舒印彪, 薛禹勝, 蔡 斌, 韓建國, 凌 文, 陳新宇, M. B. MCELROY

(1. 國家電網(wǎng)有限公司, 北京市 100031; 2. 南瑞集團(tuán)(國網(wǎng)電力科學(xué)研究院)有限公司, 江蘇省南京市 211106;3. 智能電網(wǎng)保護(hù)和運(yùn)行控制國家重點(diǎn)實(shí)驗(yàn)室, 江蘇省南京市 211106; 4. 國家能源投資集團(tuán)有限責(zé)任公司, 北京市100011; 5. 哈佛大學(xué)工程與應(yīng)用科學(xué)學(xué)院, 劍橋 MA 02138, 美國)

中國工程院重大咨詢項(xiàng)目(2016-ZD-07)“碳約束條件下我國能源結(jié)構(gòu)優(yōu)化研究”;中國神華能源股份有限公司科技項(xiàng)目(SHGF-16-68)“神華清潔能源戰(zhàn)略決策優(yōu)化模型研究”。

0 引言

能源是人類經(jīng)濟(jì)與社會發(fā)展的基礎(chǔ)。人類對能源的開發(fā)與利用經(jīng)歷了傳統(tǒng)生物質(zhì)、煤炭、油氣時(shí)代,氣候變化、環(huán)境安全、能源枯竭、公民健康等問題使能源的清潔替代成為全球的共識。2015年第21屆聯(lián)合國氣候變化大會上達(dá)成的《巴黎協(xié)定》中,各國同意將全球氣溫相對于工業(yè)化前水平的升幅控制在2 ℃內(nèi),并努力控制在1.5 ℃內(nèi)。為了實(shí)現(xiàn)2 ℃的目標(biāo),2011—2050年間全球二氧化碳的累計(jì)排放量需控制在11 000億t以內(nèi),在2050年前全球約82%～88%、49%～52%和33%～35%的煤炭、天然氣和石油探明經(jīng)濟(jì)可采儲量將不得開采[1]。

能源轉(zhuǎn)型的根本任務(wù)是構(gòu)建清潔、低碳的新型能源體系。截至2016年底,全球大部分國家已實(shí)施相關(guān)的可再生能源(RES)支持政策,至少有176個(gè)國家制定了本國的清潔能源發(fā)展目標(biāo),丹麥、德國等轉(zhuǎn)型積極的國家計(jì)劃到2050年實(shí)現(xiàn)RES占終端能源比例達(dá)到100%和60%[2]。中國已經(jīng)成為全球最大的水能、風(fēng)能與太陽能利用國,并正在進(jìn)一步推動(dòng)能源生產(chǎn)與消費(fèi)革命,基于自身國情計(jì)劃在2020年、2030年和2050年分別將一次能源中的非化石能源占比提高到15%、20%和50%[3]。

能源的清潔轉(zhuǎn)型將伴隨系統(tǒng)中能量資源的來源(化石能源、RES、核能等一次能源)、能量的載體(煤/油/氣等傳統(tǒng)燃料、電能、熱能等)、能源基礎(chǔ)設(shè)施(生產(chǎn)、轉(zhuǎn)換、儲存、運(yùn)輸、配送、用能等各個(gè)環(huán)節(jié)的設(shè)施)、能源市場機(jī)制、能源政策、能源供應(yīng)者與消費(fèi)者的行為等多種因素的轉(zhuǎn)變。

電能是連接一次能源與終端能源的橋梁,是當(dāng)前應(yīng)用最廣泛的二次能源。電網(wǎng)在綜合能源系統(tǒng)中占據(jù)核心地位,是推動(dòng)能源轉(zhuǎn)型的中心環(huán)節(jié)。RES的大規(guī)模利用離不開電能,電網(wǎng)是在一次能源側(cè)實(shí)現(xiàn)清潔替代的關(guān)鍵。以特高壓為骨干網(wǎng)架的堅(jiān)強(qiáng)智能電網(wǎng)將支撐煤炭、RES等能源在廣域的快速輸送與配置[4-5]。由于電能的高效、便捷、清潔、友好、應(yīng)用廣泛等特點(diǎn),電力在全球終端能源中的比例從1973年的9.4%增長至2015年的18.5%[6]。未來,電動(dòng)汽車的發(fā)展、電能對煤炭散燒的替代以及工商業(yè)等其他領(lǐng)域的電能替代將持續(xù)推進(jìn)全社會的“再電氣化”。國際能源署(IEA)預(yù)計(jì)到2040年前,全球40%的終端能源增長將來自電能[7]。

然而,電力系統(tǒng)與一次能源研究長期缺乏融合。隨著化石能源直接輸送在運(yùn)力、環(huán)境等方面遭遇的瓶頸[8],風(fēng)電、光伏等RES發(fā)電大規(guī)模發(fā)展遭遇消納困境[9],打破一次能源與電力系統(tǒng)研究長期割裂狀態(tài)的需求更加緊迫。應(yīng)在電力系統(tǒng)分析中計(jì)及化石能源充裕性不足所造成的一次能源阻塞[10];在一次能源清潔轉(zhuǎn)型研究中考慮高比例RES電力系統(tǒng)的基本特性[11]。

文獻(xiàn)[12]詮釋了在電力系統(tǒng)(power system,PS)的研究中逐漸增加對信息系統(tǒng)(cyber system)、廣義物理環(huán)境(非電能源系統(tǒng)、非能源系統(tǒng))、人的行為等社會系統(tǒng)(social system)的考慮,從而依次拓展為智能電網(wǎng)(smart grid,SG)、信息—物理—能源系統(tǒng)(cyber-physical system in energy,CPSE)、信息—物理—社會—能源系統(tǒng)(cyber-physical-social system in energy,CPSSE)的過程。能源轉(zhuǎn)型是一個(gè)典型的CPSSE問題,與之相對應(yīng)的研究不僅涉及與能源技術(shù)、氣候科學(xué)等相關(guān)的自然科學(xué)領(lǐng)域,還涉及與能源經(jīng)濟(jì)、政策機(jī)制、人的行為等相關(guān)的政治學(xué)、經(jīng)濟(jì)學(xué)等社會科學(xué)領(lǐng)域。

各類不同視角、對象系統(tǒng)以及具體內(nèi)容的研究均可被歸為“能源轉(zhuǎn)型”的范疇。例如,電動(dòng)汽車的發(fā)展、煤炭的清潔利用、終端能源結(jié)構(gòu)的長期演化(含電能替代)等。目前,仍沒有一個(gè)被普遍接受的“能源轉(zhuǎn)型”定義。其中,“一次能源結(jié)構(gòu)的長期演化”是被使用最多的定義[13-14]。限于篇幅,本文將集中討論上述定義所限定的范圍。若無特別說明,后文的“能源轉(zhuǎn)型”均指“一次能源結(jié)構(gòu)的長期演化”。

過去幾十年中,能源轉(zhuǎn)型問題得到了廣泛的關(guān)注與討論,但該問題的研究現(xiàn)狀、面臨的挑戰(zhàn)等則未得到清晰的梳理。當(dāng)前,涉及能源轉(zhuǎn)型的綜述性文獻(xiàn)大多以能源模型或工具為視角,范圍涉及能源供應(yīng)與需求、電力市場、電力系統(tǒng)運(yùn)行與規(guī)劃、分布式能源系統(tǒng)等能源領(lǐng)域各個(gè)方面的問題,討論了模型的功能、建模方式等方面的分類與比較,而未專門針對能源轉(zhuǎn)型問題進(jìn)行深入的探討[15-20]。文獻(xiàn)[21]針對一類綜合考慮技術(shù)、經(jīng)濟(jì)、人的行為的能源轉(zhuǎn)型模型進(jìn)行了綜述,比較了各模型在應(yīng)用領(lǐng)域、技術(shù)—經(jīng)濟(jì)細(xì)節(jié)、參與者異質(zhì)行為、轉(zhuǎn)型路徑動(dòng)態(tài)、模型校正與驗(yàn)證等方面的異同。該文是為數(shù)不多的專門針對能源轉(zhuǎn)型模型的綜述,但綜述的范圍較小、討論重點(diǎn)則僅是模型間的比較。

以本文為首的2篇系列論文將討論清潔低碳發(fā)展背景下的能源轉(zhuǎn)型研究問題。本篇分析能源轉(zhuǎn)型問題的要素;闡述能源轉(zhuǎn)型研究的4類主要目的;歸納能源轉(zhuǎn)型研究范式的現(xiàn)狀及不足,建議基于技術(shù)—經(jīng)濟(jì)—行為統(tǒng)計(jì)學(xué)模型—真實(shí)人混合仿真研究能源轉(zhuǎn)型的新范式,討論該范式的基本思路、特點(diǎn)、框架模型以及需應(yīng)對的問題。

1 能源轉(zhuǎn)型問題及其形式化

能源轉(zhuǎn)型的物理對象是綜合能源系統(tǒng)(comprehensive energy system)。圖1所示的概念模型描述了綜合能源系統(tǒng)中主要的一次、二次和終端能源需求之間的關(guān)系。隨著轉(zhuǎn)型過程的推進(jìn),能源系統(tǒng)中不同能源的利用量及其占比將發(fā)生變化;除非出現(xiàn)新的發(fā)現(xiàn)、發(fā)明或技術(shù)突破,各類能源間的定性關(guān)系將基本維持不變。

圖1 綜合能源系統(tǒng)中各能源間的轉(zhuǎn)換關(guān)系Fig.1 Relationships of different kinds of energy sources in comprehensive energy system

能源系統(tǒng)轉(zhuǎn)型的直接驅(qū)動(dòng)因素是政策制定者、能源供應(yīng)者、能源消費(fèi)者等利益相關(guān)者的決策行為[22-23],而具體的決策行為又依賴于更深層的驅(qū)動(dòng)因素,即對能源轉(zhuǎn)型規(guī)律的認(rèn)知。

圖2描述了能源轉(zhuǎn)型的動(dòng)力學(xué)過程。在實(shí)際系統(tǒng)層面,各利益相關(guān)者根據(jù)采集到的博弈結(jié)果信息挖掘出評估指標(biāo)等知識,了解博弈的反饋效果并據(jù)此調(diào)整實(shí)戰(zhàn)決策,不斷推進(jìn)能源系統(tǒng)的轉(zhuǎn)型發(fā)展。在虛擬仿真系統(tǒng)層面,各利益相關(guān)者在虛擬的擾動(dòng)和博弈下,針對虛擬的未來轉(zhuǎn)型目標(biāo)與路徑進(jìn)行決策,開展基于風(fēng)險(xiǎn)的不確定性分析,不斷提高對能源轉(zhuǎn)型規(guī)律的認(rèn)知,支撐其在實(shí)際能源轉(zhuǎn)型過程中的決策。

圖2 能源轉(zhuǎn)型的動(dòng)力學(xué)過程Fig.2 Dynamics of energy transition

2 能源轉(zhuǎn)型的要素

能源轉(zhuǎn)型問題的要素可提煉為(參見圖3)：①客觀的能源系統(tǒng),涉及各類能源的技術(shù)、經(jīng)濟(jì)和環(huán)境特性;②主觀的參與者行為,涉及政策制定者、能源供應(yīng)者、能源消費(fèi)者等不同角色的利益相關(guān)者;③對能源轉(zhuǎn)型規(guī)律的認(rèn)知,涉及不同的研究范式以及相關(guān)研究結(jié)論的傳播與普及等。

2.1 客觀的能源系統(tǒng)

不同能源領(lǐng)域的專家從本行業(yè)的視角闡述了其所在領(lǐng)域在推動(dòng)能源轉(zhuǎn)型中可發(fā)揮的作用。煤炭和石油行業(yè)正在加強(qiáng)清潔化和高效化利用[24-25];天然氣因其相對其他化石能源更為清潔的特點(diǎn),被廣泛地認(rèn)為是通往RES未來的過渡性能源[26];生物質(zhì)能領(lǐng)域推崇其是可大規(guī)模穩(wěn)定供應(yīng),在能源形式上與化石能源最為接近的碳基RES[27];核能領(lǐng)域相信核裂變是能源系統(tǒng)中非常重要的一分子,而可控核聚變將徹底解決人類的能源需求并已開始著手研究[28-29];太陽能、風(fēng)能等集中式和/或分布式RES在過去十多年間經(jīng)歷了爆發(fā)式的增長,期待能在未來共同主導(dǎo)一次能源結(jié)構(gòu)[2];電力系統(tǒng)正致力于通過接入更多RES發(fā)電來推動(dòng)能源結(jié)構(gòu)的清潔化和低碳化,建設(shè)全球能源互聯(lián)網(wǎng)(global energy interconnection)實(shí)現(xiàn)清潔能源全球配置的宏大設(shè)想也得到了廣泛的支持與響應(yīng)[30];氫能,氨燃料等新型能源領(lǐng)域則正嘗試著探索其在未來能源系統(tǒng)中將扮演的重要角色[31-32]。

圖3 能源轉(zhuǎn)型問題的要素Fig.3 Elements of energy transition

然而,各類能源自身的局限性以及人類對終端能源需求的多樣性,決定了任何一種能源都很難獨(dú)自承擔(dān)起能源轉(zhuǎn)型的重任,需充分利用各類能源不同的技術(shù)、經(jīng)濟(jì)與環(huán)境特性(參見表1),在不同時(shí)空尺度內(nèi)取長補(bǔ)短,不斷優(yōu)化能源結(jié)構(gòu)。

表1 主要一次能源的特性Table 1 Features of primary energy sources

2.2 對能源轉(zhuǎn)型規(guī)律的認(rèn)知

對規(guī)律的認(rèn)知是能源轉(zhuǎn)型的重要因素之一?？茖W(xué)研究是人類所能掌握的最可靠的獲取知識的方法,盡管有時(shí)會出現(xiàn)知識的停滯,甚至倒退,但在實(shí)踐中不斷進(jìn)步是認(rèn)知發(fā)展的主旋律。

能源轉(zhuǎn)型的相關(guān)知識來源于對客觀的能源系統(tǒng)與主觀的參與者行為的研究,研究所獲取的知識又被用于理論、技術(shù)、制度、政策、社會共識等方面的革新,或通過學(xué)術(shù)論文、著作、報(bào)刊、互聯(lián)網(wǎng)等各種傳播途徑影響能源轉(zhuǎn)型問題中主觀參與者的行為,推動(dòng)客觀能源系統(tǒng)的演變。

不同觀點(diǎn)的知識可能在某些時(shí)期同時(shí)存在。例如,2011年日本福島核泄漏后,德國政府迫于國內(nèi)民眾的反核情緒宣布到2022年完全廢除核電[40],而另一方面,2016年全球共有9 GW核電投運(yùn),是過去25年來新增核電裝機(jī)量最大的年份[41]。

科學(xué)研究的范式包括實(shí)驗(yàn)、理論、計(jì)算科學(xué)以及近年來出現(xiàn)的以統(tǒng)計(jì)關(guān)系型數(shù)據(jù)為主要研究對象的大數(shù)據(jù)[42]。能源轉(zhuǎn)型問題中包括大量因果型數(shù)據(jù)、無因果關(guān)系的統(tǒng)計(jì)型數(shù)據(jù)以及參與者博弈型數(shù)據(jù),需要融合大能源思維與大數(shù)據(jù)思維,從這些多源、多態(tài)及異構(gòu)數(shù)據(jù)中提煉出深層知識[43]。

能源轉(zhuǎn)型研究中不同的研究目的、研究范式以及未來研究的展望將在后文詳細(xì)討論。

2.3 主觀的參與者行為

參與者的主觀行為對能源轉(zhuǎn)型有重要影響。例如,美國總統(tǒng)特朗普在2017年6月和10月分別宣布美國將退出《巴黎協(xié)定》和取消《清潔電力計(jì)劃》,幾乎完全廢除了奧巴馬政府最重要的氣候和能源政策,化石能源迎來更寬松的政策環(huán)境。其他重要的行為還包括能源供應(yīng)者的投資與規(guī)劃、能源消費(fèi)者的消費(fèi)行為、社會全體民眾對能源與氣候政策的態(tài)度、不同國家之間的政治博弈等。因此,能源轉(zhuǎn)型不僅僅是一個(gè)自然科學(xué)領(lǐng)域的問題,還廣泛地涉及經(jīng)濟(jì)學(xué)、政治學(xué)等社會科學(xué)領(lǐng)域。

社會科學(xué)的研究往往要比自然科學(xué)更為復(fù)雜。社會科學(xué)中的新古典經(jīng)濟(jì)學(xué)以“理性人”為假設(shè)建立起了規(guī)范化的數(shù)學(xué)模型。然而,經(jīng)濟(jì)學(xué)的這一假設(shè)是從理論模型的簡約性和易處理性出發(fā)的,對個(gè)人行為的真正本質(zhì)和原因卻缺少了解[44]。

能源、氣候等自然科學(xué)領(lǐng)域的研究人員試圖在能源轉(zhuǎn)型問題中計(jì)及人的行為時(shí),由于知識壁壘等原因會輕易地采納標(biāo)準(zhǔn)經(jīng)濟(jì)學(xué)的研究結(jié)果,不易發(fā)現(xiàn)其假設(shè)中存在的不足?；跇?biāo)準(zhǔn)經(jīng)濟(jì)學(xué)理論中“理性人”假設(shè)的能源轉(zhuǎn)型分析與優(yōu)化是當(dāng)前最主流的研究方法,但該理論對實(shí)際問題中能夠影響能源發(fā)展走向的諸多行為及其引起的現(xiàn)象缺乏解釋能力。

近年來,心理學(xué)、神經(jīng)科學(xué)、遺傳學(xué)等學(xué)科嚴(yán)格的研究成果不斷地對經(jīng)濟(jì)學(xué)中的理性人假設(shè)提出質(zhì)疑和修正。其中,最顯著的進(jìn)展來自結(jié)合了心理學(xué)和經(jīng)濟(jì)學(xué)兩大學(xué)科的行為經(jīng)濟(jì)學(xué),一些具有里程碑的理論包括：1978年度的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者赫伯特·西蒙(Herbert Simon)提出的“有限理性人”理論(bounded rationality)[45],2002年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者丹尼爾·卡尼曼(Daniel Kahneman)及其研究伙伴阿莫斯·特沃斯基(Amos Tversky)提出的前景理論(prospect theory)[46-47],2017年的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者理查德·泰勒(Richard Thaler)提出的稟賦效應(yīng)(endowment effect)、心理賬戶(mental accounting)、社會偏好(social preferences)等[48-50]。

對人的行為的認(rèn)知涉及神經(jīng)科學(xué)、心理學(xué)、經(jīng)濟(jì)學(xué)、社會學(xué)等諸多學(xué)科,目前仍處于發(fā)展之中且離真正理解人的行為還有很長的距離。而如何在復(fù)雜的能源轉(zhuǎn)型研究中計(jì)及參與者異質(zhì)行為則無疑更具挑戰(zhàn)性,后文將詳細(xì)討論目前研究中所做的嘗試。

3 研究目的

能源轉(zhuǎn)型問題的研究目的主要包括以下4個(gè)類別：解釋、預(yù)測、推演和優(yōu)化。解釋、預(yù)測和推演屬于實(shí)證分析研究(positive analysis),關(guān)注于描述與分析現(xiàn)象;優(yōu)化則屬于規(guī)范分析研究(normative analysis),關(guān)注于提出政策、規(guī)劃或戰(zhàn)略建議。

3.1 解釋

回答的基本問題是：“能源轉(zhuǎn)型為什么會發(fā)生？”與“能源轉(zhuǎn)型是怎樣發(fā)生的？”,著重揭示能源轉(zhuǎn)型問題中相關(guān)要素之間的因果或相關(guān)關(guān)系。

基本的研究手段是：應(yīng)用已有或新提出的理論或模型(假設(shè)),對數(shù)據(jù)進(jìn)行定性或定量分析。在仿真(simulation)方法出現(xiàn)之后,“解釋”所依賴的數(shù)據(jù)來源從歷史統(tǒng)計(jì)數(shù)據(jù)(即對已經(jīng)發(fā)生的能源轉(zhuǎn)型的觀察)拓展至由仿真所產(chǎn)生的各類數(shù)據(jù)。

3.2 預(yù)測

回答的基本問題是：“在給定的初始條件和場景參數(shù)下,能源將如何轉(zhuǎn)型？”。能源轉(zhuǎn)型的預(yù)測結(jié)果依賴于對邊界條件的預(yù)測,一般會給出幾種可能的能源轉(zhuǎn)型結(jié)果,有些情況下會嘗試對結(jié)果概率進(jìn)行估計(jì)。

仿真是本類研究最常用的手段。專家研討會、問卷調(diào)查等也是可用的研究手段,但在量化能力方面存在不足。

能夠做出可供檢驗(yàn)的與事實(shí)相符的“預(yù)測”被認(rèn)為是評價(jià)一項(xiàng)科學(xué)理論或模型的黃金標(biāo)準(zhǔn)。但是,由于能源轉(zhuǎn)型考慮的是未來數(shù)十年的長時(shí)間尺度問題,涉及包括人的行為在內(nèi)的大量復(fù)雜的不可預(yù)測的不確定性因素,限制了能源轉(zhuǎn)型問題中以預(yù)測為目的的研究的可信度。人類認(rèn)知能力的局限性是制約長期能源預(yù)測研究的根本性原因,過去幾十年全球發(fā)表的大量準(zhǔn)確性不高的關(guān)于能源預(yù)測和展望的研究成果便是生動(dòng)的例子[51],已有大量文獻(xiàn)對上述問題進(jìn)行了反思[52-55]。

3.3 推演

回答的基本問題是：“在給定的初始條件下以及一系列無法可靠預(yù)測的可變場景參數(shù)下,能源將如何轉(zhuǎn)型？”。

“推演”是一個(gè)在“預(yù)測”的基礎(chǔ)上拓展出來的概念。兩者最顯著的區(qū)別在于,能源轉(zhuǎn)型推演中考慮到人的行為等本質(zhì)上無法可靠預(yù)測的因素,在仿真模型中不將其作為事先給定的場景參數(shù),而實(shí)現(xiàn)為由多個(gè)角色的參與者根據(jù)仿真進(jìn)程動(dòng)態(tài)調(diào)整的決策變量,并據(jù)此驅(qū)動(dòng)能源轉(zhuǎn)型。通過反復(fù)的推演,可探索數(shù)量可觀的可能的轉(zhuǎn)型場景。

需要強(qiáng)調(diào)的是,以推演為目的的研究中,仍然存在大量事先給定的獨(dú)立于動(dòng)態(tài)決策過程的預(yù)測場景參數(shù)。通過不斷改進(jìn)仿真模型,可將更多的預(yù)測參數(shù)轉(zhuǎn)變成決策變量或隨決策變量而發(fā)生變化的場景參數(shù)。但受限于認(rèn)知水平與建模技術(shù),完全消除預(yù)測參數(shù)則幾乎不可能實(shí)現(xiàn)。

3.4 優(yōu)化

回答的基本問題是：“如何優(yōu)化能源轉(zhuǎn)型？”,包括兩個(gè)層次的子問題：“路徑優(yōu)化”和“目標(biāo)優(yōu)化”。兩者回答的問題分別是：“如何最優(yōu)地實(shí)現(xiàn)給定的能源轉(zhuǎn)型目標(biāo)？”和“最優(yōu)的能源轉(zhuǎn)型目標(biāo)是什么？”。

基本的研究手段是：針對所研究的對象系統(tǒng)及優(yōu)化目標(biāo),確定目標(biāo)函數(shù)、約束條件、決策變量等要素以構(gòu)建優(yōu)化模型,并選擇適用的優(yōu)化算法(如線性規(guī)劃、混合整數(shù)線性規(guī)劃、隨機(jī)規(guī)劃等)進(jìn)行求解。

由于研究結(jié)果與政策或戰(zhàn)略制定的關(guān)系最為緊密,“優(yōu)化”是能源轉(zhuǎn)型中最熱門的研究。

4 當(dāng)前的研究范式

當(dāng)前的能源轉(zhuǎn)型研究范式包括5個(gè)主要大類：①技術(shù)—社會轉(zhuǎn)型問題的定性分析(qualitative analysis of socio-technical transitions);②技術(shù)—經(jīng)濟(jì)模型分析(quantitative technology-economic model);③給定“故事線”的技術(shù)—經(jīng)濟(jì)模型分析(technology-economic model with given storyline);④技術(shù)—經(jīng)濟(jì)—行為模型分析(technology-economic-behavior model);⑤技術(shù)—經(jīng)濟(jì)模型—真實(shí)人的實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真(experimental economic simulation of technology-economic model with human participants)。

范式①與②是兩大類長期獨(dú)立并存的研究范式,前者從社會技術(shù)轉(zhuǎn)型的框架來解釋與分析能源轉(zhuǎn)型的過程,強(qiáng)調(diào)人的行為是能源轉(zhuǎn)型的關(guān)鍵性因素;后者則強(qiáng)調(diào)定量化的能源轉(zhuǎn)型仿真與優(yōu)化而規(guī)避了對不易建模的人的行為的考慮。范式③—⑤則均試圖結(jié)合上述兩大研究范式的優(yōu)點(diǎn),將人的行為與定量化反映能源系統(tǒng)技術(shù)與經(jīng)濟(jì)特性的仿真模型相結(jié)合,按文獻(xiàn)[21]的分類方法,后3種研究范式可統(tǒng)稱為社會技術(shù)能源轉(zhuǎn)型(socio-technical energy transition,STET)模型。

4.1 技術(shù)—社會轉(zhuǎn)型問題的定性分析

技術(shù)—社會轉(zhuǎn)型問題的定性分析包括：技術(shù)范式與軌跡(technological paradigms and trajectories)[56]、演化經(jīng)濟(jì)學(xué)(evolutionary economics)[57]、復(fù)雜自適應(yīng)系統(tǒng)(complex adaptive systems)[58]、技術(shù)創(chuàng)新體系(technological innovation systems)[59]、轉(zhuǎn)型管理 (transition management)[60]、策略性利基市場管理(strategic niche management)[61]、多層次視角(the multi-level perspective)[62]等方法。該范式將能源轉(zhuǎn)型問題視作一個(gè)社會—技術(shù)問題,研究重點(diǎn)是解釋分析過去的能源轉(zhuǎn)型中各類主客觀影響因素,強(qiáng)調(diào)了人的主觀行為的影響,但無法考慮供需平衡、資源限制、轉(zhuǎn)型成本等技術(shù)—經(jīng)濟(jì)細(xì)節(jié),缺乏量化能力,故無法進(jìn)行預(yù)測、推演和優(yōu)化研究。

4.2 技術(shù)—經(jīng)濟(jì)模型分析

直接針對實(shí)際對象系統(tǒng)開展博弈決策面臨諸多困難,不僅難以實(shí)現(xiàn)預(yù)想的轉(zhuǎn)型目標(biāo)與路徑,且一旦出錯(cuò)的代價(jià)極大。模型雖然無法全面反映對象系統(tǒng)的所有要素,但卻有利于揭示對象系統(tǒng)最基本的性質(zhì)。早在20世紀(jì)中葉,為了描述現(xiàn)代經(jīng)濟(jì)運(yùn)行中能源問題不同層面之間的復(fù)雜交互,全球第一款采用線性規(guī)劃方法的大規(guī)模能源系統(tǒng)模型就已經(jīng)問世[63]。技術(shù)—經(jīng)濟(jì)模型是當(dāng)前的能源轉(zhuǎn)型研究中最為主流的方法,全球范圍內(nèi)已開發(fā)了非常多的能源模型,被廣泛用于支撐各個(gè)國家/地區(qū)的能源政策制定。

按建模方法可分為如下三類,包括：①自上而下模型。如應(yīng)用較為廣泛的基于一般均衡理論的CGE模型[64],但此類模型基于宏觀經(jīng)濟(jì)的角度,不能詳細(xì)描述能源系統(tǒng)的技術(shù)細(xì)節(jié)。②自下而上模型。從工程技術(shù)出發(fā),針對能源利用過程中所使用的技術(shù)進(jìn)行建模,如MESSAGE[65],MARKAL/TIMES[66],OSeMOSYS[67]等,但此類模型對于微觀和宏觀經(jīng)濟(jì)以較為簡單的方式表達(dá)。③結(jié)合以上兩類模型的混合能源模型,包括MESSAGE-MARCO[68]、MARKAL-MARCO[69]、E3MG[70]、NEMS[71]、PRIMES[72]、LEAP[73]、CGE-MARKAL[74]、REMIND-R[75]以及中國能源環(huán)境政策綜合評價(jià)模型(IPAC)等[76]。

本范式的最大特點(diǎn)是能夠進(jìn)行量化分析,故可開展以預(yù)測與優(yōu)化為目的的研究。用于預(yù)測的代表性模型有NEMS、PRIMES、LEAP,NEMS和PRIMES分別應(yīng)用于美國與歐盟的能源政策制定,LEAP則在全球都有著廣泛的應(yīng)用。后者的代表性模型有MESSAGE和MARKAL/TIMES,一般將問題構(gòu)建成線性規(guī)劃問題或混合整數(shù)線性規(guī)劃問題,再通過開源解算器(CBC,IPOPT等)或商業(yè)化解算器(Cplex,Gurobi等)進(jìn)行求解,得到最優(yōu)的轉(zhuǎn)型目標(biāo)及路徑[77]。

隨著模型結(jié)構(gòu)愈發(fā)復(fù)雜、規(guī)模愈發(fā)龐大,模型校驗(yàn)困難、透明性不足等問題也逐漸暴露出來[63,78]。

此外,本范式基于理性人、效用、利益最大化、完美信息等標(biāo)準(zhǔn)新古典主義的假設(shè),未能真實(shí)反映參與者的意愿及行為。

4.3 給定“故事線”的技術(shù)—經(jīng)濟(jì)模型分析

本范式通過將涵蓋了真實(shí)參與者行為偏好的能源轉(zhuǎn)型故事線(storyline)與技術(shù)—經(jīng)濟(jì)模型相結(jié)合的方式來計(jì)及人的行為對能源轉(zhuǎn)型的影響。由政策制定者、能源供應(yīng)者、能源消費(fèi)者等關(guān)鍵性的利益相關(guān)者討論形成的故事線界定技術(shù)—經(jīng)濟(jì)模型的外生環(huán)境、外生模型假設(shè)、系統(tǒng)轉(zhuǎn)型目標(biāo)、轉(zhuǎn)型中考慮的技術(shù)發(fā)展方向(如是否考慮碳捕獲與封存技術(shù)),并據(jù)此對轉(zhuǎn)型路徑的物理、經(jīng)濟(jì)、排放等指標(biāo)進(jìn)行分析與評估[79-80]。

文獻(xiàn)[81]指出,即便是專家對轉(zhuǎn)型目標(biāo)與路徑可行性的理解也可能十分有限,故事線易脫離實(shí)際情況,甚至前后不一致,可復(fù)現(xiàn)性及透明性差。為彌補(bǔ)該不足,該文獻(xiàn)使用多種不同的定量化模型針對同一條故事線開展評估與比較,并提出可根據(jù)仿真模型的結(jié)果修改故事線,在故事線與仿真模型間進(jìn)行迭代。

本范式可以被用于能源轉(zhuǎn)型的“優(yōu)化”,但由于“故事線”已經(jīng)定性地確定了能源轉(zhuǎn)型的場景,故優(yōu)化的內(nèi)容僅限于多條“故事線”之間的比較。

此外,由于人的行為對能源轉(zhuǎn)型的影響僅隱含于故事線中,無法在仿真過程中實(shí)現(xiàn)人的行為與數(shù)學(xué)模型的動(dòng)態(tài)交互,對實(shí)際問題的代表性不夠,故本范式無法用于能源轉(zhuǎn)型的“推演”研究。

4.4 技術(shù)—經(jīng)濟(jì)—行為模型分析

本范式在技術(shù)—經(jīng)濟(jì)模型的基礎(chǔ)上增加對人的行為的建模,政策制定者、能源供應(yīng)者與消費(fèi)者等不同角色參與者的主觀決策行為可以與數(shù)學(xué)模型進(jìn)行動(dòng)態(tài)交互,共同推進(jìn)能源轉(zhuǎn)型的仿真進(jìn)程。研究重點(diǎn)在于解釋分析和推演參與者行為(尤其是有限理性行為)對能源轉(zhuǎn)型的影響,暫未涉及優(yōu)化問題。

其中,針對參與者轉(zhuǎn)型決策行為的建模方式分為系統(tǒng)動(dòng)力學(xué)模型(system dynamic model)[82-83]和代理模型(agent-based model)[84-86]。系統(tǒng)動(dòng)力學(xué)模型將參與者行為聚合為少數(shù)類別,假定每個(gè)類別內(nèi)部的參與者行為是同質(zhì)的,掌握該類參與者的整體行為模式是建模的核心;代理模型則針對異質(zhì)的參與者個(gè)體行為及相互之間的交互關(guān)系建模,并據(jù)此得到涌現(xiàn)出的參與者整體行為[87]。兩種建模方式被比喻為“對整個(gè)森林建?！焙汀皩ι种械拿靠脴浣！盵88],可結(jié)合兩類模型的特點(diǎn)對人的行為進(jìn)行建模,而不應(yīng)將兩者視作彼此的競爭者[89]。

決策行為模型以“理性人”為基本的建模依據(jù),如用能成本最小化[83]、投資利潤或投資效用最大化[85];若需體現(xiàn)行為的有限理性則可設(shè)置啟發(fā)式規(guī)則,如改變用能習(xí)慣的經(jīng)濟(jì)收益達(dá)到給定的閾值[83]、是否考慮核電[84]、最低投資收益率[85]等。通過改變模型參數(shù)的取值,可實(shí)現(xiàn)參與者異質(zhì)行為的表達(dá)。

行為模型可代表的參與者數(shù)量不受限制,能夠開展大規(guī)?？芍貜?fù)的仿真研究,為理解能源轉(zhuǎn)型提供了技術(shù)—經(jīng)濟(jì)模型所無法提供的新洞見。文獻(xiàn)[83]發(fā)現(xiàn)當(dāng)參與者對未來信息的掌握程度不夠、以比較短視的非理性方式進(jìn)行決策時(shí),即便碳排放價(jià)格很高的情況下,依然無法保證英國實(shí)現(xiàn)其2050年的減排目標(biāo)。文獻(xiàn)[85]的仿真結(jié)果表明,在現(xiàn)有的荷蘭電力市場機(jī)制下,補(bǔ)貼差價(jià)的RES政策,不能激勵(lì)投資者更多地投資RES,無法推動(dòng)該國電力系統(tǒng)在短期內(nèi)便迅速地向清潔能源轉(zhuǎn)變。

然而,盡管上述建模方法不再局限于理性選擇,能夠展現(xiàn)出給定的有限理性行為模式下將如何導(dǎo)致能源轉(zhuǎn)型過程偏離“理性人”假設(shè)下的結(jié)果，但在描述參與者群體“有限理性”行為時(shí)的準(zhǔn)確性則往往缺乏來自實(shí)證與統(tǒng)計(jì)數(shù)據(jù)的校驗(yàn)。

此外,本范式假設(shè)人的行為可以由一套固定的可識別的變量來表示,即便這些變量能夠以確定的或隨機(jī)的方式變化,其變化規(guī)則依然是固定的。但人的行為極為復(fù)雜,不僅一直處于動(dòng)態(tài)變化之中,在大部分情況下很難識別其影響因素[90-91]。個(gè)人情緒波動(dòng)在決策過程中的作用是行為模型無法反映的另一個(gè)重要問題[92]。

因此,僅依靠行為模型來描述能源轉(zhuǎn)型過程中的參與者行為時(shí),其準(zhǔn)確性并不令人滿意。但若希望進(jìn)一步量化其偏離“理性人”假設(shè)的程度及可能的干預(yù)措施,則需要在仿真研究中更準(zhǔn)確地反映人的行為。

4.5 技術(shù)—經(jīng)濟(jì)模型—真實(shí)人的實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真

實(shí)驗(yàn)經(jīng)濟(jì)學(xué)通過構(gòu)建受控的實(shí)驗(yàn)環(huán)境,由真實(shí)實(shí)驗(yàn)人與實(shí)驗(yàn)環(huán)境進(jìn)行互動(dòng),從而獲取比傳統(tǒng)觀測法更為明確可靠的結(jié)論[93]。其開創(chuàng)者弗農(nóng)·史密斯(Vernon Smith)分享了2002年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)[47]。

實(shí)驗(yàn)經(jīng)濟(jì)學(xué)為研究能源問題時(shí)計(jì)及人的行為提供了新的方法論。若將所研究的能源問題中能夠用數(shù)學(xué)模型表達(dá)的環(huán)節(jié)構(gòu)成客觀實(shí)驗(yàn)環(huán)境,將參與者的主觀決策行為作為仿真實(shí)驗(yàn)環(huán)境的外部輸入,人的主觀行為便可與客觀的數(shù)學(xué)模型進(jìn)行互動(dòng)[94]。電力市場與電力系統(tǒng)動(dòng)態(tài)交互仿真是典型的應(yīng)用之一[95]。然而,在涉及時(shí)間尺度更長、領(lǐng)域更廣的能源轉(zhuǎn)型研究中,該方法并未得到重視。

現(xiàn)有的研究范式中,給定“故事線”的技術(shù)—經(jīng)濟(jì)模型分析(4.3節(jié))與實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真十分接近。若在故事線研討會中讓各利益相關(guān)者通過人機(jī)交互接口參與能源轉(zhuǎn)型的仿真實(shí)驗(yàn),便可實(shí)現(xiàn)真實(shí)利益相關(guān)者的決策行為與能源系統(tǒng)模型的動(dòng)態(tài)交互,改進(jìn)能源轉(zhuǎn)型場景對實(shí)際問題的代表性,提供更為可靠的洞見。

實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真的不足在于難以長期占用大量合格的實(shí)驗(yàn)者,難以保證靈敏度分析時(shí)參與者行為的可比性。

5 建議的研究范式

5.1 技術(shù)—經(jīng)濟(jì)—行為模型—真實(shí)人的混合仿真

5.1.1混合仿真方法的提出

計(jì)算機(jī)仿真的演進(jìn)歷史大致經(jīng)歷了如下重要階段(參見圖4)：①無計(jì)算機(jī)仿真,直接對實(shí)際系統(tǒng)進(jìn)行觀察研究,尤其是針對經(jīng)濟(jì)學(xué)或者社會學(xué)問題;②隨著計(jì)算機(jī)技術(shù)的發(fā)展,研究人員通過基于定量化數(shù)學(xué)模型的仿真平臺對實(shí)際系統(tǒng)的技術(shù)與經(jīng)濟(jì)特性進(jìn)行模擬,但假定人的行為是“理性”的(4.2節(jié)),或用隱含了人的行為的故事線界定仿真的場景(4.3節(jié));③為研究人的主觀行為與客觀系統(tǒng)之間的交互,出現(xiàn)了基于行為代理的計(jì)算經(jīng)濟(jì)學(xué)(4.4節(jié))和真實(shí)人參與的實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真(4.5節(jié));④結(jié)合計(jì)算經(jīng)濟(jì)學(xué)與實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真的優(yōu)點(diǎn),根據(jù)包括參與者實(shí)際博弈行為在內(nèi)的實(shí)證數(shù)據(jù)建立多代理模型,開展基于數(shù)學(xué)模型、行為代理模型、真實(shí)參與者的技術(shù)—經(jīng)濟(jì)—行為模型—真實(shí)人的混合仿真(hybrid simulation of technology-economic-behavior model with human participants)[96]。

混合仿真方法所體現(xiàn)的是融合因果分析、統(tǒng)計(jì)分析與行為分析的大數(shù)據(jù)思維,其核心思想是(參見圖5)：通過對調(diào)查咨詢、數(shù)據(jù)采集、實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真,或者參與者實(shí)際行為數(shù)據(jù)的挖掘分析,提取能夠準(zhǔn)確描述該群參與者行為的多維隨機(jī)變量的聯(lián)合概率分布函數(shù),建立不同參與者的行為代理模型,代替對應(yīng)的參與者加入由數(shù)學(xué)模型所構(gòu)建的仿真環(huán)境,開展反復(fù)的實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真。該方法已經(jīng)被應(yīng)用于研究電動(dòng)汽車購置愿望、出行及參與電網(wǎng)輔助服務(wù)行為[97],碳排放市場的沙盤推演[98]等問題。

圖4 仿真方法的演進(jìn)Fig.4 Evolution of simulation methods

圖5 融合因果/統(tǒng)計(jì)/行為分析的混合仿真方法[96]Fig.5 Hybrid simulation method integrating cause/statistical/behavior analysis

5.1.2混合仿真對能源轉(zhuǎn)型研究的提升

相比當(dāng)前的其他研究范式,混合仿真方法的最大優(yōu)勢在于能夠更準(zhǔn)確地反映人的行為這一社會因素(參見表2與表3)。

在該范式下,一方面,可構(gòu)建大量數(shù)目不受限制的、可互相交互的計(jì)算機(jī)代理,模擬能源轉(zhuǎn)型過程中涉及的大量參與者(如小型能源供應(yīng)者、小型能源消費(fèi)者等)的決策行為,減少對真實(shí)參與者數(shù)量的需求;另一方面,讓少量真實(shí)參與者扮演關(guān)鍵性的角色(如能源與環(huán)境方面的政府機(jī)構(gòu)、大型能源供應(yīng)者、大型能源服務(wù)商等),模擬有限理性決策行為,降低行為模型模擬重要角色行為的偏差所造成的不利影響,從而兼顧真實(shí)參與者與行為模型在模擬人的行為方面的優(yōu)點(diǎn)。

表2 各類能源轉(zhuǎn)型研究范式的異同Table 2 Comparisons of different research paradigms for energy transition

表3 各類能源轉(zhuǎn)型研究范式中對人的行為的考慮方式Table 3 Approaches to considering human behaviors in different research paradigms for energy transition

5.1.3能源轉(zhuǎn)型混合仿真的框架模型

由于能源系統(tǒng)在時(shí)間、空間、能源轉(zhuǎn)換關(guān)系、多類能源市場耦合以及人的行為等方面的復(fù)雜性,很難建立面面俱到的仿真模型。但框架模型應(yīng)能反映能源體系的基本構(gòu)成,不同組成要素之間的交互關(guān)系等。初步建議的框架模型分為兩大部分(參見圖6),分別是：能源供應(yīng)者/消費(fèi)者的市場博弈,市場博弈的外部環(huán)境。

外部環(huán)境包括宏觀經(jīng)濟(jì)、能源政策、環(huán)境政策等因素。政策制定者的決策行為是外部環(huán)境的重要影響因素,主要的狀態(tài)變量包括：營業(yè)稅率、所得稅率、補(bǔ)貼、碳排放上限、能源價(jià)格上限等。

市場博弈部分描述了能源供應(yīng)者/消費(fèi)者在多個(gè)能源(煤炭、石油、天然氣、電力、氫能、熱能等)、碳排放、資本等市場上的博弈。博弈的內(nèi)容包括：各個(gè)市場的交易行為,能源供應(yīng)者的基礎(chǔ)設(shè)施變更行為(退役、新建等)、資產(chǎn)重組、資本運(yùn)作等。

為支撐上述市場博弈,需建立能源基礎(chǔ)設(shè)施、能源供應(yīng)者、能源消費(fèi)者的模型：

1)能源供應(yīng)基礎(chǔ)設(shè)施包括煤礦、油氣田、各類發(fā)電廠等。以燃煤電廠為例,其主要狀態(tài)變量包括：①物理類：裝機(jī)容量、供電煤耗、年發(fā)電利用小時(shí)數(shù)、發(fā)電量、預(yù)期壽命、建設(shè)周期、已運(yùn)行年份等;②經(jīng)濟(jì)類：建設(shè)成本、燃料成本、運(yùn)維成本、折舊費(fèi)、財(cái)務(wù)費(fèi)、排放成本、上網(wǎng)電價(jià)、發(fā)電收入、發(fā)電利潤、稅收、固定資產(chǎn)、債務(wù)、資產(chǎn)負(fù)債率等;③環(huán)境類：碳排放量、二氧化硫排放量、氮氧化物排放量等。

圖6 能源轉(zhuǎn)型混合仿真的框架模型Fig.6 Framework of hybrid simulation for energy transition

2)能源供應(yīng)者包括煤炭供應(yīng)者、油氣供應(yīng)者、發(fā)電商等。其主要狀態(tài)變量為下屬各能源供應(yīng)基礎(chǔ)設(shè)施(考慮股權(quán))的各物理類、經(jīng)濟(jì)類、環(huán)境類狀態(tài)變量的代數(shù)和或平均值。

3)能源消費(fèi)者包括煤炭、石油、天然氣、電力等。以煤炭消費(fèi)者為例,其主要狀態(tài)變量包括：①物理類：煤炭消費(fèi)量等;②經(jīng)濟(jì)類：購煤價(jià)格、煤炭消費(fèi)支出等;③環(huán)境類：煤炭直接消費(fèi)碳排放量等。

4)整個(gè)能源系統(tǒng)總體狀況的狀態(tài)變量。全系統(tǒng)層面的物理類、經(jīng)濟(jì)類、環(huán)境類狀態(tài)變量。

5.2 數(shù)據(jù)采集

能源轉(zhuǎn)型問題具有多領(lǐng)域(物理、經(jīng)濟(jì)、資源、氣候、環(huán)境等)、多能源種類(化石、可再生、電、熱等)、多時(shí)間尺度、長時(shí)間跨度、多時(shí)期(過去、現(xiàn)在、未來)、多空間范圍(全球、國家、地區(qū)等)、多利益主體(政策制定者、能源供應(yīng)、能源消費(fèi)者)、多市場機(jī)制(計(jì)劃、市場)等特點(diǎn),為保證數(shù)據(jù)(輸入?yún)?shù)、模型參數(shù)、背景參數(shù)等)的完整性、時(shí)效性、有效性和統(tǒng)一性造成了極大的難度。

可能的數(shù)據(jù)來源包括統(tǒng)計(jì)數(shù)據(jù)、實(shí)證研究、調(diào)查咨詢、專家知識、計(jì)算機(jī)仿真、經(jīng)濟(jì)學(xué)實(shí)驗(yàn)等。然而,研究人員經(jīng)常遇到的困難是：①即便綜合了多個(gè)數(shù)據(jù)源依然面臨數(shù)據(jù)缺失;②有多個(gè)互相沖突的數(shù)據(jù)源;③無直接數(shù)據(jù),需對源數(shù)據(jù)進(jìn)行挖掘分析;④無可靠來源,尤其是關(guān)于未來的預(yù)測型數(shù)據(jù)等。

在此情況下,應(yīng)用文獻(xiàn)[43]所闡述的大數(shù)據(jù)技術(shù)的思維方式將格外重要：將采集到的經(jīng)驗(yàn)與現(xiàn)象實(shí)現(xiàn)數(shù)據(jù)化與規(guī)律化,在繼承傳統(tǒng)的統(tǒng)計(jì)學(xué)、計(jì)算數(shù)學(xué)、人工智能、數(shù)據(jù)挖掘等方法的基礎(chǔ)上,從單一維度轉(zhuǎn)向多維度統(tǒng)籌融合,開發(fā)知識處理的新方法,從更深刻的視角,以更高的時(shí)效發(fā)掘多源異構(gòu)數(shù)據(jù),從而發(fā)現(xiàn)新知識和新規(guī)律。成功的應(yīng)用案例可參見文獻(xiàn)[96]。

5.3 仿真推演

5.3.1仿真模型

為了保證可操作性,在開展具體研究時(shí),不可能為能源轉(zhuǎn)型問題的各個(gè)方面均建立詳細(xì)的仿真模型。因此,不得不根據(jù)研究的目的,抓住最本質(zhì)的要素,簡化或忽略那些影響較小的要素。確定模型所針對的領(lǐng)域、能源種類、時(shí)間尺度、時(shí)間跨度、空間范圍、利益主體時(shí),均需遵從“為洞察力、而不是為數(shù)字建?！?modeling for insights,not numbers)的原則[99]。

比如,清潔能源的資源潛力、開發(fā)成本等特性嚴(yán)重依賴于其所在的地理位置,但針對跨度達(dá)幾十年的長期動(dòng)態(tài)轉(zhuǎn)型過程,絕大部分模型并不計(jì)及地理位置的差異,且對研究結(jié)論的影響并不顯著。但隨著清潔能源占比的增長,由于忽略地理位置的差異可能顯著影響研究結(jié)論的準(zhǔn)確性,對模型的空間維度進(jìn)行細(xì)化將變得十分必要,但也會增加數(shù)據(jù)獲取、知識提取等方面的難度[63,100-101]。

5.3.2仿真環(huán)境對真實(shí)人的友好性

能源轉(zhuǎn)型實(shí)驗(yàn)經(jīng)濟(jì)學(xué)混合仿真過程中,由真實(shí)人扮演的參與者根據(jù)自身的價(jià)值偏好,動(dòng)態(tài)給定決策變量的取值,優(yōu)化指標(biāo)。參與者是否有足夠的學(xué)習(xí)或者推理能力,能否對變化的實(shí)驗(yàn)環(huán)境做出正確的決策,對實(shí)驗(yàn)結(jié)果的可靠性有著極為重要的影響。邀請到合格的專家參與仿真是實(shí)驗(yàn)經(jīng)濟(jì)學(xué)動(dòng)態(tài)交互混合仿真非常重要且較為困難的環(huán)節(jié)之一。

能源轉(zhuǎn)型決策問題有著極強(qiáng)的專業(yè)性與復(fù)雜性,每次決策均需要為諸多決策變量賦值,如能源企業(yè)的扮演者需考慮多種能源在幾十年時(shí)間跨度的新建、退役或改造策略。然而,人腦(即便是專業(yè)技能和經(jīng)驗(yàn)均十分豐富的專家)并不擅長：在單個(gè)決策步驟中為眾多決策變量賦值,以及將評估指標(biāo)的改進(jìn)預(yù)期定量化地轉(zhuǎn)換為決策變量的調(diào)整量。

因此,應(yīng)在模型開發(fā)中考慮設(shè)計(jì)人腦擅長處理的人機(jī)交互接口,開發(fā)智能輔助決策的數(shù)學(xué)模型,構(gòu)建對真實(shí)人友好的仿真環(huán)境,提高實(shí)驗(yàn)經(jīng)濟(jì)學(xué)仿真的可靠性與效率。

5.4 知識提取

基于混合仿真可得到大量關(guān)于能源轉(zhuǎn)型的動(dòng)態(tài)軌跡,然而,如何解釋仿真軌跡所代表的現(xiàn)象、分析現(xiàn)象的形成原因、界定結(jié)論的假設(shè)前提與可信度、得出政策與戰(zhàn)略啟示,需要來自能源、統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)、心理學(xué)等多學(xué)科的知識。

本節(jié)將討論基于混合仿真的“目標(biāo)與路徑優(yōu)化”與“不確定性分析”。關(guān)于量化與風(fēng)險(xiǎn)知識的提取,可借鑒在電力系統(tǒng)[102]、電力市場[103]等研究領(lǐng)域的討論,此處不做展開。

5.4.1目標(biāo)與路徑優(yōu)化

能源轉(zhuǎn)型的過程由不同利益相關(guān)者的主觀決策行為所驅(qū)動(dòng),各方基于自身的決策目標(biāo)、決策變量及主觀偏好,在有限信息條件下根據(jù)當(dāng)前的轉(zhuǎn)型結(jié)果動(dòng)態(tài)地做出決策行為,例如,RES補(bǔ)貼政策會隨著RES的實(shí)際發(fā)展情況進(jìn)行調(diào)整,而后者又受到RES補(bǔ)貼政策的影響。因此,各方的每一次決策無法保證自身的最大利益,轉(zhuǎn)型的最終結(jié)果則是一個(gè)開放性問題,不易完全符合各方的預(yù)期。

各利益相關(guān)者均希望做出有利于自身的決策,而構(gòu)建并求解優(yōu)化模型是最常用的方法。由于問題中包括其他參與者行為等非線性因素,且各方無法事先得知其他參與者的決策行為信息,其優(yōu)化模型是一個(gè)復(fù)雜的非線性規(guī)劃問題。

如前文所述(3.4節(jié)),能源轉(zhuǎn)型優(yōu)化可分為“路徑優(yōu)化”和“目標(biāo)優(yōu)化”兩個(gè)子任務(wù)。現(xiàn)有的能源轉(zhuǎn)型優(yōu)化算法均以完全信息為基礎(chǔ),同時(shí)完成兩個(gè)子任務(wù)的優(yōu)化或給定目標(biāo)下的路徑優(yōu)化。其主要不足在于：僅能求解線性規(guī)劃、混合整數(shù)規(guī)劃等問題,在涉及多方參與者決策時(shí)僅能將一方的參與者決策作為決策變量,而其他各方的決策需作為場景變量且不受決策變量的影響,因此,不適用于求解包括多個(gè)參與者行為間動(dòng)態(tài)交互博弈的非線性問題。

一個(gè)可行的求解方式是在有真實(shí)人參與的混合仿真環(huán)境中對決策優(yōu)化問題進(jìn)行解耦,下層為給定目標(biāo)下的路徑優(yōu)化,上層則為轉(zhuǎn)型目標(biāo)的優(yōu)化。以某可行目標(biāo)與路徑為起點(diǎn),通過兩個(gè)子層次內(nèi)部的優(yōu)化搜索與子層次之間的迭代,不斷改善目標(biāo)函數(shù)值直至收斂,得到(準(zhǔn))最優(yōu)目標(biāo)與路徑,或利益相關(guān)者滿意的決策。

上述方法適用于確定性或少量不確定性場景下的優(yōu)化,對于大量不確定性場景,將面臨計(jì)算量過大的問題。

5.4.2不確定性分析

不確定性對于研究結(jié)果有著顯著的影響,文獻(xiàn)中主要通過靈敏度分析[104]、多場景分析[85]和隨機(jī)規(guī)劃[105]等方法來應(yīng)對能源轉(zhuǎn)型問題中的不確定性。然而,以上方法在很大程度上是從客觀的自然科學(xué)(或工程)問題研究中發(fā)展出來的。這些問題的各因素間往往有明確的因果、相關(guān)(或不相關(guān))關(guān)系,有著高質(zhì)量的統(tǒng)計(jì)數(shù)據(jù)用于描述不確定性因素的概率分布等信息。能源轉(zhuǎn)型是一個(gè)涉及大量不確定性社會因素的長時(shí)間尺度問題,與自然科學(xué)研究中所面臨的不確定性因素有著不同的特點(diǎn),但上述分析方法的適用范圍卻并未得到充分的審視。

例如,在有真實(shí)人參與仿真的情況下,真實(shí)人很難保證僅根據(jù)指定參數(shù)的變化來改變其決策,而對其他參數(shù)的態(tài)度則在多次仿真中保持一致,從而無法通過攝動(dòng)方式分析系統(tǒng)行為對某指定參數(shù)的敏感程度[96]。在多場景分析中,真實(shí)人決策行為的這種特性對分析方法適用性的影響則更為顯著。

5.5 決策支持

5.5.1不同參與者的決策目標(biāo)

在當(dāng)前的能源轉(zhuǎn)型研究中,一般以全系統(tǒng)(國家或地區(qū))作為評估或優(yōu)化的對象,評估指標(biāo)或目標(biāo)函數(shù)為全系統(tǒng)的經(jīng)濟(jì)代價(jià)、排放量等。政府的政績、能源供應(yīng)者的收益、能源消費(fèi)者的用能成本等不同利益相關(guān)者所關(guān)注的目標(biāo)則未得到充分的討論[79]。在一些研究中建立了政策制定者、能源供應(yīng)者或能源消費(fèi)者的行為代理,但僅關(guān)注所涌現(xiàn)出的整個(gè)能源系統(tǒng)的演化過程,而不關(guān)注各利益相關(guān)者在能源轉(zhuǎn)型過程中的效用[84-86]。

然而,全社會的整體利益與政府、能源供應(yīng)者、能源消費(fèi)者等參與者的利益之間并不完全一致。關(guān)鍵性利益相關(guān)者通過政治、輿論等手段改變現(xiàn)實(shí)中能源發(fā)展趨勢的能力往往很難考慮在模型之中。若在研究中僅關(guān)注社會整體利益,則可能使得對全社會最有利的轉(zhuǎn)型方案無法得到關(guān)鍵性利益相關(guān)者的支持,導(dǎo)致在現(xiàn)實(shí)中不具備可操作性。值得強(qiáng)調(diào)的是,政府利益并不完全等同于全社會的整體利益,例如在政黨輪替后政府往往會為了其所代表階層的利益而修改能源和氣候政策。

5.5.2不同參與者的決策手段

在防御電力系統(tǒng)面對物理擾動(dòng)下失去穩(wěn)定的研究中已廣泛采用由不同時(shí)機(jī)的預(yù)防、緊急和校正控制組成的三道防線。文獻(xiàn)[106]討論了各道防線內(nèi)部的優(yōu)化和不同防線間的協(xié)調(diào)。文獻(xiàn)[107]與[108]則分別借鑒上述概念,建議構(gòu)建電力系統(tǒng)充裕性與電力市場的三道防線。

能源轉(zhuǎn)型的參與者通過實(shí)施其權(quán)限范圍內(nèi)的各種決策手段來優(yōu)化其決策目標(biāo)。同樣的,針對能源轉(zhuǎn)型問題中存在的重大擾動(dòng)(如煤炭價(jià)格大幅波動(dòng)),可按擾動(dòng)發(fā)生前、擾動(dòng)發(fā)生后以及發(fā)現(xiàn)關(guān)鍵性指標(biāo)違約后(如政策制定者關(guān)注的能源供應(yīng)安全,能源供應(yīng)者關(guān)注的營業(yè)利潤等),將決策手段分為不同時(shí)機(jī)的預(yù)防、緊急與校正控制,構(gòu)建防御各自風(fēng)險(xiǎn)的三道防線。

6 結(jié)語

能源轉(zhuǎn)型問題的要素包括：客觀的能源系統(tǒng);聯(lián)系主客觀的知識系統(tǒng);主觀的政策制定者、能源供應(yīng)者等參與者的有限理性行為。其中不僅涉及能源技術(shù)等自然科學(xué)領(lǐng)域,還涉及行為經(jīng)濟(jì)學(xué),心理學(xué),政治學(xué)等更為復(fù)雜的社會學(xué)科。

當(dāng)前的研究范式中大多以理性人為假設(shè),對真實(shí)問題的指導(dǎo)意義存在局限性。本文提出的技術(shù)—經(jīng)濟(jì)—行為統(tǒng)計(jì)學(xué)模型—真實(shí)人的混合仿真是一種融合因果/統(tǒng)計(jì)/行為分析的研究范式,極具挑戰(zhàn)性。但該范式能夠結(jié)合實(shí)驗(yàn)經(jīng)濟(jì)學(xué)與多代理模型各自的優(yōu)點(diǎn),提高對參與者行為的分析能力。即使離真實(shí)描述人的行為仍然存在距離,但對提高能源轉(zhuǎn)型決策的科學(xué)性,將是邁出的重要一步。

人類實(shí)現(xiàn)能源清潔轉(zhuǎn)型的愿望任重道遠(yuǎn),但必須實(shí)現(xiàn)。為此,需要從能源轉(zhuǎn)型問題最本質(zhì)的要素出發(fā)設(shè)計(jì)研究框架,優(yōu)化研究目標(biāo)與計(jì)劃,在數(shù)據(jù)采集、仿真推演、知識提取、決策支持等研究環(huán)節(jié)付出許多努力,為相關(guān)的決策制定提供支撐。

本文討論了能源轉(zhuǎn)型問題的要素、研究范式及面臨的挑戰(zhàn),系列文章的下一篇將針對具體研究時(shí)面臨的大量不確定性因素進(jìn)行詳細(xì)討論。

[1] MCGLADE C, EKINS P. The geographical distribution of fossil fuels unused when limiting global warming to 2 ℃[J]. Nature, 2015, 517(7533): 187-190.

[2] Renewable Energy Policy Network for the 21st Century. Renewables 2017 global status report[EB/OL]. [2017-12-20]. http://www.ren21.net/wp-content/uploads/2017/06/17-8399_GSR_2017_Full_Report_0621_Opt.pdf.

[3] 中華人民共和國國家發(fā)展和改革委員會,國家能源局.能源生產(chǎn)和消費(fèi)革命戰(zhàn)略(2016—2030)[EB/OL]. [2017-12-20]. http://www.ndrc.gov.cn/zcfb/zcfbtz/201704/W0201704255093 86101355.pdf.

[4] 劉振亞.特高壓電網(wǎng)[M].北京:中國經(jīng)濟(jì)出版社,2005.

[5] 舒印彪,張文亮.特高壓輸電若干關(guān)鍵技術(shù)研究[J].中國電機(jī)工程學(xué)報(bào),2007,27(31):1-6.

SHU Yinbiao, ZHANG Wenliang. Research of key technologies for UHV transmission[J]. Proceedings of the CSEE, 2007, 27(31): 1-6.

[6] International Energy Agency. Key world energy statistics 2017[EB/OL]. [2017-12-20]. http://www.iea.org/publications/freepublications/publication/KeyWorld2017.pdf.

[7] International Energy Agency. World energy outlook 2017—executive summary[EB/OL]. [2017-12-20]. http://www.iea.org/publications/freepublications/publication/WEO_2017_Executive_Summary_English_version.pdf.

[8] 舒印彪,張運(yùn)洲.優(yōu)化我國能源輸送方式研究[J].中國電力,2007,40(11):4-8.

SHU Yinbiao, ZHANG Yunzhou. Research on the optimization of energy transportation mode in China[J]. Electric Power, 2007, 40(11):4-8.

[9] 舒印彪,張智剛,郭劍波,等.新能源消納關(guān)鍵因素分析及解決措施研究[J].中國電機(jī)工程學(xué)報(bào),2017,37(1):1-8.

SHU Yinbiao, ZHANG Zhigang, GUO Jianbo, et al. Study on key factors and solution of renewable energy accommodation[J]. Proceedings of the CSEE, 2017, 37(1): 1-8.

[10] XUE Y S, CAI B, JAMES G, et al. Primary energy congestion of power systems[J]. Journal of Modern Power Systems and Clean Energy, 2014, 2(1): 39-49.

[11] 王耀華,焦冰琦,張富強(qiáng),等.計(jì)及高比例可再生能源運(yùn)行特性的中長期電力發(fā)展分析[J].電力系統(tǒng)自動(dòng)化,2017,41(21):9-16.DOI:10.7500/APES20170612001.

WANG Yaohua, JIAO Bingqi, ZHANG Fuqiang, et al. Medium and long-term electric power development considering operating characteristics of high proportion of renewable energy[J]. Automation of Electric Power Systems, 2017, 41(21): 9-16. DOI: 10.7500/APES20170612001.

[12] XUE Y S, YU X H. Beyond smart grid—a cyber-physical-social system in energy future[J]. Proceedings of the IEEE, 2017, 105(12): 2290-2292.

[14] SMIL V. Energy transition: global and national perspectives[M]. 2nd ed. Santa Barbara, CA, USA: Praeger, 2017.

[15] JEBARAJ S, INIYAN S. A review of energy models[J]. Renewable and Sustainable Energy Reviews, 2006, 10: 281-311.

[16] BAZMI A A, ZAHEDI G. Sustainable energy systems: role of optimization modeling techniques in power generation and supply—a review[J]. Renewable and Sustainable Energy Reviews, 2011, 15(8): 3480-3500.

[17] CONNOLLY D, LUND H, MATHIESEN B V, et al. A review of computer tools for analysing the integration of renewable energy into various energy systems[J]. Applied Energy, 2010, 87(4): 1059-1082.

[18] 黃杰,薛禹勝,文福拴,等.電力市場仿真平臺的評述[J].電力系統(tǒng)自動(dòng)化,2011,35(9):6-13.

HUANG Jie, XUE Yusheng, WEN Fushuan, et al. A review of power market simulation platform[J]. Automation of Electric Power Systems, 2011, 35(9): 6-13.

[19] VENTOSA M, BAILLO, RAMOS A, et al. Electricity market modeling trends[J]. Energy Policy, 2005, 33(7): 897-913.

[20] HIREMATH R B, SHIKHA S, RAVINDRANATH N H. Decentralized energy planning modeling and application—a review [J]. Renewable and Sustainable Energy Reviews, 2007, 11(5): 729-752.

[21] LI F G N, TRUTNEVYTE E, STRACHAN N. A review of socio-technical energy transition (STET) models[J]. Technological Forecasting & Social Change, 2015, 100: 290-305.

[22] SKEA J, NISHIOKA S. Policies and practices for a low-carbon society [J]. Climate Policy, 2008, 8: S5-S16.

[23] FOXON T J, HAMMOND G P, PEARSONC P J. Developing transition pathways for a low carbon electricity system in the UK[J]. Technological Forecasting & Social Change, 2010, 77(8): 1203-1213.

[24] ANSOLABEHERE S, BEER J, DEUTCH J, et al. The future of coal[EB/OL]. [2017-12-20]. http://web.mit.edu/coal/The_Future_of_Coal.pdf.

[25] 鄒才能,趙群,張國生,等.能源革命:從化石能源到新能源[J].天然氣工業(yè),2016,36(1):1-10.

ZOU Caineng, ZHAO Qun, ZHANG Guosheng, et al. Energy revolution: from a fossil energy era to a new energy era[J]. Natural Gas Industry, 2016, 36(1): 1-10.

[26] MONIZ E J, JACOBY H D, MEGGS A J M, et al. The future of natural gas[EB/OL]. [2017-12-20]. http://mitei.mit.edu/publications/reports-studies/future-natural-gas.

[27] IEA Bioenergy. Potential contribution of bioenergy to the world’s future energy demand[EB/OL]. [2017-12-20]. http://www.idahoforests.org/img/pdf/PotentialContribution.pdf.

[28] ANSOLABEHERE S, DEUTCH J, DRISCOLL M, et al. The future of nuclear power[EB/OL]. [2017-12-20]. http://mitei.mit.edu/publications/reports-studies/future-natural-gas.

[29] Fusion Energy Sciences Advisory Committee, Office of Science, US Department of Energy. Strategic planning: priorities assessment and budget scenarios[EB/OL]. [2017-12-20]. http://fire.pppl.gov/FESAC_Strategic_Panel_Report_Final_Draft_Oct_10_2014.pdf.

[30] 劉振亞.全球能源互聯(lián)網(wǎng)[M].北京:中國電力出版社,2015.

[31] WINTER C. Hydrogen energy-abundant, efficient, clean: a debate over the energy-system-of-change[J]. International Journal of Hydrogen Energy, 2009, 34(14): S1-S52.

[32] AHLGREN W L. The dual-fuel strategy: an energy transition plan[J]. Proceedings of the IEEE, 2012, 100(11): 3001-3052.

[33] British Petroleum. BP statistical review of world energy 2016[EB/OL]. [2017-12-20]. http://www.bp.com/content/dam/bp/pdf/energy-economics/statistical-review-2016/bp-statistical-review-of-world-energy-2016-full-report.pdf.

[34] OECD Nuclear Energy Agency, International Atomic Energy Agency. Uranium 2014: resources, production and demand—executive summary[EB/OL]. [2017-12-20]. http://www.oecd-nea.org/ndd/pubs/2014/7210-uranium-2014-es.pdf.

[35] PEREZ R, PEREZ M. The world’s energy reserves: a fundamental look[J]. SHC Solar Update, 2009, 50: 2-3.

[36] TURCONI R, BOLDRIN A, ASTRUP T. Life cycle assessment of electricity generation technologies: overview, comparability and limitations[J]. Renewable and Sustainable Energy Reviews. 2013, 28: 555-565.

[37] BANERJEE S, DUCKERS L, BLANCHARD R E. An overview on greenhouse gas emission characteristics and energy evaluation of ocean energy systems from life cycle assessment and energy accounting studies[J]. Journal of Applied and Natural Science, 2013, 5(2): 535-540.

[38] BAYER P, RYBACH L, BLUM P, et al. Review on life cycle environmental effects of geothermal power generation[J]. Renewable and Sustainable Energy Reviews, 2013, 26: 446-463.

[39] US Energy Information Administration. Levelized cost and levelized avoided cost of new generation resources in the Annual Energy Outlook 2015[EB/OL]. [2017-12-20]. https://www.eia.gov/outlooks/archive/aeo15/pdf/electricity_generation_2015.pdf.

[40] MORRIS C, PEHNT M. Energy transition: the German Energiewende[EB/OL]. [2017-12-20]. https://book.energytransition.org/sites/default/files/etbook/v2/en/German-Energy-Transition_en.pdf.

[41] World Nuclear Association. World nuclear performance report 2017[EB/OL]. [2017-12-20]. http://www.world-nuclear.org/getmedia/b392d1cd-f7d2-4d54-9355-9a65f71a3419/world-nuclear-performance-report-2017.pdf.aspx.

[42] TOLLE K M, TANSLEY D S W, HEY A J G. The fourth paradigm: data-intensive scientific discovery[J]. Proceedings of the IEEE, 2011, 99(8): 1334-1337.

[43] 薛禹勝,賴業(yè)寧.大能源思維與大數(shù)據(jù)思維的融合:(一)大數(shù)據(jù)與電力大數(shù)據(jù)[J].電力系統(tǒng)自動(dòng)化,2016,40(1):1-8.DOI:10.7500/AEPS20151208005.

XUE Yusheng, LAI Yening. Integration of macro energy thinking and big data thinking: Part one big data and power big data[J]. Automation of Electric Power Systems, 2016, 40(1): 1-8. DOI: 10.7500/AEPS20151208005.

[44] WILSON E O. Consilience: the unity of knowledge[M]. New York, USA: Vintage, 1998.

[45] SIMON H A. A behavioral model of rational choice[J]. Quarterly Journal of Economics, 1955, 69(1): 99-118.

[46] KAHNEMAN D, TVERSKY A. Prospect theory: an analysis of decision under risk[J]. Econometrica, 1979, 47(2): 263-291.

[47] The Royal Swedish Academy of Sciences. Foundations of behavioral and experimental economics: Daniel Kahneman and Vernon Smith[EB/OL]. [2017-12-20]. https://www.nobelprize.org/nobel_prizes/economic-sciences/laureates/2002/advanced-economicsciences2002.pdf.

[48] THALER R. Toward a positive theory of consumer choice[J]. Journal of Economic Behavior and Organization, 1980, 1(1): 39-60.

[49] THALER R. Mental accounting matters[J]. Journal of Behavioral Decision Making, 1999, 12(3): 183-206.

[50] The Royal Swedish Academy of Sciences. Richard H. Thaler: integrating economics with psychology[EB/OL]. [2017-12-20]. https://www.nobelprize.org/nobel_prizes/economic-sciences/laureates/2017/advanced-economicsciences2017.pdf.

[51] Renewable Energy Policy Network for the 21st Century. Renewables global futures report: great debates towards 100% renewable energy[EB/OL]. [2017-12-20]. http://www.ren21.net/wp-content/uploads/2017/10/GFR-Full-Report-2017_webversion_3.pdf.

[52] SMIL V. Perils of long-range energy forecasting: reflections on looking far ahead[J]. Technological Forecasting and Social Change, 2000, 65(3): 251-264.

[53] CRAIG P P, GADGIL A, KOOMEY J G. What can history teach us? a retrospective examination of long-term energy forecasts for the United States[J]. Annual Review of Energy and the Environment, 2002, 27(1): 83-118.

[54] PIELKE R JR, WIGLEY T, GREEN C. Dangerous assumptions[J]. Nature, 2008, 452: 531-532.

[55] WILSON C, GRUBLER A, BAUER N, et al. Future capacity growth of energy technologies: are scenarios consistent with historical evidence?[J].Climatic Change, 2013, 118(2): 381-395.

[56] DOSI G. Technological paradigms and technological trajectories: a suggested interpretation of the determinants and directions of technical change[J]. Resource Policy, 1982, 11(3): 147-162.

[57] NELSON R R, WINTER S G. An evolutionary theory of economic change[M]. Cambridge, MA, USA: Harvard University Press, 1982.

[58] MILLER J H, PAGE S E. Complex adaptive systems: an introduction to computational models of social life[M]. Princeton, NJ, USA: Princeton University Press, 2007.

[59] GALLAGHER K S, GRüBLER A, KUHL L, et al. The energy technology innovation system[J]. Annual Review of Environment and Resources, 2012, 37(12): 137-162.

[60] ROTMANS J, KEMP R, VAN ASSELT M. More evolution than revolution: transition management in public policy[J]. Foresight, 2001, 3(1): 15-31.

[61] KEMP R, SCHOT J, HOOGMA R. Regime shifts to sustainability through processes of niche formation: the approach of strategic niche management[J]. Technology Analysis & Strategic Management, 1998, 10(2): 175-198.

[62] GEELS F W, SCHOT J. Typology of sociotechnical transition pathways[J]. Resource Policy, 2007, 36(3): 399-417.

[63] PFENNINGER S, HAWKES A, KEIRSTEAD J. Energy systems modeling for twenty-first century energy challenges[J]. Renewable and Sustainable Energy Reviews, 2014, 33: 74-86.

[64] GALINIS A, VAN LEEUWEN M J. A CGE model for Lithuania: the future of nuclear energy[J]. Journal of Policy Modeling, 2000, 22(6): 691-718.

[65] MESSNER S, STRUBEGGER M. User’s guide for MESSAGE III, WP-95-69[EB/OL]. [2017-12-20]. http://pure.iiasa.ac.at/4527/1/WP-95-069.pdf.

[66] GOLDSTEIN G, KANUDIA A, LEHTILA et al. Documentation for the TIMES Model: Part Ⅰ[EB/OL]. [2017-12-20]. http://www.iea-etsap.org/docs/Documentation_for_the_TIMES_Model-Part-I_July-2016.pdf.

[67] HOWELLS M, ROGNER H, STRACHAN N, et al. OSeMOSYS: the open source energy modeling system: an introduction to its ethos, structure and development[J]. Energy Policy, 2011, 39(10): 5850-5870.

[68] MESSNER S, SCHRATTENHOLZER L. MESSAGE-MACRO: linking an energy supply model with a macroeconomic module and solving it iteratively[J]. Energy, 2000, 25(3): 267-282.

[69] MANNE A S, WENE C. MARKAL-MACRO: A linked model for energy-economy analysis[R/OL].[2017-12-20]. https://www.osti.gov/scitech/servlets/purl/10131857.

[70] K?HLER J, BARKER T, ANDERSON D, et al. Combining energy technology dynamics and macroeconometrics: The E3MG mode[J]. The Energy Journal, 2006, 27(Special Issue 2): 113-133.

[71] Energy Information Administration. The national energy modeling system: an overview 2009[EB/OL]. [2017-12-20]. http://www.eia.gov/forecasts/archive/0581(2009).pdf.

[72] E3Mlab, PRIMES model[EB/OL]. [2017-12-20]. http://www.e3mlab.ntua.gr/manuals/The_PRIMES_MODEL_2008.pdf.

[73] Stockholm Environment Institute. LEAP: the long range energy alternatives planning system[EB/OL]. [2017-12-20]. https://www.sei-international.org/mediamanager/documents/Programmes/Climate/LEAP-brochure-A4-Oct2014.pdf.

[75] LEIMBACH M, BAUER N, BAUMSTARK L, et al. Technological change and international trade—insights from REMIND-R[J]. The Energy Journal, 2010, 31(1): 109-136.

[76] 姜克雋,胡秀蓮,莊幸,等.中國2050年低碳情景和低碳發(fā)展之路[J].中外能源,2009,14(6):1-7.

JIANG Kejun, HU Xiulian, ZHUANG Xing, et al. China’s low-carbon scenarios and roadmap for 2050[J]. Sino-Global Energy, 2009, 14(6): 1-7.

[77] GAMS Development Corporation. GAMS-the solver manuals[EB/OL]. [2017-12-20]. https://www.gams.com/dd/docs/solvers/allsolvers.pdf.

[78] DECAROLIS J F, HUNTER K, SREEPATHI S. The case for repeatable analysis with energy economy optimization models[J]. Energy Economics, 2012, 34: 1845-1853.

[79] TRUTNEVYTE E, STRACHAN N, DODDS P E, et al. Synergies and trade-offs between governance and costs in electricity sys-tem transition[J]. Energy Policy, 2015, 85: 170-181.

[80] TRUTNEVYTE E. Linking governance storylines with the D-EXPANSE model to explore the power system transition pathways[C]// Proceedings of the 7th International Congress on Environmental Modelling and Software (iEMSs), June 15-19, 2014, San Diego, CA, USA: 1873-1880.

[81] TRUTNEVYTE E, BARTON J, O'GRADY, et al. Linking a storyline with multiple models: a cross-scale study of the UK power system transition[J]. Technological Forecasting & Social Change, 2014, 89:26-42.

[82] ALLEN P, VARGA L. Modelling sustainable energy futures for the UK[J]. Futures, 2014, 57: 28-40.

[83] LI F G N. Actors behaving badly: exploring the modelling of non-optimal behaviour in energy transitions[J]. Energy Strategy Reviews, 2017, 15: 57-71.

[84] CHAPPIN E J L, DIJKEMA G P J. On the impact of CO2emission-trading on power generation emissions[J]. Technological Forecasting & Social Change, 2009, 76(3): 358-370.

[85] YüCEL G, VAN DAALEN C. A simulation-based analysis of transition pathways for the Dutch electricity system[J]. Energy Policy, 2012, 42: 557-568.

[86] GERST M D, WANG P, ROVENTINI A, et al. Agent-based modelling of climate policy: an introduction to the ENGAGE multi-level model framework[J]. Environmental Modelling & Software, 2013, 44: 62-75.

[87] RAHMANDAD H, STERMAN J. Heterogeneity and network structure in the dynamics of diffusion: comparing agent based and differential equation models[J]. Management Science, 2008, 54(5): 998-1014.

[88] SCHIERITZ N, MILLING P M. Modeling the forest or modeling the trees: a comparison of system dynamics and agent-based simulation[C]// Proceedings of the 21st International System Dynamics Society, July 20-24, 2003, New York, USA: 1-15.

[89] BORSHCHEV A, FILIPPOV A. From system dynamics and discrete event to practical agent based modeling: reasons, techniques, tools[C]// Proceedings of the 22nd International System Dynamics Society, July 25-29, 2004, Oxford, England: 1-23.

[90] ABBOTT A. Time matters: on theory and method.[M]. Chicago, USA: University of Chicago Press, 2001.

[91] GARSON G. Computerized simulation in the social sciences: a survey and evaluation[J]. Simulation & Gaming, 2009, 40(2): 267-279.

[92] LANE R D, NADEL L. Cognitive neuroscience of emotion[M]. New York, USA: Oxford University Press, 2000.

[93] SMITH V L. Experimental methods in economics[M]. London, UK: Palgrave Macmillan, 1989.

[94] 薛禹勝,彭慧敏,WU Q H.電力市場與電力系統(tǒng)交互動(dòng)態(tài)仿真設(shè)計(jì)[J].電力系統(tǒng)自動(dòng)化,2006,30(23):14-20.

XUE Yusheng, PENG Huimin, WU Q H. Analysis and simulation of interaction between electricity market and power system dynam-ics[J]. Automation of Electric Power Systems, 2006, 30(23): 14-20.

[95] 黃杰,薛禹勝,許劍冰,等.電力市場與電力系統(tǒng)的動(dòng)態(tài)交互仿真平臺:(一)功能設(shè)計(jì)[J].電力系統(tǒng)自動(dòng)化,2011,35(10):16-22.

HUANG Jie, XUE Yusheng, XU Jianbing, et al. Dynamic simulation platform for power market and power system: Part one function design[J]. Automation of Electric Power Systems, 2011, 35(10): 16-22.

[96] 薛禹勝,賴業(yè)寧.大能源思維與大數(shù)據(jù)思維的融合：(二)應(yīng)用及探索[J].電力系統(tǒng)自動(dòng)化,2016,40(8):1-13.DOI:10.7500/AEPS20160311004.

XUE Yusheng, LAI Yening. Integration of macro energy thinking and big data thinking: Part two applications and explorations[J].Automation of Electric Power Systems, 2016, 40(8): 1-13. DOI: 10.7500/AEPS20160311004.

[97] XUE Y S, WU J, XIE D L, et al. Multi-agents modelling of EV purchase willingness based on questionnaires[J]. Journal of Modern Power Systems and Clean Energy, 2015, 3(2): 149-159.

[98] HUANG J, XUE Y S, JIANG C, et al. An experimental study on emission trading behaviors of generation companies[J]. IEEE Transactions on Power Systems, 2015, 30(2): 1076-1083.

[99] HUNTINGTON H G, WEYANT J P, SWEENEY J L. Modeling for insights, not numbers: the experiences of the energy modeling forum[J]. Omega, 1982, 10(5): 449-62.

[100] CHENG R, XU Z F, LIU P, et al. A multi-region optimization planning model for China’s power sector[J]. Applied Energy, 2015, 137: 413-426.

[101] HALLER M, LUDIG S, BAUER N. Decarbonization scenarios for the EU and MENA power system: considering spatial distribution and short term dynamics of renewable generation[J]. Energy Policy, 2012, 47: 282-290.

[102] 薛禹勝.運(yùn)動(dòng)穩(wěn)定性量化理論——非自治非線性多剛體系統(tǒng)的穩(wěn)定性分析[M].南京:江蘇科學(xué)技術(shù)出版社,1999.

[103] 薛禹勝.電力市場穩(wěn)定性與電力系統(tǒng)穩(wěn)定性的相互影響[J].電力系統(tǒng)自動(dòng)化,2002,26(21):1-6;2002,26(22):1-4.

XUE Yusheng. Interactions between power market stability and power system stability[J]. Automation of Electric Power Systems, 2002, 26(21): 1-6; 2002, 26(22): 1-4.

[104] ROCQUIGNY E, DEVICTOR N, TARANTOLA S. Uncertainty in industrial practice: a guide to quantitative uncertainty management[M]. Chichester, UK: John Wiley & Sons, Ltd., 2008.

[105] USHER W, STRACHAN N. Critical mid-term uncertainties in long-term decarbonisation pathways[J]. Energy Policy, 2012, 41: 433-444.

[106] 薛禹勝.時(shí)空協(xié)調(diào)的大停電防御框架:(一)從孤立防御到綜合防御[J].電力系統(tǒng)自動(dòng)化,2006,30(1):8-16.

XUE Yusheng. Space-time cooperative framework for defending blackouts: Part Ⅰ from isolated defense lines to coordinated defending[J]. Automation of Electric Power Systems, 2006, 30(1): 8-16.

[107] 蔡斌,薛禹勝,薛峰,等.智能電網(wǎng)運(yùn)行充裕性的研究框架:(三)解耦與協(xié)調(diào)[J].電力系統(tǒng)自動(dòng)化,2014,38(12):1-5.DOI:10.7500/AEPS20140416003.

CAI Bin, XUE Yusheng, XUE Feng, et al. A research framework for operation adequacy in smart grid: Part Ⅲ decoupling and coordination[J]. Automation of Electric Power Systems, 2014, 38(12): 1-5. DOI: 10.7500/AEPS20140416003.

[108] 徐群,薛禹勝,王海風(fēng),等.加州電力危機(jī)的動(dòng)態(tài)仿真和防御對策分析:(二)定量分析和危機(jī)的防御[J].電力系統(tǒng)自動(dòng)化,2004,28(8):23-26.

XU Qun, XUE Yusheng, WANG Haifeng, et al. Dynamic simulation and countermeasure analyses of California power crisis: Part two quantitative analyses and crisis defenses[J]. Automation of Electric Power Systems, 2004, 28(8): 23-26.

舒印彪(1958—),男,博士,教授級高級工程師,主要研究方向：特高壓關(guān)鍵技術(shù)研發(fā)和工程建設(shè)、新能源發(fā)展、電力規(guī)劃運(yùn)行管理。E-mail: yinbiao-shu@sgcc.com.cn

薛禹勝(1941—),男,通信作者,博士,中國工程院院士,博士生導(dǎo)師,主要研究方向：電力系統(tǒng)自動(dòng)化。E-mail： xueyusheng@sgepri.sgcc.com.cn

蔡 斌(1985—),男,博士,主要研究方向：電力系統(tǒng)充裕性,綜合能源系統(tǒng)仿真,能源轉(zhuǎn)型規(guī)劃。E-mail： caibin@sgepri.sgcc.com.cn