波动性可再生能源消纳水平评价及空间溢出效应研究

吕 涛，王 岩，潘俊菊

当前，世界各国正在进行一场由化石能源转向可再生能源的能源革命，而这场能源革命的关键是电力转型(IEA，2018)。风电和光伏发电是技术较为成熟、未来最具潜力的可再生能源发电方式，是能源和电力转型的主力军，但是都具有很强的波动性、随机性，被称为波动性可再生能源(Variable Renewable Energy，简称VRE)。风电、光伏发电等电源的波动性源于一次能源，受天气状况影响极大，在不同时间尺度和空间范围呈现不同的波动特性(IEA，2011)。

当前我国各省份的波动性可再生能源消纳水平参差不齐，亟需提高。在消纳量方面，2017年内蒙古、河北和山东三个省份较高，其中内蒙古消纳量全国第一，达528亿千瓦时；西北和东南内陆地区则较为居中；西藏消纳最低，仅为8亿千瓦时。在消纳比重方面，我国各省(区、市)分布出现明显的边界划分，西北和北部地区相较于其他地区偏高，其中宁夏最高，达21%；全国共有11个省份消纳比重超过10%；重庆消纳比重最低，仅为2.4%。全国电力需求放缓、部分省份电网规划建设不足、西北地区大规模外送受阻以及本地消纳不足等原因，使得波动性可再生能源的消纳受到限制。

随着风电、光伏发电等可再生能源的高比例并网，如何提高其消纳水平受到了广泛关注。相关研究包括消纳能力的测算与评估(Zhen等，2016；Wang等，2018；张晓英等，2019；李轩等，2019)、消纳影响因素分析(牛东晓等，2016；张振宇等，2019；舒印彪等，2017；刘小聪等，2017)、最优消纳模型的构建(崔杨等，2016；刘小聪等，2015；宋艺航等，2014)等。但是，关于波动性可再生能源消纳的空间相关性及空间溢出效应的研究文献很少。实际上，区域之间的空间联系也会影响波动性可再生能源的消纳，包括区域互联可以消除可再生能源资源富集地区和需求中心之间的空间不匹配、波动性可再生能源出力预测技术的空间溢出、临近区域电力需求的增加减缓了电力过剩压力等。

基于中国2011—2018年波动性可再生能源消纳的面板数据，本文将采用熵权TOPSIS和空间计量等方法，通过非水可再生能源发电消纳比、非水可再生能源电力消纳比重、年均利用小时数和弃风电量四个指标对波动性可再生能源的消纳水平进行测算，进而分析中国省域波动性可再生能源消纳的空间相关性，从电力投资额、跨区互联能力、火电装机容量、人均GDP和电力需求量五个角度对波动性可再生能源消纳的空间溢出效应进行实证分析。

一、 方法与数据

(一) 数据计算方法

1. 熵权TOPSIS法

熵权TOPSIS法是一种基于多指标有限方案的决策方法(杜挺等，2014)，对原始数据的信息还原度很高，并能直观反映各个方案之间的总体差距，具有评价结果较为客观、应用限制较少以及原始数据利用充分等优点(Tong等，2016)。本文利用该方法对波动性可再生能源的消纳水平进行测算，具体步骤如下：

(1) 构建决策矩阵。设本文研究对象为M=(M1,M2…M31)，指标为N=(N1,N2…N4)，分别对应非水可再生能源发电消纳比、非水可再生能源电力消纳比重、年均利用小时数和弃风电量。根据研究对象及指标的原始数据构建决策矩阵为X=(xij)：

(1)

(2) 根据指标的性质，将分为正向指标(即越大越优型)、负向指标(即越小越优型)和适度指标，进行数据标准化得到vij，通过计算熵值进而确定各指标权重。

(2)

其中，

(3)

(3) 求得最优理想解与最劣理想解，得到各研究对象到最优理想解与最劣理想解的欧氏距离，从而计算各研究对象的相对贴近度。

(4)

2. 空间计量方法

(1) 空间计量步骤

空间计量方法一般按照因变量和自变量选择、空间相关特征分析、空间计量模型选择、Hausman检验、空间权重矩阵选择、计量结果分析和溢出效应分解七个步骤执行，如图1所示。其中因变量和自变量选择主要以已有研究和相关政府提出的指标为基础进行添加或删减，因变量若为多个指标时，可采用熵权法、DEA等评价方法进行测算；空间相关特征通过全局Moran’s I指数、Moran’s I散点图和LISA聚类图来解释；根据LM、Robust LM、Wald和LR检验的显著性对空间计量模型进行选择；Hausman检验则可以判断空间计量模型选择固定效应或随机效应，其中固定效应又分为个体固定、时间固定和双固定三种；空间权重矩阵的选择对空间分析起到根本决定作用，最常见的空间权重矩阵有0-1邻接矩阵、地理距离矩阵和经济距离矩阵，除此之外还有嵌套矩阵(Hines，1993)、高阶空间权重矩阵等；模型、效应和矩阵三者结合则可以对因变量执行计量回归程序，进而对各自变量的相对影响因子加以分析；最后可根据空间计量模型对其溢出效应进行分解，包括直接效应、间接效应和总效应三种(徐秋艳等2019)。

图1 空间计量方法步骤

(2) 空间计量分析

① 空间相关性分析

空间相关性分析包括全局空间相关性分析和局部空间相关性分析。全局空间相关性分析是对31个省市在整个区域的空间分布情况的总体描述(Li，Hong，2019)，一般用全局Moran’s I指数来衡量。局部空间相关性分析是对31个省区市在局部区域的空间分布情况的总体描述，一般用Moran’s I散点图和LISA聚类图来衡量。全局相关Moran’s I和局部相关Moran’s I统计可分别通过公式5和公式6测算得到：

(5)

(6)

其中，Wij是地区i和j之间的空间权重，xi是地区i的属性，X为xi的平均值。

② 空间计量模型

空间滞后模型(Spatial Lag Model，SLM)研究因变量在邻近地区的行为对整个系统其他地区行为的影响，而空间误差模型(Spatial Error Model，SEM)的空间依赖作用存在于误差项中，研究邻近地区的误差冲击对其他地区行为的影响(任通先、龙志和、陈青青，2015)。空间杜宾模型(Spatial Durbin Model, SDM)是在空间误差和空间滞后模型的基础之上将因变量加入模型中，同时考虑了因变量和自变量的空间相关性(Lesage，Pace，2009)。由此得到本文的计量模型表达式为：

y=ρWijy+β1*IP+β2*CRIC+β3*ITP+X4*CGDP+β5*PD+

Wijθ1*IP+Wijθ2*CEIC+Wijθ3*ITP+Wijθ4*CGDP+

Wijθ5*PD+ε

(7)

其中，IP、CRIC、ITP、CGDP、PD分别指电力投资额、跨区互联能力、火电装机容量、人均GDP和电力需求量这五个影响因素，y为波动性可再生能源的消纳水平。

③ 空间权重矩阵

本文考虑了空间权重矩阵的三种形式，即0-1邻接矩阵、地理距离矩阵和经济距离矩阵。其中0-1邻接矩阵通过公式8计算而来，两省区市之间的0-1邻接矩阵是相邻为1，不相邻为0；根据31个省区市经纬度距离，利用Matlab的Distance函数计算得到两地区间的地理距离，由于空间依赖关系随着距离的增加而衰减，需要对地理距离取倒数或者退坡函数形式来表示地理距离矩阵(王兵、张技辉、张华，2011)，本文采用了取倒数值这一方法；经济距离矩阵通过使用2011-2018年的人均GDP测算而来，见公式9：

(8)

Wij=1/ABS(CGDPI-CGDPJ)

(9)

其中，i和j分别为地区i和地区j，CGDPI和CGDPJ分别为地区i和j的人均GDP。

(二) 数据来源

当前，针对波动性可再生能源消纳水平的评价较少，本文主要依据国家发展改革委和国家能源局发布的《清洁能源消纳行动计划(2018-2020年)》和国网能源研究院在《中国新能源发电分析报告(2019)》中提到的国家消纳监测评价指标，结合相关性、可得性等原则，从利用和弃电两个角度提出波动性可再生能源消纳水平的评价指标，包括非水可再生能源发电消纳比、非水可再生能源电力消纳比重、年均利用小时数、弃风量。其中，非水可再生能源发电消纳比为风光发电量与非水可再生能源电力消纳量之比；非水可再生能源电力消纳比重为非水可再生能源电力消纳量与本地区全社会用电量之比；年均利用小时数为风电机组一年内的平均运行小时数；弃风量为各省区市未能实现上网利用的风电量。

对于消纳影响因素，舒印彪等指出“三北”地区消纳条件不足，东中部地区电网互联能力不足，是影响新能源消纳的主要原因，认为电源调节能力(最大和最小技术出力)、电网互联能力(外送输入)、负荷的规模及峰谷差等与新能源消纳问题呈强相关性(2017)。朱凌志等认为消纳能力和消纳水平决定了能否实现风电的最大化消纳，即系统调节能力、电网输电能力、并网技术性能和调度运行水平等(2011)。在此基础上，本文重点考虑电力投资额、火电装机容量、电力需求量、人均GDP、跨区互联能力五个因素对可再生能源消纳的影响。其中，电力投资额为各省区市每年对电力行业的固定资产投资额；火电装机容量为火电机组额定功率的总和；电力需求量为历年统计年鉴中的电力消费量数值；跨区互联能力通过输电能力、变电能力和净输出量三个指标利用变异系数法和模糊综合评价法测算而来，其中输电能力以“35 kV及以上输电线路回路长度”来表示，变电能力以“分地区35 kV及以上变压器铭牌容量”来代替，净输出量为各省区市输入输出量之差。

所用数据均来源于历年《中国统计年鉴》、《中国能源统计年鉴》、《中国电力年鉴》、《中国风能太阳能资源年景公报》、国家能源局相关统计资料公告、中国经济与社会发展统计数据库和Wind资讯数据库等，因数据可得性限制，未统计香港、澳门和台湾的相关数据。由于统计及公布文件不全等原因，少量数据存在部分年份缺少的情况，依据插值法、增长预测等方式对其进行漏缺填补。

二、 波动性可再生能源消纳水平测算

根据所选指标，本文利用熵权TOPSIS法对中国省域波动性可再生能源消纳水平进行了测算，其中非水可再生能源发电消纳比、非水可再生能源电力消纳比重、年均利用小时数和弃风电量的权重经熵值法计算分别为0.1553，0.7393，0.0505和0.0549。从图2(a)可以看出，2011—2018年中国波动性可再生能源消纳水平呈现波动小幅增长趋势；六大电网覆盖区域间的消纳差别较大，西北、东北和华北地区一直处于全国平均水平之上，而华东、南方和华中三大电网区域消纳水平较低。图2(b)给出了8年间各省市波动性可再生能源的消纳均值，水平线为全国消纳均值线，全国超1/3的省市超越该线，其余省区市消纳水平偏低。安徽、云南、湖北、内蒙古、青海和吉林分别位于华东、南方、华中、华北、西北和东北电网区域各省区市首位，西北电网除陕西外均超过全国均值线。

图2 2011-2018年全国各区域平均消纳水平

六大电网区域的各省份波动性可再生能源消纳水平走势如图3所示。华东电网中，福建的消纳水平逐年缓慢下降，但仍远高于上海，安徽增长幅度最为明显，呈指数型曲线爆发增加；南方电网中，海南的消纳水平逐渐下降，云南近几年增长速度最快，其余省份发展趋势较稳；华中电网中，除四川和重庆外，其余省份均在逐步上涨；华北电网中，内蒙古的消纳水平远高于其他省区市，山东出现下降走势；西北电网中，陕西对波动性可再生能源的消纳堪忧，青海和甘肃在逐年下降；华北电网中，吉林和黑龙江的消纳振动起伏，而辽宁下降幅度显著。甘肃、辽宁出现下降趋势，主要原因为与2014年之前相比，最近几年弃风较多；福建、海南、青海等则由于近些年风电利用小时数较之前有所下降。

三、 空间相关分析

通常，全局Moran’s I指数值介于-1和1之间，当I=0时，说明研究对象的属性是随机分布的；当I<0时，说明研究对象的属性是负相关关系，I越接近-1负相关性越大；当I>0时，说明研究对象的属性是正相关关系，I越接近1正相关性越大(Ye，Sun，Chen，2018)。空间权重采用queen标准，研究对象数据均采用其对数形式。表1为波动性可再生能源消纳近8年来的Moran’s I指数趋势表，可以看出，整体呈现正相关关系，并且均在1%的水平上显著，这说明波动性可再生能源消纳存在较强的空间相关性。

表1 Moran’s I指数

通过Moran’s I散点图和LISA聚类图进一步对中国波动性可再生能源消纳进行局部空间相关特征分析。图4为全国31个省市波动性可再生能源消纳的Moran’s I散点图，第一象限是“高—高”区域，代表波动性可再生能源消纳水平高的省区市其相邻省区市的消纳水平也比较高; 第二象限是“低—高”区域，代表波动性可再生能源消纳水平低的省区市其相邻省区市的消纳水平反而较高；第三象限是“低—低”区域，代表波动性可再生能源消纳水平低的省区市其相邻省区市的消纳水平也比较低；第四象限是“高—低”区域，代表波动性可再生能源消纳水平高的省区市其相邻省区市的消纳水平反而较低。可以看出，Moran’s I散点图位于第一、三象限的点始终多于二、四象限，说明波动性可再生能源消纳水平与空间分布的相关性在逐年增加，整体在2011年时较为集中，随后逐渐出现发散形式。

8年间黑龙江、新疆、宁夏等12个省份均出现在第一象限，即表现出高—高集聚；湖北、浙江、江西等10个省份一直处于第三象限，即表现出低—低集聚；而四川均在第二象限，即表现出低—高集聚，说明该省的波动性可再生能源消纳水平本地区与邻近地区发展不协调。山西于2014年由第二象限发展至第一象限，即由“低—高”到“高—高”，说明自身地区的消纳水平有所提高，陕西于2018年出现该情况；山东于2016年由“高—低”发展至“低—低”，说明近几年山东省的消纳水平在下降，而与此同时云南与山东变化相反，表明云南近几年的消纳水平在不断提高；河南于2018年由“低—低”发展至“低—高”，说明河南邻近区域的消纳水平在上升，同年湖南和安徽由“低—低”转变至“高—低”，代表两省的消纳水平有所增长。

图4 Moran’s I散点图注:海南省在GeoDa软件的空间权重矩阵中无邻域,因此未显示在Moran's I散点图中。

为了更好地分析31个省区市波动性可再生能源消纳的分布集聚类型和集聚程度，本文引入一阶邻接“Queen标准”权重矩阵，通过GeoDa软件对2011—2018年我国各省区市的波动性可再生能源消纳的局部空间相关性进行聚类分析。通过LISA聚类图分析发现：2011—2018年期间我国各省区市波动性可再生能源消纳的高-高和低-低区域集聚显著。黑龙江、吉林、辽宁、内蒙古、甘肃和新疆均为高-高阶段，为高值集聚区；而青海起初为高-高区域，后发展为不显著地区，青海邻近区域省份出现消纳水平下降走势。浙江、广东、江西、湖南和重庆一直处于低-低阶段，为低值集聚区；而福建、广西、贵州、湖北和安徽起初均属于低值集聚区，后逐渐发展成为不显著地区，说明这些省份邻近区域的消纳水平有所提高。其余省区市的局部空间相关程度并不显著，说明邻近区域的消纳水平有高有低。

四、 空间计量模型分析

(一) 模型选择

Moran’s检验只能够检验出变量之间是否存在空间自相关，LM检验则可以进一步对空间自相关的存在形式进行检验，因此对波动性可再生能源消纳进行2011-2018年的面板LM检验，包括LM-Error检验、Robust LM-Error检验、LM-Lag检验和Robust LM-Lag检验。其中，LM-Error检验的备择假设模型是空间误差自相关和空间误差移动平均模型，LM-Lag检验的备择假设模型是空间滞后模型，稳健LM-Error检验和稳健LM-Lag检验是对出现模型误设时的LM-Error检验和LM-Lag检验的修正。从表2可以看出，空间滞后和误差模型的p值并不显著，进而执行Wald和LR检验，通过了1%显著性水平检验，因此需要选择空间杜宾模型进行计量分析。Hausman检验结果显示，t统计值为21.0654，其对应的p值为0.0124，在5%水平上显著，表明拒绝原假设，应该选择固定效应模型。本文同时结合R2结果和自变量显著个数选择了地理距离矩阵和个体固定效应模型，此模型可以解释因变量动态变化的90.23%，说明模拟效果较优。

表2 模型检验

(二) 结果分析

表3给出了空间面板杜宾模型的回归结果。可以看出，火电装机容量(ITP)表现出显著的负向作用，在5%水平上显著。随着火电装机容量的增加，波动性可再生能源消纳水平降低，说明火电装机在一定程度上会抑制波动性可再生能源的消纳。电力投资额(IP)、跨区互联能力(CRIC)、人均GDP(CGDP)均表现出显著的正向作用，电力需求量(PD)作用为正但不太显著。与预期相同，电力投资额的增加会显著提高消纳水平；跨区互联能力在1%水平上显著，且作用效果为正，说明各省区市跨区互联能力的增加会显著促进消纳水平的提高，尤其是对于西北地区各能源大省来说，跨区互联能力的提高意味着省域间互联互输能力增强，弃风弃光问题将得到大大缓解；人均GDP作用为正且在5%水平上显著，说明波动性可再生能源的消纳会随着经济的发展而提高。经济-双固定模型回归结果为佐证地理-个体固定模型各变量作用方向的准确性，在此不做详细阐述。

(三) 效应分解

根据空间面板杜宾模型的回归结果，进一步对解释变量变化所产生的空间溢出效应加以分解，表4给出了各变量对波动性可再生能源消纳的直接效应、间接效应和总效应，其中总效应为直接效应和间接效应之和。

表3 空间面板杜宾模型回归结果

表4 空间溢出效应分解

电力投资额(IP)对波动性可再生能源消纳的直接效应为0.2435，且在1%水平上显著，说明电力投资额的增加显著推动波动性可再生能源的消纳。跨区互联能力(CRIC)对波动性可再生能源消纳的直接效应为1.0869，通过1%显著性水平检验；间接效应为正；总效应为1.6613，在1%水平上显著。这说明跨区互联能力对消纳水平的正向空间溢出效应显著，跨区互联能力的增加将有效提高西北地区大规模远距离输送效率，推动跨省跨区域的电力市场交易进展。火电装机容量(ITP)对波动性可再生能源消纳的直接效应为-0.3713，在5%水平上显著；间接效应为-0.8893，通过了10%显著性水平检验；总效应为-1.2606，在5%水平上显著。这说明火电装机的增加会显著抑制波动性可再生能源的消纳，且具有负向空间溢出效应，火电竞争力较强，很大程度上占据了清洁能源的消纳市场。人均GDP(CGDP)对波动性可再生能源消纳的直接效应为0.4985，通过了10%水平检验；间接效应为1.3714，在1%水平上显著；总效应为1.8699，且在1%水平上显著，总体溢出效应为正，说明经济发展对能源消纳的推动作用极为显著。电力需求量(PD)对波动性可再生能源消纳的直接效应、间接效应和总效应均为正。

五、 结 论

波动性可再生能源出力和消纳受空间位置的影响，研究波动性可再生能源消纳的空间相关特征以及溢出效应，可以发现其空间格局及影响因素，为相关政府部门的决策提供借鉴与参考，为我国电力转型提供理论支持与指导。本文研究表明：(1) 六大电网区域的波动性可再生能源消纳水平存在较大差异，三北地区均高于全国平均水平，安徽、云南、湖北、湖南、河南和江西6个省份消纳水平有明显增加；(2) 波动性可再生能源消纳具有较强的空间正相关性，高值集聚和低值集聚区域显著；(3) 电力投资额、跨区互联能力和人均GDP均存在显著的正向空间溢出效应，电力需求量作用为正但溢出效应不显著；(4) 火电装机的负向空间溢出效应显著，在一定程度上会抑制波动性可再生能源的消纳。

基于以上结论，本文提出以下建议：(1) 优化装机结构，提高电力系统灵活性。在发展可再生能源的大目标下，因地制宜，对风能和太阳能光伏与其他能源的装机结构进行合理规划，逐步减少常规火电装机，增加天然气、热电联产等灵活性资源装机比例，提高风能和太阳能光伏消纳能力，减少弃风弃光现象。(2) 加大跨区域电网建设力度，提高跨区互联能力。推进跨区域特高压线路建设，实现清洁能源大规模外送，可以有效解决波动性可再生能源在生产和消费上的空间逆向分布，提高整体消纳水平。(3) 增加电力投资，提升电网优化调度能力。增加对波动性可再生能源发电侧、电网侧及需求侧的电力投资，加快现代化科学配电网及微电网建设，加速构建现货交易市场，提升电网的资源优化与调峰能力。