輸電網(wǎng)絡(luò)聯(lián)通下的可再生電力消納省際空間特征研究

楊蕙嘉，趙振宇，葉慧男

（華北電力大學(xué)，北京 102206）

0 引言

近年來(lái)，我國(guó)可再生能源電力建設(shè)投資增長(zhǎng)迅速。自2007年以來(lái)的年投資額居世界首位，到2017年非水可再生能源累計(jì)裝機(jī)容量占世界總量的31%。在可再生能源快速發(fā)展的同時(shí)，也帶來(lái)?xiàng)夛L(fēng)棄光棄水等問(wèn)題，影響可再生能源消納水平的整體提升[1]。輸電網(wǎng)絡(luò)的互聯(lián)互通是實(shí)現(xiàn)可再生能源高比例開(kāi)發(fā)利用的重要支撐[2]。因此，應(yīng)針對(duì)省域的不同情況系統(tǒng)地識(shí)別輸電網(wǎng)絡(luò)連接下的省際可再生能源消納特征，深入挖掘省際空間效應(yīng)，有助于制定科學(xué)的區(qū)域發(fā)展政策。

近年來(lái)，探索性空間數(shù)據(jù)分析（ESDA）方法作為分析空間關(guān)系的有效工具，被應(yīng)用于傳統(tǒng)化石能源、碳排放、能源效率等區(qū)域差異分析的研究中。例如，文獻(xiàn)[3]度量了2010-2014年中國(guó)248 個(gè)城市能源生產(chǎn)的區(qū)域集聚特征，為區(qū)域差異化能源生產(chǎn)政策的制定提供依據(jù)；文獻(xiàn)[4]分析了2012年希臘51 個(gè)管轄區(qū)能源需求的空間集聚特征；文獻(xiàn)[5]運(yùn)用地理學(xué)、區(qū)域經(jīng)濟(jì)學(xué)等理論探究陜西省能源時(shí)空格局演化規(guī)律特征。同時(shí)，地理信息系統(tǒng)（GIS）也成為分析和評(píng)價(jià)可再生能源開(kāi)發(fā)利用的有效工具。例如，文獻(xiàn)[6]運(yùn)用GIS 工具直觀展示了我國(guó)2011-2014年省際可再生能源電力耦合協(xié)調(diào)性的發(fā)展趨勢(shì)。

研究與實(shí)踐表明，可再生能源電力的開(kāi)發(fā)利用與市場(chǎng)交易，在很大程度上依賴(lài)于區(qū)域間電力網(wǎng)的互聯(lián)互通[2]。隨著特高壓輸電技術(shù)日趨成熟，以“三華”（華北、華東、華中）特高壓電網(wǎng)為核心的骨干網(wǎng)架，形成了東北、西北、西南三大送端和“三華”受端的4 個(gè)同步電網(wǎng)格局[7]；通過(guò)加強(qiáng)各級(jí)電網(wǎng)的協(xié)調(diào)發(fā)展，構(gòu)建形成安全穩(wěn)定的智能電網(wǎng)，充分發(fā)揮電網(wǎng)在實(shí)現(xiàn)高比例可再生能源發(fā)展中的資源配置作用。在國(guó)外區(qū)域網(wǎng)絡(luò)研究方面，文獻(xiàn)[8]，[9]基于德國(guó)區(qū)域網(wǎng)絡(luò)，使用粗糙集分析德國(guó)18 個(gè)區(qū)域推行可再生能源轉(zhuǎn)型的驅(qū)動(dòng)因素，描述歐洲高比例可再生能源電力網(wǎng)絡(luò)，對(duì)30 個(gè)歐洲國(guó)家全年天氣和電力需求進(jìn)行分析，提出最優(yōu)可再生能源發(fā)電配比。

目前，從地理學(xué)和空間計(jì)量視角對(duì)中國(guó)區(qū)域可再生能源消納的定量分析較為欠缺，亟待開(kāi)展對(duì)輸電網(wǎng)絡(luò)關(guān)系建模及實(shí)證方面的研究。本文以全國(guó)31 個(gè)省級(jí)行政區(qū)可再生能源消納水平為研究對(duì)象，基于輸電網(wǎng)絡(luò)關(guān)系，驗(yàn)證并討論了省域可再生能源消納水平的空間特征及演化趨勢(shì)，以更好地引導(dǎo)可再生能源開(kāi)發(fā)利用。

1 中國(guó)省際可再生能源消納及輸電網(wǎng)絡(luò)

1.1 資料來(lái)源及內(nèi)容

本研究的資料來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》、《全國(guó)可再生能源電力發(fā)展監(jiān)測(cè)評(píng)價(jià)報(bào)告》，收集了2015-2017年除港、澳、臺(tái)外的31 省級(jí)行政區(qū)地理矢量數(shù)據(jù)、區(qū)域電網(wǎng)狀況、特高壓線(xiàn)路建設(shè)及輸電量、可再生能源（水能、風(fēng)能、光能、生物質(zhì)能）消納量和全社會(huì)用電量數(shù)據(jù)。其中，各行政區(qū)的可再生能源消納量為本地區(qū)可再生能源發(fā)電量與外區(qū)域輸入的可再生能源電量之和，再扣除跨區(qū)送出的可再生能源電量。

跨區(qū)輸送是可再生能源消納和發(fā)展的重要途徑?？鐓^(qū)送出以可再生能源發(fā)電企業(yè)與省級(jí)電網(wǎng)簽署跨區(qū)跨省購(gòu)售電協(xié)議方式，發(fā)電量計(jì)入購(gòu)電省份?！笆∷蛥^(qū)域”按該區(qū)域內(nèi)各省全社會(huì)用電量所占比重，計(jì)算各省輸入電量?？鐓^(qū)輸入主要有“獨(dú)立點(diǎn)對(duì)網(wǎng)”、“混合點(diǎn)對(duì)網(wǎng)”和“網(wǎng)對(duì)網(wǎng)”3 種情況。“獨(dú)立點(diǎn)對(duì)網(wǎng)”跨區(qū)輸入，即可再生能源電力項(xiàng)目直接并入?yún)^(qū)域外受端電網(wǎng)，計(jì)入受端電網(wǎng)區(qū)域消納量。“混合點(diǎn)對(duì)網(wǎng)”跨區(qū)輸入，即采取與火電或水電等打捆方式向區(qū)外輸電，受端電網(wǎng)接受的可再生能源電量為外送中的可再生能源電量?！熬W(wǎng)對(duì)網(wǎng)”跨區(qū)輸入，即區(qū)域間或省間電網(wǎng)輸送的可再生能源電量，按電力交易機(jī)構(gòu)的結(jié)算電量確定。

1.2 可再生能源電力消納

2015-2017年，我國(guó)可再生能源消納量不斷增長(zhǎng)，在全社會(huì)用電量中的占比穩(wěn)步提高?？稍偕茉措娏ο{量及全社會(huì)用電量占比如圖1 所示。2016，2017年可再生能源電力消納量分別同比增長(zhǎng)10.5%和10.8%，非水可再生能源電力消納量分別同比增長(zhǎng)33.8%和35.2%，遠(yuǎn)高于全社會(huì)用電量增幅5.0%和6.6%。

圖1 2015-2017年可再生能源電力消納量及全社會(huì)用電量占比Fig.1 Consumption amount of renewable energy power and its proportion in the whole society electricity consumption during 2015-2017

從省際發(fā)展看，基于資源狀況、經(jīng)濟(jì)發(fā)展水平和能源結(jié)構(gòu)的不同，各省的可再生能源開(kāi)發(fā)利用目標(biāo)不同，發(fā)展過(guò)程有顯著差異。例如，西藏、四川、 云南可再生能源電力消納占比達(dá)80%以上，而山東不足10%。從完成2020年非水電可再生能源電力消納目標(biāo)來(lái)看，2015-2017年的目標(biāo)完成質(zhì)量逐年提高，但省際發(fā)展仍有較大差距。2015年，僅青海、寧夏兩省完成目標(biāo)，但有14 個(gè)省（市）的消納水平不足目標(biāo)的50%。到2017年，17 個(gè)?。ㄊ校┮淹瓿赡繕?biāo)，遼寧、陜西、江蘇、貴州、湖北5省已超過(guò)2020年目標(biāo)的70%以上，但廣東、海南、重慶3 ?。ㄊ校┤缘陀?020年目標(biāo)的50%。

1.3 省際輸電網(wǎng)絡(luò)

經(jīng)過(guò)近10 余年的投資建設(shè)，中國(guó)目前已形成東北、華北、華中、華東、西北和南方6 個(gè)跨省的大型區(qū)域電網(wǎng)（表1）。東北電網(wǎng)與華北電網(wǎng)、華中電網(wǎng)與西北電網(wǎng)、華中電網(wǎng)與南方電網(wǎng)、華北電網(wǎng)與華中電網(wǎng)、華中電網(wǎng)與華東電網(wǎng)有輸電線(xiàn)路連接，形成了較完整的長(zhǎng)距離輸電網(wǎng)架結(jié)構(gòu)。區(qū)域電網(wǎng)內(nèi)部一般由省級(jí)或地市級(jí)電網(wǎng)構(gòu)成。本文將內(nèi)蒙古自治區(qū)、 河北省轄區(qū)電網(wǎng)分別歸入東北電網(wǎng)和華北電網(wǎng)。

表1 中國(guó)區(qū)域電網(wǎng)構(gòu)成Table 1 Composition of Chinese regional power grid

根據(jù)能源技術(shù)水平的發(fā)展及能源供需的增長(zhǎng)，特高壓輸電以其具有的輸出電壓高、輸送容量大、傳輸距離遠(yuǎn)等優(yōu)勢(shì)，得到快速的發(fā)展建設(shè)。自2009年第一條特高壓線(xiàn)路投運(yùn)以來(lái)，到2017年底我國(guó)已建成投運(yùn)21 條特高壓線(xiàn)路，輸電線(xiàn)路長(zhǎng)度達(dá)3.1 萬(wàn)km，初步形成“強(qiáng)交強(qiáng)直”特高壓輸電骨干網(wǎng)架。我國(guó)特高壓線(xiàn)路及投運(yùn)時(shí)間如表2 所示。特高壓交流輸電中間可有落點(diǎn)，具有網(wǎng)絡(luò)功能，而直流輸電線(xiàn)路無(wú)落點(diǎn)，能實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)、大功率、遠(yuǎn)距離輸送。2017年度，我國(guó)跨區(qū)輸電容量超過(guò)1.3 億kW，其中交直流聯(lián)網(wǎng)跨區(qū)輸電容量超過(guò)1.17 億kW。2017年特高壓線(xiàn)路輸送可再生能源電量 1 900 億 kW·h，比 2016年上升了 10%，占全部輸送電量的63%。

表2 特高壓線(xiàn)路及投運(yùn)時(shí)間Table 2 UHV lines and its operation time

2 空間計(jì)量經(jīng)濟(jì)方法及建模

幾乎所有空間數(shù)據(jù)都具有空間依賴(lài)或空間自相關(guān)特征，即鄰近區(qū)域單元上的某種地理現(xiàn)象與某一屬性值相關(guān)。傳統(tǒng)統(tǒng)計(jì)分析方法忽視了這種區(qū)域的空間相關(guān)性。Krugman 首次將空間影響因素納入地區(qū)間經(jīng)濟(jì)問(wèn)題的分析中，形成了空間計(jì)量經(jīng)濟(jì)學(xué)的框架[19]。其中，探索性空間數(shù)據(jù)分析方法（ESDA）的核心是測(cè)量空間關(guān)聯(lián)度，分析研究樣本在特定空間關(guān)聯(lián)下的相互作用機(jī)制。

2.1 空間權(quán)重矩陣建模

空間權(quán)重矩陣是進(jìn)行空間計(jì)量分析的基礎(chǔ)，用以定義空間樣本的相互鄰接關(guān)系?？臻g權(quán)重矩陣測(cè)度是以空間單元二進(jìn)制鄰接理念為基礎(chǔ)，構(gòu)建一個(gè)n×n 的矩陣，以描述樣本的空間關(guān)系，通過(guò)計(jì)算權(quán)重來(lái)反映鄰近要素間的關(guān)聯(lián)與程度，其定義如下：

為準(zhǔn)確刻畫(huà)并對(duì)比中國(guó)省際可再生消納空間特征，本文采用邊角鄰接關(guān)系的二進(jìn)制概念化方法、 反距離函數(shù)的權(quán)重概念化方法和基于輸電網(wǎng)絡(luò)聯(lián)通的概念化方法建立3 類(lèi)空間權(quán)重矩陣。

（1）基于邊角鄰接關(guān)系

根據(jù)直接相鄰關(guān)系，建立邊角鄰接權(quán)重矩陣WC，只要兩個(gè)省域地理空間有公共的邊或點(diǎn)，即為相鄰要素，對(duì)應(yīng)權(quán)值為1；否則，權(quán)值為0。

（2）基于反距離函數(shù)權(quán)重

根據(jù)反距離函數(shù)，定義權(quán)重為一個(gè)省域?qū)α硪粋€(gè)省域的影響隨著距離的增加而減少。通過(guò)ArcGIS10.2 建立反距離空間權(quán)重矩陣WI。

（3）基于輸電網(wǎng)絡(luò)聯(lián)通關(guān)系

通過(guò)區(qū)域電網(wǎng)與特高壓線(xiàn)路顯示，中國(guó)省域間存在地理上不相鄰，但電力生產(chǎn)消費(fèi)相關(guān)的現(xiàn)象。根據(jù)2015-2017年區(qū)域電網(wǎng)及特高壓線(xiàn)路建設(shè)發(fā)展情況，分別建立電網(wǎng)連接權(quán)重矩陣WE-2015，WE-2016，WE-2017。假設(shè)某省通過(guò)區(qū)域電網(wǎng)與區(qū)內(nèi)省份有緊密電網(wǎng)連接，或通過(guò)投運(yùn)的特高壓輸電線(xiàn)路與線(xiàn)路連接省份有緊密電網(wǎng)連接，權(quán)值為1；否則權(quán)值為0。圖2 為2017年電網(wǎng)連接權(quán)重矩陣關(guān)系示意圖。

圖2 2017年電網(wǎng)連接權(quán)重矩陣關(guān)系示意圖Fig.2 Schematic diagram of grid connection weight matrix in 2017

應(yīng)用ArcGIS 軟件進(jìn)行權(quán)重矩陣分析，各矩陣連通情況見(jiàn)表3。電網(wǎng)連接權(quán)重矩陣WE的空間連通性介于邊角鄰接矩陣WC和反距離矩陣WI之間；邊角鄰接矩陣WC空間連通數(shù)最少，為139，空間連通性最弱，為14.46%。值得注意的是，雖然2015年電網(wǎng)連接權(quán)重矩陣WE的空間連通性略低于邊角鄰接矩陣WC，但2015-2017年的空間連通數(shù)和空間連通性對(duì)應(yīng)特高壓線(xiàn)路建設(shè)而增長(zhǎng)，于2016年超過(guò)邊角連接矩陣。與 WC和 WI相比，電網(wǎng)連接矩陣WE能夠科學(xué)刻畫(huà)中國(guó)省際電力傳輸?shù)目臻g關(guān)聯(lián)。

表3 空間權(quán)重矩陣連通情況Table 3 Connectivity of spatial weight matrixes

2.2 空間自相關(guān)檢驗(yàn)?zāi)Ｐ?/h3>

空間自相關(guān)是指一個(gè)區(qū)域單元上的某種地理現(xiàn)象或某屬性值，與鄰近區(qū)域單元上同一現(xiàn)象或?qū)傩灾甸g有空間依賴(lài)。受空間相互作用影響，屬性彼此之間不再相互獨(dú)立?？紤]到Moran指數(shù)統(tǒng)計(jì)判斷空間集聚區(qū)域更為準(zhǔn)確可靠，本文應(yīng)用Moran's I 模型從全局和區(qū)域兩方面進(jìn)行測(cè)度。

（1）全局空間自相關(guān)

全局空間自相關(guān)系數(shù)Global Moran's I 用于揭示屬性值在整個(gè)區(qū)域的空間分布態(tài)勢(shì)，反映了某一屬性在空間上的關(guān)聯(lián)度，其計(jì)算式如下：

式中：n 為要素總數(shù)；wij是要素 i 和 j 之間的空間權(quán)重矩陣；zi是要素i 屬性值xi與其平均值偏差，即

統(tǒng)計(jì)的zI得分按式（3）計(jì)算：

式中：E（I）=－1/（n-1）；V（I）=E（I2）－[E（I）]2。

Moran's I 估計(jì)值介于[-1，1]，當(dāng) Moran's I＞0時(shí)，表明空間正相關(guān)，呈現(xiàn)集聚趨勢(shì)；當(dāng)Moran's I＜0時(shí)，表明空間負(fù)相關(guān)，呈現(xiàn)離散趨勢(shì)。

（2）局部空間自相關(guān)

全局空間自相關(guān)分析可以描述某現(xiàn)象的整體分布狀況，判斷此現(xiàn)象在空間是否有集聚特性存在，但不能判斷集聚在哪些地區(qū)。局部空間自相關(guān)Local Moran's I 用以衡量區(qū)域單一要素或?qū)傩缘目臻g關(guān)聯(lián)模式，反映了區(qū)域局部鄰近單元的空間集聚現(xiàn)象。當(dāng)Ii＞0 時(shí)，表明局部單元的屬性值具有空間聚集效應(yīng)；當(dāng)Ii＜0 時(shí)，表明局部單元的屬性值具有空間分散效應(yīng)。局部空間自相關(guān)系數(shù)Ii計(jì)算式如下：

式中：S2為樣本方差。

根據(jù)觀測(cè)值與滯后值測(cè)度結(jié)果，可得4 類(lèi)局部空間集聚形式： 高值聚類(lèi) （HH） 和低值聚類(lèi)（LL） 分別代表高觀測(cè)值或低觀測(cè)值的區(qū)域單元與同是高值或低值的區(qū)域鄰接；低高聚類(lèi)（LH）代表低觀測(cè)值的區(qū)域單元被高值區(qū)域所包圍；高低聚類(lèi)（HL）代表高觀測(cè)值的區(qū)域單元被低值區(qū)域所包圍。

3 省域可再生能源消納水平的空間特征分析

3.1 全局空間關(guān)聯(lián)分析

根據(jù)2017年31 個(gè)省域的可再生能源消納指標(biāo)，計(jì)算全局Moran's I 和檢驗(yàn)統(tǒng)計(jì)量Z 列于表4。由表4 可以看出，3 種空間權(quán)重矩陣定義下的消納比例指標(biāo)統(tǒng)計(jì)檢驗(yàn)量Z 值在5%的水平上均大于 1.96，全局 Moran's I 均大于 0，表明 31 個(gè)省域的可再生能源消納比例均表現(xiàn)出較強(qiáng)的全局空間自相關(guān)，即省際可再生消納比例水平的空間分布格局有集聚性，可再生能源消納水平較高（或較低）的省際集聚分布。

表4 不同空間鄰接關(guān)系下觀測(cè)指標(biāo)的全局Moran's I 值及檢驗(yàn)統(tǒng)計(jì)值Table 4 Global Moran's I values and test statistics of observation indexes under different spatial adjacency relations

基于電網(wǎng)連接矩陣 WE對(duì)2017年各屬性的測(cè)度結(jié)果可知，非水可再生能源消納比例的Moran's I 值最大，表明 31 個(gè)省域的非水可再生能源消納比例的空間集聚性最顯著。因此，選取該指標(biāo)進(jìn)一步研究輸電網(wǎng)連接下省際可再生能源消納水平空間演進(jìn)特征，基于2015-2017 各年度電網(wǎng)連接矩陣對(duì)該指標(biāo)進(jìn)行 Moran's I 值計(jì)算及檢驗(yàn)，結(jié)果如表4所示。2015-2017年中國(guó)31 個(gè)省域非水可再生能源消納比例均表現(xiàn)較強(qiáng)的全局空間自相關(guān)特征，同時(shí) Moran's I 值明顯減小，即省域集聚程度明顯減弱，格局分布呈現(xiàn)明顯區(qū)域均衡的演變特征。

3.2 局部空間關(guān)聯(lián)分析

為進(jìn)一步考慮各省域局部空間特征，進(jìn)行局部空間關(guān)聯(lián)性分析。應(yīng)用ArcGIS 軟件繪制5%置信度下的2015-2017年中國(guó)31 個(gè)省域非水可再生能源消納比例的Moran 顯著性如圖3所示。由圖3 可以看出，中國(guó)省域主要以高值聚類(lèi)和低值聚類(lèi)分布形式為主，沒(méi)有集聚類(lèi)型間的顯著轉(zhuǎn)化。2015年北部地區(qū)省域集聚效應(yīng)較為顯著；到2016年，北部集聚特征省域范圍縮?。坏?017年集聚特征省份主要位于西部偏南及東北兩省，呈現(xiàn)從單一極化到多核擴(kuò)散的結(jié)構(gòu)轉(zhuǎn)化特征。

圖3 2015-2017年省域非水可再生能源消納比例的Moran 顯著性圖Fig.3 Moran significance charts of the non-hydro renewable energy consumption ratio of Chinese provinces during 2015-2017

2015-2017年，非水可再生能源消納比例呈集聚空間特征的省級(jí)行政區(qū)列于表5。在研究期內(nèi)，表現(xiàn)為正空間自相關(guān)（高值聚類(lèi)和低值聚類(lèi)）的省域數(shù)量總數(shù)在減少，從2015年的10 個(gè)減少到2017年的7 個(gè)，異質(zhì)區(qū)域（低高聚類(lèi)）的區(qū)域減少為0。這表明在非水可再生能源消納比例水平提升過(guò)程中，極化現(xiàn)象減弱，非水可再生能源消納水平逐漸向均衡發(fā)展。

表5 2015-2017年非水可再生能源消納比例呈空間集聚模式的省級(jí)行政區(qū)Table 5 Provinces present spatial agglomeration pattern of non-hydro renewable energy consumption ratio during 2015-2017

青海、甘肅、寧夏、吉林4 ?。ㄗ灾螀^(qū)）始終表現(xiàn)為HH 空間集聚模式，在研究期內(nèi)特征穩(wěn)定。這表明其非水可再生能源消納比例均處于較高水平，且通過(guò)輸電網(wǎng)連接的鄰接省域具有同樣較高的消納水平，是非水可再生能源消納總體水平提升的重要區(qū)域。

內(nèi)蒙古在2015-2016年呈現(xiàn)HH 空間集聚模式，2017年未呈現(xiàn)顯著特征。2015-2017年非水可再生能源消納比例分別為12%，15.3%，18.3%，增幅為52.5%。在東北區(qū)域電網(wǎng)內(nèi)，與內(nèi)蒙古相連接的遼寧、吉林、黑龍江 3 省，2015-2017年，非水可再生能源消納比例分別增長(zhǎng)19.5%，34.42%，42.34%，均小于內(nèi)蒙古的增幅。2016-2017年，陸續(xù)建設(shè)投運(yùn)的錫盟-山東 （內(nèi)蒙古-北京-山東）、蒙西-天津南（內(nèi)蒙古-山西-北京-天津）、錫盟-江蘇泰州、上海廟-臨沂、扎特魯-青州5 條特高壓線(xiàn)路的連通，拓展了內(nèi)蒙古的省域鄰接關(guān)系，使內(nèi)蒙古消納水平的極化效應(yīng)減弱，促進(jìn)了區(qū)域的均衡發(fā)展。

呈現(xiàn)LL 空間集聚模式的省市數(shù)量逐年下降。在此期間，四川始終表現(xiàn)為低消納比例低空間滯后值；江西、重慶于2016-2017年不再呈現(xiàn)明顯聚集特征。這主要是因?yàn)橹貞c可再生能源消納以水電為主，自身非水可再生能源消納比例水平較低；所處中部電網(wǎng)的省域（江西）的消納水平總體偏低。同時(shí)，特高壓線(xiàn)路以輸送水電或水、火電為主，且受端（江蘇、上海）的可再生能源消納水平偏低。

在2015-2016年，僅陜西省呈現(xiàn)LH 空間集聚模式，2017年未呈現(xiàn)顯著聚集特征。該省2017年非水可再生能源消納比例為7.7%，較2015年的2.7%、2016年的3.8%水平有顯著提升，與區(qū)域電網(wǎng)內(nèi)高消納水平的青海、甘肅、寧夏等省縮小了差距。同時(shí)，通過(guò)2017年投運(yùn)的榆橫-濰坊特高壓線(xiàn)路，山西省在原有區(qū)域電網(wǎng)連接的基礎(chǔ)上新增加與山東省的連接，使陜西省與鄰接區(qū)域發(fā)展水平較為均衡，不再呈現(xiàn)顯著的集聚特征。

綜上分析，輸電網(wǎng)絡(luò)連接對(duì)省際非水可再生能源消納水平的聚集模式影響較大，減弱了省域發(fā)展極化效應(yīng)。

4 結(jié)論

本文應(yīng)用EDSA 方法和GIS 技術(shù)，對(duì)2015-2017年31 個(gè)省級(jí)行政區(qū)域的可再生能源消納水平進(jìn)行空間相關(guān)性與集聚特征研究?？紤]中國(guó)區(qū)域電網(wǎng)與特高壓建設(shè)的實(shí)際情況，首次建立了基于輸電網(wǎng)絡(luò)聯(lián)通關(guān)系的空間關(guān)聯(lián)權(quán)重矩陣，科學(xué)地分析描述省際互聯(lián)關(guān)系；并與地理鄰接關(guān)系和地理距離關(guān)系空間權(quán)重矩陣對(duì)比，描述省際可再生能源消納指標(biāo)的特征?；贛oran 指數(shù)測(cè)度結(jié)果，分析了中國(guó)省際可再生能源消納水平的空間演變特征及區(qū)域集聚效應(yīng)。

基于輸電網(wǎng)絡(luò)聯(lián)通關(guān)系，31 個(gè)省域非水可再生能源消納比例指標(biāo)的空間相關(guān)性最顯著。2015-2017年，該屬性表現(xiàn)顯著省域集聚特征，但集聚程度明顯減弱。該屬性主要表現(xiàn)為兩類(lèi)同質(zhì)集聚現(xiàn)象：一是高水平集聚，其代表省域有青海、甘肅、寧夏、吉林；二是低水平集聚，其代表省域?yàn)樗拇ā?015-2017年呈現(xiàn)同質(zhì)集聚的省域數(shù)量總量減少，高水平發(fā)展發(fā)生在少數(shù)增長(zhǎng)極地區(qū)，但極化效應(yīng)導(dǎo)致的空間集聚明顯減弱，從單一極化到多核擴(kuò)散性結(jié)構(gòu)轉(zhuǎn)化。

輸電網(wǎng)絡(luò)提升了傳統(tǒng)省域鄰接建模的通達(dá)性與準(zhǔn)確性。輸電網(wǎng)絡(luò)，尤其是特高壓項(xiàng)目的建設(shè)，對(duì)可再生能源消納水平省域發(fā)展具有顯著的均衡作用。較早開(kāi)展構(gòu)建特高壓布局的省份（如：內(nèi)蒙古、新疆），伴隨特高壓線(xiàn)路作用的發(fā)揮，在保持自身水平較快提升的基礎(chǔ)上，發(fā)揮增長(zhǎng)極的拉動(dòng)擴(kuò)散效應(yīng)，輻射更多發(fā)展欠發(fā)達(dá)地區(qū)。因此，積極合理布局外送通道建設(shè)是區(qū)域?qū)崿F(xiàn)良性循環(huán)的重要基礎(chǔ)。

建議今后應(yīng)完善輸電線(xiàn)路的網(wǎng)絡(luò)化建設(shè)，合理布局，拓展區(qū)域聯(lián)通，提升線(xiàn)路利用率；加強(qiáng)區(qū)域之間的聯(lián)動(dòng)發(fā)展，既考慮區(qū)域的整體性，又因地制宜，促進(jìn)可再生能源開(kāi)發(fā)利用水平的整體提升。須注意的是，輸電線(xiàn)路對(duì)可再生能源消納的促進(jìn)作用具有一定滯后性，其空間作用值得持續(xù)研究。