【精彩论文】基于电力供应链博弈的可再生能源政策效应研究

今日导读与您分享，欢迎关注！

基于电力供应链博弈的可再生能源政策效应研究

武群丽, 席曼

（华北电力大学 经济管理系，河北 保定 071003）

摘要：可再生能源配额制（简称配额制）是当前中国可再生能源政策由固定溢价补贴制向政府政策与市场机制共同作用过渡的目标机制。随着电力体制改革不断深化，可再生能源政策将直接影响电力供应链主体博弈行为，造成不同的政策效应。鉴于此，考虑以消费端为配额义务考核主体并引入惩罚函数，构建包含发电企业、消费端在内的两级电力供应链纳什均衡博弈模型。该模型设置了3种政策情景：固定溢价补贴制、配额制和2种政策并行双轨制。通过算例仿真重点分析配额、罚金参数变化对配额制下各博弈主体最优交易电量和绿证价格的影响。考虑到政策的福利效应，比较了3种政策情景下社会福利差异。结果表明：配额制下可再生能源交易电量和绿证价格随配额的增加呈现先递增后递减趋势，随罚金参数的增大而增大；3种政策情景下社会福利函数关于配额的增加呈现倒“U”型分布；随着可再生能源市场份额增长，2种政策并行双轨制下的社会福利水平优于2种政策单独实施下的福利水平。

引文信息

武群丽, 席曼. 基于电力供应链博弈的可再生能源政策效应研究[J]. 中国电力, 2022, 55(5): 12-20, 38.

WU Qunli, XI Man. Research on effects of renewable energy policy based on power supply chain game[J]. Electric Power, 2022, 55(5): 12-20, 38.

引言

近年来，能源短缺与环境污染问题日益严峻，以推动开发和利用可再生能源（renewable energy source，RES）的能源转型已成为国际社会的普遍共识与一致行动。由于可再生能源技术成熟度低、成本偏高等原因，其市场竞争力弱，为了扶持可再生能源产业发展，中国制定并实施了政府补贴型和市场导向型两类可再生能源政策。政府补贴型可再生能源政策以固定电价补贴制（feed-in tariff，FIT）和固定溢价补贴制（feed-in premium，FIP）组成的上网电价政策为代表。中国早在2005年确立了FIT。FIT核心是政府委托监管部门依据各类可再生能源发电技术水准的实际发电成本或销售电价定期确定和调整各类可再生能源的上网电价。FIP是由FIT衍生出的一种市场化的可再生能源政策，即政府在市场电价的基础上给予可再生能源一定的溢价补贴，是可再生能源从电网全额收购向全面竞价上网转变的过渡方式^[1]。随着新一轮电力体制改革启动，售电侧有序开放，市场导向型的可再生能源配额制（renewable portfolio standard，RPS）及其配套的绿色证书交易机制（tradable green certificate，TGC）成为促进可再生能源消纳的重要机制^[2]。2017年1月，中国开始实施绿证认购工作。2018年3月、9月、11月国家能源局先后3次对《可再生能源电力配额及考核方法》进行意见征求，明确配额制于2019年1月1日起正式实施。RPS是国家针对各省级行政区域全社会用电量强制规定的最低可再生能源电力消费比重指标，其规定的有效可再生能源发电组合主要包括风电、光伏、生物质、地热等。TGC机制是以RPS为基础通过市场化手段促进可再生能源消纳的一种政策工具，其能够使可再生能源的环境属性货币化，实现物理价值与环境价值的区分。截至2020年12月31日，中国累计绿证核发量2 753.2万个，累计绿证交易量41 522个；绿证平均成交价格421.4元/个。整体看，中国绿证市场仍处于初步发展阶段，绿证价格相对较高且实际交易数量仅为核发数量的0.15%。有关可再生能源政策国内外已有不少研究。定性分析方面，部分学者探究了RPS宏观层面影响和前期规划设计，发现该机制在配额目标形式、义务主体、激励程度、指标分拆原则等制度主体安排与规则设计都不尽相同^[3-6]。定量分析方面，部分学者分析了可再生能源政策对市场主体策略行为和电力市场价格的影响^[7-8]。因绿证交易仍处于自愿认购阶段，已有研究多将绿证价格按绿证交易平台平均价格计算，并作为配额制外生参数进行市场均衡分析^[9-10]；文献[11]通过分析国际绿证交易机制实施流程，对中国配额制绿证价格的设计提供借鉴，构建了RPS下跨省区电力交易主体最优决策模型。而实际上绿证价格决定于其短期供求关系，研究中应当对绿证市场中各主体的策略性行为进行深入分析与讨论。由于之前中国售电侧尚未开放，因此前期关于可再生能源政策效应研究主要围绕发电侧展开^[12]。随着售电侧开放，考虑售电侧的可再生能源政策效应研究取得了一定的成果^[13-15]。文献[16]引入二次惩罚函数建立FIT与RPS下两阶段序贯博弈模型，并对两种政策的规制效果进行对比分析。但目前从电力供应链博弈角度进行固定溢价补贴制与配额制共同作用的政策效应研究并不多见。

为了缓解RPS机制推行阻力，本文引入惩罚措施将配额考核指标与实际完成度联系起来。考虑以消费端为配额义务考核主体并引入惩罚函数，建立FIP、RPS与FIP-RPS并行双轨制3种政策情景下电力供应链纳什均衡博弈模型。通过算例仿真模拟结果，着重探讨RPS政策关键参数对各博弈主体最优交易电量和绿证价格的影响，比较分析3种政策情景下社会福利效应，以此引导政府科学实施配额制，并为2种政策的过渡衔接给予对策建议。

1  可再生能源政策下电力供应链博弈模型

1.1  问题描述与模型假设

1.1.1  问题描述

本文研究可再生能源政策下RES电力供应链博弈均衡问题，考虑可再生能源发电企业、常规能源发电企业、消费端和政府。建立FIP、RPS与FIP-RPS并行双轨制3种政策情景下电力供应链纳什均衡博弈模型。本文RES电力供应链过程可描述为：常规能源发电企业出售常规能源电力、RES发电企业出售RES电力；售电公司本身没有生产电力的能力，作为中间环节只负责将电力销售给终端用户；终端用户最终对电力进行消纳。其中售电公司和终端用户共同组成电力的消费端，即形成一条RES电力供应链两级结构：发电企业 → 消费端（售电公司和终端用户），如图1所示。图中：q_th 、 q_re 分别为常规能源、可再生能源电力交易量；P_e 为电力批发价格；P_s 为电力零售价格；C_th 、 C_re 分别为常规能源、可再生能源发电企业发电成本；S_C 为消费端剩余。

图1  RES电力供应链两级结构

Fig.1  Two-level power supply chain structure of RES

在FIP和RPS的规制下，发电企业和消费端作为RES电力供应链不同的决策主体，根据能量流、资金流和信息流各自追求自身利益最大化。供应链末端决策者（消费端）根据市场信息来确定最优购电量最大化自身剩余；首端决策者（发电企业）根据发电成本来确定最优供电量最大化自身利润。根据等量传递公式^[17]，基于消费端提交的表征电力价格与电量弹性关系的需求函数以及发电企业提交的供给函数，电力库结算系统对供购电电量进行协调，从而得到电力供应链博弈结果的均衡态。

1.1.2  模型假设

假设1：为简单起见，本文将所有可再生能源发电企业看成一个整体，记为 re ，所有常规能源发电企业看成一个整体，记为 th ，电力消费端看成一个整体，记为 D 。假设2：根据国家能源局确定的可再生能源电力配额核算方法，即省（区、市）可再生能源消纳占比，等于各省（区、市）可再生能源消纳量除以本地区全社会用电量，假设配额用 α 表示，且 0⩽α⩽1 。假设3：在售电侧改革逐步深入的背景下，假设电力市场为完全竞争市场。假设4：电力供应链电力交易中不考虑输电网约束和输电阻塞问题。假设5：假设常规能源发电企业、可再生能源发电企业均具有二次成本函数：其中 λ 、 β 均为大于零的成本系数。假设6：电力商品的效用指消费端在消费电力商品时的满意程度。假设消费端的效用函数为 U(q_D) ，且 U(q_D) = mq_D−0.5nq²_D^[18]，满足 U′(q_D)＞0 ， U′′(q_D)＜0 ，其中 q_D 为消费端D用电需求，参数m、n均为大于零的常数。假设7：市场以RES电力供应链主体达到Nash均衡状态决定其最优策略组合。Nash均衡的数学定义如下：策略组合 s=(s₁,⋯,s_I) 构成了战略式博弈 Γ=[I,{S_i},{u_i(⋅)}] 的一个纳什均衡，如果对任意博弈参与方 i(i=1,⋯,I) ，效用函数 u_i(s_i,s_−i)⩾u_i (s′_i,s_−i) 对所有策略 s′_i∈S_i 都成立，则称为Nash均衡。

1.2  FIP下电力供应链博弈模型

1.2.1  模型构建

根据FIP，可再生能源固定溢价补贴由政府以市场为基础直接明确规定，这里固定溢价补贴记为 P_f ，一般 P_f＞0 。结合Nash均衡博弈竞争特点，在FIP下，RES电力供应链两级结构形成了一个静态非合作博弈过程。角标 fip 表示在FIP情景下设置的变量。首先，消费端剩余函数为

常规能源发电企业的利润由其在电力市场上的交易收益与发电成本组成，常规能源发电企业利润 π_th 最大化模型为

可再生能源发电企业的利润由其在电力市场上的交易收益、发电成本及政府固定溢价补贴组成，可再生能源发电企业利润 π_re 最大化模型为

根据电力市场运行及各主体的行为特征，约束条件主要包括电力市场均衡约束以及政策约束，即

式（4）为电量平衡约束，即市场达到均衡时，常规能源发电企业和可再生能源发电企业的总电量产出全部由消费端购买；式（5）借鉴文献[19]的思路，FIP下 α 的设置表示政府在可再生能源中长期发展规划中，需要实现的可再生能源占比。

在FIP下，社会福利为消费端剩余加发电企业利润和可再生能源发电企业生产的正外部性收益，减去政府额外的政策成本。可再生能源的正外部性收益指可再生能源发电相对于常规能源发电在减少碳排放方面的价值量。因此，社会福利函数^[16]为

式中：为政府支出函数，即额外的政策成本，表示可再生能源发电企业生产的正外部性收益，与单位减排收益 ε 和产量相关，其中 ε 采用单位可再生能源发电减少的碳排放环境成本作为核算标准^[20]。

1.2.2  模型求解

本文编程环境为Matlab平台。电力供应链两级结构均衡状态下最优决策记为*。首先，考虑消费端最优购电量决策，由消费端剩余一阶条件等于零得到消费端的需求函数，即

其次，发电企业基于自身利润最大化确定最优供电量，由发电企业利润一阶条件等于零分别得到常规能源和可再生能源发电量关于价格的供给函数，即

最后，根据等量传递公式，电力市场均衡时的总供给等于总需求，求解得到均衡状态下电力批发价格、常规能源发电量、可再生能源发电量、总需求电量和固定溢价补贴表达式，即

1.3  RPS下电力供应链博弈模型1.3.1  模型构建在RPS下，绿证市场与电力市场相互作用。随着绿证市场建设逐渐成熟，绿证供需双侧市场灵活性增强^[21]。根据国际绿证交易实践，绿证与可再生能源电力的交易形式可分为捆绑式和非捆绑式^[22]，捆绑式即在电力市场中捆绑出售可再生能源电力及绿证；非捆绑式绿证则与可再生能源电力独立，可作为金融产品在绿证市场中单独出售。图2为以消费端为配额义务考核主体的PRS下电力市场交易架构。图2  RPS下电力市场交易架构Fig.2  Architecture of power market transactions under RPS

根据绿证的核算方法，1 MW·h的可再生能源电量核发一个单位的绿证，即绿证市场中存在其中为绿证数量。角标 rps 表示在RPS情景下设置的变量。首先，消费端作为配额义务考核主体有动机从可再生能源发电企业处购买绿证来完成配额，否则将接受违规惩罚。惩罚函数的引入被看作是对绿证价格上限的规制，因为没有消费端会以高于罚金的价格购买绿证。基于文献[23]将惩罚函数设置为二次损失函数，则消费端剩余函数为

式中: P_c 表示绿证价格；f表示罚函数的尺度参数，f＞0。消费端未履行配额义务所支付的罚金取决于绿证的实际购买数量，且消费端购买比配额目标更多数量的绿证也不会收到任何额外支出。因此，绿证的实际交易数量将不会超过配额目标

在RPS下，电力供应链各主体利润函数在1.2.1节的基础上做出部分调整，下文仅对做出调整的函数关系进行描述。

可再生能源发电企业的利润由其在电力市场上的交易收益、发电成本及绿证市场上的绿证收益组成，可再生能源发电企业利润最大化模型为

约束条件基本同1.2.1节，在RPS下由于惩罚函数的引入，因此仅存在电力市场均衡约束。

RPS的实施不仅承担了一部分政府的可再生能源补贴压力，而且减少了因常规能源发电企业生产所造成的环境污染负面影响。此时，社会福利函数为消费端剩余加发电企业利润和可再生能源发电企业生产的正外部性收益，即

1.3.2  模型求解

结合1.2.2节类似推导。求解得到均衡状态下电力批发价格、常规能源发电量、可再生能源发电量、总需求电量和绿证价格表达式为

1.4  FIP-RPS下电力供应链博弈模型1.4.1  模型构建

由式（9）和式（14）可知，通过对可再生能源占比 α 的调控，政府政策在FIP与RPS下的电力供应链主体最优决策也会随之影响。本文进一步提出了FIP与RPS并行双轨制的均衡模型。依据可再生能源长远发展的角度，体现政府在政策协调下对最优社会福利的把控，逐步从FIP过渡到RPS。此时，消费端剩余函数为

式中：K 为RPS实施占比系数，且 0⩽K⩽1 ，当 K=0 时为仅实施FIP，当 K=1 时表示仅实施RPS。

可再生能源发电企业的利润由其在电力市场上的交易收益、发电成本、政府固定溢价补贴及绿证市场上的绿证收益组成，可再生能源发电企业利润最大化模型为

约束条件基本同1.2.1节，在FIP-RPS下政策约束为

FIP与RPS并行双轨制下社会福利函数为

1.4.2  模型求解

结合1.2.2节类似推导，求解得到均衡状态下的电力批发价格、常规能源发电量、可再生能源发电量、总需求电量、固定溢价补贴和绿证价格表达式为

2  可再生能源政策效应比较研究

2.1  数据选取与参数设置

为了使数值分析更能贴近中国能源利用现状，增强实践指导意义，本文将基于2018年中国电力市场的实际概况进行基本参数选取。根据中电联发布的《全国电力工业统计快报数据一览表》，截至2018年底，全国总发电量为69947亿kW·h，其中可再生能源发电量为5427亿kW·h，占比7.76%。根据国家统计局发布的《全国电力价格情况监管通报》，2018年全国发电企业平均上网电价为373.87元/(MW·h)。本文可再生能源主要考虑风电和光伏发电，具体各类型发电量及平均上网电价如表1所示。

表1  2018年不同发电类型发电量及平均上网电价

Table 1  Different types of power generation and average FIT in 2018

参考文献[23]的做法，选取中国2013—2018年数据，估计了需求参数 m=474.76 ，n=1.52×10⁻⁸，能够较好反映中国近年来经济结构下的电力需求。利用边际收益等于边际成本的均衡条件，即 P_e=2λq_th ，应用2013—2018年火电平均上网电价和发电量计算了常规能源成本参数 λ=4.25×10⁻⁸ 元/（MW·h）²；可再生能源平均上网电价和发电量取风电和光伏发电的平均值，以表1上网电价区间数据为参照，可再生能源上网电价是常规能源平均上网电价的1.06~3.24倍，取其平均后将可再生能源成本参数 β 设置为 λ 的2.15倍^[16]，即 β=9.14×10⁻⁸ 元/（MW·h）²；单位减排收益 ε 取660元/（MW·h）^[20]。为了便于数值分析，电量单位统一转换为MW·h，即与绿证核发单位保持一致。2.2  RPS政策效果影响因素分析

（1）罚金参数对绿证价格和可再生能源电量的影响。图3 a）给出了配额制下罚金参数变动对绿证价格的影响。可以看出，当配额比例一定时，绿证价格随罚金参数 f 的增加而上涨，最终趋于平稳。如果罚金参数设置过低，消费端将愿意支付较低的罚金来代替购买绿证。随着罚金力度的持续加强，消费端将增加绿证的需求，导致绿证价格的上涨。此外，配额比例越高，绿证价格对罚金参数 f 的变动越敏感，绿证价格越高。图3 b）给出了配额制下罚金参数变动对可再生能源电量的影响。可以看出，当配额比例一定时，提高罚金参数，消费端接受处罚意愿下降，购买绿证意愿增强，导致可再生能源电力产出增加。由于配额约束的存在，市场上可再生能源交易数量及绿证价格最终将随 f 的增加趋于稳定。

图3  罚金参数对绿证价格和可再生能源电量的影响

Fig.3  Impact of penalty parameters on price of TGC and renewable energy electricity

（2）配额对电量、价格及社会福利的影响。图4为不同配额比例下电量、价格和社会福利的变动情况。由图4 a）可知，随着配额比例 α 的增加，常规能源电量和总电量产出呈现递减趋势，可再生能源电量产出呈现先递增后递减趋势。由图4 b）可知，随着配额需求的不断扩大，受市场供需关系的影响，绿证价格呈现先递增后递减趋势；电力批发价格不断降低。当基准配额比例较低时，绿证需求处于上升阶段，绿证价格上涨；若继续提高配额比例，则绿证价格将过高，总电量产出急剧下降（见图4 a）），此时绿证需求也随之减少，最终导致绿证价格下降。此外，罚金参数越高，绿证价格对配额比例 α 的变动越敏感。由图4 c）可知，随着配额比例的不断提高，社会福利函数先递增后递减，呈现倒“U”型。此结果表明，配额值过低时，增加配额力度将会带来可再生能源发展对环境及社会的正外部性效益，社会福利逐渐增加；配额值过高时，由于可再生能源现阶段发电成本偏高，导致绿证价格偏高，将影响绿证交易机制的实施，社会福利逐渐减少。

图4  配额对电量、价格和社会福利的影响

Fig.4  Impact of quotas on electricity, price, and social welfare

2.3  FIP与RPS社会福利比较

政策效应为政府政策干预带来的损益变化，基于福利效应理论，评估政策效应的测度内容为社会福利损益。图5给出了单独2种政策下配额变化对社会福利的影响比较。罚金参数 f 取值为 1×10⁻⁵ ，该参数的其他取值不影响规律性结论。由图5可知，2种政策社会福利函数均随配额比例的增加呈现先递增后递减趋势；配额比例偏低时，FIP社会福利水平更高；配额比例偏高时，RPS社会福利水平高于FIP。这表明在可再生能源发展规划初始阶段，FIP能够保证可再生能源发电项目的稳定收益。随着可再生能源市场份额比重不断增加，FIP下政府资金缺口持续扩大，实施RPS让市场进行自发调节，既能够缓解政府补贴压力又能够带来更多的社会福利。

图5  FIP与RPS政策效应比较

Fig.5  Comparison of policy effects of FIP and RPS

2.4  考虑2种政策并行双轨制下社会福利比较

根据实际情况，本文将可再生能源配额制按占比 K 实施，分析不同占比 K 在不同配额比例 α 作用下的社会福利变动。由图6可知，通过分配配额制占比 K 的交易，社会福利将随配额比例的增加呈现先递增后递减趋势。在配额比例较小时，实施较高占比的FIP，即 K 越小，社会福利越大；在配额比例0.6左右或较高时，单独实施FIP或RPS都不利于社会福利提升。此结果表明，FIP与RPS并行双轨制能够有效地促进可再生能源的持续发展。从社会福利角度来看，在配额需求偏低时实施RPS较单独实施FIP一定程度上减少了社会福利，但考虑到环境等正外部性收益的增加和可再生能源附加费用的分摊，对于发电企业、政府及全社会来说都是有利的。目前中国可再生能源配额比例仅为15%，因此在制度过渡阶段，国家仍需以上网电价政策为导向，在现行固定溢价补贴基础上协调 K 的比例，平衡政府补贴压力与电价波动风险之间的关系，保障社会福利水平最优。

图6  不同政策占比下社会福利比较

Fig.6  Comparison of social welfare under different combination ratios of FIP and RPS

3  结论

本文在分析可再生能源政策及RES电力供应链的基础上，考虑以消费端为配额义务考核主体并引入惩罚函数，建立3种政策情景下电力供应链纳什均衡博弈模型，综合配额和罚金参数得到配额制下电力供应链均衡结果及政策社会福利差异。通过对所建模型进行算例仿真，得出以下结论。（1）在基准配额比例 α 一定时，RES交易电量和绿证价格随罚金参数 f 的增加而上涨；在罚金参数一定时，随着配额力度的加强，常规能源电力产出持续递减，RES交易电量和绿证价格呈现先递增后递减趋势，社会福利函数呈现倒“U”型分布。RPS实施改变了市场的利益格局，其实施效果依赖于电力供应链与市场的协调。RPS可通过落实消费端消纳责任权重来影响市场各交易主体决策行为，以达到资源优化配置和促进RES电力消纳的目的。因此，为推进可再生能源政策实施，政府需综合考虑配额、惩罚措施和成本等因素，确保RES电力供应链主体收益及社会福利达到最优。对于常规能源发电企业来说未来需承担起更多提高系统内调峰调频能力的作用。（2）当配额需求偏低时，FIP社会福利水平高于RPS，反之则相反；考虑2种政策并行双轨制情景下，配额比例偏低时实施越高比例FIP社会福利水平越高；随着配额比例 α 的增加，2种政策并行双轨制下社会福利水平优于两种政策单独实施。实践中，中国可根据可再生能源产业发展阶段及电力市场化推进程度调节配额占比，阶段性地实现FIP向RPS机制的过渡；也可根据可再生能源产业成熟差异度，分省份或地区决定2种政策的优先级。目前中国电力现货市场仍处于建设过程中，且市场监管和法律建设不足，因此中国现阶段仍适宜采用以固定溢价补贴制为主、以配额制为辅的可再生能源政策框架。

（责任编辑　许晓艳）

作者介绍

武群丽（1971—），女，博士，教授，从事能源经济与可持续发展政策研究，E-mail：[e-mail];

★

席曼（1996—），女，通信作者，硕士研究生，从事能源经济与可持续发展政策研究，E-mail：[e-mail].

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：于静茹

校对：王文诗

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。