基于灰色預測模型的我國海上風電發(fā)展規(guī)模和趨勢研究

竇如婷,謝齊

(1.南方電網(wǎng)科學研究院 廣州 510080;2.中國化工信息中心 北京 100029)

0 引言

海上風電是可再生能源開發(fā)利用的重要方向之一,已成為全球風電發(fā)展的研究熱點。海上風電是我國戰(zhàn)略性新興產業(yè)、科技產業(yè)和海洋產業(yè)的重要組成部分[1]。我國海上風電的發(fā)展前景十分廣闊,對于推進能源結構轉型和環(huán)境保護具有至關重要的作用。

根據(jù)中國風能協(xié)會(CWEA)的統(tǒng)計數(shù)據(jù),我國海上風電自“十三五”以來保持高速發(fā)展,年均增長率超過50%[2]。在我國海上風電總體發(fā)展的同時,各沿海地區(qū)海上風電的發(fā)展水平受地理位置、經濟水平、電網(wǎng)運輸和消納能力以及政府重視程度等因素影響而存在一定的差異[3]。2020年1月,財政部宣布擬從2022年開始停止新建海上風電項目的中央補貼,鼓勵各地方政府自行補貼支持本地海上風電項目建設,這意味著我國海上風電即將提前進入平價時代[4]。因此,在全國海上風電加速發(fā)展的大潮中,各沿海地區(qū)根據(jù)自身特點發(fā)展海上風電具有重要的現(xiàn)實意義。

國內學者很早就針對風電開展預測研究。商立峰等[5]基于時間序列的Logistic模型,預測我國各地區(qū)2013—2020年的風電發(fā)展趨勢;符淼等[6]采用灰色預測理論的DGM(2,1)模型,對“21世紀海上絲綢之路”沿線代表國家的風電裝機量進行預測;馬紅艷等[7]采用技術擴散理論的Gompertz模型,預測我國風電發(fā)展趨勢,提出2010年是起飛點,此后的17年是成長期,2027年后進入成熟期,且按照這種發(fā)展速度,國內存在風電設備產能過剩的現(xiàn)象;張毅等[8]基于國內某風電場的實際風機運行數(shù)據(jù)預測風電功率,提出經優(yōu)化的灰色模型可提高所選數(shù)據(jù)的點數(shù)和背景值,有助于提高預測精度和性能。在眾多預測方法中,基于灰色系統(tǒng)理論的預測模型所需歷史數(shù)據(jù)少、運算量較低,且能適應數(shù)據(jù)的動態(tài)變化,被廣泛應用于經濟、能源和金融等領域。

現(xiàn)有文獻的研究成果集中在海上風電發(fā)展現(xiàn)狀和對策,而針對其發(fā)展規(guī)模和趨勢的預測則很少見。本研究梳理我國海上風電發(fā)展現(xiàn)狀,根據(jù)歷史數(shù)據(jù)的特點選取灰色預測模型,對全國和主要地區(qū)海上風電裝機量進行模擬和預測,為我國海上風電發(fā)展決策提供參考。

1 我國海上風電發(fā)展現(xiàn)狀

發(fā)電量、裝機量、并網(wǎng)裝機量和棄風電量等可作為海上風電發(fā)展的統(tǒng)計指標[9]?？紤]到風電裝機量與實際并網(wǎng)發(fā)電裝機量之間有明顯差別、棄風限電的問題一直存在以及風電發(fā)電量的數(shù)據(jù)較難獲取等因素,本研究采用裝機量作為預測我國海上風電發(fā)展規(guī)模和趨勢的指標。

我國海上風電發(fā)展起步較晚(2010年后),且具有跨越式和波動大等特點。根據(jù)CWEA的統(tǒng)計數(shù)據(jù),截至2018年,我國海上風電累計裝機量為444.5萬k W。其中:江蘇為312.9萬k W,占比約為70.4%;上海為40.5萬k W,占比約為9.1%;福建為28.9萬k W,占比約為6.5%;廣東、浙江、河北、山東、遼寧和天津等合計為62萬k W,占比約為13.9%。

江蘇海上風電的自然資源和建設條件較均衡,自2010年如東潮間帶試驗風電場建成并投產以來,江蘇成為我國海上風電發(fā)展的先行者[10]。

2016年《電力發(fā)展“十三五”規(guī)劃》確定因地制宜發(fā)展海上風電的任務,我國海上風電開始加速發(fā)展。福建和廣東海上風電的開發(fā)難度較高,但其憑借顯著的風能資源優(yōu)勢逐漸成為重點發(fā)展區(qū)域。至2018年年底,福建已累計投產約30萬kW,在建階段項目約180萬k W[11];廣東已累計投產約12萬k W,在建階段項目約420萬k W[12]。此外,浙江、河北和山東等地的海上風電建設均已取得進展,北部灣、遼東灣和海南島西部海域等優(yōu)質資源區(qū)也有待逐步開展相關規(guī)劃。

全國和江蘇的海上風電裝機量呈增長趨勢,其他地區(qū)由于數(shù)據(jù)量較少,暫時呈線性或波動發(fā)展趨勢。

2 灰色系統(tǒng)理論和灰色預測模型

灰色系統(tǒng)理論的研究對象通常為“部分信息已知、部分信息未知”的小樣本和“貧信息”的不確定性系統(tǒng)。該理論將一切隨機過程視為在一定范圍內變化的、與時間有關的灰色過程,并將離散的原始數(shù)據(jù)整理成有規(guī)律的生成數(shù)列后再進行研究。對灰色過程建立的模型即灰色模型[13],其中應用最廣泛的是GM(1,1),而DGM(1,1)、GM(2,1)和DGM(2,1)等均為衍生模型。

GM(1,1)適用于具有較強指數(shù)規(guī)律的序列;DGM(2,1)是單調序列二階線性動態(tài)模型,其利用微分方程逼近擬合,對于趨勢變化較強烈的數(shù)據(jù)更能顯示預測精度,適用于單調的擺動發(fā)展序列;對于原始數(shù)據(jù)具有近似非齊次指數(shù)增長規(guī)律的數(shù)列,可采用NDGM預測[13]。

2.1 GM(1,1)

GM(1,1)是最常用和最原始的灰色模型,由包含單變量的微分方程構成。

設原始數(shù)據(jù)序列為X(0),即

其中:x(0)(k)≥0,(k=1,2,…,n)。

X(1)為X(0)的1-AGO序列,即

Z(1)為X(1)的緊鄰均值生成序列,即

GM(1,1)的基本形式為:

將k=2,3,…,n代入,可將GM(1,1)的基本形式轉化為矩陣方程。

若P=[a,b]T為參數(shù)列,且

根據(jù)最小二乘法原理,參數(shù)列滿足:

求解上述矩陣和參數(shù)列,可得GM(1,1)的時間響應序列:

還原后可得預測值:

2.2 DGM(2,1)

DGM(2,1)的微分方程為:

原始序列X(0)和1-AGO序列X(1)的計算方法同GM(1,1)。

此外,須對X(0)進行1-IAGO處理,得序列:

其中:?(1)x(0)(k)=x(0)(k+1)-x(0)(k)。

矩陣方程為:

DGM(2,1)的時間響應序列為:

最終預測值為:

2.3 NDGM

NDGM的基本形式為:

參數(shù)β1～β3仍采用最小二乘法求解,其中:

參數(shù)β4則采用無約束優(yōu)化模型求解,令和x(1)(k)的誤差平方和最小,即

可求得:

最終還原的預測值為:

2.4 模型精度檢驗

原始數(shù)列為:

相應的灰色預測模型序列為:

殘差為:

相對誤差為:

其中:

關聯(lián)度為:

均方差比值為:

小誤差概率為:

模型預測精度等級如表1所示。

表1 灰色預測精度等級

2.5 歷史數(shù)據(jù)模擬和檢驗

全國海上風電裝機量呈增長趨勢,各沿海地區(qū)海上風電裝機量呈線性或波動的發(fā)展特征。本研究采用3種灰色預測模型,對2010—2019年我國海上風電裝機量的歷史數(shù)據(jù)進行模擬,并與實際數(shù)據(jù)進行比較以驗證模型精度,從而進行模型選擇。數(shù)據(jù)的模擬和計算采用灰色系統(tǒng)建模軟件和Matlab軟件,具體模擬過程如表2所示。

表2 歷史數(shù)據(jù)模擬過程

歷史數(shù)據(jù)的模擬值與實際值對比如圖1所示。

圖1 我國海上風電裝機量歷史數(shù)據(jù)的模擬值與實際值

根據(jù)歷史數(shù)據(jù)模擬值與實際值的直觀對比,GM(1,1)和NDGM的模擬精度較高。模擬值的精度檢驗如表3所示。

表3 灰色預測模型的精度檢驗

與表1相對照:GM(1,1)和NDGM相對誤差的精度等級為三級,而DGM(2,1)的相對誤差超過0.2,不符合可用標準;3種模型關聯(lián)度、均方差比值和小誤差概率的精度等級均為一級。

綜上所述,GM(1,1)對歷史數(shù)據(jù)的模擬效果更佳、預測精度更高,可用于海上風電裝機量預測。

3 預測結果和分析

采用GM(1,1)預測2020—2025年全國和主要沿海地區(qū)海上風電裝機量(表4)。浙江、河北、山東和遼寧等地區(qū)的歷史數(shù)據(jù)較少,暫無法預測。

表4 全國和主要地區(qū)海上風電裝機量預測 萬k W

由表4可以看出,2020—2025年全國和主要沿海地區(qū)海上風電裝機量呈現(xiàn)持續(xù)快速增長的趨勢。

(1)根據(jù)中國可再生能源協(xié)會的預測,至2020年年底,全國海上風電并網(wǎng)裝機量約790萬k W,開工在建約1 000萬k W,與本研究預測的936萬k W相近。全國海上風電裝機量至2025年約7 389萬k W,接近全國遠期規(guī)劃的7 800萬k W。若后續(xù)無新增核準規(guī)模和遠海風電開工計劃,預計2025年后全國海上風電增長率將趨于平緩。

(2)江蘇海上風電裝機量至2022年約1 741萬kW,超過其遠期規(guī)劃的1 600萬k W,且至2025年接近全國總裝機量。江蘇近10年來是我國海上風電發(fā)展的領軍地區(qū),裝機量年均增長接近100%,而灰色預測模型正是基于歷史數(shù)據(jù)的變化規(guī)律對未來發(fā)展規(guī)模進行預測?；诖?江蘇完成存量規(guī)劃任務的時間可能晚于預測年份,在存量規(guī)劃目標達成后,其增長趨勢會大幅減緩,后續(xù)裝機量將轉為平穩(wěn)增長。目前江蘇海上風電全部為近海風電,規(guī)劃中的遠海風電有望成為其海上風電新的增長點[14]。

(3)廣東海上風電裝機量至2025年約4 389萬kW,超過其遠期規(guī)劃的3 000萬k W。廣東海上風電發(fā)展雖起步較晚,但具備資源優(yōu)勢,再加上地方政策的推動,其有望“接棒”江蘇成為我國下一個海上風電發(fā)展的領軍省份。

(4)根據(jù)文獻調研,福建將于2020年完成100萬k W的裝機目標[15],與本研究的預測結果高度一致。福建的遠期規(guī)劃為1 330萬k W,與本研究2024年的預測值較接近。因此,福建也有望成為未來海上風電大省。

(5)上海海上風電裝機量的增速較緩慢,至2025年約168萬k W。這與其海上風電裝機量歷史數(shù)據(jù)的變化規(guī)律有關,同時預測值也符合其遠期規(guī)劃的要求。

4 結論和展望

本研究在分析我國海上風電發(fā)展現(xiàn)狀的基礎上,在3種灰色預測模型中篩選針對海上風電裝機量歷史數(shù)據(jù)模擬精度較高的模型即GM(1,1),對全國和主要沿海地區(qū)海上風電裝機量進行預測。

基于灰色系統(tǒng)理論模擬和預測海上風電發(fā)展的規(guī)模和趨勢具備可行性,然而GM(1,1)的預測值后期呈指數(shù)級增長特征,可能與海上風電實際發(fā)展規(guī)律不符。有文獻研究認為2010—2027年是我國風電發(fā)展的成長期,2027年后進入成熟期[7];本研究根據(jù)預測結果推斷,2025年后我國海上風電發(fā)展將進入平穩(wěn)增長期。因此,GM(1,1)的短期(1～3年)預測準確率較高,預測結果可在一定程度上為國家和沿海地區(qū)制定海上風電發(fā)展規(guī)劃提供參考,從而提升科學決策水平以及減少盲目和重復建設;但中長期(5～10年)預測準確率則有待實踐檢驗。

根據(jù)模型預測數(shù)據(jù),未來全國和主要沿海地區(qū)海上風電裝機量將持續(xù)增長,但各地區(qū)呈現(xiàn)不同的增長率。江蘇海上風電發(fā)展起步早、速度快,但存量規(guī)劃目標達成后的增長將遇到“瓶頸”;江蘇已開始規(guī)劃遠海風電項目,有望成為其海上風電發(fā)展新的增長點。因此,在實際規(guī)劃和發(fā)展中應關注國家和地方政府對可再生能源的政策動向,合理有序布局。福建和廣東屬于我國海上風電發(fā)展的新興力量,其憑借豐富的海上風電資源,海上風電發(fā)展勢頭迅猛,有望成為我國海上風電發(fā)展的主力;但福建和廣東海域的地質和氣象等條件復雜,海上風電開發(fā)的技術難度較大,尤其易受臺風和地震等自然災害的影響。因此,應提高海上風電場選址的科學性,同時注重海上風電與海洋生態(tài)環(huán)境的協(xié)調發(fā)展[15]。

值得一提的是,根據(jù)全球風能委員會的統(tǒng)計,我國海上風電裝機量已居全球第三,但我國海上風電發(fā)展仍處于成長階段。2018年的海上風電“核準潮”和2022年面臨的補貼退坡期限,勢必導致各地出現(xiàn)“搶裝潮”,從而對我國海上風電產業(yè)的供應鏈帶來巨大挑戰(zhàn)。目前全國海上風電的年吊裝能力極限不超過400萬k W,遠遠無法滿足在建和待建項目的需求[16]。此外,由于我國海上風電發(fā)展起步較晚,許多新技術和大機組尚處于應用初期,其可靠性也須經長時間和大批量的實際運行來驗證。

加快發(fā)展包括海上風電在內的各種新能源以及加速推進電力綠色低碳轉型是不可逆轉的全球能源發(fā)展大勢。經濟和穩(wěn)妥地發(fā)展海上風電是我國實現(xiàn)電力轉型發(fā)展和實施國家能源安全新戰(zhàn)略的必然選擇[17]。在當前全國電力供需總體平衡以及為實體經濟減負的大背景下,我國海上風電發(fā)展應以經濟性為主要考量指標,重點在于謀劃發(fā)展時機,關鍵在于把握發(fā)展節(jié)奏和規(guī)模,從而穩(wěn)妥地推進海上風電發(fā)展,進而培育可釋放巨大經濟效益和社會效益的戰(zhàn)略性新興產業(yè),為我國引領全球能源發(fā)展進程和加快經濟結構轉型升級注入強大的新動能。