多区域、多场景中长期电力规划模型，该模型以全社会电力供应成本最小化为优化目标，考虑了电力系统扩展规划、运行、发电资源及能源电力政策等多方面约束；通过电力系统运行模拟在规划问题内的适度耦合，可计及风光等可再生能源发电的随机性与波动性。最后，基于所提规划模型，展望了中国2050年高比例可再生能源电力系统的电源格局与电力流，并对系统整体运行情况进行了分析。

电力发展; 可再生能源; 高比例; 多区域; 多场景; 规划与运行; 运行模拟

0 引言

为破解当前能源发展面临的资源紧张、环境污染及气候变化等诸多挑战，努力降低对化石能源的依赖，逐步构建以低碳、可再生的清洁能源为主体的新型能源系统，已成为世界各国的共同选择[1]。由于清洁能源主要转化为电力使用，某种意义上，电力行业不仅处在能源转型的重要位置，也是推动转型的关键环节，并在一定程度上决定转型的效果及成败。在此背景下，研究未来电力系统的发展显得十分必要[2-3]。

未来电力系统的清洁、低碳、绿色发展方向[4-6]，定将促使以风电、太阳能发电为代表的可再生能源加速发展。中国能源发展相关政策[7]提出，到2030年，非化石能源占一次能源消费比重达到20%，非化石能源发电量占全部发电量的比重力争达到50%；到2050年非化石能源占比超过一半。部分研究机构[8]提出了更为激进的发展目标，到2050年形成可再生能源为主的能源体系，可再生能源装机容量占总电源装机容量的82.5%，可再生能源发电量占总发电量的比例达到85%以上。

高比例可再生能源电力系统区别于常规电力系统的最大不同点是：风电、太阳能发电广泛而大规模地接入电力系统，发电的随机性与波动性致使电力系统面临挑战[9]。具体到电力规划模型，体现在：一方面，以传统的净持续负荷曲线为基础的投资决策方法已不适用；另一方面，要分析可再生能源、灵活性资源等运行层面影响，必须要开展细时间尺度运行模拟，而运行模拟对未来电力系统信息要求过于复杂[10]。在规划模型中适度耦合运行模拟，考虑高比例可再生能源影响的同时，保留规划问题对宏观发展问题的聚焦是关键。

目前有不少关于规划及运行模拟一体化模型。文献[10]建立了多区域、多能源、多维度的电力规划及生产模拟模型，通过迭代的方式将规划与运行衔接在一起，以实现2050年可再生能源发展路径研究。文献[11]提出了源网荷综合规划模型，计及各环节主要要素对规划方案的影响，优化确定最佳的电源和电网扩展规划方案。文献[12]考虑区域需求与资源差异以及相邻区域间电力交换需求，建立了多区域电源规划模型。在此基础上，文献[13]进一步考虑区间输电通道容量和长距离跨区输电需求，建立了基于电网网架结构的多区域电源及电力流规划模型，文中案例也研究了不同政策情景对规划方案的影响。文献[14-15]基于多区域多期优化模型，重点研究了电力行业在长期气候政策框架下的作用和影响，以及清洁发电计划在中国电力行业应用中的渗透率障碍。现有的大多数规划及运行模拟一体化模型中，并未深入分析高比例可再生能源对电力规划与运行的影响。虽有文献提及高比例可再生发电占比[11]，但方法上考虑相对简单。

面向未来高比例可再生能源电力系统的发展愿景，本文参考国家能源发展相关政策建议，考虑不同发展阶段下各类可再生能源技术进步及成本下降趋势，计及风光等可再生能源出力的随机性与波动性，提出建立多区域、多场景中长期电力规划模型；通过电力规划与运行层面的适度耦合，开展适应高比例可再生能源接入的电力发展展望研究。

1 研究思路

面向高比例可再生能源的中长期电力发展研究是以实现国民经济发展、保障生态气候环境、承载能源革命使命等为目标，以能源电力发展的政策环境以及国家和地方发布的有关规划、政策等为基础，综合考虑中国能源资源条件、供需格局、开发进度、建设周期等各个方面。具体研究思路是：根据各区域发电资源的开发潜力、开发条件和用能需求，以规划期内全社会电力供应总成本最低为目标，以能源供应能力、电力电量平衡、系统运行、环境空间等为约束条件，构设优化问题，并求解得到非化石能源发电的开发规模时序、各种类型电源和储能的装机规模和布局、跨省区电力输送规模等。总体框架如图1所示。

图1 面向高比例可再生能源的中长期电力发展研究思路框图Fig.1 Research framework of medium and long-term electric power development in face of high proportion of renewable energy

基于此研究思路，本文提出采用多区域、多场景中长期电力规划模型。多区域，即结合现有电网划分层次以及送受端关系，并考虑未来电网的互联互通需求，将全国划分为若干区域，统筹考虑区域内与区域间的供需及联络需求。多场景，即针对各区域的资源禀赋与负荷需求特点，选用若干典型场景来表征风光出力与负荷需求变化特性，并逐场景简单模拟高比例可再生能源电力系统的运行特性。典型场景可以采用聚类方法形成[16]。

2 多区域多场景中长期电力规划模型

2.1 优化目标

以展望期内全社会电力供应总成本最小为优化目标，包括各区域不同水平年的投资、运维、燃料、排放成本及设备残值，即

(1)

(2)

(3)

(4)

(5)

(6)

2.2 主要约束

所考虑约束包括电力系统扩展规划约束、电力系统运行约束、发电资源约束、能源电力发展政策约束等。

1)电力系统扩展规划约束

主要根据展望期内逐水平年新增及退役情况，动态修正电源装机及跨区通道输电容量，即

∀z∈Z,t∈T,m∈Mz,i∈Mz,m

(7)

∀z∈Z,t∈T,m∈Mz,i∈Mz,m

(8)

(9)

式中：ym,i为电源m中机组i的运行寿命，若t-ym,i未落入展望期，则追溯到展望期前的对应年份;Lz为起点或终点在区域z的跨区通道集，下标z∈Z。

2)电力系统运行约束

主要计及各区域逐水平年各场景中的电力平衡约束、系统充裕度约束、电源出力约束、跨区输电约束等。

各典型场景逐时需要确保电力供需平衡，即

∀z∈Z,t∈T,s∈Sz,n∈N

(10)

根据电力平衡约束，可以测算各区域各类电源及通道的逐年累积发电与交换电量，即

(11)

(12)

式中：yt为对应水平年的公历天数；ρz,t,s为所考虑的风光负荷场景s出现的概率。

系统充裕度约束确保有足够装机容量满足峰值负荷需求，即

(13)

电源出力约束主要确保各类机组运行出力在合理范围内，即

i∈Mz,m,s∈Sz,n∈N

(14)

s∈Sz,n∈N

(15)

储能运行需同时考虑出力与存储能力约束，即

s∈Sz,n∈N

(16)

s∈Sz,n∈N

(17)

式(16)给出了逐时段储能发电和蓄电功率约束，其中式(17)给出了储能存储能力约束，对于抽水蓄能，需要按式(17)分别建立其上下水库的存储能力约束；对于带储能的光热发电，需要将式(15)与式(17)联合建模。

跨区输电约束确保通道交换功率在合理范围内，即

(18)

3)发电资源约束

主要考虑各类发电能源资源禀赋及平衡约束[10]。

对于发电用煤/气，有[10]

(19)

(20)

考虑各类发电资源禀赋及机组利用小时数约束，有

∀z∈Z,t∈T,m∈Mz,i∈Mz,m

(21)

4)能源电力发展政策约束

主要考虑碳排放约束(式(22))、能源消费总量约束(式(23))、非化石能源占一次能源消费比重约束(式(24))、非化石能源发电占比约束(式(25))和弃能率约束(式(26))等。

(22)

(23)

(24)

(25)

∀t∈T

(26)

此外，还有逐年新增机组和跨区通道的容量下限约束，主要用于计及已规划但尚未开工、在建但尚未投产等类型的确定性机组和跨区通道。

2.3 模型求解

待优化目标与约束建立后，即可形成多区域、多场景电力规划模型；该模型是混合整数线性模型，约束及变量规模较大，适合调用Cplex等成熟的商业化数学规划软件进行求解。

3 中长期电力发展情景

3.1 主要假设及部分参数

本文主要面向中国2050年高比例可再生能源电力系统的发展愿景。综合考虑了现有电网的电力送受关系，将全国电网划分为西北、东北、华北送端(含蒙西与山西)、东中部受端、西南、南方6个区域电网。考虑到海上风电、光热、电储能等新发电技术的日益成熟及远期规模化商业的应用趋势，本文重点针对常规煤电、气电、核电、风电、光伏发电、光热发电、生物质发电、抽水蓄能、电储能等电源类型开展应用研究。

参考国家能源电力发展政策[7]及相关机构研究报告[17]，2030年和2050年能源消费总量基准分别选取为5.5×109t和6.0×109t标准煤以内；2030年和2050年全社会用电量分别选取为0.9×1013，1.17×1013kW·h，最大电力负荷分别选取为1.45×109，1.87×109kW。本文未对负荷特性进行深入分析，主要参考现阶段负荷曲线形成的典型负荷需求场景。

对于水电、核电等清洁能源，重点考虑其站址资源及进一步开发预期[18]。2050年水电开发上限选取为5.4×108kW。考虑到核电发展的不确定性，2050年核电开发上限选取为1.6×108kW。生物质发电主要受原材料获取影响，2050年其发展规模上限选取为2×108kW。2050年风电、太阳能发电发展空间相对宽松，除海上风电外，其他电源类型不做特别设定，发展上限按当地资源水平确定[19]；考虑到近海风能资源条件，2050年海上风电开发上限选取为2×108kW。典型场景中的风光预想出力系数按各地区资源特性选取。中远期各发电技术的经济参数参考文献[10]和文献[20]。

将所考虑的主要假设、相关参数及能源发展政策[21-22]输入多区域、多场景中长期电力规划模型，即可得到远景规划水平年的电源发展与跨区电力流优化方案。

3.2 电源发展分析

总体来看，中国电力装机总规模呈现快速发展态势，但不同类型的电源发展分化较为明显，部分水平年全国电源装机容量构成情况如图2所示。

图2 2050年全国电源装机结构Fig.2 Generation capacity structure of China in 2050

2030年全国电源总装机规模约为3×109kW，2050年全国电源总装机规模约为4.8×109kW。非化石能源装机容量占比由2015年的36%增至2050年的近80%；其中风、光等间歇性电源装机容量迅速增长，装机容量占比由2015年的11%增至2050年的53%，成为非化石能源装机容量增长的主体；而煤电装机容量在展望期中达峰后开始呈现明显的下降趋势，装机容量占比预计由2030年的40%左右降至2050年的16%左右。

2050年各类电源发展布局情况如图3所示。其中，水电主要布局在水电资源富集的西南和南方地区，合计装机容量占比超过70%。一方面，间歇性电源在西北、华北送端等资源富集区域重点开发；另一方面，也充分考虑了就地开发与消纳需求，风光装机容量在本区域装机容量占比相对均衡，除西南外，各区域占比都在40%以上。煤电主要布局在西北和华北送端，由于其间歇性电源装机容量比例较高，一定的火电可以更好地保障高比例新能源电力系统的运行；而其他区域受资源及环境问题制约，装机规模较低。各区域储能发展相对均衡；抽水蓄能发展主要受站址资源分布限制，在西北、华北送端等站址资源有限的区域，发展电储能等其他类型储能可以促进新能源利用及高比例可再生能源电力系统的稳定运行。

图3 2050年各类电源发展布局Fig.3 Development allocation of different generation sources in 2050

在本情景中，2030年非化石能源发电量占比为44%，风光等间歇性电源发电量占比在18%左右。2050年各类电源发电量占比见附录A图A1，非化石能源发电量占比达到75%，其中间歇性电源发电量占比达到40%，成为发电量主体；化石能源发电量占比降至25%，煤电则降至20%以下，实现主要发电主体到发挥容量价值的转变。

3.3 整体运行情况分析

1)新能源发电

经运行统计分析，2050年，全国风电和太阳能发电的平均发电利用小时数分别约为2 250 h和1 400 h，全国平均弃能率约为7.6%，详见附录A图A2。由于各地区的资源条件、电源结构、负荷需求及新能源开发利用方式的差异，风电和太阳能发电的利用小时数存在一定差别。风电方面，西北、华北送端、东中部地区的风电利用小时数约为2 300 h，西南和南方地区的风电利用小时数约为2 150 h，而东北约为2 000 h；太阳能发电方面，资源条件好的西北、华北送端等地区的发电利用小时数可达到1 600 h以上，东北、西南地区的发电利用小时数约为1 500 h，而东中部和南方地区受资源条件限制，发电利用小时数约为1 100 h。

2)煤电

图4给出了部分水平年煤电利用小时数变化情况。在本情景中，2030年和2050年全国煤电利用小时数分别约为3 800 h和2 800 h。煤电利用受电源结构影响明显：东北、西北间歇性电源和西南水电装机容量比重较高，负荷需求有限，煤电在这些区域主要配合新能源运行，发电利用小时数分别低于全国平均水平；2030年后东中部和南方地区煤电装机容量不断降低，由于负荷需求较高，煤电利用小时数高于全国平均水平；华北送端煤电利用小时数与全国平均水平相近。

图4 煤电利用小时数变化Fig.4 Change of annual utilization hours for coal plants

3)跨区电力流

跨区通道促进可再生能源在全国范围内优化配置。在本情景中，2030年和2050年跨区电力流规模分别达到4.6×108，6.8×108kW以上，通过跨区通道交换的电能分别达到1.8×1012，3×1012kW·h，占当年全社会用电量的比重分别达到20%和25%左右。

4)储能

储能工况切换快速,运行灵活可控，既可以发挥容量价值，保障高比例可再生能源电力系统的实时电力平衡，也可以参与能量搬移，提高可再生能源利用水平。图5给出了储能装机规模变化对可再生能源利用的影响。以本情景优化方案中的全国储能装机容量及弃能率为参考基准，通过单独调整储能装机容量可以发现：提高储能装机规模可适当降低弃能率，提高风光等可再生能源利用水平；但提高到一定规模后，弃能改善优势明显削弱，此时储能将更多发挥其容量价值。

图5 储能装机规模变化对可再生能源利用的影响Fig.5 Influence of energy storage capacity on utilization of renewable energy

4 结语

面向高比例可再生能源电力系统的发展愿景，需要转变传统的电力发展研究方法，寻求应对风光等可再生能源大规模发展挑战的解决之道。本文考虑不同发展阶段各类可再生能源技术进步及成本下降趋势，计及风光等可再生能源出力的随机性与波动性，提出了多区域、多场景中长期电力规划模型，实现了电力规划与运行层面的适度耦合。在此基础上，展望了中国2050年高比例可再生能源电力系统的电源格局与电力流，以及其系统运行情况。

研究表明，未来中国电力装机总规模将继续快速发展，但不同类型电源发展态势出现分化。2030年后，中国煤电装机规模开始步入下降通道，由发电主体向发挥容量价值角色转变。风光等可再生能源装机规模进一步增加，到2050年，风光装机容量占比超过50%，发电量占比达到40%。全国可再生能源利用情况良好，各区域风电和太阳能发电基本实现按资源水平开发利用；而煤电主要发挥容量价值并配合可再生能源利用，全国及各区域煤电利用小时数普遍处在较低水平。储能则兼具提供容量价值和促进可再生能源利用的角色。电力流方面，2030年和2050年跨区电力流规模分别达到4.6×108，6.8×108kW以上，促进可再生能源在全国范围内优化配置。

需要指出的是，本文所提出的模型是基于全社会电力供应成本最小化的发展目标，未考虑不同投建及需求主体的利益诉求，所设计的中长期电力发展情景较为单一。此外，本文未涉及负荷特性的研究，也未对发电技术经济性、能源电力发展政策不确定性、储能应用场景等影响要素开展建模分析，后续还有待进一步研究。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 国网能源研究院.全球能源互联网发展报告[R].2016.

[2] 康重庆,姚良忠.高比例可再生能源电力系统的关键科学问题与理论研究框架[J].电力系统自化,2017,41(9):1-11.DOI:10.7500/AEPS20170120004.

KANG Chongqing, YAO Liangzhong. Key scientific issues and theoretical research framework for power systems with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2017, 41(9): 1-11. DOI: 10.7500/AEPS20170120004.

[3] 鲁宗相,黄瀚,单葆国,等.高比例可再生能源电力系统结构形态演化及电力预测展望[J].电力系统自动化,2017,41(9):12-18.DOI:10.7500/AEPS20170109001.

LU Zongxiang, HUANG Han, SHAN Baoguo, et al. Morphological evolution model and power forecasting prospect of future electric power systems with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2017, 41(9): 12-18. DOI: 10.7500/AEPS20170109001.

[4] Executive Office of President. Obama administration record on an all-of-the-above energy strategy[EB/OL]. [2014-12-15]. https://www.whitehouse.gov/sites/default/files/docs/aota%20_report_updated_july_2014. pdf.

[5] The European Climate Foundation. Roadmap 2050—practical guide to a prosperous, low-carbon Erope[EB/OL]. [2010-12-30]. http://www.roadmap2050.eu/ project /roadmap-2050.

[6] The Energy and Environment Council Government of Japan. Innovative strategy for energy and the environment[EB/OL]. [2012-12-25]. http://www.un.org/esa/socd ev/egms/docs/2012/greenjobs/enablingenvironment.pdf.

[7] 国家发展改革委.能源生产和消费革命战略 [EB/OL].[2016-12-29].http://www.ndrc.gov.cn/zcfb/zcfbtz/201704/W020170425509386101355.pdf.

[8] 国家发展和改革委员会能源研究所.中国2050高比例可再生能源发展情景暨路径研究[R].2015.

[9] 鲁宗相,李海波,乔颖.含高比例可再生能源电力系统灵活性规划及挑战[J].电力系统自动化,2016,40(13):147-158.DOI:10.7500/AEPS20151215008.

LU Zongxiang, LI Haibo, QIAO Ying. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power Systems, 2016, 40(13): 147-158. DOI: 10.7500/AEPS20151215008.

[10] 白建华,辛颂旭,刘俊,等.中国实现高比例可再生能源发展路径研究[J].中国电机工程学报,2015,35(14):3699-3705.

BAI Jianhua, XIN Songxu, LIU Jun, et al. Roadmap of realizing the high penetration renewable energy in China[J]. Proceedings of the CSEE, 2015, 35(14): 3699-3705.

[11] ZHANG Ning, HU Zhaoguang, SHEN Bo, et al. An integrated source-grid-load planning model at the macro level: case study for China’s power sector[J]. Energy, 2017, 126: 231-246.

[12] CHENG Rui, XU Zhaofeng, LIU Pei, et al. A multi-region optimization planning model for China’s power sector[J]. Applied Energy, 2015, 137(5): 413-426.

[13] GUO Zheng, MA Linwei, LIU Pei, et al. A multi-regional modelling and optimization approach to China’s power Generation and transmission planning[J]. Energy, 2016, 116(2): 1348-1359.

[14] WANG Can, YE Minhua, CAI Wenjia, et al. The value of a clear, long-term climate policy agenda: a case study of China’s power sector using a multi-region optimization model[J]. Applied Energy, 2014, 125: 276-288.

[15] HUI Jingxuan, CAI Wenjia, WANG Can, et al. Analyzing the penetration barriers of clean generation technologies in China’s power sector using a multi-region optimization model[J]. Applied Energy, 2017, 185: 1809-1820.

[16] 王芃,刘伟佳,林振智,等.基于场景分析的风电场与电转气厂站协同选址规划[J].电力系统自化,2017,41(6):20-29.DOI:10.7500/AEPS20161012007.

WANG Peng, LIU Weijia, LIN Zhenzhi, et al. Scenario analysis based collaborative site selection planning of wind farms and power-to-gas plants[J]. Automation of Electric Power Systems, 2017, 41(6): 20-29. DOI: 10.7500/AEPS20161012007.

[17] 谭显东.我国中长期电力需求展望与预测模型研究[R].北京:国网能源研究院,2017.

[18] 张运洲.电力系统革命战略研究[R].北京:国网能源研究院等,2017.

[19] 谢国辉.我国新能源资源及开发路线图研究[R].北京:国网能源研究院,2017.

[20] Bloomberg New Energy Finance. Technology Cost Declines, Potential game changers for the renewable energy industry[EB/OL]. [2017-08-01]. https://www.ne wenegyfinance.com/core/themes/technology-cost-declines.

[21] 国家发展改革委.电力发展“十三五”规划[EB/OL].[2016-11-07].http://www.ndrc.gov.cn/xgtj/2016.

[22] 国家发展改革委.可再生能源发展“十三五”规划[EB/OL].[2016-12-10].http://www.ndrc.gov.cn/zcfb/zcfbgh.

MediumandLong-termElectricPowerDevelopmentConsideringOperatingCharacteristicsofHighProportionofRenewableEnergy

WANGYaohua,JIAOBingqi,ZHANGFuqiang,FENGJunshu,WUShengyu

(State Grid Energy Research Institute, Beijing 102209, China)

In the face of increasingly severe climate change and environmental deterioration problems, the energy development mode of high consumption and high emission for the past will not be sustainable. A cleaning and low-carbon development mode, which will be achieved by utilizing large-scale renewable energy as the main energy supply system, especially as the main power supply system, can be an alternative choice to cope with the challenge of future energy transformation. Firstly, a research methodology for the medium and long-term electric power development to consider high proportion of renewable energy is introduced. Then, a multi-region multi-scenario medium and long-term electric power planning model with the objective of minimizing the cost of power supply of the whole society is presented, in which the constraints of power system expansion planning, operation, power generation resources, policy, and others are taken into account. The model integrates a power system operation model and the panning model in a moderate way, so the randomness and volatility of wind/photovoltaic and other renewable energy can be reflected in the process of power system planning. Finally, the power supply patterns and power flows of China’s power systems with high proportion of renewable energy and the operation results in 2050 are analyzed based on the proposed planning model.

This work is supported by National Key Research and Development Program of China (No. 2016YFB0900100) and State Grid Corporation of China.

electric power development; renewable energy; high proportion; multi-region; multi-scenario; planning and operation; operation simulation

2017-06-12;

2017-09-26。

上网日期: 2017-10-11。

国家重点研发计划资助项目(2016YFB0900100)；国家电网公司科技项目“电网2050功能形态与发展路径研究”。

王耀华(1973—)，男，硕士，高级工程师，主要研究方向：能源与电力规划、能源技术经济。E-mail：wangyaohua@sgeri.sgcc.com.cn

焦冰琦(1989—)，男，通信作者，博士，工程师，主要研究方向：能源与电力规划与运行。E-mail： jiaobingqi@sgeri.sgcc.com.cn

张富强(1982—)，男，博士，高级工程师，主要研究方向：能源与电力规划、生产模拟与电力市场。E-mail：zhangfuqiang@sgeri.sgcc.com.cn

(编辑孔丽蓓)