输电网络联通下的可再生电力消纳省际空间特征研究

杨蕙嘉，赵振宇，叶慧男

（华北电力大学，北京 102206）

0 引言

近年来，我国可再生能源电力建设投资增长迅速。自2007年以来的年投资额居世界首位，到2017年非水可再生能源累计装机容量占世界总量的31%。在可再生能源快速发展的同时，也带来弃风弃光弃水等问题，影响可再生能源消纳水平的整体提升[1]。输电网络的互联互通是实现可再生能源高比例开发利用的重要支撑[2]。因此，应针对省域的不同情况系统地识别输电网络连接下的省际可再生能源消纳特征，深入挖掘省际空间效应，有助于制定科学的区域发展政策。

近年来，探索性空间数据分析（ESDA）方法作为分析空间关系的有效工具，被应用于传统化石能源、碳排放、能源效率等区域差异分析的研究中。例如，文献[3]度量了2010-2014年中国248 个城市能源生产的区域集聚特征，为区域差异化能源生产政策的制定提供依据；文献[4]分析了2012年希腊51 个管辖区能源需求的空间集聚特征；文献[5]运用地理学、区域经济学等理论探究陕西省能源时空格局演化规律特征。同时，地理信息系统（GIS）也成为分析和评价可再生能源开发利用的有效工具。例如，文献[6]运用GIS 工具直观展示了我国2011-2014年省际可再生能源电力耦合协调性的发展趋势。

研究与实践表明，可再生能源电力的开发利用与市场交易，在很大程度上依赖于区域间电力网的互联互通[2]。随着特高压输电技术日趋成熟，以“三华”（华北、华东、华中）特高压电网为核心的骨干网架，形成了东北、西北、西南三大送端和“三华”受端的4 个同步电网格局[7]；通过加强各级电网的协调发展，构建形成安全稳定的智能电网，充分发挥电网在实现高比例可再生能源发展中的资源配置作用。在国外区域网络研究方面，文献[8]，[9]基于德国区域网络，使用粗糙集分析德国18 个区域推行可再生能源转型的驱动因素，描述欧洲高比例可再生能源电力网络，对30 个欧洲国家全年天气和电力需求进行分析，提出最优可再生能源发电配比。

目前，从地理学和空间计量视角对中国区域可再生能源消纳的定量分析较为欠缺，亟待开展对输电网络关系建模及实证方面的研究。本文以全国31 个省级行政区可再生能源消纳水平为研究对象，基于输电网络关系，验证并讨论了省域可再生能源消纳水平的空间特征及演化趋势，以更好地引导可再生能源开发利用。

1 中国省际可再生能源消纳及输电网络

1.1 资料来源及内容

本研究的资料来源于《中国统计年鉴》、《全国可再生能源电力发展监测评价报告》，收集了2015-2017年除港、澳、台外的31 省级行政区地理矢量数据、区域电网状况、特高压线路建设及输电量、可再生能源（水能、风能、光能、生物质能）消纳量和全社会用电量数据。其中，各行政区的可再生能源消纳量为本地区可再生能源发电量与外区域输入的可再生能源电量之和，再扣除跨区送出的可再生能源电量。

跨区输送是可再生能源消纳和发展的重要途径。跨区送出以可再生能源发电企业与省级电网签署跨区跨省购售电协议方式，发电量计入购电省份。“省送区域”按该区域内各省全社会用电量所占比重，计算各省输入电量。跨区输入主要有“独立点对网”、“混合点对网”和“网对网”3 种情况。“独立点对网”跨区输入，即可再生能源电力项目直接并入区域外受端电网，计入受端电网区域消纳量。“混合点对网”跨区输入，即采取与火电或水电等打捆方式向区外输电，受端电网接受的可再生能源电量为外送中的可再生能源电量。“网对网”跨区输入，即区域间或省间电网输送的可再生能源电量，按电力交易机构的结算电量确定。

1.2 可再生能源电力消纳

2015-2017年，我国可再生能源消纳量不断增长，在全社会用电量中的占比稳步提高。可再生能源电力消纳量及全社会用电量占比如图1 所示。2016，2017年可再生能源电力消纳量分别同比增长10.5%和10.8%，非水可再生能源电力消纳量分别同比增长33.8%和35.2%，远高于全社会用电量增幅5.0%和6.6%。

图1 2015-2017年可再生能源电力消纳量及全社会用电量占比Fig.1 Consumption amount of renewable energy power and its proportion in the whole society electricity consumption during 2015-2017

从省际发展看，基于资源状况、经济发展水平和能源结构的不同，各省的可再生能源开发利用目标不同，发展过程有显著差异。例如，西藏、四川、 云南可再生能源电力消纳占比达80%以上，而山东不足10%。从完成2020年非水电可再生能源电力消纳目标来看，2015-2017年的目标完成质量逐年提高，但省际发展仍有较大差距。2015年，仅青海、宁夏两省完成目标，但有14 个省（市）的消纳水平不足目标的50%。到2017年，17 个省（市）已完成目标，辽宁、陕西、江苏、贵州、湖北5省已超过2020年目标的70%以上，但广东、海南、重庆3 省（市）仍低于2020年目标的50%。

1.3 省际输电网络

经过近10 余年的投资建设，中国目前已形成东北、华北、华中、华东、西北和南方6 个跨省的大型区域电网（表1）。东北电网与华北电网、华中电网与西北电网、华中电网与南方电网、华北电网与华中电网、华中电网与华东电网有输电线路连接，形成了较完整的长距离输电网架结构。区域电网内部一般由省级或地市级电网构成。本文将内蒙古自治区、 河北省辖区电网分别归入东北电网和华北电网。

表1 中国区域电网构成Table 1 Composition of Chinese regional power grid

根据能源技术水平的发展及能源供需的增长，特高压输电以其具有的输出电压高、输送容量大、传输距离远等优势，得到快速的发展建设。自2009年第一条特高压线路投运以来，到2017年底我国已建成投运21 条特高压线路，输电线路长度达3.1 万km，初步形成“强交强直”特高压输电骨干网架。我国特高压线路及投运时间如表2 所示。特高压交流输电中间可有落点，具有网络功能，而直流输电线路无落点，能实现点对点、大功率、远距离输送。2017年度，我国跨区输电容量超过1.3 亿kW，其中交直流联网跨区输电容量超过1.17 亿kW。2017年特高压线路输送可再生能源电量 1 900 亿 kW·h，比 2016年上升了 10%，占全部输送电量的63%。

表2 特高压线路及投运时间Table 2 UHV lines and its operation time

2 空间计量经济方法及建模

几乎所有空间数据都具有空间依赖或空间自相关特征，即邻近区域单元上的某种地理现象与某一属性值相关。传统统计分析方法忽视了这种区域的空间相关性。Krugman 首次将空间影响因素纳入地区间经济问题的分析中，形成了空间计量经济学的框架[19]。其中，探索性空间数据分析方法（ESDA）的核心是测量空间关联度，分析研究样本在特定空间关联下的相互作用机制。

2.1 空间权重矩阵建模

空间权重矩阵是进行空间计量分析的基础，用以定义空间样本的相互邻接关系。空间权重矩阵测度是以空间单元二进制邻接理念为基础，构建一个n×n 的矩阵，以描述样本的空间关系，通过计算权重来反映邻近要素间的关联与程度，其定义如下：

为准确刻画并对比中国省际可再生消纳空间特征，本文采用边角邻接关系的二进制概念化方法、 反距离函数的权重概念化方法和基于输电网络联通的概念化方法建立3 类空间权重矩阵。

（1）基于边角邻接关系

根据直接相邻关系，建立边角邻接权重矩阵WC，只要两个省域地理空间有公共的边或点，即为相邻要素，对应权值为1；否则，权值为0。

（2）基于反距离函数权重

根据反距离函数，定义权重为一个省域对另一个省域的影响随着距离的增加而减少。通过ArcGIS10.2 建立反距离空间权重矩阵WI。

（3）基于输电网络联通关系

通过区域电网与特高压线路显示，中国省域间存在地理上不相邻，但电力生产消费相关的现象。根据2015-2017年区域电网及特高压线路建设发展情况，分别建立电网连接权重矩阵WE-2015，WE-2016，WE-2017。假设某省通过区域电网与区内省份有紧密电网连接，或通过投运的特高压输电线路与线路连接省份有紧密电网连接，权值为1；否则权值为0。图2 为2017年电网连接权重矩阵关系示意图。

图2 2017年电网连接权重矩阵关系示意图Fig.2 Schematic diagram of grid connection weight matrix in 2017

应用ArcGIS 软件进行权重矩阵分析，各矩阵连通情况见表3。电网连接权重矩阵WE的空间连通性介于边角邻接矩阵WC和反距离矩阵WI之间；边角邻接矩阵WC空间连通数最少，为139，空间连通性最弱，为14.46%。值得注意的是，虽然2015年电网连接权重矩阵WE的空间连通性略低于边角邻接矩阵WC，但2015-2017年的空间连通数和空间连通性对应特高压线路建设而增长，于2016年超过边角连接矩阵。与 WC和 WI相比，电网连接矩阵WE能够科学刻画中国省际电力传输的空间关联。

表3 空间权重矩阵连通情况Table 3 Connectivity of spatial weight matrixes

2.2 空间自相关检验模型

空间自相关是指一个区域单元上的某种地理现象或某属性值，与邻近区域单元上同一现象或属性值间有空间依赖。受空间相互作用影响，属性彼此之间不再相互独立。考虑到Moran指数统计判断空间集聚区域更为准确可靠，本文应用Moran's I 模型从全局和区域两方面进行测度。

（1）全局空间自相关

全局空间自相关系数Global Moran's I 用于揭示属性值在整个区域的空间分布态势，反映了某一属性在空间上的关联度，其计算式如下：

式中：n 为要素总数；wij是要素 i 和 j 之间的空间权重矩阵；zi是要素i 属性值xi与其平均值偏差，即

统计的zI得分按式（3）计算：

式中：E（I）=－1/（n-1）；V（I）=E（I2）－[E（I）]2。

Moran's I 估计值介于[-1，1]，当 Moran's I＞0时，表明空间正相关，呈现集聚趋势；当Moran's I＜0时，表明空间负相关，呈现离散趋势。

（2）局部空间自相关

全局空间自相关分析可以描述某现象的整体分布状况，判断此现象在空间是否有集聚特性存在，但不能判断集聚在哪些地区。局部空间自相关Local Moran's I 用以衡量区域单一要素或属性的空间关联模式，反映了区域局部邻近单元的空间集聚现象。当Ii＞0 时，表明局部单元的属性值具有空间聚集效应；当Ii＜0 时，表明局部单元的属性值具有空间分散效应。局部空间自相关系数Ii计算式如下：

式中：S2为样本方差。

根据观测值与滞后值测度结果，可得4 类局部空间集聚形式： 高值聚类 （HH） 和低值聚类（LL） 分别代表高观测值或低观测值的区域单元与同是高值或低值的区域邻接；低高聚类（LH）代表低观测值的区域单元被高值区域所包围；高低聚类（HL）代表高观测值的区域单元被低值区域所包围。

3 省域可再生能源消纳水平的空间特征分析

3.1 全局空间关联分析

根据2017年31 个省域的可再生能源消纳指标，计算全局Moran's I 和检验统计量Z 列于表4。由表4 可以看出，3 种空间权重矩阵定义下的消纳比例指标统计检验量Z 值在5%的水平上均大于 1.96，全局 Moran's I 均大于 0，表明 31 个省域的可再生能源消纳比例均表现出较强的全局空间自相关，即省际可再生消纳比例水平的空间分布格局有集聚性，可再生能源消纳水平较高（或较低）的省际集聚分布。

表4 不同空间邻接关系下观测指标的全局Moran's I 值及检验统计值Table 4 Global Moran's I values and test statistics of observation indexes under different spatial adjacency relations

基于电网连接矩阵 WE对2017年各属性的测度结果可知，非水可再生能源消纳比例的Moran's I 值最大，表明 31 个省域的非水可再生能源消纳比例的空间集聚性最显著。因此，选取该指标进一步研究输电网连接下省际可再生能源消纳水平空间演进特征，基于2015-2017 各年度电网连接矩阵对该指标进行 Moran's I 值计算及检验，结果如表4所示。2015-2017年中国31 个省域非水可再生能源消纳比例均表现较强的全局空间自相关特征，同时 Moran's I 值明显减小，即省域集聚程度明显减弱，格局分布呈现明显区域均衡的演变特征。

3.2 局部空间关联分析

为进一步考虑各省域局部空间特征，进行局部空间关联性分析。应用ArcGIS 软件绘制5%置信度下的2015-2017年中国31 个省域非水可再生能源消纳比例的Moran 显著性如图3所示。由图3 可以看出，中国省域主要以高值聚类和低值聚类分布形式为主，没有集聚类型间的显著转化。2015年北部地区省域集聚效应较为显著；到2016年，北部集聚特征省域范围缩小；到2017年集聚特征省份主要位于西部偏南及东北两省，呈现从单一极化到多核扩散的结构转化特征。

图3 2015-2017年省域非水可再生能源消纳比例的Moran 显著性图Fig.3 Moran significance charts of the non-hydro renewable energy consumption ratio of Chinese provinces during 2015-2017

2015-2017年，非水可再生能源消纳比例呈集聚空间特征的省级行政区列于表5。在研究期内，表现为正空间自相关（高值聚类和低值聚类）的省域数量总数在减少，从2015年的10 个减少到2017年的7 个，异质区域（低高聚类）的区域减少为0。这表明在非水可再生能源消纳比例水平提升过程中，极化现象减弱，非水可再生能源消纳水平逐渐向均衡发展。

表5 2015-2017年非水可再生能源消纳比例呈空间集聚模式的省级行政区Table 5 Provinces present spatial agglomeration pattern of non-hydro renewable energy consumption ratio during 2015-2017

青海、甘肃、宁夏、吉林4 省（自治区）始终表现为HH 空间集聚模式，在研究期内特征稳定。这表明其非水可再生能源消纳比例均处于较高水平，且通过输电网连接的邻接省域具有同样较高的消纳水平，是非水可再生能源消纳总体水平提升的重要区域。

内蒙古在2015-2016年呈现HH 空间集聚模式，2017年未呈现显著特征。2015-2017年非水可再生能源消纳比例分别为12%，15.3%，18.3%，增幅为52.5%。在东北区域电网内，与内蒙古相连接的辽宁、吉林、黑龙江 3 省，2015-2017年，非水可再生能源消纳比例分别增长19.5%，34.42%，42.34%，均小于内蒙古的增幅。2016-2017年，陆续建设投运的锡盟-山东 （内蒙古-北京-山东）、蒙西-天津南（内蒙古-山西-北京-天津）、锡盟-江苏泰州、上海庙-临沂、扎特鲁-青州5 条特高压线路的连通，拓展了内蒙古的省域邻接关系，使内蒙古消纳水平的极化效应减弱，促进了区域的均衡发展。

呈现LL 空间集聚模式的省市数量逐年下降。在此期间，四川始终表现为低消纳比例低空间滞后值；江西、重庆于2016-2017年不再呈现明显聚集特征。这主要是因为重庆可再生能源消纳以水电为主，自身非水可再生能源消纳比例水平较低；所处中部电网的省域（江西）的消纳水平总体偏低。同时，特高压线路以输送水电或水、火电为主，且受端（江苏、上海）的可再生能源消纳水平偏低。

在2015-2016年，仅陕西省呈现LH 空间集聚模式，2017年未呈现显著聚集特征。该省2017年非水可再生能源消纳比例为7.7%，较2015年的2.7%、2016年的3.8%水平有显著提升，与区域电网内高消纳水平的青海、甘肃、宁夏等省缩小了差距。同时，通过2017年投运的榆横-潍坊特高压线路，山西省在原有区域电网连接的基础上新增加与山东省的连接，使陕西省与邻接区域发展水平较为均衡，不再呈现显著的集聚特征。

综上分析，输电网络连接对省际非水可再生能源消纳水平的聚集模式影响较大，减弱了省域发展极化效应。

4 结论

本文应用EDSA 方法和GIS 技术，对2015-2017年31 个省级行政区域的可再生能源消纳水平进行空间相关性与集聚特征研究。考虑中国区域电网与特高压建设的实际情况，首次建立了基于输电网络联通关系的空间关联权重矩阵，科学地分析描述省际互联关系；并与地理邻接关系和地理距离关系空间权重矩阵对比，描述省际可再生能源消纳指标的特征。基于Moran 指数测度结果，分析了中国省际可再生能源消纳水平的空间演变特征及区域集聚效应。

基于输电网络联通关系，31 个省域非水可再生能源消纳比例指标的空间相关性最显著。2015-2017年，该属性表现显著省域集聚特征，但集聚程度明显减弱。该属性主要表现为两类同质集聚现象：一是高水平集聚，其代表省域有青海、甘肃、宁夏、吉林；二是低水平集聚，其代表省域为四川。2015-2017年呈现同质集聚的省域数量总量减少，高水平发展发生在少数增长极地区，但极化效应导致的空间集聚明显减弱，从单一极化到多核扩散性结构转化。

输电网络提升了传统省域邻接建模的通达性与准确性。输电网络，尤其是特高压项目的建设，对可再生能源消纳水平省域发展具有显著的均衡作用。较早开展构建特高压布局的省份（如：内蒙古、新疆），伴随特高压线路作用的发挥，在保持自身水平较快提升的基础上，发挥增长极的拉动扩散效应，辐射更多发展欠发达地区。因此，积极合理布局外送通道建设是区域实现良性循环的重要基础。

建议今后应完善输电线路的网络化建设，合理布局，拓展区域联通，提升线路利用率；加强区域之间的联动发展，既考虑区域的整体性，又因地制宜，促进可再生能源开发利用水平的整体提升。须注意的是，输电线路对可再生能源消纳的促进作用具有一定滞后性，其空间作用值得持续研究。