“双碳”目标下电力系统供给侧形态发展系统动力学建模与分析

doi:10.16183/j.cnki.jsjtu.2021.294

“双碳”目标下电力系统供给侧形态发展系统动力学建模与分析

陈文溆乐, 向月^,, 彭光博, 刘友波, 刘俊勇

四川大学电气工程学院, 成都 610065

System Dynamic Modeling and Analysis of Power System Supply Side Morphological Development with Dual Carbon Targets

CHEN Wenxule, XIANG Yue^,, PENG Guangbo, LIU Youbo, LIU Junyong

College of Electrical Engineering, Sichuan University, Chengdu 610065, China

通讯作者: 向月,男,副教授,博士生导师,电话(Tel.):028-85405614;E-mail:xiang@scu.edu.cn.

责任编辑: 陈晓燕

收稿日期: 2021-07-30

基金资助:

国家电网公司科技项目“多目标动态平衡的电网投资规划技术与价值衍生评估研究”(1400-202157215A-0-0-00)

Received: 2021-07-30

作者简介 About authors

陈文溆乐(1998-),女,重庆市人,硕士生,从事低碳电力系统研究.

摘要

为了模拟双碳目标对电力系统供给侧形态发展的影响,通过分析电源结构转型过程中碳排放的主要影响因素及其相关关系,构建4种不同发展情景的系统动力学模型.仿真分析了4种发展路径下发电结构、电力碳排放的演化趋势.结果表明:电力系统能源供给侧形态发展受多种因素的共同影响,在政策大力支持的前提下,市场消纳机制和消纳技术的发展促进电力系统发电结构的转型,对双碳目标的实现具有重要意义.

关键词： 双碳目标; 供给侧; 碳排放; 系统动力学

Abstract

In order to simulate the impacts of carbon peaking and carbon neutrality goals on power system supply side transformation from, the system dynamics method is used to analyze the main influencing factors for carbon emissions in the process of power structure transformation and their correlations under four different development scenarios. The evolution of power generation structure and power carbon emission in four development paths are studied. The results show that the power system supply side transformation would be affected by many factors. Under the premise of policy support, the development of market absorption mechanism and absorption technology would contribute to the transformation of the power generation structure, which is of great significance to the realization of the dual carbon targets.

Keywords： carbon peaking and carbon neutrality goals; supply side; carbon emissions; system dynamics

PDF (1778KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

陈文溆乐, 向月, 彭光博, 刘友波, 刘俊勇. “双碳”目标下电力系统供给侧形态发展系统动力学建模与分析[J]. 上海交通大学学报（自然版）, 2021, 55(12): 1567-1576 doi:10.16183/j.cnki.jsjtu.2021.294

CHEN Wenxule, XIANG Yue, PENG Guangbo, LIU Youbo, LIU Junyong. System Dynamic Modeling and Analysis of Power System Supply Side Morphological Development with Dual Carbon Targets[J]. Journal of shanghai Jiaotong University, 2021, 55(12): 1567-1576 doi:10.16183/j.cnki.jsjtu.2021.294

中国提出力争在2030年前实现碳达峰,努力争取在2060年前实现碳中和.从二氧化碳的排放源分析,与能源有关的碳排放占比近九成,其中电力的碳排放又占到八成,能源供给侧变革成为碳中和技术的主线^[1,2,3].因此,研究双碳目标下未来电力系统中能源供给侧结构如何演化十分必要.

系统动力学(System Dynamics, SD)于1956年创立,在20世纪70年代被引进中国.通过对系统论、信息论、控制论进行有机结合,SD能够定性和定量地分析多变量、多重反馈、高阶次、高度非线性的变量关系,是解决复杂系统中多元信息反馈问题的有效方法之一,在解决电力系统相关领域的问题方面也体现出了一定的优越性^[4,5].

基于中国输配电价政策,文献[6]研究了输配电价政策对电网企业现金流的影响,运用SD理论建立了企业投资优化决策模型,并以某市为例对电力市场改革后电网企业的投资决策提出建议和政策含义.文献[7]搭建了分布式光伏电能共享与配电网层面交互模型的SD模型,分析了不同分布式光伏安装率和上网电价下的共享价值变化.文献[8]通过系统动力学模型生成多种经济发展场景来模拟供给侧结构性改革的不确定性,实现中长期负荷外推预测.

系统动力学在电价分析、电力投资经济性、负荷预测方面已有较多研究,但在能源规划方面的应用较少,尤其是电力系统能源供给侧改革中少有应用.在“碳中和、碳达峰”背景下,通过对比其他国家,围绕技术链和产业链,文献[9]提出中国能源高质量发展的3个显性途径和1个隐性途径,建议将关键核心技术纳入国家科技计划.文献[10]调研国内外智能电网的背景、发展现状、关键技术,对我国建设智能电网的关键技术进行分析.文献[11]将产能投资和设备资产动态演变解耦,建立能源替代模型,揭示了天然气消费替代带来的能源供应安全冲击和能源设备资产搁浅的形成机理.基于我国30个省份的面板数据,文献[12]评估了碳交易市场规模的碳减排效应.文献[13]以发电市场碳减排政策为研究对象,构建了基于SD理论的发电行业市场节能减排政策影响模型,分析不同政策情景下,对碳减排及电力市场的影响.已有研究中对能源发展路径、智能电网主要技术、电能替代、减碳效应等进行了分析,但限于研究时未考虑电力系统中供给侧能源演化发展与碳排放之间的相互影响关系,无法定量分析供给侧能源发展路径中各因素对碳减排的贡献程度.

针对以往研究的不足,本文在长时间尺度下探讨不同情景碳排放可能发生的变化,从电力系统发电结构转型的角度出发,提出一种基于系统动力学的能源网发展演化模型,综合考虑双碳目标的政策指导、技术发展应用、电力市场潜力等影响因素.

1 系统动力学模型构建

SD首先以实际观测到的初始系统信息为基础,然后再辅以计算机仿真模拟技术帮助分析者进行路径优化从而预测系统行为变化,具体系统动力学建模步骤如图1所示.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 系统动力学模型建模步骤

Fig.1 Modeling steps of system dynamics model

2 SD模型构建

2.1 分析提炼关键因素

基于SD建模原理,根据《能源生产和消费革命战略(2016—2030)》^[14]对能源供给侧结构性改革作出的要求,非化石能源在一次能源消费中的比重、非化石能源发电量占比、电力系统碳排放总量都是重要考虑因素.人口数量、全社会用电量、国民生产总值的变化会引起电力需求的变化.电力需求决定总发电量,结合装机容量、投资力度、发电消纳水平,也会对新能源发电量起到一定的影响作用.绿证数量与新能源发电量有对应关系,其规模和交易直接造成发电结构的变化,进而影响电力碳排放.

总之,当电力碳排放呈增长趋势时,在双碳背景下,国家会对行业减排制定相应的政策措施.搭建图2所示的因果回路图,包括电力需求模块、电力技术模块、发电消纳模块、绿证市场模块以及能源消耗和碳排放模块.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 因果回路图

Fig.2 Causal loop diagram

2.2 模型主要关系及参数说明

2.2.1 政策投资模块政策投资模块模拟政府投资行为,主要影响新能源新增装机容量,动力学演化模型如图3所示.

(1)

I_{t, b} = I_{t, p} k_{t, i}

(2)

I_{t, p} = I_{t 0, p} + \sum_{t 0}^{T} k_{t, i} I_{t 0, p}

(3)

C_{t, inc} = k_{t, b - c} I_{t, b} + E_{t, nd} k_{t, e - c} P_{t 0, gp} / (P_{t, gp} t_{t, c})

(4)

\begin{array}{l} C_{t, c} = C_{t 0, c} + \sum_{t 0}^{T} C_{t, inc} \end{array}

式中:I_t,b 、k_t,i为投资变化和投资变化率;I_t,p为投资力度;I_t0,p为仿真初始年限的投资力度;投资力度会促进新能源新增装机,具体由式(3)给出,其表明新能源新增装机容量C_t,inc不仅与投资变化有对应关系,还受电力需求E_t,nd、当年绿证价格P_t,gp、新能源平均利用时间t_t,c的影响,k_t,b-c、k_t,e-c为相应系数.式(4)给出新能源装机容量C_t,c计算式,由仿真初始年限新能源装机容量C_t0,c和新能源新增装机容量C_t,inc计算得到.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 政策投资模块

Fig.3 Policy investment module

2.2.2 电力需求模块用电需求是推动电力碳排放的正向因素,用电需求主要受经济发展水平、人口、全国发电企业平均上网电价、产业结构等因素的影响.用电需求和经济发展水平呈现高度相关性,特别是第二产业和第三产业的用电量和相应产业GDP增加值的相关性在99%以上^[15].人口数量的稳步增加也会对电力消费及碳排放产生较大影响,电力需求子模块的动力学演化模型如图4所示.

(5)

P_{t} = P_{t 0} + \sum_{t 0}^{T} P_{t 0} p_{t, inc}

(6)

G_{t} = G_{t 0} + \sum_{t 0}^{T} G_{t 0} g_{t, inc}

(7)

P_{t, G} = G_{t} / P_{t}

(8)

E_{t, h} = E_{t 0, h} + \sum_{t 0}^{T} E_{t 0, h} k_{h, inc}

(9)

\begin{array}{l} E_{t, nd} = n_{1} P_{t, G} + n_{2} P_{t, avg} + n_{3} P_{t, s} + n_{4} E_{t, h} \end{array}

式中:P_t 为仿真年限人口数量;P_t0 为仿真初始年限人口数量;p_t,inc为人口增长率;G_t为国民生产总值;G_t0为仿真初始年限GDP;g_t_,inc为GDP增长率.式(6)、(7)分别给出仿真年限人口数量和国民生产总值计算式,P_t,G为人均收入.E_t0,h 、k_h,inc分别为仿真初始年限的全行业用电量、行业用电增长率.全行业用电量E_t,h用式(8)表示,总电力需求用式(9)表示,n₁ 、n₂ 、n₃ 、n₄ 分别为人均收入P_t,G、全国发电企业平均上网电价P_t,avg、第二产业产值P_t,s以及全行业用电量E_t,h的权重系数.

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 电力需求模块

Fig.4 Power demand module

2.2.3 电力技术模块电力技术子模块主要考虑发电新技术、清洁能源装机和发电占比、发电设备利用时间、线损率等因素.碳捕获、利用与封存(CCUS)技术通过降低源端发电排放物实现减排目标.多种清洁能源发电对电力碳排放起到一定的抑制作用.终端电力需求一定的条件下,提高发电设备的利用时间,发电量和碳排放能得到有效降低.系统动力学推演模型如图5所示.

(10)

Q_{t, pro} = p_{1} E_{t, nd} + p_{2} P_{t, avg} + p_{3} E_{t, l}

(11)

q_{t, c} = k_{1} c_{t, c} + k_{2} I_{t, m}

(12)

c_{t, c} = \frac{C_{t, c}}{(C_{t, c} + C_{t, f})}

(13)

Q_{t, cpro} = Q_{t, pro} q_{t, c}

(14)

Q_{t, fpro} = Q_{t, pro} (1 - q_{t, c})

(15)

Q_{t, coal} = (Q_{t, fpro} + Q_{t, x}) k_{e - c}

(16)

t_{t, f} = Q_{t, fpro} / C_{t, f}

(17)

\begin{array}{l} t_{t, c} = Q_{t, cpro} / C_{t, c} \end{array}

式中:Q_t,pro 为总发电量,受电力需求E_t,nd、平均上网电价P_t,avg和线损率E_t,l的影响;p₁ 、p₁ 、p₁ 为相关系数;新能源发电量所占比重q_t,c主要受到装机容量占比c_t,c和投资力度的影响,k₁ 、k₂ 为相应相关系数.装机容量占比又由新能源装机容量C_t,c和火电企业装机容量C_t,f直接决定.新能源发电量Q_t,cpro、火电企业发电量Q_t,fpro由式(13)、(14)算出.Q_t,coal为火电企业的煤耗量;Q_t,x为火电企业参与辅助服务电量;C_t,f为火电企业装机容量.火电企业机组发电量和参与辅助服务的电量决定火电企业的煤耗量,k_e-c为电煤转换系数,关系式如式(15)所示.式(16)、(17)分别给出火电企业设备平均利用时间t_t,f、新能源平均利用时间t_t,c的计算式.

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 电力技术模块

Fig.5 Power technology module

2.2.4 绿证市场模块绿证市场模块的动力学演化模型如图6所示,主要考虑煤耗成本、煤价、绿证收益等因素.煤耗成本和煤价对电力碳排放起到一定的抑制作用,其动力学演化模型耦合在电力需求子模块及能源消耗和碳排放子模块中.绿证是衡量清洁能源发电量的指标,新能源发电量越多,对电力碳排放的抑制作用越强.在市场中销售绿电,新能源发电企业得到相应的收益,也会促进新能源机组的发展.

(18)

P_{t, gp} = P_{t 0} + P_{t, ex}

(19)

P_{t, ex} = (q_{t, pg} - q_{t, sg}) / q_{t, sg}

(20)

N_{t, ger} = N_{t 0, ger} + G_{t, l} - G_{t, grid}

(21)

N_{t, grid} = N_{t 0, grid} + G_{t, grid} - G_{t, up}

(22)

G_{t, l} = Q_{t, cpro} / k_{cpro - l}

(23)

\begin{array}{l} G_{t, up} = E_{t, nd} P_{q} \end{array}

式中:P_t,gp为绿证价格变化,由绿证初始价格P_t0 和绿证超额需求P_t,ex决定;q_t,pg为预计购买量;q_t,sg为预计销售量;N_t,ger为绿证厂商所持有的绿证数量;N_t,grid 为电网所持有的绿证数量.超额需求是预计购买量和预计销售量的差值函数,如式(19)所示.式(20)、(21)给出绿证厂商和电网所持有的绿证数量,其中间数量关系由式(22)、(23)给出,N_t0,ger、N_t0,grid为仿真初始年限绿证厂商、电网持有的绿证数量;G_t,l为新能源发电量所对应的绿证数量,也就是绿证厂商获得的绿证数量;G_t,grid 、G_t,up分别为电网获得的绿证和上交的绿证;k_cpro-l为新能源发电量和绿证数量的转换关系;P_q为配额比例.

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 绿证市场模块

Fig.6 Power market module

2.2.5 发电消纳模块发电消纳模块的动力学演化模型如图7所示.储能和火电机组灵活性改造是消纳清洁能源的重要方式.在新能源资源丰富时,储能的装机容量直接影响弃新能源的多少,火电机组减少出力也能最大程度减少弃新能源量.在新能源出力较低时,储能放电和增大火电机组出力都是缓解新能源出力不够的有效措施.

(24)

Q_{t, x} = Q_{t 0, x} + \sum_{t 0}^{T} Q_{t 0, x} k_{t, x}

(25)

k_{t, x} = c_{t, x} + s_{t, x}

(26)

c_{t, x} = Q_{t, x} / Q_{t, cpro}

(27)

s_{t, x} = Q_{t, s} / Q_{t, cpro}

(28)

Q_{t, x} = k_{t, fe} Q_{t, fpro}

(29)

Q_{t, s} = η_{t, s} C_{t, s}

(30)

\begin{array}{l} C_{t, s} = C_{t 0, s} + \sum_{t 0}^{T} C_{t 0, s} k_{t, s} \end{array}

式中:Q_t,x为消纳量;Q_t0,x为仿真初始年限消纳量;k_t,x为消纳水平变化率.在本模型中,消纳水平变化率主要受煤电消纳因子c_t,x和储能消纳因子s_t,x的影响.煤电消纳水平通过火电机组灵活性指数k_t,fe体现,储能消纳水平通过储能装机容量C_t,s和充放电效率η_t,s体现,Q_t,x、Q_t,s为弃风弃光量;C_t0,s为仿真初始年限储能装机容量;k_t,s为储能变化率.

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 发电消纳模块

Fig.7 Power generation consumption module

2.2.6 能源消耗和碳排放模块能源消耗和碳排放子模块的动力学演化模型如图8所示.能源利用效率高低直接通过发电煤耗体现,发电能源结构和发电技术又是造成发电煤耗过高的原因,煤耗降低对碳排放起到直接抑制作用.

(31)

Q_{t, fos} = Q_{t, coal} λ_{c - f}

(32)

C_{t, fos} = Q_{t, fos} S_{t, fos} k_{fos - c}

(33)

C_{t} = C_{t 0} + \sum_{t 0}^{T} C_{t, fos}

(34)

C_{t, en} = \frac{C_{t}}{G_{t} (34)}

(35)

\begin{array}{l} P_{t, raw} Q_{t, raw} = P_{t, sta} Q_{t, sta} \end{array}

式中:Q_t,fos 为化石能源消费量,与燃煤消耗量的关系由(31)给出,其直接影响化石能源碳排放量C_t,fos,如式(32)所示.λ_c-f为燃煤消耗量与化石能源消耗量的转换系数;S_t,fos、k_fos-c分别为化石能源对标准煤的折算系数以及化石能源的碳排放系数.电力系统碳排放主要由化石能源碳排放决定,式(33)给出电力系统二氧化碳排放量的计算式,C_t0 为仿真初始年限碳排放量.C_t,en为碳排放强度,指每单位国民生产总值所带来的二氧化碳排放量^[16],反映碳排放量和经济之间的关系.本文中能源价格指原煤价格,P_t,raw、P_t,sta表示原煤和标煤的价格;Q_t,raw、Q_t,sta表示原煤量和标煤量,《中华人民共和国价格法释义》^[17]中规定计划电煤采用政府指导价格,在社会资源一定的情况下,原煤价格上涨时,标煤量会减少,关系如式(35)所示,会间接减少碳排放,进而影响碳排放强度.

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 能源消耗和电力碳排放模块

Fig.8 Energy consumption and power carbon emission modules

3 算例仿真

3.1 算例基础数据

随着电力系统复杂性和不确定性的增强,系统环境日益复杂,本文采用情景预测分析方法^[18,19]对未来发展情况进行分析和预测.通过分析系统特定因素之间的互相联系,产生可能出现的情景模式.

为全面模拟我国电力系统转型过程中可能出现的碳排放路径,本文设置基准情景、低碳情景、超低碳情景3种情景进行模拟,具体情况将在后文中详细叙述.

为验证前文所构建模型在各种情景下的可行性和有效性,调研中国电力企业协会数据和中国统计年鉴得到关键参数,如表1所示.调用Vensim软件,仿真分析投资力度、能源侧结构变化、关键技术发展等因素对发电结构、碳排放量的影响.仿真初始时间设为2020年1月,结束时间为2030年12月,共120个月,时间步长为1个月.

表1 参数初始值

Tab.1 Initial value of parameters

参数	初始值	参数	初始值
配额增长率/%	0.13	线损率/%	0.06
电力标煤转化系数×10⁴/[t·(kW·h)^-1]	1.229	新能源装机容量×10^-8/kW	5.8525
国民生产总值×10^-12/元	101.599	GDP变化率/%	0.023
人口数量/亿	14.1178	人口增长率/%	0.53

新窗口打开| 下载CSV

3.2 仿真结果及分析

3.2.1 基准情景基准情景考虑的发展驱动是投资力度.未来十年我国新能源新增装机容量要达到7×10⁸ kW,平均投资变化率为9.15%.人口、全社会用电量、电力行业技术等指标延续历史发展的自然规律,不考虑碳排放对行业发展的约束,政府通过现行的环境排放标准版和有限的经济调控手段引导电力行业投资,仿真结果如图9所示.

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 基准情景下电力系统指标变化

Fig.9 Changes of power system index under base scenarios

仿真结果表明即使政府大力投资新能源,由于新能源发电技术成本较高,累计装机容量、装机占比、发电量比例增长缓慢.除此之外,为满足电力需求,火电企业燃煤发电量逐年增加,电力系统碳排放近似呈现线性增长趋势.

3.2.2 低碳情景低碳情景考虑我国环境与经济的协调、低碳可持续发展等因素.在基准情景的投资力度下,分别考虑发电技术发展(低碳情景1)和市场监督(低碳情景2)对新能源消纳量的影响,进而影响电力系统转型过程中的碳排放.

低碳情景1主要考虑火电机组的灵活性改造和储能规模化发展对弃新能源的影响,仿真结果如图10所示.

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 低碳情景1下电力系统指标变化

Fig.10 Changes in power system indicators under low-carbon scenarios 1

绿证市场是我国电力市场的发展趋势,绿电的交易不仅会影响新能源厂商的收入,间接影响装机容量,也是促进消纳新能源的重要方式之一,低碳情景2的仿真结果如图11所示.

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 低碳情景2下电力系统指标变化

Fig.11 Changes in power system indicators under low-carbon scenarios 2

在基准情景下,提倡低耗能和节能减排,火电机组灵活性改造和市场消纳机制投入示范运行或进入商业应用,带动发电效率提升.由于低碳和节能减排政策的影响,绿证市场快速发展,新能源机组逐渐增多,燃煤机组的增长速度受到约束,燃煤机组发电量略受影响,燃煤机组仍然是主要发电形式.此种情况下,弃新能源的现象未得到解决,新能源的发电占比增长相对缓慢.

3.2.3 超低碳情景超低碳情景主要考虑电力新技术的进步和市场消纳机制的协同作用.强化电力行业技术进步,建设坚强电网,协调新能源并网问题,新能源得到快速发展,增加低碳调度运行方式的灵活性.结合基准情景、低碳情景,得到图12所示仿真结果对比图.

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 3种情景电力系统主要指标对比

Fig.12 Comparison of main indexes of power systems under three scenarios

基于不同发展路径,图12给出未来十年电力系统主要指标的演化趋势.通过绿证市场交易绿电,绿电厂商收益增加,促进新能源装机增加,间接影响燃煤机组装机,低碳情景2对新能源装机容量的促进作用最明显.低碳情景1主要考虑灵活性改造的技术发展,“新能源+火电机组”的协调发展得到定量分析,灵活性改造降低火电机组的出力下限,利于火电机组参与辅助服务,促进新能源机组出力,新能源发电占比显著增加.燃煤机组发电逐步被新能源发电替代,其发电量也随之逐渐减少.大约在2027年,新能源发电量显著增加,超低碳情景对电力系统新能源的消纳优势更加明显,多种消纳方式协同作用能增强电力系统的稳定性.从碳排放变化角度看,除基准情景外,所模拟的情景均对碳排放均有一定的抑制作用.在仿真年限内,低碳情景1大约在2027年达到碳排放变化的最大值,超低碳情景大约在2028年达到碳排放变化的最大值,低碳情景2的碳排放变化最慢,但呈现持续增长的趋势.

4 结语

基于系统动力学,构建了双碳目标下电力系统供给侧形态发展的推演模型.政策投资力度是电力系统转型的基础,清洁能源消纳是关键.通过仿真模拟,验证了模型的可行性和有效性.结果表明:在电力系统供给侧转型初期,发电新技术、市场消纳能力都会限制能源发电结构的发展,此时投资力度对新能源累计装机容量、装机占比及发电量的促进作用不明显,碳排放近似线性增长.随着消纳技术和消纳市场的不断成熟,火电机组灵活性增强、储能规模化发展、绿证市场趋于成熟,对新能源机组出力促进作用增强,新能源发电成为主要发电形式,有效降低电力碳排放,助力双碳目标的实现.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

李辉, 孙雪丽, 庞博, 等.

基于碳减排目标与排放标准约束情景的火电大气污染物减排潜力

[DB/OL].(2021-06-16)[2021-07-30]. https://doi-org-s.era.lib.swjtu.edu.cn/10.13227/j.hjkx.202102167.

URL [本文引用: 1]

Hui

, SUN

Xueli

, PANG

. et al.

Emission potential of thermal power air pollutants based on carbon emission reduction targets and emission standard constraint scenarios

[DB/OL].(2021-06-16) [2021-07-30]. https://doi-org-s.era.lib.swjtu.edu.cn/10.13227/j.hjkx.202102167.

URL [本文引用: 1]

[2]

王志轩

构建以新能源为主体的新型电力系统框架

[J]. 阅江学刊, 2021, 13(3):35-43.