基于EnergyPLAN模型的城市可再生能源应用规划研究

陈正华， 刘嘉颖， 陆圣芝， 赵云峰， 孙为兵， 朱卫军， 李小川

(1.国网扬州供电公司，江苏 扬州 225009； 2.扬州市发展和改革委员会，江苏 扬州 225009； 3. 扬州大学 电气与能源动力工程学院，江苏 扬州 225012)

0 引 言

能源对国家及城市发展的重要性不言而喻，能源的持续优化、高效利用、节能减排是当前世界面临的共同难题。江苏是中国东部经济和电力负荷大省，进行科学而长远的能源规划，研究能源的高效利用，推广清洁能源的使用，建立城市能源体系优化平台迫在眉睫。能源结构的优化，无论采取何种预测方法，都要求持续增加可再生能源在能源消费中的比例。可再生能源是全球第三轮能源转型的根本方向，对于推进能源生产和消费革命具有重大战略意义，扬州市具备良好的可再生能源基础，太阳能、风电等可再生能源的资源储备丰富、发展潜力较大，但对可再生能源为主体和主导的新型能源体系尚缺乏系统分析。研究地方总体性可再生能源系统规划及系统分析是推动绿色能源发展、提高能源系统稳定及可靠性的重点。

近年国内外对区域能源规划的研究也日渐兴起。曾鸣等基于Benders算法对小范围内能源供给服务网络的系统规划问题进行研究，对华北某郊区进行区域规划并与传统规划模式进行比较[1]。李荣典对我国能源现状及国内外能源消费结构进行分析，讨论了区域能源规划的重要性及必要性[2]。黄子硕结合我国城乡规划建设规模及空间层次，梳理了能源供需链、能流网络结构，展现了城市能源规划体系中各环节的区别与联系[3]。目前城市可再生能源利用规划研究多侧重于定性分析影响因素方面，定量化研究文献还较少。通过数值计算、场景模拟等方法处理实际能源规划案例以分析区域能源规划的经济性及可靠性是目前应用较多的研究方式。本文将采用数值模拟方法，基于EnergyPLAN模型，在不同政策激励模式下通过构建三种可再生能源发展场景，并进行定量分析和比较，以为本地可再生能源发展的政策制定提供借鉴。李文博[4]采用多场景随机规划方法建立了区域能源互联网的源-荷-储两阶段协调优化模型，实现区域能源互联网系统的协调优化。朱丽[5]以沙岗王APEC低碳示范社区能源资源供能潜力计算出发，结合区域能源负荷预测进行了低碳社区的区域能源规划。Ding[6]借助EnergyPLAN分析能源系统运行情况，在满足能源需求的同时追求最高能源效率，最终获得京津冀地区最优风电、光伏渗透值。G. De Luca将EnergyPLAN和TRNSYS软件相结合，对意大利南部小城Altavilla Silentina在2030年实现温室气体零排放可再生能源利用系统经济性和可行性方案进行分析[7]。Géremi Gilson Dranka使用EnergyPLAN模型模拟建立巴西能源系统中电力部分，为未来建立100%可再生能源系统提供可行性建议[8]。

1 研究方法和数据预测

1.1 研究方法

EnergyPLAN是丹麦奥尔堡大学开发的能源系统分析模型软件，具有以下特点：(1)具有明确简洁的输入——输出模式，操作简便；(2)可定量分析能源战略和能源政策对地区能源、环境和经济发展的影响，并在此基础上提供能源规划优化设计方案；(3)模型输入端参数可概括性地按总量输入，从而简化问题分析过程；(4)模型运行内核基础是分析程序，计算过程直接快速。EnergyPLAN模型可以比较全面地概括地区整个能源利用系统，从而得到了广泛应用。本文将基于历史数据调研，采用EnergyPLAN模型对扬州市大规模使用可再生能源的可行性及模式进行分析。以2035为目标年份，以目前扬州市各类可再生能源开发利用、工程建设落实状况为基础，依托城市规划总的纲领，分别创建保守型、政策型、储能型三个场景，定量化分析可再生能源利用不同模式下的能源系统应用优化方案。

1.2 数据预测

模型输入端涵盖电、热、燃煤、燃气等多个方面；输出端包含产能量、能耗量、可再生能源占比、碳排放量等，体现了节能、产能和环保的综合指标。数据输入包含预测容量、用电需求总量、小时分布数据[9，10]。据2018年前三季度数据显示，扬州地区生物质发电量占总工业发电量约0.65%，生物质发电目前仍处于示范项目阶段，并未完全实现商业化、规模化利用，其未来供能能力将在场景模拟后单独考虑。能源系统中其他组成部分如常规非供热发电厂、用于热电联产的锅炉容量参数等将参照2018年的数据。EnergyPLAN模型对整个能源系统的能源生产及能源消费数据的精确性要求比较高，且数据量非常大，接下来将对模型涉及到的数据来源进行较为详细的描述。

(1)能源消费预测

能源消费预测在部门上可具体到居民生活及生产用能需求，采用部门分析法进行预测[11]。对于生产用能部分除预测需求总量之外，还具体到煤、油、气、电等各类能源消费。

(a)居民生活用能预测

居民生活用能预测可由式(1)计算得到[11]：

(1)

式中：t、t0表示预测年及基准年；P0、a0、b0分别表示基准年人口数量、人均基本生活能耗(用于维持居民基本生活的能源消费)，以及人均文明生活能耗(用于享受型生活的能源消费)；a、g、b分别为上述对应参数t0年到t年的平均增长率；h0、ht表示t0年、t年生活用能综合转换率。

将可获得完整数据的2013年作为基准年，以2035年作为预测年，人口数、能耗量及增长率均依据扬州统计年鉴获得，基本生活用能约占居民生活总能耗的40%[12]。用能转换率数值参考江苏地区全要素能源效率(TFEE，Total Factor Energy Efficiency)[13]。此外，根据《江苏省2017老年人口信息和老龄事业发展状况报告》考虑老龄化等社会问题，将结果做0.1%的裕度调整。

(b)生产用能预测

生产用能预测可由式(2)计算得到[11]：

(2)

Eijt=Git×Qijt；Git=Gito(1+βit)t-t0；

Qijt=Qijto(1+γijt)t-t0

式中：i、j表示用能部门和能源类型；Et、Eit、Ejt、Eijt分别表示t年生产各部门能源总需求量、第i部门、第j种能源需求量、第i部门对第j种能源总需求量；bit、gijt分别表示在t0到t年第i部门产值年平均增长率、第i部门对第j能耗单位产值能耗平均增长率；Git、Qijt分别表示t年第i部门的产值、第i部门对第j种能源的单位产值能耗。

计算原始数据均可从各年扬州统计年鉴获得。本文将生产用能部门分为三大类：采矿业、制造业、电煤水(即部门数i=3)；能源类型分为10种：原煤、焦炭、天然气、原油、汽油、柴油、燃料油、其他石油制品、热力及电力(即能源品种数j=10)。

(2)可再生能源供能预测

未来可再生能源供能预测主要以风电、光伏和生物质三类在扬州地区拥有较大发展潜力的能源为主要对象，对2035目标年能源系统场景中的装机容量及发电量进行预测。

基于目前的年均增长率进行预测，数值如表1所示，远高于扬州市十三五规划中设定的节能发展目标，说明该方法下的预测结果与实际有较大偏离度。

表1 基于年均增长预测数值及规划值比较

Tab.1 Comparison of forecast values based on annual growth and planned values

(MW)

故而，本文选取容量、发电量线性增长模式进行预测，即式(3)进行计算：

Ei,2035=ki·Capai,2035

(3)

Capai,2035=Capai,2018+kci·(t-t0)

式中：i=3表示可再生能源种类，Ei,2035、Capai,2035、Capai,2018分别表示第i种能源2035年总发电量、总装机容量以及2018年总装机容量；ki表示第i种能源单位MW容量发电量(kW·h)；kci表示第i种能源在t0至t年发电容量的线性增长系数。

2018年三类可再生能源装机容量数据由扬州供电公司提供；线性系数ki、kci可由扬州统计年鉴中历年数据计算获得。此外，考虑目前能源项目实际建设情况、政策发展规划、各类能源当地容纳度及未来发展潜力等多种因素，在初步计算结果基础上进行适当调整。对于光伏发电，政府十三五文件中已明确近期7个、远期8个重点推进项目，截至2018年中下旬，近期项目建设稍有滞后，十三五规划后期光伏新增容量较前期将有较大增长，因此2035取预测值100%上浮调整(截至2018年七月光伏装机已并网容量840 MW，6个在建项目2019年七月实现并网，且根据政府部门已核准光伏项目，预计2020年左右光伏容量将达1 548 MW，后期容量增长将随着规划项目的建成、并网有大幅度提高)；此外风电将在十三五期间有近期25个、远期5个重点推进项目，且其建设周期均在7至14个月，与光伏相似，随着后期项目完全建成且投入运行，2020至2035年间将有较大幅度增加，参考项目总容量，2035年取预测值200%上浮(截至2018年下旬风电已并网装机为210 MW，在建项目预计将在2020年实现并网，此阶段风电装机容量将出现陡升现象，届时扬州地区风电装机容量将提升至1 447.5 MW)；对于生物质能源，十三五期间共有10个生物质利用重点项目，配合政府大力开发生物质，最终在预测值基础上取40%上浮(截至2018年底，扬州地区生物质装机容量为94.5 MW，至2020年有三个在建项目将实现并网，总计装机容量可达154.5 MW。由于十三五期间对扬州地区风电光伏开发力度相对较大，受地区资源限制，后期将更加注重生物质等其他可再生能源开发)。

后期场景创建所使用的EnergyPLAN软件相关输入数据来源情况，如表2所示。

表2 场景输入数据来源情况说明

2 场景构建及计算

以2035年为目标年，本文构建了保守型、政策型和储能型三个未来能源系统场景进行模拟计算。(1)保守型场景：该场景主要是在可再生能源装机量、发电量的保守预测基础上进行构建，旨在说明当前可再生能源建设应用发展的实际现状。(2)政策型场景：该场景主要以政府政策规划中未来可再生能源装机量为主要依据进行构建，旨在与保守型场景形成对比，探索政策规划与实际建设之间的差距。(3)储能型场景：该场景是在保守型场景的基础上加入储能设备进行构建，旨在针对实际应用过程中，风光发电受外界条件影响较大、具有间歇性对电网稳定性带来的冲击，造成的弃风弃光现象。

2.1 保守型场景

图1为保守型场景下目标年各月平均小时社会电力需求量、可再生能源供能量(以风电、光伏为主)以及可再生能源在总能耗中占比等总体情况，观察发现，可再生能源发电在5月至8月占有较高的比例，最高可以达到23%。

图1 保守型场景下目标年模拟结果Fig.1 Simulation results of target year in conservative scenario

观察表3，单独比较风电及光伏各月小时平均发电量，得4月至8月期间光伏发电出力为高峰，而风力发电量全年分布较为均匀。

表3 保守型场景下风电、光伏各月平均小时出力情况

根据输出结果，全年最大电力小时需求量为6 560 MW·h，最小需求量为804 MW·h，平均每小时电力需求3 581 MW·h，其中风光可提供电力最大值为3 768 MW·h，最小值为0，平均每小时供能量约为494 MW·h，且该能源场景下约产生46.89 Mt二氧化碳排放量，如表4所示。

此外，全年风电及光伏发电量占总能耗的7%至23%，能源需求总量预测为31.45 TW·h，其中风光可提供4.34 TW·h，占总量的13.8%。将生物质纳入考虑，根据上述线性预测2035年扬州地区生物质发电总装机容量可达250 MW以上，能提供16.85亿kW·h电力，综上可测算出保守型场景中可再生能源可提供19.14%的总电力需求。

2.2 政策型场景

保守型场景的构建是基于可再生能源保守预测情况下的装机量、发电量增长模式，为探索政策导向对发展建设过程的影响，构建主要以政府规划为主要参考的政策指向型场景。扬州可再生能十三五规划中设定的目标：2025年风电装机2 141.8 MW，光伏装机4 487 MW，进行计算得到图2所示结果。

表4 保守型场景计算数据汇总

图2 政策型场景下目标年模拟结果Fig.2 Simulation results of target year in policy-guided scenario

相较于保守型场景，从图2可以看出，可再生能源占比明显上升，折线趋势有所变化，但整体仍是五至七月处于高峰。其次，在全年最大电力小时需求量、最小需求量和平均每小时电力需求保持不变的情况下，风光可提供发电量的最大值为6 271 MW·h，平均每小时供能量约为1 019 MW·h，该场景下约可产生45.05 Mt二氧化碳排放量，全年风电及光伏发电占比上升到13%至50%。全年能源需求总量为31.45 TW·h，其中风光可提供8.95 TW·h，约占总量的28.5%。同样将生物质发电纳入考虑，由于基于线性增长计算得出的生物质容量预测值与政府规划数值较为接近，因此仍采用预测值作为本场景生物质输入，即假设2035年生物质发电约16.85亿kW·h，政策型场景中可再生能源约可提供33.8%的总电力消耗，如表5所示。

表5 政策型场景计算数据汇总

2.3 储能型场景

由于风光发电具有间歇性所带来的不稳定性，实际生产中发电能力受外在因素影响较大，为避免给电网带来的冲击及威胁，部分发电并不上网，弃风弃光现象较为普遍。储能设备具有如下优点：一方面储能设备可接纳可再生能源电力的不稳定性，保证电网安全的同时高效利用电能；另一方面，储能电站的建立与应用也将缓和地区用电、各时段用电不均匀问题，实现电力时间空间的合理分配。基于上述考虑，在保守型场景基础上加入储能设备，构建了储能型场景。表6中列出了目前扬州地区在建的储能项目及规模。

表6 扬州储能项目建设规划

保守型场景中全年风光发电分布与社会用电需求分布并不完全相符(图1)，加入储能调节后，可将风光发电高峰月的产能取部分储能用于社会电力需求较大的时间段，从而使得各月可再生能源供能分配更加合理。对于电网侧储能，江苏地区以至于全国范围内都在近两年才开始广泛地开展研究及项目建设。结合表6数据，可将2035年扬州地区储能设备容量设为100～150 MW。

选取100 MW、125 MW、150 MW储能容量进行场景模拟，结果如图3所示。各月可再生能源供能占比由保守型场景的6%～31%调高至9%～27%后，供能明显趋于平稳，实现了较低程度分时段间的能源调节，且储能设备的调节作用将随着储能能力提高而更加显著。

图3 不同储能容量场景下目标年模拟结果Fig.3 Simulation results of target year in different energy storage capacity scenarios

3 计算结果分析

以保守型场景作为参考基准，将政策型、储能型场景与之进行比较，分析讨论其优缺点及实际可行性。

(1)政策型场景与保守型场景的区别主要在于可再生能源投入量的多少。从表7可看出，政策型场景的优势在于高比例的可再生能源供能，以及可再生能源比例提高后带来的碳排放下降。相对于保守型场景，政策型场景风光供能提高了106.2%，碳排放下降了3.9%，包含风、光、生物质的可再生能源占比更是高达33.8%，高出政府规划的2030年20%非化石能源占比指标近14%。从实际建设来看，十三五期间计划实施风光项目处于滞后状态，到2018年中旬，扬州地区风电并网装机规模仅为2020规划值的15%不到，而光伏装机容量也仅为规划值的25%不到。鉴于风电、光伏项目都需要一定建设周期，短时间内大幅度增加风光装机容量并不实际。因此相对于保守型场景，虽然政策型场景可再生能源比例有较大提高，但实际建设过于激进，可行性不高。

表7 保守型与政策型对比

Tab.7 Comparison of outputs in conservative and policy-guided scenarios

电力需求/TW·h风光供能TW·h可再生能源占比/%碳排放/Mt保守型场景31.454.3419.1446.89政策型场景31.458.9533.845.05

(2)对于储能型场景，与保守型场景的可再生能源输入相同，其区别主要在于储能场景加入储能设备，实现了电网侧储能。随着可再生能源在能源系统中比例增加，其发出的电力固有的间歇性及波动性会对电网的安全与稳定造成一定威胁；另一方面风、光等发电形式受气候、地形等外在因素影响较大，不具备煤电等灵活可控的发电属性，而储能设备的投入既可以接纳新能源发电的不稳定性，又能对区域、时域内电力供需不平衡进行调节。但由于储能与保守型场景输入相同，虽然较保守的容量增加可确保实际项目稳定建设，但两者可再生能源占比均为19.14%，较2030年非化石能源20%占比预计目标低了约1%。

(3)根据江苏省发改委2019风电、光伏建设规划，未来将着重于提升风光消纳能力、稳妥推进已纳入规划且核准的存量风光项目建设、鼓励分散式风电建设，以及积极推进平价上网政策等工作。跟随该政策引导，未来风光产业将得到更健康稳定的发展。其中，新推行的平价上网政策，从2019年初国家下达通知到各地区纷纷响应，主要内容为在全国范围内逐步推进落实平价政策，对无补贴风光项目严格落实优先上网和全额保障性收购，这可为风光建设提供可观的市场增量，能够促进风光项目高质量发展并大大提高市场竞争力。目前我省平价政策仍处于试点推行阶段，但对于风光等新能源产业，平价阶段是由竞价至低价上网的关键过渡期，是推动绿电在全国范围内消纳利用的重点，平价政策的推行必将利好未来风光等新能源产业发展。对于初期为推行平价政策发布的优先上网等鼓励支持措施，也将推动风光存量项目无补转型优先建设以及风光新建增量项目。

综上，为保证项目的正常实施建设，且能在目标年份达到政府规划的可再生能源占比，可在保守型场景输入数据的基础上，根据项目实际进展及政策走向适量增加风、光装机容量，即对保守型场景进行优化。表8所示为在保守型数据基础上增加风电8.9%、光伏2.2%容量，即可实现可再生能源占比提高1.07%，达到2030年非化石20%占比要求。

表8 保守优化型场景数据情况

4 结 论

随着社会经济发展，低碳节能将在未来区域能源建设中愈发被重视。扬州作为国内宜居城市之一，拥有较好的可再生能源基础及发展潜力。本文以风电、光伏、生物质发电为主要可再生能源，构建了面向2035年的未来可再生能源应用的三种场景：保守型、政策型和储能型，通过EnergyPLAN模型对扬州市未来可再生能源发展情景进行了分析，得出以下结论：

(1)根据《扬州市“十三五”可再生能源发展规划》实现2020年、2030年非化石能源分别占一次能源消费比重15%和20%的目标。保守型及储能型场景可再生能源占比约为19.14%，略低于政府规划2030目标；政策型场景可再生能源在总能耗中占比高达33.8%，超出2030年目标10%以上。总体与政府规划目标差距不大。

(2)在能源系统中加入储能成分，可使社会全年可再生能源发电得到更合理、均衡的利用，更切合电力实际需求。此外，储能设备的加入也可较好地解决各类新能源并网时对传统电网的冲击问题，能够大幅度降低弃风、弃电率，实现更高效的能源利用。

(3)综合考虑，未来扬州风电、光伏、生物质发电建设可以保守型数据为基础，以保证可再生能源开发利用的稳健性。在此基点上，为尽量实现政府非化石能源占比规划目标，可适量加大开发力度。期间可根据实际项目建设情况，对政府规划的可再生能源各自阶段性装机容量等数值进行调整，从而保证项目完整的建设周期及经济性、可靠性。