海上风电供给模型与发展规模预测研究

袁兆祥，罗家松，田雪沁，徐彤，王新雷，齐立忠

(国网北京经济技术研究院，北京市102209)



海上风电供给模型与发展规模预测研究

袁兆祥，罗家松，田雪沁，徐彤，王新雷，齐立忠

(国网北京经济技术研究院，北京市102209)

为预测现行电价政策下我国海上风电的发展规模，构建了供给模型：以我国沿海全部100多个海上风电规划项目为研究对象，采用Weibull模型计算项目年发电量，利用自上而下和数据拟合的研究方法构建投资模型计算项目发电成本，基于项目基准收益率的定义，首次给出了基于规划项目的我国海上风电供给曲线。根据海上风电供给曲线，考虑现行固定电价政策给定的电价水平，预测我国海上风电近期的发展规模。根据我国海上风电上网电价和当地脱硫燃煤标杆电价的差异，还计算了我国海上风电预测规模对应的年总补贴额和相应电价附加增量，并首次使用总装机容量、年总发电量、年总补贴额和电价附加增量四维坐标图度量不同上网电价条件下我国海上风电的发展规模和补贴状况。

海上风电；供给模型；四维坐标图；上网电价

0 引 言

我国海上风能资源丰富，且靠近电力负荷中心便于电网消纳，具有良好的开发前景。为促进我国海上风电健康、快速地发展，2014年6月，国家发展和改革委员会发布了关于海上风电上网电价政策的文件[1]。文件规定：“对于非招标的海上风电项目，区分潮间带风电和近海风电两种类型确定上网电价。2017年以前(不含2017年)投运的近海风电项目上网电价为每千瓦时0.85元(含税，下同)，潮间带风电项目上网电价为每千瓦时0.75元。”在此电价政策下我国海上风电近期的发展规模和补贴情况是备受关注的重要问题。

关于发展规模预测，国内外学者常采用灰色预测模型[2-3]、Logistic模型[4-5]、时间序列模型[6]、向量自回归模型[7]、神经网络预测法[8]、指数平滑预测法[9]等方法，这些方法的原理虽各不相同，但均为通过研究历史数据的变化规律和影响因素来预测未来发展趋势，历史数据的数量和质量对预测精度的影响较大，预测方法更多是基于统计数据的数学分析和计算。目前我国海上风电处于发展初级阶段，可采用的历史数据很少，发展规模的影响因素又很多，直接采用这些预测方法很难得到可靠的结论。

发展规模预测的更可靠方法是从经济学原理出发，分别研究未来行业的供给和需求状况，通过供给和需求的平衡确定未来发展规模。我国已有学者采用这种经济学方法进行风电发展规模预测，具体步骤为：利用地理信息系统(geographic information system，GIS)，根据地形地貌特征、地面观测和卫星遥感数据，以及电网分布等资料，结合经济评价分析，计算每km2的网格单元还本付息电价和实际可装机容量，进而绘制出七大风电基地的风电供给曲线，预测我国2050年前风电的发展规模[10]。国外学者采用类似方法预测了丹麦部分区域海上风电[11]、中国海上风电[12-13]未来的发展规模，且更深入地考虑了航线、海鸟迁徙路线、水下线缆、热带气旋风险等限制因素。由此可知，国内外学者使用经济学方法预测风电未来发展规模常基于地理信息系统，对风电发展规模进行远期预测时具有较好的效果，但在目前我国编制完成了沿海各省海上风电规划，出台了海上风电上网标杆电价的背景下，这种方法对于近期预测显得过于粗糙。

本文以我国沿海全部100多个海上风电规划项目为研究对象，通过构建供给模型，给出了我国海上风电供给曲线，定量预测近期我国海上风电的发展规模和补贴情况。

1 供给模型与发展规模预测方法

本文通过构建供给模型预测当前政策下我国海上风电的发展规模。

基准收益率是为企业、行业、投资者以动态的观点所确认的、可接受的投资项目最低标准的收益水平。既受客观条件的限制，又有投资者的主观愿望因素。其影响因素包括资金来源的构成、投资的机会成本、项目风险以及通货膨胀等因素[14]，项目实际收益率高于基准收益率即认为投资商有意愿进行项目建设，根据项目收益状况即可判断投资商意愿。本文参考相关文献[14]，确定海上风电项目资本金税后财务基准收益率为8%，通过财务计算可以得出保证基准收益率下的最低上网电价，即发电成本，因此政策给定实际上网电价高于发电成本，即可认为项目实际收益率高于基准收益率，也即投资商愿意进行项目建设，经过项目建设期后，这些项目将构成未来的发展规模。

上述分析过程可以用经济学曲线表出：根据项目发电成本和年发电量可以构建我国海上风电供给曲线；现行固定电价政策给定的上网电价和保障性全额收购政策体现的需求因素用水平直线表出，2条线交点对应的发电量即为现行固定电价政策条件下近期我国海上风电的发电量预测值，如图1所示。

图1 海上风电供给曲线与发电量预测示意图

现行政策导致的需求因素较为简单，因此本文重点构建我国海上风电供给模型(包括项目年发电量计算模型和发电成本计算模型)，给出我国海上风电的供给曲线。

2 我国海上风电供给模型构建

假定我国严格按照“按规划定项目”的原则进行项目建设，则近期只建设已规划的100多个海上风电项目，这些规划项目的发电成本和年发电量，反映了一定资源、技术、经济条件下近期我国海上风电的市场供给能力，本文基于此构建供给模型，给出我国海上风电供给曲线。

2.1 海上风电规划项目年发电量和发电成本计算模型

我国海上风电供给模型包括规划项目年发电量计算模型和发电成本计算模型。

本文优先采用规划报告等资料中关于规划项目年发电量和发电成本的可靠数据，资料来源主要包括：河北、辽宁等省海上风电规划报告；江苏滨海、东台、如东、大丰及河北菩提岛、月坨岛等部分海上风电项目的可研报告；调研获取的浙江、江苏等省份项目技术经济数据；公开网络数据库[15]。无法直接获得的其他规划项目年发电量和发电成本数据则通过计算获取。

海上风电规划项目年发电量与海上风况和风电机组性能有关。本文从公开网络数据库[15]和气象部门提供的平均风速分布图中获取平均风速数据，考虑性能较差的3 MW、性能中等的3.6 MW和性能较好的5 MW风电机组，采用Weibull模型计算项目年发电量，同时参考相关文献中关于年发电量的计算结论[16]。已投运海上风电项目的年发电量数据可验证本文计算方法的准确性：上海东海大桥海上风电项目机组于2011年开始全部投入运行，2011—2014年其实际年平均发电利用小时数为2 434.28 h，本文计算得到的年发电利用小时数为2 502 h，相对误差为2.6%。

本文利用自上而下和数据拟合的研究方法构建投资模型，计算项目的静态投资，即首先将工程静态投资(Ctotal)分为4个部分：

(1)

式中：Ceq表示设备购置费，包括风电机组本体、塔筒、场内电气及相应送出工程的设备投资；Cint表示安装工程费，包括风电机组吊装、海底电缆敷设等安装投资；Ccon表示建筑工程费，包括风电机组基础、海上升压站基础、陆上集控中心等建筑投资；Coth表示工程建设相关的其他费用。

然后对每部分投资进一步拆分为更小的投资子项，例如，可将建筑工程费(Ccon)进一步拆分为更小的投资子项：

(2)

式中：CWT，con表示风电机组本体建筑工程费；CEX,con表示风电场送出部分建筑工程费；COtr,con表示建筑工程其他费用。

最后采用相关文献[17-19]的投资模型框架，根据我国海上风电规划项目已知数据拟合这些模型的参数，得到适用于我国海上风电的投资子项模型公式。例如，可将风电机组本体建筑工程费(CWT，con)拟合为

(3)

式中D为风电场所在海域的平均深度，m。

得出规划项目的静态投资额后，结合前文所述方法计算得出的规划项目年发电量，通过财务计算获得规划项目的发电成本，其中，项目资本金财务内部收益率为8%；增值税税率为17%，执行即征即退50%的政策；进行亏损弥补处理后，企业所得税执行“三免三减半”优惠政策；项目建设期利息、价差预备费等财务数据的计算和相关参数取值参考海上风电规划和可研报告；各项目离岸距离、海水深度、用海面积、装机情况等计算基础数据通过公开网络数据库[6]和规划报告获取。

2.2 我国海上风电供给曲线的构建

根据海上风电项目的年发电量和发电成本可构建海上风电供给曲线：各项目均用一个矩形表示，矩形宽度对应该项目的年发电量，高度则对应该项目的发电成本，将全部项目对应矩形按照发电成本由低到高进行排序，并列布置于发电成本-年发电量的坐标系中，取各矩形顶部宽度线段的中点代替该项目，即得到坐标系下的一系列点，即为供给曲线(项目较多时这些点密集分布，看起来就像一条线，也可以用样条曲线将各个点平滑地连接认为其为供给曲线)。

海上风电供给曲线(以5个项目为例)建立过程如图2所示。

图2 海上风电供给曲线建立过程(以5个项目为例)

根据计算得出的我国100多个海上风电规划项目的年发电量和发电成本，利用前述方法即可构建我国海上风电供给曲线，如图3所示。

图3 我国海上风电供给曲线

图3中标注“各项目发电成本”的点群即是我国海上风电供给曲线，其中每个点即代表一个规划项目，曲线由不同省(市)的海上风电规划项目组成，各省规划项目分别用不同形状的点进行标识。供给曲线下方显示的一系列点是各项目所在省(市)的脱硫燃煤标杆电价，方便与项目发电成本、政策给定上网电价进行比较。

分析图3可知，我国大部分海上风电规划项目发电成本为0.7～1 元/(kW·h)，最低发电成本在0.65 元/(kW·h)左右，最高发电成本在1.2 元/(kW·h)左右；海上风电规划项目全部投产后，年发电量为85.4 TW·h(对应总装机容量为34.23 GW)。从图3还可以看出，每一个海上风电规划项目发电成本均高于当地脱硫燃煤标杆电价。

3 我国海上风电发展规模和电价补贴

基于供给模型可以计算我国海上风电的发展规模和电价补贴情况。

图4所示为有5个海上风电项目，各项目当地脱硫燃煤标杆电价均相同的供给曲线，在图4所示给定上网电价条件下，项目1～4因为发电成本低于政策给定上网电价将可能被开发，项目5不会被开发。

海上风电等可再生能源电力上网电价一般高于当地脱硫燃煤标杆电价，电价较高造成的额外电力收购费用由可再生能源补贴资金支付，补贴资金以销售电价附加方式在全网分摊。图4阴影部分面积即为4个将开发项目的年总补贴额，由年总补贴额可测算因补贴海上风电而增加的销售电价附加量(以下称为“电价附加增量”)，其计算公式见相关文件[20]。

图4 海上风电开发规模与电价补贴额分析图

4 我国海上风电的发展规模和补贴状况的四维坐标图

将近海风电规划项目和潮间带风电规划项目分开，可以分别得出近海和潮间带风电场的供给曲线。根据前文方法可以计算未来我国近海和潮间带风电场的总装机容量、年总发电量、年总补贴额和相应电价附加增量，用四维坐标图表示，如图5、6所示。

图5 现行电价政策下我国近海风电场发展规模及补贴预测

图6 现行电价政策下我国潮间带风电场发展规模及补贴预测

由图5、图6可以得出：近海风电场执行0.85元/(kW·h)上网电价时，近期开发总装机容量约为17.91 GW，相应年总发电量为45.6 TW·h，年总补贴额为187亿元，相应电价附加需增加4.2 厘/(kW·h)；潮间带风电场执行0.75 元/(kW·h)上网电价时，近期开发总装机容量约为1.08 GW，相应年总发电量为2.75 TW·h，年总电价补贴额为9.2亿元，相应电价附加增加0.21 厘/(kW·h)。

由图5、图6还能直接读出设定不同的上网电价时，近期我国近海和潮间带风电场的总装机容量、年总发电量、年总补贴额和对应的电价附加增量。

海上风电项目投运后，因为各种因素可能导致机组部分弃风，故实际年总上网电量，以及相应的年总补贴额和电价附加增量会减少，可在本文计算结果的基础上乘以合理的弃风率进行修正。

5 结 论

本文通过计算我国沿海全部100多个海上风电规划项目的年发电量和发电成本，构建了我国海上风电供给模型，首次给出了基于规划项目的我国海上风电供给曲线，预测了现行固定电价政策下我国海上风电近期的发展规模，计算了预测规模对应的年总补贴额和相应的电价附加增量，并首次使用总装机容量、年总发电量、年总补贴额和电价附加增量四维坐标图度量不同上网电价条件下我国海上风电的发展规模和补贴状况。

(1)由我国海上风电供给曲线可以直接读出，全部海上风电规划项目的年总发电量为85.4 TW·h(对应总装机容量为34.23 GW)，大部分海上风电规划项目发电成本为0.7～1 元/(kW·h)。

(2)近海风电场执行0.85元/(kW·h)上网电价时，近期开发总装机容量约为17.91 GW，相应年总发电量为45.6 TW·h，年总电价补贴额为187亿元，相应电价附加增加4.2 厘/(kW·h)；潮间带风电场执行0.75 元/(kW·h)上网电价时，近期开发总装机容量约为1.08 GW，相应年总发电量为2.75 TW·h，年总电价补贴额为9.2亿元，相应电价附加增加0.21 厘/(kW·h)。

(3)由本文图5、图6四维坐标图能直接读出在不同上网电价下，近期我国近海和潮间带风电场的总装机容量、年总发电量、年总补贴额和对应的电价附加增量。

本研究得到的我国海上风电供给曲线是同类研究的基础性数据，也可支撑投资商的项目投资决策，其中固定电价政策的四维坐标图则可作为政策制订者的定量分析工具。

[1]国家发展和改革委员会. 国家发展改革委关于海上风电上网电价政策的通知(发改价格[2014]1216号)[S].

[2]Ali M, leyla M. The use of Grey System Theory in predicting the road traffic accident in Fars province in Iran[J]. Australian Journal of Business and Management Research, 2011, Vl.1 (9): 18-23.

[3]刘琳. 新能源风电发展预测与评价模型研究[D]. 北京：华北电力大学，2012. Liu Lin. Research on forecast and evaluation model in new energy wind power development[D].Beijing: North China Electric Power University, 2012.

[4]汪哲荪，金菊良，魏一鸣，等.基于自助法的中国水电能资源开发利用Logistic预测[J].水电能源科学，2010, 28(10)：151-153. Wang Zhesun, Jin Juliang, Wei Yiming, etal. Logistic prediction model of hydroelectric power resources utilization in China based on bootstrap method[J].International Journal Hydroelectric Energy, 2010, 28(10): 151-153

[5]袁晓玲，范玉仙. 基于Logistic 和学习曲线模型的中国电源结构预测[J]. 湖南大学学报：社会科学版，2013，27(4)：51-55. Yuan Xiaoling, Fan Yuxian. Forecast of power source structure in China based on the logistic & learning curve model[J]. Journal of Hunan University (Social Sciences), 2013, 27(4):51-55.

[6]张延平，李明生. 广东省产业结构演进预测及发展战略选择[J]. 统计观察，2010，(5)：95-97.

[7]叶银龙，刘于. 金融危机下浙江电子信息产业发展趋势预测[J]. 科技通报，2010,26(2)：279-281. Ye Yinlong，Liu Gan. Forecast and trend of electronic information industry in Zhejiang under the financial crisis[J]. Bulletin of Science and Technology，2010, 26(2)：279-281.

[8]冯树民，慈玉生. 居民出行产生量BP 神经网络预测方法[J]. 哈尔滨工业大学学报,2010,42(10):1624-1627. Feng Shumin, Ci Yusheng. A forecast method for trip production based on BP neural network[J]. Journal of Harbin Institute of Technology, 2010, 42(10):1624-1627.

[9]郑凤霞. ARIMA 与指数平滑在区域高等教育规模预测中的比较研究[J]. 四川理工学院学报：自然科学版,2013,26(6):83-85. Zheng Fengxia. Comparing research on ARIMA model and exponential smoothing model in regional higher education scale forecasting[J].Journal of Sichuan Institute of Light Industry and Chemical Technology, 2013,26(6):83-85

[10]国家发展和改革委员会能源研究所.中国风电发展路线图2050[R]. 北京： 国家发展和改革委员会能源研究所， 2011.

[11]Bernd M, Hong L X, Reinhard L, etal. Evaluation of offshore wind resources by scale of development[J]. Energy, 2012,48 :314-322.

[12]Hong L X, Bernd M. Feasibility study of China’s offshore wind target by 2020[J]. Energy,2012,48:268-277.

[13]Hong L X, Bernd M. Offshore wind energy potential in China: Under technical, spatial and economic constraints[J]. Energy, 2011, 36: 4482-4491.

[14]国家发展和改革委员会，建设部. 建设项目经济评价方法与参数[M].3版. 北京： 中国计划出版社,2006.

[15] www.4coffshore.com/windfarms/windspeeds.aspx[EB/OL].

[16]福建省能源研究会、福建省水利水电勘查设计研究院课题组.福建省海上风电开发的经济性影响因素分析与产业发展对策研究[R].2011.

[17]Dicorato M, Forte G., Pisani M, etal. Guidelines for assessment of investment cost for offshore wind generation[J]. Renewable Energy, 2011, 36: 2043-2051.

[18]Mark J K, Brian S. Offshore wind capital cost estimation in the U.S. Outer Continental Shelf—A reference class approach[J]. Marine Policy, 2012,36:1112-1122.

[19]Hong L X, Bernd M. Offshore wind energy potential in China: Under technical, spatial and economic constraints[J]. Energy, 2011, 36: 4482-4491.

[20]国家发展和改革委员会. 国家发展改革委关于印发《可再生能源电价附加收入调配暂行办法》的通知(发改价格[2007]44号)[S]. 2014.

(编辑:刘文莹)

Supply Model and Development Scale Prediction of Offshore Wind Power

YUAN Zhaoxiang, LUO Jiasong, TIAN Xueqin, XU Tong, WANG Xinlei，QI Lizhong

(State Power Economic Research Institute, Beijing 102209, China)

To predict the development scale of offshore wind power under current electricity price policy in China, the supply model had been built through the following procedures. More than 100 planned offshore wind power projects in coastal provinces of China were investigated and annual electricity generation of which was calculated with using Weibull model. The generation cost of each project was calculated with using the investment model based on top-down and data fitting research methods. On the basis of the definition of basic return rate of project, the supply curve of offshore wind power in China based on planned projects was issued for the first time. According to the supply curve of offshore wind power, its development scale in China was predicted, with considering the price level in current fixed tariff policy. According to the electricity tariff of offshore wind power in China and its difference from the electricity tariff of local desulfurized coal, this paper calculated the related total annual subsidies and electricity price addition corresponding to the predicted scale of offshore wind power in China, and first used four dimensional coordinate including total installed capacity, total annual generated energy, total annual subsidies and electricity price addition, to measure the development scale and subsidy situation of offshore wind power in China under the condition of different electricity price.

offshore wind power; supply model; four dimensional coordinate graph; electricity tariff

Ctotal=Ceq+Cint+Ccon+Cotr

Ccon=CWT，con+CEX,con+COtr,con

CWT，con=2 500Exp(0.03D)

国家电网公司科技项目(B3440912K005)。

TM 614

A

1000-7229(2015)04-0134-05

10.3969/j.issn.1000-7229.2015.04.022

2015-02-02

2015-02-25

袁兆祥(1970)，男，高级工程师，主要从事电力系统规划、设计和研究工作；

罗家松(1984)，男，硕士，工程师，主要从事新能源和可再生能源政策和发展规划研究；

田雪沁(1985)，男，硕士，工程师，主要从事新能源和可再生能源政策和发展规划研究；

徐彤(1968)，女，硕士，高级工程师，主要从事新能源和可再生能源政策和发展规划研究；

王新雷(1969)，男，硕士，高级工程师，主要从事新能源和可再生能源政策和发展规划研究

齐立忠(1968)，男，高级工程师，主要从事电力系统规划、设计和研究工作。