基于CDM和学习曲线的山东电网碳排放研究

资源描述：

李文升 /工程师关键词 /Keywords 清洁能源发展机制 · 学习曲线 · 碳排放 · 电力 · 可再生能源 · 电力系统 | Power System 32 ·电力电气 ·2012 年第 31 卷第 13 期基于 CDM 和学习曲线的山东电网碳排放研究以山东电网为例，根据清洁能源发展机制 CDM 中计算电量边际排放因子 OM 的方法，计算出 2005 ～ 2007 年的火电单位电量 CO 2 排放因子，并利用学习曲线对火电单位电量 CO 2 排放因子进行预测，证明单纯依靠火电发电技术进步、管理水平提高并不能实现政府提出的 2020 年单位 GDP 碳排放要比 2005 年下降 40 ～45的目标，给出电力行业满足政府减排目标所需要的可再生能源发电占比。李文升 /青岛供电公司王泽众 /华北电力大学北京电气与电子工程学院人为的 CO 2 排放主要来自于化石燃料的燃烧，世界能源的使用一直是关于气候变化问题讨论的热点。世界与能源相关的 CO 2 排放将由 2007 年的 29. 7 亿 t 增长到 2020 年的 33. 8 亿 t，到 2035 年为 42. 4 亿 t IEO 2010 。中国的人均 CO 2 排放增长比例最大，从 2007 年的人均 4. 7 t 到 2035 年的 9. 2 t，年均增长 2. 4 EIA 2010 。电力行业是 CO 2 排放的主力军，其排放量占国内全部化石能源利用碳排放的比例高达 38. 73 ［ 1］。电力 CO 2 排放主要来自于大型火力发电厂，排放源少、排放量大，便于通过各种清洁发电技术和碳捕集技术，实现大规模、高效率的减排［ 2， 3］。但随着资源环境压力的不断增大，电力行业仍然面临着前所未有的挑战。为应对全球气候变暖的挑战，联合国与以欧盟为主的西方发达国家已经开始了积极的行动。2000 年与 1990 年相比，欧盟已经实现了 4 的减排幅度，并在 2020 年减排 20，英国制定了 2050 年减排 80的目标［ 4］。中国政府于 2009 年 11 月宣布了控制温室气体排放的行动目标，到 2020 年单位国内生产总值 GDP 的 CO 2 排放量比 2005 年下降 40 ～45。并作为约束性指标纳入国民经济和社会发展中长期规划。国外已经将低碳作为一个单独的因素、变量或约束引入电力系统之中，并分析其所带来的影响，对电力系统中实施的各种低碳技术进行效益分析［ 5， 6］。国内仍处于起步阶段，已经开始从具体的低碳技术层面，从电力行业本身出发对低碳问题进行研究［ 7-9］。本文通过定量计算，得出 2005 ～2007 年火电单位电量 CO 2 排放因子。以此为基础，利用学习曲线预测 2020 年单纯依靠火电发电技术进步、管理水平提高时火电单位电量 CO 2 排放因子，并将此结果与政府提出的 2020 年相比 2005 年碳排放下降 40 ～45 的目标相比较，给出电力行业要满足政府减排目标所需要的可再生能源发电占比。利用 CDM 中简单 OM 方法计算考察年单位火电 CO 2 排放因子根据 CDM Clean Development Mecha- nism 计算电量边际排放因子 OM Opera- tion Margin 采用的是 “简单 OM”方法。具体步骤为以 2005 ～2007 年山东电网中火电厂 /机组一级的年发电量、厂用电率、燃料消耗量和燃料类型等数据为基础，计算服务于山东电网的所有火力发电源按供电量加权平均的单位供电量 CO 2 排放 kg/kW·h 为基于 CDM 和学习曲线的山东电网碳排放研究 Power System | 电力系统 www. eage. com. cn 2012 年 7 月上 ·电力电气 · 33 EF OM， simple， y ∑ i， j F i， j， y ·COEF i， j ∑ j GEN j， y 1 式中， F i， j， y 为电网每个发电厂 /机组 j 分别在 y 年，即 2005、2006 和 2007 年份消耗的燃料 i 的数量按质量或体积单位 ; COEF i， j 是燃料 i 的 CO 2 排放因子 kgCO 2 /燃料质量或体积单位，考虑了 2005 ～2007 年山东电网每个发电厂 /机组所使用燃料原煤、燃油和燃气的含碳量和燃料氧化率 ; GEN j， y 为由每个发电厂 /机组 j 向电网提供的电力， kW·h。CO 2 排放系数 COEF i， j 由下式获得 COEF i， j NCV i ·EF CO 2 ， i ·OXID i 2 式中， NCV i 为燃料 i 单位质量或体积的净热值能源含量，为国家特定值 ; OXID i 为燃料的氧化率，为国家特定值 ; COEF i， j 为燃料 i 每单位能量的 CO 2 潜在排放因子，为国家特定值。另外，山东电网在 2005 ～2007 年不存在电量交换，不必考虑电量进口量。以山东电网为例。根据式 1 、式 2 及表 1 中山东电网各燃料的低位发热值、氧化率和潜在排放系数数据来源 “2006 IPCC Guidelines for National Greenhouse Gas Inventories”Volume 2 Energy ，表 2 中各种能源所占比例数据来源中国能源统计年鉴和表 3 中火力发电量及厂用电率数据来源中国电力年鉴计算得到山东电网 2005 ～2007 年 CO 2 排放因子如表 4 所示。表 1 各燃料的低位发热值、氧化率及潜在排放系数参数表燃料品种低位发热值排放系数 t C /TJ 氧化率原煤 20 908 kJ/kg 25. 80 1 洗精煤 26 344 kJ/kg 25. 80 1 其他洗煤 18 363kJ/kg 25. 80 1 型煤 20 908 kJ/kg 26. 60 1 焦炭 28 435 kJ/kg 29. 20 1 原油 41 816 kJ/kg 20. 00 1 汽油 43 070 kJ/kg 18. 90 1 煤油 43 070 kJ/kg 19. 60 1 柴油 42 652 kJ/kg 20. 20 1 燃料油 41 816 kJ/kg 21. 10 1 其他石油制品 38 369 kJ/kg 20. 00 1 其他焦炭制品 28 435 kJ/kg 25. 80 1 续燃料品种低位发热值排放系数 t C /TJ 氧化率天然气 38 931 kJ/m 3 15. 30 1 焦炉煤气 16 726 kJ/m 3 12. 10 1 其他煤气 5 227 kJ/m 3 12. 10 1 液化石油气 50 179 kJ/kg 17. 20 1 炼厂干气 46 055 kJ/kg 15. 70 1 表 2 山东能源平衡表实物量山东能源平衡表实物量年份 2005 2006 2007 原煤 /万 t 10 405. 4 10 930. 66 11 884. 83 洗精煤 /万 t 42. 18 39. 77 18. 43 其他洗煤 /万 t 108. 69 544. 6 756. 84 型煤 /万 t 27. 77 42. 86 焦炭 /万 t 0. 11 3. 23 4. 09 焦炉煤气 /亿 m 3 5. 79 13. 61 其他煤气 /亿 m 3 7. 22 29. 64 原油 /万 t 汽油 /万 t 煤油 /万 t 柴油 /万 t 6. 32 5. 08 燃料油 /万 t 4. 1 2. 35 液化石油气 /万 t 0. 01 炼厂干气 /万 t 2. 32 1. 65 天然气 /亿 m 3 0. 01 其他石油制品 /万 t 0. 28 其他焦化产品 /万 t 其他能源 /万 t 标煤 118. 9 132. 29 163. 48 表 3 山东电网火力发电年份 2005 2006 2007 发电量 /亿 kW·h 1 898. 8 2 309. 22 2 591 厂用电率 7. 14 7. 12 7. 23 供电量 /亿 kW·h 1 763. 23 2 144. 80 2 403. 67 表 4 山东电网 2005 ～2007 年火电单位电量火电 CO 2 排放因子年份 2005 2006 2007 单位电量火电 CO 2 排放因子 /［ kg/ kW·h ］ 1. 087 2 0. 959 9 0. 938 0 电力系统 | Power System 34 ·电力电气 ·2012 年第 31 卷第 13 期基于学习曲线的单位火电 CO 2 排放因子预测学习曲线有广义和狭义之分。狭义的学习曲线又称为人员学习曲线，它是指直接作业人员个人的学习曲线。广义的学习曲线也称为生产进步函数，是指工业某一行业或某一产品在其产品寿命周期的学习曲线，是融合技术进步、管理水平提高等许多人努力的学习曲线。学习曲线理论的三个假设 1 每次完成给定任务或者单位产品后，下一次完成该任务或单位产品的时间将减少。 2 单位产品完成时间将以一种递减的速度下降。 3 单位产品完成时间的减少将循环一个可以预测的模式。对于电力行业火电单位电量的 CO 2 排放水平，随着发电技术进步、管理水平提高和能源结构的改善，次年单位电量的 CO 2 排放水平较上一年小 ; 由于自然资源等限制，完成同样的单位减排任务需要的时间将以一种递减的速度下降 ; 影响单位电量的 CO 2 排放水平的因素是可知的。故单位电量的 CO 2 排放水平的减少循环一个可以预测的模式符合学习曲线理论的三个假设。学习曲线的一般表达式为 y x cx k x≤A cA k x ＞ { A c ＞ A， A ＞0，－1≤k ＜0 3 式中， y x 为第 x 年的单位电量的 CO 2 排放强度 ; c 和 k 均为待定的量 ; A 为单位电量的 CO 2 排放强度达到稳定数值的年限。由于中国政府向国际社会做出了到 2020 年单位 GDP 碳排放要比 2005 年下降 40 ～45的承诺，且 “十一五 ”规划提出的到 2010 年单位 GDP 能源强度在 2005 年基础上降低 20，所以文中 2005 年作为第一年。已知的有 2005、2006 和 2007 三年的数据，而计算出学习曲线中的数据只需要两组数据，为了充分利用数据，将 2005 年和 2006 年的数据的算术平均数作为 2005 年的数据， 2006 年和 2007 年数据的算术平均数作为 2006 年的数据。可以得到山东电网火电单位电量的 CO 2 排放水平学习曲线函数为式 4 ，学习曲线如图 1 所示。图 1 山东电网火电单位电量的 CO 2 排放水平学习曲线 y x 1. 026 3x －0. 109 3 4 通过学习曲线可以看出， 2020 年的火电单位电量 CO 2 排放因子为 0. 756 0 kg/ kW·h ，与 2005 年实际数据相比较，火电单位电量的 CO 2 排放水平下降 30. 46，完全依靠发电技术的进步和管理水平的提高，距离实现减排目标有一定距离。电力行业满足政府减排目标所需要的可再生能源发电占比可再生能源逐渐得到国家重视，中国已出台可再生能源法， “十一五 ”规划也将可再生能源发展作为重点发展战略之一。如果不考虑可再生能源发电设施建设时期内的碳排放，则可再生能源可以认为是 “零排放 ”。第 y 年的单位电量 CO 2 排放因子相对于第 x 年的减排效益与可再生能源占比的关系为 ERB y， x EE y 1 － r y － EF OM， simple， x EF OM， simple， x 100 5 式中， EF y 为第 y 年单位电量 CO 2 排放因子 ; EF OM， simple， x 为根据 CDM 中的 “简单 OM”方法计算得到的第 x 年的单位火电 CO 2 排放因子 ; r y 为第 y 年可再生能源的占比。通过式 5 计算得到的数据结果如图 2 所示。从图 2 可以看出，山东电网 2020 年单位电量 CO 2 排放因子相对于 2005 年的减排效益与可再生能源占比成线性关系，相比于完全依靠发电技术基于 CDM 和学习曲线的山东电网碳排放研究 Power System | 电力系统 www. eage. com. cn 2012 年 7 月上 ·电力电气 · 35 图 2 山东电网 2020 年单位电量 CO 2 排放因子相对于 2005 年在不同可再生能源占比下的减排效益进步和管理水平提高等方式的减排效益显著。要达到 2020 年的减排最低目标 40，可再生能源占比至少为 14; 而要达到 2020 年减排的高目标 45，需要将可再生能源占比提高到 21。结束语政府提出的 2020 年单位 GDP 碳排放要比 2005 年下降 40 ～ 45 的目标，而电力行业是 CO 2 排放的主力军。本文定量计算出山东电网 2005 ～2007 年的火电单位电量 CO 2 排放因子，并利用学习曲线对火电单位电量 CO 2 排放因子进行预测，得到 2020 年山东电网火电单位电量 CO 2 排放因子，并将此结果与政府减排目标相比较。单纯依靠火电发电技术进步和管理水平提高并不能实现政府提出的 2020 年单位 GDP 碳排放要比 2005 年下降 40 ～45的目标。增加可再生能源占比可以实现碳减排效益的线性改变，要满足政府减排目标的最低目标和最高目标，山东电网所需要的可再生能源发电占比分别为 14和 21。基于可再生能源在减排方面的优势，下一步将在可再生能源发电主要是风电、太阳能发电并网方面作进一步的研究。参考文献［ 1］魏一鸣，刘兰翠，范英，等．中国能源报告 2008 碳排放研究［ M］．北京科学出版社， 2008．［ 2］张伯明．高等电力网络分析［ M］．北京清华大学出版社， 2007．［ 3］陈启鑫，周天睿，康重庆，等．节能发电调度的低碳化效益评估模型及其应用［ J］．电力系统自动化， 2009， 33 16 24-29．［ 4］ Secretary of State for Trade and Industry， UK． Energy white paper our energy future-creating a low carbon e- conomy［ EB/OL］．［ 2008-09-20］． http / /www. berr. gov. uk/files/file10719. pdf．［ 5］ Gelmini A， Benini M， Borgarello M． Assessment of the actions to reduce CO 2 emissions in the Italian power sys- tem ［ C］． Electricity Market 2008， 5th International Conference on European， 2008 1-5．［ 6］ Denny E， O Malley M． Wind generation， power system operation， and emissions reduction ［ J］． IEEE Transac- tions on Power Systems， 2006， 21 1 341-347．［ 7］陈启鑫，康重庆，夏清，等．电力行业低碳化的关键要素分析及其对电源规划的影响［ J］．电力系统自动化， 2009， 33 15 18-23．［ 8］陈启鑫，康重庆，夏清，等．低碳电力调度方式及其决策模型［ J］．电力系统自动化， 2010， 34 12 18-22．［ 9］贾文昭，康重庆，刘长义，等．智能电网促进低碳发展的能力与效益测评模型［ J］．电力系统自动化， 2011， 35 1 7-12．收稿日期 2011-10-21 欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁欁 EA 上接第 31 页［ 4］李广凯，李庚银．电力系统仿真软件综述［ J］．电气电子教学学报， 2005， 27 3 61-65．［ 5］郭庆来，吴越，张伯明，等．地区电网无功优化实时控制系统的研究与开发［ J］．电力系统自动化， 2002， 26 13 66-69．［ 6］杨丽徙，冯越，李桂红．大型工业企业配电网电压无功控制的研究［ J］．郑州大学学报工学版， 2009， 30 4 108-111．［ 7］郝建，张红瑞，吕延岗． VC 和 Excel 对象接口的研究与应用［ J］．石家庄铁道学院学报自然科学版， 2009， 22 4 75-78．［ 8］顾保磊． VC 与 Access 连接及其简单操作的实现［ J］．武汉工业学院学报， 2006， 25 1 22-25．［ 9］武晓朦，张飞廷．电力系统的 P － Q 分解法潮流计算［ J］．现代电子技术， 2002， 142 11 105- 106．收稿日期 2011-06-27 EA