摘 要：區(qū)域發(fā)電結構的優(yōu)化對實現“雙碳”目標具有重要意義。該文探討同時考慮碳限額交易機制與可再生能源配額制下的區(qū)域發(fā)電結構優(yōu)化問題，以中國廣東省長期的發(fā)電規(guī)劃為例進行研究?？紤]能源政策和相關經濟參數等多種不確定因素對規(guī)劃模型的影響，將區(qū)間規(guī)劃和模糊規(guī)劃結合到優(yōu)化模型中去，構建不確定因素下考慮碳交易和綠色證書交易的區(qū)域發(fā)電結構優(yōu)化模型。結果表明，不確定優(yōu)化模型應用到區(qū)域電力生產的長期規(guī)劃中，產生有效的規(guī)劃結果，可為區(qū)域電力綠色低碳轉型提供有效的參考意見。

關鍵詞：發(fā)電結構；碳交易；綠色證書交易；不確定性；低碳

中圖分類號：TM61 文獻標志碼：A 文章編號：2095-2945（2024）28-0082-04

Abstract： The optimization of regional power generation structure is of great significance in achieving the "Double Carbon" goals. This paper discusses the optimization of regional power generation structure under both carbon cap-and-trade mechanism and Renewable Portfolio Standard， taking the long-term power generation planning of Guangdong Province， China as an example. First， a multi-objective power generation structure optimization model with minimum cost， minimum carbon emissions and maximum social welfare is constructed; then， the optimal power generation structure and carbon emission path under different scenarios are solved; finally， a comprehensive evaluation system for power green transformation is constructed， used to evaluate the green transformation effect of power. The results show that the proportion of renewable energy power generation in Guangdong Province will increase under the benchmark scenario， strict policy and loose policy scenarios， and the carbon emission intensity will decrease. The green transformation effect under the strict policy scenario is the best.

Keywords： power generation structure; carbon cap-and-trade mechanism; green certificate trading; uncertainty; low-carbon

氣候變化是一個全球化的問題，減緩氣候變化被認為是全球所有國家的共同責任。電力行業(yè)是許多國家溫室氣體排放的主要貢獻者之一，化石燃料發(fā)電引起的嚴重環(huán)境問題引起了全球的關注[1]。我國電力行業(yè)面臨著二氧化碳減排的巨大壓力，但降低CO2排放的潛力和空間也巨大。因此，電力行業(yè)的綠色轉型對國家“雙碳”目標的實現有著重要意義。政府為了提升電力行業(yè)可再生能源的競爭力，促進電力系統實現減排目標和能源結構的轉型，出臺了一系列氣候政策[2]。

隨著電力行業(yè)的改革和相關能源氣候政策的制定和實施，有學者開始考慮相關能源氣候政策背景下的區(qū)域電力結構規(guī)劃問題。Wang等[3]從發(fā)電、輸電和貿易的角度構建了RPS目標下南方五省的發(fā)電和交易策略優(yōu)化模型。李渝等[4]構建了碳交易政策下經濟成本最小，綜合效益最大的多目標優(yōu)化模型，用于區(qū)域電源結構優(yōu)化配置。Guo等[5]構建了碳限額交易下具有時空特征的多區(qū)域負荷調度模型，研究了中國電力行業(yè)發(fā)展的最優(yōu)路徑。Gitizadeh等[6]在考慮綠色證書交易政策激勵措施的基礎上，提出了一個多目標混合整數線性優(yōu)化模型，用于分析區(qū)域發(fā)電廠的發(fā)電規(guī)劃問題。Xu等[7]從政策接受度、發(fā)電成本和可再生能源比例的角度構建了多目標均衡模型，探討了廣東省不同電力用戶之間的RPS分配問題。綜上，以上文獻大多是針對單個政策下電源結構的優(yōu)化配置問題展開研究。然而，尚無文獻對碳限額交易機制和可再生能源配額制共同作用下的區(qū)域發(fā)電結構優(yōu)化問題進行研究。

針對現有研究的不足，本文在考慮碳限額交易機制和可再生能源配額制共同作用背景下，構建了區(qū)域發(fā)電結構優(yōu)化模型，并選取廣東省作為研究對象進行實證分析。本文的主要貢獻包括：①分析了碳限額交易機制和可再生能源配額制共同作用下區(qū)域電力系統的發(fā)電規(guī)劃問題；②構建了考慮經濟、環(huán)境、社會的多目標發(fā)電規(guī)劃模型；③考慮了各種能源政策和相關經濟參數等不確定因素對規(guī)劃結果的影響。

1 模型構建

1.1 目標函數

1.1.1 經濟目標

成本主要由發(fā)電成本、購電成本、碳交易成本和綠色證書交易成本構成。

，（1）

式中：T表示規(guī)劃期總時長；I表示電源種類數量；x±表示第i種電源第t年的發(fā)電量；Pg±it表示第i種電源第t年的單位發(fā)電成本；E±表示第t年的購電量；Pi±表示第t年的單位購電成本；E表示第t年的碳交易量；

表示第t年的碳交易價格；q±表示第t年的綠色證書交易量；k表示量化系數，即將可再生能源配額量化為綠色證書的數量； 表示第t年的綠色證書價格。

1.1.2 環(huán)境目標

這里僅考慮發(fā)電過程中的碳排放，且每種電源在發(fā)電過程中都會產生對應的碳排放量。

式中：eit表示第i種電源第t年的碳排放系數。

1.1.3 社會目標

， （3）

式中：CS±為消費者剩余，TP±為總利潤，TC±為外部成本。

式中：ACS表示平均消費者剩余；pt±表示第t年的銷售電價；？茁表示資源對生態(tài)環(huán)境的影響因子。

1.2 狀態(tài)方程與約束條件

1.2.1 碳交易量方程

國家每年根據各個省份的實際情況給定對應的碳排放限額，當該省的碳排放量超過給定碳限額時則需要到碳交易市場上購買超額的碳排放。

式中：e0，t表示第t年給定的單位發(fā)電的碳排放配額。

1.2.2 綠色證書交易量方程

國家根據每個省份的實際情況分配可再生能源消納目標。當該省的可再生能源消納目標未完成時則需要到綠色證書交易市場上購買超出的綠色證書。

式中： 表示第t年的電力消耗量；？琢t表示第t年該省的可再生能源配額系數。

1.2.3 電力需求約束

各種電源的總發(fā)電量之和必須要滿足當年的社會用電需求以保證人們的正常生產生活和經濟社會的發(fā)展。

1.2.4 用電負荷約束

為了確保電力系統的可靠性，電力系統的可用裝機容量應不小于最大負荷和備用容量之和。

式中： 表示第t年的最大電力負荷；r表示電力備用率；Hit±表示第i種電源第t年的年發(fā)電利用小時數。

1.2.5 購電約束

每年的購電量最大不能夠超過總用電需求的25%。

。 （11）

1.2.6 發(fā)電約束

各種電源每年的發(fā)電量都會受該電源最大可開發(fā)量的限制，在約束條件里對應每種電源的發(fā)電上限。

， （12）

式中：G表示第i種電源第t年的最大裝機容量。

1.2.7 碳排放約束

考慮到經濟目標和環(huán)境目標，因此需要設置碳排放上限來約束發(fā)電過程所產生的碳排放。

式中：Qc，t±表示第t年碳排放上限。

1.2.8 可再生能源約束

可再生能源發(fā)電量與總發(fā)電量之比必須大于或等于所設定的最低可再生能源占比目標。

式中：？茲t表示第t年可再生能源發(fā)電總量的最小占比。

2 實證研究

2.1 發(fā)電結構

圖1展示了2023—2035年規(guī)劃期內可再生能源的發(fā)電量以及占比情況，從圖中可以看出規(guī)劃期間可再生能源發(fā)電量呈現逐年增長的趨勢，可再生能源占總發(fā)電量的比例也在逐年提升，這與當地政府推行的電力行業(yè)綠色低碳轉型政策密不可分。例如，2023年可再生能源的發(fā)電總量為[1 026，１ １１６]×105 ＭＷh，占總發(fā)電量的比例為18.01%，到2025年可再生能源的發(fā)電總量為[1 245，１ 344]×105 ＭＷh，占總發(fā)電量的比例增長至19.85%，到2030年可再生能源的發(fā)電總量為[2 168，2 213]×105 ＭＷh，占總發(fā)電量的比例此時已經增長至28.26%，到2035年可再生能源的發(fā)電總量為[2 817，2 968]×105 ＭＷh，占總發(fā)電量的比例增長至34.88%。

2.2 碳排放

圖2展示了規(guī)劃期內碳排放總量的變化路徑以及碳排放的增長率變化情況，從圖中可以看出規(guī)劃期內碳排放總量先是呈增長趨勢，后面增速逐漸減慢趨于平緩，最后碳排放達到峰值后開始呈逐年下降趨勢。例如，2023年碳排放總量為[328，335] Mt，到2025年碳排放總量為[365，369] Mt，對應的碳排放年均增速為5.40%，到2030年碳排放總量為[372，373] Mt，此時的碳排放量已經達到了峰值，所對應的年均增速為0.98%，到2035年碳排放總量為[357，361] Mt，碳排放量呈下降趨勢，增長率為-0.68%。

2.3 敏感性分析

為了進一步分析價格等不確定因素對規(guī)劃結果帶來的影響，通過設置不同可能性偏好值，針對價格等不確定因素對發(fā)電結構、碳排放、成本和社會福利的影響進行了敏感性分析。4種不同可能性偏好情境下（？姿=0.9，？姿=0.７，？姿=0.５，？姿=0.３）3個階段碳排放量和平均碳強度如圖3所示。容易看出在4種不同的可能性偏好情境下各規(guī)劃期間碳排放量的差異較大，規(guī)劃期內所對應的年平均碳排放量分別為[353，３５７] Ｍt，[340，344] Ｍt，[361，365] Ｍt，[380，３85] Ｍt。由此可見，價格等不確定因素對碳排放的影響程度較高。此外，規(guī)劃期內的平均碳強度的變化差異同樣很大，表現為不同可能性偏好情景下平均碳排放強度明顯不同。然而，隨著可再生能源發(fā)電占比的增長，各個情境下平均碳強度都是呈現逐漸降低的趨勢。

3 結論

1）不確定優(yōu)化模型應用到區(qū)域電力生產的長期規(guī)劃中，產生了有效的規(guī)劃結果，為區(qū)域電力綠色低碳轉型提供了有效的參考意見。

2）考慮碳交易和綠色證書交易下電力的生產規(guī)劃，對于電力行業(yè)的綠色低碳轉型具有著重要的意義。

3）價格等不確定因素對碳排放的影響程度較高，規(guī)劃期內的平均碳強度的變化差異同樣很大，表現為不同可能性偏好情景下平均碳排放強度明顯不同。

參考文獻：

[1] LI FGN， TRUTNEVYTE E. Investment appraisal of cost-optimal and near-optimal pathways for the UK electricity sector transition to 2050[J]. Applied Energy，2017，189：89-109.

[2] ZHAO Z， CHEN Y， CHANG R. How to stimulate renewable energy power generation effectively？ - China's incentive approaches and lessons[J]. Renewable Energy，2016，92：147-156.

[3] WANG H， SU B， MU H， et al. Optimal way to achieve renewable portfolio standard policy goals from the electricity generation， transmission， and trading perspectives in southern China[J]. Energy Policy，2020，139：111319.

[4] 李渝，葉琪，檀勤良，等.考慮碳交易的電源結構多目標優(yōu)化模型研究[J].現代電力，2019，36（4）：11-16.

[5] GUO Z， CHENG R， XU Z， et al. A multi-region load dispatch model for the long-term optimum planning of China's electricity sector[J]. Applied Energy，2017，185：556-572.

[6] GITIZADEH M， KAJI M， AGHAEI J. Risk based multi-objective generation expansion planning considering renewable energy sources[J]. Energy，2013，50：74-82.

[7] XU J， YANG G， WANG F， et al. A provincial renewable portfolio standards-based distribution strategy for both power plant and user： A case study from Guangdong， China[J]. Energy Policy，2022，165：112935.