能源景观理论在我国寒地村镇体系生物质能空间规划中的探索——以黑龙江省富锦市为例*

文/中国城市规划设计研究院 张高攀

哈尔滨工业大学建筑学院 张一飞

中国城市规划设计研究院 杜 锐

科技与工业化的快速发展使石油、煤炭等不可再生能源急速消耗，人类对于开发利用可再生能源的诉求日益强烈。在众多能源类型中，与农业息息相关的生物质能是全球存量第3的可再生能源，由于其能源载体具有可存储性，也使生物质能具有唯一性[1]。全世界的学者纷纷以此为研究重点，对提高生物质能利用效率与降低建设成本进行综合研究。在众多研究方向中，从能源规划与城乡规划交叉视角进行的GIS研究是一个重要的方向[2]。

1 能源景观理念与实践

1.1 理论方法概述

能源景观是基于交叉研究建立起来的理论方法体系，它将城乡规划理论应用到能源规划，运用GIS分析工具对已知的城镇或村镇人口分布状态数据进行分层与叠加分析，确定能源需求分布，测算生物质潜能，进而根据量化分析的图则指导制定规划方案，解决一系列生物质能（或其他可再生能源）发展用地的选址优化问题[3]。迄今为止，在能源景观研究领域，业内学者广泛认可的分析模型是BIBERACHER M等提出的基于GIS技术的生物质能时空模型[4]。

1.2 理论分析模型

基于GIS技术的生物质能时空模型在前期运用GIS、RS技术手段获取地表植被、人口分布、村镇区位等原始分析数据，在此技术上建立GIS数据分层，通过一系列GIS分析方法确定能源（热能、电能）需求在时间维度与空间维度上的分布规律。BLASCHKE T等通过实践项目验证了该模型可有效应用于各种空间规划类型。同时还扩展了模型的分析功能，利用RS数据跟踪当地农业、林业用地生长周期与空间散布规律，同时根据农作物、木材采购运输量对生物质潜能进行分类与评估，将产品的商业交易价格与气候条件的全年变化规律确定为分项影响因子，通过复杂系统的参数体系测算生物质能或其他可再生能源发展用地的优化区域[5]（见图1）。

图1 能源景观空间布局基本模式

1.3 实践项目应用

能源景观不仅在理论层面有较系统的研究，还在很多实际项目中得到广泛应用。在奥地利高原地区项目中，Sp th采用能源类型分区分析方法对当地生物质潜能进行评估，在此基础上执行以可再生能源发展网络为主体的战略规划，以指导该地区的整体经济发展计划，致力于改变区域经济衰退的不良态势。Moser等在德国全境推动的可再生能源规划项目所制定的目标则更加远大，其目标是在2020年前实现100%利用可再生能源发电，彻底避免在发电层次消耗不可再生资源。为实现此目标，采用RS数据分析结合GIS叠加分析的方法来划定可再生能源发展用地的选址适宜范围。BIBERACHER等对德国奥尔登堡地区的RS栅格图与GIS属性数据等进行综合分析，最终得出每年农业生物质潜能为50900kW·h/hm2，每年林业生物质潜能为17400kW·h/hm2[6]。

当选择生物质能作为主要研究对象时，运用能源景观理论方法制定战略性空间规划则主要涉及生产潜能分析、能源供需分析、资源类型分析、运输成本分析、时空变异预测等方面（见图2）。

上述规划案例所处地域的气候规律、区域规模、村镇分布等与黑龙江存在诸多相似之处，可从这些成功的理论方法中汲取经验加以借鉴，推进我国寒地村镇体系生物质能规模经营、效率提升与集约发展。

图2 能源景观研究方法构成

2 生物质能发展网络模型

生物质热电联产电厂是指同时具有发电与供热功能的发电厂，这种发电厂可充分利用生物质能，因此在构建理论模型的环节必须充分考虑热能与电能传输损耗两大因素。

2.1 热能传输阈值

在计算电能损耗时，线路损耗与距离大小的直接关系非常小，热能传输损耗成为后续研究最值得关注的焦点。我国常规供热网设计规范规定：热源至用户的管线长度宜为6~8km，不应大于10km[7]。卢春田等通过对东北地区大量热能传输距离与损耗率数据的采样调研与量化分析，得出一系列研究结论，其中包括当热能传输距离大于8km时，如果用户端室温达到国家法定标准则该区域的投资产出经济性极差[8]。基于上述研究成果，将生物质能发展网络的热能传输阈值确定为8km。依据以往铺设管线的经验，最经济的方式是沿道路两侧建设生物质热电联产电厂及铺设热力、电力管线，因此热能传输阈值为8km可以解读为热源（生物质热电联产电厂）沿道路走向到达用户的热力管线长度≤8km。

2.2 模型基本形态与演化规则

在确定热能传输距离阈值为8km的前提下，可进一步推演村镇半径与发电厂之间的区位关系。在现实地形中，村镇区域内的道路网络表现为不规则形态，因而必须考虑道路非直线系数的影响。通过对以往研究成果的总结与梳理可得出村镇体系道路网络的非直线系数平均值为1.41[9]，这样可将单一发电厂服务半径平均值确定为8÷1.41≈5.67km。在理论分析层次，暂且假设目标区域内所有发电厂平均分布，通过简单的几何运算可以得到任意相邻2个发电厂之间距离为9.83km的蜂巢状生物质能发展网络（见图3）。

此外，村镇区位与村镇人口这2个影响因子会间接影响生物质能发展网络的形态，进而产生相应的演化规则。

村镇区位与能源需求分布区域息息相关。当某个区域内不存在任何村镇时，较为经济的做法是把理论模型的均布式网络在该区域的所有发电厂进行去除，同时与该区域邻接的发电厂的服务范围边界也将随之产生变化，由六边形态转化为圆弧形。当某个区域内存在的村镇数量非常少时，理论模型的均布式网络在该区域的投资产出比将极为不经济，相应的调整措施就是将该区域的发电厂位置进行偏移，实现以更少发电厂数量实现覆盖同样村镇的目的。由此可得出结论：既定区域村镇数量越多，该区域生物质热电联产电厂的服务范围边界形态就越接近于六边形；既定区域村镇数量越少，该区域生物质热电联产电厂的服务范围边界形态就越接近于圆形（见图4）。村镇人口与能源需求分布强度关系密切，通过与当地政府合作获取村镇人口数据，并运用GIS工具进行分析，可依据人均指标法将区域能源需求分布指标转化为与之对应的生物质热电联产电厂产能量级，最终，生物质能发展网络随之出现几种产能量级并存的格局形态。

上述生物质能发展网络的基本形态与演化规则在应用至实际项目时，还需要借助于Arcgis等GIS分析工具进行辅助模拟量化分析。

图3 生物质能发展网络理想形态

图4 生物质能发展网络改良形态

2.3 确定研究对象

据官方统计数据，黑龙江省是我国农产品总产量最高的省份[10]，拥有极其雄厚的农业基础，测算得出生物质潜能为9034.6万t标准煤，其中农业生物质潜能为主要构成部分，占比达99.64%，林业生物质潜能则相当紧缺，仅占比0.36%[11]。富锦是典型的以农业为主的城市，位于黑龙江省东北部松花江下游南岸的三江平原，总面积8224km2，辖区内11个镇与建三江农场的3个分局的人口密集，其余508个村屯为人口散布区域。能满足上述理论模型应用的各项条件与要求，因此将其选为研究对象。

3 研究案例GIS分析

基于富锦市的基本情况，下面将运用GIS工具从电厂网络的分布密度与权重分配2个层面展开优化分析，以此验证生物质能发展网络理论模型的实际效用。

3.1 分布密度优化分析

设定热能传输阈值为8km、沿道路铺设热力与电力管线、以1km为基本单位进行区划3个条件，在此前提下运用Arcgis软件对富锦境内村镇的道路网络进行分析，可得到区域内不同距离分区的分析结果。村镇体系被划分为8个等级的距离分区，分别代表距离村镇0~1000m到7000~8000m的区域。从热能传输距离角度看，某区域颜色越深，则代表在该区域建设生物质热电联产电厂的热能传输损耗越小，而白色区域则代表该区域不适合建设生物质热电联产电厂（见图5）。

在进行生物质热电联产电厂选址时不仅要考虑热能传输损耗，还需考虑发电厂本身的能源转换效率。由上述研究成果得知，大型发电厂的能源转换效率更高，因此在村镇密集区域建设大型发电厂更经济。而在村镇稀疏区域建设大型发电厂会存在产能浪费现象，因此建设小型发电厂更为经济。在热能传输阈值为8km、针对村镇密度差异有针对性地建设尽可能少的不同产能量级的电厂这2条基本原则指导下，在图5的距离分区基础上运用Arcgis运算生成半径各不相同的多个发电厂服务区域，进而形成相应的生物质能发展网络（见图6）。

当发电厂与周边发电厂距离较远时，其服务范围呈圆形；当发电厂与周边发电厂距离较近时，其服务范围呈圆形被直线或圆弧切割后的不规则形状。热力与电力管线都是沿道路铺设的，因此道路系统的非直线系数导致实际发电厂服务范围内任意村镇的直线距离均在不同程度上＜8km。上述理论模型得出的平均值为5.67km，根据发电厂服务半径统计富锦实际平均半径为5.09km，略小于理论模型的5.67km。村镇分布密度较高区域发电厂服务半径偏小，村镇分布密度较低区域发电厂服务半径偏大。结论为村镇分布密度与该区域内生物质热电联产电厂的服务半径呈负相关关系。

图5 富锦市热能传输距离分区分析

图6 富锦市热电联产管线网络

3.2 权重分配优化分析

在建立生物质能发展网络的空间分布信息后，还需进一步根据村镇人口分布状态估算区域内生物质热电联产电厂的产能量级，以确定电厂网络的权重分配。根据富锦市统计年鉴数据，人口主要集中在11个镇及建三江农场的3个分局，其他508个村屯的单个村屯人口处于80~600人范围内，平均每村243人（见图7）。

在确定生物质热电联产电厂产能量级的过程中，依据镇与村屯的人口数据与人均用电水平测算各生物质热电联产电厂所需输出的用电量，最终形成的权重分布结果是服务范围覆盖人口密集核心的发电厂都被确定为大型发电厂（产能量级600MW），服务范围未覆盖人口密集核心但覆盖较多村镇的发电厂被确定为中型发电厂（产能量级200MW），服务范围未覆盖人口密集核心且覆盖村镇数量较少的发电厂被确定为小型发电厂（产能量级100MW），最终形成拥有3个产能量级的生物质能发展网络（见图8）。

区别于以往村镇规划专业领域的判例式设计方法，依据热能传输阈值、村镇分布密度、人口分布状态而进行的GIS模拟分析过程可使规划设计过程具有逻辑推理基础与量化分析数据的支撑，在此基础上生成的规划设计方案为富锦村镇体系提供了可行性较强的生物质能发展网络的建设指导。

图7 富锦市人口分布状态

图8 富锦市生物质热电联产电厂产能量级分布

4 结语

由上述理论模型推导过程与案例GIS分析结果可得出以下结论。

1）在村镇分布密度绝对平均的理想状态下，生物质能发展网络呈现出各电厂彼此距离均为9.83km的蜂巢状分布形态。

2）村镇分布密度越大，生物质热电联产电厂服务范围的边界形态越趋近于六边形；村镇分布密度越小，生物质热电联产电厂服务范围的边界形态越趋近于圆形。

3）村镇体系内道路非直线系数、村镇分布密度均与生物质热电联产电厂服务半径的平均值呈负相关关系。

4）当村镇体系内局部人口密度存在较大差异时，建设由大型、中型、小型生物质热电联产电厂构成的非均布式网络格局更经济。

运用GIS工具分析村镇体系的村镇分布状态、人口密度数据，可测算得出生物质能发展网络的分布密度与权重分配优选方案，由此生成的电厂网络布局方案可从区域全局角度提高能源利用效率，减少前期建设成本。

参考文献：

[1] HEPBASLI A. A key review on exergetic analysis and assessment of renewable energy resources for a sustainable future[J].Renewable and sustainable energy reviews，2008，12（3）：593-661.

[2] TASNEEM A,ABBASI S.A.Biomass energy and the environmental impacts associated with its production and utilization[J].Renewable and sustainable energy reviews，2010，14（4）：919-937.

[3] THOMAS B，MARKUS B，SABINE G，et al.‘Energy landscapes’: meeting energy demands and human aspirations[J].Biomass & bioenergy，2013，55（8）：3-16.

[4] BIBERACHER M，GADOCHA S，ZOCHER D. GIS based model to optimize possible self sustaining regions in the context of renewable energy supply[C]//iEMSs fourth biennial meeting: international congress on environmental modelling and software，2008.

[5] BLASCHKE T，BIBERACHER M，GADOCHA S，et al. Integrated energy spatial planning：“spatializing”policy decision support[C]//European conference of the Czech presidency of the council of the EU towards eenvironment，2009.

[6] BIBERACHER M，GADOCHA S. GIS based model to optimize the utilization of renewable energy carriers and related energy flows[C]//18th world IMACS/MODSIM congress，2009.

[7] 张雨晨，田贯三，孙永海，等.集中供热蒸汽热网与热水热网热损失率对比[J].煤气与热力，2008，8（5）：13-16.

[8] 卢春田，习磊朋.热水管网供热距离经济性分析[J].中国科技信息，2011，18（11）：223-224.

[9] 王炜，徐吉谦，杨涛，等.城市交通规划理论及其应用[M].南京：东南大学出版社，1998.

[10] 中华人民共和国国家统计局.中国统计年鉴（2016）[M].北京：中国统计出版社，2016.

[11] 黑龙江省统计局，国家统计局黑龙江调查部队. 黑龙江统计年鉴——2016[M]. 北京：中国统计出版社，2016.