全球電力貿(mào)易網(wǎng)絡(luò)結(jié)構(gòu)分析

王悅, 劉穎嘉，嵇靈，郭權(quán)，徐明

(1.中國(guó)水電顧問(wèn)集團(tuán)投資有限公司，北京市 100101；2.中國(guó)社會(huì)科學(xué)院研究生院投資經(jīng)濟(jì)系，北京市 102488；3.北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市 100124；4.清華大學(xué)環(huán)境學(xué)院，北京市 100084；5.北京地比棕藍(lán)環(huán)境科技有限公司，北京市 102206)

全球電力貿(mào)易網(wǎng)絡(luò)結(jié)構(gòu)分析

王悅1, 劉穎嘉2，嵇靈3，郭權(quán)4，徐明5

(1.中國(guó)水電顧問(wèn)集團(tuán)投資有限公司，北京市 100101；2.中國(guó)社會(huì)科學(xué)院研究生院投資經(jīng)濟(jì)系，北京市 102488；3.北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京市 100124；4.清華大學(xué)環(huán)境學(xué)院，北京市 100084；5.北京地比棕藍(lán)環(huán)境科技有限公司，北京市 102206)

由于日益增多的國(guó)際電力交易將各國(guó)緊密地連接在一起，分析全球電力貿(mào)易網(wǎng)絡(luò)的結(jié)構(gòu)有助于識(shí)別各國(guó)重要性，進(jìn)而為增強(qiáng)全球電力網(wǎng)絡(luò)的可靠性和彈性提供決策支持。利用復(fù)雜網(wǎng)絡(luò)理論分析了1990—2010年間國(guó)際電力貿(mào)易網(wǎng)絡(luò)的演化結(jié)構(gòu)及特征，結(jié)果表明不同于普通商品交易，國(guó)際電力交易具有地區(qū)性特征，可分為多個(gè)地區(qū)子網(wǎng)絡(luò)。其中，歐亞子網(wǎng)絡(luò)歷史最久、規(guī)模最大。因此，著重分析了歐亞電力貿(mào)易網(wǎng)絡(luò)的網(wǎng)絡(luò)性質(zhì)和群落結(jié)構(gòu)特點(diǎn)。另外，分析各國(guó)發(fā)電CO2排放因子與輸入電力排放因子的差距，發(fā)現(xiàn)當(dāng)前國(guó)際電力貿(mào)易在優(yōu)化電力供需的同時(shí)尚且沒(méi)有帶來(lái)正面的CO2減排效果。

國(guó)際交易；電力交易；網(wǎng)絡(luò)分析；群落性；CO2排放

0 引 言

電力行業(yè)雖然長(zhǎng)期處于監(jiān)管之下，近年來(lái)卻出現(xiàn)了越來(lái)越多的國(guó)際商業(yè)活動(dòng)。最早的國(guó)際電力互聯(lián)可追溯到1901年的美國(guó)與加拿大之間的輸電建設(shè)項(xiàng)目[1]。為提高電力行業(yè)效率，自19世紀(jì)80年代末起，各國(guó)逐漸開(kāi)始推進(jìn)電力部門(mén)改革[2]，這為跨國(guó)電力交易中的資源開(kāi)放獲取與自由運(yùn)輸提供了條件。實(shí)證經(jīng)驗(yàn)表明，跨境電力交易能增加電廠的有效容量因子，并形成多元化的電力資源配置組合[3]。國(guó)際間電力交易在不同的減排目標(biāo)下存在隱性利益[4]。國(guó)際電力交易近10年發(fā)展迅速，但已有的研究成果仍缺乏對(duì)電力交易結(jié)構(gòu)和特點(diǎn)的實(shí)證研究。為充分描述全球電力交易的特點(diǎn)，我們必須更好地理解其結(jié)構(gòu)和發(fā)展趨勢(shì)。

網(wǎng)絡(luò)分析作為有效的社會(huì)網(wǎng)絡(luò)分析工具已被廣泛應(yīng)用于包括生物，交通，經(jīng)濟(jì)和信息技術(shù)等在內(nèi)的多學(xué)科領(lǐng)域[5-8]。此外，在經(jīng)濟(jì)全球化的背景下，網(wǎng)絡(luò)分析作為特征及演化分析工具常被應(yīng)用于國(guó)際交易網(wǎng)絡(luò)分析，為經(jīng)濟(jì)沖擊傳播、金融危機(jī)蔓延和價(jià)格波動(dòng)反應(yīng)鏈等研究提供了新的思路[9-10]。網(wǎng)絡(luò)學(xué)是一種全面的分析工具，彌補(bǔ)了國(guó)際電力交易研究中僅能研究?jī)煞街苯舆B接關(guān)系的缺陷。該方法可以識(shí)別各國(guó)在復(fù)雜網(wǎng)絡(luò)中的作用，即可以通過(guò)國(guó)家在國(guó)際電力交易網(wǎng)絡(luò)中的角色和重要性將其分類(lèi)。本文以最大的電力交易子網(wǎng)絡(luò)——?dú)W亞大陸為重點(diǎn)，分析全球電力交易網(wǎng)絡(luò)的演化路徑及現(xiàn)狀。此外，通過(guò)結(jié)合不同國(guó)家的CO2排放因素，估算國(guó)際電力交易實(shí)現(xiàn)的CO2減排量。

1 復(fù)雜網(wǎng)絡(luò)理論

群落結(jié)構(gòu)是真實(shí)網(wǎng)絡(luò)共有的重要屬性。群落的特點(diǎn)是內(nèi)部聯(lián)系緊密而與其他群落連接稀疏，群落檢測(cè)的目標(biāo)就是將這些群落識(shí)別出來(lái)。已有的檢測(cè)群落結(jié)構(gòu)的方法包括層次聚類(lèi)和模塊最大化等方法[12-14]。本文中，我們使用Newman[15]提出的基于模塊最大化方法，該算法具有運(yùn)行時(shí)間快的優(yōu)勢(shì)。

2 全球電力貿(mào)易網(wǎng)絡(luò)演化

2.1 數(shù)據(jù)來(lái)源

本文中1990—2010年的國(guó)際電力交易數(shù)據(jù)來(lái)自聯(lián)合國(guó)商品貿(mào)易統(tǒng)計(jì)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)包含以貨幣單位(美元)和實(shí)物單位(MW·h)衡量的電力貿(mào)易水平。由于早期的實(shí)物交易量記錄不完整，因此在網(wǎng)絡(luò)動(dòng)態(tài)趨勢(shì)分析時(shí)使用了貨幣量來(lái)表示交易總量。2010年的數(shù)據(jù)信息完整，因此可以在電力交易網(wǎng)絡(luò)中使用實(shí)物交易量來(lái)表示，以消除由于交易價(jià)格不同帶來(lái)的影響。此外，一些交易記錄已詳細(xì)到可分為進(jìn)口國(guó)和出口國(guó)分別統(tǒng)計(jì)，此處統(tǒng)一使用進(jìn)口數(shù)據(jù)來(lái)估計(jì)國(guó)際間電力交易量[16-17]。減排分析中使用到的電力生產(chǎn)的CO2排放系數(shù)來(lái)源于國(guó)際能源署的統(tǒng)計(jì)數(shù)據(jù)。由于安道爾、梵蒂岡、圣馬力諾、老撾、中國(guó)、中國(guó)澳門(mén)特別行政區(qū)和巴勒斯坦等國(guó)家和地區(qū)沒(méi)有CO2排放系數(shù)的報(bào)告，因此與以上國(guó)家和地區(qū)相關(guān)的電力交易活動(dòng)未納入CO2減排分析中。所有國(guó)家的縮寫(xiě)均使用ISO3代碼表示。

2.2 全球電力網(wǎng)絡(luò)演化特點(diǎn)

為研究全球電力網(wǎng)絡(luò)演化路徑，建立以電力實(shí)物流與現(xiàn)金流相結(jié)合的加權(quán)有向網(wǎng)絡(luò)。圖1所示為以1990年為基期的1990—2010年間全球電力交易網(wǎng)絡(luò)規(guī)模變化情況。由圖1可知，全球電力網(wǎng)絡(luò)的規(guī)模逐年增大，由1990年的10個(gè)節(jié)點(diǎn)，10條邊發(fā)展為2010年的114個(gè)節(jié)點(diǎn)，400條邊。特別是，從2000年起，邊的增長(zhǎng)速度超過(guò)了點(diǎn)的增長(zhǎng)速度。與此同時(shí)，交易總量由1990年的11.4 × 106MW·h(246.1 × 106美元)增至2010年的569.7×106MW·h (33.7×109美元)，增長(zhǎng)相對(duì)溫和。1996年電力交易總量較1990年增長(zhǎng)了近10倍，然而該數(shù)據(jù)于2002年驟升至頂點(diǎn)后即驟減直至逐漸趨于穩(wěn)定。與實(shí)物流相比，現(xiàn)金流的增長(zhǎng)更為平穩(wěn)。2010年交易額約為1990年的180倍。

表1所示為網(wǎng)絡(luò)在各時(shí)間點(diǎn)上的主要指標(biāo)測(cè)量結(jié)果及比較。電力貿(mào)易流的強(qiáng)度主要取決于傳輸能力及供求關(guān)系。在研究期內(nèi)，最大實(shí)物流由 6 × 106MW·h增至近46 × 106MW·h。相比之下，平均實(shí)物流的增長(zhǎng)更為平緩，由1.27 × 106MW·h增至1.40 × 106MW·h。這意味著，兩國(guó)間的平均交易量相對(duì)穩(wěn)定。此外，節(jié)點(diǎn)度的逐步增長(zhǎng)說(shuō)明，隨著電力行業(yè)改革的推進(jìn)，各國(guó)間建立了更多的貿(mào)易伙伴關(guān)系。最大節(jié)點(diǎn)強(qiáng)度測(cè)量了該國(guó)包含進(jìn)口與出口在內(nèi)的總交易量。德國(guó)是近年來(lái)所有國(guó)家中擁有最大節(jié)點(diǎn)強(qiáng)度的國(guó)家，說(shuō)明該國(guó)在全球電力交易市場(chǎng)中具有舉足輕重的作用。

*數(shù)據(jù)均以1990年為基期。

圖1 1990—2010年有向加權(quán)全球電力交易網(wǎng)絡(luò)規(guī)模變化趨勢(shì)
Fig.1 Scale change of weighted and directed global electricity trade network from 1990 to 2010

表1 1990—2010年間主要時(shí)間節(jié)點(diǎn)上全球電力交易有向加權(quán)網(wǎng)絡(luò)主要特征
Table 1 Main characteristics of weighted and directed global electricity from 1990 to 2010

3 全球電力貿(mào)易網(wǎng)絡(luò)現(xiàn)行結(jié)構(gòu)

圖2為使用網(wǎng)絡(luò)可視化軟件Cytoscape[18]做出的2010年全球電力貿(mào)易網(wǎng)絡(luò)圖。由圖2可知，由于技術(shù)傳播和地理位置的限制，全球電力交易網(wǎng)絡(luò)呈現(xiàn)地區(qū)網(wǎng)絡(luò)性。可根據(jù)地理區(qū)域劃分為北美及中美洲，南美洲，非洲和歐亞大陸等4個(gè)地區(qū)。其中，歐亞大陸的電力交易形成了由77個(gè)國(guó)家組成的完整子網(wǎng)絡(luò)，并與3個(gè)非洲國(guó)家(摩洛哥、利比亞和阿爾及利亞)相連。根據(jù)表2所示的各地區(qū)子網(wǎng)絡(luò)的統(tǒng)計(jì)數(shù)據(jù)可知，歐亞大陸擁有最多的電力交易參與國(guó)和最密集的電力交易活動(dòng)，其總電力實(shí)物流和平均節(jié)點(diǎn)強(qiáng)度居子網(wǎng)絡(luò)第1。此外，歐亞子網(wǎng)絡(luò)的平均聚類(lèi)系數(shù)為0.29，這意味著國(guó)家更傾向于集聚在一起并形成緊密的組織。

(1)該圖為加權(quán)有向網(wǎng)絡(luò)；(2)圖左側(cè)為非洲子網(wǎng)絡(luò)，中部為歐亞大陸子網(wǎng)絡(luò)，右側(cè)為北美和南美子網(wǎng)絡(luò)；(3)圖中，邊寬與交易量成正比，點(diǎn)的大小與該國(guó)電力出口量成正比。

圖2 2010年全球電力交易網(wǎng)絡(luò)
Fig.2 Global electricity trade network in 2010

表2 2010年各子網(wǎng)絡(luò)特征比較
Table 2 Comparison among different sub-networks in 2010

4 歐亞大陸網(wǎng)絡(luò)

4.1 節(jié)點(diǎn)度及節(jié)點(diǎn)強(qiáng)度

節(jié)點(diǎn)度(k)及節(jié)點(diǎn)強(qiáng)度(s)是用來(lái)比較節(jié)點(diǎn)重要性的常用指標(biāo)。在歐亞子網(wǎng)絡(luò)中，各國(guó)電力交易伙伴數(shù)由1至34不等，平均為9。其中，交易伙伴最多的國(guó)家為捷克和斯諾文尼亞，其次是伙伴數(shù)為21的德國(guó)。斯洛文尼亞和奧地利分別擁有最多的進(jìn)口和出口伙伴(表3)。此外，該網(wǎng)絡(luò)中邊的權(quán)重范圍為1～33 × 106MW·h，平均為1.3 × 106MW·h。其中，權(quán)重最大的邊為德國(guó)向瑞士進(jìn)行的電力運(yùn)輸，占子網(wǎng)絡(luò)全部電量的6.87%。緊隨其后的是法國(guó)向瑞士出口的電量，為29 × 106MW·h，占子網(wǎng)絡(luò)全部電量的7%。在無(wú)向網(wǎng)絡(luò)中，節(jié)點(diǎn)強(qiáng)度的范圍為1～150.8 × 106MW·h，平均為12.1 × 106MW·h。其中，交易總量最大的國(guó)家為德國(guó)，其在網(wǎng)絡(luò)中的地位十分突出。瑞士和德國(guó)分別擁有最大的進(jìn)口和出口總量。表4所示為節(jié)點(diǎn)強(qiáng)度前10位的國(guó)家排序。

表3 2010年歐亞子網(wǎng)絡(luò)節(jié)點(diǎn)度前10位國(guó)家排名
Table 3 Top 10 ranking by node degree of Eurasian sub-network in 2010

表4 2010年歐亞子網(wǎng)絡(luò)節(jié)點(diǎn)強(qiáng)度前10位國(guó)家排名Table 4 Top 10 ranking by node strength of Eurasian sub-network in 2010 PW·h

概率分布常用來(lái)研究網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的統(tǒng)計(jì)性質(zhì)。最符合現(xiàn)實(shí)網(wǎng)絡(luò)情形的是冪律分布和指數(shù)分布[19-21]。歐亞子網(wǎng)絡(luò)度的概率密度分布和累積密度分布如圖3(a)和(b)所示。經(jīng)過(guò)測(cè)算，我們發(fā)現(xiàn)歐亞子網(wǎng)絡(luò)節(jié)點(diǎn)度的概率密度分布和累積密度分布均服從指數(shù)分布，形式分別為p(k)=0.409 3×k-0.631 8和p(K>k)=0.846 5×0.905 0k。其中，后者的擬合情況更好，調(diào)整后的復(fù)決定系數(shù)達(dá)到0.988 2。另外，該子網(wǎng)絡(luò)節(jié)點(diǎn)強(qiáng)度的概率密度分布和累積密度分布分別由圖3(c)和(d)所示。其中，節(jié)點(diǎn)度強(qiáng)度的概率密度分布明顯服從冪律分布，形式為p(s) = 0.538 4×s0.882 1。但其累積密度分布服從廣延指數(shù)分布，形式為p(S>s) = 0.784 4×0.910 6s。其肥尾性說(shuō)明，電力交易網(wǎng)絡(luò)中有許多節(jié)點(diǎn)發(fā)揮著重要作用。

4.2 最近鄰平均度及強(qiáng)度

此處我們研究網(wǎng)絡(luò)的同配性，即研究在某些屬性下相連節(jié)點(diǎn)的相似度，通常使用最近鄰平均度Knn來(lái)表示。若存在正向相關(guān)，即度較大的節(jié)點(diǎn)更傾向于與其他度較大的節(jié)點(diǎn)相連，那么該網(wǎng)絡(luò)可認(rèn)為具有同配性。否則，若存在負(fù)向相關(guān)，說(shuō)明度較大的節(jié)點(diǎn)更傾向于與度較小的節(jié)點(diǎn)相連，則該網(wǎng)絡(luò)不具備同配性。如圖4(a)，未加權(quán)時(shí)，Knn(k)與k之間并不存在明顯的單調(diào)關(guān)系。在某些情況下，度較小的節(jié)點(diǎn)也可能與度較大的節(jié)點(diǎn)相連。比如，塞浦路斯僅與斯洛文尼亞存在電力貿(mào)易關(guān)系，而斯洛文尼亞是交易伙伴最多的國(guó)家。圖4(b)描繪的是最近鄰平均強(qiáng)度Snn(k)與k的關(guān)系。通常來(lái)說(shuō)，因?yàn)榇蠖鄶?shù)節(jié)點(diǎn)的強(qiáng)度較低，僅有少數(shù)節(jié)點(diǎn)強(qiáng)度較高，因此隨著節(jié)點(diǎn)度的增加，Snn(k)的變化很小。但是，較高的節(jié)點(diǎn)度意味著該點(diǎn)更可能與節(jié)點(diǎn)強(qiáng)度較高的節(jié)點(diǎn)直接相連。

4.3 中介中心度和聚類(lèi)系數(shù)

節(jié)點(diǎn)中介中心度與節(jié)點(diǎn)度的關(guān)系如圖5(a)所示，二者間并未顯示出明顯的單調(diào)關(guān)系。大部分節(jié)點(diǎn)的中介中心度介于[0, 0.1]之間。具有較高中介中心度的節(jié)點(diǎn)作為“橋梁”，在網(wǎng)絡(luò)中扮演著“守門(mén)員”的角色。因此，位于地區(qū)邊界上，連接歐洲與亞洲的國(guó)家具有較高的中介中心度，如俄羅斯聯(lián)邦共和國(guó)、烏克蘭和中國(guó)。表5所示為有向網(wǎng)絡(luò)和無(wú)向網(wǎng)絡(luò)中中介中心度前十位的國(guó)家排序。

此外，我們?cè)趫D5(b)中描繪了聚類(lèi)系數(shù)與節(jié)點(diǎn)度之間的關(guān)系。Cw的平均值為0.13。表5表明，安道爾、卡塔爾、中國(guó)香港、老撾、摩爾多瓦、緬甸、蒙古的聚類(lèi)系數(shù)最高(均為1)，說(shuō)明與這些國(guó)家和地區(qū)有電力貿(mào)易的國(guó)家之間也存在電力貿(mào)易的概率是100%。

圖3 歐亞大陸電力交易網(wǎng)絡(luò)統(tǒng)計(jì)性質(zhì)Fig.3 Statistical properties of Eurasian electricity trading network

圖4 歐亞大陸電力交易網(wǎng)絡(luò)節(jié)點(diǎn)最近鄰平均度及節(jié)點(diǎn)強(qiáng)度與節(jié)點(diǎn)度的關(guān)系Fig.4 Node degree vs average neighbor degree and node degree vs average neighbor strength of Eurasian sub-network

4.4 群落性

劃分群落的算法主要有凝聚法和分裂法2大類(lèi)。本文采用紐曼提出的著名的G-N算法對(duì)亞歐子網(wǎng)絡(luò)的群落結(jié)構(gòu)進(jìn)行探索，該方法基本思想是通過(guò)不斷地從網(wǎng)絡(luò)中移除介數(shù)最大的邊，從而將整個(gè)網(wǎng)絡(luò)分解為各個(gè)層次的群落。并且引入模塊度Q作為衡量劃分質(zhì)量的指標(biāo)，用G-N算法每分解一步，就對(duì)該截取位置所對(duì)應(yīng)的網(wǎng)絡(luò)群落結(jié)構(gòu)計(jì)算Q，當(dāng)?shù)玫骄植糠逯禃r(shí)，即對(duì)應(yīng)一個(gè)層次上比較好的群落劃分。Q的計(jì)算公式為

(1)

式中：eij表示連接2個(gè)不同群落(第i個(gè)與第j個(gè))中節(jié)點(diǎn)的邊在所有邊中所占比例；eii表示同一群落(第i個(gè))中節(jié)點(diǎn)的邊在所有邊中的比例。

圖6描繪了亞歐子網(wǎng)絡(luò)的群落結(jié)構(gòu)(詳細(xì)信息見(jiàn)表6)。該子網(wǎng)絡(luò)可劃分為7個(gè)群落，最優(yōu)模塊化程度為Q=0.493 73。該值大于0.3說(shuō)明網(wǎng)絡(luò)具有顯著的群落結(jié)構(gòu)[17]。與航空運(yùn)輸網(wǎng)絡(luò)類(lèi)似[6]，地理距離對(duì)群落劃分的影響較大，相鄰國(guó)家更有可能處于同一群落之中。

圖5 歐亞大陸電力交易網(wǎng)絡(luò)節(jié)點(diǎn)中介中心度及節(jié)點(diǎn)聚類(lèi)系數(shù)與節(jié)點(diǎn)度的關(guān)系Fig.5 Node degree vs betweenness and node degree vs clustering of Eurasian sub-network

根據(jù)Guimera等所述，Z記分可用于識(shí)別群落中各節(jié)點(diǎn)的作用[6,22]。節(jié)點(diǎn)i的群落內(nèi)度的Z記分定義為

(2)

各群落的基本統(tǒng)計(jì)信息以及最高Z分?jǐn)?shù)的樞紐點(diǎn)信息詳見(jiàn)表7。其中，最大的群落包含23個(gè)國(guó)家，其內(nèi)部由202條邊相連接，并通過(guò)43條邊與其他群落相連。而最小的群落僅包括阿拉伯聯(lián)合酋長(zhǎng)國(guó)和阿曼，這兩國(guó)形成了一個(gè)獨(dú)立的子網(wǎng)絡(luò)，且不存在與其他群落的連接。此外，印度、斯里蘭卡和尼泊爾三國(guó)也形成了一個(gè)獨(dú)立的三節(jié)點(diǎn)群落。除中國(guó) (2.979 5)和西班牙(2.695 4)之外，其他各點(diǎn)的Z分?jǐn)?shù)均未超過(guò)經(jīng)驗(yàn)值2.5，這說(shuō)明網(wǎng)絡(luò)的中樞不明顯[6,22]。本文中，依據(jù)Z分?jǐn)?shù)由高到低排序來(lái)決定各群落的中心點(diǎn)。如在群落1中，捷克的Z分?jǐn)?shù)最高為1.748 1， 為該群落的樞紐。需要說(shuō)明的是，各群落中的中樞均具有重要作用。

圖6 2010年亞歐子網(wǎng)絡(luò)的群落結(jié)構(gòu)Fig.6 Community structure of Eurasian sub-network in 2010

表7 2010年亞歐子網(wǎng)絡(luò)各群落Z分?jǐn)?shù)Table 7 Community and its Z-score detail of Eurasian sub-network in 2010

5 電力交易網(wǎng)絡(luò)實(shí)現(xiàn)的CO2減排

圖7展示了亞歐子網(wǎng)絡(luò)實(shí)現(xiàn)的CO2減排情況。一項(xiàng)交易中的CO2減排量，與進(jìn)出口雙方CO2排放系數(shù)之差及交易總量成正比。比如，阿爾巴尼亞因其邊的方向表示電力交易中的CO2排放流；邊寬與相關(guān)交易導(dǎo)致的CO2排放變化成正比；邊的顏色表征電力交易的影響。

圖7 2010年歐亞子網(wǎng)絡(luò)的CO2減排
Fig.7 CO2emission reduction of Eurasian sub-network in 2010

可觀的可再生能源發(fā)電，使其成為網(wǎng)絡(luò)中CO2排放系數(shù)最低的國(guó)家，僅為2 kg/(MW·h)。與此同時(shí)，其交易方之一的希臘CO2排放系數(shù)很高，達(dá)到 718 kg/(MW·h)。阿爾巴尼亞向希臘出口了 364 579 MW·h的電，這意味著，對(duì)于希臘甚至全球而言，該項(xiàng)進(jìn)口減少了261 × 106kg 的本國(guó)CO2排放。然而，歐亞電力交易網(wǎng)絡(luò)，相比于各國(guó)自我供給的情景，增加了10.96 × 109kg的CO2排放。隨著各國(guó)氣候政策的不斷出臺(tái)，高排放電力生產(chǎn)所面臨的成本逐步上升，因此可以期望未來(lái)電力貿(mào)易將逐漸實(shí)現(xiàn)減少CO2排放的目的。

6 結(jié) 論

本研究對(duì)全球電力貿(mào)易網(wǎng)絡(luò)從網(wǎng)絡(luò)演化及網(wǎng)絡(luò)結(jié)構(gòu)兩方面進(jìn)行了分析。自1990年以來(lái)，全球電力貿(mào)易網(wǎng)絡(luò)不斷擴(kuò)大，越來(lái)越多的國(guó)家參與到國(guó)際電力貿(mào)易中來(lái)。2010年全球電力貿(mào)易網(wǎng)絡(luò)由多個(gè)區(qū)域性網(wǎng)絡(luò)組成，其中以亞歐大陸電力貿(mào)易網(wǎng)絡(luò)為主。對(duì)亞歐大陸電力貿(mào)易網(wǎng)絡(luò)的分析表明，其節(jié)點(diǎn)度及節(jié)點(diǎn)強(qiáng)度概率密度分布明顯服從冪率分布。其群落結(jié)構(gòu)表明，即使相鄰國(guó)家更有可能處于同一群落中，電力貿(mào)易所造成的群落分布并不完全依賴(lài)于地理位置分布。此外，亞歐大陸電力貿(mào)易網(wǎng)絡(luò)造成了更多的CO2排放，但隨著各國(guó)氣候政策的不斷完善，未來(lái)電力貿(mào)易可以有效減少全球CO2排放。在未來(lái)進(jìn)一步研究中，將考慮如何優(yōu)化全球電力貿(mào)易網(wǎng)絡(luò)布局，實(shí)現(xiàn)全球范圍內(nèi)的資源優(yōu)化和碳減排。

[1]CBARPENTIER J P, SCBENK K. International power interconnections[R]. World Bank, 1995. http://www. worldbank. org/html/fpd/notes/

[2]TOORAJ J, MICHAEL P. Benchmarking and regulation of electricity transmission and distribution utilities: Lessons from international experience[R]. Department of Applied Economics, University of Cambridge, Cambridge Working Papers in Economics, 2001.

[3]BAHAI H, SAUVAGE J. Cross-border trade in electricity and the development of renewable-based electric power: Lessons from Europe[R]. OECD Trade and Environment Working Paper, 2013. http://dx.doi.org/10.1787/5k4869cdwnzr-en[4]HAUCH J. Electricity trade and CO2emission reductions in the Nordic countries[J]. Energy Economics, 2003, 25(5):2330-2350.

[5]JEONG H, TOMBOR B, ALBERT R, et al. The large-scale organization of metabolic networks[J]. Nature, 2000, 407(6804):651-654.

[6]GUIMERA R, MOSSA S, TURTSCHI A, et al. The worldwide air transportation network: Anomalous centrality, community structure, and cities’ global roles[J]. Proceedings of the National Academy of Sciences, 2005, 102(22): 7794-7799.

[7]XU M,ALLENBY B R, CRITTENDEN J C. Interconnectedness and resilience of the US economy [J]. Advances in Complex Systems, 2011, 14(5): 649-672.

[8]DALY E M, HAAHR M. Social network analysis for information flow in disconnected delay-tolerant MANETs[J]. IEEE Transactions on Mobile Computing, 2009, 8(5): 606-621.

[9]FRONCZAK A, FRONCZAK P. Statistical mechanics of the international trade network[J]. Physical Review E, 2012, 85(5pt2): 4001-4014.

[10]KERSCHNER C, PRELL C, FENG K, et al. Economic vulnerability to peak oil[J]. Global Environmental Change, 2013, 23(6): 1424-1433.

[11]BARRAT A, BARTHELEMY M, PASTOR-SATORRAS R, et al. The architecture of complex weighted networks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101(11): 3747-3752.

[12]GIRVAN M, NEWMAN M E J. Community structure in social and biological networks[J]. Proceedings of the national academy of sciences, 2002, 99(12): 7821-7826.

[13]BL?CHL F, THEIS F J, VEGA-REDONDO F, et al. Vertex centralities in input-output networks reveal the structure of modern economies[J]. Physical Review E, 2011, 83(4), 46127-46135.

[14]Newman M E J, Girvan M. Finding and evaluating community structure in networks[J]. Physical Review E, 2004, 69(2), 26113-26128.

[15]NEWMAN M E J. Fast algorithm for detecting community structure in networks[J]. Physical Review E, 2004, 69(6): 66133-66137.

[16]KIM S, SHIN E H. A longitudinal analysis of globalization and regionalization in international trade: A social network approach[J]. Social Forces, 2002, 81(2), 445-468.

[17]LINNEMANN H. An econometric study of international trade flows[M]. Amsterdam: North Holland, 1996.

[18]SAITO R, SMOOT M E, ONO K, et al. A travel guide to Cytoscape plugins[J]. Nature Methods, 2012, 9(11):1069-1076.

[19]LIN X, DANG Q, KONAR M. A network analysis of food flows within the United States of America[J]. Environmental Science & Technology, 2014,48(10): 5439-5447.

[20]NEWMAN M E J. Coauthorship networks and patterns of scientific collaboration[J]. Proceedings of the National Academy of Sciences, 2004, 101(s1): 5200-5205.

[21]DALIN C, KONAR M, HANASAKI N, et al. Evolution of the global virtual water trade network[J]. Proceedings of the National Academy of Sciences, 2012, 109(16): 5989-5994.

[22]GUIMERA R, SALES-PARDO M, AMARAL L A N. Classes of complex networks defined by role-to-role connectivity profiles[J]. Nature Physics, 2007, 3(1): 63-69.

(編輯 蔣毅恒)

Structure Analysis of Global Electricity Trade Network

WANG Yue1, LIU YingJia2, JI Ling3, GUO Quan4, XU Ming5

(1. China’s Hydropower Consulting Group Investment Co., Ltd., Beijing 100101, China; 2. Graduate School of Chinese Academy of Social Sciences, Beijing 102488, China; 3. School of Economics and Management, Beijing University of Technology, Beijing 100124, China; 4. School of Environment, Tsinghua University, Beijing 100084, China; 5. Beijing Dibizonglan Environment and Technology Co., Ltd., Beijing 102206, China)

Through more frequent international electricity trade, different nations are connected tightly. The analysis of the global electricity trade structure can help recognize the important role among countries, which will provide decision support for enhancing the reliability and resilience of global electricity network. This paper adopts complex network theory to analyze the evolution structure and characteristics of national electricity trade network from 1990 to 2010, whose results show that international electricity trade is different from ordinary commodity trading and has obvious geographical features. It can be divided into several sub-networks, where, Eurasian sub-network is the oldest and largest. Therefore, we mainly analyze the network characteristics and community features of Eurasian electricity trade network. Moreover, we analyze the gap between the CO2emission factor of local electricity generation and that of import electricity in different countries. It is found that current international electricity trade optimizes the power supply and demand, but does not bring benefit on CO2emission reduction.

international trade; electricity trade; network analysis; community; CO2emission reduction

國(guó)家博士后基金資助項(xiàng)目(2015M580034)

TM 72

A

1000-7229(2016)03-0129-08

10.3969/j.issn.1000-7229.2016.03.020

2015-11-05

王悅(1981)，男，碩士，工程師，主要研究方向?yàn)榭稍偕茉赐顿Y與管理；

劉穎嘉(1991)，女，碩士研究生，主要研究方向?yàn)槟茉唇?jīng)濟(jì);

嵇靈(1987)，女，通迅作者，博士，講師，主要研究方向?yàn)槟茉唇?jīng)濟(jì)，能源規(guī)劃;

郭權(quán)(1981)，男，博士研究生，主要研究方向?yàn)榄h(huán)境系統(tǒng)分析；

徐明(1981)，男，博士，主要從事環(huán)境技術(shù)創(chuàng)新管理以及生命周期分析方面工作。