环境科学  2022, Vol. 43 Issue (7): 3375-3385   PDF    
引用本文
刘春景, 吕建燚, 赵汶畅, 徐卿, 金玉佳. 两种模式下中国未来发电行业发展情景及其环境效益分析[J]. 环境科学, 2022, 43(7): 3375-3385.
LIU Chun-jing, LÜ Jian-yi, ZHAO Wen-chang, XU Qing, JIN Yu-jia. Development Scenarios and Environmental Benefits Analysis of Future Power Generation Industry Under Two Modes in China[J]. Environmental Science, 2022, 43(7): 3375-3385.
两种模式下中国未来发电行业发展情景及其环境效益分析
刘春景, 吕建燚, 赵汶畅, 徐卿, 金玉佳     
华北电力大学环境科学与工程系, 河北省燃煤电站烟气多污染物协同控制重点实验室, 保定 071003
收稿日期: 2021-10-19; 修订日期: 2021-11-26
基金项目: 北京市自然科学基金项目(3202029)
作者简介: 刘春景(1997~), 男, 博士研究生, 主要研究方向为电力能源与环境保护, E-mail: lcj725@126.com
通信作者: 吕建燚, E-mail: lujianyi@tsinghua.org.cn
摘要: 为了研究“双碳”目标模式下我国发电行业发展前景及带来的环境效益, 建立了饱和“S”状灰色模型计算了按照旧有发电模式——非“双碳”模式下2021~2060年发电行业装机容量和发电量, 并基于“中国2030年能源电力发展规划研究及2060年展望报告”计算获得了“双碳”模式下2021~2060年发电行业装机容量和发电量, 对比研究了两种模式下中国未来发电行业的发展情景.通过物料衡算法和火电行业排放绩效构建了CO2、SO2、NOx、PM、PM10和PM2.5的排放因子以及减排因子, 定义了用于衡量污染物减排量的4种环境效益A1~A4.结果表明, 在“双碳”模式下, 火电机组将于2026年实现碳达峰, 之后年均降低0.28亿kW, 同时要求可再生能源发电机组于2020年后年均增加1.54亿kW以实现碳中和.与非“双碳”模式相比, “双碳”模式下火力发电装机容量将大幅度减少, 可再生能源发电装机容量将大量增加, 由此产生巨大的环境效益A1和A2.未来40年CO2、SO2、NOx、PM、PM10和PM2.5的火力发电污染物累积减排量A1分别为6.64×1010、1.54×107、1.55×107、3.18×106、1.71×106和2.23×105 t, 可再生能源发电污染物累积减排量A2分别为5.77×1010、1.64×107、1.42×107、2.86×106、1.54×106和2×105 t.“双碳”模式下, 与燃煤发电相比, 由可再生能源发电和核电的相对清洁性产生的环境效益A3和A4表明, 未来40年CO2、SO2、NOx、PM、PM10和PM2.5的清洁能源发电累计减排量(A3+A4)分别为3.014×1011、7.292×107、7.119×107、1.454×107、7.827×106和1.018×106 t.
关键词: 火力发电      可再生能源发电      碳达峰      碳中和      环境效益     
Development Scenarios and Environmental Benefits Analysis of Future Power Generation Industry Under Two Modes in China
LIU Chun-jing , LÜ Jian-yi , ZHAO Wen-chang , XU Qing , JIN Yu-jia     
Hebei Key Laboratory of Power Plant Flue Gas Multi-Pollutants Control, Department of Environmental Science and Engineering, North China Electric Power University, Baoding 071003, China
Abstract: In order to study the impact of the "carbon peak and neutrality" mode on future power generation and the environment in China, a Verhulst gray model was established to predict the development of the power generation industry from 2021 to 2060 under the non-"carbon peak and neutrality" mode. In addition, based on the "China 2030 Energy and Power Development Planning Research and 2060 Outlook Report, " the development of the power generation industry from 2021 to 2060 under the "carbon peak and neutrality" mode was obtained, and the development scenarios of the future power generation industry in China under two models were compared and studied. The emission factors and emission reduction factors of CO2, SO2, NOx, PM, PM10, and PM2.5 were constructed through the conservation of elements and the generating performance standard, and then four environmental benefits A1-A4 were defined. The results showed that the installed capacity of thermal power will reach the carbon peak in 2026 under the "carbon peak and neutrality" mode. To achieve the carbon neutralization, the installed capacity of thermal power will be reduced by an average of 28 million kilowatts per year after 2026, and the installed capacity of renewable energy generated is required to increase by 154 million kilowatts per year after 2020. Compared with that in the non-"carbon peak and neutrality" mode, the installed capacity of thermal power generation will be greatly reduced, and the installed capacity of renewable energy power generation will be greatly increased under the "carbon peak and neutrality" mode, resulting in huge A1 and A2 environmental benefits. In the next four decades, the cumulative emission reductions in CO2, SO2, NOx, PM, PM10, and PM2.5 thermal power generation A1 are predicted to be 6.64×1010 tons, 1.54×107 tons, 1.55×107 tons, 3.18×106 tons, 1.71×106tons, and 2.23×105 tons, respectively. The cumulative emission reductions of renewable energy power generation A2 will be 5.77×1010 tons, 1.64×107 tons, 1.42×107 tons, 2.86×106 tons, 1.54×106 tons, and 2×105 t tons, respectively. Under the "carbon peak and neutrality" mode, compared with those from coal-fired power generation, the environmental benefits A3 and A4 produced by the relative cleanliness of renewable energy and nuclear power indicated that the cumulative emission reductions (A3+A4) in clean energy power generation of CO2, SO2, NOx, PM, PM10, and PM2.5 in the next four decades will be 3.014×1011 tons, 7.292×107 tons, 7.119×107 tons, 1.454×107 tons, 7.827×106tons, and 1.018×106 tons, respectively.
Key words: hermal power generation      renewable energy power generation      carbon peak      carbon neutralization      environmental benefits     

实现“碳达峰和碳中和”目标是一场广泛而深刻的经济社会系统性变革.根据世界资源研究所(WRI)数据显示, 2018年中国火电行业所产生的温室气体排放占全国总排放的43%. 如果在2030年前电力行业没有实现“碳达峰”, 全国“碳达峰”目标将难以实现.在“双碳”模式下, 未来我国将会构建以新能源为主的新型电力系统.预计到2060年, 我国太阳能发电和风电装机容量将分别成为第一和第二大电源[1].然而, 我国电力行业如果继续按照“双碳”目标之前的旧有模式——非“双碳”模式发展, 那么我国的能源结构将依旧以高污染的煤电为主[2, 3].因此, 我国发电行业在这两种模式下的发展情况将会有巨大的差异, 由此产生巨大的环境效益.国内外学者在与发电相关的环境效益方面做了一些研究, 包括煤电超低排放的环境效益[4~8], 基于控制措施的燃煤电厂PM2.5减排潜力[9, 10], 基于碳减排目标的火电减排潜力[11], 生物质耦合燃煤发电环境效益[12]等.

然而, 上述研究中对于发电行业在“双碳”模式和非“双碳”模式对比下产生的环境效益和可再生能源发电环境效益的报道相对较少.本文拟以饱和“S”状灰色模型对我国2010~2018年各发电类型装机容量进行模拟, 并用2019年和2020年两年数据验证模型预测精度, 对2021~2060年各发电类型装机容量按照旧有发展模式进行预测, 作为非“双碳”模式下发电行业的发展情况; 然后基于全球能源互联网发展合作组织(GEIDCO)发布的“中国2030年能源电力发展规划研究及2060年展望报告”[13]中的部分数据, 通过插值获得我国在“双碳”模式下发电行业的未来发展情况; 之后构建CO2、SO2、NOx、PM、PM10和PM2.5的排放因子、减排因子, 定义4种环境效益A1~A4; 最后对比研究中国2021~2060年在两种模式下的电力行业发展情况和“双碳”模式下的环境效益.

1 材料与方法 1.1 数据获取和处理方式

本文调查并收集了我国2010~2020年各种发电模式的装机容量和发电量以及全国煤电供电煤耗, 数据来源于文献[14~23].由于发电量等于装机容量乘以发电设备年利用小时数和电力损耗, 而且同一和不同发电设备年利用小时数差异很大.为了找到装机容量和发电量之间的关系, 本文对我国2010~2020年火电、可再生能源发电、核电、水电、风电、太阳能发电和生物质发电这7种发电类型的装机容量和发电量进行了拟合.

本文用表 1所示的方法对文献[13]中2020、2025、2030、2050和2060年这5 a煤电、气电、核电、水电、风电、太阳能发电和生物质发电的装机容量进行了插值处理, 获得了2021~2060年7种发电方式的装机容量, 该数据用于研究我国在“双碳”模式下未来发电行业的发展情况.“双碳”模式下的发电情景是从战略全局认识和把握“双碳”目标任务, 以推动电力系统以清洁能源为主的根本性变革为目标, 逐步实现煤电功能布局转变.除此以外, 本文还收集了2000年和2020年SO2、NOx和PM的排放绩效(用于校核排放因子和减排因子)以及2018年和2019年火力发电CO2、SO2、NOx和PM的排放量(用于验证污染物排放模型可行性), 数据来源于文献[24~26].

表 1 不同发电方式装机容量的插值方法 Table 1 Interpolation method for installed capacity of different power generation modes

1.2 Verhulst灰色模型

Verhulst灰色模型[27]常用于人口预测、生物生长、繁殖预测和产品经济寿命预测等.普通的GM(1, 1)灰色模型主要用来预测具有指数增长规律的序列, 而Verhulst模型是用来描述具有饱和“S”状态过程, 即个体数量呈指数增长, 但会受到周围环境的限制, 增长速度逐渐放慢, 最终稳定在一个固定值.图 1是2010~2020年我国火力发电装机容量和可再生能源发电装机容量的增长率变化情况.从中可知我国火力发电装机容量和可再生能源发电装机容量的变化趋势经历了3个阶段: 高速增长期、增速放缓期和增长停滞期, 发展趋势呈现近似于饱和状“S”形特征.除此以外, 与火力发电相比, 我国可再生能源发电起步比较晚, 具有典型的小数据特征.因此, 本文以2010~2018年我国火电装机容量和可再生能源发电装机容量为建模初始数据建立了Verhulst模型并检验了模型的模拟误差, 然后以2019年和2020年的数据作为预留数据检验了Verhulst模型的预测误差, 最后预测了我国在非“双碳”模式下2021~2060年火电装机容量、可再生能源发电装机容量.

图 1 火力发电装机容量和可再生能源发电装机容量增长率 Fig. 1 Growth rate of installed capacity of thermal power generation and renewable energy power generation

1.3 排放因子、减排因子和环境效益

自2014年以来, 中国针对火电燃煤机组制定了超低排放改造的政策, 目标限值水平即PM(烟尘)、SO2和NOx排放浓度分别不高于10、35和50 mg·m-3, 计划于2020年前完成改造5.8亿kW煤电机组, 占2014年总装机容量的71%.理想的排放因子指的是单位煤燃烧产生的污染物直接排放到环境中, 用E表示, 单位是g·kg-1(以污染物/标准煤计).实际的排放因子指的是在满足超低排放条件下单位煤燃烧产生的污染物经脱除排放到环境中.生物质发电和其他可再生能源发电不同, 生物质燃烧也会产生大量污染物, 因此把燃煤发电和生物质发电的实际排放因子分别定义为EC和EB.火电行业的排放绩效标准(generating performance standard, GPS)指的是每生产1 kW·h电所排放的污染物的量, GPS反映了单位电量的污染物排放强度, 是一项综合反映火电机组发电过程中能源利用率与污染物排放情况的重要指标[28].用2000年的排放绩效为基准可以得到其他年份全国火力发电污染物的脱除效率平均值.以2019年为例, 2019年SO2的排放绩效为0.187 g·(kW·h)-1, 仅为2000年7.9 g·(kW·h)-1的2.37%, 相当于当年全国火力发电SO2脱除效率平均值为97.63%[29].假设截至到2020年底, 我国火力发电厂已全部实现超低排放改造.本文以2000年的排放绩效为基准, 用2020年各污染物的排放绩效计算火力发电满足超低排放改造条件下各污染物的脱除效率平均值.

EC和EB的核算使用了物料衡算法, 由于我国煤炭分布不均, 质量参差不齐, 其质量对于发电设备的影响较大, 因此本文对10个煤样的元素分析和工业分析[30, 31]进行了平均, 旨在最大程度减小煤种对研究结果的影响.煤样包括了无烟煤、高阶烟煤、亚烟煤、褐煤和焦煤各两种, 如表 2所示.同样的, 对我国主要的8种的生物质的元素分析和工业分析[32]进行了平均, 如表 3所示.

表 2 煤样工业分析和元素分析 Table 2 Industrial analysis and ultimate analysis of coal samples

表 3 生物质样品工业分析和元素分析 Table 3 Industrial analysis and ultimate analysis of biomass samples

1.3.1 SO2排放因子

理想状况下, 如果S完全转化为SO2气体, 则SO2的排放因子为:

(1)

式中, ESO2为SO2的理想排放因子, 1 000为1 kg煤, 64为SO2的分子量, 32为S的分子量, Sar为S含量.而在现实情况下, 燃煤电厂煤粉燃烧过程中S向烟气中SO2的转化率约为90%[33]. 2020年SO2的排放绩效为0.16 g·(kW·h)-1, 全国火力发电SO2脱除效率平均值为97.97%, 所以对式(1)修正如下:

(2)

式中, ECSO2为燃煤发电时SO2的实际排放因子, Sar为不同煤的S含量平均值.在燃烧生物质的条件下, 生物质只有0.7%的硫转化成了SO2气体, 99.3%的S转移到了灰分中[34].假设生物质发电厂都应用的是石灰石-石膏法脱硫, 其脱硫效率可达95%, 由此可得:

(3)

式中, EBSO2为燃烧生物质发电时SO2的实际排放因子, 此时的Sar为不同生物质的S含量平均值.

1.3.2 CO2排放因子

理想状况下, 如果C完全转化为CO2气体, 则CO2的排放因子为:

(4)

式中, ECO2为CO2的理想排放因子, 1 000为1 kg煤, 44为CO2的分子量, 12为C的分子量, Car为C含量.而在现实情况下, 燃煤时存在不完全燃烧损失, 其中机械燃烧损失约占1%~10%, 设该部分损失为8.5%.则式(4)可修正为:

(5)

式中, ECCO2为燃煤发电时CO2的实际排放因子, Car为不同煤的C含量平均值.对于生物质发电, 目前大多数生物质发电厂未应用CCUS技术, 二氧化碳排放基本不受限制, 设其排放因子等于理想条件下的排放因子.可得:

(6)

式中, EBCO2为燃烧生物质发电时CO2的实际排放因子, 此时的Car为不同生物质的C含量平均值.

1.3.3 NOx的排放因子

理想条件下, 如果N完全转化为挥发分N, 而且挥发分N完全转化为NO, 则NOx的排放因子为:

(7)

式中, ENOx为NOx的理想排放因子, 1 000为1 kg煤, 30为NO的分子量, 14为N的分子量, Nar为N含量.现实情况下, 挥发分N并不能完全转化成NOx, 即使在氧气过量的条件下, 挥发分N也只是部分转化成NOx.不论煤种、颗粒大小和燃烧温度如何, 约(57±5)%的挥发分N转化为NOx, 其余均转化成无害的N2[35].设煤和生物质中的N向NOx气体的转化率为62%. 2020年NOx的排放绩效为0.179 g·(kW·h)-1, 全国火力发电NOx脱除效率平均值为95.77%, 生物质和煤中的N含量差距不大, 而且超低排放条件下选择催化还原法脱硝技术脱硝效率不低于89.78%[36].因此设生物质发电厂对NOx的脱除效率也是95.77%, 所以对式(7)修正如下:

(8)

式中, ECNOx为燃煤发电NOx的实际排放因子, Nar为不同煤的N含量平均值, EBNOx为燃烧生物质发电时NOx的实际排放因子, 此时的Nar为不同生物质的N含量平均值.

1.3.4 PM、PM10和PM2.5的排放因子

生物质发电和燃煤发电锅炉中有一部分灰分会进入底灰[37], 设这部分为88.85%. 2020年PM的排放绩效为0.032 g·(kW·h)-1, 全国火力发电PM脱除效率平均值为98.89%.一般情况下, PM2.5占PM的7%左右, 占PM10的13%左右[38].相关排放因子的计算如下:

(9)
(10)
(11)

式中, ECPM、ECPM10和ECPM2.5分别为燃煤发电时PM、PM10和PM2.5的实际排放因子, Aar为不同煤的灰分平均值, EBPM、ECPM10和ECPM2.5分别为燃烧生物质发电时PM、PM10和PM2.5的实际排放因子, 此时的Aar为不同生物质的灰分平均值.

1.3.5 减排因子

减排因子是指在满足超低排放条件和在单位煤热值相同的情况下, 可再生能源发电相对于燃煤发电单位煤燃烧产生的某一污染物经脱除后的减排量, 用R表示, 单位为g·kg-1(以污染物/标准煤计).设水力发电、风力发电、太阳能发电和核能发电的减排因子为RA, 生物质发电的减排因子为RB.由于水力发电、风力发电、太阳能发电和核力发电都不会产生污染物, 因此可得:

(12)
(13)

本文一共定义了4种环境效益, 分别用A1、A2、A3和A4表示.前两种环境效益是由于“双碳”政策的制定, 火电装机将会在2030年前达峰之后快速下降, 清洁能源将会被大量开发和利用.这将会导致, “双碳”模式下的火电厂污染物排放量将低于非“双碳”模式下的火电厂污染物排放量, 此两种模式下污染物的减少量即定义为A1; 同理, “双碳”模式下的可再生能源发电过程污染物减排量高于非“双碳”模式下的可再生能源发电过程污染物减排量, 由此产生的污染物减排量即定义为A2.后两种环境效益指的是可再生能源发电和核电相较于火电在满足超低排放(ULE)标准条件下对CO2、SO2、NOx、PM、PM10和PM2.5的折算减排量, 分别定义为A3和A4. A1~A4的计算式如下所示:

(14)
(15)
(16)
(17)

式中, 折合标煤量为发电量和近10年供电煤耗平均值的乘积, 发电量的单位是kW·h, 近10年供电煤耗平均值为0.316 7 kg·(kW·h)-1.

2 结果与讨论 2.1 两种模式下2021~2060年中国发电行业发展情况

表 4为我国火电装机容量和可再生能源发电装机容量的模拟误差和预测误差, 其综合误差分别是0.57%和2.93%.查阅灰色预测模型的性能等级参照表可知, 两种模型的误差等级接近一级, 可以用于预测.图 2是2021~2060年两种模式下我国火电和可再生能源发电装机容量发展情况.从中可知, 在非“双碳”模式下火电装机容量随着时间的增长逐渐升高且增速逐渐变缓, 到2060年增加到了16.56亿kW; 而在“双碳”模式下火电装机容量于2026年达峰后逐步下降且下降的速度逐渐变快.到2060年, 煤电退出发电行业, 火力发电主要由气电和油电构成.在非“双碳”模式下可再生能源发电随着时间的推移增长变缓, 到2060年只增长到了33.34亿kW, 这很难满足未来我国全社会用电量需求; 而在“双碳”模式下可再生能源发电在2030年前快速发展, 在2030~2050年高速发展并于2050年后增速逐渐变缓, 到2060年, 我国可再生能源发电装机可达72.4亿kW, 是非“双碳”模式的2.17倍.在“双碳”模式下, 火电装机容量将于2026年实现碳达峰, 之后年均降低0.28亿kW, 同时要求可再生能源发电装机容量于2020年后年均增加1.54亿kW以实现碳中和.

表 4 灰色模型模拟误差和预测误差 Table 4 Simulation error and prediction error of Verhulst gray model

图 2 2021~2060年两种模式下我国火电和可再生能源装机容量对比 Fig. 2 Comparison of installed capacity of thermal power and renewable energy in China under two modes from 2021 to 2060

表 5为我国各种发电类型装机容量和发电量的关系, Pearson系数都在0.9以上, 表明了各种发电类型的装机容量和发电量呈强正相关关系, 可以通过装机容量和拟合方程求取各种发电类型的发电量.图 3是2021~2060年“双碳”模式下我国各种发电类型装机容量、发电量和占比情况.从中可知, 2021~2060年, 我国燃煤发电装机容量和发电量先增后减, 于2024年达到峰值后加速减少.如果要实现这个规划目标, 2030年前, 我国煤电需要控制总量、转变定位和优化布局, 为清洁能源发展腾出空间; 2030年后, 煤电需加快转型, 逐步有序退出.目前, 我国“富煤、贫油和少气”的资源禀赋, 使得能源消费对煤炭的依赖难以减轻, 再加上我国能源需求持续增长、电气化率持续攀升、电力市场过剩、新能源竞争冲击和高煤价低电价等多种因素综合作用, 造成了火电行业转型难度大[39, 40].针对煤电的清洁煤技术和CCUS技术都存在应用成本过高的问题, 为使其可以大规模应用于燃煤电厂, 可以考虑同时实行低碳技术创新研发和激励政策保障落实; 水力发电装机容量逐年上升, 但是其装机容量占比逐渐减少, 未来40年其发电量占比基本稳定在18%左右.水电是可再生能源发电的主干之一, 在水能资源丰富地区建设大型水电站是污染物减排的有力措施, 然而大型水库不易建设而且会受到降水限制.因此水力发电的后续建设应该发挥水电基础保障作用, 可以考虑以大量建设小型水电站为主; 风力发电和太阳能发电装机容量、发电量和其占比随着时间的增加逐渐增加, 到2060年, 我国可再生能源发电将主要是风电和太阳能发电.然而, 风电和太阳能发电都有地域条件限制和天气限制, 而且风、光资源丰富地区不普遍, 土地资源占用较多.所以未来我国可以考虑大力发展陆上风电, 稳步推进海上风电, 加快西部北部大型风电基地、东南沿海海上风电基地和东中部分散式风电建设, 通过集中式和分布式协同发展来促进太阳能发电, 加快西部北部大型太阳能发电基地、东中部分布式光伏建设; 我国核电和气电装机容量逐年上升, 核电和气电装机容量占比基本保持在3%和5%左右, 其发电量逐年上升, 并于2060年稳定于10%和15%.由此可见, 核电将在未来能源系统中占有重要地位, 安全和有序的发展核电是必要的, 而气电则承担调峰作用; 生物质发电装机容量逐渐上升, 装机容量占比和发电量占比基本稳定在2%和5%左右.生物质能是仅次于煤炭、石油和天然气的第4大能源, 利用效率也高于太阳能和风能, 我国需因地制宜地用好生物质能源.

表 5 各种发电类型的装机容量及发电量的关系 Table 5 Relationship between installed capacity and power generation of various power generation types

图 3 “双碳”模式下2021~2060年我国各种发电类型装机容量、发电量及其占比 Fig. 3 Under the "carbon peak and neutrality" mode, the installed capacity, power generation capacity, and its proportion of various power generation types in China from 2021 to 2060

2.2 两种模式下2021~2060年中国发电行业环境效益

表 6是根据1.3节计算出的各污染物的排放因子和减排因子.截至2017年底, 我国已成功对5.9亿kW现有煤电机组进行了超低排放改造, 提前超额完成了政策目标[4].因此本文用2018年和2019年火力发电各污染物排放量验证了本模型的精确度, 如图 4所示, 2018年CO2、SO2、NOx和PM排放量模型相对误差分别是1.09%、0.99%、2.86%和3.62%, 2019年CO2、SO2、NOx和PM排放量模型相对误差分别是1.44%、2.81%、0.73%和4.92%, 所有污染物的模拟误差控制在5%以内.

表 6 CO2、SO2、NOx、PM、PM10和PM2.5的排放因子和减排因子 Table 6 Emission factors and emission reduction factors of CO2, SO2, NOx, PM, PM10, and PM2.5

图 4 2018年和2019年我国各种污染物排放量实际值和模型计算值比较 Fig. 4 Comparison of actual and calculated values of various pollutants in China in 2018 and 2019

图 5是两种模式下的火力发电环境效益(A1)和可再生能源发电环境效益(A2). A1随时间持续增加, 各污染物的变化趋势相似且接近于线性, 表明了两种模式下火力发电排放量的差距以匀速的方式被逐渐拉大. A2于2021~2026年先下降, 然后于2027~2060年依次分别经历了快速增长、匀速增长和缓慢增长, 整体趋势接近于“S”型.2021~2032年, CO2、NOx、PM、PM10和PM2.5的A2为负值, 表明了在这段时间里非“双碳”模式下可再生能源发电减排量高于“双碳”模式下可再生能源发电减排量, 2032年后, “双碳”模式下可再生能源发电污染物减排量更多, “双碳”政策对可再生能源的促进作用和对环境的正向作用随时间也越来越明显. A1和A2中, CO2、SO2和NOx是所有污染物中减排量最多的3种污染物, 这也就意味着火电的快速转型和清洁能源的大力开发利用将会大幅度促进我国早日实现“双碳”目标, 还会有效降低酸雨、光化学烟雾和近地层的臭氧等.除此以外, 2021~2060年这40 a的CO2、SO2、NOx、PM、PM10和PM2.5的A1累积量分别为6.64×1010、1.54×107、1.55×107、3.18×106、1.71×106和2.23×105 t, A2累积量分别为5.77×1010、1.64×107、1.42×107、2.86×106、1.54×106和2×105 t.

图 5 两种模式下火力发电环境效益(A1)和可再生能源发电环境效益(A2) Fig. 5 Environmental benefits of thermal power generation (A1) and renewable energy power generation (A2) under two modes

由于无法预测非“双碳”模式下2021~2060年可再生能源发电中各种发电类型的装机容量发展细节.因此本文结合式(16)和式(17)计算并研究了“双碳”模式下2021~2060年我国的火电排放量(火电折合标煤量×EC)、可再生能源发电减排量(A3)和核电减排量(A4), 如图 6所示.2021~2060年我国火力发电排放量先增后减, CO2、SO2、NOx、PM、PM10和PM2.5于2026年达到排放峰值.到2060年, CO2、SO2、NOx、PM、PM10和PM2.5排放量降至最低, 分别为2.06×109、4.76×105、4.8×105、9.84×104、5.3×104和6.89×103 t, 比2021年减少了51.33%.未来40年, 我国火力发电CO2、SO2、NOx、PM、PM10和PM2.5排放累积量分别为1.4×1011、3.23×107、3.26×107、6.69×106、3.6×106和4.68×105 t.可再生能源发电和核电减排量随着时间增长逐步上升, 到2060年, 可再生能源发电和核电CO2、SO2、NOx、PM、PM10和PM2.5的总减排量(核电减排量+可再生能源发电减排量)可达1.15×1010、2.77×106、2.71×106、5.54×105、2.98×105和3.88×104 t.未来40年, 我国可再生能源发电CO2、SO2、NOx、PM、PM10和PM2.5减排累积量分别为2.65×1011、6.45×107、6.27×107、1.28×107、6.89×106和8.96×105 t, 核电减排累积量分别为3.64×1010、8.42×106、8.49×106、1.74×106、9.37×105和1.22×105 t.在火电排放量达峰的2026年, 电力行业CO2、SO2、NOx、PM、PM10和PM2.5的总排放量(火力发电排放量+核电减排量+可再生能源发电减排量)分别为8.29×108、1.52×105、1.84×105、3.84×104、2.07×104和2.69×103 t, 随着清洁能源的大力开发应用, 电力行业于2029年可以首次实现CO2、SO2、NOx、PM、PM10和PM2.5的负排放, 总排放量分别为-4.25×107、-5.65×104、-2.07×104、-3.52×103、-1.89×103和-2.46×102 t.到2060年, 电力行业CO2、SO2、NOx、PM、PM10和PM2.5的总排放量可达-9.45×109、-2.29×106、-2.23×106、-4.56×105、-2.45×105和-3.19×104 t.

图 6 “双碳”模式下我国火电污染物排放量、核电减排量(A3)和可再生能源发电减排量(A4)对比 Fig. 6 Comparison of pollutant emissions of thermal power, nuclear power emission reduction (A3), and renewable energy power generation emission reduction (A4) in China under the "carbon peak and neutrality" mode

3 结论

(1)“双碳”模式下, 火电装机容量将于2026年实现碳达峰, 之后平均每年降低0.28亿kW, 同时要求可再生能源发电装机容量于2020年后年均增加1.54亿kW以实现碳中和.

(2)“双碳”模式下, 2024年, 煤电达到峰值.2025~2030年新增电力需求全部由清洁能源满足, 2030年, 我国电源总装机容量达到38.04亿kW, 其中, 可再生能源发电装机容量24.61亿kW, 占比64.7%, 可再生能源发电量5万亿kW·h, 占比46.23%.到2050年, 风电和太阳能装机容量成为电源装机容量增量主体, 风电和太阳能发电装机容量总占比超过75%, 发电量总占比超过48%.2060年, 我国电源总装机78.1亿kW, 其中可再生能源装机72.4亿kW, 占比92.7%.风电、太阳能装机容量和发电量进一步扩大, 装机容量总占比80.67%, 发电量总占比52.33%.

(3) 两种模式下火力发电排放量的差距以匀速的方式逐渐被拉大, 远期“双碳”模式下可再生能源发电的减排作用更明显.与非“双碳”模式相比, “双碳”目标将会带来巨大的环境效益, 将会为减少温室效应、酸雨、光化学烟雾等现象作出巨大贡献.

(4)“双碳”模式下我国火力发电CO2、SO2、NOx、PM、PM10和PM2.5于2026年达到排放峰值, 电力行业于2029年可以首次实现CO2、SO2、NOx、PM、PM10和PM2.5的负排放.

参考文献
[1] 李晖, 刘栋, 姚丹阳. 面向碳达峰碳中和目标的我国电力系统发展研判[J]. 中国电机工程学报, 2021, 41(18): 6245-6258.
Li H, Liu D, Yao D Y. Analysis and reflection on the development of power system towards the goal of carbon emission peak and carbon neutrality[J]. Proceedings of the CSEE, 2021, 41(18): 6245-6258.
[2] 蒋敏华, 黄斌. 燃煤发电技术发展展望[J]. 中国电机工程学报, 2012, 32(29): 1-8.
Jiang M H, Huang B. Prospects on coal-fired power generation technology development[J]. Proceedings of the CSEE, 2012, 32(29): 1-8.
[3] 杨倩鹏, 林伟杰, 王月明, 等. 火力发电产业发展与前沿技术路线[J]. 中国电机工程学报, 2017, 37(13): 3787-3794.
Yang Q P, Lin W J, Wang Y M, et al. Industry development and frontier technology roadmap of thermal power generation[J]. Proceedings of the CSEE, 2017, 37(13): 3787-3794.
[4] Tang L, Qu J B, Mi Z F, et al. Substantial emission reductions from Chinese power plants after the introduction of ultra-low emissions standards[J]. Nature Energy, 2019, 4(11): 929-938. DOI:10.1038/s41560-019-0468-1
[5] 王临清, 朱法华, 赵秀勇. 燃煤电厂超低排放的减排潜力及其PM2.5环境效益[J]. 中国电力, 2014, 47(11): 150-154.
Wang L Q, Zhu F H, Zhao X Y. Potential capabilities of pollutant reduction and environmental benefits from ultra-low emissions of coal-fired power plants[J]. Electric Power, 2014, 47(11): 150-154.
[6] 朱法华, 王临清. 煤电超低排放的技术经济与环境效益分析[J]. 环境保护, 2014, 42(21): 28-33.
Zhu F H, Wang L Q. Analysis on technology-economy and environment benefit of ultra-low emission from coal-fired power units[J]. Environmental Protection, 2014, 42(21): 28-33.
[7] 帅伟, 李立, 崔志敏, 等. 基于实测的超低排放燃煤电厂主要大气污染物排放特征与减排效益分析[J]. 中国电力, 2015, 48(11): 131-137.
Shuai W, Li L, Cui Z M, et al. Analysis of primary air pollutant emission characteristics and reduction efficiency for ultra-low emission coal-fired power plants based on actual measurement[J]. Electric Power, 2015, 48(11): 131-137.
[8] 刘艳梅, 闫静, 徐文帅, 等. 超低排放改造后燃煤电厂常规大气污染物排放特征[J]. 环境科学学报, 2020, 40(6): 1967-1975.
Liu Y M, Yan J, Xu W S, et al. Emission characteristics of conventional air pollutants in coal-fired power plants after ultra-low emission transformation[J]. Acta Scientiae Circumstantiae, 2020, 40(6): 1967-1975.
[9] 莫华, 朱法华, 王圣. 火电行业大气污染物排放对PM2.5的贡献及减排对策[J]. 中国电力, 2013, 46(8): 1-6.
Mo H, Zhu F H, Wang S. Contribution to PM2.5 of atmospheric pollutant emission from thermal power sector and emission reduction countermeasures[J]. Electric Power, 2013, 46(8): 1-6.
[10] 孙现伟, 邓双, 朱云, 等. 我国燃煤电厂PM2.5减排潜力预测与分析[J]. 环境科学研究, 2016, 29(5): 637-645.
Sun X W, Deng S, Zhu Y, et al. PM2.5 emissions reduction potential from coal-fired power plants in China[J]. Research of Environmental Sciences, 2016, 29(5): 637-645.
[11] 李辉, 孙雪丽, 庞博, 等. 基于碳减排目标与排放标准约束情景的火电大气污染物减排潜力[J]. 环境科学, 2021, 42(12): 5563-5573.
Li H, Sun X L, Pang B, et al. Emission reduction potential of air pollutants of thermal power industry based on carbon emission reduction target and emission standard constraint scenarios[J]. Environmental Science, 2021, 42(12): 5563-5573.
[12] 云慧敏, 代建军, 李辉, 等. 生物质耦合燃煤发电经济环境效益评估[J/OL]. 化工学报. http://kns.cnki.net/kcms/detail/11.1946.tq.20211103.1715.016.html, 2021-11-13.
Yun H M, Dai J J, Li H, et al. Economic and environmental assessment of biomass coupled coal-fired power generation[J/OL]. CIESC Journal. http://kns.cnki.net/kcms/detail/11.1946.tq.20211103.1715.016.html, 2021-11-13.
[13] 全球能源互联网发展合作组织. 中国2030年能源电力发展规划研究及2060年展望[R]. 北京: 全球能源互联网发展合作组织, 2021.
[14] 北极星电力网新闻中心. 2010—2015年电力装机容量、发电量及用电量[EB/OL]. https://news.bjx.com.cn/html/20160818/763836.shtml, 2016-08-18.
[15] 国家能源局. 2016年全国6000千瓦及以上电厂发电设备平均利用小时情况[EB/OL]. http://www.nea.gov.cn/2017-01/26/c_136014619.htm, 2017-01-26.
[16] 国家能源局. 2017年全国电力工业统计数据[EB/OL]. http://www.nea.gov.cn/2018-01/22/c_136914154.htm, 2018-01-22.
[17] 国家能源局. 国家能源局发布2018年全国电力工业统计数据[EB/OL]. http://www.nea.gov.cn/2019-01/18/c_137754977.htm, 2019-01-18.
[18] 国家能源局. 国家能源局发布2019年全国电力工业统计数据[EB/OL]. http://www.nea.gov.cn/2020-01/20/c_138720881.htm, 2020-01-20.
[19] 国家能源局. 国家能源局发布2020年全国电力工业统计数据[EB/OL]. http://www.nea.gov.cn/2021-01/20/c_139683739.htm, 2021-01-20.
[20] 北极星垃圾发电网. 2020年中国生物质能发电行业发展现状分析累计装机容量突破2000万千瓦[EB/OL]. https://huanbao.bjx.com.cn/news/20200723/1091489.shtml, 2020-07-23.
[21] 国家能源局. 太阳能光伏发电发展情况概述[EB/OL]. http://www.nea.gov.cn/2012-02/06/c_131393353.htm, 2012-02-06.
[22] 国家能源局. 2013年光伏发电统计数据[EB/OL]. http://www.nea.gov.cn/2014-04/28/c_133296165.htm, 2014-04-28.
[23] 国家能源局. 2014年光伏发电统计信息[EB/OL]. http://www.nea.gov.cn/2015-03/09/c_134049519.htm, 2015-03-09.
[24] 中国电力企业联合会. 中国电力行业年度发展报告2019[R]. 北京: 中国电力企业联合会, 2019.
[25] 中国电力企业联合会. 中国电力行业年度发展报告2020[R]. 北京: 中国电力企业联合会, 2020.
[26] 中国电力企业联合会. 中国电力行业年度发展报告2021[R]. 北京: 中国电力企业联合会, 2021.
[27] Zhou D Q. A new hybrid grey neural network based on grey verhulst model and BP neural network for time series forecasting[J]. International Journal of Information Technology and Computer Science (IJITCS), 2013, 5(10): 114-120.
[28] 杨涛. 发电企业大气污染排放与治理策略研究[D]. 北京: 华北电力大学(北京), 2008.
[29] 朱法华, 许月阳, 孙尊强, 等. 中国燃煤电厂超低排放和节能改造的实践与启示[J]. 中国电力, 2021, 54(4): 1-8.
Zhu F H, Xu Y Y, Sun Z Q, et al. Practice and enlightenment of ultra-low emission and energy-saving retrofit of coal-fired power plants in China[J]. Electric Power, 2021, 54(4): 1-8.
[30] Yi L, Feng J, Qin Y H, et al. Prediction of elemental composition of coal using proximate analysis[J]. Fuel, 2017, 193: 315-321.
[31] 陈思涵. 煤中形态硫氧化特性机理研究[D]. 北京: 煤炭科学研究总院, 2019.
[32] 生物质工业分析及元素组成[EB/OL]. https://wenku.baidu.com/view/ea47834fe518964bcf847cad.html, 2011-06-16.
[33] 吴忠标, 应洪仓. 电厂煤粉炉燃煤二氧化硫转化率研究[J]. 重庆环境科学, 2001, 23(1): 35-36.
Wu Z B, Ying H C. Translation rate of sulfur dioxide from fuel coal for fine coal boilers in power plants[J]. Chongqing Environmental Science, 2001, 23(1): 35-36.
[34] 郝吉明, 马广大. 大气污染控制工程[M]. 北京: 高等教育出版社, 1989.
[35] Wendt J O L. Mechanisms governing the formation and destruction of NOx and other nitrogenous species in low NOx coal combustion systems[J]. Combustion Science and Technology, 1995, 108(4-6): 323-344.
[36] 计建洪. 电厂大气污染物超低排放技术改造[J]. 四川化工, 2017, 20(2): 55-57.
Ji J H. Technological reform of ultra-low air pollutant emission of power plants[J]. Sichuan Chemical Industry, 2017, 20(2): 55-57.
[37] 楼晟荣. 中小燃煤锅炉PM2.5排放特征实测研究[J]. 环境科学学报, 2014, 34(12): 3119-3125.
Lou S R. Emission characteristics of PM2.5 from medium and small capacity coal-fired boilers in service[J]. Acta Scientiae Circumstantiae, 2014, 34(12): 3119-3125.
[38] 沈欣军, 郑钦臻, 宁致远, 等. 燃煤电厂电除尘PM10和PM2.5的排放控制Ⅳ: 采用二维PIV除尘[J]. 科技导报, 2014, 32(33): 43-50.
Shen X J, Zheng Q Z, Ning Z Y, et al. PM10 and PM2.5 emission control by electrostatic precipitator (ESP) for coal-fired power plants Ⅳ: investigations on electrostatic precipitation by means of 2D PIV technique[J]. Science & Technology Review, 2014, 32(33): 43-50.
[39] 赵兵, 景杰. "碳达峰、碳中和"目标下火力发电行业的转型与发展[J]. 节能与环保, 2021(5): 32-33.
Zhao B, Jing J. Transformation and development of thermal power industry under the goal of "carbon peaking and carbon neutralization"[J]. Energy Conservation and Environmental Protection, 2021(5): 32-33.
[40] 赵春生, 杨君君, 王婧, 等. 燃煤发电行业低碳发展路径研究[J]. 发电技术, 2021, 42(5): 547-553.
Zhao C S, Yang J J, Wang J, et al. Research on low-carbon development path of coal-fired power industry[J]. Power Generation Technology, 2021, 42(5): 547-553.