|
|
1. 国外研究
1.1 国际应用系统分析研究所
国际应用系统分析研究所的MESSAGE（Model for Energy Supply System Alternatives and their General Environmental Impacts）模型是自底向上的能源系统优化模型[1]。该模型将全球分为11个区域，技术描述包括技术参数、经济参数及技术所对应的环境效应参数等等。模型对能源系统进行全局优化，从资源开采、中间转换到终端用能，以供能成本最小化作为目标函数，以资源潜力、能量流动平衡、生产能力和系统动态变化速率为约束条件，因此可以在技术层面计算最优的能源生产和投资决策，能方便地分析温室气体减排政策对技术的影响以及减排政策成本。MESSAGE模型还可以与宏观经济模型MACRO软连接评估经济对能源需求的影响，与全球生态模型GLOBIOM软连接评估能源系统对土地、森林和水资源利用的影响，与大气污染模型GAINS软连接评估能源系统对空气污染和健康的影响，与气候模型MAGICC软连接评估气候变化产生的温升、海平面变化的影响，与能源可及性模型ACCESS软连接评估电气化发展对现代能源普及的影响。
图1 MESSAGE模型能量流示意图
MESSAGE模型是政府间气候变化专门委员会（IPCC），世界能源理事会（WEC），德国全球变化咨询委员会（WBGU），欧洲委员会以及最近的全球能源评估（GEA）广泛应用的核心数据支撑与模型工具。
1.2 国际原子能机构
国际原子能机构（IAEA）开发了WASP（Wien Automatic System Planning Package）软件，WASP是经典的电源装机容量规划软件，目前已发布4个版本。该软件以最小折现总成本为目标，优化不同类型发电机组容量[2]。当扩建电力系统的负荷及一次能源分布比较均匀，厂址条件不受限制和输电网在电源规划中的权重较小时，使用该模型能得到较为满意的结果。WASP软件曾在韩国未来核电作用的评估[3]和泰国装机容量规划中应用[4]。
IAEA还推出了针对核能系统评估的INPRO（Innovative Nuclear Reactors and Fuel Cycles）方法，该方法专门用于确定特定核能系统是否会以可持续的方式为满足21世纪的能源需求做出贡献。它是一种评估核能系统和创新技术的工具，涵盖了所有核燃料循环设施在其生命周期内的所有评估领域。评估可由负责能源或核能系统规划的国家主管部门发起，需要在七个评估领域具有跨领域专业知识的个人/团队，并且对构成核能系统的核设施有充分的了解。
图2 IAEA用来评估核能系统可持续发展的INPRO方法
1.3 波士顿大学与瑞典斯德哥尔摩研究所
波士顿大学与瑞典斯德哥尔摩研究所(SEI)于上世纪80年代联合开发了长期能源替代规划模型——LEAP（Low Emissions Analysis Platform）[5]。作为一种综合能源建模工具，它可分析各区域部门的燃料需求、气体污染物排放、成本效益等，政策分析者能够综合比较欲达成的指标从而对不同情景进行量化创建、评估。通常情况下，LEAP模型需要基准年的数据以及未来短期年限的估测数据，再对各类参数采取外推等方法估算未来趋势[6]。
LEAP模型主要由能源需求、加工转化、资源供应、成本分析、环境评价等模块构成，使用非常广泛，迄今为止已被全球190多个国家中的上千个组织采用[7],并且国家发改委能源研究所在“能源环境区域规划项目”和“青岛能源规划项目”等项目中都曾使用过LEAP模型[8]。
1.4 国际能源署
国际能源署的能源技术系统分析项目（下文简称IEA-ETSAP）中开发的MARKAL/TIMES（MARKet Allocation of technologies model/The Integrated MARKAL-EFOM System）软件，侧重于长期能源、经济和环境分析，将电源装机和输电容量协同优化[9]。
该软件应用于多种研究，并且已被用来模拟欧盟委员会关于可再生资源的使用，缓解气候变化和提高能源效率的综合政策等[10]。Stoltmann等使用波兰电力系统的MARKAL模型，计算2030年热电联产电厂的装机容量和年发电量，探讨了热电联产技术与可再生能源发电机制的融合问题[11]。Ma等MARKAL模型定量分析了上海未来能源消费需求及其对环境质量的影响，结果显示，2015年上海全社会用能将达到1.44亿吨标准煤，2020年将增加至1.99亿吨标准煤，且未来能源需求量仍将继续增加[12]。
1.5 日本国立环境研究所
日本国立环境研究所开发了AIM（Asia Pacific Integrated Model）/enduse模型方法[13]，通过模拟从原料到最终产品过程中的物质流与能量流，计算分部门的能源消耗和温室气体排放，用于评价节能减排政策以及计算分行业的节能减排潜力，现已广泛应用于分部门的节能减排情景模拟。该模型从工艺系统角度构建分析框架，采用线性规划方法，以总成本最小的优化算法进行情景分析。
2. 国内研究
2.1 清华大学能源环境经济研究所
清华大学能源环境经济研究所始创于1980年，是清华大学核能与新能源技术研究院和清华大学经济管理学院、清华大学公共管理学院共建的校级研究机构，是中国高校中最早开展能源与应对气候变化研究的团队。研究所先后牵头承担包括国家“973”计划项目、国家自然科学基金重大项目、国家重点研发计划项目、国家社科基金重大项目在内的多项国家级应对气候变化项目，长期支持国家发改委、生态环境部、国家能源局、工信部、北京市的应对气候变化工作，是具有国际影响的全球气候治理智库。2000年以来，先后为国家提供重大政策咨询建议10余项，被有关政府部门采用；在Science、Nature Energy、Nature Climate Change等国际期刊上发表论文200余篇，共出版各种学术专著40多部。研究所曾获国家科技进步奖一等奖1项、二等奖2项，高等学校优秀研究成果奖（人文社会科学）一等奖1项。
中国可再生能源电力规划及运行模型（REPO）：REPO是反映了中国电力系统运行特征和省际差异的分省电力系统规划模型。REPO模型在开源模型Balmorel模型的基础上进行了扩展，并描述了中国重要的技术和政策特征。REPO模型共涵盖32个电网区域，并在省级尺度上表达了电力需求、资源潜力、已有装机容量和传输线容量信息。模型已涵盖各类常规发电技术和可再生能源发电技术、CCS技术以及储能技术。对于可再生能源，模型对风电、光伏等可再生能源发电技术的资源潜力和资源波动性进行了刻画。此外，模型还考虑了未来可再生能源发电的技术进步。REPO模型以最小化电力系统贴现成本为优化目标，能够得出满足约束条件下各类发电技术各模型模拟年份在各省的装机和发电量、省间传输线路容量和碳排放等结果。
CGEM-CESM模型（China-in-Global energy model）：CGEM-CESM模型双向耦合了能源经济模型C-GEM（China-in-Global energy model）与地球系统模式CESM（Community Earth System Model），可以探索气候变化的社会经济影响以及人地系统的反馈模式等。CGEM-CESM模型的能源经济模块为可计算一般均衡模型C-GEM，其可以模拟产品和要素在市场上的流动，并在生产和消费环节产生温室气体排放。人类活动相关的温室气体排放经过通量化处理后驱动地球系统模式CESM对关键的气候响应参数（温度、降水、湿度等）进行模拟。CESM模型模拟出的格点化气候响应参数会进一步驱动气候损失评估模块，对气候损失进行模拟和评估。其中，气候损失评估模块包含一系列格点化的气候损失函数，这些气候损失函数可以将气候参数转化为经济量的变化，并经过区域聚合后返回到C-GEM模型中。气候系统向社会经济系统的反馈会使得社会经济系统产生新的均衡状态并继续向CESM模型输出通量化的温室气体排放数据，从而形成双向动态耦合机制。CGEM-CESM模型的模型介绍和模型应用于发表于中英气候变化风险评估报告上 (Teng Fei, Wang Tianpeng, Guo Jiangwen. Carbon neutrality targets and climate risk. China-UK Climate Risk Project Phase III Reports, 2021.)。模型也为国家重点研发计划项目“服务于气候变化影响评估的综合评估模型的发展与改进”（2016-2021）和中英气候合作项目“UK-China Cooperation on Climate Change Risk Assessment”提供了支持[14]。
图3 CGEM-CESM模型基本架构
2.2 北京理工大学能源与环境政策研究中心
能源与环境政策研究中心面向国家能源与应对气候变化领域的重大战略需求，针对能源经济与气候政策中的关键科学问题开展系统研究，增进对能源、气候与经济社会发展关系的科学认识，为政府制定能源气候战略和政策提供科学参考[15]。
中心起源于20世纪90年代魏一鸣在中国科学院的资源与环境复杂系统建模研究团队。早期该团队围绕国家油气等矿产资源和水电资源开发决策、应对极端气候事件等国家重大战略问题开展了系统研究。2000年以来，针对国家新的发展形势和战略需求，研究领域进一步扩展到能源经济系统和全球气候政策，研究视野和思路进一步拓展到交叉综合学科。2006年，成立能源与环境政策研究中心。2009年，应北京理工大学邀请，团队大部分成员调入北京理工大学，继续开展“能源经济与气候政策”研究；并经学校批准成立了北京理工大学能源与环境政策研究中心（CEEP）。团队研究力量得到了进一步扩充和发展，国际影响力持续增强。2015年，该团队获批成为国家自然科学基金创新研究群体。
魏一鸣教授团队发表了关于“中国碳达峰碳中和时间表与路线图研究”的论文成果，该路线图是基于魏一鸣教授团队自主设计构建的国家能源技术模型（C3IAM/NET）研究得到，C3IAM/NET模型耦合了“能源加工转换—运输配送—终端使用—末端回收治理”全过程、行业“原料—燃料—工艺—技术—产品/服务”全链条，实现了以需定产、供需联动、技术经济协同的复杂系统建模。
梁巧梅教授与博士生许清扬、博士生孙飞虎等合作的研究论文《Assessment of the influence of demand-side responses on high-proportion renewable energy system: An evidence of Qinghai, China》发表在国际期刊《Renewable Energy》上。本研究建立了一个包含风光水火四种能源的电力系统，考虑了可再生能源在不同季节和全天不同时刻的出力变化以及需求响应的灵活性，并基于小时级的实际数据建立了混合整数线性规划模型，从宏观层面上量化了需求响应对高比例可再生能源系统的潜在影响，包括系统成本、调峰能力、装机容量和电力结构的影响。此外，还讨论了需求响应在解决弃风率和弃光率问题时的潜在优势。
以创新群体成员为核心的团队，从2009年开始研发,历时5 年，完成了由6大部分组成的国家能源模型集成平台（Integrated National Energy Modeling System, iNEMS)。2017年度，国家能源模型集成系统新获得了4项软件著作权。
2.3 北京大学能源环境经济与政策研究室
课题组研究注重识别绿色低碳转型的关键科学前沿与政策管理重大需求问题。在多个国家科技计划项目多年连续支持下，自主开发了适用于国家、省级及全球多层次政策分析的IMED模型，模拟未来经济发展和收入增长对能源与资源消耗、温室气体和污染物排放的影响，评估绿色低碳转型政策措施，进而提高地球环境和人类的健康水平，支撑能源环境与气候政策的综合决策，助力我国及全球实现碳达峰碳中和、“美丽中国”及全球可持续发展目标。IMED模型被权威机构认为是国内气候环境政策研究的代表性模型之一，为突破“从过去依赖国际模型转向开发本地化、精细化综合评估模型”做出了重要贡献。
2.4 能源研究所
国家发展和改革委员会能源研究所隶属于中国国家发展和改革委员会，由国家发展和改革委员会宏观经济研究院归口管理。能源研究所是综合研究中国能源问题的国家级研究机构，以国家宏观能源经济与区域能源经济、能源产业发展、能源技术政策、能源供需预测、能源安全、能源与环境、节能与提高能源效率、可再生能源和替代能源发展等与经济社会发展相关的能源经济问题为主要研究方向。
2.5 清华大学电机系
清华大学研发的电力规划决策支持系统（下文简称 GOPT）实现了电力系统时序运行模拟、电源规划优化、电网规划优化、电力系统风险评估、可再生能源消纳能力评估及可信容量评估等实用化功能，在中国多个电网的规划工作中实现应用。其中，运行模拟功能可实现全年多区域8760 h的机组组合调度运行模拟[16]。
<hr/>参考文献
[1] https://docs.messageix.org/en/stable/framework.html
[2] International Atomic Energy Agency. Wien automatic system planning （WASP） package a computer code for power generating system expansion planning version WASP-IV： computer manual series No. 16 ［EB/OL］. ［2021-01-01］. https：//www.iaea. org/publications/6327/wien-automatic-system-planningwasp-package-a-computer-code-for-power-generating-system-expansion-planning-version-wasp-iv.
[3] LEE Y E， JUNG Y B. Challenges of nuclear power for sustainable role in Korean energy policy［J］. Energy Conversion and Management，2008，49（7）：1951-1959.
[4] NAKAWIRO T， BHATTACHARYYA S C， LIMMEECHOKCHAI B. Electricity capacity expansion in Thailand：an analysis of gas dependence and fuel import reliance［J］. Energy，2008，33（5）：712-723.
[5] https://leap.sei.org/
[6] 程宁熹, 基于LEAP模型的上海市工业部门能源消费与碳排放研究[D], 2021.
[7] Song H J, Lee S, Maken S, et al. Environmental and economic assessment of the chemical absorption process in Korea using the LEAP model[J]. Energy Policy, 2007, 35(10): 5109-5116.
Limanond T, Jomnonkwao S, Srikaew A. Projection of future transport energy demand of Thailand[J]. Energy Policy, 2011, 39(5): 2754-2763.
[8] 吕锋, 谢妍. 灰关联分析在环境优序评价中的应用[C]. 2001 中国控制与决策学术年会.沈阳:东北大学出版社, 2001: 838-842.
[9] LOULOU R，GOLDSTEIN G，NOBLE K. Documentation for the MARKAL family of models［J］. Energy Technology Systems Analysis Programme，2004：65-73.
[10] GIANNAKIS G. Monitoring and evaluation of the RES directives implementation in EU27 and policy recommendations for 2020［EB/OL］. ［2021-02-02］. http：//www. cres.gr/res2020/files/fs_inferior01_h_files/pdf/deliver/RES2020-Policies-Recommendations.pdf.
[11] Stoltmann, A, M Jaskólski, Buko P. Optimization of combined heat and power (CHP) market allocation: The case of Poland[J]. IOP Conference Series Earth and Environmental Science, 2019, 214: 012-036.
[12] Ma X, Mei C, Lan L, et al. An assessment on Shanghai&#39;s energy and environment impacts of using MARKAL model[J]. Journal of Renewable and Sustainable Energy, 2015, 7(1): 1137.
[13] https://www-iam.nies.go.jp/aim/
[14] 清华大学能源环境经济研究所：http://www.3e.tsinghua.edu.cn/cn/category/research-models-evaluation
[15] 北京理工大学能源与环境政策研究中心网站https://ceep.bit.edu.cn/zxjs/zxjj/index.htm
[16] DU E S，ZHANG N，KANG C Q，et al. A high-efficiency network-constrained clustered unit commitment model for power system planning studies［J］. IEEE Transactions on Power Systems，2019，34（4）：2498-2508. |
|
发表于 2022-12-31 11:34:14