《生態環境部：中國風電和太陽能發電潛力評估（2024）（58頁）.pdf》由會員分享，可在線閱讀，更多相關《生態環境部：中國風電和太陽能發電潛力評估（2024）（58頁）.pdf（58頁珍藏版）》請在三個皮匠報告上搜索。

1、中國風電和太陽能發電潛力評估(2024)發展新能源是實現雙碳目標的重要途徑，是保障能源供應安全，推進綠色低碳發展的重要舉措。聯合國氣候變化框架公約第二十八次締約方大會（COP 28）是影響全球能源轉型重要會議，COP 28 明確指出可再生能源分布的地理差異是實現能源轉型的重要影響因素。中國新能源資源稟賦和用電需求區域差異大，開展中國中長期空間精細化的新能源裝機和發電潛力評估研究，對各省新能源規劃布局，精準化制定碳達峰碳中和路線圖和施工圖，具有重要的支撐作用。本研究以資源潛力-技術可開發潛力-裝機現狀-情景分析為主要技術路徑，開展中國 10km 分辨率風能和太陽能光伏發電潛力評估，建立政策情景和

2、高速情景分析評估中國各省中長期精細化新能源裝機和發電潛力（https:/ 年，中國風能發電，政策情景下，南部、西北、華中地區增幅最高，將達到 162%以上；高速情景下，南部、華東、東北地區增幅最高，將達到 318%以上。2023-2035 年，中國光伏發電，政策情景下，南部、華東、華中地區增幅最高，將達到 162%以上；高速情景下，東北、華北、華東地區增幅最高，將達到 270%以上。本研究通過精細化評估中國中長期新能源潛力，助力區域提前規劃電力存儲和調度，加速能源結構低碳轉型，促進高潛力地區的新能源開發，并為各地區制定精準的新能源發展策略提供決策支持。決策者摘要評審專家杜祥琬 中國工程院 丁一

3、匯 國家氣候中心賀克斌 清華大學 王金南 生態環境部環境規劃院 舒印彪 國家電網有限公司 李立浧 中國南方電網公司 嚴 剛 生態環境部環境規劃院 李俊峰 國家應對氣候變化戰略研究和國際合作中心 張 昕 國家應對氣候變化戰略研究和國際合作中心 武 鋼 金風科技股份有限公司 何繼江 清華大學 姜克雋 國家發展和改革委員會能源研究所 中國工程院院士中國工程院院士中國工程院院士中國工程院院士中國工程院院士中國工程院院士研究員研究員研究員董事長博士研究員作者蔡博峰 生態環境部環境規劃院碳達峰碳中和研究中心李亞飛 金風科技股份有限公司魯 璽 清華大學碳中和研究院郭 靜 生態環境部環境規劃院碳達峰碳中和研究

4、中心王若梅 金風科技股份有限公司張 立 生態環境部環境規劃院碳達峰碳中和研究中心劉辰陽 金風科技股份有限公司呂 晨 生態環境部環境規劃院碳達峰碳中和研究中心張 哲 生態環境部環境規劃院碳達峰碳中和研究中心李朝君 清華大學碳中和研究院阮梓紋 清華大學環境學院張憧宇 清華大學環境學院伍鵬程 清華大學萬科公共衛生與健康學院嚴 妍 華南理工大學吳赟龍 首都經濟貿易大學01研究背景01062.2 情景設置 2.1 技術路線02研究方法4.3 風電裝機情景分析 174.2 風電技術可開發潛力4.1 風能資源潛力04中國風電潛力評估326.2 光伏發電技術可開發潛力6.3 光伏裝機情景分析6.1 光伏發電資

5、源潛力附件2 中國各省份風電和太陽能發電發展政策和規劃附件1 風光發電潛力評估方法06中國光伏發電潛力評估1003中國風能發電現狀2505中國光伏發電現狀40參考文獻0743附錄08目 錄1.研究背景02 研究背景發展新能源是實現雙碳目標的重要途徑，是保障能源供應安全，推進綠色低碳發展的重要舉措。系統、全面的新能源潛力評估是風光健康、有序、高效發展的科學基礎。1.研究背景中國新能源進入高質量發展新階段，呈現如下特征：一是大規模，風、光裝機占比大幅提高；二是高比例，由能源電力消費增量補充轉換為增量主體，在能源電力消費中的占比快速提升；三是市場化，由補貼支撐發展轉為平價低價發展，由政策驅動發展轉為

6、市場驅動發展；四是集中分布并行，集中式風電建設和分布式風能資源開發并舉推進，海上風能以及工業園區、經濟開發區、公共建筑等屋頂光伏資源均得到有效利用。中國各地根據地區資源條件、地理環境和區域發展策略，形成了各具特色的新能源開發模式。東北、華北北部及西北地區重點推進風能和太陽能的集中式大規模開發，西南地區統籌推進風、光與其他可再生能源的綜合開發，中東南部地區重點推動風電和光伏發電就地就近開發，東部沿海地區積極推進海上風電集群化開發。開展中國中長期精細化的新能03 研究背景源潛力評估研究，有利于促進新能源項目建設的優化布局、提高新能源潛力利用率，對推動中國能源綠色低碳轉型，構建新型電力系統和實現碳中

7、和目標具有重要意義。風電和光伏發電潛力評估主要基于觀測數據構建數理統計模型，考慮社會經濟成本、區域規劃和雙碳目標，層次化、精細化、網格化是風光發電潛力評估的重要方向。風光新能源潛力評估研究總結為三個階段（圖 1）：起步階段、發展階段、成熟階段。起步階段主要采用基于局部觀測數據統計方法和以間接代理指標為主的模糊評估方法。風能資源潛力較為傳統且經典的評估方法是采用氣象站點或測風塔的實際觀測數據，通過統計分析與空間插值方法有效地將實際觀測數據轉化為風能、風功率等參數評估的數理統計方法。太陽能資源潛力評估方法最初主要是依賴于觀測數據和經驗系數進行局部地區潛力評估，逐步演化發展到采用 GIS 技術手段和

8、機器學習方法。發展階段主要采用基于氣象、地形、地理等模擬數據的統計方法和基于空間地理信息系統的定量評估方法。遙感技術與地理信息系統的深度融合，共同被應用于精確評估區域風能以及屋頂光伏發電潛力04 研究背景圖 1 風光發電潛力評估研究研究。成熟階段主要采用人工智能技術以及大數據技術與空間信息系統相結合的精準預測方法。為了確保中國新能源未來規劃布局更加精準、高效，更大程度挖掘地方新能源發電潛力，仍需借助遙感和 GIS 技術，充分利用大數據智能模擬，開展層次化、精細化、網格化的潛力評估工作，不僅有助于明確中國各地風能和太陽能資源的具體分布及可開發利用量，更能為在何時何地布局新能源項目提供有力指導，從

9、而推動中國新能源行業健康發展。05 研究背景開展中國中長期精細化新能源潛力評估，對各省新能源規劃布局，電網基礎設施建設和政策設計，精準化制定碳達峰碳中和路線圖和施工圖，具有重要的支撐作用。本研究全面梳理全國及各省風光新能源發展規劃和地區碳達峰碳中和目標等政策，基于全國風光資源潛力，綜合考慮地形坡度、地形高程、人口居民區、生態紅線、河流水域以及道路交通等限制性因素，系統評估技術可開發、可利用的風光發電潛力。結合各省風光裝機現狀以及規劃發展目標，采用生態環境部環境規劃院中國中長期排放綜合評估模型（CAEP-CP）分別評估現狀（2023 年）及不同情景下（2025-2035 年）全國范圍 10 公里

10、網格的風光裝機容量，為中國未來新能源規劃布局提供決策支持。開展中國中長期精細化的新能源潛力評估，有利于支撐區域提前布局電力存儲和調度，并基于評估現有電網的容量、擴容需求等，開展電力基礎設施規劃。在政策制定方面，可以優先考慮具有較高潛力和效益的新能源區域和項目。設計具有針對性的政策激勵機制，鼓勵具有新能源潛力高的區域更快速地推進新能源項目。根據新能源發展潛力和需求，不同區域可以制定優先開發計劃，確保資金有效使用。在區域之間，可以基于潛力評估結果，開展跨區域合作，設定更為明確和切實可行的碳達峰與碳中和路線圖、施工圖。06 2.研究方法07研究方法2.研究方法2.1 技術路線本研究從資源潛力-技術可

11、開發潛力-裝機現狀-情景分析開展中國 10km 分辨率風能和太陽能光伏發電潛力評估。風電資源潛力評估主要以風功率作為主要量化指標，風功率密度是用于描述特定地點或區域內的風能資源豐富程度，數值反映氣流在單位時間內垂直通過單位截面積的風能，單位為 W/m。本研究風功率數據選用 150 米高度的風功率密度圖譜數據，光伏資源潛力評估以光能輻照度來量化光伏能源分布（附件 1）。技術潛力用于評估和選擇適用于風能和太陽能開發的可行技術，包括對環境特征和風光開發制約條件的考慮，以確定最佳的技術解決方案。在風電技術開發方面，考慮到技術可達性，需要排除風資源較差區域，例如依據項目實施的經濟性，風功率小于 250W

12、/m 的地區被認為是限制性開發地區，以及生態環境保護區域和特殊海拔地區。在光伏技術開發方面，需要排除生態保護區域以及地形坡度大于 30度地區。參考一帶一路國家風光資源評估報告中對分布式光伏開08 研究方法發參數的估計，針對居民區域開發屋頂光伏，其裝機容量按照相同環境條件下集中式開發裝機密度的25%考慮。裝機現狀評估旨在掌握現有新能源資源的分布特征，對 2023 年風能和太陽能裝機空間分布以及裝機容量開展評估研究。情景分析是根據國家及地方風光裝機發展規劃、碳達峰碳中和方案等政策（附件 2），區域歷史裝機時序發展變化，考慮新能源技術發展、能源結構調整、用電需求變化等因素，對未來風光裝機進行海量情景

13、分析，最終選擇典型發展情景路徑。所有數據和分析結果，都在GIS 平臺上統一為 10km 網格分辨率（圖 2）。2.2 情景設置政策情景：政策情景：考慮國家及地方中長期新能源發展規劃、各省份碳達峰碳中和發展目標，新能源技術發展成熟、能源結構持續優化、用電需求穩定增長。高速情景：高速情景：參考聯合國政府間氣候變化專門委員會（IPCC）第六次評估報告情景數據庫亞洲和中國情景數據，考慮到全球溫升 1.5目標，結合已有研究對中國和區域新能源發展高預期結果綜合研判。情景分析中，將歷史裝機數據分為訓練集數據、測試集數據，在測試集上進行模型預測，對模型參數進行反復調優，確定最佳的模擬參數及模擬方法，以此提高情

14、景分析模型的適配性和準確度。同時結合各省未來規劃，對情景分析結果進行約束。09 研究方法圖 2 風光發電潛力評估技術路線能10 3.中國風能發電現狀11中國風能發電現狀中 國 風 電 裝 機 從 2015 年 的 145 GW 增 長 到 2023 年 的 441 GW（圖 3），年復合增長率為 15%。海上風電累計裝機規模增長速度3.中國風能發電現狀中國風電裝機容量逐年上升，各省份在裝機容量、發電量和總用電量方面存在顯著差異，反映了各地經濟活力、資源稟賦和能源需求的多樣性。圖 3 2015-2023 年中國風電累計裝機容量（GW）12 中國風能發電現狀遠 高 于 陸 上 風 電。海 上 風

15、電 累 計 裝 機 規 模 從 2015 年 的 1 GW 增 長到 2023 年的 37 GW，年復合增長率為 57%。陸上風電累計裝機規模從 2015 年的 144 GW 增長到 2023 年 405 GW，年復合增長率為 14%。2023 年中國風電裝機容量達到 44134 萬千瓦，占全國累計發電裝機容量的 15%（表 1）。其中內蒙古、新疆、河北、甘肅、山東、山西、江蘇、河南等地風電裝機容量最高，均超過 2000 萬千瓦以上，八省累計裝機容量達到 25529 萬千瓦（圖 4）。2023 年中國風電發電量達到 8090 億 kWh，占全國總發電量（包括化石能源與非化石能源）的 9%。其中

16、吉林、甘肅、內蒙古、黑龍江、河北等地風力發電量最高，分別占各省總發電量的 24%、21%、17%、17%、16%。這些地區擁有較為豐富的風資源，風功率密度大于 200W/m2，平均風速達到5-6 m/s，可利用小時數在2000 h以上，因此發電效率相對較高。吉林、內蒙古、甘肅、寧夏、山西等地風力發電作為地區用電需求的主要來源之一，分別占該區域全社會用電量 28%、26%、25%、20%、17%。13 中國風能發電現狀省份裝機容量（萬千瓦）發電量（億 kWh）總發電量（億 kWh）全社會用電量（億 kWh）北京24 1 4551358 天津171 23 8081051河北3141 605 373

17、64757 山西2500 477 43762885 內蒙古6961 1271 74514823 遼寧1429 275 22032663 吉林1268 259 1098928 黑龍江1127 205 12341184 上海107 23 9551849 江蘇2286 518 61067833 浙江584 106 43536192 安徽722 123 33363214 福建762 213 30743090江西573 118 16692026 山東2591 462 59167966 河南2178 334 31724090 湖北836 154 30132706 湖南972 199 17002277 廣東

18、1657 305 67198502 廣西1267 221 22872449海南31 5 448482 重慶206 38 10541453四川770 167 47133711 貴州616 120 22711783 云南1531 277 39052513 西藏18 1 137135陜西1285 171 29462450甘肅2614 412 19251645 青海1185 123 8741018 寧夏1464 279 22461387新疆3258 605 49123821 全國4413480909456492241注：數據來源于國家能源局、國家統計局、中國電力企業聯合會、國家電網有限公司、Wind

19、數據庫?？偘l電量為該?。ㄊ校┗茉磁c非化石能源發電量總和。表 1 2023 年中國風電裝機容量及發電量14 中國風能發電現狀圖 4 2023 年中國風能裝機容量（10km 網格）注：基于遙感和 GIS 技術獲得中國風電單機點源數據（約 12 萬臺），在 GIS 平臺上統一匯總為 10km 網格數據，并利用中國各省統計數據進行驗證和校對。中國風電設施在不同復雜地形條件下的發展取得了顯著的進步，尤其是在適應高山、沿海、沙漠、荒漠、戈壁、農田等特殊地形的風電機組設計技術上實現了快速突破。這一顯著進步不僅推動了中國風電技術的創新發展，還大幅提高了地區風電裝機規模，從而在推動能源清潔低碳轉型的同時，為

20、地區經濟發展注入了強勁動力。圖 5 展示不同區域典型風電場。15 中國風能發電現狀（1）新疆烏魯木齊市達坂城區風電場（3）遼寧錦州市凌海市風電場（5）江蘇鹽城市風電場（2）內蒙古烏蘭察布市風電場（4）山東威海市榮成市風電場（6）福建莆田及福州風電場16中國風能發電現狀（7）寧夏吳忠市風電場（8）云南大理白族自治州風電場注：新疆達坂城地區和內蒙古烏蘭察布地區集中風電場，依托豐富風能資源，將鄉村風電與農業融合發展，合理利用土地，擴大農業的經濟附加值；遼寧錦州地區和山東威海等地將風機修建于農田間隙中，實現土地資源的高效利用；江蘇鹽城、福建莆田及福州等地在近海部署風電，一定程度上解決了地區用電需求；寧

21、夏吳忠以重點光伏項目作為拉動經濟增長的重要抓手，積極推進國家“戈壁、沙漠、荒漠”新能源大基地建設；云南省大理白族自治州地形復雜，植被覆蓋多，成功實施了在高海拔復雜地形條件下發展高功率、高容量新一代風電技術的創新舉措。圖 5 中國 2023 年典型風電場4.中國風電潛力評估18 中國風電潛力評估4.中國風電潛力評估4.1 風能資源潛力中國的陸地風能分布呈現出明顯的地域特征，表現為北部地區的風能較為豐富，而南部地區的風能相對較低（圖 6）。新疆、內蒙古以及甘肅北部地區的大部分地區都具有較高的風能資源，風功率密度大多超過 400 W/m2。新疆東部靠近甘肅地區以及內蒙古北部的一些地區，風能資源非常豐

22、富，部分地區的風功率密度甚至達到 900 W/m2以上，這些地區人口密度低、地圖 6 中國風能資源潛力-風功率密度分布注：風功率密度是指氣流在單位時間內垂直通過單位截面積的風能。19 中國風電潛力評估圖 7 中國風電技術可開發潛力4.2 風電技術可開發潛力技術潛力反映了在技術可達性下地區風資源發電的潛力。在實際風電資源開發過程中，技術裝機容量與技術可達性、技術成本、裝機類型、風功率密度、設備運行周期等因素直接相關。新疆、西藏、內蒙古、東北以及中國東部沿海地區風電技術潛力最高（圖 7）。我國陸上 140 米高度風能資源技形平坦，非常適合進行集中式風能開發。雖然中國南部陸地地區的風能資源相對較低，

23、但南部海域卻擁有出色的海上風能資源。特別是在福建省與臺灣省之間的海域，風功率密度可以達到 1000 W/m2以上。20 中國風電潛力評估4.3 風電裝機情景分析2023-2035 年，政策情景下，南部、西北、華中地區增幅最高，將達到 162%以上；高速情景下，南部、華東、東北地區增幅最高，將達到 318%以上。政策情景下（表 2），華北地區風電累計裝機全國最高，約占全國 30%34%。從區域裝機增幅來看，2023-2035 年南部地區增幅最高，將達到 195%，其次是西北164%、華中 162%、東北 122%、華東 107%、華北 103%。從區域裝機年均增速來看，2023-2035 年南部

24、地區年均增速最大，將達到9.4%，其次是西北8.4%、華中8.4%、東北 6.9%、華東 6.2%、華北 6.1%。高 速 情 景 下（表 2），2023-2035 年南部地區增幅最高，將達到 355%，其次是華東 326%、東北318%、華中 310%、西北 299%、華北 264%。從區域裝機年均增速來看，2023-2035 年南部地區年均增速最大，將達到 13.5%，其次是華東 12.8%、東北 12.7%、華中12.5%、西北 12.2%、華北 11.4%。術可開發量超過 100 億千瓦，近海和深遠海 150 米高度、離岸 200 公里以內且水深小于 100 米的海上風能資源技術可開發

25、量為 27.8 億千瓦，實際裝機容量利用率不足 4%和 0.9%，未來開發潛力巨大。21 中國風電潛力評估圖 8 為按照兩種情景下的各省裝機容量中位數，所統計的 2023-2035 年中國各省風電累計裝機容量與增長幅度。圖 9 為 2035 年中國 10km 網格風電裝機情景分析結果，未來中國風電裝機主要分布在內蒙古、寧夏、甘肅、新疆以及東部沿海等省份，該類地區可優先大規模發展風力發電，提高地區風資源開發利用效率。年份裝機容量（億千瓦）2025 年2030 年2035 年安徽0.09(0.083-0.097)0.151(0.122-0.179)0.207(0.161-0.272)北京0.003

26、(0.003-0.004)0.006(0.006-0.007)0.009(0.008-0.011)福建0.099(0.091-0.106)0.172(0.118-0.225)0.232(0.146-0.342)甘肅0.351(0.312-0.389)0.678(0.643-0.712)0.897(0.826-1.045)廣東0.18(0.167-0.193)0.315(0.22-0.41)0.427(0.273-0.626)廣西0.148(0.141-0.155)0.253(0.219-0.286)0.351(0.297-0.436)貴州0.083(0.081-0.084)0.144(0.10

27、8-0.179)0.194(0.134-0.273)海南0.005(0.004-0.005)0.01(0.009-0.011)0.014(0.013-0.016)河北0.368(0.337-0.398)0.64(0.433-0.846)0.863(0.529-1.291)河南0.259(0.246-0.271)0.529(0.481-0.576)0.798(0.783-0.878)黑龍江0.124(0.114-0.134)0.215(0.145-0.285)0.29(0.176-0.435)湖北0.104(0.097-0.111)0.182(0.129-0.235)0.247(0.161-0.

28、36)湖南0.12(0.112-0.128)0.211(0.149-0.272)0.286(0.186-0.416)吉林0.149(0.135-0.163)0.259(0.171-0.346)0.347(0.206-0.527)表 2 中國 2025-2035 年風電累計裝機容量情景分析22 中國風電潛力評估注：表中（）內上限和下限分別代表風電裝機政策情景和高速情景結果，最終取值為兩類情景上萬次模擬優化后選取的中位數。年份裝機容量（億千瓦）2025 年2030 年2035 年江蘇0.3(0.278-0.321)0.524(0.366-0.682)0.709(0.454-1.041)江西0.07

29、4(0.069-0.079)0.13(0.092-0.168)0.176(0.115-0.256)遼寧0.197(0.181-0.214)0.337(0.319-0.355)0.528(0.466-0.637)內蒙古0.824(0.783-0.866)1.151(0.925-1.376)1.791(1.638-2.099)寧夏0.193(0.179-0.207)0.338(0.235-0.441)0.457(0.291-0.673)青海0.13(0.121-0.138)0.228(0.162-0.294)0.309(0.202-0.448)山東0.305(0.281-0.328)0.532(0

30、.366-0.697)0.718(0.451-1.062)山西0.309(0.287-0.33)0.541(0.38-0.701)0.732(0.473-1.07)陜西0.185(0.176-0.194)0.316(0.279-0.352)0.44(0.382-0.538)上海0.014(0.013-0.015)0.024(0.016-0.032)0.033(0.019-0.05)四川0.087(0.081-0.092)0.149(0.117-0.181)0.204(0.152-0.276)天津0.02(0.019-0.021)0.033(0.022-0.044)0.045(0.028-0.0

31、67)西藏0.005(0.004-0.005)0.009(0.008-0.01)0.018(0.015-0.022)新疆0.392(0.357-0.426)0.717(0.643-0.791)1.005(0.893-1.206)云南0.178(0.169-0.22)0.268(0.234-0.537)0.843(0.789-0.969)浙江0.072(0.064-0.081)0.109(0.089-0.128)0.162(0.143-0.195)重慶0.028(0.027-0.029)0.048(0.041-0.055)0.067(0.055-0.084)23 中國風電潛力評估注：圖中的裝機容

32、量為兩種情景下的各省裝機容量中位數，增長幅度為 2025 年、2030 年、2035 年各省裝機容量對比基準年（2023 年）的增長幅度。圖 8 2023-2035 年中國各省風電累計裝機容量與增長幅度區域省份0.000.200.400.60 0.80裝機容量0.000.501.00 0.000.501.001.50 0.00 0.501.001.50 2.00華北內蒙古河北山東山西天津北京西北新疆甘肅寧夏陜西青海華東江蘇福建安徽浙江上海華中河南湖南湖北四川江西重慶南方廣東云南廣西貴州海南東北遼寧吉林黑龍江其他西藏0.0020.0170.2500.2590.3140.6960.1190.129

33、0.1460.2610.3260.0110.0580.0720.0760.2290.0210.0570.0770.0840.0970.2180.0030.0620.1270.1270.1660.1130.1270.1430.0020.0030.0200.3090.3050.3680.8240.1300.1850.1930.3510.3920.0140.0720.0900.0990.3000.0280.0740.0870.1040.1200.2590.0050.0830.1480.1780.1800.1240.1490.1970.0050.0060.0330.5410.5320.6401.151

34、0.2280.3160.3380.6780.7170.0240.1090.1510.1720.5240.0480.1300.1490.1820.2110.5290.0100.1440.2530.2680.3150.2150.2590.3370.0090.0090.0450.7320.7180.8631.7910.3090.4400.4570.8971.0050.0330.1620.2070.2320.7090.0670.1760.2040.2470.2860.7980.0140.1940.3510.4120.4270.2900.3470.5280.018(億千瓦)裝機容量(億千瓦)裝機容量(億

35、千瓦)裝機容量(億千瓦)2025年2030年2035年2023年18.4%17.2%17.8%23.6%17.6%50%20.2%34.5%32.2%43.4%9.2%31%30.3%25%24.1%27.3%18.8%23.7%23.8%13%29.8%33.3%8.4%16.5%40.2%66.7%37.8%17.3%9.7%150%40.2%65.4%103.8%105.4%116.4%94.1%200%119.9%159.8%131.5%145%91.6%128.8%126.3%109.7%87.9%118.2%142.7%117.5%116.7%93.5%128.1%128.6%89

36、.8%111%99.2%132.3%233.3%135.7%103.9%90.9%350%157.3%174.8%177.2%179.8%164.7%350%208.3%243.7%213%241.1%159.7%209.6%205.3%187.5%179.3%200%266.1%194.8%194%164.9%208.8%219%157.2%563.8%157.2%212.9%366.7%269.2%173.2%156.6%800%24中國風電潛力評估注：每個網格的累計裝機容量為兩種情景下多次模擬累計裝機容量中位數。圖 9 2035 年中國風電累計裝機容量分布5.中國光伏發電現狀26 中國光

37、伏發電現狀5.中國光伏發電現狀中國光伏裝機從 2015 年的 43 GW 增長到 2023 年的 610 GW（圖 10），年復合增長率為 39%。分布式光伏累計裝機規模增長速度高于集中式光伏。集中式、分布式光伏累計裝機規模從 2015 年的 37 GW、6 GW 增長到 2023 年 355 GW、254GW，年復合增長率分別為 36%、59%。圖 10 2015-2023 年中國光伏累計裝機容量（GW）2023 年全國新增光伏并網裝機容量 216 GW，累計光伏并網裝機容量達到 609 GW，新增和累計裝機容量均為全球第一。2023 年中國光伏裝機容量占全國累計發電裝機容量的 21%。全國

38、超過 20 個省份光伏裝機容量在 1000 萬千瓦以上，累計總量占到全國的 91%（表3）。山東光伏裝機容量全國第一，達到 5693 萬千瓦，占比達到 9%，其次是河北（9%）、江蘇（6%）、分布式集中式2015201620172018201920202021202220230100200300400500600累計裝機容量(GW)107.537.167.1100.6123.8141.7189.56.110.329.750.662.678.2198.5234.4354.5157.6254.427 中國光伏發電現狀浙江（6%）、河南（6%）。五省累計裝機容量達到 22125 萬千瓦，累計發電量達

39、到 701 億 kWh（圖11）。集中式光伏是現階段光伏發電的主要能源供給類型，裝機規模占到全國總裝機容量的 58%。集中式光伏裝機容量最高省份是河北、新疆和青海，分別為 3023 萬千瓦、2878 萬千瓦、2521 萬千瓦，三省累積裝機容量占全國集中式光伏裝機總量的 24%。分布式光伏裝機容量主要分布在山東、河南、江蘇等地區，2023年三省分布式光伏裝機容量分別為4099 萬千瓦、3094 萬千瓦、2772萬千瓦，三省總裝機容量占全國分布式光伏裝機總量的 39%。2023 年中國光伏發電量達到2940 億 kWh，分別占全國總發電量（包括化石能源與非化石能源）、全社會用電量的 3%、3%。河

40、北、寧夏、青海、內蒙古、新疆等地光伏發電量最高，分別占各省總發電量的 6%、10%、24%、3%、4%。青海、寧夏、甘肅、貴州、山西等地區光伏發電是地區用電需求的主要來源之一，分別占到全社會用電量 21%、17%、11%、7%、6%。28 中國光伏發電現狀省份裝機容量（萬千瓦）發電量（億 kWh）總發電量（億 kWh）全社會用電量（億 kWh）北京108 2 4551358 天津490 23 8081051河北5416 232 37364757 山西2491 161 43762885 內蒙古2296 205 74514823 遼寧958 48 22032663 吉林460 41 1098928

41、 黑龍江565 57 12341184 上海289 5 9551849 江蘇3928 105 61067833 浙江3357 142 43536192 安徽3223 111 33363214 福建875 5 30743090江西1993 66 16692026 山東5693 154 59167966 河南3731 68 31724090 湖北2487 118 30132706 湖南1252 30 17002277 廣東2522 89 67198502 廣西1090 55 22872449海南472 20 448482 重慶161 4 10541453四川574 44 47133711 貴州16

42、44 117 22711783 云南2072 90 39052513 西藏257 7 137135陜西2292 111 29462450甘肅2540 185 19251645 青海2561 212 8741018 寧夏2137 232 22461387新疆3002 201 49123821 全國609492940 9456492241注：數據來源國家能源局、國家統計局、中國電力企業聯合會、國家電網有限公司、Wind數據庫?？偘l電量為該?。ㄊ校┗茉磁c非化石能源發電量總和。表 3 2023 年中國各省光伏裝機容量及發電量29 中國光伏發電現狀圖 11 2023 年光伏累計裝機容量分布（10km

43、 網格）注：基于遙感和 GIS 技術獲得中國光伏面板（15923 個小斑），在 GIS 平臺上統一匯總為10km 網格數據，并利用中國各省數據進行驗證和校對。各地區在積極響應國家可再生能源政策戰略的同時，充分考慮地區地理資源優勢、地形條件等因素，因地制宜推動光伏發電項目發展，創新性打造了一系列發展新模式，如“漁光互補”、“牧光互補+水光互補”、“農光互補”、“屋頂光伏”，以助力地區碳達峰碳中和目標的實現。圖 12 展示了不同區域典型光伏電站。30 中國光伏發電現狀（1）新疆博樂市光伏電站（2）四川理塘縣光伏電站（3）西藏拉薩市光伏電站（5）青海海南藏族自治州共和縣光伏電站（4）廣西象州縣光伏電

44、站（6）廣東深圳浦江光伏電站31 中國光伏發電現狀（7）安徽潁上縣光伏電站（8）貴州彝族回族苗族自治縣光伏電站圖 12 中國 2023 年典型光伏發電站注：廣東深圳浦江屋頂光伏技術，可有效利用當地優質的光伏資源，緩解土地資源緊張的難題；四川理塘、西藏拉薩、廣西象州、貴州彝族回族苗族自治縣，地形條件復雜但太陽能資源較好，光伏發電與荒山改良綜合利用結合起來，發展農光互補模式；中國漂浮式光伏技術發展迅速，安徽潁上縣“漁光互補”建設模式為典型代表；青海海南藏族自治州共和縣的兩個大型集中式光伏電站，建立“牧光互補+水光互補”新發展模式，大力發展“板”下經濟，探索出一條光伏生態園和藏羊養殖產業發展相結合的

45、綠色、低碳、循環發展新路子。32 中國光伏發電潛力評估6.中國光伏發電潛力評估33中國光伏發電潛力評估6.中國光伏發電潛力評估6.1 光伏發電資源潛力中國光伏資源潛力使用的圖譜數據來源于 Global Solar Atlas，即典型 PV系統可實現的電力輸出（PVOUT）。該系統模擬了可用太陽能資源轉化為電力的過程，考慮了空氣溫度、地形地平線、反照率以及模塊傾斜、配置、遮擋、污染等影響系統性能的因素。PVOUT 是長期內每單位已安裝 PV 容量所生成的電力量（kWh/kWp）。西藏、青海、新疆、寧夏南部、甘肅、內蒙古南部、山西北部、陜西北部、圖 13 中國光伏發電資源潛力34 中國光伏發電潛力

46、評估圖 14 中國光伏發電技術可開發潛力6.2 光伏發電技術可開發潛力光伏技術潛力評估是指在評估年份水平下剔除資源稟賦、保護區、高海拔、高坡度以及地面覆蓋物等限制因素后可以進行安裝的光伏裝機容量總和。在實際太陽能資源開發過程中，光伏技術裝機容量與可用面積、裝機面積、裝機密度、光照輻射量等因素直接相關。在區域分布上，我國西北地區光照遼寧、河北東南部、山東東南部、吉林西部、云南中部和西南部、海南島東部和西部以及臺灣省西南部等地區的光伏發電資源潛力較大（圖 13）。35 中國光伏發電潛力評估6.3 光伏裝機情景分析2023-2035 年，政策情景下，南部、華東、華中地區增幅最高，將達到 162%以上

47、；高速情景下，東北、華北、華東地區增幅最高，將達到 270%以上。政策情景下（表 4），華北地區光伏累計裝機全國最高，約占全國 28%。從區域裝機增幅來看，2023-2035 年南部地區增幅最高，將達到 182%，其次是華東 178%、華 中 162%、華 北 155%、東 北114%、西北 100%。從區域裝機年均增速來看，2023-2035 年南部地區年均增速最大，將達到 9%，其次是華東 8.9%、華中 8.4%、華北8.1%、東北 6.6%、西北 5.9%。高 速 情 景 下（表 4），2023-2035 年東北地區增幅最高，將達到 306%，其次是華北 292%、華東270%、西北

48、248%、南部 244%、華中 216%。從區域裝機年均增資源豐富，太陽能技術可開發量約占全國 60%，未來將成為光伏發電裝機增長的主要區域（圖 14）。在分省維度上，新疆、西藏、內蒙古、青海、甘肅等地區光照資源豐富、光照時間較長、技術可達性較高，技術裝機潛力位于全國前五，五省累計技術裝機潛力約到全國 50%。36 中國光伏發電潛力評估速來看，2023-2035 年東北地區年均增速最大，將達到 12.4%，其次是華北12%、華東 11.5%、西北 11%、南部 10.8%、華中 10.1%。圖 15 為按照兩種情景下的各省裝機容量中位數，所統計的 2023-2035 年中國各省光伏累計裝機容量

49、與增長幅度。圖 16 為 2035 年中國 10km 網格分辨率光伏裝機分布，未來中國光伏裝機主要分布在內蒙古、甘肅及東部沿海等省份，這些地區擁有豐富的太陽能資源，可率先發展大型光伏發電項目，同時全國因地制宜發展分布式太陽能，提高地區太陽能資源開發效率，加快地區能源結構轉型的進程。表 4 中國 2025-2035 年光伏累計裝機情景分析年份裝機容量（億千瓦）2025 年2030 年2035 年安徽0.382(0.349-0.414)0.649(0.573-0.725)0.949(0.797-1.183)北京0.017(0.015-0.018)0.028(0.023-0.032)0.04(0.0

50、31-0.053)福建0.108(0.095-0.12)0.15(0.142-0.157)0.224(0.209-0.256)甘肅0.282(0.272-0.292)0.387(0.297-0.477)0.516(0.308-0.779)廣東0.294(0.281-0.306)0.529(0.523-0.535)0.789(0.765-0.873)廣西0.122(0.12-0.123)0.158(0.14-0.175)0.232(0.197-0.286)貴州0.26(0.246-0.273)0.447(0.415-0.478)0.655(0.585-0.78)海南0.06(0.052-0.06

51、7)0.076(0.068-0.083)0.109(0.092-0.136)河北0.704(0.666-0.741)1.216(1.133-1.298)1.784(1.599-2.118)河南0.43(0.413-0.448)0.765(0.744-0.786)1.149(1.105-1.282)黑龍江0.078(0.064-0.091)0.126(0.092-0.16)0.182(0.12-0.261)湖北0.27(0.256-0.283)0.433(0.422-0.443)0.638(0.604-0.723)37 中國光伏發電潛力評估年份裝機容量（億千瓦）2025 年2030 年2035

52、年湖南0.157(0.142-0.172)0.213(0.211-0.214)0.315(0.304-0.35)吉林0.062(0.049-0.074)0.099(0.067-0.13)0.141(0.084-0.213)江蘇0.456(0.429-0.482)0.785(0.725-0.844)1.151(1.021-1.378)江西0.22(0.208-0.231)0.379(0.353-0.405)0.557(0.499-0.66)遼寧0.112(0.108-0.115)0.181(0.159-0.202)0.264(0.221-0.33)內蒙古0.275(0.252-0.299)0.4

53、19(0.312-0.526)0.567(0.337-0.857)寧夏0.26(0.216-0.304)0.424(0.314-0.533)0.61(0.411-0.87)青海0.311(0.268-0.354)0.466(0.311-0.62)0.666(0.391-1.012)山東0.763(0.705-0.82)1.303(1.168-1.438)1.906(1.631-2.346)山西0.295(0.265-0.326)0.466(0.361-0.571)0.673(0.479-0.932)陜西0.278(0.265-0.291)0.483(0.454-0.511)0.709(0.64

54、3-0.833)上海0.034(0.031-0.037)0.054(0.041-0.067)0.077(0.054-0.106)四川0.061(0.059-0.063)0.095(0.091-0.098)0.147(0.135-0.17)天津0.056(0.054-0.058)0.087(0.081-0.092)0.133(0.124-0.153)西藏0.031(0.028-0.034)0.046(0.031-0.06)0.065(0.039-0.098)新疆0.379(0.346-0.412)0.496(0.46-0.531)0.78(0.754-0.867)云南0.222(0.212-0.

55、232)0.293(0.279-0.302)0.525(0.486-0.606)浙江0.476(0.463-0.488)0.834(0.812-0.855)1.229(1.16-1.395)重慶0.018(0.017-0.018)0.022(0.021-0.023)0.032(0.028-0.038)注：表中（）內上限和下限分別代表光伏發電裝機政策情景和高速情景結果，最終取值為對兩類情景上萬次模擬優化后選取的中位數。38 中國光伏發電潛力評估注：圖中的裝機容量為兩種情景下的各省裝機容量中位數，增長幅度為 2025 年、2030 年、2035 年各省裝機容量對比基準年（2023 年）的增長幅度。

56、圖 15 2023-2035 年中國各省光伏累計裝機容量與增長幅度區域省份0.000.200.400.60 0.00 0.300.600.90 1.20 0.000.501.001.500.001.002.00華北山東河北山西內蒙古天津北京西北新疆青海甘肅陜西寧夏華東江蘇浙江安徽福建上海華中河南湖北江西湖南四川重慶南方廣東云南貴州廣西海南東北遼寧黑龍江吉林其他西藏0.0110.0490.2300.2490.5420.5690.2140.2290.2540.2560.3000.0290.0880.3220.3360.3930.0160.0570.1250.1990.2490.3730.0470.

57、1090.1640.2070.2520.0460.0570.0960.0260.0170.0560.2750.2950.7040.7630.2600.2780.2820.3110.3790.0340.1080.3820.4760.4560.0180.0610.1570.2200.2700.4300.0600.1220.2600.2220.2940.0620.0780.1120.0310.0280.0870.4190.4661.2161.3030.4240.4830.3870.4660.4960.0540.1500.6490.8340.7850.0220.0950.2130.3790.4330.

58、7650.0760.1580.4470.2930.5290.0990.1260.1810.0460.0400.1330.5670.6731.7841.9060.6100.7090.5160.6660.7800.0770.2240.9491.2291.1510.0320.1470.3150.5570.6381.1490.1090.2320.6550.5250.7890.1410.1820.2640.065裝機容量(億千瓦)裝機容量(億千瓦)裝機容量(億千瓦)裝機容量(億千瓦)2025年2030年2035年2023年34%30%18.4%19.8%14.3%57.4%26.2%21.4%11%21

59、.3%21.7%16.1%41.8%18.5%23.4%17.6%15.3%8.6%10.4%25.4%6.3%11.8%16.6%7.1%58.2%11.9%27.1%16.9%38.1%34.8%20.6%128.9%124.5%87.1%82.5%77.6%159.3%65.2%82%52.4%110.7%98.4%99.8%148.4%101.4%71.4%86.9%105%74.1%90.2%70.1%65.5%36.6%109.8%41.4%171.9%45%61%88.9%123%115.2%79%234.8%229.4%170.2%147%171.4%270.4%159.8%1

60、60.1%103.1%209.3%185.4%193%266.1%194.4%156%166.4%208%156.5%179.5%151.6%156.1%98.8%212.8%153.4%298.4%112.8%130.9%175.6%222.1%206.5%152.9%39 中國光伏發電潛力評估注：每個網格的裝機容量為兩種情景下多次模擬的裝機容量中位數。圖 16 2035 年光伏累計裝機容量分布40 參考文獻參考文獻Lei,Y.,Wang,Z.,Wang,D.,et al.Co-benefits of carbon neutrality in enhancing and stabilizin

61、g solar and wind energy.Nature Climate Change,2023,13(7):693-700.Zhang,Z.,Chen,M.,Zhong,T.,et al.Carbon mitigation potential afforded by rooftop photovoltaic in China.Nature Communications,2023,14(1):2347.Gruber,K.,Regner,P.,Wehrle,S.,et al.Towards global validation of wind power simulations:A multi

62、-country assessment of wind power simulation from MERRA-2 and ERA-5 reanalyses bias-corrected with the global wind atlas.Energy,2022,238:121520.Lu,X.,Mcelroy,M.B.,Kiviluoma,J.Global potential for wind-generated electricity.Proceedings of the National Academy of Sciences,2009,106(27):10933-8.Mcelroy,

63、M.B.,Lu,X.,Nielsen,C.P.,et al.Potential for wind-generated electricity in China.Science,2009,325(5946):1378-80.Chen,S.,Lu,X.,Miao,Y.,et al.The Potential of photovoltaics to power the belt and road initiative.Joule,2019,3(8):1895-912.Archer,C.,Jacobson,M.Evaluation of global wind power.Journal of Geo

64、physical Research,2005,110.Zheng,C.w.,Pan,J.Assessment of the global ocean wind energy resource.Renewable and Sustainable Energy Reviews,2014,33:382-91.Pryor,S.C.,Barthelmie,R.J.A global assessment of extreme wind speeds for wind energy applications.Nature Energy,2021,6(3):268-76.Ozelkan,E.,Chen,G.,

65、stnda,B.B.Spatial estimation of wind speed:a new integrative model using inverse distance weighting and power law.International Journal of Digital Earth,2016,9:733-47.Ozay,C.,Celiktas,M.S.Statistical analysis of wind speed using two-parameter Weibull distribution in Alaat region.Energy Conversion an

66、d Management,2016,121:49-54.Jiang,P.,Li,R.,Li,H.Multi-objective algorithm for the design of prediction intervals for wind power forecasting model.Applied Mathematical Modelling,2019,67:101-22.Wang,J.,Heng,J.,Xiao,L.,et al.Research and application of a combined model based on multi-objective optimiza

67、tion for multi-step ahead wind speed forecasting.Energy,2017,125:591-613.Jiang,P.,Liu,Z.,Niu,X.,et al.A combined forecasting system based on statistical method,artificial neural networks,and deep learning methods for short-term wind speed forecasting.Energy,2021,217:119361.Wu,C.,Wang,J.,Chen,X.,et a

68、l.A novel hybrid system based on multi-objective optimization for wind speed forecasting.Renewable Energy,2020,146:149-65.Penman,H.L.Natural evaporation from open water,bare soil and grass.Proceedings of the Royal Society of London Series A.Mathematical and Physical Sciences,1948,193:120-45.41 參考文獻B

69、lack,J.N.,Bonython,C.W.,Prescott,J.A.Solar radiation and the duration of sunshine.Quarterly Journal of the Royal Meteorological Society,1954,80(344):231-5.Kan,A.,Zeng,Y.,Meng,X.,et al.The linkage between renewable energy potential and sustainable development:Understanding solar energy variability an

70、d photovoltaic power potential in Tibet,China.Sustainable Energy Technologies and Assessments,2021.Feng,Y.,Zhang,X.,Jia,Y.,et al.High-resolution assessment of solar radiation and energy potential in China.Energy Conversion and Management,2021,240:114265.He,G.,Kammen,D.M.Where,when and how much solar

71、 is available?A provincial-scale solar resource assessment for China.Renewable Energy,2016,85:74-82.Aly,A.,Jensen,S.S.,Pedersen,A.B.Solar power potential of Tanzania:Identifying CSP and PV hot spots through a GIS multicriteria decision making analysis.Renewable Energy,2017,113:159-75.Yushchenko,A.,D

72、e Bono,A.,Chatenoux,B.,et al.GIS-based assessment of photovoltaic(PV)and concentrated solar power(CSP)generation potential in West Africa.Renewable and Sustainable Energy Reviews,2018,81:2088-103.Yang,Q.,Huang,T.,Wang,S.,et al.A GIS-based high spatial resolution assessment of large-scale PV generati

73、on potential in China.Applied Energy,2019,247:254-69.Chen,Y.,Yue,X.,Tian,C.,et al.Assessment of solar energy potential in China using an ensemble of photovoltaic power models.Science of the Total Environment,2023,877:162979.Niu,J.,Qin,W.,Wang,L.,et al.Climate change impact on photovoltaic power pote

74、ntial in China based on CMIP6 models.The Science of the total environment,2023,858(Pt 1):159776.Qiu,T.,Wang,L.,Lu,Y.,et al.Potential assessment of photovoltaic power generation in China.Renewable and Sustainable Energy Reviews,2022,154:111900.Feng,Y.,Hao,W.,Li,H.,et al.Machine learning models to qua

75、ntify and map daily global solar radiation and photovoltaic power.Renewable and Sustainable Energy Reviews,2020,118:109393.Liu,F.,Wang,X.,Sun,F.,et al.Correct and remap solar radiation and photovoltaic power in China based on machine learning models.Applied Energy,2022,312:118775.Izquierdo,S.,Rodrig

76、ues,M.,Fueyo,N.A method for estimating the geographical distribution of the available roof surface area for large-scale photovoltaic energy-potential evaluations.Solar Energy,2008,82(10):929-39.Mller,J.,Trutnevyte,E.Spatial projections of solar PV installations at subnational level:Accuracy testing

77、of regression models.Applied Energy,2020,265:114747.Barbn,A.,Ghodbane,M.,Bayn,L.,et al.A general algorithm for the optimization of photovoltaic modules layout on irregular rooftop shapes.Journal of Cleaner Production,2022:132774.Huang,B.,Huang,J.,Xing,K.,et al.Development of a solar-tracking system

78、for horizontal single-axis PV arrays using spatial projection analysis.Energies,2013,16(10),4008.Song,X.,Huang,Y.,Zhao,C.,et al.An approach for estimating solar photovoltaic potential based on rooftop retrieval from remote sensing images.Energies,2018,11:3172.42參考文獻Hong,L.,Mller,B.Offshore wind ener

79、gy potential in China:Under technical,spatial and economic constraints.Energy,2011,36(7),4482-4491.Janke,J.R.,2010.Multicriteria GIS modeling of wind and solar farms in Colorado.Renewable Energy,35(10),2228-2234.Wu,J.,Xiao,J.,Hou,J.,et al.A multicriteria methodology for wind energy resource assessme

80、nt and development at an intercontinental level:Facing lowcarbon energy transition.IET Renewable Power Generation,2023,17(2),480-494.Snchez-Lozano,J.M.,Teruel-Solano,J.,Soto-Elvira,P.L.,et al.Geographical Information Systems(GIS)and Multi-Criteria Decision Making(MCDM)methods for the evaluation of s

81、olar farms locations:Case study in south-eastern Spain.Renewable and sustainable energy reviews,2013,24,544-556.Angelis-Dimakis,A.,Biberacher,M.,Dominguez,J.,et al.Methods and tools to evaluate the availability of renewable energy sources.Renewable and Sustainable Energy Reviews,2011,15(2),1182-1200

82、.黃瀚,肖晉宇,趙楊等.一帶一路國家風光資源評估報告R.北京:全球能源互聯網發展合作組織,2022.清華大學碳中和研究院等.中國碳中和目標下的風光技術展望R.北京:清華大學,2024.秦海巖.加快開發海上風電，打造沿海地區高質量發展引擎J.風能,2023,(09):1.國家發展改革委.國家發展改革委關于引發全國風能資源評價技術規定的通知Z，2012.http:/ 1075-2023）S,2023.國家能源局.2023年全國電力工業統計數據Z,2024.http:/ 參考文獻附錄44 附錄附件 1 風光發電潛力評估方法A1.1 數據來源風光發電潛力評估數據集包括風功率及平均風速圖譜、全球水平輻照

83、度、生態紅線、居民用地、路網數據以及省級清潔能源裝機數據（表 A1）。其中 150 米高度的風功率圖譜是用于評估風電資源潛力。平均風速圖譜主要用于評估風電技術發電潛力時可開發區域的選擇，以及風電潛力評估指標的構建。名稱空間分辨率來源150 米高度風功率圖譜數據250mhttps:/globalwindatlas.info/zh150 米高度平均風速圖譜250mhttps:/globalwindatlas.info/zh全球水平輻照度250mhttps:/globalsolaratlas.info/高程數據250mhttps:/srtm.csi.cgiar.org/srtmdata/生態紅線30

84、 m環境規劃院居民區30 mOpen street map路網數據矢量Open street map各省清潔能源裝機數據-國家能源局、國家電網公司表 A1 數據來源全國水平輻照度用于評估光伏發電理論潛力。高程數據用于評估風光技術潛力時所考慮的技術性因素。生態紅線、居民用地以及路網數據是指在評估風光發電潛力時，所需要排除的限制性因素。省級清潔能源裝機數據是用于風光設備分布現狀的關鍵數據。45 附錄A1.2 風能發電A1.2.1 風能資源潛力評估A1.2.2 風電技術開發潛力評估風電資源潛力是指風機在特定的風資源情況下，區域內一定高度上可利用的風總動能（ETRWind）。為了確保風機高效運行并減少

85、風機尾流的影響，需要適當安排風機的排列分布。在本研究風電資源潛力計算時，在本研究風電資源潛力計算時，參考一帶一路國家風光資源評估報告中對風能資源潛力得評估，定義評估區域中 100 倍掃風面積內一般只安裝 1 臺風能轉換裝置，計算公式如下。在風電資源潛力的基礎上，排除了生態紅線、居民區域、河流水域、交通道路、風速低于 4m/s 區域、坡度大于 30、高差大于 4000m 等限制性區域，在技術可達性前提下，以 10km 網格為單位計算網格內的風電技術潛力（Pecon），計算公式如下。式中，Pecon是指排除限制因素后的技術裝機潛力，單位為 kW；nslope是指坡度因子，坡度數據是按照 33 網格

86、分辨率所統計的全國坡度數據，并按照表A2 坡度分類得到坡度影響因子；5MW/km2代表經驗裝機密度，參考一帶Pecon=5*nslope*Savailable 式中，Ai為第 i 塊所選區域面積；n為選擇區域內柵格數量；Pij為第 i 塊柵格第 j 小時的風功率。46 附錄一路國家風光資源評估報告中對單位面積裝機密度的估計，預估單位平方千米的平坦地形區域內所允許安裝最大風機容量為 5MW；Savailable是指風電裝機的有效面積，即在 10km 網格內排除限制性因素后的可利用開發面積。GIS 坡度（）坡度影響因子0-1.711.8-3.40.53.5-16.70.316.8-300.1530

87、0表 A2 不同坡度對應的坡度影響因子A1.2.3 風電裝機情景分析對于風電裝機現狀分析，基于遙感和 GIS 技術獲得中國風電單機點源數據，結合 2023 年各省實際風電裝機容量，采用統計學與 GIS 技術相結合的方法計算 10km 網格實際風電裝機容量。對于風電裝機情景分析，基于政策情景、高速情景下各省風電裝機規劃量，以 10km 網格單元為評價對象，從環境因素、風資源潛力、基礎設施三個方面構建風能潛力評價指標體系，依據網格指標權重大小確定優先開發區域，以網格的風電技術潛力作為該網格的未來裝機容量，并以兩種情景下各省市 2025-2035 年風電裝機規劃量進行約束校對。潛力情景預估以當前風電

88、機組技術水平進行分析，但隨著未來風電技術進步，情景預測結果可能會被低估。其中風能裝機潛力評價指標體系構建分為陸地、海上，具體指標構建方法如下。（1 1）陸地風電潛力評價指標體系構建）陸地風電潛力評價指標體系構建陸地風能裝機潛力評價指標體系一級評價指標包括環境條件、風資源潛47 附錄表 A3 陸地風電潛力評價指標力和基礎設施，二級評價指標包括地形坡度、風能資源開發裝機密度、平均風速以及距離路網邊界，各層級指標的權重采用 AHP 方法計算確定（表A3）。各評價指標考慮因素如下。a 環境因素：主要是指地形坡度，根據NASA數據中心提供的分類方式，由于平坦的地形和較低的海拔更便于風電場的建設和日常維護

89、，因此將平坦、海拔低的區域作為可開發利用區域。此類地區相應權重相對較高。b.風資源豐富度：包括風能資源開發裝機密度和年平均風速。風能資源開發裝機密度是指不同地形坡度對單位土地面積上的裝機能力的折減影響，一般可通過設定坡度影響因子計算得到實際裝機密度。裝機密度越大，區域裝機容量越大。年平均風速主要用于描述區域風資源的豐富度。年平均風速越高，風機的轉動速度和發電效率越高。本報告年平均風速是指在 10km 網格內整塊區域的平均值，對于實際的復雜山地風電場會有一定程度低估。c.基礎設施：主要是指風機距離路網邊界的距離，考慮到風電裝機技術的可達性，距離主干道的距離是影響風電裝機的主要因素之一。距離主干道

90、越遠，建設風電場的難度越大，因此在選擇風電設備安裝區域時應考慮風機距離基礎設施的距離。一級 權重 二級 權重指標劃分012345環境因素0.4地形坡度0.4海面、高山和高山群山山脈、海拔高度大于3000 m-低山群山山脈低山山脈平坦地形，但是其高程低于等于3000 m風資源豐富度0.2裝機密度0.1-平均風速0.1-7 m/s基礎設施0.4距離路網0.4-100km 以外50 km-100 km40 km-50 km30 km-40 km30 km以內的區域48 附錄（2 2）海上風電潛力評價指標體系構建）海上風電潛力評價指標體系構建表 A4 海上風電潛力評價指標條件 權重指標劃分012345

91、規定條件0.4離岸距離30km離岸距離:20km-30m離岸距離:10km-20m裝機容量0.3-歸一化，輸出整型。海上風速0.3小于 6m/s將大于等于 6m/s 的風速，歸一化到 0-1 并乘以 5，返回整型數據。海上風電潛力評價指標構建，主要基于以下三個原則：第一，根據國家能源局和國家海洋局對海上風電建設做出的明確規定，海上風電場原則上應在離岸距離不少于10 公里、灘涂寬度超過 10 公里時海域水深不得少于 10 米。第二，在確定海上風電場的建設優先級時，優先考慮裝機容量高，且可以規?；瘧脜^域。第三，海上風速大小決定了海上風電潛力大小，直接影響區域海上風電裝機規模。因此，從規定條件、裝

92、機容量、海上風速三個方面構建海上風電潛力評價指標體系（表 A4）。49 附錄A1.3 光伏發電A1.3.1 光伏發電資源潛力評估A1.3.2 光伏發電技術開發潛力評估光伏發電資源潛力主要是由全球水平輻照度（GHI，Global Horizontal Irradiation）指標來反映，該指標是指在一個水平表面內所能接受的直接輻射度、漫射輻照度的總和。光伏發電資源潛力計算公式如下：對于集中式光伏裝機技術潛力計算，光伏技術裝機受地形條件，包括高程、坡度和坡向地形起伏度等因素制約。本研究參考自然資源部發布的光伏發電站工程項目用地控制指標對不同緯度裝機密度的研究結果，選擇 10MW 固定式式中，GHI

93、是柵格對應的太陽能年水平面總輻照度；Ai為第 i 塊柵格面積；n為選擇區域內柵格數量。光伏板、110KV 并網條件和 20%發電效率的三類地形所對應的理論裝機密度（表 A5），計算 10km網格集中式光伏技術裝機容量。對于不在此緯度范圍內的光伏裝機密度計算方法，采用線性插值進行處理。區域類型緯度轉化效率（%）10MW 110KV（ha）裝機密度(MW/km2)1182010.324971202010.701931252011.864841302013.47274表 A5 不同區域類型、緯度下的光伏理論裝機密度50 附錄區域類型緯度轉化效率（%）10MW 110KV（ha）裝機密度(MW/km2

94、)1352015.807631402019.456511452025.881391502039.994252182012.936772202013.426742252014.938672302017.029592352020.064502402024.808402452033.16302502051.507193182015.548643202016.151623252018.012563302020.585493352024.321413402030.16333452040.44253502063.0216數據來源：自然資源部發布的光伏發電站工程項目用地控制指標。對于分布式光伏裝機技術潛力計

95、算，采用 10km 單位網格內的裝機面積乘以 25%的折減率得到有效開發利用面積，并結合單位網格裝機密度計算分布式光伏技術裝機容量。51 附錄對于光伏裝機現狀分析，基于遙感和 GIS 技術獲得中國光伏單機點源數據，結合 2023 年各省實際光伏裝機容量，采用統計學與 GIS技術相結合的方法計算 10km 網格實際光伏裝機容量。對于光伏裝機情景分析，基于政策情景、高速情景下各省光伏裝機規劃量，以 10km 網格單元為評價對象，從地理因素、排放因素、資源潛力、基礎設施等四個方面構建光伏潛力評價指標體系，依據網格指標權重大小確定優先開發區域，以網格的光伏技術潛力作為該表 A6 光伏裝機潛力評價指標一

96、級權重二級權重指標劃分012345地理因素0.2地形坡度0.2坡度 30-10-30其他區域10-303-100-3排放因素0.3區域碳排放0.30-1010-1000010000-5000050000-100000100000-200000 200000資源潛力0.4技術裝機容量0.4-=3.63.6-3.953.95-4.264.26 4.644.64 6.31基礎設施0.1距離路網0.1-100 km以外50 km-100 km40 km-50 km30 km-40 km30 km以內的區域限制性因素-生態紅線、水體、高速公路其他區域-網格的未來裝機容量，并以兩種情景下各省市 2025-

97、2035 年光伏裝機規劃量進行約束校對。光伏裝機潛力評價指標因素及評價指標分類，如表 A6 所示。光伏潛力評價指標體系一級指標包括地理因素、排放因素、資源潛力、基礎設施，二級指標包括地形坡度、區域碳排放、技術裝機容量以及距離路網邊界。限制性因素主要用于排除資源稟賦、保護區、高海拔、高坡度以及地面覆蓋物等限制性區域。各層級指標的權重采用 AHP 方法計算確定。A1.3.3 光伏裝機情景分析52 附錄附件 2 中國各省份風電和太陽能發電 發展政策和規劃區域目標政策文件北京2025 年太陽能、風電總裝機容量達到 280 萬千瓦；到 2030 年，太陽能、風電總裝機容量達到 500萬千瓦左右。北京市碳

98、達峰實施方案天津到 2025 年，風電裝機規模達到 200 萬千瓦，光伏裝機規模達到 560 萬千瓦。天津市可再生能源發展“十四五”規劃河北到 2025 年，風電、光伏發電裝機容量分別達到4300 萬千瓦、5400 萬千瓦。河北省國民經濟和社會發展第十四個五年規劃和二三五年遠景目標綱要遼寧到 2025 年風電、光伏裝機規模達到 3700 萬千瓦以上。遼寧省“十四五”能源發展規劃黑龍江到 2025 年風電新增裝機 1000 萬千瓦；到 2025 年光電新增裝機 550 萬千瓦。黑龍江省國民經濟和社會發展第十四個五年規劃和二三五年遠景目標綱要上海2025 年、2030 年，風電裝機容量分別力爭達到

99、 260萬千瓦、500 萬千瓦。2025 年、2030 年，光伏裝機容量分別力爭達到 400 萬千瓦、700 萬千瓦。上海市碳達峰實施方案、上海市減污降碳協同增效實施方案江蘇到 2025 年，風電裝機達到 2800 萬千瓦以 上，光伏發電裝機達到 3500 萬千瓦以上。江蘇省“十四五”可再生能源發展專項規劃浙江“十四五”期間，全省新增海上風電、光伏裝機翻一番，增量確保達到 1700 萬千瓦爭達到 2000萬千瓦。新增光伏裝機 1245 萬千瓦以上，力爭達到 1500 萬千瓦。海上風電，新增裝機 455 萬千瓦以上，力爭達到 500 萬千瓦。浙江省國民經濟和社會發展第十四個五年規劃和二三五年遠景

100、目標綱要、浙江省能源發展“十四五”規劃安徽“十四五”期間，新增并網風電、光伏發電裝機1800 萬千瓦左右，風光裝機力爭實現倍增。其中光伏新增 1430 萬千瓦，風電新增 388 萬千瓦，安徽省能源發展“十四五”規劃福建2025 年電力規劃裝機風電 900 萬千瓦、占 10.6%，新增 410 萬千瓦；光伏裝機 500 萬千瓦、占 5.9%，新增 300 萬千瓦。福建省“十四五”能源發展專項規劃53 附錄區域目標政策文件河南到 2025 年，風電累計并網容量達到 2700 萬千瓦以上；光伏發電并網容量達到 2000 萬千瓦以上。河南省碳達峰實施方案湖北新增風電裝機 500 萬千瓦；新增光伏發電裝

101、機 1500千瓦。湖北省能源發展“十四五”規劃湖南到 2025 年全省風電、光伏發電裝機規模達到 2500萬千瓦以上。湖南省發展和改革委員會關于全省“十四五”風電、光伏發電項目開發建設有關事項的通知廣東規?；_發海上風電，打造粵東粵西兩個千萬千瓦級海上風電基地；到 2030 年，風電和光伏發電裝機容量達到 7400 萬千瓦以上。廣東省碳達峰實施方案廣西新增集中式光伏并網裝機規模不低于 1000 萬千瓦；新增陸上風電并網裝機規模不低于 1500 萬千瓦。到 2030 年，風電、太陽能發電總裝機容量達到7000 萬千瓦左右。廣西壯族自治區碳達峰實施方案、廣西可再生能源發展“十四五”規劃海南到 20

102、25 年，新增光伏發電裝機 400 萬千瓦，投產風電裝機約 200 萬千瓦。海南省碳達峰實施方案重慶力爭到 2025 年全市清潔能源裝機規模約 2000 萬千瓦，在全市裝機占比提高至 55%。重慶市能源發展“十四五”規劃（20212025 年）貴州到 2025 年光伏、風電和生物質發電裝機容量分別達 3100 萬千瓦、1080 萬千瓦、60 萬千瓦；到 2030年光伏、風電和生物質發電裝機容量分別提高到6000 萬千瓦、1500 萬千瓦、80 萬千瓦以上。貴州省碳達峰實施方案陜西到 2030 年，風電、太陽能發電總裝機容量達到8000 萬千瓦以上。陜西省碳達峰實施方案甘肅到 2025 年，建成

103、分布式光伏發電 350 萬千瓦，全省儲能裝機規模達到 600 萬千瓦。風電新增裝機總投資約 1500 億元，各類太陽能發電新增裝機總投資約 1400 億元。甘肅省“十四五”能源發展規劃青海2025 年光伏發電 4580 萬千瓦，風電 1650 萬千瓦。青海省碳達峰實施方案寧夏重點依托沙漠、戈壁、荒漠、采煤沉陷區等建設一批百萬千瓦風電光伏基地；“十四五”期間，建設1400 萬千瓦光伏和 450 萬千瓦風電項目。寧夏回族自治區應對氣候變化“十四五”規劃新疆到 2025 年，新疆新能源并網裝機有望達 11600萬千瓦以上，超過新疆能源總裝機的一半，風光項目裝機將成為新疆新增裝機的主要來源。國網新疆電力有限公司能源大數據中心西藏加快發展光伏太陽能、裝機容量突破 1000 萬千瓦。中共西藏自治區委員會關于制定國民經濟和社會發展“十四五”規劃和二三五年遠景目標的建議