考虑碳中和目标与成本优化的可再生能源大规模发展规划.pdf

提出一种碳中和目标下我国可再生能源大规模发展规划的两阶段多目标优化框架。考虑最大碳减排量与最小发电成本构建可再生能源大规模发展的多目标优化模型,设置碳中和目标达成时间与可再生能源投资总额变化的仿真情景,以考察中国可再生能源的发展趋势,分别利用多目标粒子群算法、多属性决策方法求出非支配解集,选取最优方案。结果显示,按时实现碳中和目标需主要可再生能源累计装机总量达到约8 4 3 5 GW,光伏、风电、生物质能发电、水电分别约3 8 6 3 GW、3 8 8 2 GW、1 6 3 GW、5 2 7 GW,碳减排贡献分别占3 7%、5 3%、5%和5%;应持续大力发展占据主导地位的光伏和风电,但在投资增长情景下生物质能发电、光伏的装机量和碳减排量增长幅度更大,可考虑给予适当政策和投资倾斜。关键词:碳中和;可再生能源发展规划;多目标优化中图分类号:TM 6 1 文献标志码:A 文章编号:1 0 0 7-2 9 0 X(2 0 2 3)0 7-0 0 3 1-0 9L a r g e-s c a l e D e v e l o p m e n t o f R e n e w a b l e E n e r g y i n C o n s i d e r a t i o n o f C a r b o n N e u t r a l i t y a n d C o s t O p t i m i z a t i o nZHANG L i b o,WU Y i k a i,WANG Q u n w e i(E n e rg y S o f t S c i e n c e R e s e a r c h C e n t e r,C o l l ege o f E c o n o m i c s&M a n age m e n t,N a nji ng U n i v e r s i ty o f A e r o n a u t i c s&A s t r o n a u t i c s,N a nji ng,J i a ngs u 2 1 1 1 0 6,C h i n a)A b s t r a c t:T h i s pape r pr opo s e s a t w o-s t age m u l t i-o bje c t i v e opt i m i z a t i o n f r a m e w o r k f o r t h e l a rge-s c a l e d e v e l opm e n t o f r e n e w a b l e e n e rg y i n o u r c o u n t ry u n d e r t h e c a r b o n n e u t r a l i z a t i o n go a l.A m u l t i-o bje c t i v e opt i m i z a t i o n m o d e l f o r t h e l a rge-s c a l e d e v e l opm e n t o f r e n e w a b l e e n e rg y i s c o n s t r u c t e d c o n s i d e r i ng t h e m a x i m u m c a r b o n r e d u c t i o n a n d m i n i m u m po w e r ge n e r a t i o n c o s t,a n d t h e s i m u l a t i o n s c e n a r i o s a r e s e t f o r t h e c h a nge o f t h e t i m e t o r e a c h t h e c a r b o n n e u t r a l go a l a n d t h e c h a nge o f t h e t o t a l i n v e s t m e n t i n r e n e w a b l e e n e rg y,s o a s t o i n v e s t iga t e t h e d i f f e r e n t d e v e l opm e n t t r e n d s o f C h i n a s r e n e w a b l e e n e rg y pl a n n i ng.T h e pape r u s e s t h e m u l t i-o bje c t i v e pa r t i c l e s w a r m opt i m i z a t i o n a lgo r i t h m a n d m u l t i-a t t r i b u t e d e c i s i o n m e t h o d r e spe c t i v e ly t o o b t a i n t h e n o n-d o m i n a n t s o l u t i o n s e t a n d s e l e c t t h e opt i m a l s c h e m e.T h e r e s u l t s s h o w t h a t t h e t o t a l i n s t a l l e d c apa c i ty o f m ajo r r e n e w a b l e e n e rg y s o u r c e s i s a b o u t 8 4 3 5 GW,ph o t o v o l t a i c,w i n d po w e r,b i o m a s s po w e r a n d hyd r opo w e r a r e a b o u t 3 8 6 3 GW,3 8 8 2 GW,1 6 3 GW a n d 5 2 7 GW r e spe c t i v e ly,a n d t h e c o n t r i b u t i o n o f c a r b o n e m i s s i o n r e d u c t i o n a c c o u n t s f o r 3 7%,5 3%,5%a n d 5%,r e spe c t i v e ly.I t pr opo s e s t o c o n t i n u o u s ly a n d v igo r o u s ly d e v e l op ph o t o v o l t a i c a n d w i n d po w e r,w h i c h o c c up y a d o m i n a n t po s i t i o n.H o w e v e r,i n t h e s c e n a r i o o f i n v e s t m e n t gr o w t h,b i o m a s s po w e r ge n e r a t i o n,l i k e ph o t o v o l t a i c,h a s a l a rge r i n c r e a s e i n i n s t a l l e d c apa c i ty a n d c a r b o n e m i s s i o n r e d u c t i o n,s o ap pr opr i a t e po l i c i e s a n d i n v e s t m e n t i n c l i n a t i o n s c a n b e c o n s i d e r e d.K e y w o r d s:c a r b o n n e u t r a l;r e n e w a b l e e n e rg y pl a n n i ng;m u l t i-o bje c t i v e opt i m i z a t i o n 2 0 2 0年9月,中国在联合国大会上明确表示将加大国家自主减排力度,力争2 0 3 0年前达到碳排放峰值,并争取2 0 6 0年前实现碳中和。鉴于煤电为主的电力结构贡献了中国4 0%以上的碳排放,发展可再生能源替代煤电被认为是电力行业碳减排的一种重要途径,对实现碳中和目标具有重要意义1-2。事实上,中国一直在大力发展可再生能源,截至2 0 2 0年底,中国光伏、风电、水电和生物质能发电装机 第3 6卷 第7期广 东 电 力V o l.3 6 N o.7 2 0 2 3年7月G U A N G D O N G E L E C T R I C P OWE RJ u ly 2 0 2 3 容量已 分 别 达 到2 5 3 GW、2 8 2 GW、3 8 0 GW和2 9.5 2 GW3。但是,这些可再生能源在一次能源消费中仅占约1 5%,要实现碳中和目标,2 0 6 0年的可再生能源占比要提升到7 5%以上,这无疑是能源发展规划的一个巨大挑战4。那么,在当前可再生能源比重还很低、亟需大规模发展的情况下5,中国可再生能源应该如何规划以兼顾碳减排与投资成本的协同优化?技术、成本及发电量不断演化下可再生能源的配置比重应该如何优化?主要可再生能源对碳减排及碳中和目标的贡献如何?这些都是当前可再生能源大规模发展亟需解决的问题。可再生能源发展规划研究主要采用多准则决策方法,根据可再生能源发电项目在经济、环境与社会等方面的表现,对选定区域的不同能源种类进行排序,从而选定最优的能源规划方案6。通常以层次分析法为基础,结合数据包络分析法7、模糊综合评价法 8、累计前景理论9等对可再生能源进行评估,除常见评价准则外,投资风险、国际政治等因素也被纳入考虑范围1 0。此外,也有研究通过构建多目标优化模型为一段时期内的可再生能源投资提供最佳方案,以可再生能源规划的成本与收益为目标,考虑技术潜力、投资和用电需求等相关约束,以实现能源系统优化1 1。也有研究结合区域差异、随 机 信 息 等 因 素 来 刻 画 模 型 中 的 不 确 定性1 2-1 3,使规划更符合实际。综上,已有研究成果可为本文提供有益的参考和借鉴,但也还存在一些亟待深入研究的方面,比如,可再生能源发展规划的多准则评价一般是在备选规划方案中选择最优,往往体现不出碳中和目标下我国可再生能源的具体发展趋势与途径。线性规划、随机规划等方法在解决多目标问题时,通常使用线性加权等方法将多个目标函数转化为单目标问题进行求解,但由于目标函数值的单位、量纲不统一,可能出现权重不易分配,导致无法确定解的优劣程度等问题1 4;同时,由于碳中和目标的要求需要兼顾可再生能源发展规划的经济效益与环境效益,这2个目标通过决策变量相互制约,很难同时实现最优。而多目标优化方法通过在各分目标函数的最优解之间进行协调和权衡,在决策空间中寻求一个最优解的集合,并根据实际需求选取最优解。因此,相比其他规划方法,多目标优化方法求解过程更客观,解集更优,更符合碳中和目标下可再生能源发展规划的实际要求。应用多目标优化方法,在能源规划中加入基于碳中和目标的碳减排约束,可以综合考虑可再生能源发展的环境与经济效益,及其与经济发展和电力需求的匹配。此外,与以往文献大多设置一个固定的规划期不同,鉴于现有发展趋势下实现碳中和的时间并不确定,还需考虑此情景下可再生能源发展趋势及其演化。对此,构建当前至碳中和目标达成期间中国可再生能源大规模发展的多目标优化模型,考虑可再生能源的平准化成本(l e v e l i z e d c o s t o f e n e rg y,L C O E)、发电量、用电需求以及经济发展和碳中和目标约束等因素,利用多目标粒子群优化(m u l t i-o bje c t i v e pa r t i c l e s w a r m opt i m i z a t i o n,MO P S O)算法求得非支配解集,进一步采用多属性决策(m u l t i-c r i t e r i a d e c i s i o n-m a k i ng,MC DM)方法从技术、环境、社会、经济等方面评估解集,以明确投资波动与碳中和目标实现时间波动情景下不同种类可再生能源的发展趋势及其对碳减排目的贡献,最终筛选出符合实际的可再生能源发展规划方案,为相关部门制定能源转型、发展规划及项目投资决策提供参考。1 模型构建采用多目标优化的方法,考虑发展潜力、投资波动、碳减排目标及用电需求等因素探究碳中和目标下最优的可再生能源大规模发展规划。根据当前及未来可能发展情况1 5,选择发电量占比最大的光伏、风电、水电以及生物质能等主要可再生能源作为研究对象,不考虑现有项目发电能力的衰减(或衰减到一定比例后能得到及时更新),且新建可再生能源项目在一段时间内的容量因子(发电效率)、碳排放系数等数值参考 全球可再生能源报告 中中国地区的数据1 6。此外,不同种类的可再生能源发电项目在并网、消费过程中具有不同特征,可能对模型结果产生一定的影响:如光伏、风电由于其发电的间歇性及其对电网的影响,在快速发展情况下可能会影响其并网及消纳,反过来影响其后续装机及发展;在水资源和秸秆等生物质能资源稳定的情况下,水电和生物质能发电一般具有较好的稳定性。考虑到碳中和目标下国家对电网的大力改造、储能技术进步和储能系统的大规模布局等,可再生能源的大规模发展及消纳将日益得到保障;因此,不考虑不同能源生产与消费路径对装机的影响,假设新增装机的可再生能源发电项目能得到稳定的消纳。1.1 目标函数可再生能源发展规划不仅要考虑满足碳中和目23第3 6卷 标下的碳减排要求,同时也应考虑发展主要可再生能源的成本,因此设置可再生能源发电成本最小化和可再生能源发电碳减排量最大化2个优化目标,保障可再生能源以最优成本实现大规模的发展,助力碳中和目标的达成。这2个相互冲突目标的同时优化可获得具有不同目标函数值的1组非支配解。可再生能源的发电成本一般用平准化电力成本来表示。当项目收益现值与成本相等时,可得平准化电力成本:W=Nt=0Wt(1+i)t=Nt=0Dt(1+i)t,(1)W=Nt=0L Et(1+i)t=Nt=0It+PO&M,t(1+i)t.(2)式中:W为发电项目总收益现值;Wt为t年度项目收益;Dt为t年度项目成本;i为市场折现率;N为发电项目的规划期;L为该项目的平准化电力成本;Et为t年度项目发电量;It为t年度项目初始投资额;PO&M,t为t年度该类可再生能源发电项目的运维费用。因此某类可再生能源的平准化电力成本可以表示为:L=Nt=0It+PO&M,t(1+i)tNt=0Et(1+i)t.(3)考虑到各可再生能源发电技术仍有进步空间,因此采用学习效应预测某类可再生能源t年度的投资成本It:It=I0(QtQ0)-,(4)=l n(1-r)/l n 2,(5)则It=I0(QtQ0)l n(1-r)/l n 2,(6)其中Qt=Nt=1xt+Q0.(7)式中:I0为初始投 资 成 本;Q0为 初 始 装 机 量;Qt为到t年度累计装机量;xt为t年度装机量;和r分别为学习曲线模型中的学习率与弹性系数,可通过累计装机量计算预测。由此,成本最小化目标函 数f1可表示为 式(8),下标R代表了不同种类的可再生能源项目:m i n f1=R,tI0,R(QtQ0)l n(1-r)l n 2xtx0+PO&M,t,R(1+i)tR,tEt,R(1+i)t.(8)碳减排量最大化目标函数f2可通过新建可再生能源项目t年度发电量 见式(9)替代煤电的碳减排来表示,如式(1 0)。Et,R=xt,RcRTt,R,(9)m a x f2=RNt=1Et,RgRGC o a l.(1 0)式中:cR和gR分别为R型可再生能源项目的容量系数和碳减排系数;Tt,R为t年度建成的R型可再生能源项目到规定年限的发电时间;GC o a l为利用煤炭进行火力发电的度电碳排放量。为了最小化目标函数集F,取第2个目标函数的相反数-f2,m i n F=m i n(f1,-f2).(1 1)与常规L C O E仅考虑投资和运维成本不同,目标函数f1中包含多个可再生能源种类,并考虑了不同可再生能源的学习效应。目标函数f2为不同可再生能源项目的碳减排量。1.2 约束函数a)投资约束。投资约束是对年度可再生能源投资总额的限制,使其保持在投资可接受的区间内,见式(1 2)。鉴于未来可再生能源市场投资的不确定性,引入一个不确定性变量a,为预测值与实际投资额提供一个置信范围:|Rxt,RCt,R-MR E,t|a MR E,t,(1 2)MR E,t=b MGD P,t.(1 3)式中:Ct,R为R型可再生能源在t年度的单位成本;MR E,t为可再生能源在t年度的投资总额估算;a为投资变动的置信水平;MG D P,t为t年度国内生产总值(gr o s s d o m e s t i c pr o d u c t,G D P);b为可再生能源领域投资在G D P中的占比,由历史数据计算得出。b)发展潜力约束。可再生能源开发潜力有限,资源可用性约束描述了R型可再生能源的总量不得超过该资源的可开发量PR。可再生能源装机总量包括t年内新增装机量与现行容量PC,R。txt,R+PC,RPR.(1 4)c)发电需求约束。碳中和目标对可再生能源发电量在社会用电量中的占比提出要求,发电需求约束描述了可再生能源发电占比必须超过碳中和目标的要求比例:REt,R+EC Ed,t.(1 5)式中:EC为现有可再生能源发电量;Ed,t为社会用电需求量,通过时间序列预测得出。d)碳 减 排 量 约 束。为 达 成 碳 中 和 目 标,式(1 6)描述了可再生能源项目在碳中和的时间点必须达到一定的碳减排量,其中Gt a rge t为碳中和目标要33 第7期张力菠,等:考虑碳中和目标与成本优化的可再生能源大规模发展规划求下的碳减排量:RNt=1Et,RgRGC o a lGt a rge t.(1 6)1.3 模型求解多目标优化问题一般可以描述为:f=m i n fi(X),i=1,2,m;s.t.gj(X)=0,j=1,2,p;hk(X)0,k=1,2,q.(1 7)式中:fi(X)为第i个目标函数;X为n维优化变量;gj为第j个等式约束条件;hk为第k个不等式约束条件。此类优化问题通常采用MO P S O算法进行求解,用来获得每个决策变量的最佳数量。粒子群算法的关键是确定粒子的局部最优值和全局最优值。粒子通过自身的经验和群体中最好的经验来更新下一步的运动1 7。其更新过程为:Vi+1=Vi+c1Fr a n d(pb e s t-Zi)+c2(qb e s t-Zi),(1 8)Zi+1=Zi+Vi+1.(1 9)式中:Vi为粒子的速度;Zi为粒子的位置;pb e s t为到目前为止发现的每个粒子最好位置;qb e s t为发现的整个群体中所有粒子最好位置;Fr a n d为介于0,1 的随机数;c1和c2为学习因子;为粒子群的动态权重值。=0-(0-N)nnm a x.(2 0)式中:0为初始惯性权重;N为迭代结束时的惯性权重值;nm a x为最大迭代次数;n为当前迭代次数。在粒子群算法搜寻最优解的基础上,MO P S O算法可以基于帕累托分层排序原则对个体进行选择,在求解多目标优化问题时可以得到更优异的帕累托前沿作为解集。2 算例分析2.1 数据收集将可再生能源发展规划期设置为2 0 2 12 0 6 0年,即N=4 0。中国地区不同种类可再生能源的单位投资与容量因子参考2 1世纪可再生能源政策网发布的 可再 生能源现 状报告,使用2 0 2 0年1月1日的汇率进行人民币与美元的换算,见表11 6。文献1 8-2 0 根据各类可再生能源发电项目的累计装机量、原料价格、累计研发支出等因素估计出光伏、风电、水电与生物质能的学习率分别为2 0.2%、7.5%、6.5%、5.7%。以光伏为例,文献1 8 通过3 2次模拟预测得到光伏学习率在1 5%2 5%之间。为排除新冠 疫情的影响,以2 0 1 9年至2 0 2 0年光伏装机量与投资成本的变化进行敏感性分析;当光伏学习率为2 0.2%(基于经验与原料价格的双因素学习曲线模型的中间值)时,2 0 2 0年光伏投资成本为6 1 2.3亿元,与实际投资成本相差约1%;若学习率为2 5%,光伏投 资 成 本 将 降 低2 1.7亿 元;若 学 习 率 为1 5%,投资成本将增加2 1.6亿元。显示出较好的适用性和敏感性。表1 可再生能源单位投资成本与容量因子T a b.1 U n i t i n v e s t m e n t c o s t a n d c a p a c i t y f a c t o r o f r e n e w a b l e e n e r g y可再生能源种类单位投资/(元/k W)容量因子/%光伏7 2 1 8.41 7风电8 2 7 9.92 4水电6 8 4 8.05 1生物质能1 0 5 6 2.66 4参考国家能源局数据,得到主要可再生能源在2 0 2 0年的投资额、累计装机量以及开发潜力(见表2)3。模型中的碳减排系数由国际可再生能源机构(I n t e r n a t i o n a l R e n e w a b l e E n e rg y Age n cy,I R E N A)发布的各类电源度电碳排放量计算得出,光伏、风电、水电和生物质能的碳减排系数分别为0.9 4 2、0.9 8 5、0.9 9 5、0.9 7 8。表2 可再生能源2 0 2 0年装机情况与开发潜力T a b.2 I n s t a l l e d c a p a c i t y a n d d e v e l o p m e n t p o t e n t i a l o f r e n e w a b l e e n e r g y i n 2 0 2 0可再生能源种类2 0 2 0年投资额/亿元累计装机量/GW开发潜力/GW光伏6 1 82 5 34 5 6 1 0风电1 1 7 12 8 1.7 28 6 9 0水电8 1 43 8 06 6 0生物质能4 0 02 9.5 27 1 6使用时间序列方法对中国2 0 2 12 0 6 0年G D P与社会用电量进行预测,并给出2 0 3 0年、2 0 6 0年为时间节点的数据(见表3)。取2 0 1 12 0 2 0年可再生能源领域投资额在G D P中占比的平均值,得b=0.2 8%。为达成碳中和目标,到2 0 6 0年中国9 0%以上的用电需求由可再生能源承担,电力生产部门需减少碳排放3.8 1 09 t 2 1。在MO P S O算法的初始设置中,粒子群规模为3 0 0,最大迭代次数nm a x为3 0 0,c1取1.2,c2取1.2,0和N分 别 取0.9和0.2,变 异 概 率为2 0%。43第3 6卷 表3 中国2 0 3 0年、2 0 6 0年G D P与用电量预测值T a b.3 C h i n a s G D P a n d e l e c t r i c i t y c o n s u m p t i o n f o r e c a s t i n 2 0 3 0 a n d 2 0 6 0时间GD P预测值/亿元用电量预测值/(1 09kWh)2 0 3 0年1 4 7 2 8 9 79 7 3 6.82 0 6 0年2 8 3 9 5 2 21 8 3 1 3.22.2 仿真结果仿真目的是基于经济、环境效益以及碳中和目标的要求,探究可再生能源发展的最优规划。在利用MO P S O算法求出非支配解集后,需要对各备选方案进行评估,从而选取最优解。M C DM方法能够较好地解决此类问题,决策者根据给定的标准评估备选方案,对每个备选方案进行排序。可再生能源发展规划方案评价一般考虑技术、环境、社会和经济等准则,分别从技术可行性、建设用地要求、社会效益等方面影响可再生能源发展,具体子准则的影响程度不同,其权重见表4,据此给出规划方案中各类可再生能源的模糊解分数SR 9,见表5。进一步对可再生能源发展规划方案的模糊解分数与装机容量归一化处理,由式(2 1)得到每个解集的最终排序的得分fS c o r e。表4 可再生能源发展规划方案评价准则T a b.4 C r i t e r i a f o r e v a l u a t i o n o f r e n e w a b l e e n e r g y p l a n n i n g准则子准则权重技术技术可行性0.0 6发电可靠性0.0 6发电效率0.1 1资源可用性0.0 6环境建设用地要求0.1 9对生态的影响0.0 5社会社会效益0.0 3社会接受程度0.0 3劳动力影响0.0 7经济投资成本0.1运维成本0.0 3发电成本0.0 5投资回收期0.1 3潜在市场0.1 5表5 模糊解分数T a b.5 F u z z y s o l u t i o n s c o r e s可再生能源种类模糊解分数太阳能光伏-0.6 3 6风电-1.0 7 6水电-0.7 8 3生物质能-1.3 5 7fS c o r e=NtRSRxt,R(1+i)tNtRxt,R.(2 1)考虑到未来可再生能源投资力度及碳中和目标实现时间变动的可能性,设置3种仿真情景:基准情景(情景A)为可再生能源投资符合预期,且2 0 6 0年达成碳中和目标;投资波动情景为可再生能源投资总额在G D P中的占比增加或缩减;碳中和目标实现时间波动情景为实现碳中和目标的时间提前或推迟。2.2.1 基准情景基准情景设置可再生能源投资在G D P中占比0.2 8%,碳中和达成时间为2 0 6 0年,代表了可再生能源大规模发展的基本趋势,求解所得的非支配解集如图1所示。可以看出解集中所有的解都能满足模型设定的碳中和目标对发电量与碳减排量的要求。然而,若要提高规划方案的碳减排量,经济成本也会相应增加,因此进一步使用MC DM方法在解集中寻找最优方案,选取出的最优解在图1中红点显示。图1 情景A的非支配解集F i g.1 T h e n o n d o m i n a t e d s e t s o l u t i o n s f o r c a s e A情景A中主要可再生能源的累计新增装机量的变化见图2,到2 0 6 0年可再生能源发电与碳减排达成碳中和目标时,光伏、风电、生物质能、水电等在2 0 2 12 0 6 0年间 的新增装机 量分别约为3 6 1 0 GW、3 6 0 0 GW、1 3 3 GW、1 4 7 GW,彼时主要可再生能源的累计装机量达8 4 3 5 GW。图3为主要可再生能源的碳减排贡献占比,其中光伏和风电分别占比约3 7%和5 3%,显示出光伏和风电在装机量和碳减排贡献占比方面都占主导地位。两者相比,由于发电效率和碳减排系数方面占优,风电对碳中和的贡献更突出。水电和生物质能在该情53 第7期张力菠,等:考虑碳中和目标与成本优化的可再生能源大规模发展规划景中,由于发展潜力和投资的限制,其装机量和碳减排贡献均远小于风电和光伏。图2 情景A新增装机量随时间变化面积图F i g.2 N e w l y i n s t a l l e d c a p a c i t y f o r c a s e A图3 情景A新增可再生能源碳减排贡献占比F i g.3 T h e p r o p o r t i o n o f c a r b o n r e d u c t i o n c o n t r i b u t i o n f o r c a s e A2.2.2 投资波动情景鉴于经济发展的不确定性会影响可再生能源投资力度,因此设置不同的可再生能源投资占比,探究投资额度波动情景下可再生能源发展规划的变化1 1。情景B和情景C分别代表可再生能源投资在GD P中的占比缩减2 0%和增长2 0%,即b=0.2 2%和b=0.3 4%,求解结果与最优解的选择如图4所示。情景B中满足约束的局部最优解较少,显示出投资缩减对可再生能源发展规划的不利影响。当投资增加时,碳减排量将随着可再生能源装机量的增加而增加,但成本也会随之提升。图58展示了情景B和情景C下最优可再生能源发展规划方案的装机量与碳减排贡献比例。情0.5490.5500.5510.5520.5530.5540.5553.823.833.843.853.863.873.880.5480.5563.813.89FC+(/kW).G(109 t)ABC图4 投资波动情景下的非支配解集F i g.4 T h e n o n d o m i n a t e d s o l u t i o n s i n f i n a n c i a l v o l a t i l i t y s c e n a r i o图5 情景B新增装机量随时间变化面积图F i g.5 N e w l y i n s t a l l e d c a p a c i t y f o r c a s e B图6 情景C新增装机量随时间变化面积图F i g.6 N e w l y i n s t a l l e d c a p a c i t y f o r c a s e C景B中水电和生物质能的装机量下降,下降部分由光伏取代,主要原因是光伏发电成本逐渐下降,其竞争力超过前两者,再加上发展潜力的优势,使63第3 6卷 得光伏在资金有限情况下得到优先发展。情景C则表明在投资规模扩大情况下装机量随之上升的主要是生物质能发电,这是由于生物质能虽然建设成本高,但其发电效率更高,能带来更多的碳减排量。在投资波动情景下,水电对投资总额的变化敏感性不高,几乎保持不变,主要是受到发展潜力的约束。图7 情景B可再生能源碳减排贡献占比F i g.7 T h e p r o p o r t i o n o f c a r b o n r e d u c t i o n c o n t r i b u t i o n f o r c a s e B 图8 情景C可再生能源碳减排贡献占比F i g.8 T h e p r o p o r t i o n o f c a r b o n r e d u c t i o n c o n t r i b u t i o n f o r c a s e C2.2.3 碳中和目标实现时间波动情景考虑到碳中和目标 实现时间的 不确定2 2-2 3,设置不同的碳中和实现时间情景,以探究不同时间目标下可再生能源发展的变化情况。情景D设置提前5年即2 0 5 5年实现碳中和目标;情景E设置推迟5年即2 0 6 5年实现碳中和目标;情景F考虑了投资缩减造成时间推迟的可能性,在2 0 6 5年实现碳中和目标的基础上,可再生能源投资在GD P中的占比缩减2 0%,即b=0.2 2%。图9是碳中和目标实现时间波动情景下的仿真结果及最优解的选择,其中情景D在该设定下无解,主要可再生能源最高碳减排量为2.9 81 09 t,意味着在研究设定技术条件下无法提前5年达成碳中和目标。图9 时间波动情景下的非支配解集F i g.9 T h e n o n d o m i n a t e d s o l u t i o n s i n t i m e v o l a t i l i t y s c e n a r i o图1 01 3展示了情景E和情景F下最优可再生能源发展规划方案的装机量与碳减排贡献比例。在装机规模上仍是光伏与风电占主导,由于碳减排压力相对较小,可再生能源发展趋势较此前情景放缓。规划时间较长的情况下,光伏发电因为更低的成本和发展潜力在能源规划中具有更大的优势,总体上的装机比例较此前情景略有上升。尤其在经济发展放缓的情况下,光伏将在碳减排上做出更大贡献,这与投资波动情景下的结果一致。图1 0 情景E新增装机量随时间变化面积图F i g.1 0 N e w l y i n s t a l l e d c a p a c i t y f o r c a s e E73 第7期张力菠,等:考虑碳中和目标与成本优化的可再生能源大规模发展规划图1 1 情景F新增装机量随时间变化面积图F i g.1 1 N e w l y i n s t a l l e d c a p a c i t y f o r c a s e F图1 2 情景E可再生能源碳减排贡献占比F i g.1 2 T h e p r o p o r t i o n o f c a r b o n r e d u c t i o n c o n t r i b u t i o n f o r c a s e E 图1 3 情景F可再生能源碳减排贡献占比F i g.1 3 T h e p r o p o r t i o n o f c a r b o n r e d u c t i o n c o n t r i b u t i o n f o r c a s e F3 结束语考虑可再生能源发电成本(经济目标)和发展可再生能源的碳减排量(环境目标)的最优,构建碳中和目标下中国可再生能源大规模发展的多目标优化模型。采用MO P S O算法和MC DM方法分别求得非支配解集和评选最优解,厘清基于碳中和目标实现时间和投资不确定性的多种情景下主要可再生能源装机量与碳减排贡献的演化情况,探究助力碳中和的可再生能源大规模发展的最优规划方案。在研究设定条件下,中国2 0 6 0年可以实现碳中和目标,彼时主要可再生能源累计装机总量至少要达到8 4 3 5 GW,其中光伏、风电、生物质能发电、水电的装机量分别为3 8 6 3 GW、3 8 8 2 GW、1 6 3 GW、5 2 7 GW,即主要可再生能源装机总量的年复合增长率达5.6%以上。但仅靠设定的四大类可再生能源技术条件和投资力度,要在2 0 5 5年或更早实现碳中和难度较大。此外,若出现经济增长减缓而可再生能源发展投资缩减的情况,则会影响碳中和目标的按时达成。在投资增长情况下,光伏与生物质能发电的装机量和碳减排贡献占比的增长幅度大于其他类能源,因此可以对这2种可再生能源的发展给予适当的政策及投资倾斜。后续可以考虑氢能、核能等能源转型和高排放企业技改等减排路径的影响,以更明确分析碳中和的达成时间及能源发展规划。参考文献:1T ANG B,WU Y,YU B,e t a l.C o-c u r r e n t a n a lys i s a m o ng e l e c t r i c i ty-w a t e r-c a r b o n f o r t h e po w e r s e c t o r i n C h i n aJ.S c i e n c e o f t h e T o t a l E n v i r o n m e n t,2 0 2 0,7 4 5(1 0):1 4 1 0 0 5.2郑敏嘉,吴伟杰,李逸欣,等.广东电力碳达峰路径研究J.广东电力,2 0 2 3,3 6(1):2 9-3 4.ZH E NG M i nji a,WU W e iji e,L I Y i x i n,e t a l.R e s e a r c h o n c a r b o n e m i s s i o