北京市太陽能資源與分布式光伏發電項目的時空耦合適宜度研究

趙振宇，楊雨佳

(華北電力大學經濟與管理學院 新能源電力與低碳發展研究北京市重點實驗室，北京 102206)

0 引言

當前，以太陽能利用為基礎的分布式光伏發電項目在我國分布式能源建設領域居于主導地位[1]。北京市屬于Ⅱ類太陽能資源地區，資源稟賦良好，再加上北京地區對能源低碳、安全的要求高，因此，研究北京市太陽能資源與分布式光伏發電項目之間的關聯性，充分挖掘北京地區太陽能資源開發和利用潛力，對北京市因地制宜地開發利用清潔能源資源具有重要意義。

目前關于分布式能源“資源-項目-需求”鏈的研究可分為3個部分。1)從資源側來看，文獻[2]從太陽能、風能和生物質能的角度對北京市的能源資源進行了豐度評價；文獻[3]從資源開發與消納的角度建立了省際可再生能源項目開發水平評價模型。2)從項目側來看，國內外學者對分布式光伏發電項目的運營模式、風險評估、經濟效益等方面的研究已較為全面。如文獻[4]通過可行性分析探討了偏遠地區分布式光伏發電系統的運行方式和其發電方式的適應性；文獻[5]從經濟、環境、社會這3個角度量化了采取合同能源管理模式的分布式光伏發電項目的參與方的收益。3)從需求側來看，研究多集中在探討需求響應[6]、虛擬電廠[7]、儲能，以及綜合能源系統[8]方面，通過調節需求側的靈活性資源來保持能源供應鏈的動態平衡，從而優化系統資源和綜合效益。

綜上，本文將聚焦于“資源-項目”關聯，運用多種空間統計方法，從資源稟賦時空耦合的角度探究北京市太陽能資源與分布式光伏發電項目之間的適宜度問題，以期為北京市分布式光伏發電項目的發展規劃提供參考借鑒。

1 研究方法

空間統計方法是研究各屬性因素之間地理空間關系的方法，適于對具有空間分布特征的數據進行統計分析[9]。本文提出引入核密度估計法、標準差橢圓法、雙變量的空間自相關模型等空間統計方法，對北京市太陽能資源與分布式光伏發電項目之間的靜態地理空間分布規律與動態時空耦合關系進行有針對性地深入挖掘。

1.1 核密度估計法

核密度估計(kernel density estimation)法是通過平滑的峰值核函數來擬合觀察到的數據點，從而模擬探索空間點周圍密度及分布特征的一種空間統計方法。

設樣本點為n，此時概率密度函數f(x)可表示為：

式中，x為想要求得概率估計值的項目點；μ為平滑參數，即帶寬，μ＞0；xi為以μ為限，分布于所求項目點周圍的其他項目點，i∈n；K為核密度函數，∫K(t)dt=1，其中t≥0，當0≤t≤1時，K(t)=1/2 ；Kμ為μ帶寬的核密度函數。

1.2 標準差橢圓法

標準差橢圓法采用偏角(長半軸)反映格局的主導方向，其可表示為：

式中，SDEX、SDEY分別為標準差橢圓的短軸x和長軸y的長度，代表了項目點在空間上分布的主要和次要發展方向；θ為旋轉角度，tanθ用以解釋項目點的發展趨勢；Xi、Yi為第i個項目點的坐標點；均為地圖中所有項目點的重心；均為第i個項目點坐標與重心的偏離。

1.3 雙變量的空間自相關模型

雙變量的空間自相關模型用于描述空間中多個變量之間的耦合性，其可表示為：

式中，m為對象網格數；wvr為空間權重矩陣；cv、cr分別為要素v、r的網格具體值，v∈m，r∈m；為所有網格具體值的均值；z為檢驗值；I為相關性數值；var(I)為I的方差；E(I)為I的期望值。

此處選用v、r網格描述雙變量的空間自相關模型，即：

2 北京市分布式光伏發電項目的分布情況

北京市屬于典型的溫帶季風性氣候地區，按我國太陽能資源分布的分類來看，北京市屬于Ⅱ類太陽能資源地區，資源較為豐富，年均總太陽輻射量為1393.9～1463.3 kWh/m2。在北京市的空間分布上，燕山山脈和西山及其西北方向的相對高海拔地區的年均總太陽輻射量較大，可以達到1450 kWh/m2以上；中部和東南部平原地區的年均總太陽輻射量較小，總體低于1400 kWh/m2。

近年來，北京市分批開發建設了一系列的分布式光伏發電項目。本研究選取2016年3月～2020年3月《北京市分布式光伏發電項目獎勵名單》(下文簡稱《獎勵名單》)中公布的分布式光伏發電項目作為研究對象，該《獎勵名單》分為“法人單位”和“自然人”2部分，每年包含2個批次，本研究共選取9個批次?！丢剟蠲麊巍分蟹植际焦夥l電每年新增并網裝機容量與新增項目數量的變化圖如圖1所示。

圖1 《獎勵名單》中每年新增并網裝機容量與新增項目數量的變化Fig. 1 Change of annual newly grid-connected installed capacity and new projects number in《Award List》

從圖1可以看出，在2016年3月～2020年3月期間，北京市分布式光伏發電項目的當年新增并網裝機容量呈持續增長的趨勢；而當年新增項目數量呈先升后降的趨勢，其中，2018 年的新增項目數量最多，達6423個。

上述9個批次項目中，北京市新增的分布式光伏發電項目的所屬區域由2016年3月時的5個區(順義區、海淀區、昌平區、平谷區、通州區)發展到16個區，區域分布擴大，呈現出由部分地區集中式發展向多區域分散式發展的趨勢。當前北京市的分布式光伏發電項目多分布在順義區、通州區等北京周邊區域，按發展速度不同，這些區域可分為3類：1)減速發展區域：包括房山區、大興區、昌平區和延慶區，這些區域的新建項目占比在逐年減少；2)新興發展區域：包括順義區、通州區和亦莊經濟開發區，這些區域的新建項目占比在逐年增長；3)傳統發展區域：包括密云區、平谷區及懷柔區，這些區域的新建項目的增長速度基本保持均衡狀態。

3 北京市太陽能資源及分布式光伏發電項目的時空耦合關系

本研究從圈層特征、集聚特征和發展特征3個方面探究北京市太陽能資源及分布式光伏發電項目之間的多時空耦合異質性問題。綜合考慮北京市分布式光伏發電項目的規模及相關數據的可獲得性和完整性，選取《獎勵名單》中以法人單位為主體的全部541個項目進行研究，這些項目的總并網裝機容量占整個《獎勵名單》9個批次項目總并網裝機容量的65%，具有代表性。

項目數據來源通過《獎勵名單》中所記載的法人單位企業信息名錄，在國家企業信用信息公示系統(http://bj.gsxt.gov.cn/)查詢相關企業信息，對截至2020年已吊銷、營業期截止或不合規的法人單位進行刪除，并對信息登記不明的法人單位進行核實與補充；然后通過百度地圖的API開發平臺進行企業名稱和地址的空間坐標提取，并結合高德地圖對空間坐標數據進行補充。

3.1 圈層特征

克里金插值法是一種求最優、線性、無偏的空間內插方法，被廣泛用于地理空間等值線繪制中[9]。本文研究采用總太陽輻射量(GHI)值來衡量太陽能資源裕度，從Global GIS中分別采集北京市16個區域中均勻分布的各10個點信息，即160個GHI數據；利用克里金插值法基于GHI的空間關系賦權，加權平均的插值結果將北京市全市劃分為9個圈層，插值后分辨率約為2 km；再對結果進行驗證，隨機篩選出15%的GHI樣點，擬合后與原結果進行對比?？死锝鸩逯捣ㄤ秩窘Y果及標準化誤差驗證圖如圖2所示。

圖2 克里金插值法渲染結果及標準化誤差驗證圖Fig. 2 Kriging interpolation method rendering results and standardized error verification chart

從圖2可以看出，標準化誤差擬合曲線基本接近水平，且標準化誤差值在零值附近波動，這說明采用的克里金插值法較為理想。圖中較為明顯的圈層和差異情況表明，北京市太陽能資源及分布式光伏發電項目的空間分布存在顯著的圈層分異和非均質特性。

將克里金插值圖與北京市分布式光伏發電項目點進行耦合，得到北京市分布式光伏發電項目的圈層分布圖，如圖3所示。

從圖3可以看出，從開發時序上看，北京市分布式光伏發電項目呈現從中間的資源谷值區向周邊的資源峰值區發展的趨勢，其與北京市太陽能資源的發展契合度逐漸增強。

圖3 北京市分布式光伏發電項目的圈層分布圖Fig. 3 Circle distribution map of distributed PV power generation projects in Beijing

結合北京市的地理位置，該市的分布式光伏發電項目中，第1批項目主要呈帶狀橫向分布于北京市中部區域；第2批項目分散分布于該市的中部區域；第3～5批項目集中分布于第1批、第2批項目聚集區域的周圍，呈現向中部聚集的趨勢；第6批項目保持向中部聚集的發展態勢，并逐漸開始向外擴展；第7批項目呈現明顯的向該市東南部區域發展的特征；第8～9批項目的數量顯著增多，并開始向該市周邊的太陽能資源峰值區域發展。從圖3的結果來看，目前，北京市分布式光伏發電項目仍多聚集于太陽能資源較為貧乏的區域，分布式光伏發電項目及太陽能資源的空間分布尚不均衡。

北京市的太陽能資源呈現盆狀分布，按GHI值可將北京市的太陽能資源分為3檔：1)資源一般區域，其GHI值為1384.10～1402.90 kWh/m2；2)資源中等區域，其GHI值為1402.90～1411.18 kWh/m2；3)資源豐富區域，其GHI值為1411.18～1508.00 kWh/m2。從圖3可以看出，9個批次的北京市分布式光伏發電項目中，36.87%的項目分布于資源一般區域，即北京市中部區域的海淀區、豐臺區等；38.48%的項目分布于資源中等區域；24.65%的項目分布于資源豐富區域，即懷柔區、延慶區等北京市周邊地區。

綜上所述，目前北京市太陽能資源與分布式光伏發電項目的空間匹配度水平偏低，但項目逐漸開始向資源豐富區域輻射，發展趨勢向好，能源利用與項目建設的空間匹配度逐漸增強。

3.2 集聚特征

建立雙變量空間自相關模型對北京市太陽能資源與分布式光伏發電項目的空間耦合進行分析，模型存在2個變量，變量1為不同項目的地理位置，變量2為GHI值。鑒于北京市的總面積及圈層特征，用ArcGIS軟件的格網功能將北京市劃分為6043個1.5 km×1.5 km的網格，鏈接并導入GeoDa軟件后，經過多次試驗，選用基于默認距離閾值的1.5 km作為雙變量空間自相關模型的權重矩陣。

經模擬后可以得到衡量空間相關性指數的莫蘭指數(Moran’s I)值為-0.30，這表明北京市太陽能資源與分布式光伏發電項目之間呈現負相關，符合圈層分布規律。根據空間耦合關系的差異性顯著程度，北京市太陽能資源與分布式光伏發電項目的空間耦合關系可分為4種類型：低輻射-弱建設(L-L)、低輻射-強建設(L-H)、高輻射-弱建設(H-L)、高輻射-強建設(H-H)，具體分布如圖4所示。

圖4 北京市太陽能資源及分布式光伏發電項目的空間自相關分布Fig. 4 Spatial autocorrelation distribution of solar energy resources and distributed PV power generation projects in Beijing

1)類型1：低輻射-弱建設(L-L)。該類型是指GHI值較低而分布式光伏發電項目開發較弱的區域，分布于北京市中部帶狀區域的兩端，網格數為677個，該網格數占總網格數的比例為11.20%，主要包含門頭溝區、海淀區及平谷區南部等區域。此類型區域的太陽能資源與分布式光伏發電項目的空間分布均未呈現集聚特征，GHI值橫向變化較大，項目的太陽能資源利用程度不高。受經濟發展水平、用戶需求、地理區位及能源跨度的影響，該類型區域的光伏發電產業發展較弱。

2)類型2：低輻射-強建設(L-H)。該類型是指GHI值較低而發展分布式光伏發電項目集聚的區域，主要分布于北京市中部區域的朝陽區，項目集聚明顯，網格數為352個，該網格數占總網格數的比例為5.82%。此類型區域的太陽能資源與分布式光伏發電項目的發展呈現明顯的異質性特征，資源稟賦較少，但項目開發度卻較高，資源容量滯后于項目建設，即資源與項目空間分布適應度較差。由于該類型區域的經濟發展水平較高、用地資源緊張、用戶側用能需求較大，因此該類型區域的項目多為屋頂分布式光伏發電項目，以利用屋頂資源為主，此為光電建筑的一種應用形式。

3)類型3：高輻射-弱建設(H-L)。該類型是指GHI值較高而分布式光伏發電項目開發較弱的區域，主要分布于北京市北部區域，以東北部的密云區等區域的集聚性最為明顯。這一類型的項目的數量最多，網格數為2078個，該網格數占總網格數的比例為34.39%。此類型區域的資源稟賦較好，項目集聚性卻不太明顯，一方面是因為該市北部區域的周邊區域多為農村，分布式光伏發電項目建設大多以自然人為主體，以法人單位為主體的項目相對較少；另一方面是因為北部區域的周邊農村區域的經濟發展較中心區域的經濟發展相對落后，用戶用能需求較小，且用地資源較為寬松，建設有多個大型光伏發電項目，導致分布式光伏發電項目的集聚性較弱。因此該類型區域太陽能資源的開發利用與分布式光伏發電項目之間存在顯著的空間異質性特點。

4)類型4：高輻射-強建設(H-H)。該類型是指GHI值較高且分布式光伏發電項目發展集聚的區域。通過數據分析，北京市尚無該類區域。

綜上所述，北京市太陽能資源與分布式光伏發電項目的空間耦合關系主要包含L-L、L-H、H-L這3種類型及空間分布自相關性不顯著區域，太陽能資源與分布式光伏發電項目之間的空間異質性較強，主要體現在北部與中部匹配發展較弱，項目發展態勢呈現北弱南強的格局。

3.3 發展特征

為挖掘太陽能資源與分布式光伏發電項目的時空發展趨勢及演化規律，并為未來分布式光伏發電項目的開發和選址進行優化布局，本研究利用標準差橢圓法，用橢圓表示項目或太陽能資源的趨勢發展區域。在此引入2個衡量指標，即橢圓率和標準質心差，計算方法如式(7)所示。

式中，M為標準質心差；N為橢圓率；λg、tg分別為各批次項目點標準差橢圓的質心的橫、縱坐標，g=1, 2, 3, …, 7, 8, 9；L為標準差橢圓長軸的長度；T為標準差橢圓短軸的長度；λD、tD分別為GHI標準差橢圓的質心的橫、縱坐標。

由GHI值形成的橢圓顯示了太陽能資源的分布情況，由各批次的北京市分布式光伏發電項目點形成的橢圓顯示了該批次分布式光伏發電項目的發展趨勢。標準差橢圓模型的參數如表1所示。

表1 標準差橢圓模型參數結果Table 1 Parameter results of standard deviation ellipse model

從表1可以看出，由于第1～4批的分布式光伏發電項目的數量較少，此4個批次各項指標的變化均較大。第1批項目的質心落在順義區，橢圓率和標準質心差分別為8.20、0.23，與資源發展趨勢的偏離較大；第2批、第3批項目集聚質心均向西部平移，且相較于第1批項目，標準質心差有所降低，與資源發展趨勢的適應性有所提高；第4批項目質心逐漸向東南部平移。第5～9批項目的發展逐漸成熟，質心基本穩定在豐臺區和朝陽區這2個區域，橢圓率穩定在1.67左右，呈現發展區域逐漸擴大、邊緣項目逐漸增多、標準質心差大體呈現逐漸降低的發展趨勢，波動變化幅度遠小于前4個批次，與資源發展趨勢的適應性水平逐漸增高，發展態勢較好，這說明北京市分布式光伏發電項目的發展以中部區域為落點，逐漸向四周擴張，在未 來發展中應注意西南部和東北部區域的開發，增強資源與項目發展趨勢的適應性。

4 太陽能資源與北京市分布式光伏發電項目的時空耦合適宜度評價

目前北京市分布式光伏發電項目的建設仍處于探索階段，優化區域產業發展格局、合理布局分布式光伏發電項目是實現首都能源綠色發展的重要舉措。本研究運用空間疊加分析和信息量法，以北京市各區域太陽能資源與分布式光伏發電項目的數據為基礎，對太陽能資源與分布式光伏發電項目的時空耦合適宜度進行評估(將評價結果分為5個級別)，挖掘北京市開發分布式光伏發電項目的發展潛力。

4.1 時空耦合適宜度評價步驟

將分布式光伏發電項目與太陽能資源利用的時空耦合適宜度作為評價對象，評價過程主要分為確定數據來源、對指標進行量化分級、指標權重的賦值、時空耦合適宜度計算4 個步驟。

4.1.1 確定數據來源

數據主要來源于全球太陽能圖集、國家氣象科學中心、北京市2019年各區域太陽能資源與分布式光伏發電項目的統計年鑒等。根據獨立性、相關性、可操作性和重要性原則，從自然、社會、行業和項目條件角度篩選出12個指標，量化、標準化、柵格化各因子，并將其與北京市地理數據進行柵格疊加，以具有空間數據與因子屬性的網格數據作為基礎分析單元。

4.1.2 對指標進行量化分級

結合北京市分布式光伏發電項目的實際發展情況和多次分級的實驗結果的優劣，利用ArcGIS軟件中的重分類工具和自然間斷分隔方法，將每個指標分為5個級別，即非常適宜、較為適宜、中等適宜、較不適宜和不適宜。

對圈層特征指標與集聚特征指標進行歸一化處理，具體為：

式中，Ah為GHI等值區域項目實際數量集；為GHI等值區域項目數量降序集；為GHI等值區域降序集；ah為Ah集中對應h區域的項目數量；為中排名第h區域的項目數量；為中排名第f區域的GHI值。

式中，ηh、δh分別為h區域對應的圈層特征評價值和集聚特征評價值；為h區域的最優項目數量；Mh、Nh分別為h區域對應的標準質心差與橢圓率。

式中，φh、Ωh分別為h區域歸一化后的圈層特征與集聚特征的最終評價值；ηmax、ηmin分別為圈層特征的最大、最小評價值；δmax、δmin分別為集聚特征的最大、最小評價值。

4.1.3 指標權重的賦值

通過敏感性對不同類型區域的選擇，即信息量方法進行指標權重的賦值計算，利用各單因子及其均值衡量得到權重。指標權重的計算公式為：

式中，σp為p區域在u=5個級別中的整體均方差；q為第q種評價因子；kq為第q種評價因子在不同級別中的整體均方差均值；Hq為歸一化后的值，是最終評價因子的權重值，經由ArcGIS軟件計算出各級指標權重值；e為影響分布式光伏發電項目開發利用的因子數，共有12個因子；Cpj為第p區域第j級別的單因素適宜度；Cpj為Cpj的平均值。

4.1.4 時空耦合適宜度計算

對不同因子與地理區域進行疊加與重分類，得到各因子地理區域等級分布情況，再運用柵格計算工具，構建適宜度計算函數，對不同的因子進行加權，最終可得到北京市太陽能資源和分布式光伏發電項目的時空耦合適宜度的分級結果。

時空耦合適宜度的表達式為：

式中，F為時空耦合適宜度評價值；GRID(q)表示單因素的適宜度，通過柵格來描述。北京市太陽能資源與分布式光伏發電項目的時空耦合綜合評價指標及其分級如表2所示。

表2 北京市太陽能資源與分布式光伏發電項目的時空耦合綜合評價指標及分級表Table 2 Comprehensive evaluation indexes and classification of space-time coupling between solar energy resources and distributed PV power generation projects in Beijing

4.2 綜合評價結果

北京市太陽能資源與分布式光伏發電項目的時空耦合綜合評價結果如圖5所示。太陽能資源與分布式光伏發電項目時空耦合呈現5種適宜度類型，其中，非常適宜發展區域、較為適宜發展區域和中等適宜發展區域均可考慮作為分布式光伏發電項目較優選址與鼓勵發展區域。這些區域在資源稟賦和用能需求上可與分布式光伏發電項目的發展達到較為均衡的水平，能夠依托區域原有集聚的分布式光伏發電項目，減少技術成本，提高企業的經濟產值和效益，從而優化布局。而對較不適宜發展區域和不適宜發展區域，則需考慮采用其他能源方式，做到因地制宜地能源利用。

圖5 北京市太陽能資源與分布式光伏發電項目的時空耦合綜合評價結果Fig. 5 Comprehensive evaluation results of space-time coupling between solar energy resources and distributed PV power generation projects and in Beijing

從圖5中可以看出：

1)非常適宜發展區域，該區域時空耦合適宜度評價值為118.95～131.83。該類區域主要分布在大興區，太陽能資源較為豐富，電力需求適中。從第9批項目開始，大興區的分布式光伏發電項目逐漸開始發展，分布密度有所增長。此類區域適宜結合當地資源、電力需求和已建電網、已建項目的優勢，發展較大規模的分布式光伏發電項目，提升太陽能資源的利用水平。

2)較為適宜發展區域，該區域時空耦合適宜度評價值為114.20～118.95。該類區域主要分布在懷柔區、昌平區、順義區和通州區。此前，懷柔區的分布式光伏發電項目的分布密度較小，但從第8批項目開始，項目發展逐漸增速，呈現出新興發展態勢。昌平區、順義區及通州區的太陽能資源較為豐富，用戶需求較大，分布式光伏發電項目未達飽和，項目分布較為均勻；這類區域在過去有一定的項目集群基礎，未來需在保證已建項目發展的基礎上，促進新項目的開發。

3)中等適宜發展區域，該區域時空耦合適宜度評價值為108.26～114.20。該類區域的分布最廣，包含延慶區、海淀區、東城區、西城區、朝陽區和房山區。其中，延慶區、房山區以豐富的太陽能資源占據優勢，然而這些區域的用電需求相對較低，對分布式光伏發電的需求也相對較低；海淀區、東城區、西城區、朝陽區這4個區的太陽能資源相對較少，卻有較大的用電需求。中等適宜發展區域已建的分布式光伏發電項目的分布密度較為均衡，當地能源、屋頂及電網等資源較為豐富，在未來發展中可保持現有增長態勢，持續發展。

4)較不適宜發展區域，該區域時空耦合適宜度評價值為104.20～108.26。該類區域主要分布在豐臺區和平谷區，其共同特點是原有分布式光伏發電項目的基礎較弱，項目的分布密度較小，人口密度和電力負荷壓力也相對較小。因此，這類區域不適合大規模集聚式發展分布式光伏發電項目，未來規劃應在精準選址基礎上考慮開發中小規模的分布式光伏發電項目。

5)不適宜發展區域，該區域時空耦合適宜度評價值為98.86～104.20。該類區域主要分布在門頭溝區和密云區。其中，門頭溝區雖然具有良好的太陽能資源優勢，但其用戶用能需求及分布式光伏發電項目發展的配套設施較少，因此，該區下一步應整合屋頂、電網等配套設施資源，進行適量的規劃發展；密云區原有的分布式光伏發電項目的基礎較弱，更適合發展規模較小的分布式光伏發電項目。

5 結論

本文以北京市為例，創新性地提出從區域太陽能資源與分布式光伏發電項目開發時空耦合的視角，運用核密度分析法、標準差橢圓法等空間分析方法建立資源與項目的時空耦合適宜度評價體系，探究出區域太陽能資源與其相關分布式光伏發電項目的時空耦合關系，并對其發展的區域適宜度進行了科學評估。研究結果表明：

1)北京市太陽能資源與分布式光伏發電項目的空間匹配度尚偏低，北部區域與中部區域的空間匹配發展較弱，發展趨勢呈現從中部區域向周邊區域擴展的特征。

2)大興區等區的太陽能資源與分布式光伏發電項目發展達到了較為均衡的水平；密云區、門頭溝區等區已不太適宜發展大規模分布式光伏發電項目，在未來需考慮其他綠色能源發展方式，優化配置。

該研究成果可為區域分布式光伏發電項目的資源利用、項目布局和發展規劃提供重要參考。