电力基础资源共享下变电站多业务场景经济-环境-社会效益分析

张晨 ,韩新阳 ,边海峰 ,张若愚，刘平阔

(1.国网能源研究院有限公司,北京市 102209;2.上海电力大学经济与管理学院,上海市 200090)

0 引言

随着5G 基站、充电桩等“新基建”设施建设进入快速发展阶段,其建设也面临着场地资源需求大、线路改造较难等障碍。而传统变电站具有分布范围广、数量大等优势,但其功能相对单一。通过利用传统变电站的站址、土地、杆塔等资源优势,在其基础上科学整合数据中心站、5G 基站、北斗地基增强系统站、充换电站等“新基建”设施,形成电力基础设施共享复用的新形式,此类模式称为“多站融合”[1-2]。

多站融合项目中融合建设了数据中心站、储能站、充换电站等设施。既能提高场地利用效率,又可降低多种“新基建”设施的建设成本,提高电力资源利用效率[3]。在传统变电站保障电力供应的基础上拓展出大数据服务、充换电等新业务,拓展了能源服务的新业态。从社会效益角度来看,多站融合为“互联网+”战略及数字经济发展提供必要的基础设施保障[4],融合下的边缘数据中心、5G 基站具有靠近用户侧的地理优势,通过资源复用能充分为用户提供低延时、快响应的信息传输服务,有效支撑“智慧城市”的建设[5-10];从环境效益角度来看,项目中融合建设分布式光伏、储能等模块,可提升区域清洁能源消纳能力;从经济效益来看,通过多站融合中各模块之间的协同合作,可承载能源大数据服务、充换电等业务,有利于培育新业态新模式,推动能源互联网的高质量发展[11-18]。

目前,多站融合面临发展路径不明晰、商业模式不成熟等亟待解决的问题;对项目的经济-环境-社会效益进行系统性预判和分析,既是实现“新基建”项目建设与商业运营的重要基础,又是寻找“电网数字化”新经济增长点的必要反馈。本文基于业务分类进行子系统的构建,且以项目商业运营为导向,通过构建系统动力学模型,对多站融合项目经济-环境-社会效益的变化进模拟仿真,分析不同场景下多站融合项目经济-环境-社会效益变化趋势,充分体现出变量在微观层面的交互作用过程。以期为多站融合项目后期的规模化、产业化和商业化运营提供一定的指导作用。

1 模型构建

1.1 模型边界及假设条件

为构建多站融合项目的经济-环境-社会效益分析系统动力(system dynamics,SD)模型,且不失研究的科学性和一般性,本文设定如下:

假设1——根据多站融合业务的性质,设定3 类主营业务边界,即能源类业务、租赁类业务和信息类业务。

假设2——基于变电站资源进行整合的多业务站,不同设备的运营年限存在差异,故设定固定折旧年限的标准为20 年。

假设3——设定多站融合项目第一年为项目建设期,第二年开始进入商业运营期。

1.2 因果关系图的建立

基于上述3 个假设,可从经济、环境和社会3 个子系统建立多站融合项目经济-环境-社会效益分析的SD 模型反馈回路:

1)经济效益子系统存在6 个负反馈回路(见表1),并由此构建经济效益因果关系(causal loop diagram,CLD),如图1 所示。

图1 经济效益因果关系图Fig.1 The CLD of economic benefit

表1 经济效益反馈回路Table 1 Feedback loop of economic benefit

2)环境效益子系统中存在2 个反馈回路(见表2),并由此构建环境效益因果关系,如图2 所示。

图2 环境效益因果关系图Fig.2 The CLD of environmental benefit

表2 环境效益子系统反馈回路Table 2 Feedback loop of environmental benefit

3)社会效益子系统存在2 个负反馈回路和1 个正反馈回路(见表3),并由此构建社会效益因果关系,如图3 所示。

图3 社会效益因果关系图Fig.3 The CLD of social benefit

1.3 存量流量图的建立

1.3.1 经济效益子系统

1)能源类业务的成本收益。

根据因果关系图、参考系统流图符号,建立多站融合项目能源类业务的存量流量图,如图4 所示。

图4 能源类业务存量流量图Fig.4 The Stock-flow diagram of energy business

能源类业务成本净现值受到能源类业务成本与能源类业务收益的影响,考虑不同区域电动汽车发展状况存在差异,故影响能源类业务收益的主要因素为充电业务收益情况,充电量影响充电业务收益进而影响能源类业务净现值。以上海某地充换电站充电量的历史数据作为参考,该存量流量图中主要的数学关系如下:

式中:Ecb表示能源类业务的净现值,初始值为0;Sc表示能源类业务收益;Cb为能源类业务成本;r为折现率;t为时间,单位为年。

式中:Sc1为充电业务收益;Sc2为电网内部业务收益;Sc3为综合能源服务收益。

式中:R为税收支出;Cb1为能源类业务建设成本;Cb2为能源类业务运营成本,主要包括能源类业务人员管理成本Cb3、业务维护成本Cb4和耗能成本Cb5。

式中:N1为充电量;p1为充电价格。

2)信息类业务的成本收益。

同理,建立多站融合项目信息类业务的存量流量图,如图5 所示。

图5 信息类业务存量流量图Fig.5 The stock-flow diagram of information business

影响多站融合信息类业务的因素有信息类业务收益与信息类业务成本,影响收益的因素主要有信息类业务价格与客户数量,影响成本的主要因素为运营成本,而耗能成本为影响运营成本的主要因素,上架率通过影响耗能成本和客户数量进而影响信息类业务的净现值。具体数学公式如下:

式中:Sx为信息类业务收益;p2为信息类业务服务价格;N2为信息类业务客户数量。

式中:Cx1为信息类业务运营成本;Cx2为信息类业务人员管理成本;Cx3为信息类业务维护成本;Cx4为信息类业务耗能成本。

式中:p3为电价;Y为信息类业务的耗电量。

以数据中心上架率A为参考,耗电量使用表函数进行设置,A为0.52 时,耗电量为194 480 kW·h;当A为0.634 时,耗电量为231 880 kW·h;当A为0.739 时,耗电量为269 280 kW·h;当A为0.317时,耗电量为119 680 kW·h;当A为0.422 时,耗电量为157 080 kW·h。

3)租赁类业务的成本收益。

同理,建立多站融合项目租赁类业务的存量流量图,如图6 所示。租赁类业务主要分为储能装置租赁、机柜租赁以及站址租赁。租赁类业务净现值变化的主要为机柜租赁,机柜租赁影响最大因素为运营成本中的能耗成本,上架率通过影响租赁类业务的运营成本进而影响租赁类业务的净现值。具体数学公式如下:

图6 租赁类业务存量流量图Fig.6 The stock-flow diagram of leasing business

式中:Sz为租赁类业务收益。若t大于1,租赁类业务收益为站址租赁收益Sz1、机柜租赁收益Sz2和储能装置租赁收益Sz3之和,即Sz=Sz1+Sz2+Sz3;否则,Sz为0。

Cz1为租赁类业务运营成本。若t大于1,Cz1=30(1+k),其中k为运营成本增加率;否则,Cz1为0。

Cz2为租赁类业务建设成本。若t大于1,Cz2=Cz3+Cz4,其中Cz3为改造成本,Cz4为设备采购成本;否则,Cz2为0 。

g为租赁类业务成本增加率。当上架率A为0.52时,成本增加率为0;当上架率A为0.634 时,成本增加率为20%;当上架率A为0.739 时,成本增加率为40%;当上架率A为0.317 时,成本增加率为-20%;当上架率A为0.422 时,成本增加率为-40%。

4)多站融合项目整体的成本节约。

同理,建立多站融合项目节约成本的存量流量图,如图7 所示。多站融合项目,在传统三站融合的基础上融入5G 基站、北斗地面增强站等基础设施,故以三站融合作为基准情境,多站融合项目节约的成本主要分为运营成本与建设成本,影响多站融合项目成本的主要为融合基站数量,通过融合基站数量进而影响节约成本的净现值。具体数学公式如下:

图7 成本节约存量流量图Fig.7 The stock-flow diagram of saving cost

式中:n为融合基站数量;j为变电站融合基站限制数量,其上限为7。

式中:C5为节约的运营成本;m为每个基站节约的运营成本。

1.3.2 环境效益子系统

从业务拓展的角度分析,多站融合项目通过“产业数字化”在辅助实现“多能互补”和“电能替代”的同时,对环境保护起到了一定的促进作用。

根据因果关系图、参考系统流图符号,建立多站融合项目环境效益的存量流量图,如图8 所示。

图8 环境效益存量流量图Fig.8 The stock-flow diagram of environmental benefit

多站融合项目的环境效益主要体现于减少的废气排放量以及减少的固体废物排放量。替代煤电减少的废气主要为二氧化碳、二氧化硫与氮氧化物,替代煤电的固体废物排放主要为粉尘颗粒。据《中国煤电发展清洁报告2020》统计,2019 年中国每千瓦时煤电二氧化碳排放量为577g/(kW·h),二氧化硫为0.187g/(kW· h),氮氧化物为0.195g/(kW ·h)[19]。影响替代废气排放量与替代固体废物排放量的主要因素为清洁能源发电量。具体数学公式如下:

式中:H为环境效益;F1为替代固体废物排放量;F2替代煤电废气排放量。

式中:Fs1为替代固体废物排放量变化率,初始值为0。

式中:Fs2为替代煤电废气排放量变化率,初始值为0。

式中:D为分布式光伏供电量;e1为每千瓦时煤电气体排放量。

式中:e2为每千瓦时煤电固体废物排放量。

T1为单位面积年辐射总量。当t小于3 时,T1=2 531.48 (1-w)t,其中w为衰减率;当t大于3 时,T1=2 531.48 (1-5/300)3(1-w)(t-3)。

1.3.3 社会效益子系统

根据因果关系图、参考系统流图符号,建立多站融合项目环境效益的存量流量图,如图9 所示。多站融合项目的社会效益主要体现于能源资源、人力资源和土地资源的节约。影响能源资源节约的为多站融合中清洁能源发电量。影响多站融合项目的社会效益中节约的人力资源与土地资源的主要因素为融合基站数量等。具体数学公式如下:

图9 社会效益存量流量图Fig.9 The stock-flow diagram of social benefit

式中:H1为节约的能源数量;Hs1为节约的能源数量变化率,初始值为0。

式中:h1为每个基站平均节约能源数量。

式中:H2为节约的土地资源;U为分布式光伏可用面积;h2为每个基站建设节约的土地资源。

式中:H3为节约的人力资源;h3为每个基站维护人员减少人数。

1.4 模型检验

当前,SD 模型有效性检验的方法包括直观检验、运行检验、历史性检验以及灵敏性分析4 种[20]。为验证本文所构建的多站融合项目的SD 模型能够反映多站融合项目经济-环境-社会效益的变化趋势,本文进行了直观检验,采用Vensim 软件中的check model 对方程的量纲一致性与表达正确性进行检验。此外,该模型的界限通过了检验,说明该模型可行。

在多站融合项目的经济-环境-社会效益的研究中,系统的不确定性会影响系统的稳定性,从而影响仿真结果。本文对模型进行敏感性检验,以此判断模型的稳定性。本文拟对多站融合项目中各业务的净现值和多站融合项目的经济效益、环境效益和社会效益中的部分参数进行调节,从而得出模型部分输出值的响应值,其公式如下:

式中:T表示时间;SQ表示系统中状态变量Q对参数的灵敏度;Q(T)和X(T)分别为状态变量和参数在T时刻的值;ΔQ(T)和ΔX(T)分别为状态变量和参数在T时刻的增量。

本文从经济效益、环境效益和社会效益模型中各选择一个变量进行灵敏性分析,其中能源类业务选择为电网内部收益,信息类业务选择为电价,租赁类业务选择为基站平均节约运营成本,利用控制变量原则,每次改变参数的10%,对1～20 年序列进行分析;由于数据缺失,故对环境效益对1～3 年序列进行分析。通过求其余变量的响应值,依据式(1)求出各变量对每个参数的灵敏度,其结果如表4—6 所示。由结果可知:各参数对模型的灵敏度均低于20%,说明该模型稳定度相对较高,适用性较强。

表4 经济效益系统灵敏性检验Table 4 Sensitivity test of economic benefit system

表5 环境效益系统灵敏性检验Table 5 Sensitivity test of environmental benefit system

表6 社会效益系统灵敏性检验Table 6 Sensitivity test of social benefit system

2 模拟仿真

2.1 经济效益趋势分析

2.1.1 能源类业务

对多站融合项目的能源类业务的净现值变化趋势进行模拟,设定:时间步长为1 年,模拟时间为20年。所需情境参数设定如下:

情境1(基准情境)——以充电站年充电量历史数据作为基准情境;

情境2——年充电量比基准情境上升20%;

情境3——年充电量比基准情境上升40%;

情境4——年充电量比基准情境下降20%;

情境5——年充电量比基准情境下降40%。

模拟仿真结果如图10 所示。由图10 可知:1)不同情境下多站融合项目能源类业务的净现值变化趋势相同,由于设定第一年为项目建设期,故能源类业务净现值在第1 年与第2 年间处于下降阶段,第3 年至第20 年,能源类业务净现值处于呈现“S”型增长趋势。第3 年至第7 年,能源类业务净现值快速增长,其斜率逐年递增;第7 年至第20 年,能源类业务净现值斜率逐渐减小。受模拟步长为20 年所限,其变化呈现逐年上升趋势,但其斜率将会逐渐减少为0,最后会逐渐逼近于固定值。2)第2 年能源类业务净现值的下降速率与第1 年的相比较大,其主要原因为在完成项目建设后,能源类业务收益无法在短期内弥补能源类业务成本。3)从第3 年至第20 年,多站融合项目能源类业务的净现值呈现“S”型上升,其主要原因为多站融合项目中充换电站的充电量快速上升,使得充电收益快速上升,第13 年到第20 年间,由于充电量逐渐饱和,净现值逐渐逼近于固定值。

图10 能源类业务净现值变化趋势Fig.10 Trends in net present value of energy business

2.1.2 信息类业务

对多站融合项目的信息类业务的净现值变化趋势进行模拟,以2019 年数据中心机柜全国平均上架率作为基准情境,所需情境参数设定如下:

情境1(基准情境)——上架率为52.8%,耗电量为194 480 kW·h,对应全国平均上架率;

情 境 2——上架率为63.4%,耗电量为231 880 kW·h;

情 境 3——上架率为73.9%,耗电量为269 280 kW·h;

情 境 4——上架率为31.7%,耗电量为119 680 kW·h;

情 境 5——上架率为42.2%,耗电量为157 080 kW·h。

模拟仿真结果如图11 所示。由图11 可知:1)多站融合项目信息类业务净现值不同情境下第1 年均为直线下降,其主要原因为第1 年为项目建设期,还未取得收益。2)在第2 年至第20 年,情境1、情境2、情境3 和情境4 下信息类业务净现值呈现一种“寻的行为”(即无限趋近于某一值)。受模拟步长所限,虽然信息类业务净现值呈现上升趋势,但其斜率则呈现递减趋势,逐渐减为0,信息类业务净现值逼近于固定值。3)情境4 下的信息类业务净现值变化趋势为直线下降,为负值,其速率与第1 年下降速率相比较小,情境4 中净现值下降的主要原因为由于客户数量较少,导致低上架率,影响信息类业务的成本与收益,导致信息类业务净现值下降。

图11 信息类业务净现值变化趋势Fig.11 Trends in net present value of information business

2.1.3 租赁类业务

对多站融合项目的租赁类业务的净现值变化趋势进行模拟,以全国平均上架率作为基准情境,所需情境参数设定如下:

情境1(基准情境)——上架率为52.8%;

情境2——上架率上涨20%,为63.4%;

情境3——上架率上涨40%,为73.9%;

情境4——上架率下降40%,为31.7%;

情境5——上架率下降20%,为42.2%。

模拟仿真结果如图12 所示。由图12 可知:1)租赁类业务净现值在第1 年为直线下降,待多站融合项目开始商业运营后,第2 年到第20 年租赁类业务净现值呈现一种“寻的行为”,受模拟步长所限,其租赁类业务呈现上升趋势,但其斜率呈现逐年递减趋势,后续逐渐减为0,逼近于固定值。2)多站融合项目的租赁类业务主要为机柜租赁、站址租赁等,机柜租赁等收益受到上架率的影响。第1 年为项目建设期,租赁类业务净现值处于直线下降阶段;在第2 年到第20 年间,其净现值呈现出一种“寻的行为”,租赁类业务净现值逐渐逼近固定值。

图12 租赁类业务净现值变化趋势Fig.12 Trends in net present value of leasing business

2.1.4 成本节约

对多站融合项目的信息类业务的净现值变化趋势进行模拟。所需情境参数设定如下:

情境1(基准情境)——融合基站数量为3;

情境2——融合基站数量为4;

情境3——融合基站数量为5;

情境4——融合基站数量为6;

情境5——融合基站数量为7。

模拟仿真结果如图13 所示。由图13 可知:1)节约成本的净现值在运营期内呈现直线上升趋势,且不同情境下多站融合项目节约成本的净现值变化趋势相同;节约成本主要体现在两方面,即节约的建设成本与节约的运营成本。2)多站融合项目是利用变电站闲置资源进行建设,融合基站数量越多,所节约的建设成本越多,属于一次性建设投入;其次,多站融合项目节约的运营成本受到消耗能源数量、人力资源成本的影响,能源消耗量和人力资源成本属于持续性的投入。项目的运营成本与融合基站数量呈正比,故多站融合项目节约成本的净现值处于直线上升。

图13 节约成本净现值变化趋势Fig.13 Trends in net present value of saving cost

2.2 环境效益趋势分析

对多站融合项目环境效益的变化趋势进行模拟。所需情境参数设定如下:

情境1(基准情境)——单位面积年辐射总量为2 109.6 kW·h/(a·m2);

情境2——单位面积年辐射总量比基准情境下降20%;

情境3——单位面积年辐射总量比基准情境下降10%;

情境4——单位面积年辐射总量比基准情境上浮10%;

情境5——单位面积年辐射总量比基准情境上浮20%。

多站融合项目的环境效益分为两个方面,即替代固体排放量与替代气体排放量。模拟仿真结果如图14 所示。由图14 可知:1)多站融合项目的环境效益,是基于能源经济性(单位面积年辐射总量)的一种“引致效应”,是通过数字化经济下的“电能替代”和“多能互补”过程而实现的。2)多站融合项目替代固体排放量与替代气体排放量在不同情境下均呈现出一种“寻的行为”,出现“寻的行为”的主要原因为受到光伏组件衰减的影响,若光伏组件超出使用寿命,则其替代煤电固体和气体排放量会逐渐衰减至0。3)替代固体排放量与替代气体排放量存在差异的主要因素为不同区域的资源禀赋,不同情境下光伏组件的年利用小时数有所差异,故其单位面积年辐射总量有所不同,光伏组件年利用小时数不同影响区域光伏发电总量进而影响多站融合项目的环境效益。

图14 环境效益变化趋势Fig.14 Trends in environmental benefit

2.3 社会效益趋势分析

对多站融合项目的社会效益变化趋势进行模拟。所需情境参数设定如下:

情境1(基准情境)——融合基站数量为3;

情境2——融合基站数量为4;

情境3——融合基站数量为5;

情境4——融合基站数量为6;

情境5——融合基站数量为7。

多站融合项目的社会效益分为3 方面,即节约的能源数量、节约的人力资源和节约的土地资源。模拟仿真结果如图15 所示。由图15 可知:1)不同情境下节约的能源数量、节约的人力资源和节约的土地资源变化趋势相同。2)多站融合项目基站能源消耗量属于运营成本,需要持续性投入,故其变化趋势为直线上升,节约能源数量与融合基站数量成正比;节约的人力资源和土地资源为固定值,与融合基站数量成正比。

图15 社会效益变化趋势Fig.15 Trends in social benefit

3 结论

作为电网企业新拓展的业务,多站融合项目虽处于导入发展阶段,但在全国部分地区已出现试点应用,这必将成为“新基建”的项目典型和“电网数字化”的经济增长点。本文构建系统动力学模型对多站融合项目的经济效益、环境效益和社会效益进行分析,通过多业务场景分析模拟仿真出多站融合项目经济效益、环境效益和社会效益的变化趋势,以此说明模型的科学性和有效性。通过本文研究,得出如下结论:

1)在多站融合项目各业务经济效益中,不同的业务在一定条件下均能够取得满足预期的经济效益。三类业务均在第1 年呈现直线下降的趋势;在第2 年到第20 年间,能源类业务净现值变化趋势为“S”型上升,在较低上架率的情况下信息类业务净现值逐渐降低,租赁类业务的净现值将在业务饱和的情况下无限趋近于某一固定值。多站融合不同业务的经济效益影响因素各不相同,能源类业务的影响因素为充电量,信息类和租赁类业务的主要影响因素为机柜上架率。

2)环境效益是多站融合中能源类业务的“引致效应”,可辅助提高废物废气的减排效率。在不考虑增加装机的情况下,受到分布式光伏组件衰减的约束,替代固体废物排放量与替代煤电废气排放量均呈现出趋近于某一固定值的变化趋势,且影响环境效益的主要因素为不同地区的年辐射总量。总体而言,在不同情境下,多站融合项目均有较为理想的环境效益;项目开展能够通过能源类业务的“电能替代”作用和“多能互补”作用,提升区域清洁能源消纳能力,减少固体废物和废气的排放量。

3)多站融合中社会效益主要体现于土地资源、能源资源和人力资源三方面社会资本的节约。其中,能源资源的节约能力呈现出显著的上升趋势;土地资源与人力资源的节约能力虽明显但较为固定,且多站融合项目中融合的基站数量越多,则节约的土地资源与人力资源越大。多站融合项目的社会效益变化趋势体现了多站融合充分利用了空间、能源等变电站闲置资源,降低了能源消耗,提高了土地和人力等资源的利用效率。