基于多阶段随机规划的中国未来电源结构研究

王帅 ,王志成，王智冬，王秀丽，张艳，张静怡，辛超山

(1.国网经济技术研究院有限公司,北京市 102209;2.西安交通大学电气工程学院,西安市 710049;3.国网新疆电力有限公司经济技术研究院,乌鲁木齐市 830000)

0 引言

随着经济的快速增长和再电气化进程加快,人们对电力的需求越来越大。如一味增加化石能源电源将带来环境污染、能源危机等一系列问题。作为一个能源生产和消费大国,中国将在全球能源低碳化、清洁化的潮流中发挥引领作用。中国政府提出了“双碳目标”,要求建立“以新能源为主体的新型电力系统”,大力压缩化石能源消费,努力发展新能源电源。

目前,中国的电源结构依然以煤电为主,以风电、光伏为代表的新能源快速发展,比例快速提升。在电力装机结构快速变化的形势下,如何满足社会经济快速发展所需的电力需求,是电力行业发展面临的最重要问题,建立一个合理的电源发展演化模型能够为我国电力发展提供有益的帮助。

目前常见的电源结构规划模型可以分成集总模型和分区模型两类。集总模型一般采用“自下而上”的结构分析不同场景下的电源发展方案[1]。文献[2]采用投资组合理论分析碳排放场景下的电源发展方案;文献[3]采用混合规划模型研究碳减排路径下的中国电源发展规划;文献[4]在长期规划模型的基础上,分析了不同碳排放约束情景下中国电力行业的不同发展前景;文献[5]建立一个混合整数线性规划(mix integer linear programming,MILP)模型,研究考虑空气污染条件下的阿拉伯联合酋长国电力系统未来的电源发展路线图。文献[6]用碳价格量化减少碳排放的经济效益,提出了一种考虑环境和经济双重约束的电源规划模型。文献[7]通过碳排放轨迹函数确定各年份碳排放上限,并以此作为约束条件进行电源规划。

与集总模型不同,分区模型考虑了各个分区资源分布特点、电源发展潜力以及分区间的电力互济能力。对于中国这样地域辽阔、地区特点鲜明的大国,分区模型相比于集总模型更适用于中国电源结构规划。文献[8]分析了区域动态供求关系对环境政策执行效果的影响;文献[9]将中国划分为10 个区域进行研究,建立了一个基于实际网络的多区域规划模型;文献[10]提出了一个多区域负荷分配模型,以此作为优化中国电网装机发展的最优方案;文献[11]基于多区域规划结果,研究了区域间输电能力对区域电源发展的影响;文献[12]提出了一个考虑污染物控制政策的多区域规划模型;文献[13]在优化模型中考虑了沿海和内陆地区能源依赖的区域差异;文献[14]利用多区域MILP 模型来确定希腊电源结构和区域间电力和煤炭的输送能力要求。

现有的集总模型和分区模型都是确定性模型,只能得到确定性规划结果。长期规划可能面临诸多未来的不确定因素。采用确定性规划模型不够灵活,难以保证结果的最优,进而影响经济社会的发展。

考虑不确定性的规划方法一直是规划领域关注的重点。文献[15]建立了一个多阶段随机优化模型,以获得天然气和电力综合系统的运行方案;文献[16]提出了一个考虑新能源出力随机性的日前调度计划随机模型;文献[17]在随机规划模型中加入了非预期约束,实现了在燃气和电源发展规划中在不确定因素作用下的序贯决策。文献[18-19]考虑了新能源和负荷的不确定性对于系统运行的影响,采用多场景技术对不确定性进行描述并对系统运行进行优化。文献[20-21]考虑可再生能源出力不确定性对于市场出清的影响,基于多场景进行随机优化。目前很少有研究将随机规划方法应用于一个国家电源和区域间输电能力的长期规划中。一般来说,长期规划会受到未来不确定性因素的显著影响。

本文的创新主要体现在以下几个方面:1)在分区规划模型的基础上,应用多阶段随机规划方法,对我国发电结构和区域间输电能力的长期发展进行优化。并且多阶段随机规划可以更好地模拟未来中国电源投资建设决策和发展情况,使得规划结果更具有参考价值;2)模型考虑了可再生能源的反峰调节特性,并将其反映为约束条件,使得模型可以应用于未来新型电力系统下可再生能源高渗透率的场景;3)采用系统工程领域的场景分析法研究不确定性下中国未来电源结构,得到了2020—2060 年中国电力行业在负荷需求和用电量不确定性条件下的电源发展规划结果,并分析了不确定性因素的影响,为中国未来电源发展路径提出了建议。

1 规划模型及方法

1.1 场景生成和削减

本文运用多场景技术来描述不确定性的各种实现过程。一组不同的场景可以从时间尺度上构建成树状结构,称之为场景树。一个贯穿整个时间范围的场景是场景树的一条分支,它的一些节点代表着该场景的各个阶段。场景树的构建是多阶段随机规划的基础。

本文采用蒙特卡洛模拟法对不确定性进行随机采样,生成各个阶段的不确定性值。为了保证场景树能够尽可能准确地描述不确定性的实现过程,往往需要生成大量的场景。但是数量较多的场景会带来两方面的问题:1)在多阶段场景生成中,每个阶段增加场景生成的数量会导致最终的场景数目呈现指数级增长,进而带来维数灾难,造成计算困难;2)众多的场景会存在近似场景甚至相同场景,这类场景通常被称为冗余场景。冗余场景会增加计算负担。因此场景的削减对保持原有信息的基础上减少计算量具有重要意义。

聚类的方法被广泛应用于场景削减。针对于场景削减这类特定问题,基于聚类的场景削减算法被设计出来并在随机规划领域得到一定应用。文献[22]提出了两种快速的削减算法:快速前向法和同步回代法。本文采用快速前向法进行场景削减。算法已经有一定的应用,具体原理和步骤不在本文赘述。

1.2 多阶段多区域电源规划模型

传统的随机规划所得到的结果是单一的方案,是不确定性下的期望最优。而多阶段随机规划方法本质上是一个“序贯决策”的过程,随着不确定性的逐步实现而依次产生决策,是一个“观望”式决策过程。电源结构规划属于长期规划,面临不确定性较多且对投资的影响较大。因此,本文将多阶段随机规划方法应用于电源结构规划中,能够得到更具灵活性和适用性的规划结果,并且能够更加接近投资建设决策的实际过程。

1.2.1 目标函数

式中:CTOTAL为规划期内的总成本;CCON为规划期内各类机组和储能的投建总成本;COM为规划期内各类机组及储能的运维总成本;CFUEL为规划期内燃料总成本;CLINE为规划期内跨区输电通道扩容总成本;CTRANS为规划期内线路输电损耗总成本。式(2)为规划期内各类机组和储能的投建总成本:

式中:py,s为第s号场景第y年的标准化概率;为第y年r区域g类电源或储能单位容量建造成本;为第s号场景第y年r区域g类电源或储能的新建容量;i为折现率;为第g类电源或储能的寿命。式(3)为规划期内各类机组及储能的运维总成本:

1.2.2 约束条件

式(7)—(8)为装机容量约束,表示机组新建容量不超过地区该年投建能力上限,并且下一年的容量增量等于新建容量和退役容量之差。

式(15)为线路电量约束:

式(19)为调峰备用约束,系统需要具备足够的调峰能力以保障风电、光伏等新能源的消纳。新能源机组一般具有“反调峰”特性,所以可控出力的常规电源及储能的调节能力除了满足负荷峰谷差之外,还需要满足新能源消纳的需求。

式中:xt,i和xt,j分别表示在阶段t下场景i和j中电源装机容量、发电量、区域联络线电力电量等决策变量的取值;表示在阶段t下场景s中不确定量的取值;表示场景s下不确定性从阶段1到阶段t的实现过程;Ret为退役机组。

非预期约束条件是形成多阶段随机规划的关键,由于随机变量是随时间段推进而逐步实现的,并不是同时产生的,所以相应的决策量也是逐步实现的[22]。式(20)表达了不同场景s下,如果阶段1 到阶段t的实现过程相同,即使从阶段t+1 开始分化,那么这些场景下从阶段1 到阶段t决策变量取值也是相同的。因此非预期约束条件能够保证当前阶段获得的决策变量仅仅取决于于当前和此前阶段不确定性的实现,而与未来的实现过程无关[23]。非预期约束条件的加入使得优化过程能够模拟现实中“观望-决策-观望-决策”这一序贯过程,使得优化过程从原来的单阶段变为多阶段,揭示了多阶段随机规划是一个序贯决策过程的本质。

2 中国2020—2060 年电源结构

将中国电网依据传统一般划分为七个区域。区域划分及区域之间的传输通道连接如图1 所示。

图1 区域划分及跨区通道示意图Fig.1 Region division and inter-regional transmission pathway

负荷和用电量是电力系统规划的边界条件,会对规划结果产生重要影响。而负荷和用电量将会受到经济、人口、技术等多方面的影响而产生不确定性,从而使得预测值具有偏差。并且随着时间的推移,负荷和用电量的预测精度会下降。因此,在长期规划中,负荷和用电量的不确定性是需要考虑的关键因素。本文考虑负荷及用电量增长的不确定性,用所提出的多阶段随机规划模型对全国电源结构及电力流进行多阶段随机规划。

2035 年前的负荷及用电量预测数据参考国网经济技术研究院有限公司牵头完成的科研项目《中长期电网研究》。各大区2035—2060的负荷和电量增长率沿用2030—2035 年的数值,并认为每年负荷和电量增长率预测误差服从标准正态分布。然后采用蒙特卡洛模拟法生成场景,再采用场景削减算法[24]削减场景个数,在场景削减算法中,设置收敛阈值随着时间推移逐渐降低,这样可以保存较多信息以模拟未来远期不可预知性的扩大。最终我们得到了24 个负荷和用电量不同的场景。七个区域加总得到的全国负荷和用电量在不同场景下的结果如图2 所示。通过图2 可以看到,负荷和用电量的不确定性随着时间推移而逐渐显著,不确定性造成的预测值置信区间也逐渐扩大。以预测值和其概率分布为基准,通过多场景模拟,可以得到2060 年全国负荷的预测区间为24.77～ 29.23 亿kW,全国用电量的136 066～160 565亿kW·h。

图2 不同场景下全国负荷及用电量Fig.2 Load and electricity consumption of China under different scenarios

应用本文所提出的多阶段随机规划模型和数据,利用Matlab2018b 结合Gurobi9.1.1 商用求解器调用对偶单纯形法,在i7 8700k,16 GB的个人计算机上进行求解,求解时间为2.2 s。

本文依据2060 年负荷及用电量水平将场景进行顺序编号。最小负荷的场景为场景1,最大负荷场景为场景24。本文选取场景1 和场景24 进行结果对比以分析中国未来电源结构和发电量结构。由于模型中电源装机容量、发电量和电力负荷、用电量之间是线性约束,因此可以通过最小最大场景来确定未来不确定性影响下,全国电源装机和发电量的发展范围。由于多阶段随机规划中加入了非预期约束条件,决策变量取值仅和当前及此前不确定性的实现有关,与未来情况无关。而负荷和用电量的不确定性从2035 年后分形,所以不同场景下2020—2035 年的规划结果是相同的。

图3 和图4 分别为最小负荷场景(场景编号为1)和最大负荷场景(场景编号为24)下2020 年—2060 年全国电源装机结构。基于图3 和图4 可以得到未来中国电源结构的几个特征:

1)中国从2020 年到2060 年,电源装机总量将不断上升。到2030 年将达到30.74 亿kW,到2060 年将达到42.67 亿～53.76 亿kW。

2)中国从2020 年到2060 年装机结构将发生显著变化,火电在2030 年前保持平稳,2030 年火电为10.47 亿kW,在2030 年后则急剧下降,到2060 年火电将会下降到2.3 亿kW 左右,装机占比仅为5%左右。与之相对的,风电,光伏等可再生能源装机容量和比例急剧上升。到2030 年可再生能源(水电、风电、光伏、海上风电)装机总量将达到15.84 亿kW,到2060 年可再生能源装机总量将达到26.24 亿～32.65 亿kW,比例将达到约60%。

3)不同负荷增长场景下,常规机组装机规模差异不大,负荷增长的不确定性主要影响可再生能源和储能的装机容量。

4)在高比例风电、光伏、海上风电接入系统情况下,储能(电化学储能、抽水蓄能等)的配置是保证系统安全稳定运行的关键手段。从图3 和图4 看出,随着风电光伏等可再生能源增多,储能也显著增多。到2030 年储能配置规模将达到3.15 亿kW,到2060 年储能配置规模将达到10.25 亿～13.84 亿kW。

图3 最小负荷场景下2020—2060 年全国电源装机容量结构Fig.3 Power capacity structure of 2020—2060 under the scenario of minimum load

图4 最大负荷场景下2020—2060 年全国电源装机容量结构Fig.4 Power capacity structure of 2020—2060 under the scenario of maximum load

图5 和图6 分别为最小负荷场景和最大负荷场景下2020 年—2060 年全国电源装机结构。基于图5和图6 可以得到未来中国发电量的几个特征:

图5 最小负荷场景下2020—2060 年全国电源发电量结构Fig.5 Power generation structure of 2020—2060 under the scenario of minimum load

图6 最大负荷场景下2020—2060 年全国电源发电量结构Fig.6 Power generation structure of 2020—2060 under the scenario of maximum load

1)中国从2020 年到2060 年,发电总量将不断上升。到2030 年将达到10.49 万亿kW·h,到2060 年将达到13.61～16.55 万亿kW·h。

2)中国火电发电量逐渐降低,2030 年发电量为4.2 万亿kW·h,2030 年后下降较快,到2060 年发电量仅为0.78～ 0.84 万亿 kW·h,占比仅为4.7%～6.2%。

3)可再生能源发电量从2020 年到2060 年显著增多,2030 年可再生能源发电量将达到4.7 万亿kW·h,占比44.8%;2060 年可再生能源发电量将达到10.16 亿～12.39 万亿kW·h,占比达到74.6%～74.8%。

4)在不同用电增长场景下,常规机组发电量差异很小,差异主要体现在新能源发电量上。

图7 和图8 分别为最小负荷场景和最大负荷场景下2020—2060 年全国电源装机结构。通过图7 和图8,可以看出中国跨区电力流总量持续增长。2060年将达到3.56 亿～3.96 亿kW。在高负荷场景下,跨区电力总量反而较低,这是因为电力需求预测中假定华东、南方负荷在未来呈现饱和,需求增长主要来源于西北、华北和东北等能源资源富集区,新开发能源资源更多比例用于本区供给,外送相对减少。

图7 最小负荷场景下2020—2060 年全国跨区电力流总量Fig.7 Total inter-regional transmission capacity of 2020—2060 under the scenario of minimum load

图8 最大负荷场景下2020—2060 年全国跨区电力流总量Fig.8 otal inter-regional transmission capacity of 2020—2060 under the scenario of maximum load

图9 为从2025 年到2060 年累计总成本轨迹。可以看出不同场景下总成本轨迹不同,且与负荷及用电量成正相关趋势变化。总成本作为最优目标,通过图9 也可看出本文模型和结果具有多阶段特征,印证了模型描述部分所述特点。

图9 累计总成本轨迹Fig.9 Cumulative total cost path

图10 为以2020 年碳排放量为基准,24 个不同场景下从2020 年到2060 年的发电碳排放轨迹。可以看出碳排放量逐年下降,在2030 年前下降不明显,在2030 年后下降迅速。2030 年发电碳排放量为2020 年的92%,到2060 年发电碳排放量降低为2020年的15%～25%。

图10 发电碳排放轨迹(以2020 年为基准)Fig.10 Carbon emission pathway of power generation from 2020 to 2060(2020 as baseline)

3 结论

本文基于多阶段随机规划方法发展了多区域的电源结构规划模型,考虑了未来发展过程中负荷和用电量的不确定性,对中国电源2020—2060 年电源结构进行了优化。综合本文研究内容得出以下结论:1)本文的模型是一个多阶段序贯决策过程,随着不确定性的实现逐步确定决策变量取值,获得的结果更加符合未来发展过程中实际决策过程,从而使得本文结果具有一定的参考价值;2)中国电源装机结构和发电结构将在2030 年后发生迅猛变化,风电、光伏、海上风电等可再生能源大规模发展,储能也将大规模配置;3)发电方面的碳排放量持续下降,2060 年的碳排放量仅为2020 年的15%～25%,清洁替代作用显著;4)不同负荷和用电量发展情况对于火电气电的发展影响不大,对于可再生能源发展有较大影响;5)中国跨区电力流持续增加,区域互联作用将持续增强。

本文的后续研究可以从其他不确定性切入,进一步考虑成本变化、碳排放限制等对于未来电源结构的影响。进而提出对未来中国电源发展更为全面的建议。