1. 课程导入与问题界定
在讨论治理策略之前，必须先回答一个看似简单却极易混淆的问题：什么才算“弃电”？如果口径不统一，后续的成因分析、责任划分和治理效果评估都会失去可比性。本章的任务，是把“新能源弃电”从一个模糊的行业热词，转化为可定义、可统计、可比较、可分析的对象，并明确本课程聚焦风电与光伏弃电的成因分析与治理策略框架。
一、弃电的定义：从“发不出来”到“用不掉”
新能源弃电，通常指在特定统计周期内，风电或光伏电站因电网接纳能力不足、调度指令限制、设备故障或市场机制等原因，未能上网消纳而被迫减少的发电量。它对应的英文常用表述为 curtailment，即“限发”或“削减出力”。需要特别区分的是，弃电不是“资源不足导致没发电”，而是“资源具备、机组可发，但被限制未发”。
从物理过程看，风电机组或光伏逆变器在收到限功率指令后，会主动降低有功输出。以光伏为例，若某时刻理论可发功率为 100 MW，调度指令上限为 70 MW，则 30 MW 的差额即为该时段的弃电功率；若持续 1 小时，弃电电量约为 30 MWh。风电同理，只是波动性更强，限发指令可能频繁调整。
关键界定：弃电电量 = 理论可发电量 − 实际上网电量（在因限发导致减少的范围内）。理论可发电量通常基于实测风速/辐照度与机组功率曲线推算，而非简单用装机容量乘以小时数。
二、统计口径：三种常见算法与差异
实际工作中，弃电统计至少存在三种口径，理解它们的差异是读懂行业数据的前提。
| 口径 | 计算方式 | 特点与适用场景 |
|---|---|---|
| 调度口径 | 基于调度指令与实时出力曲线，统计被限制的有功电量 | 最贴近运行实际，但依赖调度数据完整性 |
| 理论口径 | 用气象再分析数据或测风塔/辐照仪数据反推理论出力，再减去实际上网电量 | 适合长期评估，但理论出力模型误差会影响结果 |
| 考核口径 | 按电网公司或能源主管部门发布的弃风率、弃光率指标统计 | 用于政策考核与区域对比，口径相对统一 |
弃风率、弃光率的定义通常为：弃风率 = 弃风电量 / 理论可发电量 × 100%；弃光率同理。例如某省某月风电理论可发电量 50 亿 kWh，实际上网 42 亿 kWh，则弃风电量约 8 亿 kWh，弃风率约 16%。这个数字与“利用率 84%”是互补关系，但利用率口径有时会扣除故障和检修损失，因此两者不能简单互换。
教学提示：看到“弃风率下降”时，要追问是分子下降（少弃了）还是分母变化（理论电量统计调整了）。口径不一致时，跨年、跨省对比可能产生误导。
三、国内外典型数据：问题有多严重
从全球看，新能源弃电并非中国独有。智利、西班牙、德国、美国得克萨斯州等新能源渗透率较高的地区，都出现过不同程度的限发。例如，得克萨斯州风电在夜间负荷低谷时段常因输电走廊拥堵而出现负电价或限发；德国在北部风电富集区与南部负荷中心之间也存在输电瓶颈。
中国的弃电问题具有明显的阶段性和区域特征。2016 年前后，甘肃、新疆、吉林等地弃风率一度超过 30%，部分时段甚至接近 40%；弃光率在西北地区也曾达到 20% 以上。随着特高压外送通道投运、电力市场建设和消纳责任权重考核推进，全国平均弃风率、弃光率总体下降，但局部时段和局部区域仍存在结构性弃电。例如，某些省份在春秋季大风时段、午间光伏大发时段，因调峰能力不足或外送通道受限，仍会出现短时弃电。
这些数据说明：弃电不是单一原因造成的，而是资源分布、电网结构、负荷特性、市场机制和调度策略共同作用的结果。治理弃电，必须从“源—网—荷—储—市场”多个环节同时入手。
四、本课程的分析边界与框架
本课程聚焦风电与光伏弃电，不讨论水电弃水、核电调峰等相邻问题，也不把“新能源利用率”简单等同于“弃电率”。我们将沿两条主线展开：第一条是成因分析，从源侧波动性、网侧阻塞、荷侧负荷特性、储能与灵活性不足、市场机制缺陷五个维度建立因果链；第二条是治理策略，对应源—网—荷—储—市场协同框架，逐项讨论可操作的技术手段、市场机制和调度方法。
在后续章节中，我们会用具体算例说明：某风电场理论可发电量如何估算、限发指令如何转化为弃电量、储能配置容量如何影响弃电率、现货市场价格信号如何引导新能源主动避让。这些算例均以教学示例形式给出，参数为合理假设，不冒充实测数据。读者应重点关注“输入是什么、中间如何变化、结果如何判断”这一分析链条，而不是记住某个具体数字。
常见误区：把弃电率下降简单归因于“电网变好了”。实际上，统计口径调整、新能源装机增速放缓、负荷增长、外送通道投运、市场规则变化都可能影响弃电率。分析时必须先确认口径，再拆解驱动因素。
本章的核心结论可以概括为一句话：弃电是新能源高比例发展过程中的系统性问题，定义清楚、口径统一、数据可比，是后续所有成因分析和治理策略讨论的前提。接下来，我们将从源侧波动性开始，逐层拆解弃电的生成机理。