新西兰至2050年电力、供热和交通部门能源需求的高分辨率多情景预测数据集

《Scientific Data》：Projected hourly and regional energy demand for power heat and transport in New Zealand to 2050

本研究针对新西兰缺乏公开、透明且涵盖电力、供热和交通三大部门的精细化能源需求预测数据的问题，开发了一套至2050年的最终能源需求预测数据集。该数据集采用混合建模方法，提供了按部门、能源载体、技术类型划分，并细化到16个区域和小时级别的五种探索性情景（GP、NT、ELEC+、BIO+、H2+）数据。研究成果为分析能源转型路径和长期基础设施规划提供了关键数据支撑，其方法论也可适配于其他国家语境。

　　

实现碳中和是全球面临的紧迫挑战，而精确的能源需求预测是规划未来能源系统转型的基石。对于新西兰这样一个可再生能源占比高（超过80%）、电网独立且致力于2050年净零排放的国家而言，深入了解其未来能源需求模式至关重要。然而，现有的公开数据集往往存在局限性：或仅关注电力部门，而忽略了供热和交通；或缺乏时空分辨率，仅提供国家或年度层面的加总数据；或假设不够透明，难以用于深入的比较分析和模型集成。这种数据空白制约了针对新西兰能源转型的精细化建模、基础设施投资决策以及跨部门协同减排策略的制定。

为了填补这一关键空白，由Rafaella Canessa和Jannik Haas等人组成的研究团队在《Scientific Data》上发表了题为“Projected hourly and regional energy demand for power heat and transport in New Zealand to 2050”的研究论文。该研究旨在构建一套全面、精细且场景化的新西兰最终能源需求预测数据集，为能源系统建模和长期规划提供可靠的数据输入。

研究人员采用了一种混合方法。首先，他们整合了新西兰官方的能源终端使用数据库、交通统计数据、人口预测以及电力市场节点级需求数据等。基于这些数据，研究团队建立了从2020年到2050年（每五年一个间隔）的能源需求基线。为了捕捉未来的不确定性，他们设定了五种具有不同技术偏好和燃料转换路径的探索性情景：全球预测情景，作为参考基准；国家目标情景，反映新西兰现有政策和目标；强化电气化情景，假设电气化进程加速；强化生物质情景，侧重生物质能和生物燃料的广泛应用；以及强化氢能情景，探索氢基燃料在难减排领域的替代潜力。对于供热和交通部门，研究采用了自上而下的方法，将最终能源消费转换为有用能源需求并进行预测，再根据情景设定的技术组合和效率反推未来的能源载体需求。对于电力部门，则采用了自下而上的方法，基于节点级电力需求数据进行区域聚合。最终，数据集将需求分解到16个行政区域，并生成了每小时分辨率的需求曲线，特别是包含了供热电气化和电动汽车充电的典型负荷曲线。

主要研究结果

多情景下的国家能源需求轨迹

研究表明，在不同的情景下，新西兰至2050年的总最终能源需求演变路径差异显著。在强化电气化情景下，由于电能的高效性，总能源需求下降最为明显。而在强化生物质和强化氢能情景下，由于生物质转化或氢合成过程中的能量损失，总能源需求相对较高。所有情景均遵循化石燃料逐步被替代的路径，并在2050年实现剩余液体燃料需求由生物燃料或电子燃料满足。

部门能源需求结构转变

• •
  供热部门：空间采暖和热水需求逐渐电气化，热泵扮演重要角色。工业过程热的需求中，高温应用在强化电气化情景下也倾向于直接电气化，而在其他情景中，生物质燃气、电子燃气等则成为替代选项。
• •
  交通部门：轻型客车是电气化转型最快的领域。重型货车、航空和海运等难电气化领域，在不同情景下呈现多元化技术路径，如生物燃料、电子燃料或氢燃料电池。
• •
  电力部门：研究聚焦于除供热和交通电气化之外的基荷电力需求，其增长相对平缓，但未来随着终端用能电气化比重提升，电力系统的总负荷将显著增加，且负荷曲线形态会因电动汽车充电和热泵运行等而发生变化。

区域和小时级需求差异

研究揭示了新西兰不同区域之间能源需求的显著差异性。工业热需求主要集中在主要的工业中心区域，如怀卡托、坎特伯雷等。居民和商业的供热需求则与人口分布和气候条件密切相关，南岛地区由于冬季更寒冷，采暖需求高于北岛。交通需求则高度集中在奥克兰、惠灵顿等主要都市区。小时级别的需求分析进一步凸显了日内和季节性的波动特征，特别是电动汽车的充电行为对夜间电网负荷产生重要影响，而供热需求则呈现出明显的冬季高峰。

研究结论与意义

本研究成功开发了一套前所未有的、高时空分辨率的新西兰多部门能源需求预测数据集。其核心价值在于：

1. 1.
   全面性与精细化：首次同时覆盖电力、供热和交通三大终端用能部门，并提供区域（16区）和小时级别的精细数据，远超现有公开数据集的粒度。
2. 2.
   场景化与透明度：通过五种逻辑自洽的探索性情景，量化了不同技术选择和政策导向下的能源未来，所有假设和数据来源均公开透明，便于追溯和比较。
3. 3.
   强大的工具性：数据集的结构设计使其能够无缝集成到各种能源系统模型（如容量扩展模型、运行优化模型）中，直接支持碳中和路径分析、电网规划、基础设施投资评估以及政策敏感性测试。
4. 4.
   方法论的可移植性：研究所采用的混合建模框架和数据处理方法具有普适性，为其他国家和地区构建类似的精细化能源需求数据集提供了可借鉴的蓝图。

总之，这项研究不仅为新西兰的能源转型决策提供了坚实的数据基础，其方法论和数据集结构也对全球范围内的国家和地区级能源系统规划具有重要的参考价值。通过提供一个开放、结构化的资源，该研究有力地推动了能源系统分析向着更精细、更透明和更具可比性的方向发展。