一、 引言

党的二十大提出要加快规划建设新型能源体系，而新型电力系统是新型能源体系的重要组成和实现“双碳”目标的关键载体，因此，完善以“高比例新能源供给消纳体系建设”为主线任务的电力系统规划至关重要。 ^[1] 《2030 年前碳达峰行动方案》 提出，加快建设和发展“新能源+储能”，推动新能源电力大范围优化配置。中国新能源风电、光伏装机容量连续多年位居世界第一，2022 年突破 8 亿千瓦，发电量占比达 13.8%，未来规模将继续扩大。 ^[2] 同时，可再生能源电力配额制（ Renewable Portfolio Standard，RPS）设定各省份可再生能源电力消纳责任权重，旨在通过政策引导和市场激励推动能源结构优化。 ^[3-4] 然而，由于风光资源具有波动性、间歇性特征，大规模接入新能源电力将导致电网运行产生较大波动，因此，提高风电、光伏消纳能力成为新型电力系统建设的关键。储能技术通过能量吸收、存储和释放，可有效平抑新能源电力波动，提高消纳能力，减少弃电损失。中国政府大力支持储能多元化发展，涉及产业规划与补贴、新能源强制配储等多个方面。截至 2022 年年底，中国储能累计装机规模达到 59.79GW，其中新型储能 13.1GW。 ^[5] 尽管如此，储能产业发展速度和规模仍明显滞后于新能源产业，商业化进程缓慢且存在利用效率低下的现实问题。此外，中国新能源资源空间分布不均衡，各省份资源禀赋差异明显^[6]，配储型式及规模需求不同。不同储能技术的成熟度、经济性、功能特点差异较大^[7]，盲目将配置储能作为新能源建设的前置条件容易造成资源浪费。因此，在电力系统规划中，充分考虑新能源资源区域异质性及不同储能技术的差异性，有助于促进中国新能源与储能产业政策体系的完善。

可再生能源电力配额制对推动中国电力系统的低碳转型和能源结构优化具有重要意义。 RPS 通过规定可再生能源在电力供应中的最低比例，促进可再生能源的利用，并助力非化石能源消费水平的提高。目前，相关研究多从单一视角探讨 RPS 的实施效果。 Zhou 等^[8] 构建容量规划模型评估了 RPS 对中国电力系统低碳转型的影响; 陈道平等^[9] 构建短期调度模型评估了 RPS 对电力系统中风电消纳水平的影响; Fan 等^[3] 运用统计学方法静态评估了 RPS 的可行性，发现跨省输电能够促进可再生能源资源在省域间的优化配置。

储能技术在促进可再生能源电力消纳中发挥重要作用。现有研究多从成本变化^[10]、部署策略^[11] 和技术类型^[12]角度评估储能应用的影响，发现部署储能可通过促进可再生能源集成和提高电力系统的整体效率来助力碳减排，其中应用成本和技术特性是影响储能作用效果的关键因素^[13]。例如，He 等^[10]的研究发现，储能成本下降将显著减少电力行业碳排放、降低电力系统总成本; Arbabzadeh 等^[14] 基于历史装机数据评估了 9 种储能技术对碳减排和风光消纳的影响，发现在新能源渗透率较高的情况下这些技术的应用效果差异性更大。此外，部分学者评估了其他灵活性资源对电力系统的协同作用。例如，Li 等^[15]通过长短期模型的嵌套探究了源网储三类可调度资源的演进规律及其对中国电力系统的影响; 邓旭^[16]构建了灵活性资源协同规划模型，证明源网荷储四端资源配置之间存在竞争和替代关系; Li 等^[17]定量评估了可再生能源和储能在以煤电为主的电力系统中的协同效应，表明储能可有效降低电力系统运营成本和碳排放，且可再生能源的引入将增强这种作用效果，但其研究并未对不同电化学储能差异展开详细分析; 衣博文等^[18] 的研究发现，由于资源禀赋的差异，各区域提高风电、光伏消纳能力的主要措施有所区别，以电化学储能为代表的储能资源对推进电力系统低碳转型至关重要。

在电力系统建模方面，长期容量规划^[19]和短期调度优化^[20]方法被广泛应用于刻画电力系统转型路径。长时间尺度的扩容规划难以兼顾小时级负荷平衡状态，无法充分体现储能等灵活性资源的调节能力^[21]; 耦合或嵌套长短期时间尺度模型会极大提高建模复杂度^[22]。为实现长期电量平衡与短期负荷平衡，Li 等^[15]、周原冰等^[23]、舒印彪等^[24] 结合容量规划与调度优化，提出采用“两步法”首先完成容量规划，然后进行调度优化。

综上所述，较多研究围绕实施 RPS 的影响、储能技术应用效果及电力系统低碳转型展开，证明实施 RPS 和部署储能会促进能源结构绿色转型。但现有文献存在两方面的局限:第一，现有研究对 RPS 效果的评估多为静态视角，忽视了区域资源禀赋差异性和跨区域输电作用; 第二，多数研究将储能技术分为抽水蓄能和电化学储能两类，而未刻画不同类型电化学储能的技术特征。弱视区域资源异质性不利于因地制宜地为各地区提出新能源配储政策，简化储能技术类型不利于充分认识多元化储能技术路线的优势。本文使用“两步法” 结合容量规划和调度优化，聚焦区域资源禀赋差异下不同技术特点的储能资源对新能源电力消纳和电力系统减排的作用效果。

本文的边际贡献主要体现在两个方面:第一，从区域资源禀赋差异视角出发，考虑跨区域输电的影响，动态评估 RPS 的应用效果，并深入探讨 RPS 对中国新能源发展趋势、储能配置需求以及新能源电力流动的影响; 第二，结合储能技术的多元化发展趋势，分类型详细刻画电化学储能技术的特征，评估资源禀赋差异下多元化储能技术路线对新能源电力消纳和电力系统碳排放的影响，有助于加深对区域资源禀赋及储能技术差异对电力系统影响的理解。

二、 模型构建

本文通过链接长期容量规划和短期调度优化模型，构建了中国省级电力系统优化框架（见图1）。先利用长期容量规划决策 2020—2050 年中国 31 个省份（未包括港澳台地区）发电技术最优演化路径，考察 RPS 对新能源、储能装机以及新能源电力流动的影响，再将结果链接到短期调度优化模型中决策小时级运行策略，最后对比两类资源禀赋地区（分别以内蒙古和江苏为例）的结果，以评估多元化储能技术路线在资源禀赋差异下的应用效果。在区域经济调度模型中加入输电模块，刻画全国资源优化配置下的区域资源禀赋差异和利用程度。

（一） 中国省级电力系统扩容模型

1 . 目标函数

模型以规划期内系统总成本净现值最小为优化目标。系统总成本涵盖新增投资成本、运营维护成本、燃料使用成本和碳惩罚成本，计算公式为

式中:TotalCost 表示规划期内系统总成本，y 表示规划期（年份），a 表示规划区域（省份），r 表示折现率，NI_COST_y，a、OM_COST_y，a、 Fuel_COST_y，a、CO₂_COST_y，a 分别表示新增投资成本、运营维护成本、燃料使用成本、碳惩罚成本。

（1）新增投资成本

新增投资成本包括发电机组和储能两部分的建设成本。

式中:I 和 E 分别表示发电机组和储能技术类型总数，NIGEN_COST_y，a 、NI_GEN_y，i，a、UICGEN_y，i，a 分别表示机组的新增投资成本、新增装机容量、单位容量投资成本，NIES_COST_y，a、NI_ES_y，e，a、UICES_y，e，a 分别表示储能的新增投资成本、新增装机容量、单位投资成本。

利用寿命折算刻画机组退役^[25]，式（3）中 LIFE 表示寿命折算系数，life 为机组预期使用寿命。

（2）运营维护成本

运营维护成本包括发电机组、储能和输电三部分的运营维护费用。

式中:I_GEN、I_ES 分别表示累计发电机组和储能的装机容量，FOMC 表示单位装机维护成本，P_GEN 表示机组发电量，DP_ES、CP_ES 分别表示储能放电和充电量，VOMC 表示单位发电成本，P_TR_{a，b，y，i} 表示 a 省输送到 b 省的电量，VOMCTR 表示电力传输成本。

（3）燃料使用成本

燃料使用成本包括煤炭、天然气、铀三种能源的使用成本，碳排放源于煤和天然气的使用。

式中:CG 表示传统能源发电机组类型，FUEL_y，i 为单位发电量燃料消耗系数，FuelCOST_y，i 表示单位燃料成本。

（4）碳惩罚成本

式中:CEF 表示单位发电量碳排放，CEFCOST 表示单位碳排放惩罚成本。

2 . 约束条件

模型约束条件包括电力平衡约束、发电机组约束、储能约束、跨省输电约束、可再生能源电力消纳权重约束、碳排放约束六部分。其中，电力平衡约束限制了全国层面及省域层面的电力供给水平; 发电机组和储能约束限制了省域电力系统内部资源和技术建设、运行; 跨省输电约束限制了省域间的资源流动和整合; 可再生能源电力消纳权重体现了国家大力发展新能源的决心。

式中:下标 i、e、a、y 分别表示发电机组类型、储能类型、省份、年份，loss_a，b 表示省份 a、b 间输电线路的线损率，Load_y，a 表示电力需求量，HCF_i 表示发电机组 i 的最大出力水平，MAX_load 表示最大负荷水平，MNIGEN_i 表示发电机组每年最大的新增上限，InitialGEN_i，a 表示初始装机容量，MIGEN_i，a 表示最大装机潜力，CGMIN_i 和 CGMAX_i 表示传统发电技术的年最小和最大利用时间，NEWMAX_i 表示新能源发电机组的年最大利用时间，NEW 表示新能源类型机组，MNIES_e 表示储能每年最大新增上限，InitialES_e，a 表示储能初始装机容量，MIES_e，a 表示储能最大建设潜力，ratioPHS_y 和 ratioES_y 分别表示抽水蓄能和其他储能的配置比例，ESMIN_i 和 ESMAX_i 表示储能年最小和最大利用时间，EFMIN_e 和 EFMAX_e 表示储能充放电效率范围，ITR_a，b 表示跨省输电线路总容量，TRMAX 表示线路最大利用时间，NHRPS_y，a 表示非水可再生能源消纳责任权重。

碳减排目标和碳排放测算方法为

式中:TotalCO_2y，a 表示碳排放总量，EF_factor_i 表示碳排放因子。

模型中的决策变量包括发电机组新增装机容量 NI_GEN_y，i，a 和累计装机容量 I_GEN_y，i，a、储能新增装机容量 NI_ES_y，e，a 和累计装机容量 I_ES_y，e，a、发电机组发电量 P_GEN_y，i，a、储能充放电量 DP_ES_y，e，a 和 CP_ES_y，e，a、跨省输电量 P_TR_{b，a，y，i} 和 P_TR_{a，b，y，i}。

（二） 区域电力系统经济调度模型

以中国省级电力系统扩容模型所得结果为基础，构建区域电力系统经济调度模型，详细规划电力系统内所有机组逐小时的运行策略。经济调度模型时间分辨率更高，能够充分体现新能源电力的波动性以及储能的应用特征。

1 . 目标函数

优化目标为全年 8 760 小时总运营成本最小。总运营成本包括机组发电成本、燃料使用成本、储能充放电成本、电力传输成本、碳惩罚成本，计算公式为

式中:YCOST 表示总运营成本，h 表示时间，ELE_COST 表示机组发电成本，Fuel_COST 表示燃料使用成本，ES_COST 表示储能充放电成本，TR_COST 表示输电成本，CO₂_COST 表示碳惩罚成本。

（1）机组发电成本计算公式为

式中:P_CG 表示传统能源技术的发电量，P_NEW 表示新能源技术的发电量，VOMCCG 和 VOMCNEW 分别表示传统能源技术和新能源技术下的单位发电成本。

（2）燃料使用成本计算公式为

式中:Fuel 表示单位发电量燃料消耗系数，FuelCOST 表示单位燃料成本。

（3）储能充放电成本计算公式为

式中:DP_ES_e，h，CP_ES_e，h 分别表示储能放电量和充电量，ESCOST 表示储能单位充放电成本，w_h 和 v_h 为 0-1 变量。

（4）输电成本计算公式为

式中:TRIN，TROUT 分别表示电力输入量和输出量，TRCOST 为单位输电成本。

（5）碳惩罚成本计算公式为

式中:CEF 表示单位发电量碳排放，CEFCOST 表示单位碳排放惩罚成本。

2 . 约束条件

经济调度模型约束条件更加强调对机组出力特征的刻画以及运行范围的限制，模型通过机组爬坡速率和可调出力、容量因子等参数刻画两类机组的出力特征并加以约束。此外，模型还需满足电量供需平衡和储能荷电状态、输电等约束的要求。

式中:下标 m、i、j、e、h 分别表示所有机组类型、传统机组类型、新能源机组类型、储能类型、时间，Load_h 表示电力负荷，ITRIN 和 ITROUT 分别表示该区域外地电力的最大输入容量和本地电力的最大输出容量，PTRIN_m 和 PTROUT_m 分别表示当地各类型电力全年的输入量和输出量，LCF_i 和 HCF_i 分别表示传统机组每小时的最小和最大出力系数，I_CG_i 表示传统机组装机容量，speed 表示爬坡速率，MDR 表示最小可调度比例，SOC_e，h 表示储能荷电状态，IES_e 表示储能装机容量，INEW_j 表示新能源装机容量，Factor_j，h 表示新能源容量因子，η_e 表示储能技术的往返效率，φ_e 表示储能技术的充放电时长。

模型中的决策变量包括传统机组发电水平 P_CG_i，h、新能源机组发电水平 P_NEW_j，h、跨省输电量 TRIN_m，h 和 TROUT_m，h、储能充放电量 DP_ES_e，h 和 CP_ES_e，h、 0-1 变量 w_h 和 v_h、储能负荷状态变量 SOC_e，_h。

（三） 参数及情景设置

1 . 参数设置及数据来源

（1）成本参数

成本参数包括机组投资成本、固定运维成本、运行成本以及燃料价格等。投资成本来自于《中国电力行业年度发展报告 2021》和《大规模储能技术发展路线图》; 参考 Chen 等^[26] 的研究设定技术进步率; 参考 Li 等^[27]、邓旭^[16]、Zhang 等^[28] 研究设定固定运维成本、可变运行成本，相关参数如表1 所示; 燃料价格来自各省份非民用天然气门站价格及 Li 等^[27]的研究。

（2）历史装机及资源可用量

根据《中国电力年鉴》《中国电力统计年鉴》《中国水力发电年鉴》以及 Zhou 等^[8] 的研究，整理得到 2020 年中国各省份各类发电机装机容量及资源潜力。由于核电需要用到大量水资源，本文假设核电仅能在天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南 11 个省份继续新增。

（3）电力需求

2020—2050 年各省份电力年度需求来自 Peng 等^[10]设置的基础情景。 《国家发展改革委关于做好 2020 年电力中长期合同签订工作的通知》刻画了中国省级电网典型日电力负荷曲线。计算区域小时级电力需求的公式为

式中:Load_h 表示小时级电力需求，Load_y 表示年度电力需求，α_month 表示各月电力需求占总电力需求的比例，day_number 表示所在月份的天数，β_hour 表示基于典型电力负荷曲线得到的小时级电力负荷比例。

（4）输电线路及成本

考虑包括超高压和特高压在内的 67 条跨省输电线路，假设单位输电成本为 60 元/ MWh。 ^[26]

（5）技术参数

煤电、气电等机组通过灵活性改造可以扩大出力范围、提高爬坡速率，从而更好地适应电力实时需求。本文依据中国电力企业联合会报告及 Zhuo 等^[29]的研究设定技术运行参数; 燃料消耗系数、碳排放系数来自《中国电力行业年度发展报告 2020》，具体系数如表2、表3 所示; 碳排放惩罚成本设置高低两种水平，分别为 300 元/ 吨和 50 元/ 吨。

（6）新能源容量因子

长期规划部分容量因子如表4 所示。短期优化模块通过小时级容量因子体现日内和季节波动性，依据 Wang 等^[2]的研究设定不同资源禀赋地区的新能源小时级容量因子。

2 . 情景设置

国家能源局发布的《关于印发各省级行政区域 2020 年可再生能源电力消纳责任权重的通知》 和 《关于征求 2021 年可再生能源电力消纳责任权重和 2022—2030 年预期目标建议的函》，确立了可再生能源电力配额制。本文为长期规划模型设置无 RPS（N-RPS）和有 RPS 两种情景。将 RPS 情景规划结果作为基础，以储能类型和资源禀赋为情景参数，为短期调度优化模型设置 10 种情景，每种情景又包括两类碳排放惩罚成本以评估不确定性。以不加入储能（NOES）为基准情景，考察抽水蓄能（PHS）、锂离子电池（Li-ion）、全钒液流电池（VRB）和压缩空气储能（CAES）四类技术路线的应用效果。各类储能技术的成本及技术参数^[28，30] 如表5 所示。基于以上参数和情景设置，通过 MATLAB 平台建模，调用 CPLEX 求解。

三、 电力系统规划及经济调度结果分析

（一） 电力系统规划结果分析

1 . 发电技术演化路径

对 N-RPS 和 RPS 情景下全国层面不同类型发电技术的装机容量进行分析，结果如图2 所示。煤电技术成本较低，具有竞争优势，但受限于环境影响其增速放缓，2050 年 RPS 情景下煤电装机总量比 N-RPS 情景低 170.7GW。相比煤电，天然气发电具有高灵活性和低碳排放的特点，RPS 情景下气电装机总量比 N-RPS 情景高出 162.2GW。类似地，RPS 情景下风力发电和光伏发电迅速增长，到 2050 年新能源装机达 3 261.4GW，占比 56.15%; 而 N-RPS 情景下煤电、气电等化石燃料技术的装机容量占比在 2050 年仍保持 30%以上，风电、光伏则不足 30%。从新能源装机增长来看，RPS 情景下新能源装机平均增速为 24.38%，比 N-RPS 情景高出 11.35%，其中风电平均增速为 17.39%，光伏平均增速为 38.37%，分别比 N-RPS 情景高出 11.77%、10.49%。总体而言，实施 RPS 使得可再生能源电力成为满足电力需求的优先选择，促进了对风电和光伏的投资，而煤电等传统能源电力的发展则因环境成本和减排压力受限。

实施 RPS 对内蒙古和江苏两省份装机结构的影响差异较大（见图3），表明 RPS 实施效果存在区域异质性。 2050 年，在 RPS 情景下，内蒙古新能源装机占比将达到 72.2%，比 N-RPS 情景高出4 3.6%; 而在 RPS 情景下，江苏 2050 年新能源装机占比为 34.3%，仅比 N-RPS 情景高出 23.7%。内蒙古等地区凭借其丰富的太阳能和风能资源，具有发展新能源的天然优势，RPS 的实施促进了资源利用，加速了新能源装机增长。由于跨省输电线路的存在，资源富集地区能够将过剩的新能源电力输送至资源较少的省份，优化了资源配置，缓解了后者的新能源装机压力。如江苏等资源相对匮乏的省份，可以通过外地调入电力来满足 RPS 要求，而非完全依赖于本地装机的增长。

低成本的煤电技术受环境影响的制约增长放缓，而可再生能源电力因其高灵活性和清洁性得以大规模发展，特别是在 RPS 情景下，风力和光伏发电装机容量迅速增长，电力结构中的可再生能源占比逐步增加。在区域异质性方面，高资源禀赋地区在 RPS 情景下新能源装机增长显著，而低资源禀赋地区如江苏则增长较慢，表明 RPS 实施效果存在明显的区域异质性。

2 . 储能装机

本文引入强制配储政策约束，分别对两类储能技术的最低配置比例予以约束。规划期内 N-RPS 情景下的储能装机容量变化趋势如图4（ a）所示。储能装机容量由 2020 年的 24.7GW 增长到 2050 年的 227.2GW，增长了 8 倍多，其中抽水蓄能装机容量由 21.1GW 增长到 57.4GW，电化学储能技术装机容量由 3.6GW 增长到 169.8GW。 2037 年前后，电池储能投资成本开始具有越发明显的优势，此时电池储能装机迅速增长，建设速度超过抽水蓄能; 到 2050 年，电化学储能装机占比提升到 74.7%，而抽水蓄能装机占比则下降为 25.3%。 RPS 情景下的储能装机规划结果如图4（ b）所示，在该情景下，由于新能源装机大幅提高，2050 年储能装机容量比 2020 年增长了近 25 倍（+383.3GW），达到 610.4GW，其中，电池储能为 466.1GW，抽水蓄能为 144.3GW。此外，技术进步降低了电池储能的成本，同时由于其选址灵活且不受资源限制，电池储能在 2030 年将步入规模化发展阶段。储能装机容量的增长呈现出明显的规律性，在 N-RPS 和 RPS 情景下，两类储能技术装机容量均显著增长，尤其是电化学储能技术; 随着成本优势和选址灵活性优势的显现，电池储能技术逐渐超越抽水蓄能成为更具竞争力的主导性储能技术。

3 . 新能源电力流动

图5 分两种情景分别展示了规划期内各省份新能源电力流动结果，红色标记的正值表示新能源电力输入量，蓝色标记的负值表示新能源电力输出量。从资源角度看，新能源电力的送端省份为资源禀赋较高的地区，受端省份为资源禀赋较低且经济发展水平较高的地区。

结果显示，在 RPS 情景下，新能源电力年均流动量为 415.7TWh，是 N-RPS 情景（57.1TWh）的 7 倍; 新能源电力流动量占总电力流动量的 26.3%，比 N-RPS 情景高出 23.5%。在 RPS 情景下，内蒙古年均新能源电力输出量为 4 505.1TWh，是 N-RPS 情景（529.7TWh）的 8.5 倍; 江苏年均新能源电力输入量为 1 424.2TWh，是 N-RPS 情景（170.2TWh）的 8.4 倍。从电力传输的技术类型看，内蒙古等地以煤电、新能源电力输出为主，原因在于其低廉的燃料价格和丰富的资源。综合而言，在跨省输电线路的支持下，RPS 通过激励新能源电力消纳促进了电力资源在空间上的优化配置，即实施 RPS 有效激发了新能源资源丰富地区的新能源装机增长，而低资源禀赋地区则通过外部电力输送满足自身的 RPS 要求。跨省输电不仅优化了全国电力结构，还实现了新能源在不同地区之间的有效流动和均衡分配，提高了新能源的整体利用率。

（二） 短期经济调度结果分析

1 . 电力调度及电力结构

图6 分别展示了高资源禀赋和低资源禀赋两类地区 2030 年的调度结果。每月选择一个典型日，既包含了季节性特征也包含了日内波动特征。在高碳惩罚成本且配置两种储能的情况下，内蒙古抽水蓄能配置率为 16.8%，电池储能配置率为 11.9%，而江苏仅为 0.73%和 3.35%; 内蒙古抽水蓄能调节率为 4.54%，电池储能调节率为 3.39%，而江苏储能调节率不足 1%。由于内蒙古太阳能资源丰富，储能出力特征表现出明显的昼夜差异。江苏省储能出力则呈现出季节性特征，在夏季表现出频繁的充放电，且充电时间通常在夜间，原因可能在于海上风电出力在夏季夜间较高。以上结果表明，储能调节水平及出力特征与所在地资源分布有关。

图7 分别展示了高碳惩罚成本下典型年份两类地区的电力结构。结果显示，2030 年，内蒙古以煤电为主，在不配置储能的情况下煤电占比 55.1%，新能源电力占比 40.8%; 通过配置储能能够显著降低煤电占比，大幅提高新能源电力占比特别是光伏电力。其中，配置 PHS 能够使新能源发电占比增加 17.2%，而 Li-ion、VRB 和 CAES 分别增加 13.8%、 16.2%、15.8%。四种储能技术配置下，煤电分别减少了 15.8%、13.5%、15.8%和 13.2%。 2050 年，整体趋势不变，但 PHS 技术应用相比 2030 年促进作用减弱（比 2030 年减少 2.2 个百分点），而 Li-ion 技术促进作用增强（ 比 2030 年高出 0.9 个百分点），VRB 和 CAES 保持相当水平。江苏部署储能对电力结构的影响极小，2030 年，五种情景下均以水电为主、煤电和气电为辅; 2050 年，部署四种储能技术对新能源发电的促进效果分别为 0.1%、0.4%、 0.6%和 0.1%。

2 . 新能源弃电率

图8 分别展示了两类地区在 2030 年和 2050 年、两种碳惩罚力度下的新能源弃电率。 2030 年，内蒙古在不配置储能的情况下，弃光率、弃风率分别为 32.76%和 30.72%（高碳惩罚成本）; 配置储能显著降低了新能源弃电率，其中 PHS 情景分别降低至 2.32%和 7.14%，其余储能技术分别减少 38.6%、 50.2%和 47.9%的新能源弃电率。 PHS 是 2030 年以前效果最优的储能类型，Li-ion、VRB、CAES 则在 2030 年后迅速发展。到 2050 年，四种储能技术表现相近，尤其是在减少弃风率方面，Li-ion 和 CAES 对新能源弃电率的抵消作用增幅较大，分别比 2030 年增加了 11.94% 和 6.63%。通过配置储能可将 2050 年的弃光率降低至 2% 以下，其中 VRB 和 CAES 作用最明显。江苏部署储能对新能源弃电率的削减作用更弱，原因在于江苏以水电机组和电力输入为重要的电力来源，储能难以发挥作用。

新能源电力利用效果受到电网调节能力的限制，电网对高比例可再生能源的消纳和调控能力不足可能导致新能源弃电率增加，特别是在日内运行时，电力过剩、弃电现象不可避免。储能技术的配置和应用可降低新能源弃电率。从资源类型看，在高资源禀赋地区，储能技术能有效解决新能源发电的间歇性和不稳定性问题; 而在低资源禀赋地区，由于其电力结构中非新能源电力和外购电力占比较大，储能对减少弃电的作用有限，表明储能技术在不同资源禀赋的地区和不同电力结构中具有差异化效果。从技术类型看，抽水蓄能在中期占据主导地位，电池储能技术将在远期发挥更加重要的作用。总体而言，储能技术应用是降低新能源弃电率的关键因素。

3 . 碳减排效果

图9 分别展示了两类地区在不同储能配置情景下的碳排放水平。在不配置储能的情况下，2030 年内蒙古电力运行碳排放为 3.43 亿吨，通过部署储能和提高碳惩罚力度，可减少 0.65 亿~0.98 亿吨（占比 19. 04%~28.6%），2050 年则能够减少 0.78 亿~1.14 亿吨（占比 18.3%~27.7%）。在内蒙古部署储能的碳减排作用远远大于提高碳惩罚力度的碳减排作用; 相反地，在江苏部署储能的作用远低于提高碳惩罚成本的作用。 2030 年和 2050 年江苏部署的储能碳减排效应均不足 0.1%，而提高碳惩罚成本的减排效果分别为 14.1%和 10.5%（内蒙古为 0.2%和 3.2%）。

高资源禀赋地区通过储能技术部署可显著降低碳排放，储能可以有效平抑新能源发电的波动性，提升其消纳率。由于低资源禀赋地区更多依赖外购电力，储能难以充分发挥作用，因此提高碳惩罚力度比部署储能的减排效果更优。综上，高资源禀赋地区的储能部署对碳减排有显著效果，而低资源禀赋地区提高碳惩罚力度更为有效。电力系统减排需充分考虑区域异质性，因地制宜实施减排策略。

四、 结论及建议

面对中国区域资源异质性和多元化储能发展的现实问题，本文以中国省级电力系统为研究对象，探讨了区域资源异质性视角下，多元化储能技术部署在推动新能源电力消纳及能源结构转型方面的关键作用。通过链接长期规划与短期优化模型，构建了省级电力系统优化模型框架，旨在揭示多元化储能技术路线在资源禀赋和成本变化差异下如何影响新能源电力消纳及电力系统碳排放。研究得到如下结论:

（1）可再生能源电力配额制将显著促进高资源禀赋地区的新能源和储能装机，而对低资源禀赋地区的促进作用不明显，并通过跨省输电实现新能源资源在空间层面的优化配置。

（2）在高资源禀赋地区，应用储能技术能够提高新能源电力的消纳能力; 而在低资源禀赋地区，跨省输电是更优的选择。提高碳惩罚力度可促进储能技术对电力结构的优化作用，提高成本有效性。

（3）技术成本和成熟度的差异导致了不同储能技术路线的演进趋势。在中期 2030 年，抽水蓄能技术最具成本有效性; 在远期 2050 年，全钒液流等电池储能技术迅速发展并成为主导。

根据上述结论，提出以下几点建议:

（1）针对高资源禀赋地区，应加强可再生能源电力配额制的实施力度，以促进新能源和储能快速发展，充分开发和利用当地资源。对于低资源禀赋地区，应鼓励通过跨省输电机制实现新能源电力的空间优化配置，确保全国范围内能源的均衡发展。

（2）在制定储能政策、进行储能技术选型时，要因地制宜地考虑区域资源禀赋及储能技术发展的差异性，兼顾储能的应用效果和应用成本。

（3）鼓励技术创新以降低新型储能成本，权衡储能技术初期投资与长期效益，通过补贴和税收优惠等手段降低投资门槛，引导新型储能技术进步和市场化，以适应能源结构转型的长期需求。

参考文献