摘要：通过分析电力供需、CO2排放限额值和能源供应与经济目标值的联动效应,构建CCER和NEM等碳减排机制下系统成本最优化的规划模型,并在不可规避的风险条件下寻求系统最优成本与CO2排放量的制衡点.结果表明:在碳减排机制下,燃煤电厂、燃油电厂、生物质电厂、风电和水电的扩建容量分别200、200、100、450和300MW,CO2总排放量为[208.15,275.38]×106t,燃煤和燃油电厂排放的CO2量占总排放量的[82.8%,87.9%].此外,CCER机制和NEM机制能精确挖掘出多电源类型的CO2排放潜力,在CCER机制下,各规划期内CO2减排量分别为[5.83,6.12]×106t、[8.95,9.78]×106t和[11.57,14.22]×106t,NEM机制能有效促进源端清洁能源的发展和扩建.碳减排机制有利于实现“高碳化”向“低碳化”发展的目标,便于决策者制定“能源-经济-环境”三位一体化的最佳方案.
关键词：温室气体减排方法学；多电源；CO2排放限额值；碳减排机制
“十三五”规划提出提高煤炭洗选率、节能促减排、循环利用等10项明确、具体的、可衡量、可落实、可监督,有实际效果的碳减排措施;此外,针对《巴黎协定》在2020～2030年的阶段性碳减排目标,中国必须加快推进碳减排机制建设,尽快建成系统完善的碳减排长效机制[1-3].
目前,碳减排的减排措施有碳排放权配额发放、碳交易和CDM机制,然而,碳排放权配额发放在一定程度上打击过去那些采取积极减排措施的企业,如:生物质电厂、安装碳捕集的燃煤电厂,有悖于“谁污染、谁治理”的原则;碳交易虽然能避免碳排放权配额发放的缺陷,但同时也存在不公平竞争的隐患,CDM 机制虽是国际公认的碳减排机制,但会给发展中国家带来一定的不确定性和风险,尤其对于快速发展的中国更为凸显[4-6].因此,鉴于现有的碳排放权配额的发放方式和碳交易机制的缺陷,如何对高能耗高排放源的多电源区域实施有效的碳减排措施将是源端面临的一道壁垒.
对此,国内外学者对 CO2减排进行了深入的研究,如:申杨硕[7]根据我国发电侧的电源结构布局分析了发电侧的污染物排放情况,构建了发电侧 CO2减排优化分析模型,从而挖掘我国发电结构与 CO2排放之间的关系,并为 CO2减排措施的制定提供支持;顾佰和等[8]基于终端电力消费、火力发电效率、线损等因素构建了自底向上的电力行业 CO2排放核算模型,并利用情景分析方法和对数平均权重分解法对电力行业CO2减排影响因素的贡献度进行归因分析;叶敏华等[9]研究跨区电力传输将改变我国未来各区域能源使用、大气污染物排放、温室气体排放等发展路径并提供相应的节能减排政策;毛显强等[10]构建了大气污染物协同减排当量指标,并对技术减排和结构减排措施进行成本-效果评价和敏感性分析,实现电力行业大气污染物和温室气体的协同减排;李薇等[11]基于碳排放许可值、CO2减排技术与成本等约束参数构建碳交易机制的区间两阶段不确定随机规划模型,寻求系统净收益与 CO2排放许可的平衡点;Chen等[12]开发了区间随机优化模型(RISO)并利用模型进行区域间发电量的优化调配;叶斌等[13]基于深圳市现状研究的基础上开发出电源结构低碳优化模型,并利用该模型测算深圳电力系统资源最优配置下的碳减排成本.因此,基于多电源区域发电方式的多样性和不确定性、碳减排技术的复杂性及碳减排政策的强制性,本文利用温室气体方法学和区间参数规划方法构建温室气体方法学下多电源区域的碳减排优化模型,并根据“十三五”规划的CO2排放强度下降40%～45%的减排目标和《巴黎协定》中2020～2030年的阶段性碳减排目标,设置不同规划期内电力需求和能源供应量,通过模型优化的结果调整相应区域的能源结构,同时也有助于碳减排机制的发展,从而加快实现推进市场化节能、碳减排目标.
1 模型的构建
在考虑多电源区域的目标发电量、能源供应、新能源发展(NEM)机制项目运行成本、CCER自愿减排技术成本等不确定参数的基础上,构建以多电源区域系统成本最小化为目标函数的碳减排模型,通过Lingo软件计算出稳定且可行的决策变量解,寻求系统最小成本与CO2排放量的平衡点,解析能源结构与碳减排机制间的密切程度,从而为相应的决策者提供最优的碳减排方案[14-16].在该模型中,约束条件有:CO2排放总量控制、不同时期的能源供应量、电力需求及新增机组容量成本等参数约束,这些约束参数均以区间参数表示.
本模型研究多类型发电方式下温室气体方法学的碳减排机制,由于碳减排机制的引入将推动清洁能源的利用和CO2减排技术的发展,间接影响传统能源结构比例的再调整与再分配[17],在电力供需、资源禀赋和 CO2排放限额值等不可规避的风险下,决策者需要根据温室气体方法学下多电源区域的碳减排优化模型制定“能源-经济-环境”三位一体的最优方案.基于此,本文的构建模型如下:
式中:i代表资源(i=1为煤炭、i=2为石油、i=3为生物质);k代表规划期(k=1,2,3);规划期从2016～2025年共9a,每3a为一个规划期;ENik±为第k时期资源 i的购买成本,103元/TJ;ESik±为k时期i资源供应量,103/TJ;j代表发电技术(j=1为燃煤发电,j=2为燃油发电,j=3为生物质发电,j=4为风力发电,j=5为水力发电);n代表多电源类型(n=1为燃煤电厂,n=2为燃油电厂,n=3为生物质电厂,n=4为风力发电厂,n=5为水力发电厂);r代表碳减排机制(r=1为CDM机制、r=2为CCER机制);PMjk±为 k时期发电技术 j的固定运行成本,103元/GW;PCikn±为k时期发电技术j电厂n的剩余容量,GW;VMik±为k时期发电技术j的新增容量的可变运行成本,103元/GW;EGikn±为k时期发电技术j电厂n的发电量,103GW;PRMkr±为k时期碳排放机制的固定运行成本,103元/GW; ICknr±为k时期电厂n启动NEM机制的初始容量,GW;VRMkr±为k时期中新增的碳减排机制的可变运行成本,103元/GW;ERknr±为k时期电厂n启动 NEM机制的发电量,103GW;PRNMk±为不启动新增碳减排机制的固定成本,106元;BYRk±为 k时期对于高能耗高排放源的电厂是否启动NEM机制的二元变量;VRNMk±为k时期不启动新增碳减排机制的可变成本,106元/GW;RCk±为k时期对高能耗高排放源的电厂不启动碳减排机制的新增容量,GW;PNNMkr±为 k时期新建CCER机制的固定投资成本,106元;BYNknr±为 k时期是否进行CCER机制的二元变量;VNNMkr±为 k时期 CCER机制的可变投资成本,106元/ GW;NCknr±为k时期中对电厂n启动CCER机制的新建容量,GW; kEM±为k时期售电价格106元/ GW⋅h;EFk±为k时期上网电量,103GW⋅h;MRCDik±为 k时期发电技术 j的 CO2减排成本,103元/ GW⋅h;LECDikn±为k时期发电技术j电厂n的CO2最大排放量,t/GW⋅h;ERCDikn±为k时期发电技术j电厂n的CO2减排效率,%;MECDik±为k时期发电技术j的CO2排放成本,103元/t;SCDik±为k时期发电技术 j的 CO2减排补贴,103元/ GW⋅h;LRCDknr±为k时期对于电厂n启动碳减排机制项目后的CO2最大排放量,t/GW⋅h;MCCDkr±为 k时期碳减排机制的 CO2排放成本,103元/t; ARCDkn±为 k时期对电厂 n启动碳减排机制的CO2减排量,103t;MRTk±为 k时期碳减排机制的交易成本,103元/t;ANCDknr±为k时期对电厂n启动NEM机制项目的CO2减排量,103t;MNTkr±为k时期NEM机制的交易成本,103元/t;RCERkn±为k时期中对电厂n启动NEM机制后获得的CO2量,103t;MRk±为k时期启动NEM机制后减排CO2价格,103元/t;NCERknr±为 k时期对电厂 n启动CCER机制的CO2减排量,103t;MNkr±为k时期启动CCER机制后减排CO2价格103元/t.
约束条件:
1.1 上网电量约束:
1.2 资源供需量约束:
1.3 CO2排放约束:
1.4 资源供应平衡约束:
1.5 碳减排机制的容量约束:
1.6 固有碳减排机制项目和扩建碳减排机制项目的容量约束:
1.7 实行碳减排机制后获得的CO2奖励价格:
1.8 非负约束:
式中:TRk±为k时期上网电量,103GW⋅h;FDik±为k时期能源i的需求量,103TJ;CDRikn±为k时期发电技术j电厂n的CO排放因子,t/(GW⋅h);CDNQ±2rkn为k时期对电厂n启动CCER机制后的CO2排放因子,t/(GW⋅h);CDPAk±为 k时期 CO2排放限量,103t;FEikn±为k时期发电技术j电厂n生产单位电量消耗的能源资源量,TJ/(GW⋅h);AWik±为 k时期发电技术j的能源资源可获得量,103TJ;ESknr±为k时期对于电厂n启动碳减排机制后的年运行小时数,h;PNRknr±为k时期对于电厂n启动碳减排机制后的厂用电率,%;URkn±为 k时期燃油电厂n的NEM机制的扩建容量上限,GW;UNknr±为k时期电厂 n启动 CCER机制的扩建容量上限,GW;BLCOk±为区域 CO2排放基准值,t/ (GW⋅h).
2 案例仿真研究
基于环保政策的强压和CO2排放基准值的减小,针对某市是否施行碳减排机制项目,对该市2016～2025年的碳减排机制项目运行成本、能源供应成本、电力外卖收益、机组运行及扩容成本进行优化分析,使其在不可规避的风险下达到系统成本最小化.现假设该市存在多种电源形式,如:燃煤电厂、燃油电厂、生物质电厂、风电和水电,并且作为 CO2的主要排放源,碳减排机制包括新能源发展机制(NEM)和自愿减排机制(CCER),分成3个规划期,每个规划期时长为3a.
本研究通过模型优化系统的成本收益来挖掘该市电力系统发电侧的碳减排潜力.在仿真案例中,各规划期内的能源资源供应量、电力需求量及其成本如表1和表2所示,CO2总排放量为[12.5,13.0]×107t、[13.8,15.3]×107t和[14.8,16.2]× 107t,化学吸收技术(CA)和碳捕集与封存技术(CCS)的碳减排效率为[0.95,1.0]和[0.80,0.90],多电源类型的污染物控制技术运行成本如表 3所示,利用温室气体减排方法学分析该市的碳减排效果,优化不同规划期内的碳减排机制,寻求能源-经济-环境的最优方案.
表1 能源供应成本(103元/TJ)
Table 1 Cost of energy supply(103元/TJ)
表2 能源资源及电力需求量
Table 2 Energy resources and power demand
表3 多电源类型的污染物控制技术运行成本(元/t)
Table 3 Operation cost of pollution control technology in multi-power areas(元/t)
3 结果分析
3.1 碳减排机制下的电源新增容量分析
通过模型优化出在不同规划期内该市多电源类型的新增机组容量如图1和图2所示.对比图1和图2发现,燃煤电厂、燃油电厂和生物质电厂采用自愿减排技术(CCER机制),而风力发电和水力发电采用新能源发展机制(NEM机制).具体而言,从图1可知,燃煤电厂在规划期内新增容量为100、200和0MW,类似的,燃油电厂和生物质电厂分别为150、100和100MW及0、100和150MW;从图2可知,风力和水力发电在规划期内新增容量分别为0、150和200MW及0、0和 200MW,进一步分析可得,自愿减排机制(CCER机制)和新能源发展机制(NEM机制)分别针对不同的CO2排放环节,如:CCER机制能控制电源末端的CO2排放,NEM机制能有效地调节电源端的能源结构,目前,自愿减排机制主要包括CS和CA碳减排技术,NEM机制主要包括抽水蓄能电站、光伏和分布式等“零碳源”的清洁电源.因此,随着电源末端的碳减排技术的日臻完善和源端清洁能源政策的激励,该市未来需加快碳减排机制的投入,快速实现“高碳化”向“低碳化”转变的目标.
图1 CCER机制下多电源的新增容量
Fig.1 New capacity of multi-power supply under CCER mechanism
图2 NEM机制下多电源的新增容量
Fig.2 New capacity of multi-power supply under NEM mechanism
3.2 电源结构及系统净成本的风险分析
鉴于NEM和CCER等碳减排机制项目的新建,该市在规划期2016～2025年内的电源结构如图3所示.通过模型的优化结果可知,该市将减缓高能耗高排放源的电源增幅速度,同时加大“零碳源”的清洁能源投入,从而逐渐缩小传统能源在能源结构中占有的比例.从图3可知,在规划期内,高能耗高排放源的燃煤和燃油电厂分别增加了100、100和0MW及100、0和100MW,相应地,“零碳源”的风电和水电增加了 0、150和300MW 及 0、150和 150MW,即:燃煤电厂在2016～2025年内新增机组容量为 200MW,同理,燃油电厂、生物质电厂、风电和水电新增机组容量为 200、100、450和 300MW.通过分析可知,在保证电力供需平衡的前提下,该市增加了“零碳源”的清洁能源的投入使用力度和范围.
图3 规划期内的多电源结构示意
Fig.3 Schematic diagram of multi power structure during the planning period
图4 不同风险值下的多电源系统成本
Fig.4 Multiple power system costs under different risk values
为了寻求最优的“能源-经济-环境”方案,决策者确保在满足资源供需、电力需求和 CO2排放限额值等约束条件下优化出系统的最优成本.一般情况下在不可规避的风险条件下,需求侧用电类型越多,风险值a越大,越易导致系统的波动性与不稳定性,进而引起电力需求和CO2排放量的不确定性,其中,风险值a表示决策者对规划期内的不确定性所承担的违约风险.图4为不同风险值下的多电源系统成本,从图中可知,系统总成本随着风险值的增加而增大,当a=0.6时,系统的总成本为[560.34,638.19]×109元,当a=1.0时,系统的总成本为[649.18,725.44]×109元.然而,进一步分析发现,系统净成本并不是随着风险值的增加而达到最优,随着CCER和CDM等碳减排机制的投入和运行,决策者在风险值 a=0.8时承担的风险最佳,此时该系统的净成本处于最优状态,主要是由于CCER和NEM机制能够有效促进 CO2排放量的减少和“零碳源”的清洁能源的投入,以致在上述模型的约束条件下获得最合理的 CO2交易量的收益和政策奖励.因此,基于资源供需、电力需求和 CO2排放限额值等约束条件下,深入分析碳减排量与经济目标值间联动效应,有利于制定最优的“能源-经济-环境”方案.
3.3 基于温室气体减排方法学下的碳减排分析
图5 不同类型电源排放的CO2占有比例
Fig.5 Share of CO2emission from different types of power supply
图6 CCER机制下CO2排放量示意
Fig.6 Schematic diagram of CO2emission under CCER mechanism
上述从能源和经济两个角度计算出该市的能源结构比例及经济成本,本节从环境角度解析该市的碳减排潜力.在规划期内,由模型计算出该市 CO2排放量为[208.15,275.38]×106t,其不同类型电源排放的CO2占有比例如图5所示.从图5可知,燃煤和燃油电厂是 CO2的主要排放源,占CO2总排放量的[82.8%,87.9%],其中,燃煤电厂占[52.7%,54.2%],燃油电厂占[30.1%,33.7%].鉴于该市不断引入碳减排机制项目,燃煤和燃油电厂的CO2排放量均减少.虽然碳减排机制占有比例较小,但 CO2减排效果显著,需要注意的是,这里的碳减排机制主要指CCER机制(CA和CS),由于本文的NEM机制主要指“零碳源”的清洁能源,无 CO2直接排放,不计在 CO2减排范围内.鉴于CCER机制具有显著的碳减排优势,利用基准线方法学绘制CCER机制下CO2排放量示意见图6.从图6看出,在CCER机制下,CO2在规划期内总减排量为[26.35,30.12]×106t,各规划期分别为[5.83,6.12]×106t、[8.95,9.78]×106t和[11.57,14.22]×106t.
4 结论
4.1 当该市采用CCER和NEM等碳减排机制时,高能耗高排放源的电厂采用CCER机制进行末端 CO2的减排处理,风电和水电宜采用 NEM机制促进源端“零碳源”的清洁能源的扩建,且不同电源类型的电厂在碳减排机制下具有不同的新增容量,如:风力和水力发电的新增容量分别为0、150和200MW及0、0和200MW,有利于其实现“高碳化”向“低碳化”发展的目标.此外,有利于研究碳减排量与经济目标值间联动效应,便于决策者制定“能源-经济-环境”三维一体的最优方案.
4.2 该市在2016～2025年的规划期内需减缓高能耗高排放源的燃煤和燃油电厂的增幅速度,加大“零碳源”的清洁能源的投入,缩小传统能源在电源结构中占有的比例.在规划期内,燃煤电厂、燃油电厂、生物质电厂、风电和水电共扩建机组容量分别为200、200、100、450和300MW,且在风险值 a=0.8时系统的净成本为最佳状态,使得系统在满足 CO2排放限额值的前提下优化最佳成本.
4.3 该市在规划期内 CO2排放量为[208.15, 275.38]×106t,同时优化出不同电源类型的CO2排放量所占总排放量的比例,其中,燃煤和燃油电厂排放的CO2量占总排放量的[82.8%,87.9%],除此以外,在各规划期内CCER机制下CO2的减排量分别为[5.83,6.12]×106t、[8.95,9.78]×106t和[11.57, 14.22]×106t.
