[碳笑风生第5期]对话普林斯顿:深度解读美国碳中和技术路线

2021-05-29

这一期我们邀请到了美国普林斯顿大学博士后张川博士(个人主页:https://chuanzhang1990.github.io/)。张川博士是普林斯顿大学安德林格能源与环境中心的博士后。他博士毕业于英国剑桥大学和新加坡南洋理工大学联合培养博士项目。美国普林斯顿大学主导的报告《 Net-Zero America》(净零美国,报告网址:https://acee.princeton.edu/rapidswitch/projects/net-zero-america-project/研究了美国2050年实现碳中和的可行性、成本、行动路径和其他环境影响。这一报告在2020年12月正式发布,张川博士是核心作者之一。今天的播客我们就与张川博士一起聊一聊碳中和如何实现,能源模型如何模拟碳中和实现路径,以及中美碳中和实现的对比。这次我们也把张川博士录制准备的播客手稿附在后面,我们的播客中有很多即兴问题,也有一部分手稿中的问题最后没有在播客中讨论。


[碳笑风生第5期] 对话普林斯顿:深度解读美国碳中和技术路线来自气候变化与低碳经济学01:24:14
喜马拉雅碳笑风生



【本期内容】

第一部分:美国如何实现碳中和

01:00 “众里寻他千百度”:从能源动力工程到能源转型研究

03:15 报告研究的设计:回答美国碳中和实现争议

05:20 核心结论:2050年美国碳中和目标可实现、可承受

【注】07:30秒处ReferenceCase (不以2050碳中和为目标) 下的能源系统总成本占GDP比重应为3%,相应的加速电气化情景下能源系统总成本占GDP比重应为4%;访谈原文中提到的2%,3%系为口误。

09:13 美国怎么去实现碳中和——六大关键环节!

15:35 只用光风水电,能实现碳中和吗?

18:40 生物质、氢能、碳捕集、基础设施:这些技术要怎么发展?

【注】19:30秒处应为末端用能的液体燃料而不是化石燃料。

29:30 学商政界对这份报告的反馈

31:10 一句话总结碳中和实现路径:容易和难减排的技术同时发力


第二部分:碳中和路径怎么算出来的:能源模型

33:11 搭建一个探索碳中和路径的能源模型需要几步?

36:12 报告为什么要设置五个主要情景?

41:05 这么多情景,那我们怎么选走哪条路线?

44:20 各行专家们都有碳中和实现的设计,为什么我们还需要能源模型?

46:25 能源模型怎么模拟技术的发展?万一核聚变突然成熟了? 

51:10 成本最优的模型,我们怎么让路径更可靠、公平、可行?

60:00 各类电力能源模型这么多,到底要选哪个模型?


第三部分:中美碳中和研究和路径的对比

62:50 对中国的启示:中国综合能源模型的建立和数据公开

67:00 中美对比:一张蓝图干到底还是大家自己来发挥?

78:30 中美对比:未来能源系统的相似和不同、优势和劣势

87:43 中美气候合作,未来能做什么?



【播客手稿】

为什么选择研究能源系统研究,为什么对这个领域感兴趣?

大家好,我是张川,很高兴今天有机会在碳笑风生这个平台和大家交流,也十分感谢两位播主的邀请。首先. 简单介绍下我自己的学术背景,我现在是美国princeton universityandlinger center on energy and environment 的researchassociate,我是国内本科硕士毕业之后出国留学的,博士期间在新加坡南洋理工大学和英国剑桥大学的一个联合培养项目做生态工业园能源系统的优化,然后2019年初博士毕业之后来的普林斯顿,做2050美国碳中和技术路线的研究。

为什么选择能源系统研究,其实也是一个“众里寻他千百度”的过程吧!我不是环境科学或者宏观经济学科班训练出身,在本科硕士都是能源与动力工程,或者国外是mechanical engineering的,博士开始阶段从事的也都是很偏能源技术的研究,在这个过程中,我逐渐对能源系统中技术、政策、经济、环境、甚至社科维度的交叉产生了兴趣。加上我本人虽然一直从事理工科的研究,但对人文艺术类的东西一直很有兴趣,而宏观能源系统转型这个方向给我提供了一个通过交叉学科角度解决现实问题的切入点,我也就自然然而地对这个方向产生了兴趣。


这项研究的出发点/目的是什么?主要结论是什么? 

Net-zero America这个项目呢,其实准备地说是普林斯顿大学主导,然后有几家其他机构共同参与的研究项目。这个项目启动的时间其实是在2019年的年初,当时还在trump-era,在全美国虽然已经有州政府层面的零碳承诺,但显然联邦政府层面并没有清晰的转型意向或者技术方案,而且会有一些争论说零碳转型的成本太大,国家层面无法承受之类的。在这样一个大的背景下,我们当时开展零碳美国研究的主要出发点就在于回答国家层面的零碳转型到底可行不可行,可行的话在基础设施建设、自然资源开发、土地使用、劳动力就业等大家比较关注的方面具体需要做出哪些转变,从而通过这样一个研究更好为能源转型规划提供参考。

零碳美国项目的结论用一句话总结就是,2050美国碳中和是可实现并且可承受的。可实现的意思就是基于现有的资源和技术,我们可以找到一个实际可行的技术路径实现从今天美国50亿吨,5GtonCO2排放到2050零碳排放;可承受的意思就是实现这个技术路线当然需要将不同技术的建设速度、技术投资等推到一个新的高度,但这个需要的改变不是一个不可企及的天文数字,是完全可以通过努力实现的,这是我们说的可承受的意思。关于这两点主要的结论我想后面我们会一直继续展开讨论。


Net Zero America项目的总体方法是什么?

总体来说,我们这个研究可以分成逐一递进的四块,第一块呢是总体能源服务需求【energyservice demand】的预测,需要注意这里我们说的是energy service demand不是energy demand,前者是说需要使用能源解决的服务需求,比方说有多少平方米的家用或者商用建筑需要采暖空调,有多少mile或者公里的出行需求这样子,至于具体怎么解决这些特定的能源服务需求,比方说用天然气采暖还是用电采暖,开燃油车出行还是开电动车出行这样的 问题,我们在研究的第二块借助EnergyPATHWAYS这个能源系统的需求侧模型来研究,在这一部分,我们利用stock-rollover的方法研究需求侧不同类型能源使用设备之间的代替模型,从而得到需求侧各个行业部门的能源需求,比方说建筑行业需要多少天然气,多少电,交通行业又需要多少天然气,多少电这些需求侧信息。在研究的第三部分,也是目前大部分能源系统优化模型关注的重点,我们使用了一个总体能源转型成本最小化的优化模型,研究在满足所有能源供给的需求,并且在包括建造速度、运行特性等特定限定条件下,实现所有能源供给的最优技术组合方案,得到所谓能源结构【energymix】的变化情况。在第四部分,我们进一步开展了所谓的“downscale”【细节化】研究,比方说,我们在第三部分得到在某个转型路径中2030年一年需要10GW的太阳能装机容量,这只是提供了一个目标或者雄心,至于怎么样实现这个雄心,需要进一步更为精细时空尺度上的分析,才能回答这些太阳能装在哪里,有没有足够的土地承载这些装机容量类似问题,这个是我们第四个研究步骤,本质上是一个类似于基于地理信息系统GIS的精细空间尺度建模问题。


解读一下五个scenarios:为什么要设置多个情景,为什么要设置这些情景?

在明确了整个研究的框架步骤之后,我们再来看你为什么要设置不同场景和这五个典型场景的问题就清晰明了多了。因为这五个场景所涉及的主要不确定性,包括电气化的程度、可再生能源的装机速度等等,是零碳能源转型中最为关键的方面之一,会影响优化模型的目标函数、限制条件等重要参数,因此需要设置单独的情景来分析。但同时我们需要强调的是,尽管我们在报告里面只展示了这五个不确定性,其实我们模型中其他参数的不确定同样进行了研究,我们通过55组敏感性分析的方法对于像土地碳汇、天然气价格、制氢技术成本、碳捕捉成本与效率等关键参数做了敏感性分析,得到了相应不确定性对能源转型成本与能源结构变化等的影响,从而在一定程度上量化了不同技术在零碳转型中的互相依存作用,为解决碳中和转型中的不确定性提供了参考。

 

Net Zero提出了美国实现碳中和的六个关键环节,为什么是这六个?Net Zero的六个关键环节:

简单来说,我们把碳中和研究的主要结果分成六个关键环节,主要是出于两个方面的考虑:第一是碳中和涵盖的学科范围和行业部门还是非常广泛的,建筑、交通、电力等等,而不同行业部门关注的信息往往是不一样的,所以我们还是尽量按照相关stakeholder的模式把信息传递的,希望不同专业、不同行业部门的人能各自找到自己更为感兴趣的点。第二是虽然我们讲六大关键环节,或者六大支柱,但需要说明的是这六大支柱是互相交织在一起的,比方说我们讲清洁电力是一个支柱,氢能发展是一个支柱,但其实清洁电力的大规模发展,尤其是太阳能风能的消纳,需要依赖于电解水制氢这个关键技术;再比方说,碳捕集和封存是一个支柱,但碳捕集与封存中的碳的来源可能还是电力部门和生物质能源。所以我们提出实现碳中和的六个关键环节,包括为什么是六个,不是五个也不是七个,也是经过我们反复的琢磨,觉得这样一种一条一条传达信息的方式还是比较清晰的方法。

1. 需求侧的能效提高和电气化

能效提升和电气化有几个比较关键的数字:一个是末端用能中用电所占的比例,美国目前的水平在22%左右(76EJ里面有17EJ),这个比例在加速电气化的情景中要达到45%(55EJ里面有25EJ)。第二个是单位GDP的能耗,在加速电气化的情景里面要达到每年3%的速度降低,这个要比参考情景下每年1.7%的速度快很多。这是两个宏观的关键数字。

从支撑实现这些目标的具体技术转型来说,美国目前电动车年销量在30万左右,而加速电气化情景下电动车年销量要在每年几百万的速度,中间这个GAP对于美国电动车的制造能力,已经拥有这么多电动车之后带来的电力系统负荷增加是电气化转型中需要考虑的重要方面。

2. 清洁电力:风电、光伏 / 电力传输 / firm power

清洁电力方面也有几个比较关键的数字:一个是两倍到四倍,这个是指2050年全社会的用电量和今天社会用电量的对比,在我们的五种典型情景下,整个社会的总用电量至少翻倍,这个是对于电力行业十分重要的信息;第二个是10到40倍,这个是2050年全美国太阳能装机容量和今天全美国太阳能装机容量的对比;第三个是5到30倍,这个是2050年全美国风能装机容量和今天美国风能装机容量的对比;最后一个是3倍,这个是2050年全美国输电网络的输电量(GW-km)与今天的对比。
E+RE+的情景中,几乎到处都有风电和光伏。这大家开车出去一走,哪里都是风车——风光对land use的需求量这么大,会不会限制风电和光伏的发展?
土地使用是太阳能风能大规模布局的关键问题,一般来说,光伏的平均土地能量密度在40-50MW/km2左右,风电的平均土地能量密度在3MW/km2左右,而海上风电的平均能量密度在5-10MW/km2左右。如果按照2050年光伏、风电、海上风电的装机容量分别在1500GW、1200GW和230GW(E+情景)计算的话,光伏、风电和海上风电的土地使用分别在4,300km2,400,000km2, 23,000km2。这样简单测算的话其实美国国土面积(9,370,000km2)是足够支持这么多太阳能风能发展的。但现实情况下,需要考量能源用地与城市、水体、机场、湿地、公园等用地平衡,并要考虑优化在自然资源比较好的地区发展光伏风电,同时考虑发电地点与用电地点的匹配等等这些问题,并在实际的downscale中考虑这些问题,完成了太阳能风能的土地使用布局规划。
3. 生物质能源和其他零碳燃料/原材料
前面我们提到在加速电气化情景下,2050年55EJ的用能里面有25EJ的用电,剩余30EJ还是以化石燃料为主。在这个大前提下,必须要以零碳的方式来解决这30EJ化石燃料的供给问题,模型主要提供了下面三个角度的方法:第一个是使用化石燃料通过负排放技术补偿,第二个是利用生物质制备液体或者气体燃料,第三个是利用生物质或者电解水的方式制备氢气。对于这三种选择来说,模型会做出一个理想情况下的成本最低决策模型,找出最优的零碳燃料解决方案。对于加速电气化(E+)这个情景来说,2050年模型会有大约13EJ的生物质燃料,大约8个EJ的H2,这样可能总共有20EJ的燃料需求能够共同零碳的方式制备,另外10个EJ的燃料可能就需要依靠化石燃料加碳捕捉的方式进行供给。
 氢能发展:灰氢,蓝氢,和绿氢:似乎除了E+RE+其他的都是以蓝氢为主,蓝氢和绿氢在未来发展的可能性?
这里需要强调的一点是我们的模型是一个非常理想的能源转型成本最低模型,也就是说模型之所以选择蓝氢,不选择绿氢(反之亦然),并不是因为蓝氢的技术更成熟等等,而是在能源系统总体成本最小的目标函数下,蓝氢技术是满足燃料供给需求的成本最低技术。当然这种优化结果与对能源技术成本的预测以及包括生物质的供给成本和数量等都密切相关,因此不应该认为模型成功代表了未来发展的趋势的预测,更准确地说,模型只是给出了在相应边界条件下实现零排放这个目标的可行技术方案,或者说,告诉我们有实现零排放的可行方案,这个是研究的重点。
4. 碳捕集、封存和利用
在碳捕集封存与利用这个环节上,NZA美国碳中和研究给出的结论是在2050年,美国大约需要1,000million tCO2 的碳捕捉,建设大约110,000km的CO2收集封存管道,才能达到模型需要的CO2捕集、封存与利用要求。
这里面有两个比较有趣的点,一个如果CO2的捕集封存能够大规模化,那么其实未来的CO2管道将会是像天然气管道一样是一个遍布的基础设施,其实这个是目前很多研究或者展望还没有考虑的阶段;第二个就是我们在做这个研究时发现,即使在美国,评估CO2地下封存的supply curve,也就是一共有多少的CO2地下封存空间,相应的封存成本是多少,得到这些最基本的信息也是一个不太简单的事情,或者会发现不同渠道得到的信息其实有差异,这个方面的工作其实是对于解决碳捕集封存与利用是最基础也是最有用的。
5. 减少非碳温室气体
6. 加强陆地碳汇
关于这两个方面,net-zeroAmerica研究并没有进行严格的建模,只是acknowledge了这两方面工作的重要性,并引用了相关研究的一些结果,作为本研究所重点关注的能源系统模拟的边界条件,所以可能没有更多深层次的洞见。
 
这项研究考虑了很多现在已经存在的低碳能源技术,但是这些技术未来三十年内都可能会发生很大的变化。研究怎么考虑这些技术在未来可能发生的变化的呢?
在未来可能产生突破的技术里,哪种科技突破对碳中和目标的达成最有意义? ccs的成本下降?储能技术的成本下降?氢能源的发展?你个人对哪种技术更关心些?
 
对于这两个问题,其实都是关于对未来能源技术发展的“预测”以及不同“预测”下这些技术在未来能源系统中的作用。在能源系统模拟中,这是一个非常关键,也是有些争议的问题。首先,对于未来技术的预测可以分为两类,一类是所谓的连续性技术,包括像太阳能、风能、核能等目前已经在应用的技术,在将来,或者是因为材料技术的革新,或者是因为规模效应,成本在将来还会继续下降,对于这类技术,一般在能源系统研究中,都有一个这样的数据库描述这种技术成本、效率等随着时间的变化,比方说在我们在NZA的研究中,对光伏成本的预测我们是采用的NREL的ATB。第二类是所谓的突变技术,或者说disruptivetechnology,比方说,在十年之后的某一天,突然又一个新的化学反应催化剂或者路径出行,能够很低成本地把CO2转换为CH4,那可能整个燃料制备的方法都会不同。在这个方面,目前的能源系统模拟方法是不能考虑这种可能性的。
但其实无论是第一种连续性技术还是第二种变革性技术,预测他们在未来发生的变化都是很困难,甚至在一定程度上是不可能的。当然,如果我们一定要回答某种技术的成本下降或者突然出现对能源转型的影响,我们是可以通过所谓敏感性分析的方法回答这个问题的,我可以举一个例子,在一个敏感性分析案例中,我们假设未来电解水制取氢气的技术会比模型中原来的假设低50%,我们发现其实模型得到的能源系统转型成本并没有显著降低,模型会多使用一些基于电解水制取的氢气,除此之外,没有特别显著的变化。从这个意义上,我们是不是可以说电解水制氢成本的降低意义不大呢?这个不是的,因为模型的结果本来就是建立在各种假设的基础之上,每种技术的未来预测都有自己的不确定,在多种不确定的基础上讨论这些问题没有意义。
回答我们前面提到的问题,应该怎样解读能源系统模型的结果。我们还是要强调能源系统模型是一个非常理想的能源转型成本最低模型,也就是说模型之所以选择蓝氢,不选择绿氢(反之亦然),并不是因为蓝氢的技术更成熟等等,而是在能源系统总体成本最小的目标函数下,蓝氢技术是满足燃料供给需求的成本最低技术。当然这种优化结果与对能源技术成本的预测以及包括生物质的供给成本和数量等都密切相关,因此不应该认为模型成功代表了未来发展的趋势的预测,更准确地说,模型只是给出了在相应边界条件下实现零排放这个目标的可行技术方案,或者说,告诉我们有实现零排放的可行方案,这个是研究的重点。Models are not used for prediction, they are used for explorationand understanding.
 
这个研究考虑了不同的路径;这些路径的差异意味着不同的现实约束:比如有的情景需要大量的核能,有的需要很强的电力传输,碳中和实现的约束有哪些——以及对中国的启示?
在模型约束这个问题上,还是先说一下模型在技术上的约束,基本上可以分为四类:第一类是供需平衡,包括电力和燃料;第二类是排放平衡,就是说系统的排放量不能超过模型的限制值;第三类是政策平衡,就是说太阳能风能装机容量等要达到可再生能源政策的要求;第四类是技术平衡,是指包括机组启停时间在内的这些技术上的约束,以及像你说到的核能建设和电力输配的约束。
应该是设计不同的约束条件和设计不同的转型情景一下,目的都是在于尽可能描述一个“未来有多种不确定性”的世界,并且基本上得出一个基本结论:无论具有怎样的未来不确定性(可预测的或者不可预测的),基本上来说实现各种约束条件下的碳中和都是有可行性的。
这里我想稍微延申一下讨论下如何在能源系统建模中处理不确定性的问题,因为前面所讲的到无论是技术进步还是政策制定本身都有不确定性,包括技术的成本,碳排放的价格,甚至包括一些更为基础的人口增长、产业结构、消费行为等都存在内在的不确定性,从建模的角度出发,解决这种不确定性的方法有好几种,一种是多情景模拟,包括我们的研究设置五个典型情景其实也是解决不确定性的方法,第二个是随机优化,就是基于不确定参数下的优化模型,给出优化结果的分布情况,第三个是采用MGA就是model generated alternative的方法,MGA可能给你的不是全局最优解,但会给出一些全局最优附近的。通过这些数学方法,一定程度上可以回答不确定性对能源系统转型优化的影响。但更根本的还是我前面说的,应该从什么角度来理解这种宏观能源系统模型结果的问题,一定要看大的趋势和可能性,不能聚焦在某个技术或者量化值。
 
美国还有很多研究机构进行了和其他类似的研究,大家的研究报告结论有什么相似?有哪些不同?
是的,在美国除了普林斯顿这个研究之外,也有其他几个类似的研究,包括
Sustainable Development Solutions Network, BerkeleyEnergy Policy Group这些机构。他们的研究和NZA相比,结论还是大同小异的,包括前面提到的六个关键环节都是共同点,主要的区别在于侧重点的不同,有的研究可能对电力行业更关注细节一些,有些可能对特定工业部门更看重一些。
 
Net-zero america可以被看作一个美国低碳转型的路线图。我们在社交媒体上的感觉是,princeton的这个研究引起了不小的回响。你觉得政策制定者、企业界对这一路线图的反响如何?
这个是的,我们的研究从出来之后以及先后做了大大小小64次briefing了(截止到四月底),这其中既包括house和senate的energy committee这样的政策制定者,也包括BP、ExxonMobil这样的传统油企,也包括PSEG、Austin Energy这样的电力公司,还有Morgan Stanley、Citi这样的银行,甚至Blackrock这样的华尔街投行。我想这反映了一个最基本的事实就是碳中和真的是一个会涉及到各种行业部门各种现有利益的全社会行动,大家都会想从我们发布的这样一个细节程度相对比较高的研究报告中发现一些未来世界的端倪,进而调整自己的定位,决定自己该做什么。我想真的是和很多人讲的一样,碳排放将会成为未来经济社会发展中一个新的维度。
 
对中国的碳中和目标的启示:Net-zero America研究对中国2060碳中和有什么借鉴意义?
从研究范式上来说,我觉得有几个重要地方:一个是“电+其他介质能源”这种综合能源系统优化方法,后面我们可能还会提到,就是在未来能源系统里面,电和氢气、燃料等能源是互相交织的,用电和用这些能源是可以互相转换的,所以在研究里面不能把这些行业和环节割裂,所以必须有这样一个“综合能源系统”的框架把这些不同类型的能源使用形式放在一起优化;第二个是数据和模型的开发性和可重复性,当然在美国包括NZA的模型和数据也不是完全公开的,但相比较来说,在美国无论是EIA还是NREL数据的公开做的还是要好很多,包括每年分行业部门的能源需求和能源技术成本这些,其实都可以为能源系统的基础研究提供数据支撑,希望这些方面中国可以做的更好。
 
中国和美国碳中和路径的异同在什么地方?这种差异来自于什么?技术的不同?可再生能源的差异?基础设施的差异?输电线路?还有在经济社会、治理模式的条件的不同?我们总说中国和美国现在关系紧张,而气候变化是两国可以合作的一个部分。从你的研究方向来说,这种合作可能会体现在什么方面?
这个问题分两部分回答:
第一个是碳中和路径的相似之处、差异之处以及造成这些的原因。首先是中美在碳中和路径设计上的差异,在NZA研究中,我们设计了五组不同的转型路径,在每个不同转型路径中,我们有不同的假设,假设核能发展快一些会怎么样,风能发展快一些会怎么样这样子,但如果我们去看中国的碳中和转型路径研究(以清华气候变化研究院为例),其实只有一条转型路径,然后会得出我们需要多少风光、多少CO2捕捉这些重要参数。其实这两种研究的范式可能也代表了两个国家或者智库一些思维和决策方式上的差别,在美国,可能大家对于未来很多事情能不能做出没有那么多的信心(我们一年能不能建造这么多太阳能、风能类似问题),在中国,可能大家对于类似的事情就更有把握,或者说只要我们决定了要去建造这么多核电,那就一定会去的样子。至于相对具体的技术路线,其实中美两国发现的主要方面是差不多的,都符合我们前面说的六大关键方面:包括能源效率与电气化、清洁电力、零碳燃料、碳捕集与封存、自然碳汇、非温室气体这些。
第二个是在气候变化领域的合作。是的,我看金融时报把气候变化合作说成新时期的“乒乓外交”,是这个中美关系比较困难的时期大家交流的窗口。首先,我觉得中美都承诺碳中和,并且积极行动本身就是一种合作,因为作为世界上碳排放前两位的国家,也是最大的发达国家和发展中国家,这种climate leadership本来就是一种合作,因为我们要看到世界上除了中美之外,还有很多其他的国家需要依赖于这两个国家技术或者资本的帮助,才能完成这波碳中和能源转型,因此在两个国家进行的示范无论是learningby research还是learning by doing,其实都可以降低这些低碳能源技术的成本,从而更好的服务世界上其他国家的能源转型。第二个可能就是两个国家之间一些具体的双边低碳产品贸易,当然目前看来这个会有些具体的困难,比方说太阳能电池板的中国产能大、成本低,可以出口到美国;而美国可能生物质能源相对充足,一些零碳的燃料可以出口到中国,这样类似的贸易。
 
什么是能源系统?我们有时会把能源系统和电力系统混为一谈,电力系统和能源系统的关系是什么?电力部门在能源系统中为什么这么特殊
能源系统是“电+化石燃料”。电气化是未来趋势,所以电会具有特殊地位;另一方面,电能与其他能源介质之间的转化将来会更为方便,在欧洲,大家会讲P2X的概念,就是说可以把电能转化成氢气、燃料、出行等等各方面。综合能源系统是一个更加宽泛的概念,有很多种说法,国外叫做multi-vectorenergy system, integrated energy system等等,国内会叫做多介质综合能源系统或者综合能源体这些。
 
什么是能源系统模型?能源系统模型与综合评估模型等其他能源环境模型的特点是什么?(例如德州二月份的事件,能源模型怎样预测/处理这类事件?)
首先,你提到了三种模型,一种是类似于switch mode的capacity planning model,或者叫电力系统扩容模型;第二种是我们NZA研究所采用的能源系统模型;第三种是综合评估模型。这是三个从不同角度出发试图回答不同问题的模型,电力系统扩充模型是非常经典的学科模型,聚焦于电力这一个行业,但是有非常可观的细节程度,IEEE的bus model可以达到变压器级别;综合评估模型我个人理解更偏宏观经济学模型,他回答的是类似于BenefitCost Analysis分析这种,当下的气候变化缓解对未来社会带来的益处这类问题。而能源系统模型有点介于两者之间。模型从技术经济学出发、但可以量化环境外部性、能源政策等维度对能源系统运行造成的影响。举个例子,如果我们想要回答在某个电力系统中,电力负荷增加之后应该在哪里建造发电站的问题,那可能电力系统容量扩充模型更合适,但如果我们进一步想回答增加的这些电力负荷如何可以通过电解水制取氢气的方式消纳掉的问题那可能使用能源系统优化模型更合适。
对于极端事件的预测和处理,本质上是要提供模型的鲁棒性(在没有发生意外的时候预测并将这种预测考虑进模型内)和韧性(发生意外后如何尽快恢复),鲁棒性和韧性的问题其实也有两个层面的问题,一个是规划中能不能考虑进去的问题,考虑进去之后成本会怎么变化,但本质上处理极端事情有一个可接受概率的问题(类似那种抗震强度的百年一遇或者千年一遇),这个其实我们前面说的各自优化方法都能解决这个问题,第二个就是如何得到预防方案是一回事,具体能不能做到预防和维护是另外一回事儿。其实德州的事件可能两个方面的原因都有,一方面在设计的时候没有考虑到小概率事件,另一方面没有做好小概率事件发生之后的运维问题。

人工智能在能源系统中有哪些可能的应用?
在能源供给、存储、消费三个环节都有应用,可以举三个例子,供给侧的话可以做next-day的太阳能潜力预测,辅助电力市场运行;消费环节可以做分布式的区域协调,帮助消纳;存储环节有个很好的案例就是出行大数据与动态电价下的智能车网互联。
 
你认为在低碳能源系统模拟这个领域,有哪些重要的问题还没有被解决?需要研究者的继续努力?
个人觉得有几个:一个是通过提高数据和模型的开发程度提升模型的可重复使用性;第二个是推动技术、经济、环境等不同环境的融合建模;第三个是前面提到的多尺度模型开发。
 
最后推荐:好的资料、好的模型、好的课题组
当然是我们课题组啦。开玩笑,首先像我前面说的其实能源系统模拟本身也是一个没有被well-defined的概念,其实一个比较有意思的现象是做能源系统模拟的科研人员学科背景还是蛮丰富的,有像WilliamNordhaus这样获得诺贝尔奖的经济学家,也有像Ken Caldeira这样的生态地理学家,当然也有像JesseJenkins这样的计算机与优化出生的工程科学家,但很有意思的是,大家在做能源系统模拟的过程中,都acknowledge了这个领域的复杂性,因为能源系统是一个复杂的social-technical复杂系统,有些部分遵从自然科学的规律,有些部分遵从社会科学的规律,有些部分遵从经济学的规律,所以其实好的模型是要基于要解决的问题出发的,如果说从能源系统的技术经济学建模这个角度看的话,我个人觉得比较好的课题组有几个,在美国包括前面我提到的kencaldeira,斯坦福的sally benson,MIT的Jessika E Trancik,北卡州立的JosephDecarolis,UT Austin的Michael E.Webber,在欧洲的话剑桥的Laura Diaz Anadon,帝国理工的IainStaffell,德国的PIK都是非常好的课题组。

本网站由阿里云提供云计算及安全服务 Powered by CloudDream