【精彩论文】清洁能源示范省建设背景下青海能源需求预测及清洁化发展对策

Original 中国电力中国电力 2023-12-18

清洁能源示范省建设背景下青海能源需求预测及清洁化发展对策

李红霞, 张祥成, 李芳, 张海宁, 李楠, 马雪

（国网青海省电力公司清洁能源发展研究院，青海西宁 810008）

摘要：2018年青海省获批建设国家清洁能源示范省并于同年提出《青海省建设国家清洁能源示范省工作方案（2018—2020年）》，以绿色、高效和安全为总目标，推进能源生产和消费革命，为中国能源清洁转型与现代能源体系建设贡献力量。在清洁能源示范省建设背景下，开展青海能源需求预测及清洁化发展对策研究。首先，分析青海省清洁能源发展现状以及面临的挑战；然后，通过双变异差分进化算法优化BP神经网络预测模型，建立DMDE-BPNN混合预测模型；分析青海省典型水平年能源需求预测结果，探讨青海省能源清洁化发展对策。

引文信息

李红霞, 张祥成, 李芳, 等. 清洁能源示范省建设背景下青海能源需求预测及清洁化发展对策[J]. 中国电力, 2021, 54(7): 1-10, 26.

LI Hongxia, ZHANG Xiangcheng, LI Fang, et al. Qinghai energy demand forecasting and development strategy research under the background of construction of clean energy demonstration province[J]. Electric Power, 2021, 54(7): 1-10, 26.

引言

2018年，国家能源局印发《关于青海创建国家清洁能源示范省有关事项的复函》，支持青海创建国家清洁能源示范省，在建设过程中，一些挑战逐步显现，能源消费逐年递增，能源需求逐渐由单一向多元化转变，难于精准预测，导致无法有针对性地调整能源结构和布局。迫切需要寻找精准预测方法，准确研判能源需求并提出清洁化发展对策，从而使清洁能源示范省建设与经济、社会、环境发展实现协调。目前针对能源发展问题，已有相关研究提出了解决方案。文献[1]从能源供需的宏观角度为中国电能替代路径提供了参考方向；文献[2]通过建立能耗量预测模型，实现了能源耗量的实时管控；文献[3]预测了中国新能源消费量，并针对中国新能源可持续发展提出了对策和建议；文献[4]分析了中国新能源发展存在的问题，并针对相应的问题提出了对策；文献[5]针对高消耗、高排放的能源发展问题，提出了高比例新能源的发展趋势。然而，国内缺乏针对具体场景和约束的能源需求预测以及相应发展对策研究，为与青海省类似的省级或区域能源发展所面临的具体问题提供科学的解决方法。同时，目前能源需求预测存在影响因素繁多、构建模型复杂、预测精度不足等问题，而准确的能源需求预测，不仅可以指导能源如何发展，提高能源利用率，还可以协助制定合理的节能环保政策，最终实现能源、经济与环境的可持续协调发展，为青海建设清洁能源示范省提供理论基础和技术支撑。现有研究主要利用自回归模型、灰色模型、支持向量机和BP神经网络模型（back propagation neural network，BPNN）等单个模型描述并预测能源需求变化特征。文献[6]利用单一的差分整合移动平均自回归模型（autoregressive integrated moving average model，ARIMA）模型对中国能源消费进行了预测；文献[7]提出了基于灰色模型（grey model，GM）对中国能源消费进行了预测；文献[8]提出了基于最小二乘支持向量机对中国能源消费进行了计算；文献[9]提出了一种基于BP神经网络的预测技术，并运用该算法对能源管理系统能源消费量进行建模与分析；文献[10]提出了一种能源消费组合模型，该模型采用ARIMA和BPNN模型进行优化组合，其预测精度要优于单一模型；能源消费受多方面因素的制约，这些因素之间既有线性的关系，也包含非线性的关系^[11-14]。与其他数学模型相比，BPNN模型具有较强的非线性映射能力和柔性的网络拓扑结构，对于非线性复杂问题具有很好的适用性，但是BP神经网络模型也有容易陷入局部最优、诊断精度低、收敛速度慢等缺点。文献[15]针对这些缺点，提出一种差分进化算法（differential evolution algorithm，DE）与BPNN相结合的方法。因此，本文结合双变异差分进化算法（double mutations differential evolution algorithm, DMDE）和BPNN的优点，通过采用DMDE模型优化BPNN模型对能源消费进行预测，从而较好的分析青海能源需求的变化规律和波动特征。

针对目前能源需求预测存在的问题以及研究青海能源清洁化发展对策的迫切需要性，本文提出一种基于DMDE-BPNN的能源需求预测方法。首先，分析青海省能源清洁发展现状以及面临的挑战；然后，建立DMDE-BPNN混合预测模型，并以青海省为案例，分析典型水平年能源需求预测结果；最后，结合预测结果探讨青海省能源清洁化发展对策。能源清洁化发展对策研究对于提升新能源消纳，深入探索能源革命的高质量推动具有重要意义。

1 青海省能源清洁发展现状及挑战

青海清洁能源丰富，丰光富水好风，清洁能源开发建设条件优越，是国内罕有以清洁能源为主的多能互补能源基地。图1为青海省清洁能源装机情况。

图1 青海省清洁能源装机情况Fig.1 Installation situation of clean energy in Qinghai Province
（1）青海省太阳能资源极为丰富，总储量约为30亿kW，全国排名第2；截至2019年底，装机为1 122.013 3万kW。（2）水能资源储量2 337.46万kW，位居全国第5位；截至2019年底，装机为1 191.968万kW。（3）风能资源总储量为4.119亿kW，估算风能资源技术可开发量约0.121亿kW。截至2019年底，装机为461.8万kW。2019年，青海可再生能源整体占比达到87.61%，全年外送清洁电量超过100亿kW·h。虽然清洁能源装机特别是新能源装机逐年快速增长，但同时暴露出来的诸多问题也制约着青海能源的持续清洁化发展，主要挑战如下。（1）新能源产业整体对政策扶持的依赖度较高，受政策调整的影响较大，面临可持续发展的难题。（2）省内增量电力市场空间不足，省外电力市场空间竞争激烈，新能源消纳困难。（3）系统调节能力不足，随着新能源装机占比提升，系统缺乏可灵活调节电源，给电网调度运行带来较大压力。

（4）电网建设与新能源发展不匹配，新能源配套电网送出工程建设周期远高于新能源本体建设周期，短时存在外送通道能力与新能源发展不匹配问题。

2 基于DMDE-BPNN的混合预测模型

2.1 模型预测方法对比

目前常用的能源预测方法包括ARIMA模型、GM模型、支持向量机和BPNN模型，其优劣势分析如表1所示^[16-18]。由表1可知，与其他数学模型相比，BPNN模型具有较强的非线性映射能力和柔性的网络拓扑结构，对于非线性复杂问题具有很好的适用性，但是BPNN模型也有容易陷入局部最优、收敛速度慢等缺点。因此，本节针对BPNN存在的缺点，通过DMDE进行优化BPNN预测模型，从而建立DMDE-BPNN混合预测模型对青海能源进行预测。

表1 能源预测方法对比
Table 1 Comparison of energy forecasting methods

2.2 DMDE-BPNN混合预测模型

BPNN预测模型由一个输入层、一个隐含层和一个输出层构成^[9]。BPNN预测模型确立的过程就是对训练集训练的过程，在此过程中决策变量很多，BPNN的标准学习算法使其易陷入局部最优解且收敛速度慢。双变异差分进化算法（DMDE）是在差分进化算法（DE）的基础上引入双变异策略，通过添加其他可行解的信息，调整和平衡收敛速度与种群多样性之间的矛盾。因此通过DMDE优化BPNN可以避免陷入局部点，使BPNN模型的预测结果具有较低误差^[19-20]。DE的核心是变异算子，当前应用最多的变异算子有3种类型，分别如式（1）~（3）所示，都存在适用性不强的问题。

式中：Γ0 、 Γ1 、 Γ2 为3个彼此不相等的数；

为父代种群中不同的个体；

为变异个体；

为当前种群中的最优个体；F为缩放因子，其取值通常在[0,1]之内，控制偏差向量的放大作用G为送代次数。DMDE的变异算子是将最优个体引导机制改成基于排序的可行解选取递减策略引导机制，解决了种群早熟和多样性流失的问题，具体的改进变异算子为

是从[1,rank（G）]范围内随机选择的变异个体，rank（G）可以根据下式求得。

式中：G_m 为最大迭代次数；N_P为群体规模。利用种群的适应度方差来看种群的聚集情况， f_i为第i个个体的适应度，

为当前种群的平均适应度，则种群平均适应度方差 δ² 可定义为

当 δ²=0 时，则

，即

，说明种群陷入局部最优，出现早熟；当 δ²≠0 时，则

分两种情况：远大于0时，说明个体都远离平均个体，种群是分散的处在随机搜索阶段；接近于0时，说明个体与个体间都相互靠近，处于聚集的状态，可以得出 δ² 与种群的聚集程度成反比。双变异策略的具体实现过程可表示为

DMDE通过计算 δ² 的值判断种群是否出现聚集，多策略变异机制充分利用了两个变异算子各自的优势，调整和平衡了收敛速度和种群多样性之间的矛盾。

2.3 DMDE-BPNN模型求解算法

DMDE-BPNN混合算法的流程如图2所示。DMDE-BPNN是把DMDE算法与BPNN算法结合起来的一种两阶段混合算法：第一阶段是用DMDE算法对BPNN的初始权值和阈值进行全局预搜索，第二阶段将第一阶段获得的最优解赋给BPNN作为其初始权值和阈值，再利用BP算法深度局部搜索，得到满足训练目标的网络权值和阈值，最终得到BPNN预测模型。

图2 DMDE-BPNN混合算法流程Fig.2 Flow chart of the DMDE-BPNN hybrid algorithm

本文选择青海省作为研究对象，历年能源数据如图3所示（数据来源为省级统计年鉴）。

图3 青海省历年能源数据Fig.3 Energy data of Qinghai Province over the years

3 基于DMDE-BPNN的青海省能源需求预测

3.1 基础数据及预测过程分析

由于能源需求受社会、经济、人口、技术发展、政策等众多因素影响，本文结合当前关于能源预测的研究，选取经济发展水平（GDP，亿元）、常住人口（P，万人）、第三产业占比（TR，%）、城镇化率（UR，%）、居民消费水平（TC，元）、技术水平支出（RD，亿元）等影响因素进行分析，并设定基准、高增长和低增长3种能源发展情景，以此来研究清洁能源示范省建设背景下青海能源需求以及发展战略，青海省能源发展影响因素基础数据如表2所示。

表2 青海省能源发展指标基础数据

Table 2 Basic data of energy development indicators of Qinghai Province

以高经济增长、快速城镇化、人口快速增长、三产比例快速提高的情况定义为高增长情景；将经济增速较低、低速城镇化、人口低速增长、三产比例较低速度增长为低增长情景；基于对现实情况的分析以及对未来发展可能性的分析，将能源消费中速增长情况定义为基准情景。不同情景中指标参数设置如表3所示。

表3 不同情景中指标参数设置

Table 3 Index parameter setting in different scenarios

本文预测采用的是自上而下和自下而上相结合的方式，即总量预测与分能源的总量预测之间会存在差距，对两者之间进行结合，考虑政策约束等条件后进行技术调整处理。首先，根据自上而下的能源总量、分品种预测出来加总的总量、约束条件确定初步的能源总预测量，然后对各分能源消耗量按照预测出来的比例对总量进行分配，确定初步的分品种能源需求。然后根据分品种的能源相应发展约束对其进行调整，最后再反映到能源总量的调整上。能源预测过程分析如图4所示。

图4 能源预测过程

Fig.4 Energy forecasting process

3.2 不同情景下青海能源预测结果

本文采用DMDE-BPNN混合预测模型对青海省能源需求进行预测，设总体大小N_P=500，迭代次数最大值G=100。记录每个种群变化生成的最小值，并迭代生成不同情况下的适应度曲线，如图5所示。

图5 DMDE-BNPP算法下3种场景的适应度曲线

Fig.5 Adaptability curves of three scenarios with DMDE-BNPP algorithm

由图5可知，当算法在基础情景中运行时，其在大约在19次迭代之前不会收敛。总计算时间约为22.15 s，最优解计算时间为6.94 s。在高速增长情景和低速增长情景中分别迭代19次、20次时寻到最优解。根据上面的能源数据和场景设置以及不同场景中指标的参数设置，采用DMDE-BPNN混合预测模型对3种情景先青海省关键水平年能源需求情况进行预测。得到基础情景、高速发展情景和低速增长情景中各能源需求量如表4所示。

表4 3种不同情景下青海能源需求预测结果

Table 4 Energy demand forecasting results under three different scenarios in Qinghai Province

按照青海省能源发展定位，综合考虑安全、资源、环境、技术与经济等因素，结合需求分析结果，预计青海省2025、2035以及2050年，能源消费总量分别为5 164万~5 973万t标准煤、6 295万~8 028万t标准煤、6 584万~9 183万t标准煤。2050年清洁能源将在能源中占据主导地位，化石能源步入下行通道。煤炭主要受政策及需求下降影响呈下降趋势，2025年消耗约为1 220万t，2035年为1 120万t，2050年降至600万t。石油及天然气需求受资源储量约束较为明显，石油呈下降趋势，在2025年之前维持在444万t左右，2035年约为471万t，2050年将至377万t。天然气需求在2025年维持在60亿m³左右，2035—2050年维持在87亿m³左右。清洁能源则呈上升趋势，增长较为明显，2025年消耗约为2 948万t，2035年为4 280万t，2050年降至5 405万t。电力受清洁能源高速发展、外送通道建设等影响呈上升趋势，在基础情景中2025年发电量为1 450亿kW·h，2035年发电量为2 160亿kW·h，2050年电力供应提升至2 619亿kW·h，其中全社会用电量分别为1 050亿kW·h、1 510亿kW·h、1 819亿kW·h，外送电量分别为400亿kW·h、650亿kW·h、800亿kW·h。此外，可以从表4中可以看出，高速增长情景中能源需求最多，基础情景次之，低速发展情景中能源需求量最少，这是因为经济、人口等快速增长等会带动能源需求快速发展。

3.3 不同背景下青海能源预测结果分析

图6分别为基础情景、高速增长情景和低速增长情景中一次能源消费结构。

图6 基础情景、高速增长情景、低速增长情景下的一次能源消费结构

Fig.6 Primary energy consumption structure under basic scenarios, high-speed growth scenarios and low-speed growth scenarios

根据预测结果并考虑电能替代因素，煤炭增量需求由清洁能源替代，3种情境中煤炭需求呈下降趋势，在基础情景中煤炭消费占比从2025年的22%降至2050年的8%，高速增长情景中所占比重比基础情景中小，而低速增长情景中所占比重则要比基础情景要大。此外，石油需求逐渐由清洁能源替代，其所占比重也在持续下降，在基础情景中从2025年的12%降至2050年的8%，高速增长情景中所占比重比基础情景中小，而低速增长情景中所占比重基本和基础情景一样。天然气所占比重基本维持不变，在基础情景中从维持在15%左右，高速增长情景中所占比重比基础情景中小，而低速增长情景中所占比重则要比基础情景要大。清洁能源消费占比在持续增长，在基础情景中从2025年的52%升至2050年的70%，高速增长情景中所占比重比基础情景中大，而低速增长情景中所占比重则要比基础情景要小。

青海定位于清洁能源外送大省，外送能源以电力为主，在清洁能源示范省建设过程中，电力供给在满足省内需求的同时，还重点关注保障大规模清洁电力外送。结合能源需求预测结果以及青海省资源条件与能源开发预期，青海省发电量情况如图7所示，即发电量按全社会用电量和外送电量预测值之和计算。图7为不同情景下青海省发电量及清洁能源发电量占比。基准情景下预计2025年发电量约为1 450亿kW·h，2035、2050分别为2 160亿和2 619亿kW·h，清洁能源发电占比分别为85%、95%和100%。高速增长情景下预计2025年发电量约为1 540亿kW·h，2035、2050分别为2 400亿和3 140亿kW·h，清洁能源发电占比分别为87%、96%和100%。低速增长情景下预计2025年发电量约为1 320亿kW·h，2035、2050分别为1 600亿和1 880亿kW·h，清洁能源发电占比分别为89%、95%和100%。

图7 不同情景下青海省发电量
Fig.7 Power generation under different scenarios in Qinghai Province

图8~9为不同情景下青海省清洁能源效率目标和电力效率目标。能源效率用单位GDP能耗表示，电力效率用供电煤耗和电网综合线损率表示，在3种情景中能源效率和电力效率呈下降趋势。在基础情景中，2025、2035和2050年能源效率分别为1.09、0.78和0.48 t标准煤/万元；在高速增长情景中分别为1.06、0.72和0.42 t标准煤/万元；在低速增长情景中分别为1.14、0.85和0.56 t标准煤/万元。3种情景中供电煤耗都一样，2025、2035和2050年分别为325、310和300 g/（kW·h），电网综合线损率3种情景中也一样，2025、2035和2050年分别为2.8%、2.7%和2.5%。

图8 不同情景下青海省清洁能源效率目标

Fig.8 Clean energy efficiency targets under different scenarios in Qinghai Province

图9 不同情景下青海省清洁能源电力效率目标

Fig.9 Clean energy power efficiency targets under different scenarios in Qinghai Province

图10为不同情景下青海省清洁能源绿色低碳指标，用单位GDP碳排放表示，在3种情景中清洁能源绿色低碳指标呈下降趋势。基础情境中，2025、2035和2050年分别为3.56、2.75和1.53 t/万元；高速发展情境中，2025、2035和2050年分别为3.59、2.58和1.34 t/万元；低速增长情境中，2025、2035和2050年分别为3.61、3.01和1.81 t/万元。

图10 不同情景下青海省清洁能源绿色低碳指标

Fig.10 Green low-carbon indicators of clean energy under different scenarios in Qinghai Province

4 青海省能源清洁化发展对策

以中国能源清洁转型大背景为契机，青海有必要、有能力、有条件更有能力率先创建清洁能源示范省。本文在基于DMDE-BPNN的青海省能源需求预测结果分析的基础上提出以下几点能源清洁化发展对策，为青海省未来能源发展提供思路和参考。

（1）基于政府视角的能源清洁化发展对策。

①明确分阶段目标定位。根据预测结果分析，把2025年、2035年、2050年作为3个阶段的时间节点，将减煤、低碳、绿色为3个阶段循序渐进的目标，优化顶层设计、完善政策制度，加快能源互联网建设和新技术、新能源的推广，提高能源利用效率，力争实现“清洁替代，2025清洁能源示范区”“低碳循环，2035清洁能源贡献区”和“绿色生态，2050清洁能源全覆盖”。助力青海从“地理高原”迈向“生态高原”。

②构建“一带、两地、一区、多点”清洁能源开发布局。青海清洁能源资源优势明显，可开发潜力巨大，青海应紧抓国家能源示范省建设的重要机遇，做优水电，构建黄河上游绿色水电开发带；统筹风光，建设海南州和海西州清洁能源基地；倍增油气，建成柴达木盆地国家级油气资源战略接替区；突破非常规能源发展瓶颈，探索多种非常规能源开发利用，打造能源革命的青海样本。

③加大节能减排政策力度。近几年在节能减排政策的推动下，青海省许多高能耗、高污染产业向低能耗、低污染转型。根据预测结果，2025—2050年青海省单位GDP碳排放将保持稳步下降态势，而加大节能减排力度，可以降低能源消耗水平，降低工业部门单位GDP能耗。因此，青海应继续引导高能耗产业进行转型，对转型成功的产业给予一定奖励。

（2）基于电力行业视角的能源清洁化发展对策。

①提升青海清洁能源电力外送能力。从预测结果可以看到，青海省清洁能源发电占比将在2025—2050年期间保持稳步增长态势，清洁能源外送需求迫切，为应对这一趋势，电力行业应推动能源消费结构优化，重点关注新能源消纳问题，同时加强富裕电力外送；尽快完善青海省电力外送通道建设，争取青海第二条特高压直流外送通道“十四五”末建成投运，提升青海清洁能源外送能力。

②优化电源结构，提高清洁和低碳能源消费所占比重。青海省是全国太阳能、水能、风能等清洁能源资源最为丰富的地区之一，清洁能源开发建设条件优越，青海电力应借助这一优势，合理安排电源结构。一方面，积极发展IGCC、PFBC等先进发电技术，实现煤炭清洁化利用；另一方面，努力提高清洁能源发电装机容量和发电量，做优水电、做大光伏、做活光热、做强风电，加快各类储能技术应用，积极研发地热能发电，减少污染排放，助力能源清洁发展。

（3）基于用户视角的能源清洁化发展对策。

①积极参与清洁能源与多产业融合的生产方式，提高清洁能源消纳能力。依托广泛的农牧业基础积极推动“清洁能源+农牧业”生产方式，开展温棚蔬菜生产、光伏农业大棚等工作；充分利用特色高原生态旅游产业的优势，积极推行“清洁能源+旅游”产业，全面带动本地清洁能源消费升级。

②响应政府号召，实现清洁用能。逐步消除土暖气、大柴灶和燃煤等低效的传统采暖方式，因地制宜，宜气则气、宜电则电、宜热则热，尽可能利用清洁能源，加快提高清洁取暖比重；绿色交通方面，新能源汽车不仅有利于降低对传统石油能源的依赖，保障能源安全，也能够参与电网互动调节，发挥削峰填谷作用，促进新能源消纳，应积极推广新能源汽车，推动用能清洁化。

5 结论

为全面推进青海省国家清洁能源示范省建设工作，本文分析了青海省清洁能源发展现状和面临的挑战，建立了基于DMDE-BPNN的混合预测模型对青海能源需求进行预测，并以此为基础提出了青海能源清洁化发展对策。（1）青海省2050年清洁能源将在能源中占据主导地位，化石能源步入下行通道。在基础情景中煤炭消费量占能源消费总量从2025年的22%降至2050年的8%，石油从12%降至8%，清洁能源从52%升至70%。（2）未来能源消费中电力占比持续上升，这源于清洁能源消费比例持续上升。基准情景下预计2025年电力消费约为1450亿kW·h，2035、2050分别为2 160亿、2 619亿kW·h，清洁能源发展比例分别为85%、95%和100%。（3）在基础情景中，青海省2025、2035和2050年能源效率目标分别为1.09、0.78、0.48 t标准煤/万元；供电煤耗目标分别为325、310、300 g/（kW·h），电网综合线损率目标分别为2.8%、2.7%、2.5%。绿色低碳指标目标分别为3.56、2.75、1.53 t/万元。（4）分别从政府、行业和用户视角出发，提出了青海实现能源清洁化转型发展目标的对应策略。

（责任编辑　许晓艳）

作者介绍

李红霞(1974—)，女，高级工程师，硕士，从事电力系统规划方面的工作，E-mail：lhxia2629@qh.sgcc.com.cn;

★

张祥成(1983—)，男，高级工程师，从事能源电力规划方面的工作，E-mail：zxcheng0431@qh.sgcc.com.cn;

★

李芳(1994—)，女，助理工程师，硕士，通讯作者，从事电力经济、电力供需方面的工作，E-mail：lifang13264485133@126.com;

★

张海宁(1974—)，男，教授级高级工程师，从事能源电力规划方面的工作，E-mail：zhning9131@qh.sgcc.com.cn;

★

李楠(1990—)，男，工程师，博士研究生，从事能源电力规划方面的工作，E-mail：lnan0514@qh.sgcc.com.cn;

★