分布式能量供应系统

关键词： 供能 发电 有助于 分布式

分布式能量供应系统（精选四篇）

分布式能量供应系统 篇1

采用分布式发电供能技术, 有助于充分利用各种清洁和可再生能源, 向用户提供“绿色电力”, 是实现我国“节能减排”目标的重要举措。大电网与分布式发电供能系统相结合, 不仅有助于提高分布式发电的供能质量, 有助于分布式发电技术的大规模推广应用, 也有助于防止大面积停电, 提高电力系统的安全性和可靠性, 增强电网抵御自然灾害的能力, 对于电网乃至国家安全都有重大现实意义。

分布式能源微网是分布式发电设备运行的有效形式。CSGC-3000/MGMS分布式能源微网管理系统是研发的一体化微网保护控制系统。CSGC-3000/MGMS系统基于多个分布式能源微网工程实践, 结合电力系统保护控制的生产研发经验, 为大学校园、科技园区、宾馆、展览馆场所等的分布式能源微网提供保护、控制、能量管理的一体化解决方案。

2 分布式能源管理系统结构

CSGC-3000/MGMS按功能划分为3层结构:第一层是分布式能源 (分布式风、光、蓄设备) 控制器。CSGC-3000/MGMS紧密结合智能电网与新能源发展的需要, 提供基于电力电子接口的风光蓄等分布式能源控制器, 就地对各种分布式能源进行控制;第二层是一体化的微网保护控制系统。基于公司最新研发的适应微网保护监控要求的软硬件平台, CSGC-3000/MGMS提供微网在并网、孤网两种模式切换条件下的完整的保护控制方案;第三层是微网能量管理系统, 可实现冷、热、电各种能源的综合优化, 以保证整个微网系统的经济运行为目标, 以满足安全性、可靠性和供电质量要求为约束条件, 对分布式发电供能系统的电源进行优化调度、合理分配出力, 实现分布式能源微网系统的优化运行。

2.1 微网分布式能源控制层分布式风力发电控制器

采用矢量控制算法, 可实现有功、无功解耦控制;

直流母线采用薄膜电容器, 可运行时间更长, 极限运行能力更强;

满足国家电网公司风电场接入最新标准, 具备优秀的低电压穿越及暂态无功支撑能力;

完善的继电保护功能, 有效防止变流器的异常损坏;

分布式光伏发电控制器

采用改进爬坡式MPPT (最大光能跟踪) 算法, 最大限度利用光能;

采用智能矢量控制技术, 可一致三相不平衡对系统的影响, 提高直流母线电压利用率;

多组直流输入, 宽直流电压输入范围, 适用不同光伏电池板的接入方式;

最高转换效率高于97%, 具备低电压穿越能力, 保证系统电压稳定;具备无功紧急补偿能力;

具备完善的孤岛检测等继电保护功能, 有效防止各种事故;

具有以太网通信接口, 可以方便接入光伏电站监控系统;

分布式储能控制器

电池充、放电特性可以在线整定, 与不同电池接口时, 可以根据电池特性轻松改变变流器的充、放电特性, 具备很强的通用性;

自适应并网充电, 保证对电池的安全充电, 延长电池寿命;

有功、无功实现完全的解耦控制;

充分考虑电网对储能系统的接口要求, 支持“削峰填谷”、“无功调节”、“负荷追踪”等多种高级应用功能;

提供完善的软件保护与硬件保护功能;

整套系统的运行效率达到95%以上, 谐波输出小于5%;

2.2 微网保护控制层

与微网相配合的10kv保护测控装置系列;

完善的微网内保护测控装置系列;

微网在并网、孤网两种模式切换条件下保护控制系统的自适应技术;

微网保护控制一体化方案;

微网与配网的保护配合方案;

一体化控制器平台, 接入冷热电联供系统、储热、储冷设备, 方便系统集成。

2.3 微网能量管理层

冷、热、电负荷的综合预报软件;

微网用户可再生能源的综合预报;

冷、热、电三联供系统的冷热电优化调度与控制;

多种分布式能源经济调度与控制;

微网适应电价机制、削峰填谷等的运行方式与控制策略。

3 结束语

微网系统的经济运行技术和能量管理方法是实现微网高效、稳定运行的基础, 可以在满足系统运行约束的条件下, 实现微网的优化运行与能量的合理分配, 最大限度地利用可再生能源, 保证整个微网运行的经济性。在微网的经济运行上, 可以考虑开展以下研究:

微网能量管理方法:开展含多种分布式电源的微网能量优化管理方法研究, 发展能量集中调度并考虑需求侧响应的能量优化管理策略;研究微网优化调度方法, 最大化微网内可再生能源发电, 最小化微网运行成本和最小化污染物排放;研究微网内储能装置的运行调度策略。

分布式能量供应系统 篇2

关键词：企业级电气化监控；能量管理系统；模块；技术

目前分布式企业级电气化监控和能量管理系统在能源工业企业的发展中有举足轻重的作用。企业级电气化监控的任务是实时采集企业电网运行数据并监视其运行状态，必要时发出控制指令操作终端设备.它向数据平台层提供终端设备运行的实时数据，数据平台层通过它向企业电网发送控制信号.综合数据平台利用统一建模技术对企业全局信息建模，达到信息的充分共享和访问，从而为企业级能量管理奠定坚实的数据层基础；能量管理层利用企业电网全局信息进行调度决策，主要目标是提高控制质量（电源控制、负荷控制）和改善运行的经济性，主要包括负荷预测和管理、动态无功调度、节能调度和能量平衡4个模块，各模块间既具有相对的独立性，又在一定程度上保持数据交互.人机界面层主要提供管理员与系统的联系手段，使管理员能监视、分析和控制企业电网，并通过图形、报表等形式显示能量管理的过程和结果，

一、系统关键模块和技术分为以下几个方面：

1、分布式电气化监控

广域电气化监控将输供系统中电力专业化能源管理延伸到工业企业用电系统中，使终端用户能够安全、可靠和舒适的用电，其关键是解决空间上广域分布的工业企业各厂区用电设备的保护和控制。

采用超大集成规模电路，利用非线性补偿测量技术、嵌入式多智能体技术和分布式故障诊断技术方面的最新成果，开发具有自适应协调控制功能的中低压测控保护一体化控制装置，解决工业用电设备的智能化测控保护以及电气过程控制的分布式部署问题.中低压测控保护一体化控制装置在企业配变所、配电柜及车间或生产线就地分散，实现设备用电的安全保护、电能调节、运行状态与能耗的测量，完成各种预制的逻辑或远程指令控制等分散功能，实现就地信息的数字化远传.设备满足国家标准要求的抗干扰能力，适应各种现场环境使用，安装方便.

采集的数据通过多种通信方式传递到通信服务器，对于布线简单或存在高电磁污染的大型企业，应在企业规划期设计好有线通信信道，保证企业内部通信网络的灵活性和可扩展性；对于地势复杂又不存在高电磁污染的大型企业，可考虑采用建设周期短、组网灵活的无线通信方式.考虑到能量管理的实时性要求，融合工业数据特点的应用层数据交换技术，开发具备智能、开放及分散的具有自检测机制的CAN通信总线，利用一体化智能测控和保护装置对分布在生产现场的各个用电能耗设备进行信号采集，通过有线或无线通信介质，运用高性能的工业现场总线技术对测控设备进行分布式组网，从而建立适合大型工业企业的分布式电气监控系统.

2、图模一体化数据平台

大型工业企业的生产过程具有严格对象化和流程化特点，常规的电气监控系统是面向量测点，这和实际的生产过程不符，如何有效地组织信息、存储和访问信息是当前的技术难点.

通过引入电力企业信息资源规划成果CIM模型，扩展建立用电企业面向对象的ECIM（Enter-prise Common Information Model）电网模型，实现信息的对象化采集、组织和分层管理，为企业用电信息和生产信息的无缝结合奠定技术基础.企业电气接线图采用可缩放矢量图形SVG画面格式，SVG是由W3C组织发布的一种基于XML的开放式二维图形描述语言，具有标准开放、矢量缩放、平台无关以及网络发布等特性。

为保证企业模型ECIM的普遍性，信息模型主要包括：①变压器、开关刀闸等输电设备模型；②车床、电炉等耗电设备的负荷模型；③企业内部电厂的小型发电机组、原动机等电力生产模型；④企业电气化监控量测点模型；⑤某类产品单位耗电量、产量等企业产品模型.通过分析SVG文件描述标准，SVG对于设备的描述主要集中在〈g〉组中.〈g〉组中每一个设备对象都可以描述一个ID.如果将该ID与企业模型ECIM中对象的RDF/ID进行关联并保持一致，则可以通过解析ECIM文件中设备的RDF/ID，得到SVG文件中对应的设备ID，进而得到该设备对象的图形描述，实现图模一体化功能.

在建立统一的图形和数据模型的基础上，根据企业模型的属性值确定相应的实时数据库和存储数据库的表结构.同时，为实现企业数据的规划态、实时态和历史态的多态管理，将实时数据处理和转存至历史数据库，为企业能量分析和管理提供数据支撑.

3、能量分析和管理

在掌握了工业企业完整的能量消耗信息后，在企业层面或者区域能量监测中心层面实现系统级的能量分析和优化节能是企业能量管理的核心.企业集成能量管理系统是建立在电气监控系统之上的用电状态在线分析、评估与管理系统.主要包括5个功能模块：企业电网潮流计算、负荷预测和管理、动态无功优化调度、含分布式电源的企业节能调度以及企业能量平衡分析.

能量平衡分析模块在宏观上通过建立计算机远程信息采集和监控系统，实时监测并记录企业的用电能时间、设备运行状态、能源消耗参数等，自动分析对比能源使用状况，发现问题并提供解决方案，实现企业能源管理的信息化、自动化；微观上分析潮流分布和设备能耗状况、统计设备投入产出与能耗效率、确定企业内部准确的电能分配方式，探寻设备选型、设备配置、设备工作时段和工作周期的科学性和合理性。

通过企业潮流计算分析企业电网潮流分布，发现并纠正企业电网潮流不合理之处，优化调整网络结构，平衡负荷分布，高效地利用电力供应，挖掘生产制造潜力，提高生产效率.同时，企业潮流计算也是企业节能调度和动态无功优化功能实现的基础.考虑到部分企业自带分布式电源，采用改进前推回代法计算含分布式电源且可能存在弱环网的企业潮流。

企业负荷预测结合产品制造过程的各种能源消耗状态、企业节假日工作安排以及当地的天气环境因素，采用模糊粗糙集对企业负荷进行聚类分析，以聚类数据作为样本进行神经网络训练预测，为企业发展提供更精细的负荷预测数据.负荷管理模块合理调节企业用电的负荷曲线，结合用电峰谷电价，合理调整主要能耗设备的运行计划、运行参数，降低生产费用.负荷预测结果同时作为企业节能调度和无功优化的输入条件使用，其预测精度亦会影响企业节能调度和无功优化的结果。

由于用电企业是电能消耗的末端，无功随着生产设备的运行状态改变变化很多.在大电网分析模型的基础成果上，延伸建立大型工业企业电网仿真模型，结合企业负荷预测数据，融合模糊控制理论和快速跟踪补偿理论，以企业电网整体功率因素最大为目标（工业用电的调整电费），建立稳态补偿和快速跟踪补偿相结合的低压综合无功补偿模型，以达到优化用电网，实现企业电网的节能降耗。

随着分布式电源接入企业电网，原有的单一受电用户将成为集发电和用电于一体的微型电力网络.以企业负荷预测数据、分布式电源出力和发电成本数据以及电网分时电价为初始输入条件，以节能、经济和环保三大原则为目标给出多目标优化调度模型，用多目标粒子群优化算法对该模型进行求解，得到一日各时段内发电机出力的二维数据表。

参考文献：

[1]肖世杰.构建中国智能电网技术思考[J].电力系统自动化，2009，（9）.

分布式能量供应系统 篇3

电力是能源生产和消费的大户。中国电力在取得极大发展、为经济和其他产业的发展提供强有力支持的同时,也成为了中国环境污染的主要源头之一[1]。因此,节能减排对于电力行业具有特别重要的意义,它体现了电力企业的社会责任意识。与电力行业节能减排密切相关的政策法规有:《国家中长期科学和技术发展规划纲要》、《中华人民共和国节约能源法》、《可再生能源中长期发展规划》、《关于加快关停小火电机组的若干意见》、《节能发电调度办法(试行)》等。这些法规或措施共同体现了全程节能的目标,贯穿于发电、输配电及用电领域,但是,它们只在决策层面给出了指导方向,而没有对具体的技术措施和方案进行研究或量化。由于节能减排政策的正式实施时间并不长,这方面的研究工作并不多。文献[2,3,4,5,6,7]探讨了节能发电调度的优化模型、经济补偿机制、在电力市场下的实施方案等,主要是在发电侧和政策层面上展开分析。

分散电源的兴起和发展给电力系统提供了一种非常有前途的节能减排技术。分散电源包括分布式发电和分散储能,是一种建设于负荷侧的小型、灵活而新颖的电源,能综合高效地利用电、热、冷等能源,实现低污染甚至无污染排放,可解决供电质量问题,提高负荷供电的可靠性,同时可向电网提供削峰填谷等辅助服务。基于分散电源的分布式发电供能系统[8]的接入是未来智能电网建设的重要组成部分[9],而实现节能减排是智能电网运行的关键目标之一[10],因此,研究分析分布式发电供能系统的节能减排效益对于智能电网的规划和运行意义重大。文献[11,12]研究了配电侧引入分散电源的节能减排效益,但待选优化的分散电源类型较少,且只模拟了电负荷,而没有对热负荷或冷负荷进行相应分析,不能全面真实地反映分散电源的节能减排效益。

本文从配电公司运营者角度和智能电网架构出发,首先对分散电源的节能减排效益进行全面系统的分析,其次提出了考虑多类型分散电源的含有高级智能生产调度模块的多目标能量优化模型及其求解思路,并在模型求解算法中提高环保指标的重要性标度。最后以一个与输电系统弱连接的配电网为例,着重分析分布式发电供能系统的节能减排效益。

1 分布式发电的节能减排作用

分散电源具有良好的环境效益,其中一个重要的方面是节能减排效益,具体表现在:

1)应用可再生能源或燃料电池等无污染或污染较小的分散电源技术,替代传统的集中式化石燃料发电,从而减少1种或者多种污染物的排放量。如风力和太阳能发电可提供全绿色电力[13],以天然气为燃料的微型燃气轮机释放的SO2是许多燃煤发电厂释放量的25%,NOx(氮氧化物)释放量低于1%,而CO2释放量则低于40%,因此,这些分散电源足够清洁,可安装在居民区或者商业区[14]。

2)靠近负荷中心的分散电源容量不大,灵活性高,易于实现能量的综合梯级利用,满足电、热、冷等不同形式的负荷需求,提高能源利用效率,从而节约能源和减少污染物排放,如小型热电联产、冷热电联产等[15]。

3)通过合理优化不同类型的分散电源在电网中的位置和容量,可以降低输配电网损耗[16]。

4)用于间歇式可再生能源发电配套的储能装置可减少由于供需不平衡引起的电能损失,从而提高可再生能源利用效率[17]。

5)大量应用的分散储能装置可在电网负荷较低时存储高效率机组的电能,在负荷较高时放电,从而替代低效率机组的电能[18]。

可以预见,随着分布式发电供能技术的发展、环境保护政策的实施、配电侧竞争的电力市场的出现,以及智能电网战略的推进等,具有效率高、运行灵活、类型多样等优点的分散电源必将高度融入环境关注度日益增大的电源和电网规划,成为未来智能配电网不可或缺的一个组成部分[19]。

2 考虑节能减排的分布式发电供能系统优化模型

2.1 分布式发电供能系统评估指标

分布式发电供能系统中的能量源包括传统集中式电厂(电网)和分散电源,后者包括风力发电、太阳能光伏发电、柴油发电机、微型燃气轮机和储能电池等。图1是在文献[20]基础上抽象出来的一般化分布式发电供能系统示意图。

负荷结构的多样化和供电能力的不同导致分布式发电供能系统各层次元素的不同,以及层次间联结关系的差异,从而组成不同的分布式发电供能系统。

为满足未来智能电网发展的要求,电网与分布式发电供能系统间可实现满足各种约束的双向互动供电。一方面,个性化、需求化、灵活的用户端电能需求将得以实现;另一方面,自有、富余、投资性电能可以用于电网补充、调配和应急,从而实现社会效益最大化[8,9]。实时、分时、分段或分类电价是智能电网的技术组成与功能之一,也是智能电网最基础的驱动力,是实现整个电力系统经济高效运行的前提。智能生产调度是未来智能电网垂直架构的核心组成部分[9],是未来电网发展的必然趋势,是分布式发电供能系统实现提高传统能源利用效率和充分有效利用各种可再生能源双重任务的关键。

确保电网实现最优技术经济比、最佳可持续发展、最大经济效益、最可靠电力供给、最优环境保护是智能电网的部分目标[9]。本文主要考虑分布式发电供能系统的经济性、可靠性和环保性等关键指标,其模型评估的4个量化指标如下:

1)成本指标:年总规划费用C;

2)环境兼容性指标:可再生能源年发电量Eren;

3)负荷可靠性指标:年失负荷容量Pul;

4)系统可靠性指标:年容量短缺量Pcs。

这4个指标并非全部一致,它们之间存在冲突和矛盾,如Eren越大,风力发电和太阳能光伏发电等可再生能源的发电容量越大,由于它们的综合成本较高,则C会相应增大,同时由于风力发电和太阳能光伏发电等可再生能源发电的随机性和波动性,系统的Pul和Pcs也会相应增大。

2.2 分布式发电供能系统多目标优化模型

2.2.1 目标函数

以2.1节给出的4个评估指标作为分布式发电供能系统的规划子目标。

成本指标的目标函数为:

$\begin{array}{l}F{}_1=\min \{C={\displaystyle \sum _{i=1}^{{\rm M}}{\displaystyle \sum _{j=1}^{{\rm N}{}_i}[}}s{}_{ij}(a{}_{ij}+b{}_{ij}+c{}_{ij}+\\ d{}_{ij}-f{}_{ij}){\rm P}{}_{\text{D}\text{G}ij}^{\text{c}\text{a}\text{p}}]+{\displaystyle \sum _{t=1}^{8760}{\displaystyle \sum _{k=1}^{{\rm K}}(}}h{}_t{\rm P}{}_{\text{G}\text{r}\text{i}\text{d}}^t)\}(1)\end{array}$

式中:等号右边第1部分为折算到每年的分布式发电投资及运营等相关费用,第2部分为从输电网直接购电成本;M和Ni分别为分布式发电类型数和第i类分布式发电的待选总数;sij为0-1变量,决定第i类的第j个待选分布式发电装置安装与否;aij,bij,cij,dij,fij分别为第i类的第j个待选分布式发电经过折算的单位投资成本、运营成本、替代成本、燃料费用和残值;PcapDGij 为第i类的第j个待选分布式发电的容量;PtGrid 为t时段输电网供电功率;ht为t时段电网电价;分布式发电供能系统逆向售电时,PtGrid为负值,相应的ht为逆向售电电价。

替代成本是指在分布式发电装置寿命期结束后对其进行更换所花费的成本,一般小于装置的初始投资成本;残值指项目财务周期结束时分布式发电装置所剩余的资金价值,从工程经济角度,这一部分价值不应作为规划期内的成本;燃料费用其实属于运营成本之一,为后面算例分析所需,本文特将其单独列出。无论是一次性的投资成本还是按时间(如年)支付的成本(如运营成本等),均可通过年实际利率和项目财务周期2个参数换算为按一年等额支付的成本,进而按分布式发电装置额定容量折算为单位成本。文献[21]全面论述了各种形式的资金时间价值换算方法,本文不再赘述。

其他3个指标的子目标函数分别为:

$\begin{array}{l}F{}_2=\max E{}_{\text{r}\text{e}\text{n}}(2)\\ F{}_3=\min {\rm P}{}_{\text{u}\text{l}}(3)\\ F{}_4=\min {\rm P}{}_{\text{c}\text{s}}(4)\end{array}$

Pcs和Pul可通过下式计算得到:

$\begin{array}{l}{\rm P}{}_{\text{c}\text{s}}={\displaystyle \sum _{t=1}^{8760}{\rm P}}{}_{\text{c}\text{s}}^t(5)\\ {\rm P}{}_{\text{u}\text{l}}={\displaystyle \sum _{t=1}^{8760}{\rm P}}{}_{\text{u}\text{l}}^t(6)\end{array}$

式中:

$\begin{array}{l}{\rm P}{}_{\text{c}\text{s}}^t=\{\begin{array}{l}{\rm P}{}_{\text{r}\text{e}\text{q}}^t-{\rm P}{}_{\text{a}\text{c}\text{t}}^t{\rm P}{}_{\text{r}\text{e}\text{q}}^t>{\rm P}{}_{\text{a}\text{c}\text{t}}^t\\ 0\text{其}\text{他}\text{情}\text{况}\end{array}(7)\\ {\rm P}{}_{\text{u}\text{l}}^t=\{\begin{array}{l}{\rm P}{}_{\text{c}\text{s}}^t-R{}_t{\rm P}{}_{\text{c}\text{s}}^t>R{}_t\\ 0\text{其}\text{他}\text{情}\text{况}\end{array}(8)\\ {\rm P}{}_{\text{r}\text{e}\text{q}}^t=L{}_t+R{}_t(9)\\ {\rm P}{}_{\text{a}\text{c}\text{t}}^t={\displaystyle \sum _{i=1}^{{\rm M}}{\displaystyle \sum _{j=1}^{{\rm N}{}_i}{\rm P}}}{}_{\text{D}\text{G}ij,\max }^t+{\rm P}{}_{\text{G}\text{r}\text{i}\text{d},\max }(10)\end{array}$

Ptreq,Ptact,Lt,Rt分别为t时段系统需要的运行容量、实际运行容量、负荷容量和运行备用容量;PtDGij,max为第i类的第j个待选分布式发电在t时段的最大出力,基于燃料输入的发电机最大出力等于其容量,而风光驱动的可再生能源发电机的最大出力由其功率曲线和风速或光照强度决定;PGrid,max为输电线路最大传输功率。

由式(7)和式(8)可知,Pul≤Pcs,且当系统不需要运行备用容量时取得等号。运行备用容量的设置很大程度上影响F3和F4的优化,本文主要从以下2个方面考虑分布式发电供能系统的备用需求:一是备用容量需满足一定的小时平均负荷裕度,用于应付突然的负荷增大;二是备用容量需满足间歇式电源,如风力发电、太阳能光伏发电等的出力突变要求,主要是不确定性的出力减小。

本文暂不考虑其他非强自然因素影响的分散电源出力波动下的备用需求,因此,每小时运行备用容量Rt为:

Rt=rloadLt+rwindPtwind+rsolarPtPV (11)

式中:rload,rwind,rsolar分别为小时负荷Lt、风力发电机出力Ptwind 和光伏出力PtPV 的备用因子。

2.2.2 约束条件

该能量优化模型的主要约束为电源出力约束,包括分散电源出力约束及输电线路容量约束:

$\begin{array}{l}{\rm P}{}_{\text{D}\text{G}ij,\min }^t\le {\rm P}{}_{\text{D}\text{G}ij}^t\le {\rm P}{}_{\text{D}\text{G}ij,\max }^t(12)\\ |{\rm P}{}_{\text{G}\text{r}\text{i}\text{d}}^t|\le {\rm P}{}_{\text{G}\text{r}\text{i}\text{d},\max }(13)\end{array}$

2.3 基于二元对比定权法的多目标最优化转换

从式(1)～式(4)可知,4个评估指标的量纲不尽相同,可以构造模糊评价(隶属度)函数,将各子目标函数值统一转换为对优化结果的满意度(隶属度),从而可将多目标优化转换为单目标优化问题。本文首先统一各个子目标的量纲,然后采用线性加权求和法将多目标优化转换为单目标优化问题进行求解,并采用二元对比定权法确定权系数[22]。

2.3.1 统一量纲

系统中负荷消耗的电量是一定的,最大化可再生能源年发电量意味着最小化传统化石能源年发电量,而化石燃料发电方式均或多或少排放污染物。因此,本文首先引入排污处罚计算环境成本CEC:

$\begin{array}{l}F{}_{2^{\prime }}=\min C{}_{\text{E}\text{C}}={\displaystyle \sum _{t=1}^{8760}{\displaystyle \sum _{i=1}^{{\rm M}}{\displaystyle \sum _{j=1}^{{\rm N}{}_i}{\displaystyle \sum _{k=1}^{{\rm K}}s}}}}{}_{ij}g{}_{ij}^k{\rm P}{}_{\text{D}\text{G}ij}^t+\\ {\displaystyle \sum _{t=1}^{8760}{\displaystyle \sum _{k=1}^{{\rm K}}g}}{}_{\text{G}\text{r}\text{i}\text{d}}^k{\rm P}{}_{\text{G}\text{r}\text{i}\text{d}}^t(14)\end{array}$

式中:等号右边第1部分为分布式发电产生的环境成本,主要是污染物排放费用,第2部分为传统集中式电厂的环境成本;K为需收排污费的污染物种类数;gkij 为第i类的第j个待选分布式发电单位功率的第k类污染物排放的处罚收费标准;PtDGij为t时段第i类的第j个待选分布式发电的有功出力;gkGrid 为集中式供电的单位功率的第k类污染物排放的处罚收费标准。

本文模拟的集中式发电厂为没有配套脱硫、脱硝和除尘等排污设备的传统燃煤电厂。排污收费按污染物排放总量收费,则式(2)与式(14)等效,且F2′与F1量纲相同。

同样,对停电容量和容量短缺量进行处罚:

$\begin{array}{l}F{}_3=\min \alpha {\rm P}{}_{\text{u}\text{l}}(15)\\ F{}_4=\min (\alpha -\beta ){\rm P}{}_{\text{c}\text{s}}(16)\end{array}$

式中:α和β分别为相应的处罚收费标准,α≥β。

2.3.2 转换为单目标优化

按线性加权求和法构造如下单目标优化问题:

$\min F={\displaystyle \sum _{i=1}^4\lambda }{}_{i}F{}_i(17)$

式中:λi≥0且${\displaystyle \sum _{i=1}^4\lambda }{}_i=1$。

2.3.3 确定权系数

权系数直接反映目标函数的重要程度,重要的目标函数的权系数应设置较大(不超过1),不重要的目标函数的权系数应设置较小(甚至为0)。确定权系数的方法很多,本文采用定性排序与定量标度相结合的二元对比定权法,其基本原理和步骤如下:

1)建立重要性定性排序一致性标度矩阵E

设m个指标集合为D={d1, d2,…, dm},di为第i个指标,各个指标的重要性定性排序标度采用二元对比并在0,0.5,1.0中取值。若dk比dl重要,则记排序标度ekl=1,elk=0;若dk和dl同样重要,则记ekl=0.5,elk=0.5;若dl比dk重要,则记ekl=0,elk=1。显然,ekl+elk=1,ekk=ell=0.5。

根据比较结果,建立指标集二元对比重要性定性排序标度矩阵E为:

$\mathit{E}=(e{}_{kl}){}_{m\times m}(18)$

在二元比较过程中要求判断思维不出现矛盾,即要求逻辑判断的一致性。其一致性检验条件为:①若ehk>ehl,则有elk>ekl;②若ehk<ehl,则有elk<ekl;③若ehk=ehl=0.5,则有ekl>elk=0.5。

若定性排序矩阵E无法通过一致性检验,则说明判断思维过程自相矛盾,需重新调整排序标度ekl;若能通过一致性检验,则E即为重要性排序一致性标度矩阵,可计算矩阵E的各行元素之和,其大小排序给出了指标集重要性的定性排序。

2)根据语气算子与模糊标度、隶属度关系确定指标权重向量

在确定了指标重要性定性排序后,将定性排序的最重要指标与其他指标逐一进行二元对比,可应用文献[23]中提出的语气算子与对重要性的相对隶属度的对应关系(见表1),根据经验知识,逐一判断最重要指标与其他指标语气算子间的比较关系,进而确定指标的非归一化权重值,将其归一化后,即可得到指标的归一化权重向量λ=[λ1, λ2,…, λm]。

本文在最小化分布式发电供能系统供能成本的前提下重点突出分散电源的节能减排效益,即提高子目标F2′的重要性等级在F3和F4之上。详细计算参见附录A。

3 模拟与求解

前述的分布式发电供能系统优化模型是复杂的组合优化问题,其中,基于分时电价的双向供电模式、多联产和智能生产调度的部分模拟,以及负荷和间歇式能源的全年时序分析加剧了模型求解的难度。本文采用HOMER(hybrid optimization model for electric renewables)[24]软件进行模拟和优化。HOMRE是美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)开发的专用于联网或自治型分布式发电供能系统的设计和优化软件,能模拟各种嵌入组件及系统整体的物理行为、经济参数和某些控制策略,对污染物排放的模拟计算和分析是其最突出的功能之一。

HOMER软件采用包含以下步骤的启发式算法进行寻优:

1)根据HOMER组件模型及数据结构设定相应的分散电源供电组合方式及容量区间等;

2)由小时负荷模型、资源分布状态和分散电源运行特性等,对各种组件功率选项或数目取值构成的所有可能的分布式发电供能系统架构进行全年8 760 h运行状态和电源输出功率的仿真计算;

3)选出并比较满足小时运行约束的可行方案,确定最优的分布式发电供能系统架构。

该方法的突出优点是不需要考虑优化模型中的0-1变量,极大地减小了优化问题的复杂度,易于得到系统最优规划解。

图2给出了基于HOMER的分布式发电供能系统优化框架及流程。

4 算例分析

对某远离供电中心、与输电系统弱连接的偏远配电网进行分散电源优化,算例原型来自文献[25]中的法国某孤岛系统。同时考虑电负荷及热负荷,模拟热电联产(CHP),规划年年度电峰荷为356 kW,热峰荷为85 kW,年平均电负荷为176 kW,热负荷为42 kW;为利用洁净能源,风力发电机数至少为3台,待选12台,年平均风速为8.66 m/s;为减小天然气价格波动带来的风险,微型燃气轮机最大功率为180 kW;天然气和柴油价格分别为0.4美元/m3和0.8美元/m3;年平均日照强度为3.78 (kW·h)/m2;输电线路容量为200 kW;排污处罚收费标准为150美元/t;年实际利率和项目财务周期分别为8%和20 a;rload,rwind,rsolar分别取3%,10%,10%。其余参数见附录A和附录B。

4.1 优化结果及其节能减排效益

优化结果,即分布式发电供能系统容量最优组合方案为:电网、风力发电机7台、微型燃气轮机发电功率80 kW、柴油发电功率20 kW。该能量获取方案下,4个优化子目标分别为C=196 098美元,Eren=1 905 623 kW·h,Pul=46.7 kW,Pcs=71.9 kW,可再生能源年发电量占系统年发电量的比例高达63.9%。

表2给出了该能量获取方案的年排污量,同时对比了不考虑分散电源供电而假设可通过足够容量的输电线路向电网购电情况下的排污量。

可见,分布式发电供能系统的各污染物排放量均比传统燃煤电厂要小,占污染物总量最大的CO2的排放量减少了近80%。本文模拟的是未安装脱硫、脱硝和除尘等排污设备的常规火电厂。从表2可看到,高效清洁的分散电源可减轻SO2和NOx的排放,可作为高能耗、高污染小火电机组的替代能源。总之,分散电源可有效节约有限的煤炭资源,减轻燃煤对环境的污染和温室气体的排放。

4.2 关键参数灵敏度分析

4.2.1 排污处罚标准分析

CO2是主要排出物,也是最重要的温室气体。目前,世界各国制定的排污处罚主要是指碳排放税。表3给出了不同CO2排放处罚收费标准下的优化结果。

从表3可见,随着碳排放税增加,向电网购电量减小,风力发电机数量增加,但由于风力发电成本较高,减小电网购电量导致的部分缺电量仍需由微型燃气轮机和柴油发电机满足,因为微型燃气轮机具有效率高、天然气价格低、排污小等优点,其得到了优先考虑,因此,CO2排放减小。此外,较低的碳排放税对于优化结果影响甚微,因此,相关部门应该制定能对分散电源产生激励作用的处罚标准,充分体现其环境效益,以利于分布式发电供能系统和基于其的智能配电网建设,实现节能减排目标。

4.2.2 不确定性因素分析

相对于传统电源规划,分布式发电供能系统规划面临更多的不确定性因素,包括风速变化、日照强度变化和燃料价格变化等,而且对这些因素更敏感。风速和日照强度是强自然因素,很难改变,只能预测预报;燃料价格,包括天然气价格、汽油和柴油价格等,受供需关系影响很大。可以预见的是,伴随着能源紧缺、需求增大,燃料价格必然会普遍上涨,而分布式发电的兴起带来的燃料需求则会加速这一过程,同时,传统电力系统的沉滞成本、规模效益和完善的燃料运输体系等因素使得集中式电厂的电价在某一时期内变化缓慢,这些均可能对分布式发电产生冲击[14]。表4和表5分别给出了天然气价格波动和年平均风速变化情况下分布式发电供能系统的优化结果。

从表4可见,随着天然气价格不断上升,微型燃气轮机出力逐渐变小,当价格达到1.0美元/m3时,微型燃气轮机出力为0,其电量由风力发电填补,由于风力发电成本较高,其余部分电量从电网购入,但因电网排污量较大,剩余的电量由柴油发电补充,从而减小CO2增加量,但仍改变不了CO2排放量增加的趋势。可以看出,由于风力发电和太阳能光伏发电的成本均较高,传统化石燃料价格的上涨将削弱分布式发电的优势,不利于节能减排。因此,降低可再生能源发电成本、提高可再生能源发电技术水平,以及大力推广可再生能源发电是规避燃料价格波动风险以及实现智能电网长远战略规划和实行节能减排政策的重要手段。

从表5可见,风速较低时,过多的风力发电将是不经济的,由于电网电价相对较低,天然气价格较低以及微型燃气轮机效率高、排污少,系统负荷主要靠从电网购电和采用微型燃气轮机供电满足,CO2排放量较大。风速较高时,满足相同出力所需的风力发电机数量少,同时减小微型燃气轮机和柴油发电机出力,向电网购电量也减少,可再生能源利用率越大,能量成本越低,同时,CO2排放量越少。

图3从另一个方面表征了天然气价格波动对一个架构确定的分布式发电供能系统运行的影响。该系统以4.1节的优化结果为基准。可以看到,天然气价格的上升导致系统年成本的增加和CO2排放量的增大,如当波动幅值为100%时,年总规划费用增加了13.42%。对于微型燃气轮机渗透率较高的系统而言,不确定性费用增加得更多。

图4给出了以4.1节优化结果为基准的系统在不同年平均风速下的运行结果。可以看到,随着年平均风速的减小,系统的年总规划费用和CO2排放量均有不同程度的增加,当年平均风速不到原预测值(规划值)的一半时,年总规划费用和CO2排放量增加幅度超过100%和170%。

可见,准确的风能资源评估和精确的风速预测与测量是减小风资源间歇性和随机性影响、规避巨额投资风险、建立灵活多变和智能调度且节能环保的智能电网的关键技术。

4.2.3 CHP及其效率分析

本文模拟了CHP,对微型燃气轮机和柴油发电机等设备进行余热利用。下面分析余热利用效率对节能减排的影响。其中,余热利用效率为0表示该发电机组不采用CHP模式。为在同一条件下进行比较,以余热利用效率为25%的电源组合优化结果(风力发电机6台、微型燃气轮机出力120 kW)为基础,考虑不同余热利用效率下的CO2排放量变化情况,如表6所示。

可见,余热利用效率越高,向电网购电量越小,相应的CO2排放量越小。发展高效率的多联供技术是分布式发电作为节能减排手段的重要一环。随着中国“西气东输”天然气覆盖大量终端用户,以天然气为一次能源的分布式多联供系统是未来的重点发展方向,可作为构建中国特色智能电网[9]的重要组成部分。

5 结语

随着国家全面实施节能减排和推进智能电网建设,新能源逐渐成为推动节能减排的重要力量,包含新能源的分散电源发电和交互式供电供能是节能减排的一个重要技术,是电力节能减排领先其他行业的重要筹码,也是未来智能电网的发展模式之一。本文提出了考虑不同优化目标、多类型分散电源、不同负荷类型的分布式发电供能系统能量优化模型及其求解思路,算例分析表明所提出的模型及算法的合理性和有效性。同时,基于关键参数的灵敏度分析,重点讨论了分布式发电供能系统的节能减排效益,得到了一些有益结论。

由于分布式发电供能系统规划和运行面临着发电机及其他组件状态、负荷水平、燃料供给、自然资源等多方面的不确定性因素,考虑随机性和模糊性等不确定性因素的数学建模和优化是下一步的主要研究工作。

分布式能量供应系统 篇4

随着经济全球化的迅速发展,供应链管理已经成为各个行业的主要经营模式。在供应链生产运作的过程中,普遍存在核心企业依靠其主体地位对供应链上的成员企业进行挤压的现象,主要表现在资金流上挤占成员企业的现金流。成员企业的融资问题一直是制约供应链进一步发展的一大障碍。根据《2010年中国企业信用风险状况调查报告》显示,企业通过赊账销售已经成为最广泛的支付付款条件,其比例已经从2009年的53.1%上升至2010年的63.9%,与之相对应现销的付款比例已经从2009年的24.8%滑落至2010年的11.9%,赊销额占企业的国内销售额的比重更是攀升至了51.3%。[1]这样的交易模式使得原本应该处于合作关系的供应链上的企业关系越来越紧张,甚至影响到供应链的整体竞争力。构建包含核心企业、成员企业、金融机构、物流企业在内的供应链金融生态系统,通过核心企业的能量扩散活动,改善核心企业和供应链成员企业的关系,提升整个供应链的竞争力成为学术界研究的新热点。

二、供应链金融生态系统

1. 供应链金融

现代经济社会已经发展到一个供应链经济时代,供应链经济的发展离不开金融的支持。Allen N Berger等人最早提出了关于中小企业融资的一些新的设想及框架,初步提出了供应链金融的思想。[2]Michael Lamoureux认为供应链金融是在核心企业主导的企业生态圈中,对资金的可得性和成本进行系统性优化的过程。这种优化被认为是通过对供应链内的资金流进行归集、整合、打包和利用的过程。[3]国际知名的金融顾问和咨询公司Towergroup认为供应链金融是流动资本融资的创新模式,指出供应链金融发展的驱动因素主要包括全球化、技术进步、供应链管理的提升、银行开发新的收入来源。[4]Viktoriya Sadlovska认为供应链金融带来了新的节约机会,提高了支付的自动化和可视性程度以延长应付账款期限,使用早期付款折扣程序降低了售出商品的成本,为供应商提供了多元化的应收账款融资等。[5]本文界定的供应链金融是以核心企业为中心,将其作为供应链的支撑点,将金融机构的资金注入核心企业周围的成员企业的新型融资模式,其参与主体主要包括在供应链占主导地位的核心企业、成员企业、金融机构以及第三方物流公司。

2. 供应链金融生态系统

(1)供应链金融生态系统涵义。生态系统是英国生态学家Tansley 1935年首先提出,指出生态系统是一定的空间内生物成分和非生物成分通过物质循环和能量流动相互作用、相互依存的一个生态学功能单位。[6]它把生物及其非生物环境看成是互相影响、彼此依存的统一整体。供应链金融生态系统正是借鉴Tansley的生态系统提出的。

关于供应链金融生态系统的研究主要有两类观点:一是供应链金融生态环境论,周小川等人指出,“金融生态”指的是供应链金融运行外部环境,也就是其运行的一些基础条件,包括法律、社会信用体系、会计关系等方面的内容,法律制度环境是改善供应链金融生态环境的关键。[7]二是狭义的供应链金融生态系统论,徐诺金等学者认为供应链金融生态系统是金融体系内部运作与金融生态环境的协调机制,优化供应链金融生态应该从金融体系内部的金融主体出发,建立联动机制,使之和谐发展。[8]基于以上观点,本文界定供应链金融生态系统是由供应链核心企业及成员企业、以商业银行为代表的金融机构、第三方物流公司等利益相关的主体组成的,依赖周边的制度、技术环境,通过核心企业能量扩散,影响各个主体通过实践对已有的制度、技术和环境进行改善,从而构成相互约束、共同演进的密切合作的动态生态系统(图1)。[9]

(2)供应链金融生态系统构成。供应链金融实质上是对供应链金融资源的整合。它主要涉及以下参与主体:(1)资金的需求主体,包括供应链核心企业、供应商等;(2)资金的供给及支付结算服务的提供主体,主要是商业银行为代表的金融机构;(3)环节外包主体,包括物流公司、仓储公司、保险公司等;(4)监管机构,主要是指各级银监部门。它的外部环境涉及以下内容:(1)制度环境,首先是相关的法律法规,比如动产抵押登记原则、受偿的优先顺序等法律。其次是司法体系。另外还包括监管部门的业务监管制度;(2)技术环境,包括金融技术和电子信息技术。

完整的供应链金融体系除了包括供应链金融参与主体和供应链金融生态环境以外,还应包括供应链金融产品以及供应链金融市场。供应链金融具体产品主要是指金融机构提供的信贷类产品,如存货质押贷款、保理、预付款融资等信贷产品。此外,金融机构还提供中间增值服务,如财务管理咨询、现金管理等服务。从供应链融资市场来看,它基本上属于短期的货币市场,从融资用途和期限的角度看,基本上可以归入广义的短期流动资金授信的范畴。

3. 核心企业的能量扩散

在供应链金融生态系统中,企业(包括金融机构)在进行决策时不仅要考虑自身的暂时和长远利润,而且要考虑其他行为主体的选择,这就强化了核心企业的作用和影响力。本文界定供应链金融生态系统的核心企业是指能为系统提供核心产品与服务,具有一种或数种能够为最终消费者带来巨大价值或消费者剩余的核心能力,在系统中居领导地位的企业。[10]作为供应链金融生态系统的中枢,核心企业必须为系统提供共享的资源,找到行之有效的价值创造方法,以稳定已经处于供应链中的成员企业,吸引更多的企业参与到该生态系统中。在价值创造方面,核心企业担负着提高整个供应链金融生态系统的竞争力、与成员企业共享所创造价值的义务。这就要求核心企业通过能量扩散,为其他企业提供可利用的平台,促进整个供应链金融生态系统改进生产率、激发创造力、增强竞争力。

供应链金融生态系统的能量扩散效应源于系统中的各个主体之间因为存在能量差异而发生的能量的转移。从操作的视角来看,能量扩散是信息交流的过程,是借助合适的媒介,将核心企业拥有的资金优势、知识优势、信用优势转移到供应链金融生态系统其他成员企业的过程。交流的类型以及它的效力和效率取决于媒介的选择。从概念的视角来看,能量的扩散与学习型组织紧密相连。扩散的效率受成员企业对类似能量的学习吸收能力的影响。作为一个学习的过程,能量扩散各个阶段具有不同的特征,本文借用Gilbert和Cordey-Hayes提出的追踪组织内部的知识转移的框架来将能量扩散分为以下阶段:能量获取阶段、能量沟通阶段、能量应用阶段、能量接受阶段和能量消化阶段[11](图1-2)。

二、供应链金融生态系统企业的能量位势

供应链金融生态系统中核心企业能量扩散的本质是基于合作关系的能量转移,可将核心企业看做是一个“能量库”,核心企业的能量包括先进的技术、良好的信誉、雄厚的资金等。企业的能量创造和能量扩散是核心企业存在的原因,核心企业在专业化生产和协作过程中积累的能量决定着企业能量扩散的边界。

借助物理学中“物体处于某一位置必然存在一定的势能”的理论,推论供应链金融生态系统中所有的企业共同构成一个能量场,处于其中的各个企业之间由于其本身的某种特性而使彼此间必然存在一定的交互关系,如能量的创造、扩散、应用等。但是由于核心企业和成员企业的能量的深度和广度存在差距,导致它们之间的能量位势必然存在差距,正是这种差距促使着企业间的能量流动、扩散。因此定义能量位势十分必要。

在供应链金融生态系统中,企业在某领域所具备的能量受能量深度和广度的影响。定义能量的深度是企业拥有的某种能量在供应链金融生态系统中的相对位置,记为ED;能量的广度是企业拥有能量的多样化程度,记为EW;企业i在j领域所拥有的能量的深度和广度共同决定其在该领域的能量位势,记为EPij。

根据物理学上物体势能的定义:(1)

得出:(2)

公式1表示,在物理学中,物体的势能受物体本身的质量和移动速度的影响,物体的质量在特定的时刻可以看做一个常量,则物体的移动速度越快,它产生的势能也就越大。

公式2表示,在企业能量位势公式中,Mij表示企业i在j领域的能量存量,即原有的能量基础,在特定的时刻也是固有常量,此时企业的能量主要受能量深度和广度的影响,定义为f,f是ED和EW的函数。又因为企业特定时刻的能量存量也是由原有能量的深度和广度决定的,所以能量位势EPij是关于ED和EW的函数,用G(EDij,EWij)表示。

由于任何企业都拥有和其核心业务相关的各个领域的能量,各领域的能量在系统中都有不同的能量位势,所以每个企业的能量位势都可以看做是多个领域能量位势的集合体。由于能量位势的不同,使能量在扩散过程的贡献度也不同。基于此,赋予各个领域的能量位势以不同的权重。λ1λ2λ3…λj…。定义各个企业在供应链金融生态系统中的最终能量位势为:

根据式3的定义,得出本文要研究的主要问题包括:核心企业能量扩散的条件及扩散函数、核心企业能量扩散对核心企业和成员企业能量深度与广度的影响、核心企业能量扩散的影响因素。

三、核心企业能量扩散的函数描述

1. 能量扩散位势函数建立的前提及扩散条件

在供应链金融生态系统中,核心企业拥有先进的技术、良好的信誉、雄厚的资金等,而成员企业在这些方面都不如核心企业,因此核心企业和成员企业之间的能量位势必然有差距。他们之间的存在能量差距,形成了高位势的核心企业对低位势的成员企业的天然压力,推动成员企业向核心企业靠近并促使核心企业的能量扩散,使得供应链金融生态系统中核心企业的能量扩散成为可能,主要表现为成员企业向核心企业购买专利、借用核心企业的信誉向银行贷款等。但是核心企业的能量扩散效应不一定会发生。供应链金融生态系统的主体本身都是理性的企业,必然以利益的最大化为出发点。所以核心企业的能量扩散发生存在一个前提,即核心企业能量扩散后的收益大于扩散前收益。如果不满足这个前提,即便有能量位势差距的存在,也不会有能量扩散效应的发生。以下具体探讨核心企业进行能量扩散的条件,并对其扩散函数进行描述。

假设在供应链金融生态系统中有N个风险中性的企业,且每个企业都事先知道自己及其他企业在系统中的能量位势。结合能量位势的观点,可以做出如下假设:

假设核心企业i和成员企业j在某领域相关,即i拥有j没有且十分需要的能量,需要进行能量扩散,其中i,j∈N,N={1,2,…,n}。核心企业i的效用函数为μi(ΔEPj,αi),其中αi=βi-ciΔEPi。αi是参变量,是对主变量的标度。βi是核心企业拥有某种能量的收益,ci是核心企业进行扩散活动的单位成本,ΔEPi是核心企业因能量扩散而导致能量位势的变化量,ΔEPj是成员企业因能量扩散而导致的能量位势的变化量。

由于只有核心企业能量扩散后的收益大于扩散前收益时,扩散才可能发生,所以进一步得出核心企业能量扩散的条件为:

根据式4,可以得出核心企业能量扩散的条件要求核心企业扩散的效用函数一阶偏导大于零,即要求核心企业扩散的效用函数是一个单调递增的函数;根据式5可以得出核心企业能量扩散的条件要求核心企业扩散的效用函数二阶偏导大于零,即要求核心企业扩散的效用函数是一个凹函数。综上所述核心企业能量扩散条件可描述为,核心企业扩散效用函数要是一个单调递增的凹函数,即核心企业能量扩散效应要与核心企业的收益成正比,这样才能不断的激励核心企业能量扩散的发生。

2. 能量扩散位势函数

如果核心企业i和j成员企业之间不存在能量扩散,即ΔEPi=ΔEPj=0。此时核心企业i和成员企业j的效用函数分别为μi(0,βi)和μj(0,βj)。由于只有在核心企业能量扩散后的收益大于扩散前收益时,扩散才可能发生,即μi(ΔEPj,βi-ciΔEPi≥μi(0,βi))。于是得到核心企业i进行能量扩散活动时扩散函数ΔEPi:

令μi(ΔEPj,αi)=μi(0,βi)即μi(ΔEPj,βi-ciΔEPi)=μi(0,βi),对该方程进行微分可得:

整理上式可得

进而得出

由式8得出核心企业i在进行能量扩散时,其能量位势关于成员企业j能量位势的函数,将其称为核心企业能量扩散的位势函数。

由此可以得出,核心企业的能量扩散效应是关于核心企业拥有某种能量的收益、扩散成本和成员企业接收能量的吸收能力的函数。且核心企业的能量扩散效应与核心企业能量扩散的成本成反比,与核心企业的拥有某种能量的收益以及成员企业的吸收能力成正比。

3. 能量位势的构成要素

根据上文的描述,企业在某领域的能量位势受能量深度和广度的影响。能量的深度是企业拥有的某种能量在供应链金融生态系统中的相对位置,能量的广度是企业拥有能量的多样化程度。企业只有在能量的深度和广度上同时提升,才能有助于其能量位势的整体提升。核心企业与成员企业之间的能量扩散活动很大程度上是由于他们在能量的深度和广度上存在差距,能量扩散活动可以更好地促成各自目标的实现。

核心企业在能量扩散过程中可以改影响、改变核心企业自身的能量深度和广度。在供应链金融生态系统中,核心企业i具有多个方面的能量领域,各个领域的能量深度之间、能量广度之间、能量深度和广度之间都存在着交叉的相互作用。核心企业i在与核心业务相关的领域所具有的能量位势EPih在其整个能量位势EPi中占有优势地位,也就是具有较大的权重λh。核心企业进行能量扩散的过程需要激活、整合、加工各个领域的能量,此时占有优势的EPih与其他领域的能量位势(统称为EPir)交叉作用,就会提高原本处于较低位势的能量,或者拓展出新的能量体系、产生原本不具有的能量,从而影响和改变核心企业自身原有的能量深度和广度,进而提升核心企业的能量位势。随着核心企业i在供应链金融生态系统中各个领域能量位势的提升,必然会伴随着核心企业自身经济目标的实现,为核心企业参与更多的能量扩散活动提供动力。

核心企业的能量扩散活动也可以影响、改变系统中成员企业的能量深度和广度。具体来说,核心企业i在与成员企业j进行能量扩散的过程中,将其所拥有的m个领域的能量扩散到成员企业j的n个领域。核心企业i在m个领域的能量的深度与广度记为(EDi1,EDi2…EDim,EWi1,EWi2…EWim,),成员企业j在n个领域的能量的深度与广度记为(EDj1,EDj2…EDjn,EWj1,EWj2…EWjn,)。由于核心企业相较于成员企业在各个方面均处于优势地位,则EDi>EDj,EWi>EWj。核心企业的能量扩散正是将较高的能量深度和广度扩散给相对较低的成员企业。在各个领域扩散效应的共同作用下,成员企业所具有的能量深度和广度必然会随着能量扩散活动的进行而不断加深,获得更多的与核心企业更多的合作的机会。这些机会又会使成员企业接收更多的来自核心企业的能量,进而提升成员企业的能量深度和广度,从而提升其在系统中能量位势,最终达到提升成员企业竞争力的效果,并为该企业向位势更低的企业进行能量扩散提供动力。

四、核心企业能量扩散的关键要素

核心企业在供应链金融生态系统中与成员企业进行能量扩散活动时,会受到各种因素的影响,促进或阻碍扩散结果。具体说来,基于能量位势的核心企业的能量扩散效应主要受以下因素的影响。

1. 核心企业能量扩散的动机和动力

在供应链金融生态系统中,企业参与能量扩散活动有着不同的动机[12]。核心企业希望通过扩散活动提高成员企业的竞争力,进而达到减少交易成本、提高供应链的运行效率、逃避或尽可能降低全球化竞争所带来的不确定性的目的。成员企业则希望通过核心企业的能量扩散效应,充分挖掘供应链金融生态系统所提供的能量平台的潜力,吸收和利用更多有价值的来自核心企业的能量,充实本企业的能量库,提高在系统中所处的能量位势,进而达到提高企业竞争力的目的。此外,企业对进行能量扩散后带来的预期收益是其参与能量扩散活动的主要动力。企业只有在权衡能量扩散收益和成本的大小之后,才会决定是否参与能量扩散。

由此可见,供应链金融生态系统中企业参与能量扩散的动机和动力是影响核心企业能量扩散是否会发生的两个重要因素。其中企业参与能量扩散的动机决定扩散的方向,而能量扩散的动力决定扩散的速度和程度。

2. 成员企业的能量位势

供应链金融生态系统中的每个企业都有自己的能量位势。具有高低不同能量位势的企业之间的能量扩散活动,需要在一定的位势区间内进行,核心企业会以自己的能量位势为基点,在附近寻找扩散目标。企业之间高低位势的差距和由这种差距导致的能量扩散并不一定成正比。如果核心企业和成员企业之间的位势差距过大,成员企业就不会产生向核心企业学习的意愿,或者即便是通过学习也不能吸收来自核心企业的能量,核心企业也没有向差距过大的成员企业进行能量扩散的动机和动力。[13]所以成员企业的能量位势将会影响到核心企业是否会对其进行能量扩散。

3. 成员企业的吸收和保持能力

企业间高低位势的差距形成了自然的压力促使能量由高位势向低位势的扩散,从而提供了核心企业能量扩散的可能性。但是成员企业能否借助核心企业的能量扩散活动达到自身的目的,关键取决于成员企业的吸收和保持能力。[14]成员企业较好的吸收和保持能力会强化核心企业能量扩散的动机,同时也有利于成员企业通过不同能量的交叉重组产生新的能量,实现自身能量位势的提升。成员企业对能量良好的吸收保持能力有利于能量顺利、有效的进入该企业,为实现企业目标、提升员工绩效、形成竞争优势提供动力。[15]

4. 企业的网络能力

企业在供应链金融生态系统中的网络能力是其参与扩散活动的利器。处于网络中的企业可以通过网络共享对方的资源,使得其资源可获得性增强。[16]企业的能量位势决定了企业在供应链金融生态系统中所处的位置以及企业的网络能力。在供应链金融生态系统这个企业网络中,与更多的企业存在网络关系的企业,就有更多的机会接触和掌握新能量。

五、结论与展望

供应链金融生态系统核心企业能量的扩散机制和机理,是界定供应链物流、信息流、资金流是否协调的中心环节,也是确定利益分配机制的核心内容。供应链金融生态系统中核心企业能量扩散的本质是基于合作关系的能量转移,核心企业是一个拥有先进的技术、良好的信誉、雄厚的资金等等能量的“能量库”。核心企业能量创造和能量扩散决定着其在供应链中的影响和作用,核心企业在专业化生产和协作过程中积累的能量决定着企业能量扩散的边界。基于能量位势的观点,核心企业的能量扩散效应是关于核心企业拥有某种能量的收益、扩散成本和成员企业接收能量的吸收能力的函数,核心企业的能量扩散效应与核心企业能量扩散的成本成反比,与核心企业的拥有某种能量的收益以及成员企业的吸收能力成正比。供应链金融生态系统中核心企业能量扩散效应的实证分析,是有待进一步研究的问题。

摘要：核心企业是供应链金融生态系统的信息交换中心、物流集散中心、资金结算中心、利益协调中心,也是系统中新能量的创造引擎以及能量扩散的源头。做好核心企业的能量扩散,可以起到优化整条供应链的作用,从而提升整条供应链的竞争能力。引进能量位势变量,构建核心企业能量扩散位势函数,函数的解表明,核心企业能量扩散发生的条件是扩散后收益大于扩散前收益,核心企业能量扩散效应与核心企业拥有的某种能量收益成正比,与核心企业能量扩散的成本成反比,与成员企业的吸收能力成正比。基于核心企业能量位势的构成要素,分析了核心企业能量扩散的动机和动力、成员企业的能量位势、成员企业的吸收保持能力以及企业间的网络能力四种因素对核心企业能量扩散的影响。