配额制背景下风电产业链系统模拟研究

董福贵，夏美娟，李婉莹

(华北电力大学 经济与管理学院，北京 102206)

0 引 言

传统化石能源严重污染环境，近几年中国通过政策制定不断调整能源结构，促进新能源产业发展，其中风电产业在此期间获得较快发展，但同时也面临着政府补贴缺口较大、弃风率高等问题。为解决风电在内的可再生能源消纳问题，2019年5月，中国发布《关于建立健全可再生能源电力消纳保障机制的通知》，标志着中国可再生能源正式由固定电价制度转变成为配额制[1]。

国内外学者对风电产业链或是配额制对电力行业的影响都做过一定的研究。关于风电产业链，刘吉成等[2-3]利用解释结构模型对风电产业价值链驱动因素进行分析并利用系统动力学对风电产业链的增值趋势进行了探讨。Bamooeifard A[4]分析了伊朗的风电产业，评估了风电在能源组合中的发展过程。桑爱博[5]对风电产业的发展态势进行仿真模拟，并对政策进行预测。乌云娜等[6]分析了影响中国风电发展的关键因素，构建新的风电产业链模型。赵振宇等[7]识别出影响风电产业链的关键因素，解释结构模型并加以分析。李存斌等[8]对风电产业链进行研究分析，找出影响其柔性水平的关键因素。而系统动力学方法在相关领域的应用也十分广泛，王占永等[9]利用系统动力学方法探究我国核电产业链可持续发展影响因素。冯婧[10]等构建仿真模型对新兴绿色产业链价值增值进行仿真预测，对新兴绿色产业链价值增值的影响因素进行分析。关于可再生能源配额制，赵新刚等[11-12]对配额制对中国电力行业的影响机理及实施效果进行了仿真模拟和情景分析。蒋轶澄等[13]对可再生能源配额制的机制设计和其对电力市场的影响进行分析。张翔等[14]设计了适应配额制的电力市场体系，提出了基于曲线的可再生能源交易实施方式。王辉等[15]考虑配额制对电力市场的影响，建立电力市场各交易主体最优决策模型。

以上研究主要集中在产业链的分析与构建以及政策对电力市场的影响,而在配额制背景下对风电产业链的研究并不多见，因此该文利用系统动力学方法，通过分析风电产业价值链供给和需求子系统的因果关系，绘制风电产业系统动力学流图，建立风电产业系统动力学模型，并利用模型进行仿真模拟以及灵敏性分析。

1 风电产业价值链识别与分析

1.1 风电产业价值链

风电产业价值链主要由上游的风电设备制造商、中游的风力发电企业、下游的客户以及外部支持者构成。上游的风电设备制造商包括风电设备原材料供应商、风电零部件制造商和风机整机制造商。中游主要包括风力发电的投资、建设、运营企业，统称为风力发电企业。下游的客户主要包括电网公司和一些其他用电客户。外部支持者是指在风电设备研发、风电厂建设和风力上网环节等对风电产业链予以支持的资金支持者或政策支持者。具体风电产业价值链关系如图 1所示。

图1 风电产业价值链Fig.1 Wind power industry value chain

1.2 风电产业价值链驱动因素分析

风电产业价值链的驱动因素可以从地理位置、横向规模经济、纵向一体化程度、技术效率、生产效率、客户资源、政策引导7个方面进行分析。地理位置不同决定了资源、运输、劳动力、税收等不同，因此地理因素相对于风电企业是一项较为重要的驱动因素；横向规模决定成本，纵向一体化程度决定产业价值链的复杂程度；客户资源直接影响到风电的消纳；国家政策决定了风电发展的大环境，近几年国家相继出台多项扶持政策推动风电产业发展，政策引导是一项强有力的驱动因素。

2 风电产业链系统动力学模型

2.1 风电产业价值链演化因果分析

2.1.1 风电需求子系统

风电需求量受用电总需求和风电需求比例的影响，可再生能源消纳责任权重下，风电需求比例会不断提高。电力需求主要来自两方面：一是经济发展对电力的需求，即生产所需电量；二是居民生活的电力需求[16]。生产所需用电量的提高会增加生产用电电价，基于经济学原理会进一步降低单位产值所需电力，从而引起生产所需用电量的下降，形成一个相互关联的负反馈系统；生活所需用电量的提高会增加生活用电电价，进一步降低人均用电量，从而引起生活所需用电量的下降，形成一个相互关联的负反馈系统。除此之外，生产所需电量还受到经济发展的直接影响，以及生产技术水平和生产电价政策调整的间接影响；生活所需电价还受到社会总人口的直接影响，以及居民消费水平和居民电价政策调整的间接影响，如图2所示。

图2 需求子系统因果关系图Fig.2 Demand subsystem causality diagram

2.1.2 风电供给子系统

从整个风电价值链的角度来看，风力发电企业起着连接上游和下游的重要作用。可再生能源消纳责任权重的确定，将在一定程度上鼓励风电企业投资。在风电厂的建设过程中风电设备及安装工程将会占到总投资的70%左右，风电机组占总投资的47%左右，因此，风电企业投资将会拉动上游的风电整机企业、风电零部件企业和风电原材料企业的利润增值，同时，增加风电并网装机量，提升下游电网的风电供应能力。风电需求规模的提高，将会降低整个供应链的生产成本，若要保证整个供应链的持续健康发展，生产成本是核心，技术水平是关键驱动因素。与此同时，标杆电价不断下调也在鞭策着风电产业的生产和科技进步，从而降低风电成本，如图3所示。

图3 供给子系统因果关系图Fig.3 Supply subsystem causality diagram

2.2 风电产业系统动力学流图

根据前文的系统因果分析可知,系统模型分为需求和供给两大子系统。需求子系统包括两个方面：一是来自经济发展的电力需求；二是来自居民生活的电力需求。两个需求方面可以通过GDP和社会总人口因素对其影响的相互关系来反映风电产业的需求子系统。在供给子系统中，支持风电供给能力的因素是考虑的重点。这其中包括关系到风电供给能力的资源、政策、资金、技术等多个因素。技术水平主要从原材料生产水平、零部件制造水平、风电整机制造水平和发电水平几个方面来考虑。根据图2和图3画出需求子系统流图和供给子系统流图，并利用供需关系将系统连接起来，形成总体系统模型流图，如图4所示。

图4 风电产业系统动力学流图Fig.4 System dynamics flow diagram of wind power industry

2.3 系统变量及方程

2.3.1 系统变量

在因果关系图定性分析的基础上确定风电产业系统动力学流图，其中包含9个状态变量、10个速率变量、23个辅助变量及19个参数，具体变量及参数如表1所示。

表1 风电产业系统动力学模型变量及参数汇总Table 1 Summary of system dynamics model variables and parameters for the wind power industry

续表

2.3.2 系统基本方程

利用系统建模软件Vensim进行系统模拟。涉及的基本方程包含状态变量方程、速率计算方程、辅助方程。依据实际数据的计算处理，不断对参数进行修正，使模型行为更加稳定，基本方程如下:系数K1～K15需根据具体实例进行设置。

1)状态变量方程

S1t=INTEG(R1t，初始GDP)

S2t=INTEG(R2t-R3t，初始人口)

S3t=INTEG(R4t，初始值)

S4t=INTEG(R5t，初始值)

S5t=INTEG(R6t，初始值)

S6t=INTEG(R7t，初始装机容量)

S7t=INTEG(R8t，初始并网容量)

S8t=INTEG(R9t，初始值)

S9t=INTEG(R10t，初始值)

2)速率计算方程

R1t=S1t-1×P1t

R4t=A12t×(P8t-A11t)

R5t=A14t×(P10t-A13t)

R6t=A16t×(P12t-A15t)

R7t=0.65×A16t+0.35×A16t-1

R8t=R7t

R9t=K1×A18t×(A20t-A21t+P16t)+(1-K1)×A18t×(A20t-A21t+P17t)+P15t×(600-A21t)

R10t=(A23t×A22t-A18t×A20t)/10

3)辅助方程

A2t=A1t×S1t

A1t=K1/(P3t×A3t)

A3t= INTEG(P2t，初始生产电价)

A4t=S2t×A6t

A6t=K2×P4t/A5t

A5t=INTEG(P5t，初始生活电价)

A9t=A8t×A7t

A10t=A9t-A7t-1

A8t=K3×P6t

A7t=A4t+A2t

A11t=K4/P7t

A12t=K5×A14t/P8t

A13t=K6×P8t/P9t

A14t=K7×A16t/P10t

A15t=K8×P10t/P11t

A16t=K9×A17t/P12t

A17t=K10×P13t×(1+P6t)×A10t

A18t=S7t×A19t/1 000

A19=初始利用小时数×(1+K12×P6t+K13×A20t)

A20t=P14t

A21t=P19+K14×P12/P18t

A23t=K15×A18t

A22t=(At×A3t+A4t×A5t)/(A2t+A4t)

3 仿真分析

以某地区为例采用上述系统动力学模型进行仿真分析。主要状态方程涉及的初始值设定如下：初始GDP为23 510.5亿元，初始人口为4 359万人，装机容量初始值为7 607.4 MW，累计利润初始值为0万元。风电产业是该地区新能源发电代表产业，在“十三五”期间风电发展取得了一定的成绩。基于该地区现阶段的实际情况，以可再生能源消纳责任权重政策为驱动因素，利用风电产业系统动力学模型，对该地区L省2021～2030年期间的风电产业发展进行模拟。选择2017年的数据为初始数据进行模拟仿真，对2018～2020年数据进行过渡检验。所有变量、参数值均来源于国家能源局、该地区电网规划部、相关权威机构风电产业报告。预测模拟结果均基于Vensim软件。

3.1 模拟结果分析

L省可再生能源绝大部分来源于风电，风电约占非水可再生能源的80%，以此作为风电消纳要求进行模拟研究。对国家能源政策演变进行模拟，基础情景(以Wind命名)可再生能源消纳责任权重演变设置如下，见表2。

表2 可再生能源消纳责任权重模拟设置Table 2 Simulation setting of renewable energy consumption responsibility weight

根据2017年的初始值进行风电产业发展的系统动力学模拟，得到2018～2030年的风电装机容量的总体趋势如图5所示。

图5 L省2018～2030年的风电装机容量Fig.5 Installed wind power capacity in Province L, 2018～2030

从图5可以看出，在2018～2020年政策初落地期间，装机容量逐年提升，效果较为明显，2023年为阶段性增长高峰。2024～2027年新增装机量放缓，2025年累计装机总量达到14 824.2 MW。2028年后新增装机容量快速提升，到2030年累计装机总量达到21 611.3 MW。

图6为风电产业链上游企业的盈利情况，随着风电需求的不断增加，风电原材料企业的利润相对增长较慢，在2023年年利润会达到阶段性峰值，2024～2027年利润较2023年缩减，2028年后利润继续增长。风电整机企业和风电零部件企业的年利润在2022～2023年利润相对降低，之后逐年增加。

图6 L省风电产业链上游企业盈利情况Fig.6 Profitability of upstream enterprises in the wind power industry chain in province L

图7为风电产业链中游企业的盈利情况，在风电补贴及时兑现的情况下，风电企业的利润较为可观，虽然单位电量利润被压缩较多，但风电需求增长较快。此外，风电机组的平均利用小时数将会逐年提高，弃风现象将会得到改善。

图7 L省风电产业链中游企业盈利情况Fig.7 Profitability of midstream enterprises in the wind power industry chain in province L

图8为风电产业链下游企业的盈利情况，下游电网企业是产业链中利润最高的，但随着风电上网电量的逐年提高，电网的安全受到挑战，电网企业需要大量投资电网建设，以支持电力的灵活调度。

图8 L省风电产业链下游企业盈利情况Fig.8 Profitability of downstream enterprises in the wind power industry chain in province L

3.2 灵敏度分析

3.2.1 政策分析

在保持其他参数不变的情况下，调整可再生能源消纳责任权重，模拟以不同速度提高配额的情况，具体假设配额值见表3。

表3 政策模拟情景设置Table 3 Policy simulation scenario setting

由表3可知，Wind情景为中速发展情景，到2030年非可再生能源权重为19%；Wind-P1为超低速发展情景，2020年后非可再生能源权重年增长量为0.25%，到2030年权重为15%；Wind-P2为低速发展情景，2020年后非可再生能源权重年增长量为0.5%，到2030年权重为17.5%；Wind-P3为低-高发展情景，2020～2025年非可再生能源权重年增长量为0.5%，2026～2030年非可再生能源权重年增长量为1%，到2030年权重为20%；Wind-P4为高-低发展情景，2021～2027年非可再生能源权重年增长量为1%，2028～2030年非可再生能源权重年增长量为0.5%，到2030年权重为21%。

图9为5种情景下风电新增装机的变化情况，Wind情景下，2023年年新增风电装机达到较高水平，之后骤减，2026年开始逐渐增加，到2030年，年新增装机达到1 683.6 MW。Wind-P1情景下，2020年后年新增装机有所下降，2020年下降为最低水平，之后逐年增加， 2030年新增装机为1 088.5 MW。Wind-P2情景下，新增装机量逐年加速增加，到2030年，新增装机量达到1 586.0 MW。Wind-P3情景下，2025年之前，新增装机与Wind-P2情景相同，2025后加速增加，2028后Wind-P3情景成为5种情境中装机增加最快的情景。Wind-P4情景下，新增装机在2027年达到峰值2 033.9 MW。

图9 政策变化的风电新增装机对比图Fig.9 Comparison of new wind power installations with policy changes

根据图10可知，当可再生能源权重演变发展变化时，风电装机也会随之变化。到2025年，Wind情景的累计装机容量为14 824.2 MW，Wind-P1情景的累计装机容量为12 411.6 MW，Wind-P2情景的累计装机容量为13 320.8 MW，Wind-P3情景的累计装机容量为13 320.8 MW，Wind-P4情景的累计装机容量为15 168.1 MW。到2030年，Wind情景的累计装机容量为21 611.3 MW，Wind-P1情景的累计装机容量为16 887.2 MW，Wind-P2情景的累计装机容量为19 696.1 MW，Wind-P3情景的累计装机容量为22 203.3 MW，Wind-P4情景的累计装机容量为24 319.7 MW。

图10 政策变化的风电累计装机对比图Fig.10 Comparison of cumulative installed wind power with policy changes

3.2.2 经济分析

保证其他参数不变，调整GDP增长率，模拟经济增长增速不同的情况，Wind-E1为经济增递情景，具体增长率如表4所示。

表4 经济增速情景设置Table 4 Economic growth rate scenario settings

根据图11可知，经济增长会拉动风电需求的增长，从而增加风电企业的投资，继而增加风电新增装机容量。年新增装机的最大偏差为2028年的114.3 MW，到2030年与基础情景的装机累计量相差469.5 MW。

图11 经济变化的风电新增装机对比图Fig.11 Comparison of new wind power installations with economic changes

3.2.3 技术分析

在风电零部件和风电整机的制造过程中，年技术水平提升20%，在价格不变的情况下，上游企业的利润将会提升。

如图12、图13所示，Wind-T1为技术提升情景，由技术提升带来的利润提高效果逐年增加，到2030年，零部件制造企业累计增加62 783万元的经济收入，整机企业累计增加83 946万元的经济收入。

图12 风电零部件企业累计利润对比图Fig.12 Comparison of cumulative profits of wind power component companies

图13 风电整机企业累计利润对比图Fig.13 Comparison of cumulative profits of wind turbine companies

4 结 语

1)可再生能源配额制能够有效促进风电装机容量的提升，在中速发展模式下，风电装机容量的增长将分为三个阶段，2020～2023年装机容量增长较为迅速，2024～2027年增速放缓，而2028～2030年又将以较高速度增长。

2)由于装机容量稳步增加，风电产业链上游企业盈利随之增加，其中风电原材料企业的利润增长较为缓慢；风电产业链中游企业利润虽然受到压缩，但由于风电需求增加较快，风电企业的利润仍较为可观；下游供电企业利润最高且持续稳定增长。

3)责任权重设定值可以影响风电产业的发展水平，经过仿真模拟，得出配额制先较慢增加后较快增加的情境下，对风电装机的拉动最大。配额制持续以较快速度增加反而会出现后期发展动力不足的情况。

4)经济增长会拉动风电产业的发展，增加风电的装机总量；技术水平的提高会使得由技术提升带来的利润增加，其中风电产业链上游企业利润增加较多。