基于EnergyPLAN模型分析现有政策对可再生能源发展的影响——以京津冀为例

张春成，赵晓丽

(1.华北电力大学 经济与管理学院，北京 102206； 2.中国石油大学 工商管理学院,北京 102249)



基于EnergyPLAN模型分析现有政策对可再生能源发展的影响
——以京津冀为例

张春成1，赵晓丽2

(1.华北电力大学 经济与管理学院，北京 102206； 2.中国石油大学 工商管理学院,北京 102249)

中国经济快速发展过程中对化石能源的依赖造成了严重的环境污染。风能、太阳能等可再生能源具有清洁无污染、可再生等众多优点，大规模推广使用可再生能源成为解决目前能源环境问题的最主要途径。本文基于EnergyPLAN模型结合京津冀电网的实际情况，构建京津冀地区2016、2020、2030三个未来能源系统场景，定量化分析目前能源政策下未来京津冀地区各种形式的电源发电情况，并进一步分析为达到可再生能源发展的中等情景和高等情景，现有政策中存在的差距。

可再生能源；EnergyPLAN模型；激励政策

随着中国工业化和城市化进程的快速推进，大量的资源、能源被消耗，由此产生了严重的环境污染问题。大力发展可再生能源，是解决经济发展与环境保护相协调的重要途径。目前，世界各国政府都非常重视可再生能源的发展，可再生能源发电比例不断提高。例如，丹麦和西班牙2015年风电发电比例已分别达到42.1%和19.4%，美国2015年风电发电比例也已达到4.7%。而中国至2015年风电发电比例只有3.3%。促进可再生能源发电比例的进一步提高，是中国政府仍然急需解决的一个重要问题。

国内外许多学者对可再生能源发展的激励政策和影响因素进行了研究：曾鸣(2011)认为，人才技术水平和培训的不足是造成可再生能源发展受限制的重要因素[1]；Ansari, et al.(2013)指出对可再生能源的认知程度不足将对消费者和融资机构造成行为上的影响，使他们对可再生能源的选择与支持较弱[2]；Leete, et al. (2013) 认为政策和法律框架的完善程度以及政策的稳定性、明确性是可再生能源发电的影响因素之一[3]；杨睿(2014)分析了可再生能源发电政策对风电发展的实施效果，并发现价格管制政策和非价格管制政策均对风电投资具有积极的影响，价格管制政策的作用高于非价格管制政策，且价格管制政策在风资源非丰富地区的效果要高于丰富区的政策效果[4]；赵洱岽(2013)研究发现，完善的配额制度及合理的配额比例能够有效影响绿色证书交易市场的供求和均衡价格，从而促使可再生能源发电商以最优生产规模和最低成本进行生产[5]。

总之，目前针对可再生能源发电研究的文献多为影响其发展因素的研究，且大多数为定性分析。定量化研究的文献主要针对过去年份不同政策对可再生能源发电的影响进行研究。针对满足未来可再生能源发电目标，需要采取的激励政策的研究较少，尤其是不同政策下对未来可再生能源发展影响的定量化分析的文献很缺乏。因此，本文基于EnergyPLAN模型，针对不同政策下，可再生能源发展的未来情景进行定量化分析，为可再生能源发展的激励政策的制定具有借鉴意义。其中，EnergyPLAN模型中涉及到风电、太阳能发电、生物质发电、储能技术等多种可再生能源形式及相关储能技术，通过对某个地区整个能源系统进行模拟，分析计算考虑各个能源部门的能源消耗及均衡情形下政策的实施对可再生能源增长的影响。

国内外已经有很多人使用EnergyPLAN模型对不同地区的能源系统进行了分析：Hong(2013)针对“十二五规划”提出的目标，构建了未来电力行业的四个场景：(1)存在电网瓶颈，(2)容量因子提高，(3)能源效率提高，(4)容量因子和能源效率同时提高。并通过EnergyPLAN模型分析四个场景下可再生能源发电份额、CO2排放量等指标，从而评价“十二五”期间可再生能源的作用[6]；Liu(2011)等模拟了2007年中国能源系统，并在最小电力过剩、一次能源供给最少、能源系统运行总成本的条件下得出满足三个条件的最大风电渗透率，这是对EnergyPLAN模型应用的比较新的方面[7]；Liu(2013)等针对内蒙古存在的电量过剩及弃风现象，建立四种电动汽车场景解决该问题，分别是：电池电动汽车、氢燃料电动车、汽车到电网和三倍容量汽车到电网；分析了四种场景下减小过剩电量和增加风电份额的效果[8]；Dejene Assefa Hagos(2014)等利用EnergyPLAN模型对挪威内陆能源系统进行分析，针对其对水电依赖性过强的问题，提出两种优化场景，优化的基本宗旨是用其他可再生能源比如太阳能、风能、生物质等替代水电，从而减少其对水电依赖性，同时引入热泵技术，分析优化场景的优化效果[9]。目前应用EnergyPLAN模型对能源结构优化的研究虽然已经比较多，但是针对中国未来可再生能源发展目标分析现有政策有效性的研究还比较少。本文基于京津冀电网对现有政策是否可以满足未来可再生能源发展目标及存在的差距进行分析。

选择京津冀电网数据进行实证分析的主要原因是：京津冀电网涵盖了北京、天津和河北地区，该地区是中国北方最发达的经济区，同时，京津冀地区在能源利用上存在很多问题：(1)能源消费量大且能源供应相对不足。京津冀属于土地、水资源及能源短缺地区[10]，经济社会的快速发展使得该区域的能源储量无法满足发展的需要，主要通过外部能源调入以及进口来弥补能源的需求缺口。(2)能源利用效率有待提高。天津近年来能源消费总量逐年增加，从2010年的5860万吨标准煤到2014年的7955万吨标准煤，增加了47%；河北省能源消耗量技术过大，虽有所减少但数量巨大，2010年能耗总量27531万吨标准煤，到2014年降为20300万吨标准煤，单位GDP能耗逐年降低，能源有效利用率有待进一步提高。其中，天津和河北的单位GDP能耗2015年分别为0.5吨标准煤/万元和1.23吨标准煤/万元，北京单位GDP能耗较低，2015年为0.34吨标准煤/万元*京津冀能耗数据及单位GDP能耗均来自《中国能源统计年鉴2015》。。(3)能源消费结构有待优化。随着公众对生态环境的日益关注，发达国家和地区能源消费中煤炭所占比例逐渐降低，而京津冀地区能源消费结构中煤炭消费所占比重虽然呈下降趋势，但仍占较大比重。对化石能源的依赖造成了严重的环境污染，最明显的就是严重的雾霾天气，雾霾问题的频繁发生为京津冀环境危机拉响了警报[11]。2015年河北、北京、天津雾霾天数多达192、179、168*中国天气网http://www.weather.com.cn/。天。已经有很多学者对京津冀地区的能源问题进行了研究，包括对京津冀能源承载能力进行分析及评价[12]，对京津冀能源消费及碳排放问题进行分析[13]，以及对京津冀电力供求问题进行分析[14]等。但是，分析现有政策对京津冀地区未来可再生能源发电增长影响的研究成果还未见到，而促进可再生能源发展对于解决京津冀地区环境改善具有将重要意义。本文的研究将对未来可再生能源发电激励政策的制定提供一定依据。

一、研究方法及数据来源

(一)研究方法

EnergyPLAN模型是用于能源系统分析的电脑模型，该模型由丹麦奥尔堡大学开发，与其他能源系统分析的模型相比， EnergyPLAN模型的特点是：(1)EnergyPLAN模型可以分析不同能源战略或能源政策对某一国家或地区能源、环境以及经济的影响，并在此基础上帮助设计和优化该国家或地区的能源发展战略和能源政策。模型包括一个国家或地区能源系统的所有部门，包括电力和热力供给、交通运输、工业部门。(2)该模型对系统进行描述时是概括性的而不是分别将每个组成部分描述。比如，它不会将每个电厂的装机容量分别输入，而是输入一类电厂总的装机容量，这样可以使问题的分析简化。(3)该模型的运行是基于分析程序，而不是迭代、动态规划或高级的数学工具，这使得模型计算直接快速。一般电脑对一年数据计算只需几秒。图1为EnergyPLAN模型的能源流动图。

图1显示，EnergyPLAN模型可以比较全面地概括一个地区的整个能源系统。该模型也存在不足，例如，没有涉及到农业、建筑业等能源消耗情况。但是，总体上该模型还是能够比较好地模拟能源系统的运行效果。

(二)数据来源

研究中，由于EnergyPLAN模型涉及到整个能源系统中各个部门所有的能源生产及消耗，所以，需要的数据量十分巨大；同时，由于模型是确定性投入产出模型，所以对数据的精确性要求也很高，以下将对数据来源进行较详细的描述。

涉及到的电力总需求，火电、风电、水电等各种形式的发电装机，发电效率等数据均来自《电力工业统计资料汇编2013》。集中供暖数据包括锅炉供暖、热电联产以及供暖效率等数据，主要来自《中国城市建设统计年鉴2013》、《中国城乡建设统计年鉴2013》，其中蒸汽供热单位为t/h，我们统一将其转换为MW。此外，集中供暖之外的供暖我们假定全部来源于个人供暖，所用燃料为煤炭；因此，认为除去集中供暖燃煤、工业燃煤以及火电燃煤之外的煤炭消耗为个人供暖煤炭消耗。

工业、交通等各个部门的能源消耗，主要包括煤炭、石油、天然气生物质能等的消耗主要来源于《河北省经济年鉴2014》、《天津市统计年鉴2014》、《北京市统计年鉴2014》以及《中国能源统计年鉴2013》。EnergyPLAN模型中虽然对储能技术、生物质能等先进技术有详细数据要求，但由于目前京津冀地区对这些技术应用甚少，因此，本文暂不对其进行考虑。

由于EnergyPLAN模型是一个实时模拟的模型，因此该模型还需要分布数据，它是对某一对象每小时状态进行描述的数据，包括一年8784个小时数据，比如风电发电分布数据就是对风电每小时发电出力的描述。该部分数据获得难度最大，其中电力需求分布数据、风电分布数据均来自于冀北电网的实际调研获得；涉及到太阳能的数据我们按照黄伟(2014)[15]所提供的方法，根据不同时刻太阳光照变化以及不同天气情况的变化计算获得。其他部分分布数据从EnergyPLAN官网(http://www.energyplan.eu/)中已有的分布数据借鉴。具体数据来源请见表1：

图1 EnergyPLAN模型的能源流动图

表1 数据来源情况

二、计算结果及分析

(一)京津冀能源系统模拟结果准确性分析

为了更准确地分析激励政策对京津冀可再生能源未来发展的影响，需要先对EnergyPLAN模型模拟结果的准确性进行验证。研究中，基于2012年京津冀能源系统进行模拟验证(本文开始研究时可获取的最新数据为2012年的数据)。运行得出的结果包括各种能源消耗情况、发电情况、CO2排放等数据。

2012年京津冀地区主要能源消耗情况及模拟结果如表2所示。表2显示，对于煤炭、石油、天然气的消耗量，模拟结果与实际搜集数据结果误差很小，其中煤炭消耗量误差率最高1.19%。由于该模型不可能将整个区域中所有的能源消耗部门考虑在内，以及由于模型所用统计口径与中国统计口径的差异，所以可以认为该模型对整个区域的能源消耗模拟是精确的。

表2 2012京津冀主要能耗表

京津冀地区发电结构实际数据和模拟结果如表3所示。表3显示，发电构成的模拟数据结果与实际结果相差也不大。其中误差率最大的是外界输入电量，为0.86%，误差率最小的是风电发电量，为0.00%，因此可以认为模拟数据结果是精确的。

综上，可以认为EnergyPLAN模型能够较精确地模拟京津冀地区的整体能源系统。

(二)激励政策对京津冀可再生能源发展的影响分析

我们构建2016、2020、2030三个未来场景，每个未来场景又分别分为基本情景、中等情景、高等情景三种发展程度，所以总共构建九种情景。基本情景构建的依据为截止到2014年底的相关能源、环境政策，旨在表达在目前政府政策和规划条件下可再生能源能够达到的发展程度。根据《北京大气污染防治能源保障方案》中提出的京津唐地区力争到2017年可再生能源发电比例达到15%的目标，我们构建2016年中等情景，并假定可再生能源保持同样发展速度的情况下，构建到2020年和2030年发展程度的中等情景；高等情景主要依据的是国家能源局出版的《中国2050高比例可再生能源情景及路径》。

1.基本情景的构建及分析

京津冀地区2010-2014年用电需求增长率平均为5.02%*电力工业统计资料汇编2010-2014。，其中近两年用电需求放缓，2013-2014年用电需求增长率仅为2.18%，目前仍不能查到2015年京津冀用电量，所以采用2013-2014增长率计算得到2015年用电需求为515.5亿KWh。考虑到京津冀地区用电需求增速放缓的趋势及“十三五”期间工业转型的加速，同时参考《中国能源及电力需求增长及格局演变研究》，假定2016-2020年京津冀用电增长率平均增速为2%；2021-2030年期间，随着经济发展速度的降低及工业转型的实现，用电需求增长速度将进一步回落，假定2021-2030年用电需求增长速度为1.6%*中国能源及电力需求增长及格局演变研究。。由此我们可以计算出2016、2020、2030年三种场景用电量。

京津冀未来可再生能源的发展主要考虑风电和太阳能发电两种形式。由于地域限制，京津冀地区可利用的水电资源稀缺，所以在未来场景的构建中不考虑水电。同时由于核电发电需要大量冷却水，且目前没有任何政府文件涉及到在京津冀地区建设核电站，所以我们不考虑核电发展。

京津冀地区风力资源丰富，尤其是张家口、承德地区是重要的风力发电基地，这两个地区的风电装机占整个京津冀地区风电装机的90%以上*电力工业统计资料汇编2014。。截止到2014年底，天津和北京风电装机为29MW和15MW，且近两年都没有变化，由于京津地区风力资源条件限制，未来我们不考虑其风电发展；将主要考虑河北省风电发展(截止到2015年底，河北省风电装机达到9170MW*北极星电力网http://news.bjx.com.cn/html/20160321/717705.shtml。)。根据国家能源局出版的《中国风电发展路线图2050》规划中基本情景的设计，到2020年京津冀地区风电装机将达到15000MW，2030年风电装机规划达到27000MW，其中2016年风电装机通过2015-2020年装机发展直线平均得到为10371MW。

河北是太阳能资源丰富地区，未来的发展中太阳能发电必定会占有重要地位。根据国家能源局数据，2015年底全国光伏发电装机容量为4318万千瓦，京津冀累计光伏发电装机容量为267万千瓦，占全国比例为6.18%。根据国家可再生能源中心出版的《中国可再生能源发展路线图2050》中的数据，2020年基本场景中全国光伏发电将达到1亿千瓦，2030达到4亿千瓦。假设未来京津冀光伏装机容量仍然占全国总容量的6.18%，则可以得出京津冀地区2020年光伏发电装机为6180MW，2030年为24720MW。虽然太阳能发电还包括光热发电，但是《中国可再生能源发展路线图2050》所预测的光热装机不足光伏发电的0.1，所以本文不考虑光热发电的问题。

除了考虑可再生能源的增长以外，其他形式的电源建设也应考虑。截止到2014年底，京津冀地区火力发电量占全部发电量比例为94.05%，其中短期内火电占主要地位的状况不会有太大变化。2010—2014年京津冀地区火电装机年平均增长率为6%，其中2013-2014年增长率为10%，截止到2014年底京津冀地区火电装机65760MW，其中主要由于京津地区火电装机增加很多，而河北地区增长率仅为2.29%，由于未能查询到2015年京津冀火电装机数据，我们按照2010-2014年平均增长率计算2015年火电装机为69705MW。 虽然政府正在大力发展可再生能源，同时国家能源局也出台文件严格限制火电项目的审批，但由于目前对火电依赖性太大，同时考虑很多已审批但未建设完成的项目，短期内火电装机仍会缓慢增长，同时参考《中国能源及电力需求增长及格局演变研究》，我们假定2016-2020年京津冀地区火电装机平均增长率为2.5%*十二五期间京津冀火电增速仍居高不下，2010-2014为6%，其中2014年高达10%，主要为京津增长，而河北增长仅为2.29%，2015年数据未查到，虽然十三五期间火电大大被限制，但是考虑到很多已经批复但是未投产，以及未来仍会批准一部分大型火电，不可能增速太低，所以定位2.5%。，那么可以计算出2016年火电装机为71447MW，2020年火电装机为78865MW。2021-2030年期间，火电项目建设将会更加严格，同时随着很多小型机组、老机组的淘汰，我们假定此时火电装机增长率为0。

综合以上的考虑，可以构建出在当前政策与规划条件下京津冀电力系统未来基本情景如表4表示。

根据所构建的基本情景，我们模拟出各种电源形式的发电量及其所占总发电量的比例，如表5所示。

表4 京津冀电力系统未来基本情景

表5 基本场景各电源形式发电情况

表5括号中的数字为发电量。从中可以看出，截止到2020年可再生能源发电比例仍没有较大增加，火力发电量仍占据绝对的主导地位，到2020年可再生能源发电所占比例为10.42%；截止到2030年可再生能源发电所占比例才有了较大增长，为26.22%。其中外部输入电量一直在慢慢增大，主要是由于电力需求增长较大，而政府控制火电增长，同时可再生能源虽然增长较快但仍不能担当发电主力的角色，所以不得不增加外部输入的电量。

可以看出可再生能源在当前政策与规划条件下虽然增长较快，但是与我们预期的发展目标仍相差较大。近期来说，《北京大气污染防治能源保障方案》中提出的京津唐地区力争到2017年可再生能源发电比例达到15%，这是在当前基本情景下不能达到的。近期出版的《中国2050高比例可再生能源情景及路径》中到2030年达到的目标为可再生能源发电比例更是需要达到56.8%。所以，将进一步构建中等情景和高等情景，分析为达到这两种可再生能源发电目标下，其需要具备的装机规模。

2.中等情景的构建及分析

中等情景构建的近期目标为《北京大气污染防治能源保障方案》中提出的京津唐地区力争到2017年可再生能源发电比例的达到15%；2016-2020年在达到2017年目标的情况下稳步发展；到2030年要在基本情景的基础上进一步发展，达到可再生能源发电比例30%。其中用电量及火电装机发展情况均与基本情景中相同。表6为拟达到的中等情景的可再生能源发电目标，基于该目标，通过EnergyPLAN模型计算，可得到不同形式电源未来需要达到的装机容量，如表7所示。

表6 京津冀可再生能源发展中等情景发电情况

表7 京津冀电力系统未来中等情景下需要的装机容量

表7显示，为实现中等情景的目标，风电和太阳能发电装机容量都要增加很多。2016年中等情景下风电装机容量比基本场景增加2229MW，提高比例为21.49%，光伏发电装机增加1157MW，提高比例为34.31%；2020年中等情景比基本情景风电装机增加6450MW，提高比例为43%，光伏发电装机增加3090MW，提高比例为50%；2030年中等情景比基本情景风电装机增加4000MW，提高比例为14.8%，光伏发电装机增加2060MW，提高比例为8.33%。

3.高等情景的构建及分析

高等情景构建依据主要为《中国2050高比例可再生能源情景及路径》，该报告对中国目前一直到2050年各种电源形式发电装机及发电量均进行了较详细的规划，该规划提出到2020年中国可再生能源发电比例达到33.6%，到2025年达到45.9%，到2030年达到56.8%，到2050年达到86%，对中国可再生能源发展提出了相当高的要求。而目前中国2014年非火电发电比例达到24.57%，而京津冀地区这一比例只有5.95%，与全国平均水平相差很大，所以综合京津冀目前的情况，我们在中等情景的基础上对京津冀地区可再生能源发电比例提出更高要求，设定的高等情景目标为2016年10%、2020年20%、2030年40%*这三种目标值的设定是考虑到京津冀目前可再生能源发电比例与全国比例的差异设定。目前能查到可再生能源发电比例的最新数据为2014年，根据《电力工业统计资料汇编2014》，全国非火电发电比例为24.57%，而京津冀地区为5.95%，与全国差距较大；因此，2016年高等场景可再生能源发电比例目标的设定我们仅在中等场景基础上(8.57%)适当提高，定为10%。2020年中国高比例目标为33.6%，此阶段由于环境压力，京津冀可再生能源发展速度将加快，至2020年，其与全国可再生能源发电比例目标的差距将由2016年的18.62%进一步缩小，因此，设2020年京津冀地区高等情景下的可再生能源发电比例为20%；同理，2030年的比例设为40%。。用电量及火电装机发展情况均与基本情景中相同。表8为高等情景下的可再生能源发电目标，通过EnergyPLAN模型计算，可以得到为实现该目标的各种电源形式装机容量的发展目标如表9所示。

表8 高等情景京津冀可再生能源发电情况

表9 京津冀电力系统未来高等情景下需要达到的装机容量

表9显示，为实现高等情景发展目标，风电和光伏发电装机相较于基本场景和中等情景又增加了很多。具体变化详见表10。

表10 高等情景下京津冀可再生能源装机容量的变化

表10显示，2016年高等情景下，与基本情景相比，风电和光伏发电装机容量分别增加了55.24%和115.7%；2020年风电和光伏发电分别增加107.3%和95.79%；2030年则分别增加55.19%和61. 94%。与中等情景相比也同样有较大比例的增加。

三、结论

随着经济的发展，环境问题、资源紧缺问题越加突出。可再生能源的发展有利于实现环境友好性的经济可持续增长。本文以京津冀地区为例，利用EnergyPLAN模型对其未来可再生能源发展情景进行了分析。本文构建了三类情景：基本情景、中等情景和高等情景，分别分析了每种情景下2016、2020、2030三个时点的可再生能源发展情况。通过三种情景的对比分析，我们得出以下结论：

1.在当前政策条件下(基本场景)，可再生能源发展难以满足《北京大气污染防治能源保障方案》(下称《方案》)及《中国2050高比例可再生能源情景及路径》(下称《高比例》)中提出的可再生能源发电目标的要求。按照当前的政策，2016年可再生能源发电比例为6.89%，2020年上升为10.42%，直到2030年增加到26.22%。而根据《方案》所计算得到和《高比例》中提出的2016年、2020年和2030年京津冀可再生能源发电比例目标则为8.6%、14.3%和30%以及10.1%、20%和40%。这说明目前的政策难以满足京津冀地区可再生能源发展目标的需要。

2.为实现中等情景下的可再生能源发电目标，2016、2020、2030年风电装机需要在基本情景的基础上分别提高21.49%、43%、14.8%；光伏发电装机需要在基本情景的基础上分别提高34.31%、50%和8.33%。因此，为了实现这一目标，需要政府进一步加大可再生能源发展的政策激励。

3.为实现高等情景下的可再生能源发电目标， 2016、2020、2030年风电和光伏发电总装机分别需要在基本场景基础上提高70.06%、103.97%、58.2%及115.7%、95.79%、61.94%，者需要在促进可再生能源发展方面做出更大努力。

[1] 邱柳青, 曾鸣. 中国风电并网障碍及应对策略分析[J]. 华东电力, 2011(9).

[2] Ansari M.F., Kharb R.K., Luthra S., et al. Analysis of barriers to implement solar power installations in India using interpretive structural modeling technique[J].RenewableandSustainableEnergyReviews, 2013(27).

[3] Leete S., Xu J.J., Wheeler D. Investment barriers and incentives for marine renewable energy in the UK: An analysis of investor preferences[J].EnergyPolicy, 2013(60).

[4] 杨睿. 可再生能源发电的影响因素及政策效果评价[D].北京：华北电力大学,2014.

[5] 赵洱岽,刘平阔. 固定电价与可再生能源配额交易的政策效果——基于生物质发电产业[J]. 工业技术经济,2013(9).

[6] Lixuan Hong, Nan Zhou, David Fridley, Chris Raczkowski, Assessment of China′s renewable energy contribution during the 12th Five Year Plan[J].EnergyPolicy, 2013(12).

[7] Wen Liu, Henrik Lund, Brian Vad Mathiesen, Large-scale integration of wind power into the existing Chinese energy system[J].Energy, 2011(8).

[8] Wen Liu, Weihao Hu, Henrik Lund, Zhe Chen, Electric vehicles and large-scale integration of wind power - The case of Inner Mongolia in China[J].AppliedEnergy,2013(4).

[9] Dejene Assefa Hagos, Alemayehu Gebremedhin, Björn Zethraeus, Towards a flexible energy system - A case study for Inland Norway[J].AppliedEnergy, 2014(10).

[10] 张达,何春阳,邬建国,等.京津冀地区可持续发展的主要资源和环境限制性要素评价——基于景观可持续科学概念框架[J].地球科学进展,2015(10).

[11] 王跃思,张军科,王莉莉,等.京津冀区域大气霾污染研究意义、现状及展望[J].地球科学进展,2014(3).

[12] 李磊.京津冀能源承载力评价及对策研究[J].商业经济研究,2015(7).

[13] 武义青,赵亚南.京津冀能源消费、碳排放与经济增长[J].经济与管理, 2014(2).

[14] 邓冠宇,马源良,金雪莲. 京津冀电力能源供需状况和战略对策[J].中国电力教育,2007(S4).

[15] 黄伟,张田,韩湘荣,苏洪玉. 影响光伏发电的日照强度时间函数和气象因素[J]. 电网技术,2014(10).

(责任编辑：李潇雨)

An Analysis of Current Renewable Energy Policies Based on EnergyPLAN Model

ZHANG Chun-cheng1，ZHAO Xiao-li2

(1.School of Economics and Management，North China Electric Power University,Beijing 102206,China; 2. College of Business and Administration,China University of Petroleum, Beijing 102249,China)

In the rapid development of China economy,great dependence on fossil fuels has caused serious pollution. Wind, solar and other renewable energy sources are non-polluting and renewable sources, large-scale use of renewable energy has become the most important way to solve energy sustainable development and environmental issues. The government has introduced various policies to promote the use of renewable energy, but it is unknown whether these policies should meet future demand for renewable energy development. We use EnergyPLAN model to simulate Beijing-Tianjin-Hebei grid and construct three future scenarios—2016 scenario, 2020 scenario, 2030 scenario to analyze the influence of current energy policy on future renewable energy generation ratio. In the end, we analyze the gap of the current policies to achieve the renewable energy development targets in middle scenario and high scenario.

renewable energy; EnergyPLAN model; incentive policies

2016-07-28

国家自然科学基金“基于利益相关者博弈关系的可再生能源发电激励机制研究”(项目编号：71573273)和中国石油大学(北京)引进人才科研启动基金“电力市场机制改革对可再生能源发电影响的定量化分析”(项目编号：2462014YJRC052)。

张春成，男，华北电力大学经济与管理学院硕士研究生；赵晓丽，女，中国石油大学工商管理学院教授。

F206

A

1008-2603(2016)05-0015-08