碳强度和水资源约束下2030年中国西北五省能源供给规划研究

2022-05-21 04:09司起步邱硕毕胜山吴江涛
西安交通大学学报 2022年5期
关键词:西北原油天然气

司起步,邱硕,毕胜山,吴江涛

(西安交通大学热流科学与工程教育部重点实验室,710049,西安)

工业革命以来,人类大量使用石油、煤炭等化石燃料,造成了二氧化碳的大规模排放,全球气候变暖已经成为国际社会的共识,由此引发的碳排放计划也陆续在各发达国家和发展中国家公布。2020年习近平主席在第七十五届联合国大会上宣布,中国的二氧化碳排放力争于2030年前达到顶峰,努力争取2060年前实现碳中和,中国面临着巨大的减排压力。此外,中国的能源分布呈现“煤多油气少”“北多南少”以及“西多东少”的特点,开展有效的能源规划关乎我国未来能源可持续发展的方向。

西北地区是中国能源富集地区之一,其中:四大盆地石油总储量为281亿吨,占全国总储量的27.6%[1],煤炭资源占全国的61.9%,天然气储量2.32万亿立方米;风能可采量约占全国的40%[2];太阳能资源也较为丰富,全国2/3地区日照小时数大于2 200 h,而西北绝大部分地区日照小时数大于3 000 h[3]。因此,西北地区是中国重要的能源净输出地,布置有诸如西部原油成品油管道,西气东输一线、二线、三线管道,准东—四川±1 100 kV特高压直流输电工程,哈密—郑州±800 kV特高压直流工程,酒泉—湖南±800 kV特高压直流输电工程等的国家能源大动脉工程。西北地区的能源发展不仅对于自身经济发展具有重要意义,也对中国未来能源可持续发展以及能源安全具有重要意义。

近年来,众多学者对西北五省能源方面的研究多集中在能源消费碳排放的核算和影响因素分析[4-8]、能源消费碳排放峰值的预测以及经济发展与碳排放量的关系等,但是鲜有关于西北五省能源供给侧的规划研究。韦良焕等[9]计算了西北五省2000—2017年的温室气体排放清单;董棒棒等[10]运用情景分析法对西北地区2017—2030年能源消费碳排放量进行了预测;邓小乐等[11]利用可拓展的随机性的环境影响评估(STIRPAT)模型对西北五省2015—2030年碳排放峰值进行了预测;邢强[12]对西北五省经济发展与碳排放量的关系进行了研究;龚新蜀等[13]、郭卫香等[14]对西北五省产业结构与碳排放的关系进行了关联分析。此外,水资源短缺已经成为制约西北五省能源工业发展的一个重要因素,中国工程院科研人员[15]和孙廷容等[16]对西北地区能源(石油天然气、煤炭)工业用水现状及发展进行了研究,并提出了未来可持续发展的用水对策,但是未考虑电力工业;项潇智等[17]从全国的层面对我国能源产业的用水现状和各类能源产出的发展趋势进行了研究,并预测了2020和2030年我国能源产业的需水情况,但是并未给出各类能源具体的发展规划;Qiu等[18]从全国的层面对我国到2060年在碳中和约束下的能源需求和供给规划进行了研究,但是并未考虑水资源约束的影响。

本文同时考虑了国家层面碳减排计划和水资源短缺现实情况对西北五省能源发展的影响,在碳排放强度和水资源两个约束条件下,从供给侧出发,基于煤、油、气、电4种能源形式建立非线性规划模型。该模型考虑了能源从生产到消耗的所有过程,进而得到在碳排放强度和水资源约束下,西北五省未来的能源供给规划和能源结构的变革。

1 计算模型介绍

本文的整体研究思路如图1所示。以2017年为基期,以2018—2030年为预测期,首先通过能源需求预测模型[19]预测出西北五省2018—2030年的终端能源需求量;然后计算出西北五省在2003—2017年间的碳排放强度;再者采用对数平均迪氏指数(LMDI)因素分解法和STIRPAT模型[20]分析西北五省各省区能源工业用水量分别与各省区GDP、技术水平等因素之间的回归关系,并进一步预测西北五省2018—2030年的能源工业用水量;在上述的基础上,最终利用能源供给优化模型得到在碳排放约束和水资源约束条件下的西北五省未来的能源供给规划,为西北五省碳达峰、碳中和政策的制定提供参考。

图1 整体研究思路流程图Fig.1 Overall research flow chart

1.1 能源需求预测模型

本文利用长期能源替代规划系统(LEAP)模型[21]建立情景分析对西北五省各省区的终端能源需求量做预测分析,该分析过程主要考虑三大产业和生活的八大具体能源消费部门,其中工业部门细分成诸如煤炭开采洗选业、石油和天然气开采业等41项子部门,在调研历史年份GDP、人口、城镇率、各消费部门的终端能源消费量以及终端能源结构的基础上,对未来的趋势加以预测,以此得到未来的终端能源需求量。

各部门的终端能源需求总量由活动水平和能源强度共同决定,其中不同种类能源的需求量由各品种能源与终端能源需求总量的占比决定。各类一次能源及二次能源的需求量分别为

(1)

(2)

式中:L(i,j)和E(i,j)分别表示i部门的j子部门的活动水平和能源强度;B(i,j,m)和B(i,j,n)分别表示能源需求i部门的j子部门中m品种一次能源和n品种二次能源在终端能源需求总量中的比重。所有部门的终端能源需求总量为

(3)

1.2 STIRPAT模型

Ehrlich等在20世纪70年代提出了环境压力模型,即IPAT模型[20]。该模型认为环境变化的主要驱动力因素有人口总量、人均财富和技术水平,因此得出等式I=PAT。该模型简洁易懂,一经提出便得到广泛的认可和应用,但是随着研究的深入,IPAT模型各变量间只能同比例变动的缺陷也逐渐暴露出来。基于此,Dietz等在1994年提出扩展型IPAT模型,即STIRPAT模型。该模型弥补了IPAT模型的不足,表达式为

I=aPbAcTde

(4)

式中:I表示对环境的影响;P、A、T分别表示人口因素、经济因素和技术因素;a为该模型系数;P、A、T的指数b、c、d均可通过模型估算出来;e为残差项。为降低分析过程中出现的异方差情况,通常将STIRPAT模型对数化,得到如下表达式

lnI=lna+blnP+clnA+dlnT+lne

(5)

根据LMDI因素分解,本文所考虑的能源工业用水量影响因素如表1所示。

表1 能源工业用水量影响因素

根据STIRPAT模型的基本公式,构建能源工业用水量预测方程为

W=aIλ1Gλ2Rλ3e

(6)

两边同时取对数,得

lnW=lna+λ1lnI+λ2lnG+λ3lnR+lne

(7)

1.3 能源供给优化模型

根据上述能源需求预测模型和STIRPAT模型的预测结果,本文建立西北五省能源供给的非线性规划模型,对能源供给的生产、运输、转换等环节进行布局优化[18],能源供给优化模型如图2所示。

图2 能源供给优化模型Fig.2 Energy supply optimization model diagram

1.3.1 优化目标

本文以西北五省在2017—2030年间煤、油、气、电4种能源形式的基础设施建设、生产运营、运输调度和进口能源4类成本之和最低为优化目标

Cmin=Cinf+Cpro+Ctra+Cimp

(8)

式中:Cinf、Cpro、Ctra、Cimp分别对应基础设施建设成本、生产运营成本、运输调度成本以及进口能源成本。各类成本具体包括

(9)

(10)

(11)

(12)

式中:k表示煤、油、气、电4种能源形式;Qinf、Qpro、Qtra、Qimp分别表示煤、油、气、电相关基础设施建设容量、生产量、运输量以及进口量;Pinf、Ppro、Ptra、Pimp分别表示对应于Qinf、Qpro、Qtra、Qimp的单位价格。

1.3.2 约束条件

本文考虑的约束条件主要包括以下几种。

(1)终端能源需求总量约束为

(13)

式中:s、y分别表示省份、年份。

(2)供需平衡约束分别为

(14)

(15)

(3)资源储量约束为

(16)

(4)基础设施产能约束主要包括煤、油、气、电4种能源形式的产能约束、进口容量约束、调入容量约束和调出容量约束。

(17)

(18)

(19)

(20)

(5)碳排放和水资源约束分别为

(21)

(22)

2 模型参数假设

2.1 终端能源需求预测

本文在基准情景中首先调研了1978—2017年各省区GDP、各消费部门GDP占比、人口、城镇率作为基本假设条件,然后利用各省区2010—2017能源平衡表计算各部门在2010—2017年的终端能源消费总量以及各品种能源在终端能源消费总量的比重。在预测情景中,本文在参考有关政府文件和专业相关部门论文[1,7,22-23]、报告的基础上,对未来各省区各部门的活动水平和能源强度加以预测,最终得到西北五省2017—2030年终端能源需求总量的预测结果,如图3所示。

图3 西北五省2017—2030年终端能源需求预测Fig.3 Forecast of terminal energy demand of the five northwest provinces from 2017 to 2030

2.2 碳排放强度约束

本文首先利用能源平衡表计算出西北五省2003—2017年的碳排放量,进而结合2003—2017年各省区的GDP情况,得到了西北五省2003—2017年碳排放强度,如图4所示。

图4 西北五省2003—2017年碳排放强度Fig.4 Carbon emission intensity of the five northwest provinces from 2003 to 2017

在2020年12月的气候雄心峰会上,习近平主席对国际社会做出承诺:到2030年,中国单位国内生产总值二氧化碳排放将比2005年下降65%以上。

根据《中国应对气候变化的政策与行动2018年度报告》[24]发布的内容,“2017年中国单位国内生产总值二氧化碳排放(简称碳强度)比2005年下降约46%,已超过2020年碳强度下降40%~45%的目标,提前3年完成上限目标,碳排放快速增长的局面得到初步扭转。”西北五省2005年和2017年碳排放强度的对比如表2所示,在西北五省中,没有一个省份达到国家层面下降46%的水平,只有甘肃省下降44.07%,已经达到了40%~45%的目标,而宁夏和新疆两省的碳排放强度不降反升。

表2 西北五省2005、2017年碳排放强度的对比

基于此,宁夏和新疆两省要想在2020年达到碳强度下降40%~45%的目标是不现实的,同样地,现实中要想让宁夏和新疆两省在2030年达到碳强度下降65%以上的目标也是有极大困难的。

本文最终把西北五省看成一个整体,将2030年西北五省平均碳排放强度比2005年下降65%作为碳约束指标,其中碳排放强度下降快的省份可以为碳排放强度下降慢的省份做出一定的补偿。

图5 西北五省2004—2030年能源工业用水量预测Fig.5 Forecast of water consumption of energy industry in the five northwest provinces from 2004 to 2030

2.3 水资源约束

根据能源平衡表,本文采用用水定额法对西北五省历史年份2004—2017年的能源工业用水量进行核算,用水定额数据均来自于各省份用水定额标准文件。其中能源工业是指采掘、采集和开发自然界能源资源,或将自然资源加工转换为燃料、动力的工业。为与能源平衡表中的数据相联系,本文选取了煤炭采选业、天然原油和天然气开采业、原油加工业、电力生产业作为计算对象。其中电力生产业包括火力发电、水力发电、风力发电和太阳能发电。

利用2004—2017年历史数据对式(7)进行回归分析,因能源工业用水量各影响因素存在显著多重共线性问题,故采用SPSS中岭回归分析[20]对式(7)进行回归分析,分析结果如表3所示。表3中各拟合方程F检验所对应的P值均为0.000 0,说明回归方程显著,即能源工业用水量与工业生产总值、工业用水强度以及能源工业用水占比这3个因素的关系具有显著性,回归模型显著成立。此外,R2和调整R2均接近1,说明样本数据全部被回归方程解释,回归模型的拟合优度较高,模型设定合理。图5中2004—2017年的数据分别给出了各省能源工业用水量的实际值和预测值,可以看出,预测值和实际值基本重合,这进一步说明了拟合效果较好,拟合方程的可靠性强。

最终,在综合考虑工业发展、节水技术进步以及能源工业用水占比变化的基础上,对西北五省2018—2030年工业生产总值、工业用水强度以及能源工业用水占比3个因素进行合理预测,代入各回归方程,可得西北五省2018—2030年的能源工业用水量,如图5中2018—2030年的数据所示。

表3 西北五省能源工业用水量岭回归分析

3 能源供给优化模型结果分析

3.1 能源结构分析

能源结构是指一定时期、一定区域内各类能源在能源总量中的比例关系,是反映一个国家或一个地区生产技术发展水平的重要标志。本文分析了西北五省的一次能源消费结构和终端能源需求结构。

图6 西北五省2017—2030年一次能源消费结构Fig.6 Primary energy consumption structure of the five northwest provinces from 2017 to 2030

3.1.1 一次能源结构

图6表示西北五省一次能源消费结构,图7表示西北五省一次能源消费百分比结构。从图6中可以看出,2017—2030年期间,西北地区一次能源消费总量呈明显上升的趋势,由2017年的13.50 EJ上升到2030年的24.60 EJ。其中,煤炭仍是主要的能源形式,但是由图7可以看出,其占比在不断下降,呈现煤炭在逐渐加速被其他能源所取代的趋势,到2030年煤炭在一次能源消费总量中的占比降低至32%;原油的消费量将在2028年左右达峰,呈现先稳步增长后略有回落的趋势,其占比也稳中有降,由2017年的19.21%降至2030年的14.35%;天然气的消费量增速明显,2030年天然气消费量将达到4.57 EJ,占一次能源消费总量的18.60%,相比于2017年的8.10%提高10.5个百分点;非化石能源的消费量增长迅速,由2017年的0.79 EJ增长至2030年的8.59 EJ,2030年非化石能源在一次能源消费总量中的占比达到34.91%,已超越煤炭成为第一主力能源。

图7 西北五省2017—2030年一次能源消费百分比结构Fig.7 Percentage structure of primary energy consumption of the five northwest provinces from 2017 to 2030

图8 西北五省2017—2030年终端能源需求结构Fig.8 Terminal energy demand structure of the five northwest provinces from 2017 to 2030

3.1.2 终端能源结构

图8表示终端能源需求结构,图9表示终端能源需求百分比结构。由图8可知,西北五省在2017—2030年间终端能源需求总量呈平稳增长的趋势。其中,煤炭的终端能源需求量呈现明显降低的趋势,由2017年的4.52 EJ下降至2030年的1.14 EJ,其在终端能源需求总量中的占比将由2017年的47.42%下降到2030年的11.40%;成品油的终端需求呈缓慢上升的趋势,由2017年的1.55 EJ增长至2030年的2.28 EJ;天然气的终端需求呈明显上升的趋势,2030年将达到2.48 EJ,其在2030年的终端能源需求总量中占比将达到24.88%,相较于2017年的1.01 EJ和10.62%,提高了1.47 EJ和近15%;电力需求量明显增加,由2017年的25.71%上升至2030年的40.93%。

图9 西北五省2017—2030年终端能源需求百分比结构Fig.9 Percentage structure of terminal energy demand of the five northwest provinces from 2017 to 2030

3.2 能源生产布局

本文主要分析了西北五省各省区原煤、原油、成品油、天然气和电力5种主要能源形式的生产量,分别如图10~14所示。

图10 西北五省2017—2030年原煤生产量Fig.10 Raw coal production of the five northwest provinces from 2017 to 2030

由图10可以看出,2017—2030年间西北五省原煤生产量呈先稳步增长后趋于稳定的趋势。一方面随着煤电大基地大通道建设的推进,西北五省涵盖陕北、哈密、准东、宁东4个千万千瓦级大型煤电基地将作为西北地区主要的原煤消费地;另一方面,在中国中东部煤矿区资源大幅减少的背景下,西北地区已成为中国重要的能源接替区,所产原煤将源源不断地运输至中东部地区。在西北五省中,陕西原煤生产量在原煤总产量中占据绝对优势,2017—2030年间一直保持着65%以上的占比,这得益于陕西占据神东、陕北、黄陇3个亿吨级大型煤炭基地;新疆原煤产量稳中有降,到2030年新疆的原煤产量将占到西北五省原煤总产量的13.32%;宁夏原煤产量处于稳定增加的状态,由2017年的0.76亿吨增长至2030年的0.98亿吨;青海和甘肃煤炭资源相对匮乏,原煤生产量相对稳定。

由图11可以看出,2017—2030年,西北五省原油产量主要由陕西和新疆两省贡献,呈现先增后降的变化趋势,在2028年左右达到顶峰。其中,陕西在未来的生产中呈现先增后减的变化趋势,在2024年左右出现峰值;新疆在2017—2030年的原油产量呈现稳步递增的趋势,并在2025年左右超越陕西成为西北五省第一产油大省,到2030年新疆的原油产量将占到西北五省原油总产量的72.40%。由图12可以看出,2017—2030年间西北五省成品油产量呈稳步上升的趋势,成品油产量将进一步在陕西和新疆两省集中,将由2017年的66.84%上升到2030年的84.81%。总体而言,石油作为工业的血液,其不可替代性较高,变化幅度相对平稳。

图11 西北五省2017—2030年原油生产量Fig.11 Crude oil production of the five northwest provinces from 2017 to 2030

图12 西北五省2017—2030年成品油生产量Fig.12 Refined oil production of the five northwest provinces from 2017 to 2030

由图13可以看出,在天然气生产方面,西北五省在2017—2030年的天然气产量呈明显递增的趋势。其中,陕西和新疆两省是主要贡献方,两者天然气产量占到总产量的90%以上。新疆的天然气产量呈快速递增的趋势,并在2022年左右超过陕西成为西北五省第一产气大省;青海将稳步开发柴达木盆地的油气资源,天然气产量稳步提升;甘肃和宁夏的天然气产量相对匮乏。

图13 西北五省2017—2030年天然气生产量Fig.13 Gas production of the five northwest provinces from 2017 to 2030

图14 西北五省2017—2030年电力生产量Fig.14 Power production of the five northwest provinces from 2017 to 2030

由图14可以看出,在电力生产方面,西北五省2017—2030年的电力生产量呈幂函数递增的趋势。其中,随着“疆电东送”通道的进一步打开,借助哈密—郑州±800 kV、准东—四川±1 100 kV以及准东—华东±1 000 kV的特高压直流线路,新疆的电力产量呈现大幅上升,到2030年新疆的电力生产量将达到1 505.98 TW·h,占到西北五省总产量的40%以上,源源不断地将电力送往中东部地区;宁夏风能和煤炭资源丰富,借助宁夏—山东±660 kV直流输电线路以及宁夏—浙江±800 kV特高压直流输电线路,电力产量也呈现不断攀升的趋势;陕西、甘肃和青海三省也均有一条自己的特高压输电线路,电力产量稳步提高。

3.3 能源调度方案

能源调度分析反映了西北五省省与省之间能源贸易往来的情况,且进入新疆的中哈原油管线和中国—中亚天然气管线反映了西北地区能源进口的情况。此外,因本文以西北五省为研究对象,其与我国其他省份能源互通的关系亦看作是能源进口/出口的关系,图15~18分别表示西北五省原油、成品油、天然气和电力4种能源形式的调度情况,图中线条的粗细表示调度量的大小。

由图15和图16可以看出,2017—2030年间,西北五省原油和成品油的外输量在逐年提高,原油量从2017年的0.16亿吨提高至2030年的0.24亿吨,成品油量从2017年的0.21亿吨提高至2030年的0.56亿吨。在原油外输方面,起主要贡献作用的是新疆;在成品油外输方面,起主要贡献作用的是陕西。青海的油气资源主要来源于柴达木盆地,主要负责供给自身需求和外输至西藏地区。宁夏的油气资源相对贫乏,主要依赖于马惠原油管道的供给。

图15 西北五省2017—2030年原油调度Fig.15 Crude oil dispatching diagram of the northwest provinces from 2017 to 2030

图16 西北五省2017—2030年成品油调度Fig.16 Refined oil dispatching diagram of the northwest provinces from 2017 to 2030

由图15可以看出,我国从中哈管道进口的原油量处于一个基本稳定的状态,随时间的变化比较小,这一方面主要是国家能源安全的限制,尽可能稳定我国原油的对外依存度;另一方面,随着西部大开发的进一步深入以及非常规油气勘探开发技术的应用,西北地区油气资源将得到进一步的开发,西北五省的原油产量大幅提高,在满足自身需求的情况下,有能力向我国中东部地区输送更多油量以保障其发展需求。在2017—2030年期间,新疆向甘肃调出的原油量在逐年提高,从2017年的0.12亿吨增长至2030年的0.48亿吨。

由图17可以看出,在天然气调度方面,我国由中哈管道进口的天然气量随年份的增长呈现先增后趋于稳定的趋势,新疆和陕西两省的天然气外输量随年份增长呈快速增长的趋势。甘肃和宁夏两省主要通过西气东输管道消耗来自于上游省份的天然气,青海借助于柴达木盆地的气田主要满足自身和西藏地区天然气的需求,一部分调至甘肃。

图17 西北五省2017—2030年天然气调度 Fig.17 Gas dispatching diagram of the northwest provinces from 2017 to 2030

随着电气化程度的不断提高,由图18可以看出,在2017—2030年期间,我国对电力的需求将保持高速增长,尤其是中东部地区。我国先进的特高压输电技术使得远距离、大容量的输电成为可能,近几年我国陆续投入诸如哈密—郑州、酒泉—湖南、宁夏—浙江等一系列的特高压输电线路,使得西北地区能源生产地与东南地区能源消费地联系的更加紧密。西北五省的外输电量将大幅提升,将由2017年的94.97 TW·h提高至2030年的2 386.78 TW·h。其中,新疆和宁夏两省外输电量增长的速度最为明显,陕西和甘肃次之。青海以清洁能源发电为主,于2021年左右将通过青海—河南±800 kV特高压直流工程源源不断地向中原大地输送绿色电力。

图18 西北五省2017—2030年电力调度Fig.18 Power dispatching diagram of the northwest provinces from 2017 to 2030

3.4 能源生产建设分析

表4给出了西北五省基准年2017年和预测期末年2030年能源产能的对比分析,包括原煤产能、原油产能、成品油产能、天然气产能。表5给出了2030年电力产能在未加水资源约束和加水资源约束两种情形下的对比分析。

由表4可以看出,在中国中东部可开采煤炭资源量大幅减少的背景下,煤炭的产能基地有向西移的趋势,除青海外,西北五省其他各省区煤炭产能在2017—2030年间均呈增长的趋势。其中,陕西煤炭产能增长最快,由2017年5.75亿吨增长至2030年10.26亿吨;宁夏次之,煤炭产能由2017年0.78亿吨增长至2030年1.18亿吨。甘肃和新疆两省的煤炭产能相对增幅不大,维持稳定增长的状态;青海生态环境脆弱,且作为我国重要的水源涵养地,维持原有煤炭产能建设水平。

在原油产能建设方面,新疆的原油产能随年份增长而增长,其他四省基本不变。新疆拥有新疆油田、塔里木油田两个千万吨级大油田,原油产能将由2017年0.37亿吨增长至2030年的0.82亿吨。

在成品油产能建设方面,西北地区成品油生产将集中在陕西和新疆两省,其成品油产能随年份增加而增加,分别由2017年的0.21亿吨、0.38亿吨增加至2030年的0.56亿吨、0.48亿吨。甘肃、青海和宁夏三省基本维持原有成品油产能水平。

西北地区作为中国天然气主产区之一,在国家大力支持天然气发展的背景下,2017—2030年间天然气产能建设将得到大幅提高。其中,新疆天然气产能提高幅度最大,2030年将达到236.883 Gm3,是2017年的将近7倍;陕西2030年天然气产能将达到187.487 Gm3,是2017年的将近4倍;青海依托柴达木盆地的油气资源,2030年天然气产能将达到20.118 Gm3,是2017的近3倍。甘肃和宁夏两省天然气资源匮乏,产能建设水平较低。

由表5可知,水资源约束的加入进一步限制了西北五省火电的发展,相比于未加水资源约束火电总产能下降了146.16 TW·h,而可再生能源电力的产能建设得到进一步加强,相比于未加水资源约束可再生能源电力总产能上升了46.36 TW·h。

此外,水资源在西北五省各省区的分布也不均衡,其中宁夏和甘肃两省的水资源最为短缺[25],该两省在加水资源约束情况下的火电产能相比于未加水资源约束分别减少了249.82 TW·h和70.46 TW·h,而水资源较为丰富的陕西和青海两省火电产能有所上升,以保障西北五省电力的稳定供应。

表4 西北五省2017年和2030年能源产能建设对比

表5 西北五省2030年加水资源约束前后的电力产能建设对比

4 结 论

本文以2017年为基期,在对西北五省2018—2030年终端能源需求总量进行预测分析的基础上,从供给侧出发,探讨了西北五省未来至2030年在碳排放强度约束和水资源约束下煤、油、气、电4种能源形式的结构变革、生产规划、调度规划和生产建设规划,得出以下结论。

(1)未来至2030年,西北五省一次能源消费总量仍呈明显增加的趋势,但是其能源结构发生了颠覆性改变,原煤、油气和非化石能源的比例从2017年的6∶3∶1变为2030年的3∶3∶4,发展可再生能源是未来实现碳达峰和碳中和的主攻方向。终端能源需求总量呈缓慢增加的趋势,煤炭、油气和电力的比例从2017年的5∶3∶2变为2030年的1∶5∶4,城镇化和电气化是未来发展的趋势。

(2)能源生产方面:煤炭仍是保障能源供应的基础性能源,随着煤炭基地的进一步西移,西北五省煤炭生产量仍呈上升态势;西北五省是我国重要产油区,原油和成品油的生产将低速上升,原油产量将在2028年左右达到峰值;天然气产量明显提升,2030年产量将是2017年的4倍之多,增产潜力大;电力供应能力持续增强,2030年产量相比于2017年提高超过3倍。

(3)能源调度方面:中哈管道进口原油量保持稳定,新疆—甘肃—陕西原油和成品油主干管道输送能力需扩展2~3倍,陕西作为西北五省能源外输的“桥头堡”,原油和成品油外输能力需扩展1~2倍;中国—中亚天然气管线进口天然气量将进一步增加,到2027年将达到管线额定容量85 Gm3,新疆—甘肃—宁夏—陕西天然气主干管道输送能力需扩展3~4倍,陕西和宁夏的外输能力需扩展2~3倍;提升西北五省电力主产地与中东部地区电力消费地的通达能力,国家已开始布局西北五省各省区特高压外输线路的建设,未来有进一步加强的趋势。

(4)能源生产建设方面:煤炭2030年产能将是2017年的1.6倍,原油2030年的产能将比2017年增长47%,均集中于陕西、新疆两省,两省的产能之和将占到总产能的85%;成品油2030年产能将比2017年增长54%,主要集中于陕西和新疆两省,两省成品油产能之和占到成品油总产能的81%;天然气2030年产能将近是2017年的5倍,主要集中于陕西、新疆两省,两省天然气产能之和与天然气总产能之比超过95%;到2030年,可再生能源电力产能将超过火电产能发挥主要作用,而水资源约束的加入更加遏制了宁夏和甘肃两省火电的发展,与此同时水资源较为丰富的陕西和青海两省的火电产能有所上升,以保障西北五省电力的稳定供应。

猜你喜欢
西北原油天然气
一座西北小城
中俄东线天然气管道开通
缠海鞭杆—西北棍
sin
俄罗斯天然气通过中俄东线 天然气管道正式进入中国
大数据是“原油”,不是“汽油”
更正