风电企业经济范文（精选8篇）
风电企业经济 第1篇
从1985 年以来,我国先后实行了“还本付息电价”、“燃运加价”、“经营期电价”等多项电价政策,2003 年《国务院办公厅关于印发电价改革方案的通知》(国办发[2003]62 号),电价改革的长期目标:在进一步改革电力体制的基础上,将电价划分为上网电价、输电价格、配电价格和终端销售电价;发电、售电价格由市场竞争形成;输电、配电价格由政府制定。同时,建立规范、透明的电价管理制度。
2005 年3 月《国家发展改革委关于印发电价改革实施办法的通知》,制定了《上网电价管理暂行办法》、《输配电价管理暂行办法》和《销售电价管理暂行办法》,常规水力发电企业及燃煤、燃油、燃气发电企业(包括热电联产电厂)、新建和现已具备条件的核电企业参与市场竞争;风电、地热等新能源和可再生能源企业暂不参与市场竞争,电量由电网企业按政府定价或招标价格优先购买,适时由政府规定供电企业售电量中新能源和可再生能源电量的比例,建立专门的竞争性新能源和可再生能源市场。
2009 年9 月国家电监会、国家发改委、国家能源局印发《关于完善电力用户与发电企业直接交易试点工作有关问题的通知》(电监市场〔2009〕20 号,2010 年云南省发改委、工信委下发《云南省电力用户与发电企业直接交易试点工作指导意见的通知》,2014 年4 月国家发展改革委批复了云南省电力用户和发电企业直接交易(直购电)试点的输配电价,参与云南直购电试点的大用户购电价格,由直接交易电价、电网输配电价和政府性基金及附加三部分构成。
2015 年4 月23 日云南省工业和信息化委员会下发《关于2015 年云南电力市场化交易结算细则的通知》,下发《2015 年云南电力市场化工作方案》、《2015 年云南电力市场化交易实施细则》和《2015 年云南电力市场交易电厂基数电量方案》。完成“三个主体,一个中心,三个市场,四种模式”的电力市场体系。“三个主体”为云南电力市场中的售电主体、购电主体、输电主体。目前在云南电力交易中心注册的购电主体共7200 余家(消费电量占比70%),售电主体57 家(发电装机4389 万千瓦,占比72%)。“一个中心”为云南电力交易中心。“三个市场”为可进行电力交易的省内市场、西电东送增量市场、清洁能源市场。“4 种模式”为云南电力市场中现有的直接交易、集中竞价交易、挂牌交易、发电权交易4 种交易模式,市场主体可根据自身的实际情况自主选择参与的市场和交易模式。
2015 年11 月10 日,云南省工业和信息化委员会下发《关于调整2015 年清洁能源交易结算方式有关事宜的通知》,2015 年11 月20 日云南省工业和信息化委员会下发《2015 年11 月和12 月风电火电清洁能源置换交易工作方案的通知》,将风电也纳入火电的发电权置换。2016年1 月12 日云南省物价局文件《云南省物价局转发国家发展改革委员会关于完善陆上风电光伏发电上网标杆电价政策文件的通知》云价价格【2016】2 号。
二、改革前经济效益分析
(一)基础数据确定
以云南某企业一个49.5 兆瓦的风力发电厂为例,分析发电权置换前该风电场的经济效益。以下数据来源于该风电场的实际数据,由于篇幅有限笔者在此不做具体分析。总投资44499 万元,风场年利用小时数2200 小时,上网电价600 小时,项目未来寿命期20 年,装机容量49.5 兆瓦,折旧年限20 年,资产残值率5%,融资占总投资的比例80%,融资利率6.55%,融资期限15 年,城建税征收率5%,教育费附加征收率3%,地方教育费附加征收率1%,水利基金占收入比率0.1%,外购电力费24.75 万元/ 年,人均工资附加比率55%,所得税税率25%,所得税免税期3 年,所得税减半期3 年,适用的增值税税率17%,初始设备投资增值税可以抵扣,增值税应纳税额减半优惠政策。
(二)调整前经济测算
依据上述已确定的该风电场基础数据,运用风电场经济测算分析软件工具,风电场进行经济效益测算结果。在盈利能力方面,项目全部投资(税前) 内部收益率10.74%,资本金(税后)内部收益率17.81%,项目在投产第五年后即可盈利,年均利润总额2191 万元,前三年净利润累计2220 万元,财务净现值大于零,总投资收益率和项目资本金净利润率满足项目盈利要求,项目投产后各年均有盈利,表明本项目财务盈利能力较强。
在财务偿债能力方面,本项目还款的资金来源为折旧和摊销前的利润,根据确定的上网电价,按等额还本付息方式进行计算,还贷年限按照15 年考虑。项目全投资(税前)回收期8 年,资本金投资(税后)回收期5 年,项目可按时还清贷款,年均已获利息保障倍数为3.48,远大于1,表明该项目偿债能力很强。
在财务生存能力分析,根据财务计划现金流量表,从项目投产年开始的各年资本金税前净现金流量均为正值,说明项目实现自身资金平衡的能力较强,具备了项目在财务上可持续的必要条件。
三、改革后经济效益分析
根据云价价格[2016]2 号文件要求云南省风电上网电价执行全国统一标杆电价政策,即:2016 年1 月1 日后,2017 年12 月31 日前核准的陆上风电按每千瓦0.6元(含税)执行,2018 年1 月1 日以后核准的陆上风电项目按0.58 元(含税)执行。
在其他基础数据不变的情况下,将电价由每千瓦0.6元降为0.58 元后,通过风电场经济测算分析软件工具,以云南某企业一个49.5 兆瓦的风力发电厂为例,对其进行经济效益测算结果比较如上表:
从以上测算结果可以看出,在盈利能力方面,电价调整后项目全部投资(税前)内部收益率降低0.58%,资本金(税后)内部收益率降低1.96%,项目在投产第7 年后才可盈利,年均利润总额降低200 万元,前三年净利润累计降低558 万元,财务净现值大于零,总投资收益率和项目资本金净利润率满足项目盈利要求,项目投产后各年均有盈利,表明本项目财务盈利能力依然较强,项目可行,但是对项目利润影响较为明显。在财务偿债能力方面,电价调整后项目全投资(税前)回收期依然是8 年,但是资本金投资回收期增加了2 年, 年均已获利息保障倍数降低0.23,但依然大于1,表明价格调整后项目偿债能力依然很强,项目可按时还清贷款,但偿债风险明显增加。
四、云南省风电企业的应对措施
根据上述分析,风电场项目对电价的变化较为敏感,一方面风电场企业要准确掌握电价改革的动态信息,对风电项目经济效益进行动态分析,及时调整投资决策;另一方面企业应该优先选择风资源较好,发电量较高的项目进行优先投资,以防范电价改革对投资项目经济效益带来的风险,保证电价降低后项目依然盈利;同时在项目投资过程中,风电企业应提高工程管理水平,缩短项目建设工期,降低工程造价,保证项目“即投产即盈利”;再次企业在运营期间应增强设备管理水平,提高设备利用率,降低管理性费用,积极与调度协调沟通,保证设计利用小时数,提高发电量。
参考文献
[1]郑金武,李晨.我国风能发展现状:风能资源丰富法规支持发力[J].科学时报,2006(4)
[2]祝贺,徐建源,等.风力发电技术发展现状及关键问题[J].华东电力,2009(2):314-316
[3]张明锋、邓凯,等.中国风电产业现状与发展[J].机电工程,2010(1):34-36
风电企业简介 第2篇
1、南京高速齿轮制造有限公司南高齿是我国机械工业核心竞争力100强之一，国内风电传动设备的龙头企业，拥有变桨、偏航和增速等主传动核心技术。企业已经拥有年产700台1兆瓦以下风电主齿轮箱的批量化生产能力；1兆瓦和1.5兆瓦的风电主齿轮箱已试制成功，2兆瓦的已研制成功，3兆瓦的已着手开发。其建设的风电齿轮箱专业生产和全闭环加载试验流水线，是目前世界上第二条高水平的风电齿轮箱生产制造线。南京高速齿轮制造有限公司是该公司在科学园建设的风电传动设备及控制设备的研发生产总部，总投资30亿元，主要产品为FD2160型风力发电机齿轮箱、1660KW风力发电机齿轮箱、825KW风力发电机齿轮箱。2009年实现产值41亿元，增幅连续三年保持在100%左右。
2、南京金风科技有限公司是国内风电行业领先的从事大型风力发电机组研究开发制造企业金风科技于2008年9月在江宁投资设立，注册资本1.16亿元，总投资2.5亿元，主要生产1.5-2MW风力发电机组和风力发电电机。计划一期建设厂房2万平方米，打造电机生产基地、电控基地、研发基地和培训基地四大功能，建成后可年成200台风电机组和1000台发电机。
3、中材科技股份有限公司是我国纤维复合材料行业唯一的集研发、产品制造与销售、成套技术与装备于一体的高新技术企业，是中国特种纤维复合材料的技术装备研发中心和中国国防工业最大的特种纤维复合材料配套研制基地，拥有完整的非金属矿物材料、玻璃纤维、玻纤复合材料产业链，引领中国特种纤维复合材料的技术发展方向。目前该公司风电叶片项目正式进入产业化运作阶段，年产风电叶片200套以上。
4、南京金腾重载齿轮箱有限公司主要生产各种高速、重载、精密齿轮箱，系列鼓形联轴器，蜗轮丝杆升降机等产品，高速重载齿轮设计制造技术力量雄厚，装备先进。2009年实现产值1.8亿元，增长84.2%。
5、南京南瑞继保工程技术有限公司主要产品：（1）RCS-900
继电保护，市场占有率40%，国际领先。（2）RCS-9000变电站自动化，占有率30%，国际先进。（3）PCS-9500直流输电控制和保护，占有率50%，国际先进。公司在继电保护、数字化变电站、直流输电控制等领域拥有完全自主知识产权的核心技术。2009年，该公司共投入6000多万元用于电厂保护及自动化、变电站综合自动化系统、电力电子、工矿企业电力系统保护及自动化等产品的研发，完成销售收入19.2亿元。
6、南京南瑞继保电气有限公司主要从事电力系统保护和控制，为全球五大继电保护生产厂商之一。在继电保护、电网安全稳定控制和高压直流控制保护等技术领域实现了重点突破和重大跨越，打破国外技术壁垒和垄断，确立了我国继电保护和稳定控制技术和产品的国际领先地位。220KV-500KV线路保护占44.26%,500KV保护39%,变压器保护35.1%,均为全国第一。2009年R&D占销售比重8.3%，实现销售收入10.1亿元。
7、国电南京自动化股份有限公司从事数字式发变组保护、变电站所自动化系统的产品研发生产。所担纲的电力自动化技术拓展和产业化项目已应用在中国首条750KV变电站自动化系统西北电网工程以及华东电网动态监测分析系统，成为行业领域的技术先锋。主要产品为电网自动化保护设备和电厂自动化保护设备，市场占有率分别为21%、10%。核心技术：（1）基于Y/△变换磁通制动、波形跟踪比较和变压器同步识别饱和判据；（2）基于序分量方向电抗器黄疸保护和基于波形跟踪比较法的差动保护；技术水平国际领先。2009年实现销售收入18.5亿元。
8、南京菲尼克斯电气有限公司、菲尼克斯亚太电气（南京）有限公司菲尼克斯电气公司主要负责销售、开拓市场；菲尼克斯亚太公司是负责产品研发。主要产品：（1）工业用重载连接装置，市场占有率40%；（2）防雷分线模块，占有率30%；（3）Interbus，占有率为20%。电子接口、电力接口领域及工业自动化技术领域世界一流，核心技术为国际先进的连接技术。2009年两公司分别实现销售收入
8.7亿元、8.1亿元。
9、江苏方天电力技术有限公司主要产品江苏火力发电技术能
耗实施监控系统、节能减排统一平台，产品技术水平国内领先，主要用于火力发电厂，江苏地区市场占有率100%，2009年销售收入3.7亿。
10、中电电气（南京）特种变压器有限公司主要产品为矿用隔爆变压器、变频器等特种专业变压器，产品主要应用在矿山、煤矿、电力电子行业，市场占有率达20%以上，技术水平达到国际先进水平。2009年实现销售收入3亿元。
11、南京四方亿能电力自动化有限公司主要产品为CSC-2000变电站自动化监控系统软件、CSGC-3000/DMS配网自动化主站系统，应用于继电保护领域，市场占有率10%，技术水平国内领先。2009年实现销售收入2.4亿元。
12、江苏帕威尔电气有限公司、江苏帕威尔置信非晶合金变压器有限公司主要生产中、高压领域的断路器、中置柜、充气柜、环网柜、GIS和非晶合金变压器等，产品参数和性能均处于国际一流、国内领先水平，七项产品获省级高新技术产品。2009年两公司分别实现销售收入16.8亿元、2.3亿元。
13、西门子电力自动化有限公司主要产品为变电站控制、远程控制、电能质量控制、电力通信、能源管理以及信息系统，电力传输通信控制系统技术国际领先。2009年实现销售收入2亿元。
14、江苏宏源电气有限责任公司主要生产非晶合金变压器，产品在江苏省市场占有率33%。2009年销售收入2.5亿元。
15、南京大陆中电科技股份有限公司煤质成分在线检测系统、电站锅炉泄露报警装置、电站锅炉飞地位，成为该领灰含炭量在线检测装置。电站智能测控处于国内技术创新的核心域的技术带头企业，基于活化技术的煤质成分在线检测系统等产品在国内居于领先水平。企业建有博士后工作站。煤质成分在线检测系统等产品市场占有率达到90%以上；电站锅炉泄露报警装置、电站锅炉飞灰含炭量在线检装置国内市场占用率在50%以上。2009年销售收入1.3亿元。
16、江苏金智科技股份有限公司国内最大的电厂设备保护装置和监控系统供应商。主要产品厂用电切装置、系统集成，国内市场占有率第一。IPACS-5000变自站综合自动化系统、FGTS-1000光纤光栅
温度在线监控系统等15项系统集成技术处国内领先。2009年销售收入2.1亿元。
17、南京科远自动化集团股份有限公司主要产品：流程工业过程自动化产品——NT6000分散控制系统，热工自动化领域全国市场占有率5%。R&D投入占销售比重6.8%。系统软件技术、控制软件技术、嵌入式控制系统技术、工业网络和现场总线技术、数据采集与处理技术、管理信息系统技术等核心技术的技术水平国内领先。2009年销售收入1.7亿元。
18、南京大全变压器有限公司主要产品：干式变压器、电力变压器、矿用隔爆变压器，国内市场占有率约为5%，产品均属于国内领先水平，部分产品的主要指标处于国际先进水平。2009年销售收入1.8亿元。
国内发展海上风电的前景和经济分析 第3篇
我国地域广阔, 风力资源丰富。据国家有关气象部门研究数据, 我国陆地上的风能资源实际可开发量为2.53亿k W, 而近海离海面10 m高的风能储量约为7.5亿k W, 海上风能资源储量达到路上资源的3倍。其中, 东南沿海及其附近岛屿是风能资源丰富地区, 有效风能密度大于或等于200 W/m2的等值线平行于海岸线;沿海岛屿有效风能密度在300 W/m2以上, 全年中风速大于或等于3 m/s的时数约为7 000~8 000 h, 大于或等于6 m/s的时数为4 000 h。
1 海上风电发展情况
最早的海上风电场于1990年安装于瑞典, 容量约300 k W。随后几年海上风电也有了较大幅度的发展, 截止2008年底, 全世界海上风电的装机容量约1 471 MW, 约占世界总风电容量的1%。据欧洲风能开发组织统计, 2008底各国在建和规划建设的海上风电多达37 441.83 MW。
目前, 世界上共有9个国家安装了约20多个海上风电项目:比利时、丹麦、芬兰、德国、爱尔兰、意大利、荷兰、瑞典和德国, 为减少建造和维护费用, 绝大多数项目安装在浅水中 (深度低于20 m) , 离岸线距离不远于20 km。图1为截止2008年底欧洲各国的海上风电装机容量。
2 海上风电的成本构成
表1描述了几个欧洲典型海上风电场的建设国家、日期、风机单机容量和总投资。从上表可以看出欧洲海上风电的造价较高, 以近2年投产的3个项目的建设成本平均来看, 单位KW造价在2 300欧元左右, 相比欧洲陆上风电1 300欧元的单位千瓦造价水平要高出约80%。
典型海上风电成本构成和分析, 如图2所示。由图3可以看出, 海上风电的基础、升压变电设备和主电缆及风机间连接电缆占建设投资相当大的部分。海上风电基础造价高的原因在于技术含量和施工难度很高, 因其在寿命期内要能承受海浪冲击、盐雾腐蚀等恶劣条件的影响。
3 以欧洲几个典型海上风电场的数据为基准对广东海上风场的经济指进行测算
假设海上风电在国内的建设成本达到欧洲目前的水平, 海上风电年利用小时数也与欧洲Borkum West风场的数据持平, 将同等装机容量的该海上风电模型与陆上风电模型 (参照上述湛江某风场) 进行数据对比分析得出如下结果, 虽然海上风电投资成本是路上风电的2.11倍 (考虑风机进口关税8%) , 但年发电量是路上风电的2.18倍。按照100%自有资金, 年折旧率按7%, 折旧期10年, 运营期20年, 年修理费率分别为5%、1%, 保险费率0.25%, 含税电价均按0.689元/k Wh (增值税率8.5%) , 所得税率减半征收, 其他边界条件均按国内风电场的一般标准计算, 则海上风电场和陆上风电场两者的平均年投资利润率分别为5.83%、5.62%。
随着海上风电机组国产化率的进一步提升, 国产海上安装平台的完善, 海上风电投资成本将会进一步下降, 同时由于风机技术和设备制造水平的提高, 抗台风能力的加强, 海上风电的运行维修费率将会明显下降, 海上风电的投资收益率将会逐渐提高。
4 海上风电下一步应解决的问题
考虑到海上风电存在的各种不确定性, 如国内大容量风机设备技术水平不高, 维护费用较高等问题, 尤其是国内沿海台风和风暴较为普遍的情况对普通海上风电的安全影响非常大, 国内相关部门和制造企业应主要如下几个方面着手, 推进海上风电的建设。
(1) 加大力度进行海上风力资源普查以及台风破坏性评估工作, 使海上风电的投资选址有据可依。
(2) 风机制造企业加快先进风机技术的引进吸收, 提高风机设备的国产化率和质量, 提高机组的可靠性、易维护性。
(3) 政府应推出一系列审批、财政补贴等支持海上风电发展的措施, 如可重点资金支持海上风机抗台风、防腐及海上施工船只开发等领域问题的研究和开发。
(4) 国家应编制专门的海上风电发展规划, 鼓励风机制造商和各发电集团进行合作, 推动海上风电科技示范项目的建设。
摘要：介绍了欧洲海上风电场的建设情况、单位造价和成本构成, 对海上风电造价昂贵的主要原因进行了简要分析, 并根据欧洲已有海上风电场的造价水平对我国发展海上风电场进行了经济分析, 指出海上风电在国内沿海地区具有一定的发展前景。
关键词：海上风电,成本,经济分析
参考文献
[1]《The Economics of Wind Energy》by EWEA, March2009
风电企业经济 第4篇
经济调度(Economic Dispatch,ED)问题考虑的目标主要是寻求在满足负荷需求的情况下使得成本最小的合理发电方式,即一种可以从可用发电机中找到最优分配的方法。在广泛使用替代能源之前,ED问题只包括传统的火电机组,这些机组需要消耗大量的不可再生能源并排放CO2,SO2和NOx等污染气体。在当前金融危机和环境日益恶化的形势下,显然急需寻找能够替代传统能源的新能源形式,而风能就是这种新能源的代表之一。但不幸的是从风电场输入的风能很难预测,使得风电机的输出电能并不能按照人们所预期的那样进行调度分配,并且风能的间歇性和随机性也会在大容量风电并网后给整个电网带来安全稳定性威胁,所以有必要研究一种含风电场的合理的经济调度节能方案。
ED问题主要包括长期经济调度和短期经济调度问题,本文主要研究含风电场的电力系统短期经济调度问题,即以一天24小时为周期,计算含风电机组的最佳机组组合安排。对于含风电场的短期调度模型,国内外研究员也做了相关的研究。Bouffard和Galiana利用期望社会成本[1]的概率函数将风电的不确定性量化为数学函数纳入到调度模型中进行优化;文献[2-3]考虑到风能是清洁能源,在调度模型中增加了环境污染指标函数,建立了多目标调度模型进行优化。本文为了反映风速不确定性对电网产生的威胁,将以风速预测结果为依据来计算风电综合成本,同时考虑到风电量的不足与盈余对经济调度的影响,在ED模型中添加了备用罚函数和盈余罚函数,建立了多随机变量的经济调度模型。与传统发电方式相比,风力发电几乎不排放任何污染性气体,所以模型中还添加了污染气体评估模型。
经济调度优化算法主要包括拉格朗日法[4]、直接搜索法[5]等传统算法和模拟退火法[6]、遗传算法[7]、粒子群法[8,9]等智能算法,本文采用了基于人工免疫系统的混沌粒子群算法(Immune Chaotic Particle Swarm Optimization,ICPSO),通过对粒子群浓度的控制使得其寻优速度和结果都得到了明显的改善。
1 含风电场的电力系统短期经济调度建模
1.1 常规发电机模型
由于风能不需要消耗化石燃料,所以在电力系统经济调度建模中只考虑常规火电机组所消耗的能源成本。同时由于风电的间歇性和随机性使得机组启停调度策略发生了改变,所以将常规机组的启停成本加入到经济调度目标函数中,目标函数如下:
式中:N为火电机组总数;T表示研究周期的小时数,在短期调度中一般以24小时为一个周期;U i(t)为机组i在t时刻的状态,U i(t)=1表示运行状态,Ui(t)=0表示停运状态;PG,i(t)为t时刻第i台发电机组的输出功率;STCi(t)为火电机组的启停成本;Fi[i]为机组i的煤耗成本,在不考虑机组的涟漪效应的情况下,采用二次函数来表示,其计算公式如下:
式中:ai,bi,ci分别为成本函数的系数。
1.2 风力发电机模型
虽然风力发电不计煤耗,但风电场的建设费用及其维护成本仍然使得风电的上网电价高于常规机组,严重阻碍了风电的发展。考虑到风速的不确定性,参照文献[10],本文将风速预测结果加入到了风电运行成本函数中,其数学模型如下:
其中:CW表示风电场的总装机容量;FW,cost为风电的发电成本电价,其值由发电厂商决定;g为风电的利用系数,即容量系数,其值是平均输出功率与额定功率之比[11],其公式如(4)所示:
其中:PW,rating是风电机的额定输出功率;PW,average是一天中每个小时的风电平均功率输出功率,是由风电机输出特性和风速概率密度乘积的积分决定的,参照Growian风力涡轮型风力发电机输出特性,其公式如(5)所示。
其中:Y(v)是为风电机输出特性,鉴于风速的线性模型更接近于实际情况,所以本文建立了含风速的隶属函数作为风机的输出特性方程,如式(6)。
其中:vi、vo、vr分别为切入风速、切出风速和额定风速;YW(v)为风速概率密度函数。本文以二维经典Weibull分布为例来计算风速概率密度函数,其计算公式如式(7)。
其中:v为风机某高度处的风速变量;k,c分别为风机某高度处的形状参数和尺度参数,在这里不考虑风机高度引起的变化,其计算公式如式(8)~(9)。
这里x为调整系数;µ为24小时风速预测结果的均值;σ为风速预测结果的方差,方差越小代表风速曲线越平稳,随机性越小,对电网的冲击也就越小。这样将风速的不确定性融入到了风电运行成本之中,对于由实际风速预测结果与Weibull分布之间偏差所产生的风险,本文不作考虑。
1.3 备用罚函数
由于风电的随机性给电网的安全稳定运行造成了威胁,所以为了保证电网的正常运行,减少切负荷概率,本文将备用成本模型加入到了经济调度模型中,从而在峰荷时段满足负荷增长的需要。当负荷需求大于供电量时,其数学模型如下:
其中:Cr为备用成本系数,根据当前市场中备用价格而定;Pload,PG分别为负荷、火电机组输出功率。
1.4 风电盈余罚函数
当前大容量电能储存仍然是国际难题之一,风电量盈余可能会引起电网资源性浪费,所以经济调度模型中加入风电盈余的罚函数,保证资源得到充分合理的利用。当负荷需求小于供电量时,数学表达式如下:
其中:Cs为风电盈余的罚因子,根据当前市场中燃料价格而定。
1.5 环境污染评估模型
风能是既不消耗燃料又不污染环境的清洁能源,相比化石燃料发电而言,其可以减少发电企业治理环境污染所投入的成本,为了在调度计算中体现出风电的优势,本文将环境因素量化为数学模型融入到电力系统短期调度模型中,使其成为评价调度策略优劣的标准之一,为了便于研究,本文并未分别考虑不同污染气体的特性,而是统一建立了非线性数学模型,其模型如下:
其中,d i,e i,fi分别为第i台常规发电机污染系数。
综合以上各因素,含风电场的短期经济调度目标函数主要由五部分组成,目标函数如下:
由于不同国家对于风能和污染物排放所采取的政策不同以及市场备用价格和市场燃料价格的波动,使得模型中各个控制参数都会发生相应的变化,从而导致式(13)中各个子模型所占的权重也发生了相应的变化。
1.6 约束条件
(1)系统有功平衡约束
式中:j=1,2,3,,M,为M台风电机组;PW,j(t)为t时刻第j台风电机组的有功出力;PC(t)为t时刻的备用大小;D(t)为t时刻的负荷值。
(2)发电机最大和最小出力约束
式中:Pmin,i和Pmax,i分别为第i台机组的有功出力上下限。
(3)常规机组最小运行和停机时间约束
式中:Xion(t)和Xioff(t)分别表示常规机组i在t时段已经连续运行和停运的时间;Tion和Tioff分别表示常规机组i的最小运行和停运时间。
(4)常规机组爬坡速率约束
式中:URi和DRi分别表示第i台常规机组有功出力的上升速率和下降速率。
2 基于人工免疫系统的混沌粒子群算法(ICPSO)
粒子群法(PSO)是一种通过观察鸟群或鱼群运动而得到的随机优化技术。在粒子群算法中,个体在多维搜索空间中通过改变个体的速度和位置来接近最优解,在每一次迭代中,他们都会有观察自己和相邻个体的适用度值,从而移向更好的位置。为了提高算法的自适应能力,本文在传统算法的基础上增加了压缩因子χ[9],并使得惯性权重随着目标函数值的改变而改变,其数学公式如下所示:
其中:ωmax代表最大惯性权重,一般为0.9;ωmin代表最小惯性权重,一般为0.4;f,favg,fmin分别代表当前适应度值,平均适应度值和最小适应度值;c1,c2为加速常数。
免疫算法能够使得系统中亲和力大而浓度小的抗体得到促进,亲和力小而浓度大的个体受到抑制,也就是说通过浓度的控制来保证个体的多样性,其选择策略如下:
其中:xi和f(x i)分别代表第i个粒子位置及其适应度值;P(x i)是每个粒子的被选概率;I代表每一代的粒子数,J代表每一代额外随机产生的粒子数,通过计算这I+J个粒子的被选概率并进行排序来筛选出进入下一代的I个粒子,形成新的种群。将免疫算法与粒子群算法相结合可以降低传统粒子群算法陷入局部最优解的概率。
3 混沌初始化
随机初始化虽然能保证初始粒子群均匀分布,但不能确保初始解的质量,所以在这里引进了混沌系统来提高求解的效率。具体过程如下:
(1)随机产生一个n维且每个分量在0∼1之间的向量u1=(u11,u12,,u1n)。
(2)根据公式ui+1j=µui,j(1-uij),得到u1，u2,uN 。
(3)将iu的各个分量映射到目标函数的取值范围:xij=Pmin,j+(Pmax,j-Pmin,j)µij,其中Pmin,j,Pmax,j分别代表第j台发电机的最小和最大出力。
4 基于ICPSO的电力系统短期经济调度仿真流程
本文将目标函数值作为粒子的适应度值,粒子群位置ix编码方式如下所示:
Pij,t表示t时段i代第j台火电机组出力,粒子的初始速度可按类似方法编码。仿真程序图如图1所示。
5 算例仿真
本仿真系统由一个风电场和十台常规机组组成,风电场中包含相同类型的风电机350台,每台风电机容量为1 MW,风速预测曲线如图2所示,其中两条曲线分别代表独立两天的风速预测结果。其中常规发电机参数和负荷预测数据分别见文献[12-13]。
其中模型参数如下:风电场总装机容量为350 MW;风电成本参数FW,cost为20$/MWh;切入风速vi、额定风速vr和切出风速vo分别为5 m/s、20 m/s、35 m/s;调整系数x为1.086;备用成本系数Cr为112$/MW;污染物系数为100$/ton;风电盈余的罚因子Cs为80/MW;ωmax和ωmin分别为0.9和0.4;加速常数c1和c2分别为1.5和2.3;种群规模N为200;迭代最大次数为1 000。
本文分别对两条风电曲线进行了仿真计算,仿真结果见表1所示。
从表1中可以看出风速曲线1比风速曲线2的方差要小,即前者的稳定性要好,其仿真的最优成本也要小。虽然风机的平均输出功率并不总是随着风速稳定性的改善而增加,但若风速稳定性的下降可能会造成备用成本或风电盈余成本的增加。例如在风速曲线2的6点位置,由于风速突然降到的4.5m/s使得风机输出为零,加之常规机组受到爬坡约束的限制而满足不了系统有功平衡约束,这样就需要增加备用来平衡系统负荷需求。
同时本文针对含风电场(风电曲线1)和不含风电场的短期经济调度分别进行了仿真分析,计算结果如表2所示。表3对应风电曲线2最优解机组出力情况。
虽然风速的随机性给系统带来了额外的风电成本,但由于风电属于清洁能源,使得含有风电场的电力系统短期调度策略中常规机组的输出及其污染成本都有所下降。本文针对含风电场和不含风电场两种情况进行了仿真试验,结果如表2所示,含风电场的经济调度策略成本比不含风电场的要小一些,其差值主要包括常规机组的煤耗和污染成本。但由于不同地区对待风力发电和污染评估指标的态度不同,使得模型中惩罚系数也有所不同,最终的调度策略也会存在一定的差异性。
为了体现ICPSO计算效率和精度的优势,本文针对ICPSO和传统PSO进行了仿真对比,其风速曲线2的仿真收敛曲线如图3所示。从仿真曲线可以看出ICPSO的收敛速度和最优解均要优于传统PSO,传统PSO在240代后陷入了局部最优解,而ICPSO已于348代求得了最优解。
6 结论
风电企业经济 第5篇
1.1 低碳、低碳经济的含义
低碳,英文为low carbon,是指较低或更低的温室气体的排放,这里的温室气体主要是以二氧化碳为主。随着全球工业经济的发展、人口的剧增以及生产生活方式的无节制,世界面临越来越严重的气候问题。二氧化碳排放量愈来愈大,地球臭氧层正遭受前所未有的危机,全球灾难性气候变化屡屡出现,已经严重危害到人类的生存环境和健康安全,即使人类曾经引以为豪的高速增长或膨胀的GDP也因为环境污染、气候变化而“大打折扣”。
低碳经济,是指在可持续发展理念指导下,通过技术创新、制度创新、产业转型、新能源开发等多种手段,尽可能地减少煤炭石油等高碳能源消耗,减少温室气体排放,达到经济社会发展与生态环境保护双赢的一种经济发展形态[1]。
发展低碳经济,一方面是为了承担环境保护的责任;另一方面是为了调整经济能源结构,提高能源利用效率,发展新兴产业,建设生态文明。发展低碳经济是摒弃以往的先污染后治理、先低端后高端、先粗放后集约的发展模式的现实途径,是实现经济发展与资源环境保护双赢的必然选择[1]。
1.2 风电在发展低碳经济中的地位和作用
低碳经济就是要求我们尽量减少高碳能源(煤炭和石油)消耗的经济,建立以低能耗、低污染、低排放为基础的经济低碳能源体。优化能源结构的一个重要手段就是发展低碳经济。低碳经济的实质是清洁能源结构和提高能源利用效率,从低碳经济的实质可以看出实现低碳经济主要有两种途径:一是调整能源结构,降低二氧化碳的排放强度;二是提高能源利用效率,降低能源的使用强度。发展电力新能源,发展新能源产业是就是发展低碳经济的第一种途径。
在各类新能源中,风能是我国发展低碳经济的最佳新能源。风能具有总储量大、可以再生、分布广泛、不需运输、对环境没有污染、不破坏生态平衡等诸多特点,风力发电是风能利用的主要形式。作为清洁能源来发展的风电与其他新能源相比具有许多优势:与核电相比,风电的建设周期短,安全性高;与水电相比,其更具开发潜力;与太阳能相比,它的成本较低,更接近传统能源;且我国风力发电技术日趋成熟,具有大规模商业开发的条件。
目前,风电已经成为欧洲大多数国家的主要新增装机来源。而对中国来说,东南沿海地区和北方平原地区风能资源非常丰富,开发利用价值很大,在国家政策的扶持下,今后二三十年内,风电有希望超过水电,成为我国的第二大电力类型,仅次于火电。
2009年5月16日,河南省风电产业技术创新战略联盟成立,这是我国第一个风电技术创新联盟。2009年7月24日,发改委发布了《关于完善风力发电上网电价政策的通知》。2009年7月25日,温总理在吉林市风电技术有限公司考察时指出:发展可再生能源和清洁能源是世界能源利用的趋势,我国具备发展风电的自然条件、经济条件、研发力量和工业基础,要进一步研究我国能源的布局和比重,制定新的能源发展总体规划,电力总装机容量必须和市场相适应,发电设备要防止产能过剩,要集中力量攻克风电并网的技术难关,保证风电制造业的可持续发展[2]。这三个标志性事件预示着我国风电产业发展的未来。
2 我国风电产业发展现状
2.1 风能资源概况
我国幅员辽阔,具有丰富的风力资源,具备良好的发展风电产业的资源基础。据统计,我国风能资源技术可开发装机容量大约有10亿千瓦。内陆可开发资源约为2.5亿千瓦,主要位于东北、西北、华北地区,但是这些地区的风电发展受到其经济发展相对滞后的制约。海上可开发风能资源约为7.5亿千瓦,主要是在东部沿海经济发达地区,这些地区具有开发风电的巨大资源潜力和良好市场条件。但是台风经常来袭我国沿海地区,风电场的建设条件与国外相比更为复杂。目前中国对于海上风电场建设经验还比较缺乏,测量与评估海上风能资源以及国产化海上风电机组才刚刚起步,还需要建立海上风电场建设技术规范体系。从各省市来看,我国风能资源丰富的省区如表一所示。
2.2 风电场及风电装机容量现状
虽然我国风能资源丰富,但是风电发展起步较晚。1986年4月我国的第一个风电场在山东荣城建立,1989年在引进国外先进的设备和技术的情况下陆续建设了多个风电场,其规模在l万千瓦以上的有内蒙辉腾锡勒、新疆达坂城、辽宁东岗、广东南澳和浙江基山等。
在风电场开发建设方面,到目前为止,我国总共建成了大约200多个风电场。风电场运行管理的技术和经验已经基本掌握,培养一大批风电场设计和施工的技术人才,为风电的大规模开发和利用奠定了良好的基础,有利于我国风电产业的发展。经过多年的努力,我国并网风电己经开始步入发展新阶段。另外,我国还形成了世界上最大的小风机产业和市场,推动了农村经济建设的开展。
我国在世界风电装机容量的排名中,2004年居第l0位,全国风电装机容量只有76.4万千瓦,2007年跃居第5位,累计风电装机容量达到605万千瓦,其中并网运行420万千瓦,年发电量57亿千瓦时,2008年总装机达到1221万千瓦,已占全球总装机的10%,新增风电装机630万千瓦,占全球新增装机的23%。在2009年总装机可能突破了2000万千瓦,连续四年增长率超过100%,我国将成为全球第三大风电国家,并有望建立起世界最大的风电市场。根据目前的情况来看,政府设立的2010年的风电发展目标已提前完成,有很大可能提前实现2020年的规划目标。
以下是我国2000-2009年风电装机容量统计数据显示(如表二)。
表二2000-2009年我国累计风电装机容量表
3 我国风电产业发展优势分析
在当下资源、经济、技术和环境的要求下发展风电是最为现实的选择。风电以其逐步降低的发电成本、日益成熟的技术、良好的社会与环境效益以及近海风电的发展,必然成为本世纪的重要能源来源。与其他电力能源产业相比,我国风电产业发展主要有以下几方面的优势:
3.1 资源优势
我国是世界上具有非常丰富风能资源的国家之一,可开发容量总量大约有10亿千瓦,居世界第二,是我国水电可开发容量的四倍,因此大规模发展风电有其资源基础。然而目前,我国风能资源已开发量还不到可开发总量的1.5%,开发力度偏低。
另外,风能资源的季节分布与水能资源的季节分布互补也是一个重要的因素。风能资源季节分布不均,夏季贫乏,春、秋和冬季是风能资源的丰富季节,而我国水能资源,夏季为丰水季,冬春两季为枯水季,北方更严重,大规模发展风电可以解决我国水电冬春两季枯水期发电的不足问题[3]。
3.2 需求优势
3.2.1 电力供需矛盾需要风电有利的补充
风电的市场需求状况,直接对风电产业的发展产生重大影响。进入21世纪以来,随着我国工业化进程的快速发展,城镇化建设的推进,我国用电需求逐步加大。
3.2.2 优化能源结构需要大力发展风电
我国的电源结构长期以来以高排放、高能耗的火电为主,从环保和资源节约出发,水电、核电和风电今后将会得到大力发展。根据国家“积极开发风电、优化发展火电、推进核电建设、大力发展可再生能源”的能源开发政策,在电力新能源中,不容置疑的我国今后电源开发的重点将是风电。
3.2.3 边远山区特殊地理位置需要发展风电
目前,对于我国没有联上电网的农村,风力发电存在着巨大的市场需求。西部大多数地区的电力需求是分散性的,因此“大机组、大电网、高电压”的供电模式难以有效解决其用电需求,而开发风电这样的分散供电系统,可以较好地满足这些地区经济发展对能源的需求。
3.3 低碳优势
在所有能源的碳排放中,煤炭最高,风电最低。风电占地面积少,碳排放低与环境兼容,几乎不消耗矿物资源和水资源。与火电相比,风电的发展除了能解决我国能源短缺外,还能降低污染改善环境。世界能源委员会的测算显示,风电每提供100万千瓦时的电量,减少600吨二氧化碳的排放。
3.4 额外融资较高的CDM项目优势
我国风力发电技术已经基本成熟,风能属可再生能源,且风力发电的低排放,新建风电场项目可以申请碳资产交易CDM的支持。2012年之前,CDM申报成功,就可获得0.05-0.12元每千瓦时的额外补偿。CDM可为风电企业带来巨大的温室气体减排的环保效益、额外于官方发展援助资金和技术转让。
4 我国风电产业发展存在的问题
从客观条件方面看,由于资源、技术等条件的限制,中国风电发展尚未进入成熟阶段。我国风电产业发展主要存在以下几方面的问题。
4.1 风电设备国产化程度低、技术对外依存度高
目前,我国风电设备制造企业由内资企业、外资企业和中外合资企业组成[4]。2004年我国累计总装机市场份额中,国内企业只占18%,进口企业竟然占到了多达82%,大部分是欧洲国家的企业。在2007年中国新增风电装机容量中,内资企业占有55.9%,外资企业占有42.5%,中外合资企业占有1.6%。
由于技术和人力资源的限制,我国风机制造水平与世界先进水平还存在着很大的差距。目前我国风电技术仍处于发展的初期,与国外相比,技术落后,产品质量低,自主创新能力低下,很多关键原材料或零部件主要依靠进口。
4.2 风电产业规模化程度低、风电比例少
尽管我国的风电产业进入扩大规模发展阶段,但与风电大国相比,还有很大的差距。2008年全球范围内新增风电装机容量2705万千瓦,全球风电装机总容量达到1.2亿千瓦,较2007年增长28.8%。我国2008年新增风电装机容量630万千瓦,新增量仅次于美国居全球第二。截至2008年底,我国风电总装机容量达到1221万千瓦,同比增长106%,总装机容量位列全球第四[5]。虽然增速很快,但是由于我们基数相对较小,只占全球风电装机容量的10%不到。我国预计2020年风电装机容量达到3000万千瓦,但这只占到国家发电装机容量的3%。
4.3 风电并网难制约风电的发展
风电并网难主要是电网消纳风电能力的问题。我国电网发展一直以来落后于电源发展,电网稳定水平不高,存在卡脖子问题。特别是在风能资源蕴藏丰富的三北和东南沿海等偏远地区,绝大部分处于电网末梢,电网建设相对来说比较薄弱。为了输送风电电力需要大规模建设电网,加强电网构架和电网改造,增强电网的输送能力。而电网改造规模大、投资高,增加了电网建设的压力[6]。
4.4 相关政策法规有待完善
4.4.1 市场竞争机制制约风电产业发展
2003年初,我国开始实施风电特许权政策。从短期来看,有利于吸引投资,降低风电上网价格;从长远来看,风电产业发展只依靠政府招标来支撑,会带来一系列的问题,并不利于风电产业的发展。
4.4.2 相关政策法规有待完善
从目前我国风电产业来看,存在阻碍风电发展的政策壁垒。近几年,我国相继出台了多项支持电力新能源发展的法律、法规和政策,但缺乏有效性,在实际执行过程中,这些政策没有很好地贯彻落实。其次,激励机制也不健全,尤其缺乏对风电的财政补贴、税收减免及还贷等方面的政策。
5 我国风电产业发展的对策建议
针对上述我国风电产业发展的优势和存在的问题,以下提出几条具体的措施,以促进我国风电产业稳步快速健康的发展。
5.1 加大技术开发,完善产业技术创新体系
我国风电设备目前处于引进、仿制阶段,自主知识产权的核心技术缺乏,从国外购入了2/3的风电机组,国外设备价格高昂,导致风电开发成本过高。所以我国风电产业必须形成技术创新体系,走自主研发和引进消化吸收再创造相接合的技术路线,促进形成自主知识产权的风电技术与产业。同时我们应该吸收国外风电场建设的运营管理经验,培养我国风电建设的高素质人才。
5.2 加大相关产业的建设力度,加快设备国产化步伐
提高风电产业的规模化和国产化会使开发成本降低,有利于风电发展。这就需要国内科研机构和电力设备生产企业,加大对风电设备特别是大容量风机的科研投入,提高生产技术,形成大批量生产规模,刺激风机国产化。
5.3 建立合理的市场竞争机制
必须从我国风电发展的具体情况来看,制定实施适合风电发展的新的政策和措施。首先,我国应适当借鉴国外发展经验,结合中国实际情况,建立适合我国风能发展的市场需求和竞争机制。其次,我们必须从政策上和法规上给予风电项目比常规电源项目投资回报率稍高的上网电价。从目前我国风电发展拉动贫困地区经济发展的目标来看,降低风电价格是行不通的,根本不利于经济贫困地区的发展。
5.4 加强企业发展合作,避免恶性竞争
风电特许权招标的实行,使得风电产业面临非常激烈的市场竞争。建议风电企业以积极的心态应对市场竞争,加速自身发展,加大投资,避免恶性竞争,积极配合国家风电价格措施的实施,促进国家价格机制的正规化发展。鼓励国外企业来华投资生产先进的风电设备,以市场换取风机生产技术[7],满足我国快速发展的市场需求。
5.5 充分发挥政府的扶持作用
在产业发展中政府起着非常重要的作用。针对我国风电产业的发展现状,政府的重大决策是我国风电产业面临的主要机会。我国要借鉴国外的经验,用政策拉动风电产业发展,推动风电技术进步。政府需要做到,加速我国风电法律法规建设,完善风电价格政策,建立起完善的经济激励政策体系,建立合理的管理体制。
参考文献
[1]http://baike.baidu.com/view/1494637.htm.
[2]张铭心.瞩目中国风电产业发展[J].创新科技,2009,(8).
[3]朱俊生.中国新能源和可再生能源发展状况[J].可再生能源,2003,(2).
[4]贺德馨.对中国风能产业的思考[J].产业分论,2008,(7).
[5]http://www.shbiz.com.cn.
[6]蔡建刚.金融危机下的中国风电产业现状与制约其发展的三大因素[J].电器工业,2009,(60).
风电企业经济 第6篇
关键词：风力发电,CDM,CCER,碳减排,经济性
引言
作为可再生能源中无污染且可持续供给的“绿色能源”, 风力发电已成为应用最广泛和发展最快的新能源发电方式。其中, 清洁发展机制 (Clean Development Mechanism, 简称CDM) 项目提高了风电项目的经济性, 推动了风电项目的快速发展。但是, 近年来国际碳减排市场持续低迷, 而国内碳交易市场正在逐步建立完善。
1 国际碳减排市场情况
清洁发展机制 (Clean Development Mechanism, 简称CDM) 是《京都议定书》中引入的三个灵活履约机制之一。根据《京都议定书》规定, 温室气体减排义务第一承诺期在2012年底到期, 欧盟作为碳信用的最大买方, 督促美国、日本以及中国、印度等国家加入后京都时期新的全球气候变化协议和承担有法律约束的减排义务[1]。2013年以后, 由于国际碳减排市场持续低迷, 碳减排量交易价格持续走低, 已低至约0.3欧元/t, 导致碳减排量购买协议双方均无法实现盈利[2]。
经过一系列气候谈判, 近200个《联合国气候变化框架公约》缔约方2015年底在巴黎达成协定, 对2020年以后全球协同应对气候变化做出顶层规划。2016年11月4日, 《巴黎协定》正式生效, 该协定是继《京都议定书》后的第二份具有法律约束力的气候协议。
总体而言, 国际碳市场发展正处于长期依然看好、短期内存在不确定性的特殊阶段。最大的不确定性来自国际谈判, 它将决定未来国际碳市场的基本形态。
2 国内碳减排市场情况
截至2015年07月14日, 在EB注册的全部CDM项目共有3807项, 其中新能源和可再生能源3173项, 占全部注册项目的83.35%, 具体如图1所示。截至2016年11月30日, 已获得CERs签发的全部CDM项目共有1526项, 其中新能源和可再生能源1240项, 占全部签发项目的81.26%, 具体如图2所示[3]。
2011年10月29日, 国家发改委发布《关于开展碳排放权交易试点工作的通知》, 同意北京、天津、上海、重庆、广东、湖北和深圳开展碳排放权交易试点。自碳交易试点工作开展以来, 在市场体系构建、配额分配和管理、碳排放监测、报告与核查等方面进行了深入探索。国家发改委2016年1月份印发了《关于切实做好全国碳排放权交易市场启动重点工作的通知》, 对全国碳市场建设作出统一部署, 确保2017年启动全国碳市场。
3 CDM和CCER碳减排项目的申请程序
从图1~2可以看出, 新能源和可再生能源占据了EB注册和签发项目数的大部分[3]。可再生能源项目 (包括风能、太阳能、水能、生物质能、地热能、潮汐能等) 是典型的温室气体减排项目, 可以申报CDM项目, 其中又以风能、太阳能项目居多。
CDM项目开发需要完成一系列程序并满足相关条件, 方可完成项目登记注册和获得签发减排量, 并进行交易, 开发流程如下: (1) 项目活动的识别和计划; (2) 谈判和签署减排购买协议; (3) 项目设计文件准备; (4) 指定国家权力机构批准; (5) 项目审定; (6) 项目活动注册及注册费; (7) 项目活动监测; (8) 核查与核证; (9) 签发和分配CERs。开展CDM项目从合同签订到完成CDM注册大概需要15个月, 如图3所示[4]。
根据国家发改委发布的《温室气体自愿减排交易管理暂行办法》, 风电及光伏等可再生能源CCER项目经审定机构审定及国家发改委备案, 产生减排量后需经过核证机构核证及国家发改委备案, 才可在交易机构交易, 如图4所示。
碳减排量超过6万t的CCER项目审定和核查不能是同一个机构。国内从事CDM项目开发的中介机构都可同时承担CCER项目开发。由于申请程序都在国内进行, 开发周期缩短, 成本相比CDM大大降低。
4 CDM碳减排项目的经济性
2013年以后, 由于国际碳减排市场持续低迷, 碳减排量交易价格持续走低, 导致碳减排量购买协议双方均无法实现盈利。
价格/数量一、CDM收入 (单位:元) 882868
注:2016年12月26日, 1欧元=7.2664人民币;1美元=6.9482人民币。
以广东省某风电场为例, 该风电场年等效利用小时数约2000h, 年发电量约1亿k Wh, 年减排二氧化碳约9万t。根据2016年12月22日欧洲市场碳价0.3欧元/t计算, CDM项目已不具开发价值。在不考虑碳购买方合理利润的前提下, 若要实现CDM项目成本收益盈亏平衡, 欧洲市场碳价需要至少回升至1.35欧元/t, 如表1所示。目前欧洲的碳市场价格导致碳减排量购买协议双方均无法实现盈利, 已无开发价值。
目前, 国内CCER碳减排市场正在逐步建立完善。以广东为例, CCER碳价格在10~18元/t之间波动, 国际CDM碳减排价格已低至约0.3欧元/t, 国内碳市场已具有较强的经济性, 新碳减排项目已由开发国际CDM项目转为国内CCER项目。
5 CDM碳减排项目转为国内CCER的可行性
联合国清洁发展机制执行理事会第82次会议明确已注册CDM项目在UNFCCC注销的程序, 该程序于2015年4月1日生效, 这是EB首次确认CDM项目的市场退出机制。已注册的CDM项目在注册成功后, 项目参与方随时可以通过项目联络方, 向CDMEB提交注销申请, 注销日期从秘书处收到完整的注销申请文件开始算起。另外, 已注销的CDM项目, 注销日期前的减排量仍可以在CDM体系下进行签发。
目前国内碳市场快速发展, 中国自愿减排交易平台已备案的项目全部来自《温室气体自愿减排交易管理暂行办法》规定的前三类项目。对于在联合国清洁发展机制执行理事会注册但减排量未获得签发的项目, 在CDMEB此次公布CDM项目注销程序后, 此类项目业主可以向EB申请注销, 转而在国家发改委注册为CCER项目, 但此类在EB撤回的项目是否能够归类为《温室气体自愿减排交易管理暂行办法》规定的第四类项目, 还有待国家发改委确认。
由于国内碳市场刚刚起步, 为培育健康理性的碳市场, 避免EUETS中CERs过量供应情况出现, 国家发改委一直以来对CCER项目审核都持谨慎态度, 对于在CDMEB撤回的项目进入国内碳市场的情况也在积极的研究中, 在国内政策尚未明朗前, 慎重考虑注销CDM项目[5~6]。
6 结论和建议
根据现阶段国际国内碳减排市场情况, 国内CCER碳减排项目较CDM碳减排项目具有较强的经济性, 且CCER项目开发周期短、开发成本更低, 新开发CCER项目具有较好的经济效益。同时, 对于在联合国清洁发展机制执行理事会注册但减排量未获得签发的项目, 要从EB申请注销转为CCER项目, 仍需政策上进一步明确。
参考文献
[1]于洋, 高丽莉, 王树堂.欧盟碳排放交易市场发展对我国的启示[J].环境保护, 2016, 17:75~77.
[2]蒋小翼.2012年后CDM走势及其对中国的影响[J].山东科技大学学报 (社会科学版) , 2010, 03:63~68.
[3]CDM项目数据库统计图表[DB].中国清洁发展机制网.
[4]杜述尧, 张志刚.风电项目实施流程与CDM项目开发[J].华电技术, 2009, 06:79~81.
[5]赵领宏.CDM清洁发展机制项目开发中的几个关键问题[J].企业改革与管理, 2016, 02:203.
风电企业经济 第7篇
近年来,中国风电产业迅速发展,风电装机容量逐年递增,截至2014年底,中国的风电累计装机容量达到了114.6 GW,其中风电并网容量为96.37GW[1,2]。随着风电大规模并网,风电功率的不确定性给电力系统运行带来了新的挑战[3,4]。如何合理描述风电功率的不确定性并将其运用于电力系统的经济调度与优化运行中具有重要意义[5,6,7]。
随机优化是一种处理含不确定性优化问题的有效方法[8],目前已广泛应用于含不确定性的电力系统经济调度问题中[9,10,11]。如何准确描述风电功率的不确定性、有效求解对应的优化模型是含风电的电力系统随机经济调度需要解决的关键问题。
对风电不确定性的描述,目前的研究一般分为两大类:一类是基于风速不确定性,通过风速—风电功率曲线来描述风电功率的不确定性[9,10,11,12,13,14]。 文献[9-11]基于风速的Weibull分布模型,通过风速—风电功率曲线得到风电功率的分布,并建立了对应的经济调度模型。文献[12]在考虑尾流效应后将风速的概率分布转化为风电场有功出力的概率解析模型,并建立了计及风电成本的电力系统动态经济调度模型。文献[13]利用正态分布来描述风速预测误差,并提出了一种考虑风险备用约束的动态经济调度模型。文献[14]在风速预测的基础上,通过分段函数来近似表示风电功率曲线。通过对风速不确定性的描述,利用功率特性曲线的分段函数来近似描述风电功率的分布,会增大风电功率分布的拟合误差,影响对应随机经济调度模型的准确性。
另一类是基于历史风电功率数据直接描述风电功率的不确定性,并将其应用于随机经济调度模型中[15,16,17,18]。文献[15]利用正态分布来描述风电功率预测误差和系统负荷预测误差,建立了基于机会约束规划的含风电电力系统协调经济调度模型。 文献[16]利用一种近似函数来模拟服从正态分布的风电功率预测误差,并利用等微增率准则进行求解。文献[17]建立了一种基于机会约束规划的风—蓄联合动态经济调度模型,并采用混沌粒子群优化算法求解。而正态分布属于无偏分布,不能较好地拟合预测风电功率较小或较大时,实际风电功率分布具有的偏移特性,且上述文献均没有结合实际风电功率来分析对应分布函数的拟合效果。
针对上述不足,文献[18-19]提出了一种风电功率的通用分布模型(versatile probability distribution),并基于该模型,利用等微增率—逐次线性化联合算法求解对应的随机静态经济调度问题。通用分布函数由于其参数的灵活性,能详细考虑风电功率的不确定性,对实际风电功率分布的拟合具有很好的效果,能较精确地表示不同风电功率预测水平下实际风电功率的分布情况。此外,通用分布的累积概率分布函数(cumulative density function,CDF)及其逆函数存在闭式表达式(closed-form expression),便于调度模型中目标函数和机会约束条件的分析与转化,并有利于优化模型的求解。但文献[18-19]并没有考虑爬坡约束和潮流约束,且在求取初始迭代点时,其对应的第1阶段算法(等微增率算法)只能求解含简化约束的静态经济调度模型[19],依据简化约束所求得的初始解可能不在复杂约束的可行解范围内,因而不适用于含复杂约束的动态经济调度模型的求解[20,21]。由此可知,等微增率—逐次线性化联合算法无法直接求解日前随机动态经济调度模型。
本文在文献[18-19]基础上,建立了基于通用分布的日前随机动态经济调度模型,并提出了一种两阶段算法———二次规划—内点法联合算法。该算法首先利用第1阶段算法(二次规划法)求解含完整约束条件的确定性优化模型,以得到有效的初始迭代点;然后基于该初始迭代点,结合本文建立的随机优化模型,利用第2阶段算法(内点法)进行迭代求解,最终得到基于通用分布的日前随机动态经济调度模型的最优解。最后,在含风电场的IEEE 30节点系统上,通过与基于正态分布的随机动态经济调度方法对比,并结合对二次规划—内点法联合算法的计算性能的分析,验证了所提基于通用分布的随机动态经济调度方法的有效性。
1 基于通用分布的随机优化模型
1.1 通用分布模型
通用分布的概率密度函数(probability density function,PDF)[18]为:
式中:α,β,γ 为分布参数,满足α>0,β>0,-∞<γ<+∞。
通用分布的CDF为:
其对应的逆函数为:
式中:y为累积概率。
1.2 随机优化模型
基于机会约束的随机优化模型[8]如式(4)所示:
式中:x为决策向量;ξ为随机向量;E为关于ξ的期望值算子;为目标函数;gi为含随机向量的不等式约束;m为对应随机约束的个数;hj为不含随机向量的不等式约束;n为对应确定性约束的个数;c为满足对应不等式约束的置信水平。
当连续型随机向量ξ的分布函数及其CDF的逆函数具有解析表达式时,基于机会约束的随机优化模型可以转化为以下确定性模型进行求解。
式中:l(ξ)为ξ的分布函数。
若其约束条件均为线性,目标函数为非线性,则对应的优化问题转化成约束条件为线性的非线性优化问题,可以用相应的非线性优化方法进行求解。
由于通用分布的CDF的逆函数具有闭式表达式,因而通用分布模型能有效地对机会约束进行转化,便于对应随机优化模型的求解。
2 日前随机动态经济调度模型及其求解
2.1 日前随机动态经济调度模型
含风电的电力系统随机动态经济调度能保障系统在一定的置信水平下满足相关约束,使系统总运行成本的期望值最小。
1)目标函数
考虑到过低估计和过高估计风电都会给系统的安全稳定带来一定的影响,本文的经济调度模型的总成本包括火电机组的燃料成本、风电场的运行成本和风电预测不准带来的惩罚成本,如式(6)所示:
式中:pi,t为第i台火电机组t时刻的出力;wj,t为第j个风电场t时刻的计划出力;Call为系统总的运行成本;Cg,i,t为第i台火电机组t时刻的燃料成本;Cw,j,t为第j个风电场t时刻的运行成本;Cun,j,t为第j个风电场t时刻风电功率预测的平均低估成本,实际对应的是风电场的平均弃风成本;Cov,j,t为第j个风电场t时刻风电功率预测的平均高估成本,实际对应的是系统维持功率平衡而启用系统备用的平均备用成本;T为时段数;I为火电机组数;J为风电场数。
各成本对应的表达式如下所示。
式中:ai,bi,ci为第i台火电机组的燃料成本系数;dj为第j个风电场的运行成本系数;kun,j和kov,j分别为对应的低估和高估成本系数;wav,j,t为第j个风电场t时刻的实际可能出力;fj(wav,j,t)为第j个风电场在对应风电预测水平下实际可能出力的概率密度函数;wr,j为第j个风电场的风电装机容量。
2)约束条件
为保障系统的安全稳定运行,系统应满足以下约束条件。
式中:Dt为t时刻系统的总负荷;ηi,t为第i台火电机组t时刻的开关机状态,1表示火电机组为开机状态,0表示火电机组为关机状态;ru,max,i和rd,max,i分别为第i台火电机组向上和向下的最大爬坡速率;pmin,i和pmax,i分别为第i台火电机组的最小出力和最大出力;ru,i,t和rd,i,t为第i台火电机组t时刻的向上和向下备用容量;cu和cd为对应约束条件满足的置信水平;Lt为t时刻各线路潮流的向量;Lmax为各线路最大传输容量的向量;μ为传输线路为风电波动预留的传输容量占各支路最大传输容量的比例,潮流约束用直流潮流模型[22]表示。
其中,约束(11)为系统的功率平衡约束,约束(12)和(13)分别为火电机组和风电场的出力上、下限约束,约束(14)和(15)分别为火电机组的向上爬坡和向下爬坡约束,约束(16)—约束(19)为系统的备用容量约束,约束(20)为系统线路的潮流约束。
2.2 模型的转化与分析
对于上述的随机动态经济调度模型,其决策变量为火电机组的计划出力和风电场的计划出力,随机变量为风电场的实际可能出力。由于其目标函数和备用约束条件中含有随机变量,无法直接用常规优化方法进行求解,因此本小节基于通用分布的CDF及其逆函数的闭式表达式,通过相关分析和转化,使得基于通用分布的随机动态经济调度模型便于求解。
对于含机会约束的备用约束条件,根据通用分布CDF的逆函数闭式表达式,式(18)和式(19)可以转化为:
式中:F-1Σ,t为t时刻所有风电场实际可能出力的CDF的逆函数。
因此,随机优化模型的约束条件都转化为线性约束。由于式(6)中目标函数Call的二阶偏导数均不小于0,因而目标函数为凸函数(详细分析见附录A)。通过上述转化与分析,基于通用分布的随机动态经济调度问题最终转化成约束条件为线性的凸优化问题,可以利用内点法[23,24]等常用的优化算法进行求解。
2.3 模型的求解
相比于文献[18-19]中的静态经济调度模型,本文的日前随机动态经济调度模型考虑了爬坡约束和线路潮流约束,调度周期由原来的10 min(单个时间断面)变为24 h(96 个时间断面,每个断面15min),模型复杂度增加。本节基于2.2节中模型的转化与分析,提出了一种二次规划—内点法联合算法来求解对应的凸优化问题,即利用二次规划算法的解作为初始迭代点,通过内点法逐次迭代求得全局最优解。
假设风电场的计划出力为风电功率的预测值,则可建立基于预测风电功率的确定性动态经济调度模型,此时目标函数变为:
式中:Cwind为风电的总成本,可由式(8)—式(10)直接计算得到,为常数项。
若对应的约束条件不变,则由式(11)—式(17)以及式(20)—式(23)构成的基于预测风电功率的确定性动态经济调度模型具有二次规划的形式,可采用成熟的二次规划算法[23]求解。由于基于预测风电功率的确定性经济调度模型和基于通用分布的随机经济调度模型的约束条件一致,因此由二次规划算法求得的解也满足随机优化模型的约束条件,即二次规划算法的解可作为内点法的初始迭代点。基于初始迭代点,结合目标函数的一阶偏导数和二阶偏导数信息,通过内点法求解约束条件为线性的凸优化问题,进而可以得到基于通用分布的随机动态经济调度的最优解,输出火电机组和风电场的计划出力。具体求解过程如图1所示。
相比于文献[18-19]中的等微增率—逐次线性化联合算法,二次规划—内点法联合算法具有如下优势。
1)第1阶段算法求取初始迭代点:二次规划算法求解的是含完整约束的动态经济调度模型,能克服等微增率算法只能求解含简化约束的静态经济调度模型的缺陷,可以有效求取第2阶段算法的初始迭代点。
2)第2阶段算法迭代求解:基于初始迭代点,直接利用内点法进行求解,在迭代过程中考虑目标函数的一阶偏导数和二阶偏导数信息,能更准确、有效地求解非线性凸优化问题[23,24]。而逐次线性化算法在迭代点处将目标函数线性化,通过重复求解线性规划子问题,最终求得最优解,其在迭代过程中只利用了目标函数的一阶偏导数信息。
3 算例分析
3.1 参数设置
本节以含1 个风电场的IEEE 30 节点系统为例,验证本文所提方法的有效性。IEEE 30节点系统的网络拓扑图如附录B图B1所示,系统中风电装机容量为100 MW,原始风电数据来源于爱尔兰岛[25]。火电机组参数如附录B表B1所示,线路参数见文献[22],其中,线路1-2(Line1)和9-10(Line14)的最大传输容量分别为110 MW和105 MW,其他线路的最大传输容量均为100 MW,所有线路为风电波动预留的传输容量占对应线路最大传输容量的比例μ均取5%,备用约束的置信水平cu和cd均取95%。 风电的低估成本系数取80美元/(MW·h),风电的高估成本系数取120美元/(MW·h),忽略风电的基本运行成本[26]。用于日前随机动态经济调度的总负荷曲线和风电功率预测曲线(15min一个点)如图2所示,对应的火电机组日前开关机计划如附录B表B2所示。
3.2 通用分布描述风电功率的有效性
对爱尔兰岛2年的历史风电功率数据进行统计分析。先将其装机容量等效为100 MW,然后根据风电功率的预测值,对历史风电功率数据进行分箱[27],并对不同预测箱中的实际风电功率的分布分别利用通用分布和正态分布函数拟合。对应不同预测水平下实际风电功率的通用分布拟合参数、正态分布拟合参数及其对应的均方根误差如附录B表B3 所示。由此可知,相比于正态分布,通用分布能根据实际风电功率的分布特性,通过参数β的调整能较好地拟合预测风电功率较小或较大时,实际风电功率分布具有的偏移特性。因此,基于通用分布的随机动态经济调度能更准确地考虑风电功率的不确定性。
3.3 随机经济调度结果分析
由于正态分布的CDF及其逆函数均不存在闭式表达式,因此其对应的基于机会约束的经济调度模型一般通过智能算法进行求解[18],但其每次优化的结果具有一定的不确定性,难以得到唯一的全局最优解。而通用分布的CDF及其逆函数存在闭式表达式,便于其对应的调度模型中目标函数和机会约束条件的分析与转化。对于转化后约束条件为线性的凸优化问题,可以利用本文提出的二次规划—内点法联合算法进行有效求解。
基于正态分布和通用分布的随机经济调度方法对应的风电调度曲线如图3所示。两种方法均能在实际风电功率波动范围的90%置信区间内(风电功率的上、下限内)优化其出力。然而,相比于正态分布,通用分布能更好地拟合实际风电功率的分布,因而基于通用分布的随机动态经济调度模型能更准确地考虑风电功率的不确定性,其对应的调度结果也更有效。具体对比如下。
3.3.1 系统备用容量分析
两种方法对应的系统备用容量与风电功率波动对系统备用的需求分别如图4和图5所示。
由图4和图5可知,两种方法求得的系统总向下备用容量充足(均为701.52 MW),足以应对风电功率的向上波动。但由于正态分布和通用分布均存在拟合误差,当系统向上备用容量都不充足时,两种方法均不足以完全应对风电功率的向下波动。
两种方法预留的向上备用容量如表1所示。虽然基于正态分布的方法求得的风电向下波动预留的总的向上备用容量略低于基于通用分布的方法,但其向上备用总缺额为38.96 MW,明显大于基于通用分布的方法的总缺额16.35 MW,且其对应的最大缺额为6.80 MW(t=8h),也明显大于基于通用分布的方法的最大缺额1.52 MW(t=10h)。当实际风电出力小于计划出力时,基于正态分布的方法对应的调度计划可能使系统由于向上备用不足而难以应对风电大幅度的向下波动。
由于通用分布能较准确地拟合不同风电预测水平下实际风电功率的分布情况,其对应的拟合误差比正态分布更小,因而基于通用分布的经济调度模型能更合理地为风电波动预留备用容量以应对风电的不确定性,便于日内调度计划的调整,以保障系统经济安全运行,尽可能地避免系统弃风、切负荷。
3.3.2 成本分析
两种方法对应的成本如表2所示。相比于基于正态分布的调度结果,基于通用分布的调度结果对应的火电燃料成本比基于正态分布的调度结果多670美元,这是由于其火电机组预留的向上备用容量多,能更合理地应对日内风电功率的波动。但由于通用分布的拟合效果更好,其对应的风电惩罚成本比基于正态分布的惩罚成本低829美元。总体而言,基于通用分布的方法的总成本比基于正态分布的方法低159美元(相对值为2.8×10-4),这个差距虽然很小,但在本文对应算法的计算精度1×10-6内(详见计算性能分析部分)。综合考虑系统的经济性与安全性,基于通用分布的随机动态经济调度方法能为系统调度人员提供更有效的参考。
对于基于通用分布的随机经济调度方法,当系统备用约束满足的置信水平不同时,系统各成本变化如图6所示。随着置信水平的提高,火电机组需调整其最佳出力以预留足够的备用容量来满足备用约束条件,这将增加火电机组的燃料成本。而随着系统备用容量的增加,风电场可以进一步优化其计划出力,进而减少风电由于低、高估成本带来的平均惩罚成本。但在同样的火电机组开关机计划下,整个系统为减小风险而增加备用容量以保障系统的安全稳定运行,这也造成了总成本的增加。
3.3.3 潮流约束
计算各线路的潮流可知,线路1-2(Line1)由于连接火电机组G1和G2,线路9-10(Line14)由于连接G5和重负荷区,因而对应的线路潮流较大,如表3所示。两种方法对应的线路潮流均在线路安全约束范围内,在日前调度计划下均满足系统线路安全的要求。
为进一步验证日内风电功率波动对线路潮流的影响,本小节根据不同时刻风电功率的分布特性,随机模拟10 000条日内可能出现的风电功率曲线,得到两种方法的调度结果对应线路满足潮流约束的概率,如表4所示。由表4可知,基于通用分布的方法和基于正态分布的方法均能以较大的概率满足潮流约束条件,避免系统潮流越限,且本文所提方法潮流约束满足的概率均大于基于正态分布的调度方法,从而进一步验证了本文所提方法的有效性。
由于风电功率预测误差的存在,日内风电功率的波动会引起线路潮流的波动,有可能造成线路潮流越限,但其概率很小。为避免日内线路潮流越限,可采取以下措施。
1)在制定日前调度计划时,可以通过增大传输线路为风电波动预留的传输容量占各支路最大传输容量的比例μ,为风电波动预留更多的传输容量,来减小日内线路潮流越限的概率。然而,这会造成线路传输容量得不到充分的利用,各火电机组需调整出力以配合线路预留更多的传输容量,使系统总成本增加。因此,在制定日前调度计划时,可根据实际需要合理地设置μ值的大小。
2)在日内的实时调度中,可在日前调度计划的基础上,根据风电预测数据的更新,合理调整发电计划[28],以避免线路潮流越限。
3.3.4 计算性能分析
由2.3节分析可知,相比于等微增率算法,二次规划法能求解含完整约束的动态经济调度模型,有效求取第2阶段算法的初始迭代点。
因此,本小节基于通用分布的动态经济调度模型,利用二次规划法作为第1 阶段算法,在此基础上,对比分析本文第2 阶段算法(内点法)与文献[18-19]中的第2阶段算法(逐次线性化算法)的计算性能。对于第2阶段算法,收敛条件设为:当相邻2 次迭代过程中总成本的相对变化量小于1×10-6时,迭代终止。两种算法对应的总成本收敛曲线如图7所示。逐次线性化算法的平均计算时间为329.16s,最小总成本为564 547美元;本文采用的内点法的平均计算时间为54.45s,最小总成本为564 479美元。两者的计算时间均满足实际生产中日前动态经济调度的时间要求,但直接利用内点法寻优,能避免逐次线性化算法重复求解线性规划子问题的过程,有效减少了计算时间。因此,本文所提算法具有更好的计算性能。
4 结语
本文基于通用分布建立了含风电电力系统的日前随机动态经济调度模型。根据对随机动态优化模型的转化与分析,提出了一种二次规划—内点法联合算法以求解对应的经济调度模型。相比于等微增率—逐次线性化联合算法,本文提出的算法能有效地求解初始迭代点,且具有更好的计算性能。日前随机动态经济调度模型能在保障系统安全的前提下,合理安排各机组的计划出力,并预留合适的备用容量,最小化含风电电力系统总运行成本的期望值,同时满足系统的潮流约束,为系统调度人员提供参考和依据。
本文研究中只考虑了单个风电场并将其风电功率作为随机变量的情况,如何建立多风电场的随机动态经济调度模型并进行求解,是本文下一步工作的重点。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
摘要：随着风电大规模并网,其不确定性给电力系统经济调度带来了新的挑战。文中利用通用分布模型拟合不同风电功率预测水平下的实际风电功率分布,并以此建立了考虑风电低估、高估成本的日前动态经济调度的随机优化模型。通过对目标函数和约束条件的转化与分析,将随机优化模型转化为一个非线性凸优化问题。结合二次规划算法和内点法,提出了一种两阶段优化算法用以求解对应的经济调度问题。最后,在含风电场的IEEE 30节点系统上,验证了所提基于通用分布的随机动态经济调度方法的有效性。
风电企业经济 第8篇
风电在国内外的迅猛发展已经成为不争的事实,各国均采取了一系列鼓励政策扶植本国风电产业的发展[1]。风电是当今世界可再生能源开发利用中技术最成熟、最具开发规模和商业发展前景的发电形式,其在减轻环境污染、调整能源结构、促进可持续发展等方面具有突出作用,展现了良好的发展前景,是世界重要的后续能源之一[2]。
毋庸置疑,风电具有可观的环境效益。然而风电的动态随机性、反调峰性使其并网后给电网带来一系列技术难题,危及电网安全,增加电网运营成本,并且进一步影响电力系统最下游用户的电能质量和购电支出。将风电外部影响所造成的成本和收益内部化,是评价风电经济性的前提。
国家发改委于2009年7月将全国分为四类风资源区,四个区域的风电标杆电价分别为每千瓦时0.51元、0.54元、0.58元和0.61元。本文综合考虑了风电的减排效益及对电网备用的影响,基于经营期电价理论,测算其在预期收益率下的上网电价,与常规能源电价和国家规定的风电标杆电价进行比较。进一步提出了经济发电利用小时数的概念,研究在现行标杆电价水平下风电场的投资可行性。
1 问题的提出
1.1 外部性及其内部化的必要性
外部性是指一方的行为以非市场的方式给另一方的福利带来变化,是市场主体在生产或消费时强加给其他人成本或收益的经济现象。外部性有正负之分[3]。
外部性一般不能通过市场方式解决,须依靠政府干预,使外部成本或收益内部化。政府通过征收附加税或发放补贴,将生产者或消费者产生的外部收益或费用纳入其生产消费决策,由其自身承担[4]。
1.2 风电外部性分析
风电的外部影响主体主要包括环境、电网、用户。
1)环境。
风电对环境的正外部性主要包括:充分利用风能,减少常规能源的消耗;有害气体排放量小,减少空气污染;相比燃煤电厂节省大量淡水资源,减少水污染;在沿海及旅游区风力机群形成独特风景,一定程度上反映经济、文化、环境相融洽的程度;通过实物教育,增强公众开发自然资源、保护环境的意识[5]。
风电对环境亦有负外部性,主要包括:噪声;电磁干扰;影响生态植被、鸟类、公众安全;光影等[6]。
2)电网。
风电并网给电网带来各种影响,电网并未专门设计接入风电,如果要保持现有电力供应标准,不可避免的需要进行相应的调整。由于风电动态随机、反调峰的特性,其给电网带来的影响主要有:并网冲击;系统稳定性;电能质量;发电计划和调度;继电保护和自动控制等[7,8]。相应的,电网可能增加的成本见图1[9]。
3)用户。
对于用户的影响主要有三方面:可再生能源电价附加增加了用户购电费用;对电网电能质量的影响最终传导给了用户导致其用电质量下降;在供热机组占比重较大的地区调峰与供热的矛盾突出,供热机组被迫在采暖期参与调峰,峰谷时段的供热难以保证[10]。
由于风电对用户的外部性难以量化,本文仅考虑风电对环境和电网的外部性,且仅考虑便于量化的减排效益和对电网备用的影响。
2 数学模型
2.1 经营期电价模型
经营期电价是在综合考虑电力项目经济寿命周期内各年度成本和还贷需要变化情况的基础上,通过计算电力项目每年的现金流量,按照使项目在经济寿命周期内各年度的净现金流量,能够满足按项目注册资本金计算的财务内部收益率为条件测算电价的方法。其主要理论基础是资金的时间价值。测算时,通过调整电价,直到下式中的IRR满足预期水平。
∑
其中:T:项目经营年限;
CIt:经营期内第t年的现金流入,主要包括销售收入、固定资产回收、流动资金回收、其它现金流入;
COt:经营期内第t年的现金流出,主要包括长期投资中的资本金投入、流动资金中的自有资金、长期负债的本金偿还、流动负债的本金偿还、利息偿还、经营成本(含职工工资及福利)、增值税、所得税、城市维护建设税、教育附加税;
CItCOt:每年的净现金流量;
IRR:资本金内部收益率。
2.2 风电项目的成本与收入
1)风电一次投资成本。
风电一次投资成本Cc包括风电机组的购置费用(到达安装地点的价格)Pe、风电场基础建设费用Ei、风电机组吊装调试费用Cd和风电入网建设费用En。
Cc = Pe + Ei + Cd + En (2)
实际测算中,由于难以获得精确数据,一般直接取风电单位容量一次投资费用作为测算参数,而不再细分。
2) 风电经营成本。
风电机组的运行离不开管理和维护,会产生管理维护费Cs,一般包括材料费Cm、保险费Ci、检修费Co、工人工资及福利Cl等。相比火电来说,风电不需要支付燃料费用,且由于风机运行需要的工作人员非常少,故不需要支付高额的工资及福利,但一般需要支付一定的保险费用。
Cs=Cm+Ci+Co+Cl (3)
实际测算中,一般以费率(即占一次投资的比例)的形式计算各项费用。
3)风电销售收入。
通常将风电机组实际输出功率Pa与额定功率PG定义为风电场容量系数Ue:
Ue=Pa÷PG (4)
当风电场发电机组选定并建成投产之后,Ue就是确定的。风电的年发电量用风电场容量系数来估算:
Qt=8760Pa=8760UePG (5)
在实际测算中,一般将年发电量与额定功率的比定义为年利用小时数H,根据经验的年利用小时数H估算年发电量:
Qt=PGH (6)
风电的年销售收入Rs为风电的年发电量Qt与风电上网电价P的乘积。
Rs=PQt (7)
4)税金。
税金主要包括增值税、城市维护建设税、教育附加税和所得税,根据国家法律规定依法缴纳。增值税按下式计算:
其中α为增值税税率。我国为扶植可再生能源产业的发展,为可再生能源产业提供了全额并网、财税优惠、特许权招标等多项优惠政策[11],根据相关政策,风电的增值税减半收取。
城市维护建设税和教育附加税分别按下式计算:
Taxc=Taxpβ (9)
Taxe=Taxpχ (10)
其中β、χ分别为城市维护建设税和教育附加税的税率。
所得税按下式计算:
其中:Int:贷款期内每年需支付的利息;
Dep:经营期内每年的固定资产折旧;
δ : 所得税税率。
所有税金之和Tax为:
Tax=Taxp+Taxc+Taxe+Taxg (12)
2.3 减排正外部性的处理
相比于传统能源,风电的碳排放量非常小,对于环境的污染小,具有减排效益。风电在经营期内的年减排效益用下式计算:
Re=QtΔePco2 (13)
其中:Re:风电场的年减排效益;
Qt:风电场在经营期间内第t年的发电量;
Δe:发出单位电能风电和传统能源发电的碳排放量之差;
Pco2:国际市场碳排放交易价格。
2.4 备用负外部性的处理
为保障可靠供电与电网安全,风电的接入使电网需要留有更多的备用,这些备用的机会成本即为风电的外部成本。对于备用的付费,可以直接按照容量付费,也可以按照备用的机会发电量付费。由于本文计算模型以年为单位,故按照机会发电量方式付费。风电的年备用成本按下式计算:
Cr=PGηHPr (14)
其中:Cr:风电在经营期内每年的备用成本;
η:电网为风电预留的备用容量与接入电网的风电容量PG的比例
H:提供备用的机组的年利用小时数;
Pr:风电对提供备用的机组机会发电量的付费价格。
2.5 基于外部性和经营期电价的风电上网电价测算模型
将风电每年的减排效益作为收入计入现金流入,将电网每年增加的备用费用作为支出计入现金流出,则风电项目每年的现金流入与现金流出如下式所示:
其中:Cpp:贷款期内每年应偿还的本金;
T':贷款期。
将式(15)与式(16)代入式(1),调整风电上网电价P,使得式(1)中的IRR满足预期水平的P即为测算所得的基于外部性与经营期电价的风电上网电价。
3 算例分析
3.1 基本参数
本文以一个装机容量为20万kW的风电场为例,测算其上网电价,参数如表1所示。
注:根据国家政策风电增值税减半。
注:费率均指占一次投资比例。
传统的化石燃料电厂CO2排放量较高,以煤炭发电最高,达到751～962克/千瓦时(因技术种类不同而不同),取煤电碳排放量900克/千瓦时。风电碳排放量虽然相对较低,但风机在设备制造过程中也会产生碳排放。表4给出了不同能源电力粗略的碳排放量。
注:单位为克/千瓦时。
发展中国家每吨CO2当量排放价格约为12～13欧元,一级市场期货价格约为10欧元,约折合人民币100元,本文测算取100元/吨。
为保障可靠供电,实际运行中电网为风电提供的备用容量一般为其并网容量的30%。国内外学者对于风电的备用比例问题做了大量的研究,大量文献表明,经过一些优化之后,所需的风电备用可降至10%[12,13]。但这些理论研究在实践中的有效性有待进一步验证。故本文仍取备用比例30%进行测算,且假设全部的备用来自火电机组,火电的年利用小时数取5 000小时,风电对于火电机组机会发电量的付费价格取为0.1元/千瓦时。
3.2 测算结果
分别取风电一次投资成本CC为6 000～10 000元/千瓦,取不同的预期收益率7%～12%,测算合理上网电价,测算结果如表5所示。
注:以上价格含税,单位为元/千瓦时。
3.3 结果分析
在考虑了风电的减排效益及其对电网备用影响的前提下,当风电单位千瓦投资为8 000元(我国目前平均投资水平)、预期收益率为8%时,上网电价为0.555元/千瓦时,与国家确定的风电标杆电价水平一致,间接证明了本文模型的有效性及实用性,但仍高于常规能源电价。在外部成本和收益内部化的前提下,在目前的技术水平下,我国风电尚不具备价格竞争力。
风电一次投资是影响其上网电价的最主要因素。随着技术的进步,风机国产化的比例增加,风机容量的增大,当单位千瓦投资降至6 000元、预期收益率为8%时,风电上网电价降至0.419元/千瓦时,已经与火电具有可比性,具备了一定的竞争力。
4 经济发电利用小时数
以上测算了在已知风电场运行状况(主要为年发电量)的条件下,使企业获得预期收益的上网电价。但是事实上,风电的上网电价是由国家规定的(即四个风资源区的标杆电价),不以任何电力市场主体的意志为转移。企业需要考虑且能够决策的是在现行标杆电价水平下风电场的选址问题,即选择一个年发电量达到多少的风电场可以使企业获得预期收益。由式(6)可知,在装机容量确定的情况下,年发电量由年利用小时数唯一确定。
因此,我们提出经济发电利用小时数的概念,其含义为在现行风电标杆电价水平下,能够使企业获得预期收益的风电场最小年利用小时数。只有当风资源条件和并网条件使其实际年利用小时数不低于经济发电利用小时数时,才可以达到预期收益,否则的话,将不具备投资经济性。表6给出了在不同预期收益率下的经济发电利用小时数,其中风电一次投资取为我国目前平均水平8 000元/千瓦。
由结果可知,预期收益率每增加一个百分点,相应的经济发电利用小时数约增加50小时。在最低标杆电价(0.51元/千瓦时)、预期收益率最高(12%)的情况下,经济发电利用小时数为2 352小时。即一般情况下,如果一个风电场预期的年利用小时数能够达到2 352小时,则具有投资经济性。在最高标杆电价(0.61元/千瓦时)、预期收益率最低(0%,即只能实现盈亏平衡)的情况下,经济发电利用小时数为1 492小时。即如果一个风电场预期的年利用小时数低于1 492小时,将不具有投资可行性。
5 结束语
风电对于环境、电网和用户有外部性,充分了解风电的外部性,有助于对风电进行准确全面的评价,并为国家制定相关政策提供依据。本文基于经营期电价,考虑风电的减排效益及其对电网备用的影响,测算了其在预期收益下合理的上网电价水平,进一步提出经济发电利用小时数的概念。研究结果证明了方法的有效性。
