乡村可再生能源资源评估方法与潜力分析


文|孙涛   清华大学博士


在我国“双碳”目标和乡村振兴战略背景下,农村能源尽管近年来在北方地区清洁取暖行动中完成了部分散煤替代,但仍然消耗着大量散煤和散烧生物质,农村能源的发展面临路径选择问题。维持现状发展会产生大量碳排放,对农民的健康和居住环境产生威胁,加剧城乡不平等。而如果仍采用简单的煤改气或者煤改电替代方式,需要大量基础设施投资,并且高额的运营费用很容易使农户返煤。因此,可再生能源是农村能源发展的必由之路,不仅能够促进农村碳中和及可再生能源的就地利用,改善农村居民的生活条件,还能使得农村从能源消费者转变为能源生产者和供应者,所以评估乡村可再生能源的潜力分布是合理制定发展规划和分布实施的基础。

已有乡村可再生能源评估方法存在的问题

回顾已有乡村可再生能源评估方法,存在一系列问题。对于屋顶光伏资源而言,实地调研只能进行抽样调查,无法大规模应用,导致农村地区数据量比较少,准确度难以保证,并且没有空间分布的信息。对于生物质资源而言,主要依赖于农业部门对农作物产量的统计数值,这些统计资料往往以市县为单位,最多到乡镇级,更详细的空间分布信息是难以获得的,这种评估信息的不完善也容易造成原料保证供应的问题,以及生物电厂争抢燃料的局面,因此提出以卫星影像为基础的乡村可再生能源资源评估方法,与传统的方法相比,这种方法能够满足大范围的研究需求,并且具备资源的空间分布信息。

1651805950(1).png

基于卫星影像的乡村可再生能源评估方法与潜力分析

对于屋顶光伏资源的评估,采用计算机视觉方法中的U-net神经网络,从光学卫星影像中提取屋顶轮廓。由于农村不同屋顶类型光伏板安装方式不同,例如南向斜屋顶只能将光伏板安装在向阳面,而平屋顶和东西向斜屋顶则都可以安装,因此把农村屋顶分为平屋顶、南向斜屋顶和东西向斜屋顶三类,利用实际调研和GIS软件标记好的建筑标签集对模型进行训练。将训练好的模型应用于实际的卫星影象中,能够较为清晰地把卫星影像中属于各类建筑屋顶的轮廓都标记出来。经过多个村落的验证后,识别农村屋顶的总体精度在91%以上,能够满足工程实际需求。在提取各类建筑屋顶之后,考虑不同类型屋顶的面积利用系数,结合当地太阳辐射数据和光伏系统效率得出屋顶光伏发电潜力。将上述方法应用于具体村落可以得到内部各个独栋建筑屋顶光伏发电的潜力。

对于全国范围的农村屋顶光伏资源潜力,则提出分级评估方法。首先在分辨率较低的影像中利用神经网络方法把全国范围乡村建筑区轮廓都提取出来,然后在每个省份选择典型村落,利用上述U-net模型识别建筑区轮廓中的独栋农村建筑屋顶,进而计算出建筑区内的屋顶面积比例系数,对不同省市自治区采用相应抽样的方法进行计算,最终得到全国范围的农村屋顶面积。考虑不同地区太阳辐射的参数以及光伏的系统效率等因素,最终能够得到全国范围的光伏资源潜力。

运用上述分级评估乡村屋顶光伏资源潜力的方法,最终得到我国农村屋顶光伏可装机容量为19.88亿kW,年发电潜力为2.96万亿kWh,按照电力行业目前的发电能耗以及发电碳排可以折合成每年9亿吨的标准煤,每年对于减少碳排放贡献潜力15.7亿吨。从全国到各省、各县、各村、各户建立逐级评估模型,从不同尺度分析农村屋顶光伏发电潜力和空间分布,可为农村光伏发展提供重要的数据支撑。

对于乡村生物质资源的识别则基于遥感卫星影像,重点对农作物秸秆的资源量进行研究,采用归一化植被指标(Normalized Difference Vegetation Index,NDVI)进行识别。该指标由遥感卫星影像每个像素的多波段数据计算得到,数值越接近于1代表该像素越体现出植被的特征。以轮作地区种植的夏玉米为例,其在冬小麦6月份收割后进行播种,10月底成熟之后进行收割,从卫星影像上来看,6月份呈现耕地特征,8月份呈现植被特征,10月份呈现耕地特征,特殊的变化规律可以使用决策树的方法进行识别。将识别出的种植总面积与农业部门统计的耕地面积进行比对,识别精度达到85%以上。

利用上述方法,可以根据不同作物的生长规律从遥感卫星影像中对其进行提取。按照当地各类作物的产量、草谷比和可收集系数,可计算得到秸秆资源量,进而清晰地得到生物质资源分布情况。

对于乡村生物质资源同样建立了分级评估模型,全国秸秆理论资源量为9.4亿吨,考虑收集系数后,可收集量约7.4亿吨,集中于东北、华北、华中地区,可以从省级、县级到村镇级对不同尺度下的生物质资源空间分布进行分析。

上述以卫星影像为基础的乡村可再生能源资源评估方法,不仅能够分析农村范围内可再生资源的总量,还可以清晰地给出空间分布信息,这些资源评估信息将为农村可再生能源发展规划提供重要的数据支撑。