电力清洁化是中国实现“双碳”目标的关键，其核心是电源结构如何优化重构。通过建立多目标优化模型，对比了2060年福建省在3种“最优”情景下的电力能源结构及其特点。结果表明：（1）福建省当前电源结构呈现火电占主导、水电占比逐步降低、核电占比升高、风光能初具规模、生物质能仍待发展的特征；（2）未来若全省形成以清洁能源为主、碳排放较低的能源结构，需将电力装机容量提升至25500万kW，并大幅增加清洁能源和储能设备的部署力度；（3）若以电源结构丰富、配置均衡为目标，需将电力装机容量提升至18000万kW，推动电源结构向多样化发展；（4）若形成以可控能源为主导、稳定性较好的能源结构，则需将装机容量提升至20550万kW，但碳捕获、利用与封存技术（CCUS）部署力度大、费用高。研究发现，CCUS普及率达到82%并每年获得超过2620万t的自然碳汇“配额”是全省构建以清洁能源为主的电源结构并实现电力行业碳中和的关键阈值。
Transition to "cleaner" electricity is crucial to achieving the target of carbon peak and carbon neutrality in China and it depends on structure optimization. In this study, a multi-objective model is established to optimize electricity structure in Fujian province under three carbon sink scenarios in 2060. The results show that: (1) Currently, the thermal power still dominates the electricity generation, the hydropower has peaked, the nuclear power is increasing, and the other sources (e. g., wind, solar, biomass) begin to grow. (2) Under the optimal carbon emission scenario, Fujian province has to increase its installed capacity of electric power to 255 million kilowatts, rapidly develop renewable energy, and widely apply energy storage batteries in 2060. (3) Under the optimal power structure scenario, Fujian province would need to increase its installed capacity of electric power to 180 million kilowatts and form a balanced source of electricity. (4) Under the optimal power structure stability scenario, the installed capacity of electric power merely has to reach 205.5 million kilowatts, but the costs on construction and upgrading of the Carbon Capture Utilization and Storage (CCUS) technology would be very high. In summary, the coverage of CCUS higher than 82% and the annual natural carbon sink "quota" of electricity sector exceeding 26.2 million tons are two thresholds for Fujian province to form a renewable and "clean" electricity and achieve carbon neutrality in 2060.
[1] 张运洲, 张宁, 代红才, 等. 中国电力系统低碳发展分析模型构建与转型路径比较[J]. 中国电力, 2021, 54(3): 1-11.
[2] International Energy Agency. Global energy review: CO2 emissions in 2021[R]. Paris: IEA, 2021.
[3] Klemm C, Vennemann P. Modeling and optimization of multi-energy systems in mixed-use districts: A review of existing methods and approaches[J]. Renewable and Sustainable Energy Reviews, 2021, 135: 110206.
[4] 解玉磊, 付正辉, 汤烨, 等. 区域电力结构优化模型及温室气体减排潜力[J]. 电力建设, 2013, 34(11): 82-86.
[5] 吕涛, 高剑 . 减排约束下电力结构预测与优化研究：以江苏省 2030 年电力结构为例[J]. 科技管理研究, 2018, 38(16): 260-266.
[6] 李渝, 叶琪, 檀勤良, 等. 考虑碳交易的电源结构多目标优化模型研究[J]. 现代电力, 2019, 36(4): 11-16.
[7] 余碧莹, 赵光普, 安润颖, 等. 碳中和目标下中国碳排放路径研究[J]. 北京理工大学学报(社会科学版), 2021, 23(2): 17-24.
[8] 中国人民政治协商会议福建省委员会 . 关于“深化我省生态文明建设 推进碳达峰碳中和工作”的调研报告（征求意见稿）[R]. 福州: 中国人民政治协商会议福建省委员会, 2021.
[9] 国家统计局能源统计司 . 中国能源统计年鉴[M]. 北京: 中国统计出版社, 2012.
[10] 国网福建省电力有限公司经济技术研究院 . 各电源类型的年有效运行时间[Z]. 福州: 国网福建省电力有限公司经济技术研究院, 2022.
[11] 魏世杰, 樊静丽, 杨扬, 等. 燃煤电厂碳捕集、利用与封存技术和可再生能源储能技术的平准化度电成本比较[J]. 热力发电, 2021, 50(1): 33-42.
[12] 中国大唐集团科学技术研究院 .“预见未来”能源转型电力行业创新发展[R]. 北京: 中国大唐集团科学技术研究院, 2019.
[13] 国际能源署. 最新成本数据披露 全球生物质发电成本持平[EB/OL]. (2018-01-16) [2023-03-01]. https://news. bjx.com.cn/html/20180116/874348.shtml.
[14] 徐若晨, 张江涛, 刘明义, 等 . 电化学储能及抽水蓄能全生命周期度电成本分析[J]. 电工电能新技术, 2021, 40(12): 10-18.
[15] Schmidt O, Melchior S, Hawkes A, et al. Projecting the future levelized cost of electricity storage technologies[J]. Joule, 2019, 3(1): 81-100.
[16] 刘铠诚, 何桂雄, 王珺瑶, 等 . 电力行业实现 2030年碳减排目标的路径选择及经济效益分析[J]. 节能技术, 2018, 36(3): 263-269.
[17] 吕涛, 高剑 . 减排约束下电力结构预测与优化研究：以江苏省 2030年电力结构为例[J]. 科技管理研究, 2018, 38(16): 260-266.
[18] 华能华北分公司.【火电】IGCC大有可为[EB/OL].(2014-12-10) [2023-03-01]. https://news.bjx.com.cn/html/20141210/572001-4.shtml.
[19] Yu D Y, Liu Y P, Shi P J, et al. Projecting impacts of climate change on global terrestrial ecoregions[J]. Ecological Indicators, 2019, 103: 114-123.
[20] 吕劲文, 乐群, 王铮, 等 . 福建省森林生态系统碳汇潜力[J]. 生态学报, 2010, 30(8): 2188-2196.
[21] 周伟, 高岚, 刘豪 . 广东省森林碳汇潜力分析[J]. 广东农业科学, 2014, 41(1): 232-236.
[22] 刘凯, 江世浩, 朱文珏. 广东省森林碳汇量估算及其空间效应分析[J]. 中国农业资源与区划, 2015, 36(3): 120-126.
[23] 福建省发展和改革委员会.《福建省重要生态系统保护和修复重大工程实施方案（2021—2035年）》[R]. 福州:福建省发展和改革委员会, 2021.
[24] 国家林业和草原局. 2014-2018中国森林资源报告[M].北京: 中国林业出版社, 2019: 185-187.
[25] 肖君 . 福建省天然乔木林碳储量动态变化及增汇策略[J]. 南京林业大学学报(自然科学版), 2022, 46(5): 27-32.
[26] 马晓哲, 王铮 . 中国分省区森林碳汇量的一个估计[J]. 科学通报, 2011, 56(6): 433-441.
[27] 刘景芳, 童书振 . 杉木人工林生长过程表编制的研究[J]. 林业科学研究, 1995, 8(2): 164-169.
[28] 惠柳笛, 刘凡胜, 莫少壮, 等 . 桂西北杉木人工林的生物量积累及生产力变化[J]. 亚热带农业研究, 2021, 17(2): 78-83.
[29] 徐慧芳, 宋同清, 黄国勤, 等 . 广西不同林龄马尾松碳储量及分配格局[J]. 农业现代化研究, 2016, 37(1): 195-203.
[30] 郭行泽. 不同造林密度马尾松林分生长分析[J]. 低碳世界, 2015(18):311-312.
[31] 张琼, 洪伟, 吴承祯, 等 . 不同桉树人工林生物量与生产力的比较分析[J]. 福建林学院学报, 2006, 26(3): 218-223.
[32] 张程, 欧阳林男, 陈少雄. 3种初植密度桉树林分生长、材种出材量及经济效益动态分析[J]. 林业科学研究, 2021, 34(4): 58-65.
[33] 杨敏, 王宝, 叶彬, 等 . 新常态下经济电力关系分析与用电需求预测[J]. 智慧电力, 2018, 46(4): 50-56.
[34] 刘洪久, 沙巨山, 季明月, 等 . 苏州电力需求的影响因素及电量预测研究[J]. 常熟理工学院学报, 2014, 28(5): 7-11.
[35] 福建省统计局 . 福建统计年鉴 2001~2020[M]. 北京: 中国统计出版社, 2020.
[36] 郑宗明. 福建省生物质发电特点和发展趋势[J]. 上海节能, 2010(5): 17-20.
[37] 智研咨询 . 2017—2023年中国核电行业市场分析预测及发展趋势研究报告[R]. 北京: 智研咨询, 2018.
[38] Sun Y W, Hof A, Wang R, et al. GIS-based approach for potential analysis of solar PV generation at the regional scale: a case study of Fujian Province[J]. Energy Policy, 2013, 58: 248-259.
[39] 福建省人民政府办公厅 . 福建省水电站清理整治行动方案[A]. 福州: 福建省人民政府办公厅, 2021.
