基于系统动力学的英国风力发电技术扩散研究

张道全，潘巧波，张乐平

(华电电力科学研究院有限公司，杭州 310030)

0 引 言

近年来，清洁性能源得到了广泛的关注。风力发电拥有良好的清洁性和可持续性，能够有效地减少温室气体的排放，有助于达成巴黎协定的目标，实现中国“碳达峰，碳中和”的规划[1]，建设双碳目标下以新能源为主体的电力系统[2]。风电场的建设及运维能够提高当地的就业率，同时也为可持续性发展做出贡献。但是仍然存在一些制约风电发展的不利因素，例如风速的不确定性以及高昂的维修服务成本。上述问题及风电的潜在价值使得探讨风电发展趋势与能源政策的关系很有意义。

一些文献已应用系统动力学方法对风力发电技术做出相关研究。Reddi等[3]利用风力发电机组(以下简称风机)原理建立了场站发电量预测模型，以多个风机叠加的方式计算场站发电量。Bildik等[4]和Grobbelaar等[5]结合经验学习曲线、经济学的规模效应和风机的生命周期对技术扩散问题进行研究。更多的研究者[6-9]探讨了能源政策的影响，认为可再生能源市场存在巨大潜力，但与实行的能源政策密切相关。Zhao等[10]与Erik[11]将环境因素加入模型，并考虑了风电技术发展带来的社会影响。该文从技术经济学的角度出发，将风机的制造厂家作为风电技术发展真正的驱动者引入分析模型，替代过去文献中将风电技术发展与发电企业利润绑定的情况，同时利用经验学习曲线，创建技术成熟度变量，评估风电技术发展情况，建立装机容量、发电量与风电度电价格之间的关系，细化风电技术发展逻辑。

英国的风力发电技术扩散程度暂时领先于中国，历史数据对中国市场的未来发展有一定参考价值。为此，该文以英国的风电发展情况为例，以可利用土地面积、政策激励、经验学习曲线、规模效应和风力发电不稳定性主导的5条回路建立模型，利用过去10年的模拟数据验证模型，预测不同能源政策下未来30年的风电技术扩散趋势,为中国的风电市场提出启发性建议。

1 英国风电发展情况

英国的海陆性气候使其拥有充分的风资源。在2000年英国可再生能源发电量仅为9.9 TW·h，而在2020年增长到了134.7 TW·h，其中超过一半是由风电提供的。2020年陆地和海上风力发电分别占总发电量的11.1%和13.0%，风力发电总量同比提升18.14%，相当于减少了2 800万t的二氧化碳排放量。截至到2020年底，英国已并网9 096台风机，总装机容量超过20 GW，可供给1 800万家庭的用电需求。

差价合同是英国针对大规模能源企业的现行补贴政策。该政策从2015年开始执行并逐渐取代可再生能源义务政策。英国商业、能源和工业战略部成立了低碳合同公司，对差价合同进行签署及支付。该机制下，在执行价高于市场价时发电公司将得到额外的价差补贴，在执行价低于售价时发电公司需返还价差。执行价的设定主要基于经验学习曲线决定的成本估算和征费系统的可承受水平等因素。该政策使可再生能源产业的度电收益更加稳定，减少发电企业亏损风险，降低融资难度。

2 系统动力学方法

系统思考方法是通过模拟整个系统的变化趋势，推演一个特定变量的变化[12]。系统动力学是Forrester基于系统思考开发的一种模拟方法，该方法在设定的时间内对整个系统进行模拟，通过时间延迟和闭环反馈等控制方式模拟系统内元件之间的相互作用。在加入存量和流量变量后，这种反馈具有高阶时变系统特性[13]，通过模拟各变量之间互相反馈的方式达到系统理解，因此系统思考有助于决策者分析动态的复杂系统。

3 系统动力学模型

在不同政策环境下建立系统动力学模型并分别进行迭代模拟，将帮助政策决定者在复杂的局势下做出更合理的决定。模型以2010年的数据为基础，预测10年的技术扩散趋势并与历史数据进行对比，验证所建立模型的置信度。在此基础上，模型以2020年的数据作为初始状态，模拟未来30年风力发电技术发展和相关能源政策产生的影响。

3.1 因果回路分析

因果回路图是展示变量之间关系的示意图。因果链符号位于箭头旁，表示变量之间的激励关系。为预测风力发电产量，分别从经济、技术和政策领域上提出风力发电技术发展中的核心变量和辅助变量。其中内源性变量用圆形边框表示，外源性变量用文字表示。图1为风电技术扩散系统循环图，图中的5个核心因果关系回路见表1。

表1 风电技术扩散因果关系图主要回路

图1 风电技术扩散因果关系

1)规模效应回路中涵盖了成熟度变量、价格变量以及风机数量，形成了一条以规模效应为核心的正反馈回路。更成熟的风电技术增加发电收益率，促进风机建设。风机装机规模的扩大增加了厂家的利润和制造经验。利润促进了风电技术的研发，进而再次反馈到技术成熟度。

2)以风电补贴政策为核心的负反馈回路。更成熟的风电技术提升了发电量，高额的发电量缓解了二氧化碳减排指标的压力，因而政府减少补贴。低补贴使新增风机的数量减少，厂家利润减小，风电技术发展减慢，成熟度提升减缓。

3)经验学习曲线回路由2个变量的正反馈构成，该回路包含了风电技术发展的早期效应及发展中期的“干中学”模式，学习率在初期随技术成熟度而升高。经验学习曲线决定了2个变量之间互相促进的程度。

4)风资源可利用面积的负反馈回路。在风资源开发区域一定的前提下，已建设的风机数量将减少可利用的风资源区域，抑制风机建设增长率。

5)由风电不稳定性导致的负反馈回路。风电技术成熟度增加了风电产量，但由于风功率缺少可控性，造成了发电量的不稳定性，降低电网消纳能力，减少风机建设增长率，进而降低厂家利润，限制风力发电技术研发。

3.2 系统流图分析

系统流图是通过存量、流量、连接器和辅助变量4种形式将因果关系图中构建的模型量化。变量之间的实际关系往往是非线性的，模型通过增加微积分关系和LOOKUP函数的形式更准确地模拟系统运行情况。系统存量流量图(系统流图)如图2所示，模型以潜在可建设的风机数量、已建设的风机数量、风力发电成熟度为存量变量，以风机建设、风力发电成熟度发展为流量变量建立存量流量模型。

由于沙沟泥石流以往没有监测资料，在现状调查基础上采用查表法确定重度，本次泥石流重度的取值为1.786 t/m3。

图2 风电技术扩散系统存量流程

风电度电价格和补贴对风机建设的增益并不是线性的。当风力发电度电成本较高时，政府趋向于补贴风电以维持技术发展；当风电发展较为成熟时，低廉的成本将会成为促进风机建设的主要因素，政策的补贴将随之减少，模型使用LOOKUP函数描述这种非线性过程。

目前建立的陆地风机已可以达到5 MW的装机容量，海上风机甚至可以达到15 MW。未来的风电发展可能更倾向于单机容量的提升。例如，布尔波海岸离岸风电场已由90 MW的总装机容量通过技术改造扩容至348 MW。该文引入了台均风机容量，作为风机技术改造和更新换代的量化指标。每年风机厂家的部分收入由当前总装机容量减去上一年总装机容量决定，因此模型将囊括风机建设与技改的全部收入。

因为风机厂家是技术研发的主体，而他们的目标客户是多个国家，所以其他国家的风电发展带来的收入也会影响到英国风力发电的成熟度，进而体现在英国装机容量和能效利用率上。该文涉及的内容无法讨论世界范围内的风电技术扩散，但英国世界排名第六的风电产量和最大的离岸风电产量，验证了英国风电在世界上的领先地位，所以风机厂家在其他国家的利润采用在英国利润的滞后变量，以一定的比例影响英国风电技术成熟度的发展。

研究的创新性包括以下4个方面：

1)以往的文献只考虑了发电公司获得的利润，此模型提出了风机制造厂家是风电技术发展的真正驱动者。该文以当前的装机总容量与滞后1年的装机容量做差，得到包含了风机新装、技改和换代的新增容量。装机容量增加带来的利润决定了风机厂家的大部分收益，以一定比例转化为科研经费。

2)在电力系统稳定性方面，该文考虑了风电不稳定性对输电网络及电力供求关系的影响。以往的风电技术扩散研究未考虑风电不稳定性对电网供求不平衡的影响，这种不稳定性会极大程度地限制风力发电在总发电量中的比例。

3)该文首次提出利用成熟度量化风力发电技术发展程度。台均装机容量、能效利用率和风力发电度电价格之间存在显著的相关性，研究建立了3个变量与成熟度之间的函数关系。

4)对于可利用风资源土地面积限制，不同于以往研究中使用总装机容量简化并代替风机数量和台均装机容量的方式，该文以风机数量作为存量变量单独讨论。将2个变量分开有助于量化可利用风资源土地面积造成的风机数量限制。

4 模型验证

英国国土面积为24万km2。除了以伦敦为中心的一部分地区平均风速略低，其余约4/5的国土面积均可用于风力发电建设[14]，但基于英国的土地总面积所限，无法为风力发电建设投入大量的土地面积。该文选择7 000 km2作为政策划定的剩余可用于风机安装的土地。通过多个风电场装机容量和占地面积，估算出2010年英国用于风力发电的土地面积大约为1 852 km2。不同场站的单个风机平均占地面积为0.22～3 km2，文中选取0.54 km2作为加权平均值代入模型。

风力发电的二氧化碳减排量取决于当前火电所采用的化石燃料比例，其中以煤炭的每亿瓦时电力供应产生990 t二氧化碳和天然气的每亿瓦时电力供应产生370 t二氧化碳为主。考虑到化石燃料发电技术的持续发展，模型将二氧化碳排放量设定为以455 t为初值的递减函数，统计风力发电对减轻温室效应的贡献。

图3展示了由系统存量流量模型模拟的2010年到2020年英国风力发电累计装机数量、累计总装机容量、年度风力发电产量和英国政府2021年12月披露的最新历史数据的对比图。其中，风机数量模拟值在2020年增长到9 129台，与真实值偏差低于1%；风电装机总容量模拟值由初值5 129 MW增加到25 018 MW，与真实数据相差2.18 %；发电量由初值10 088 GW·h增长到76 407 GW·h，与实际历史数据相差1.38%。所建立的模型中，3个核心变量模拟误差均低于3%，认为此模型能够相对准确地模拟未来风力发电技术扩散与发展趋势，可以作为制定政策的参考。

图3 英国风力发电技术扩散趋势验证

5 风电市场发展预测仿真

该文提出4种能源政策方案：方案1为无新增激励政策，可以为分析其他可执行的方案提供参考标准；方案2通过增加度电补贴提升风电新增装机容量，促进风力发电技术扩散；方案3通过提高风电出力的稳定性，改善供求不匹配问题；方案4为发电企业划定更多的风机建设土地面积，促进风机数量增长。4种方案均以2020年的历史数据作为初值，预测此后30年的风力发电技术扩散情况。

在无激励政策情况下，总装机容量预测值为59 812 MW，如图4所示。方案2预测值为61 543 MW，仅提升2.89%。成熟的能源产业将以自身的优势存在，而非政策补贴，未来风电能源趋于成熟时，度电补贴政策带来的增益将不再显著。方案4将更大程度地促进装机容量提升，预测装机容量值提升了3 097 MW。方案3装机容量预测值为65 995 MW，提升幅度最高。在30年后风力发电技术持续发展，装机容量将通过更新换代和技术改造等方式获得提升，风电装机容量的根本限制因素将由风资源土地面积限制转向风电的不稳定性带来的功率不可控问题。

图4 4种政策方案下的英国风电装机容量预测

在不同的能源方案展望中，方案3提供的风电产量明显超过其他政策。如图5所示，其风力发电产量预测值为260 185 GW·h，相比无新增激励政策的预测产量提高了12.62%，这意味着电力市场每年将减少1 152万t二氧化碳排放量。增加风资源土地面积政策提供了第二的风力发电产量，241 263 GW·h，而方案2仅提升风力发电产量2.43%。由上述结果可见，在技术发展中期，风力发电平准化度电价格下降至化石燃料以下时，度电补贴政策带来的增益将逐渐减少，可利用风资源面积将成为限制装机容量的关键。在技术发展后期，台均装机容量通过技术改造和风机换新等方式得到提升，降低风资源土地限制影响，风电不稳定性将成为主要限制。随着风力发电在系统中所占的比例攀升，不稳定性导致的供求不平衡风险迅速上升，能否相对准确地预测风力发电的产量以平衡电网的供求关系将至关重要。

图5 4种政策方案下的英国年度风力发电产量预测

6 对中国电力市场的启发

对于中国电力市场而言，其风电体量自2006年后突飞猛进，已远超英国成为装机容量第一大国，但根据新增风机装机容量、发电量占比、能效利用率等参数，判断中国风电当前技术发展程度接近2015年的英国，即将进入风力发电技术发展中期阶段。基于本研究成果分析，增加可利用风资源土地面积政策在发展前中期带来的装机容量和发电量增长较为显著，因此建议持续进行风资源开发，保证风电产量稳步增长。在“十四五”计划中提出，5年内提升中国的可再生能源发电占比至50%，主体为风电和光伏发电，这可能导致输电网络受到风电不稳定性的影响，增加供求不平衡风险，建议优化风功率预测系统和社会用电量预测模型等。同时，可以根据地理位置发展气电，通过气电运行可靠性高、输出功率范围广、启停灵活等特点，结合预测模型结果及时调整电网供需不平衡关系，解决风电输出功率不可控问题。

7 结 语

提出风电技术扩散的系统动态模型，预测了英国未来风力发电产量及装机容量。利用因果回路图阐述了变量之间的关系，通过系统存量流量图，搭建了系统动力学模型并测试了政策对核心变量产生的激励效果。分别从度电补贴、改善供求不平衡限制、增加风机建设面积3个方面提出可行的能源政策激励方案。结果显示，对风电不稳定性的改善将成为未来风电发展的关键。

未来工作期望加入其他可再生能源与风力发电技术共同讨论并建立模型，可再生能源相互的影响和竞争会使国家能源形势更加明确。另外，所提出的系统动态模型可以将参数与初值调整后用于其他国家的能源政策分析。

感谢伦敦大学学院的Nici Zimmermann教授和William Mcdowall教授在模型建立中的建议和对研究范围的引导。