【精彩论文】中国风力发电绩效的区域差异及空间计量分析

观点凝练

摘要：近年来，中国的弃风现象影响了风电资源的利用率，不利于中国能源结构转型。为了有效提高风电绩效，加快能源革命的进度，对中国各省域进行差异化的区域风电发展研究。借助DEA-TOPSIS模型测算风电绩效，将结果和超效率DEA模型的测算结果对比分析，验证了提出模型更适用于风电绩效评估，并引入空间面板模型分析风电绩效的影响因素，制定了能促进风电发展的差异化战略。研究结果表明，各省域风力发电纯技术效率整体低于规模效率，地理近邻性对中国风电发展有正向影响，目前影响中国风电绩效的主要因素是区域经济发展水平和弃风现象。为各省域风力发电运营和管理的优化提供决策参考。
结论：伴随着全球对生态环境保护的坚决态度的不断加深，在国内碳减排的背景下，大力发展风电项目，成为中国资源有效开发并利用的重要发展方针。本文采用DEA-TOPSIS法对全国各省的风力发电绩效进行测算，并与超效率DEA模型的测算结果对比发现DEA-TOPSIS法的结果更符合各省风电发展情况，然后分析了风力发电绩效的空间集群状况，最后基于空间面板模型对风力发电绩效的影响因素进行分析和研究，探究影响中国风电发展的主要因素，从宏观的角度分析中国风力发电发展的现状，并提出相应的政策建议，对于解决中国风力发电目前面临的瓶颈具有重要意义。本研究主要得出以下结论和建议。

（1）2013—2019年，中国各省域风力发电绩效整体有上升趋势，处于最优状态的省域主要集中在福建、天津、北京和上海。各省域的纯技术效率整体低于规模效率，说明风电技术水平有很大提升空间，投入资金没有被合理使用从而达到资源的最优配置，各省域应当根据当地情况“差别化”地完善风电相关管理制度，优化调整投入和产出结构，进一步提高技术水平，进而使中国风电从粗放式的数量扩张，向提高质量、降低成本的方向转变。

（2）弃风限电是制约风电发展的重要因素。弃风现象较严重的地区，如新疆、吉林、内蒙古、甘肃等，风能资源十分丰富且开发良好，风电绩效排名却差强人意。对于这些地区，应当挖掘系统调峰能力，例如，充分发挥抽水蓄能电站作用服务风电消纳，加快消纳平台建设进而提高风电各环节的积极性，还可以加快推进风电清洁供热等，最大限度减少“弃风”现象。此外，电力传输通道建设也是避免风电资源浪费的有效措施。

（3）由空间误差模型结果可知，地理近邻性对风电发展有正向影响，主要是因为邻近省域之间的技术交流有利于风电核心技术知识溢出和风电技术创新水平的提高，并且邻近省域之间先将风电结合再输送到电力负荷需求中心将大大降低风电整合成本。因此，应增加省域之间的风电技术和特高压建设的联系，解决跨省跨区可再生能源交易壁垒。

（4）各省风力发电绩效影响因素排名为：P_GD（1.1981）>R_WC（–0.8032）>P_POW（0.4611）>C_NWPP（0.3248）>P_A（–0.2585）。P_GD对风电发展有正相关作用，而R_WC对风电发展有负向作用，P_POW 和C_NWPP对风电绩效也有一定正向作用，对于风能资源匮乏地区，如湖南、贵州等，应当加强财政投入和政策扶持，推动当地的风电发展。

引文信息

李存斌, 董佳. 中国风力发电绩效的区域差异及空间计量分析[J]. 中国电力, 2022, 55(3): 167-176.LI Cunbin, DONG Jia. Regional differences and spatial econometric analysis of wind power generation performance in China[J]. Electric Power, 2022, 55(3): 167-176.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

◀

编辑：杨彪

校对：蒋东方

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。