贵州发电侧低碳效益关键因素建模与实证研究

王红蕾 王红超

摘要：清洁能源发电在促进传统电力行业向低碳化电力行业转型方面起着十分重要的作用。因此，转变传统的发电结构，降低火电厂CO2的排放量，提高清洁能源发电的比例，对实现低碳效益最大化起着十分重大的理论意义和现实意义。为此，本文首先阐述了发电侧低碳效益因素的选取原则和关键因素，其次运用回归分析、指数平滑法和NAR动态神经网络对贵州发电量进行了训练分析，再次利用NAR动态神经网络对贵州省发电量、火力发电量和火电供电煤耗进行了预测，最后结合“十三五”规划目标，研究了2018—2020年贵州发电侧的低碳效益，并提出了相应的政策性建议。

关键词：清洁能源发电;低碳效益;碳捕集装置;发电技术;供需平衡

中图分类号：N9451

文献标识码：A

文章编号：1000-5099（2019）01-0033-09

随着化石燃料过度消耗，全球能源危机、环境污染、温室效应问题越发明显。电力系统如何实现向低碳电力系统过渡，减少碳排放，节约更多的能源是整个电力行业普遍关注的焦点问题。2017年，波恩气候大会上全球76位专家联合发布的报告显示，2018年全球碳排放量将上升2%，背后的主要原因是欧盟和美国减碳步伐的放缓，以及中国煤炭消费自2014年起连续3年下降后的首次回升

①。CO2是导致全球变暖的罪魁祸首，而CO2主要来源于火力发电厂和汽车尾气的排放。因此，如何降低火电厂CO2的排放量，转变传统的发电结构，提高清洁能源的发电比例，从而实现低碳效益有着十分重要的理论意义和现实意义。

中国一直以来都以负责任的大国形象认真履行公约，致力于可持续的低碳绿色经济发展战略。2006年十一五规划中对“节能减排”提出了发展要求，2007年出台了两大节能减排的指导方案，提倡发展循环经济来构建资源节约型和环境友好型社会，打开了绿色低碳经济发展的大门，彰显了我国对环境保护、节能减排、绿色可持续发展的坚强决心和信心。在2009年哥本哈根宣言中，我国政府也曾公开承诺：到2020年，使单位GDP中CO2的排放量下降为2005年的40%～45%[1]。随后，中国在“十二五”和“十三五”发展规划中也对绿色低碳发展提出了碳减排工作的发展目标。

近年来，贵州省也在大力提倡风能、太阳能、核能等可再生能源发电技术安全并网，提高发电机组发电效率，节约更多的资源，减少环境的污染，致力于为电网的低碳化发展做出相应的贡献。基于此，国内学者对电力系统发电侧低碳效益进行了大量研究，主要集中在3个方面：对低碳效益进行分析，并建立了电力系统低碳效益模型[2-14];分析了低碳调度技术，然后落实到电网发电结构调整和规划之中[15-20];对实现电力系统低碳化发展的措施和途径进行研究[21-24]。

但上述研究均未涉及低碳效益关键因素的量化分析。为此，本文结合目前贵州省发电结构存在的问题，在对低碳效益关键因素及其选取原则进行分析的基础上，以贵州省发电企业为例，通过NAR动态神经网络对低碳效益关键因素进行量化分析，从而预测2018—2020年贵州省的低碳效益，并对贵州省发电企业提出了几点政策性建议。

五、研究结论和政策建议

智能电网作为较为复杂的一个集合体，对其進行深入研究和探讨，有助于智能电网的规划和建设，并且对实现低碳效益最大化也具有重大的现实意义和实际意义。如今，随着中国对节能减排这一环保措施的普遍重视，低碳智能电网系统也将不断完善。贵州省在响应国家号召的同时，也积极做出了很多节能减排工作应对措施：首先，鼓励发电侧的传统发电企业进行发电转型，优先进行清洁无污染和低污染的可再生能源发电;其次，积极倡导用户侧使用电动汽车，从根本上减少汽车尾气的排放量;最后，对传统发电企业进行低碳政策补贴，以保证发电行业的顺利转型和绿色可持续发展。

本文通过3个关键因素的低碳减排效益分析，并根据碳排放价格对低碳效益进行了量化，由此得出结论：优化3个关键因素，即提升可再生能源发电占比，降低火电供电煤耗，提高CCS技术在火力发电厂中的占比，能够实现2020年贵州省“十三五”发展规划的目标，未来贵州省低碳智能电网的经济和能源效益潜力巨大。研究中的不足之处在于：首先，虽然量化分析了低碳效益的关键因素，预测了低碳效益，但仅仅比较了2020年的贵州省“十三五”发展规划目标，未能保证在供需平衡、发电成本最小、给定碳配额的约束前提下，实现低碳效益最大化的最终目标;其次，研究中仅仅预测了2020年不可再生能源（火力发电）和可再生能源（水力、风力、太阳能和核能）的发电量，对可再生能源发电中各部分的发电量没有详细介绍;再次，可再生能源和不可再生能源发电占比为多少时，能够实现低碳效益最大化，以及政府补贴政策对可再生能源发电占比和低碳效益最大化的影响没有进行量化分析。以上不足也是我们下一步要进行的研究工作。同时，根据现有的研究结论为贵州省发电企业未来低碳发展提出以下3点建议：

第一，提高贵州省低碳发电技术，降低能效。可再生能源发电量每提升1亿KW·h，火电供电煤耗会降低0.24 gce/KW·h，而火电供电煤耗每降低1 gce/KW·h，将减少0.004亿t CO2。当可再生能源发电量达到747.13亿KW·h，可实现贵州省2020年“十三五”规划火电供电煤耗320 gce/KW·h这一目标。

第二，提高贵州省可再生能源发电占比。可再生能源发电占比每提升1%，将减少0.019亿t CO2，当2020年可再生能源发电量达到743.74亿KW·h时，就可实现贵州省2020年“十三五”规划中可再生能源发电占比37.5%的目标。

第三，提高贵州省CCS技术在火力发电中的应用比例。CCS技术每提高1%，将减少0001亿t CO2，提升到14%时，将实现国际能源署在低碳效益这一指标上的目标。

参考文献：

[1]

艾欣，韩晓男，孙英云.大型光伏电站并网特性及其低碳运行与控制技术[J].电网技术，2013，37（1）：15-23.

[2]陈晓科，周天睿，李欣，等.电力系统的碳排放结构分解与低碳目标贡献分析[J].电力系统自动化，2012，36（2）：18-25.

[3]陈安伟，乐全明，曹洪.我国智能电网的低碳效益分析[J].统计与决策，2012（8）：71-74.

[4]卢志刚，卢聪颖.碳捕集系统与风电协调投资的低碳效益分析[J].电网技术，2013，37（12）：3 303-3 309.

[5]康重庆，周天睿，陈启，等.电网低碳效益评估模型及其应用[J].电网技术， 2009，33（17）： 1-7.

[6]贾文昭，康重庆，刘长义，等.智能电网促进低碳发展的能力与效益测评模型[J].电力系统自动化，2011，35（1）：7-12.

[7]曹培，王媚，郭创新，等.智能微网运行的低碳综合效益分析[J].电网技术，2012 ，36（6）： 15-20.

[8]周黎莎，余顺坤.考虑环境因素的智能电网低碳效益评价模型研究[J].华东电力，2013，41 （12）：275-280.

[9]罗凤章，米肇丰，王成山，等.并网光伏发电工程的低碳综合效益分析模型[J].电力系统自动化，2014，38（17）：163-169.

[10]ZHOU Y，YE Z S，WANG Y Z .Research on the Low￣Carbon Benefit Evaluation System of the Logistics Enterprise Based on the FAHP Method[J].Applied Mechanics and Materials， 2011， 66-68：631-636.

[11]邓晶，周任军，郑思，等.计及低碳效益的分布式发电优化配置[J].电力系统自动化学报，2012，24（4）：7-12.

[12]張世翔，田琴丹.基于低碳效益的微电网能量优化调度[J].工业安全与环保，2016，42（9）：91-94.

[13]周黎莎，李晨.基于系统动力学的智能电网低碳效益动态评价研究[J].华东电力，2014，42（1）：178-184.

[14]曹阳，李鹏，袁越，等.基于时序仿真的新能源消纳能力分析及其低碳效益评估[J].电力系统自动化，2014，38（17）：60-66.

[15]陈启鑫，康重庆.低碳电力调度方式及其决策模型[J].电力系统自动化， 2010 ， 34 （12）：18-23.

[16]丁然，康重庆，周天睿，等.低碳电网的技术途径分析与展望[J].电网技术，2011 ，35（10）： 1-8.

[17]曾鸣，吕春泉，田廓，等.智能电网对低碳电力系统的支撑作用[J].电力系统自动化， 2011 ，35（23）：6-10.

[18]熊宁，吴越，蔡恒，等.考虑静态电压稳定的低碳电力调度[J].中国电机工程学报，2013， 33（4）：62-67.

[19]张晓辉，董兴华.含风电场多目标低碳电力系统动态经济调度研究[J].电网技术，2013，37（1）：24-31.

[20]梅天华，边巧燕，谢俊，等.考虑碳排放权的低碳电力调度及收益分摊[J].电力系统自动化，2016，40（22）：49-55.

[21]杨博.我国电力企业低碳经济之路[J].华北电力大学学报（社会科学版），2011（1）：14-18.

[22]WU Y W， LOU S H， LU S Y. A Model for Power System Interconnection Planning Under Low-Carbon Economy With CO Emission Constraints[J].Ieee Transactions On Sustainable Energy， 2011， 2（3）：205-214.

[23]张薛鸿，王睿淳，董达鹏，等.低碳背景下我国电力系统发展模式及实施路径[J].水电能源科学，2012，30（2）：200-203.

[24]程耀华，张宁，康重庆，等.低碳多能源系统的研究框架及展望[J].中国电机工程学报，2017，37（14）：4 060-4 070.

[25]徐志芬.区域智能电网低碳效益评价研究[D].北京：华北电力大学，2013.

[26]粱仁方.基于BP神经网络模型和NAR动态神经网络模型的期货跨品种套利策略对比研究以焦炭、铁矿石和螺纹钢为例[D].杭州：浙江财经大学，2016.

[27]岳新征，李磊民，孙飞. 基于 NAR动态神经网络的石英挠性加速度表参数建模与预测[J].西南科技大学学报，2016，31（1）：88-92.

[28]符力文. 智能电网的低碳效益分析[J].电力建设，2011，32（03）：51-55.

（责任编辑：钟昭会）