在大多数国家朝着其气候目标前进的背景下，电力系统正面临着深刻的转型（联合国气候变化框架公约2024年）。由于其低碳特性和日益明显的成本竞争力，可再生能源已成为国家脱碳努力的主要选择（政府间气候变化专门委员会2023年）。近年来，可再生能源经历了强劲的增长，特别是在中国，其扩张尤为显著（国际能源署2021年）。根据国际能源署的预测，到2030年，可再生能源可能占全球发电量的一半，装机容量将超过10,000吉瓦（国际能源署2024年）。然而，可变可再生能源（VRE）的迅速普及对电力系统平衡构成了重大挑战。它们的固有波动性和不确定性重新定义了能源供应的安全边界，而高比例的VRE需要大规模的电网加固和灵活的资源部署（国际可再生能源机构2024年）。因此，实现电力部门的安全和成本效益脱碳仍然是一个值得进一步讨论的开放性问题。
当前关于电力系统低碳经济规划的研究主要采用专门的建模工具，其中大多数工具基本上依赖于能源平衡计算。广泛采用了两种主要的方法论方法。第一种方法基于涵盖四个季节的典型代表日方法。该方法通常为每个季节选择代表性日子，并在不同时间间隔进行能源平衡分析。例如，Sarmiento等人（2019年）利用全球能源系统模型通过多情景迭代优化解决了到2050年的电力系统规划问题。他们对墨西哥的典型代表日能源平衡分析显示，电力部门的最优可再生能源渗透率为75%，表明了可再生能源目标与气候政策之间的协同作用。L?ffler等人（2019年）将全球能源系统模型扩展为每年有16个代表性时间片段的多部门优化模型。他们关于欧洲低碳转型的研究表明，在短视预测情景下，搁浅资产达到了2000亿欧元，而完美预见策略则将损失减少了75%，这强调了长期规划在缓解转型风险中的关键作用。Gonzalez-Dumar等人（2024年）实施了基于极端代表性日子的每小时分辨率的净负荷变化分析（2022-2030年）。对于哥伦比亚的电力系统，发现水电在正常情况下是足够的，但在干旱季节出现了灵活性缺口。预测表明，由于净负荷的急剧变化，到2050年系统灵活性将下降30%。Li等人（2024年）研究了氢能和热供应对中国电力系统转型路径的影响，使用了一个开发的基于典型小时的规划模型作为分析框架。
典型代表日方法在电力系统转型研究中被广泛采用，因为它适用于长期规划问题的计算。然而，随着VRE比例的增加，系统安全问题变得更加突出，暴露了传统典型代表日方法在捕捉非典型运行条件方面的局限性。为了解决这个问题，最近的研究采用了全年8760小时的时间序列建模进行全面的运行模拟：Pastore等人（2024年）使用H2RES线性规划模型以每小时分辨率优化了意大利2050年的零排放路径，证明了100%可再生能源电力系统的技术可行性，并强调了Power-to-X技术在平衡间歇性发电中的关键作用。Jiang等人开发了一个包含8760小时模拟的线性规划模型，证明了一个东北亚跨国互联电网可以将储能需求减少41%，同时实现0.35元人民币/千瓦时的平准化电价。
Victoria等人（2020年）使用了一个每小时分辨率的网络模型和短视优化，模拟了欧洲分五年步骤的脱碳路径，发现早期稳定的减排措施比后期激进的路径更具成本效益，太阳能和风能成为系统的基石。
Gulagi等人（2022年）在印度各州应用了LUT能源系统转型模型，以每小时分辨率进行模拟，显示100%的可再生能源系统将比现有的燃煤系统更便宜，需要3000吉瓦的太阳能光伏和410吉瓦的风能容量，并由电池储能和合成燃料厂提供灵活性支持。
Deng等人（2023年）通过PyPSA-Brazil模型以每小时间隔优化了巴西的碳中和电力系统，表明整合电子煤油生产可以提高系统效率，其市场份额受到生物煤油成本和碳定价的显著影响。
尽管8760小时模拟可以更好地反映年度运行条件，其高时间分辨率提高了模型的准确性，例如通过精确评估可再生能源的波动性和储能需求，但这种方法也带来了一些挑战，包括增加的计算负担、数据获取的难度和模型复杂性的增加（Chang等人，2021年）。
上述研究基于假设可再生能源输出固定的计算，然而未来的可再生能源发电量往往与预测不符。虽然许多工具解决了运行调度中的短期可再生能源不确定性（He等人，2020年），但长期规划研究主要集中在价格波动性上，对长期可再生能源输出的不确定性考虑有限：Lehtveer和Hedenus（2015年）使用全球能源转型模型进行了百年尺度（2000-2100年）的情景分析，采用1000组随机参数进行蒙特卡洛模拟。他们的研究结果表明，核能可以减少20%的气候缓解成本，但其好处受到碳储存能力和可再生能源成本轨迹的限制。Jeong和Lee（2020年）对韩国2030年的电力系统进行了稳健优化，构建了一个包含可再生能源容量因素和电力波动率的多维不确定性集。他们的结果显示，高比例的可再生能源需要1,875-2,314兆瓦的储能来确保灵活性。Patankar等人（2022年）在Temoa平台上开发了一个美国深度脱碳模型（2017-2050年），通过稳健优化整合了时间相关的投资和燃料成本不确定性。这种方法将总系统成本的可变性降低了8%，同时促进了多样化的发电组合。Seljom和Tomasgard（2015年）使用两阶段随机规划改进了TIMES模型，以评估丹麦长期能源系统中的短期风力发电不确定性。利用历史每小时风力可用性和邻近电价（2006-2011年），他们生成了90个情景来模拟风力间歇性和价格波动。随机方法降低了总系统成本，减少了风力发电的过度投资，并通过灵活的生物质调度和优化电力交易提高了系统的稳健性。
尽管当前的研究工具在特定假设下提供了有价值的见解，但仍有两个关键问题尚未得到解答。首先，如何在计算限制下将亚小时级（高于小时级）的电力平衡约束整合到长期规划模型中，以及其影响是什么？其次，应该如何描述长期VRE的不确定性并将其与高分辨率的波动性结合起来？忽视上述两个问题可能导致：系统某些物理特性的扭曲，从而影响规划结果（Qin等人，2024年）；规划方案的稳健性较差，使其难以抵御未来的不确定性，这可能会误导决策者（Yue等人，2018年）。
为了解决这些挑战，本研究提出了一个新的研究框架：
首先，为了捕捉高分辨率的VRE波动，采用单向软链接方法在极端条件下基于传统规划模型结果进行进一步的高分辨率运行模拟，从而确保系统的可靠性。其次，为了考虑未来的不确定性，使用历史分布数据和分钟级发电剖面进行分钟级蒙特卡洛模拟，以模拟未来VRE的不确定性和波动性。为了进一步明确本研究的方法论定位，并将其与现有文献明确区分开来，表1提供了代表性电力系统规划研究的比较总结。比较重点关注时间分辨率、可再生能源波动性和不确定性的处理方式及其在长期规划中的适用性。如所示，尽管先前的研究在提高时间分辨率或解决不确定性方面取得了重要进展，但没有一个研究同时在统一的规划框架内整合了分钟级波动性和长期可再生能源不确定性。这一差距激发了本工作的方法论贡献。
选择中国电力系统作为案例研究，主要有以下原因：首先，中国是世界上最大的碳排放国和最大的发展中国家，其电力系统面临着减少碳排放和快速增长电力需求的双重压力（Guan等人）。其次，中国坚定致力于脱碳，VRE的增长迅速。2024年，其风能和太阳能的装机容量超过了煤炭发电量（国家能源局）。最后，电力-能源平衡的挑战在中国某些地区变得越来越突出（中国气象局），解决这些问题可以为其他追求脱碳的发展中国家提供宝贵的见解。
本文的结构如下：第2节介绍框架和模型，第3节介绍输入数据，第4节讨论多情景分析的结果。
