鐘曉紅 畢神浩 王 凱 楊 穎
1(廈門大學經濟學院,廈門 361000) 2(國網杭州市蕭山區供電公司,杭州 311200)
電力行業以煤電為主的能源結構決定了其高能耗、高排放的特點,與國際相比,我國每千瓦平均供電煤耗高于發達國家80克左右,線損率、耗水率分別高出2%~3%、40%左右,低效問題較為凸顯。而減排大趨勢下,我國作為 《巴黎協定》的締約國,對于減排有無條件守約責任,電力行業作為碳排放的 “大戶”,更是以 “碳約束”為統領,通過發展非化石能源、降低供電煤耗、線損等措施,努力尋求減排空間,并利用碳交易市場的構建,來確定剛性的排放總量。但是,據數據統計,電力行業被納入全球碳排放交易市場的CO2排放量預計為35億噸,占該行業排放總量的74%,無法根本改變電力行業畸高的排放量,可見,電力行業的減排仍然任重而道遠。
減排約束下,電力資源需要進行規劃,從供應鏈來看,高排放的源頭在于供給側電能結構的失衡性,煤電的主體地位未改變,統籌利用水、風、光等可再生電力能源,進行能源轉型是關鍵。但需求側用電結構、方式和效率的不合理性,在大規模需求驅動下,也會加劇電力資源利用的失衡性。為此,要實現電力資源優化利用,應以需求側的合理、節能用電,鏈接供給側,聯動兩側進行電力資源綜合利用優化。王艷紅和羅洎(2013)基于低碳發展從供給側進行電能結構調整與優化[1];魯宗相等(2017)在波動電源和負荷不確定雙重疊下,分析高比例可再生能源并網的靈活性和平衡機制,以此驅動供給側的電能結構優化[2];郭尊等(2020)在碳交易機制下,通過電-氣聯合系統魯棒調度模型來進行供給側的低碳設計[3]。可見,目前研究多從供、需單一層面,進行電力資源利用優化,而為進一步深挖電力行業的 “減排潛力”,本文將從供需兩側出發,將節能作為一種資源納入電力規劃,與電源開發融為一體,來設計電力資源綜合利用優化模型及方法。
本文引入脫鉤理論測定電力行業發展與污染排放的脫鉤性,以CO2、SO2作為污染排放量指標,根據IPCC收錄的各類燃料CO2排放系數,可得電力行業CO2排放總量[4]:

式(1)中,DCO2為CO2排放總量,mi為電力行業不可再生能源的消費標準量,δi為i類能源的碳排放系數。
運用物料衡算方法計算電力行業SO2的排放量[5]:

式(2)中,E、M、S分別為核算期第i臺機組SO2排放量、煤炭消耗量、發電煤炭平均硫分,α為SO2釋放系數,燃煤、燃油機組各取1.7、2.0,η為第i臺機組的綜合脫硫效率。結合 《工業企業節能減排主要指標解釋》,標準煤含硫率為1.2%,同時,根據北極星電力網數據,大唐、中電投集團、中國國電、中國華能、中國華電等大電力公司的脫硫率均在97%以上,處于全國領先水平,為此,本文選取90%為電力行業的平均脫硫率。
同時,采用Tapio彈性脫鉤指數即可得電力行業發展與高排放的脫鉤狀態[6]:

式(3)、(4) 中,ΔTC/TC為電力經濟增長變化率,以2010~2019年我國電力消費總量進行測算,數據來源于國家統計局,缺失數據根據全國工業統計網、前瞻產業研究院、國家能源總局等整合得出;ΔCO2/CO2、ΔSO2/SO2為污染排放變化率,由式(1)、(2)計算得出,而后,根據式(3)、(4)計算得出脫鉤彈性指數,并參照Tapio脫鉤彈性指數分類,即可獲得我國電力行業與污染排放的脫鉤狀態,見表1。

表1 2010~2019年我國電力行業發展與污染排放脫鉤狀態
結合表1可知,我國電力行業排放脫鉤性呈現動態變化性,尤其在2010年、2011年供給端以煤炭機組為主導,新型發電能源在技術、設備上尚不成熟,且需求端的用電結構、方法和效率也相對滯后,造成電力行業呈現高能耗、高排污特點。而近年來,隨著節能減排加速推進,關停小火電廠,以風電、水電、核電等進行電能替換,調整電能結構,且基于削峰填谷、分時電價、節能設備及技術的節電措施,一定程度上控制了用電量的激增,為此,電力行業減排彈性呈現強脫鉤性。但是從整體上,弱脫鉤性為主,強脫鉤勢弱,電力行業仍未擺脫以火電為主體的電能結構,如圖1所示,風電、水電、核電生產電力量仍處于低位徘徊,增速緩慢,電力行業仍然面臨較大的減排壓力。

圖1 電力行業的能源結構狀態
綜合資源規劃,是一種兼顧資源供給增加與需求減少來滿足特征資源需求的決策過程,本質上與 “開源節流”無異。目前,節能減排下,火電生產受限、可再生能源發電成本、技術、安全性尚不成熟,供給端的單一 “開源”,無力填補日漸增長的需求缺口,適當的 “節流”成為必然,為此,電力資源綜合利用優化應該以供需兩端 “聯動”的方法,來促成電力資源的供需均衡,具體理由如下:
供給側管理效益:依經濟學理論,可繪制電力資源供需曲線,見圖2,BMS、CMS為電力資源的邊際社會收益、社會成本,兩者相等時,市場達到均衡,P0為均衡價格、abE0三角部分為社會總剩余[7]。
結合圖2,在進行供應側管理后,電力資源的供給量增加,將由CMS向右移至CMSMAC,而曲線BMS不變,E1為新供需均衡點[8],bP0E0、bP1E1兩三角形各為實施電力供應側管理前后的消費剩余,且前者大于后者,也即供應側管理后,消費剩余得以提升,對應的社會總效益aE0E1也將提升。
需求側管理效益:通過需求側管理進行節能,來實現電力資源優化利用,BMS電力資源的邊際社會收益向右移至BMSMIC,而邊際社會成本的曲線CMS不變,此時,市場供需新均衡點為E2,見圖3。

圖3 需求側管理下電力資源供給曲線
結合圖3,aP0E0、aP2E2的三角形面積為實施電力需求側管理前后的生產者剩余,且后者大于前者,也即生產者剩余得以提升,對應的社會效益bE0E2也隨之增加。
供需兩側管理效益:此時,電力資源的供需曲線BMS、CMS將同步向右移至BMSMIC、CMSMIC,達到市場均衡點E3,見圖4。與圖2、圖3比較,僅進行供應側或需求側管理時,社會總剩余的增加分別為adE0、bcE0,而實施供需兩側管理后,社會總剩余的增加面積aE0bE3大于(adE0+bcE0),cE0dE3為社會總剩余的增加量[9]。

圖4 供需兩側管理下的電力資源供給曲線
結合上述分析,本文將供需兩側視為一個整體,基于 “開源節流”的理念構建電力資源綜合利用模型。其中,供應側資源主要通過風電、水電、核電、太陽能電、天然氣電等可再生能源的擴展應用,基于 “開源”方法來改變以火電為主的電力能源結構;需求側資源則抽象為能效電廠,通過峰谷分時電價、可中斷電價、智能節電設備、綠色照明等 “節流”方法,將節電作為電力資源優化利用的一種有效形式。根據電力綜合資源規劃PIRP的原理[10],電力資源綜合優化利用的邏輯框架為:確定規劃目標→預測電力需求→評估供需兩側的資源→綜合資源優化利用規劃→監測和評價規劃實施效果,如圖5所示。
減排約束下,本文引入多目標決策方法,以全社會投入成本和碳排放量最小為目標函數,將電力資源綜合利用優化轉換為多目標優化問題,目標函數建構如下:
全社會成本最低的目標函數:基于供需兩側的電力資源綜合利用優化模型,應該在滿足用電需求的前提下,實現全社會總成本凈現值的最低,減排約束下,該成本涉及投資、運行成本[11]:

圖5 電力資源綜合利用優化的邏輯框架

式(5)中,Z1為規劃期總成本,t為規劃年份,T為規劃的時間段,m、M分別為機組類型的序號、數量,Ftm為第t年m類機組的單位容量成本的年值;為第t年m類機組的新增容量補貼或附加收費,Ctm為t年m類機組的裝機容量,此處,需求端能效電廠的容量為削峰容量,供應側風電、地熱、可再生能源等發電機組的容量為負荷高峰時的出力;分別為第t年第m類機組單位發電量的運行成本、補貼或附加收費,Htm為第t年第m類機組的利用時間,r為折現率。
污染排放量最小的目標函數:因我國電力行業以煤電為主,污染排放量較高,為此,減排約束下,以污染排放量最小為目標約束:

電力資源綜合利用模型應充分考慮用電需求、備用容量、常規及能效電廠的裝機容量、污染排放等約束條件。
用電需求約束:供應側常規、能效電廠的共同發電量在扣除每年損失后,應大于預測需求電量[12]:

式(7)中,N為常規機組類型的數量,ηt為第t年發電量與用電量之間的損失率,而能效電廠節電性的電力資源優化利用,處于需求側,為此不考慮該損失率,Et為第t年需求量的預測值。
備用容量約束:整個電力系統需具備一定備用容量,應在剔除發用電間的損失后大于預測的電力負荷[13]:

式(8)中,Pt為第t年電力負荷的預測值。
供給側常規電廠的裝機規模約束:因為電能資源有限,加之技術、資金、政策的限制,特定時期內電廠的裝機容量不能超過用電需求的一定比例:

需求側能效電廠的裝機規模約束:能效電廠是通過一攬子節能行動方案,來優化用電結構、方式和效率,以實現減排目的,但因節電潛力的局限性,其裝機容量不可大于該類用電設備電力負荷特定比值:

式(10)中,αtm為第t年m類能效電廠占該類用電設備電力負荷的比例系數,Ptm為第t年m類用電設備的電力負荷預測值。
減排約束:為實現減排目的,供需兩側電力資源綜合利用優化的規劃期內,電力生產機組排放的CO2、SO2、NOx應控制在最大排放限值內:

上述模型的求解多通過單目標問題的轉換進行尋優,求解過程簡便,因不同目標函數物理本質及量綱各異,權重因子的取值非常困難,為此,本文采用慣性權重法剔除PSO速度最大值的需求,以改進的PSO算法對電力資源綜合優化模型進行求解,具體步驟如下:
步驟1:輸入原始數據,初始化模型,獲取模型控制變量的數量及對應的取值范圍;初始化算法參數:種群數量N、最大迭代次數Itermax、慣性因子ω的上下限,加速系數c1、c2。
步驟2:迭代測試設為0,在可行域內通過隨機數發生器生成M個粒子,各自對應的位置為xi,同時,在特定范圍內設定初始速度Vi,此處取值為0,并將各初始粒子的個體最優解和全局最優解,也即pbest、gbest設定為某一足夠大值。
步驟3:將粒子代入適應度函數,計算每個粒子的適應度值F(xi),并將其與目前個體最優解phest進行比較,若F(xi)<phest,則選擇最佳的pbest作為F(xi)適應度值。同時,將所有粒子的F(xi)中的最下值設定為Fmin,Fmin<gbest, 則本代群體最優解較上代小,則gbest=Fmin,相反,則Fmin維持不變[14]。
步驟4:更新各粒子飛行速度,同時,結合蔣娓娓[15]的研究中粒子在預定迭代次數停滯不前時,隨機位置賦予公式更新粒子當前位置,并檢測更新位置是否存在越限變量,若存在,則需將其限制為該變量約束的上下限值或下限值。
步驟5:終止條件判斷——電力資源綜合利用模型中的目標函數取得最小值或Iter達到預設最大迭代次數Itermax,若是,則輸出計算結果,若不是,則以Iter=Iter+1,轉至步驟3。
為驗證上述模型,本文以傳統單一供應側的利用模型為參照,減排規劃期為2010~2030年,供應側的電能結構為煤炭、可再生能源發電,需求側的能效電廠實施峰谷分時電價、負荷管理、節能技術等節點措施,通過成本、效益篩選出3種方法節省的電能,分別設定為DSM1、DSM2、DSM3。結合模型的約束條件,設定電力系統備用容量為20%,需求側資源占最大用電需求比值在8%以下,容量、電量補貼參數分別以直接削減固定成本、變動成本計算,環境類、運行小時數參數可根據電廠實際排放、運行情況而定,模型的部分參數設置如表2所示。

表2 電力資源綜合利用優化模型的部分參數
同時在減排約束下,研究模型中,供給側基于 “效率優先”,新建風電、水電、核電等可再生能源小容量發電機組來調整電能結構,提升電力資源利用效率;而需求側則以零排放的能效電廠,通過節電方式來優化電力資源利用,供需兩側機組參數如表3、表4所示。
研究模型將采用上述常規電廠+能效電廠模式,而傳統的電力資源優化利用僅涉及供給側的常規電廠。在減排約束下,研究模型包含2個最優目標函數,多個約束條件及決策變量,為此,本文采用Matlab7.0軟件利用上述改進PSO算法進行模型求解,兩種模型所得結果如表5、表6所示。
由表6可知,研究模型的用電量需求下降52.5%、擬建發電廠容量下降30.5%、投資、運行成本分別下降9.59%、2.06%,CO2、SO2、NOx等污染物排放量分別下降了17.6%、14.0%、28.1%,可見設計的模型節能減排效用顯著。這是因為該模型需求側引入 “能效電廠”,通過削峰填谷、分時定價、節能技術、負荷管控等方式,實現了 “節流”,在此引導下,供給側擬建的煤電、風電、氣電等發電廠容量縮減,且電能 “開源”的同時,可降低煤耗,減少污染排放,減排約束效果明顯。

表3 供給側常規機組參數

表4 需求側能效機組參數
資源、環境的雙重壓力下,電力行業作為能耗、碳排放的最大來源,是減排約束的重點領域,但在大規模的用電需求下,一味的節能降耗顯然無法適應,需要尋求兩全的解決方法。本文從供需兩端出發,以 “開源節流”為邏輯主線,建構的上述模型是多目標優化問題,關聯內容較多,需要進行綜合規劃,具體的建議如下:

表5 不同模型的資源組合

表6 不同模型的污染排放
加速供給側的電力結構調整。(1)秉承 “上大壓小”的機制,關停 “小、弱、差”的火電企業,引入超臨界、熱電聯產等低耗、高效率的火電機組,并以 《火電廠大氣污染物排放標準》中嚴格的減排標準,統一CO2、SO2等電廠污染排放的檢測、計算方法,以準確反映電力行業的排放水平,以采取有效的減排技術,整頓大電力企業的減排性;(2)要深挖風電、水電、核電、太陽能等清潔能源的減排潛力,從頂層設計出發,全面梳理、制定電力系能源規劃,出臺相關的財稅補貼、優惠政策,設計行之有效的電力結構調整方案,并根據新電能發電出力預測將其納入機組組合,以形成優化調度的發電量計劃,規避火電年度發電量計劃的剛性約束與波動電源對系統靈活性要求的矛盾問題。同時,可構建跨區域的電力交易和價格機制,驅動風電、光伏發電的跨區域消納,讓新發電能源在更大范圍內得以均衡利用。
深挖需求側的 “節流”潛能,從需求側看,用電量需求存在區域、時域差異,造成了供需的失衡性,而基于能效電廠的需求側管理,可基于“節流”方法來均衡資源配置,但是需要經濟、技術、行政手段的綜合引導。具體來說,可編制 “節流”方案,以 “兩保、兩促、一保限”為準則,保障關系民生、重點項目的用電,促進節能減排發展,對高能耗、污染進行限電;并采用錯峰、避峰用電、限電、緊急拉閘等管理手段,以分時定價、負荷管控等行政手段,來均衡區域、時域性的電力資源配置,提升電力資源的配置效率;同時,還可引入高效照明、負荷控制、蓄能裝置、電加熱等節能技術和設備,直接控制用戶的用電行為、優化電力的多元利用、提升利用效率,以最大限度挖掘需求側的 “節流”潛能。