2. 参考能源系统

RMC 模型的参考能源系统包括一个完整的宏观能源系统供应链，可分为一次能源开采、二次能源处理和转换、终端能源消费三个阶段（图 2-1）。能源需求由三个主要的终端能源消费部门组成：工业、建筑和交通运输。工业包括钢铁、水泥、石化、化工等传统高耗能工业，以及一般制造业、先进制造业和信息产业等新兴产业；交通包括道路交通、轨道交通、航运等，各种交通载具划分可参考 RMC|Transport 模型相关章节；建筑包括商业设施和居民生活。能源需求在模型中体现为最终能源，由社会经济发展预测外生决定。上述过程体现在下图展示的建模系统结构中。

图 2-1：建模系统结构示意图

MESSAGEix 框架包含两个基本要素：能源技术（过程）和能源商品。能源商品的相互转换和流动通过能源技术进行链接，从而形成能源系统的不同组成部分。能源技术具有较详细的各类参数，下图（图 2-2）展示了在此框架下一个简化的能源系统和能源商品、技术之间的链接关系，简要显示了能源系统的范围。注意该简图并未包含系统中的全部技术组合以及区域间的能量流动关系。

图 2-2：简化的参考能源系统

模型的当前版本包括从能源供应到消费的 400 多项能源技术，涵盖了能源供应的全范围，如上游资源开采（资源供应）、中游加工转换（电厂、炼油厂、焦化厂等）、能源运输以及进出口。

2.1. 能源资源禀赋

2.1.1. 化石燃料储量与资源

化石燃料的可用性和成本对于确定能源系统的未来轨迹至关重要，从而影响未来气候缓解的挑战。因此，有必要了解化石燃料的可用性及其开采成本的变化。RMC 模型对化石能源资源的假设来源于多种渠道，包括国家层面和全球层面的数据库，如国家统计局（NBS）和美国地质调查局（USGS），以及不同能源研究机构和组织的报告和预测结果。

模型中的“储量”是指通过地质评估证实存在且具有较高确定性的化石燃料数量，在当前经济和技术条件下可进行商业开采。“资源”比“储量”的定义更广泛，还包括用现有技术无法开采但未来可能开采的已发现的数量，以及地质上可能存在但目前尚未经勘探发现的数量。表 2-1 展示了 2022 年 RMC 模型计算的中国化石燃料资源总量。对化石燃料储量的估计建立在当前技术假设基础上，随着未来技术的进步，被认为是“储量”和“资源”的数量可能会有较大变化。

表 2-1：中国化石燃料资源量

类别	资源量（ZJ）
煤	40
常规石油	0.8
非常规石油	0.6
常规天然气	1.6
非常规天然气	1.3

煤是化石燃料中规模最大的资源，约占中国化石资源总估计量的 90%。石油资源量最小，其中常规石油为 0.8ZJ，非常规石油为 0.6ZJ。天然气在常规资源和非常规资源上相比石油都更为丰富。

根据多种信息来源，包括一些主要的文献和报告（McGlade and Ekins, 2015; China National Administration of Coal Geology, 2016; Li, 2019; Ministry of Natural Resources of the People’s Republic of China, 2021; Welsby et al., 2021），我们对全国范围内化石燃料的供给成本进行了估算。图 2-3 给出了全国煤、石油、天然气的累积资源供给曲线，其中不同颜色的阴影表示不同的资源类别。

图 2-3：煤（上）、石油（中）、天然气（下）的全国累积资源供给曲线

煤炭是中国规模最大、分布最广泛的化石燃料资源。除上海外，中国的每个省份都有煤炭资源。在空间上，北方的煤炭资源数量多于南方。新疆和内蒙古是煤炭资源最多的两个地区，其次是山西和陕西。这四个北方省份约占全国煤炭资源总量的 79%。常规石油资源分布也主要集中在北方地区，新疆、甘肃、陕西、黑龙江、山东等地的常规陆上石油资源量均在 10 亿吨以上。海洋石油资源主要来自海南、天津、广东等沿海省份。非常规石油主要以页岩油的形式存在，在全国的分布高度集中，主要分布在辽宁、新疆和吉林。常规天然气与非常规天然气的分布格局相似，四川、陕西、内蒙古在两种资源上均较为丰富。由于发达的煤炭产业，山西和内蒙古也拥有大量的煤层气（CBM）资源。海南和广东还拥有大量尚未开发的海洋天然气资源。不同类别化石资源的区域分布情况如图 2-4 至图 2-11 所示。

图 2-4：煤炭剩余可采探获资源量的区域分布（Gt）

图 2-5：煤炭剩余可采预测资源量的区域分布（Gt）

图 2-6：陆上常规石油剩余可采资源量的区域分布（Gt）

图 2-7：海洋石油剩余可采资源量的区域分布（Gt）

图 2-8：非常规石油剩余可采资源量的区域分布（Gt）

图 2-9：陆上常规天然气剩余可采资源量的区域分布（Tcm）

图 2-10：海洋天然气剩余可采资源量的区域分布（Tcm）

图 2-11：非常规天然气剩余可采资源量的区域分布（Tcm）

2.1.2. 生物质资源

生物质能是 RMC 模型中一种潜在的重要可再生能源，涵盖商业用途和非商业用途。商业用途指在发电厂或生物燃料炼厂中使用生物能源，而非商业用途则指将生物能源用于住宅的取暖与烹饪等，主要用于农村家庭。模型对全国生物质资源潜力的估计参考了各类机构报告和学术研究（Zhang, 2018; Hanssen et al., 2020; Kang et al., 2020; Nie et al., 2020; Biomass Energy Industry Promotion Association et al., 2021; Tian et al., 2021; Biomass Energy Industry Promotion Association and Energy Foundation, 2023; Wang Rui et al., 2023）。模型中考虑的生物质资源包括农业剩余物、林业剩余物、能源作物、市政污水、城镇固体废物以及禽畜粪肥。

表 2-2 展示了中国生物质资源的总量、可收集量和能源化利用潜力。能源利用潜力是指从可收集量中扣除非能源使用后所剩余的部分。凭借发达的农业和畜牧业，全国 60% 以上的生物质资源来自农业剩余物和禽畜粪肥。在广西和云南等南部省份，丰富的森林资源也为生物质的发展提供了相当大的潜力。值得注意的是，尽管全国各地种植能源作物的潜力巨大，但相关的市场和工业体系仍不健全。因此，预计能源作物离成为中国生物质利用的主要来源可能还需要较长时间。

表 2-2：中国生物质资源规模与利用潜力 (EJ)

类别	总资源	可收集资源	能源化利用潜力
农业剩余物	15.3	13.3	4.2
禽畜粪肥	22.7	22.7	7.6
能源作物	16.0	16.0	16.0
林业剩余物	5.9	5.9	2.6
市政污水	0.2	0.2	0.2
城镇固废	1.7	1.7	1.7

图 2-12：生物质资源总量的区域分布（PJ）

2.1.3. 风能和太阳能资源

风能和太阳能作为清洁可再生能源，对于中国实现 2060 年碳中和目标具有至关重要的战略意义。目前，中国风光装机容量已位居世界前列，但开发程度仍然较低，仅占其巨大技术潜力的很小一部分，资源利用仍具有广阔的提升空间。模型参考多种数据来源对各省风能和太阳能资源潜力进行校准，包括基于地理信息系统（GIS）的精细化评估研究、中国气象局提供的年景公报等（China Meteorological Administration, 2025; Chinese Academy of Environmental Planning, 2024; Wang et al., 2022）。

从空间分布看，风能丰富区主要集中于西部、北部和沿海省份，而光伏资源则以西部和北部地区为主，“三北”地区集中了全国绝大部分的潜力。具体而言，全国风电技术潜力约 109.5 亿千瓦，光伏技术潜力约 456 亿千瓦。总体来看，中国拥有足以支撑能源转型的丰富可再生能源禀赋，未来风光能源基地的宏观布局和分布式开发应当关注重点区域。

表 2-3：各省风能和太阳能发电资源潜力

地区	装机容量（GW）						发电量（TWh）
	风能	陆风	海风	太阳能	集中式	分布式	风能	太阳能
内蒙古	2697	2697	0	9460	9230	230	7143	14167
黑龙江	706	706	0	301	149	152	1937	394
吉林	304	304	0	356	243	113	861	466
辽宁	289	176	113	191	17	174	777	238
甘肃	321	321	0	2758	2682	76	718	4128
宁夏	82	82	0	282	253	29	241	391
青海	186	186	0	3914	3886	28	379	6491
山西	165	165	0	372	298	75	448	458
新疆	618	618	0	21198	21054	144	1293	29265
北京	0	0	0	61	2	59	0	72
河北	334	281	53	338	59	279	988	587
山东	596	296	300	417	21	395	1636	552
陕西	127	127	0	311	194	117	364	439
天津	15	11	4	42	0	42	42	50
重庆	43	43	0	22	1	21	108	3
贵州	109	109	0	104	76	28	296	105
四川	223	223	0	157	75	82	621	182
西藏	524	524	0	3332	3327	4	1375	6177
广东	677	141	536	202	19	182	1977	257
广西	250	181	69	187	101	86	708	222
海南	246	45	201	29	10	19	563	33
云南	132	132	0	115	60	55	374	159
河南	291	291	0	303	14	289	869	377
湖北	206	206	0	157	33	124	558	188
湖南	174	174	0	91	9	83	462	96
江西	152	152	0	97	27	70	423	109
安徽	225	225	0	233	11	222	679	280
福建	321	32	289	91	18	73	957	102
江苏	441	177	264	302	5	297	1200	372
上海	55	10	45	38	0	37	150	51
浙江	429	50	379	112	4	108	1163	121
全国	10948	8694	2254	45604	41878	3726	29308	66529

2.2. 电力系统

RMC 模型涵盖了中国 31 个省级行政区电力系统内部与电力系统间的全部发电、输电和储能过程。该系统可以与其他模块一致的年度时间分辨率运行，也可与具有小时分辨率（一个建模年为 8760 小时）的专用电力系统模型 CPOST 进行软链接，以捕获电力系统中更详细的特征。RMC 和 CPOST 模型在电力系统的空间分辨率和技术考虑上保持一致。关于 CPOST 的描述可参阅对应的模型文档（Renmin University of China, 2025）。

2.2.1. 发电技术

电力系统涵盖多种发电技术，包括化石燃料发电、核能和可再生能源发电，如水力发电、风能、太阳能和生物质发电，以及储能与输电设施。在燃煤发电中，有大型超超临界、超临界机组等先进技术，以及相对落后的亚临界技术。燃气发电包括大型联合循环燃气轮机（CCGT）机组和传统的开式循环燃气轮机（OCGT）发电技术。该系统还考虑了发电机组对碳捕获和存储（CCS）技术的集成。模型中涵盖的化石能源与可再生能源发电技术列表如下所示：

• 燃煤发电（无 CCS）：超超临界（USC）、超临界（SC）、亚临界（Sub-C）；

• 燃煤发电（有 CCS）：超超临界 + CCS、超临界 + CCS；

• 燃气发电（无 CCS）：联合循环燃气轮机（CCGT）、开式循环燃气轮机(OCGT);

• 燃气发电（有 CCS）：CCGT + CCS、OCGT + CCS；

• 生物质发电（无 CCS）；

• 生物质发电（有 CCS）；

• 太阳能发电：集中式/分布式光伏电站（PV）、太阳能热电厂（聚光太阳能发电，CSP）；

• 风力发电：陆上风电、海上风电；

• 核电。

CCS 被视为在母技术（如超超临界煤电或生物质发电等）之上的“附加技术”（add-on），关于其建模细节可参阅 MESSAGEix 文档。

2.2.2. 投资成本

表 2-4展示了基准情景下各类技术的投资成本路径。（CEIC, 2024; China Meteorological Administration, 2023; Dianchacha, 2024; Ember, 2023; EMBER, 2024; IEA, 2022, 2023b, 2023a, 2024; Lu et al., 2021; McElroy et al., 2009; National Bureau of Statistics of China, 2022, 2023, 2024; Wang et al., 2022）。模型允许在不同的情景设计中对各种特定发电技术的成本进行调整。

表 2-4：RMC 模型中主要技术的投资成本假设 (US$/kW)

技术	2025	2030	2035	2040	2045	2050	2055	2060
燃煤发电（无 CCS）	631	606	583	563	546	533	523	514
燃煤发电（有 CCS）	1015	932	860	798	753	719	695	668
燃气发电（无 CCS）	325	315	306	298	291	286	282	278
燃气发电（有 CCS）	678	617	564	519	487	463	446	427
水电	2168	2059	1966	1873	1873	1873	1873	1873
核电	2311	2242	2173	2103	2034	1965	1910	1865
太阳能发电（分布式）	393	336	279	256	235	216	201	189
太阳能发电（集中式）	493	394	296	272	251	232	217	205
太阳能发电（光热）	2329	1491	1400	1309	1227	1154	1095	1048
陆上风电	600	521	489	457	428	402	378	360
海上风电	1383	1047	808	778	750	726	706	690
生物质发电（无 CCS）	1290	1231	1191	1150	1113	1080	1053	1032
生物质发电（有 CCS）	2321	2108	1936	1784	1668	1580	1515	1445
电池储能	824	798	773	764	757	750	744	740
抽水蓄能	1237	1090	1002	949	917	898	889	884
特高压输电	329	325	315	306	299	296	295	295

2.3. 其他能源转换

与电力类似，RMC 模型也考虑了基于化石和可再生能源的一系列区域供暖技术。这些供热厂将热量送入区域供暖系统，然后用于终端使用部门。

除了电力和集中供热外，模型还包含了能源转换部门的另外三个子部门：液体燃料生产、气体燃料生产和制氢。

除了目前液体燃料的主要供应技术炼油之外，模型还包括利用不同原料生产液体燃料的各种替代途径，如煤的液化、天然气液化和生物质液化技术，同样也考虑了CCS的集成。气体燃料生产技术包括生物质气化和煤气化。制氢包括煤和生物质的气化、天然气的蒸汽甲烷重整和电解氢。

2.4. 技术进步

在 RMC 模型中，技术进步被视为外生因素，随着情景设置而变化。但目前对技术进步已有额外的研究，通过能源工程模型中的学习曲线纳入了技术变化的内生因素，并分析市场结构对技术成本的影响。

目前的成本和效率参数，如转换效率和排放系数，通常来自现有的工程研究；同时也补充了关于这些参数的替代性预测，以反映对未来模型结果产生重大影响的不确定性。

2.5. 能源需求

来自工业、交通和住宅/商业等终端使用部门的能源服务需求是根据社会经济发展预测计算得出的，外生于 RMC 模型。这些需求通过使用基于 Python 的情景生成器得到。情景生成器将历史人均 GDP 与区域层面的终端能源需求相关联，并利用对 GDP 和人口增长的预测，外推出各部门能源服务的未来需求。情景生成器对历史数据集进行回归分析，以建立 31 个 RMC 区域的自变量（人均 GDP）与最终能源强度、不同能源终端使用部门（工业、住宅/商业、交通）的终端能源份额以及工业和住宅/商业部门之间的用电份额等因变量之间的关系。基于以上输入的参数，可以预测出终端能源强度以及在部门间的分布情况。

特定部门的模型正在动态开发中，通过不同方式实现与 RMC 主模型的链接。