面向多重不確定性的發(fā)電商碳減排投資研究①

王素鳳， 楊善林， 彭張林

(1. 安徽建筑大學(xué)管理學(xué)院， 合肥 230601； 2. 合肥工業(yè)大學(xué)管理學(xué)院， 合肥 230009)

?

面向多重不確定性的發(fā)電商碳減排投資研究①

王素鳳1， 楊善林2， 彭張林2

(1. 安徽建筑大學(xué)管理學(xué)院， 合肥 230601； 2. 合肥工業(yè)大學(xué)管理學(xué)院， 合肥 230009)

摘要：基于技術(shù)進(jìn)步、電力價格、燃料價格、碳價、補貼政策和投資項目的碳減排率等多重不確定因素，構(gòu)建了發(fā)電商減排投資的實物期權(quán)模型，求解得到了投資閾值、投資時點和投資補貼條件.參數(shù)敏感性分析和仿真結(jié)果表明：碳價波動風(fēng)險抑制了減排投資；技術(shù)進(jìn)步和投資補貼能夠激勵發(fā)電商投資，但當(dāng)前的碳價和技術(shù)水平無法支撐CCS項目的大規(guī)模應(yīng)用；合作減排有利于發(fā)現(xiàn)碳減排率較高的項目，進(jìn)而刺激發(fā)電商的投資行為.

關(guān)鍵詞：多重不確定性； 碳減排； 投資； 實物期權(quán)； 發(fā)電商

0引言

全球氣候的日益變暖和極端災(zāi)害事件的頻繁發(fā)生，使得以二氧化碳(carbon dioxide，CO2)為主的溫室氣體(green house gas，GHG)減排形勢日益嚴(yán)峻.作為發(fā)展中國家，中國目前并不承擔(dān)國際強制的碳減排義務(wù)，但考慮到龐大的碳排放總量和未來排放增長需求、經(jīng)濟社會可持續(xù)發(fā)展以及國際社會施加的政治壓力，中國政府承諾至2020年，單位國內(nèi)生產(chǎn)總值碳排放在2005年基礎(chǔ)上削減40%-45%.據(jù)統(tǒng)計，2010年發(fā)電導(dǎo)致的碳排放接近于全國碳排放總量的41%[1].因此，要實現(xiàn)上述減排目標(biāo)，電力行業(yè)首當(dāng)其沖.電廠碳減排主要有兩條途徑：一是從外部市場購買排放權(quán)，二是自主減排.由于當(dāng)前國內(nèi)碳市場尚處在試點階段、碳交易稀疏，依靠外部買入的減排方式缺乏保障，只有通過自主減排降低碳排放更具現(xiàn)實意義和可持續(xù)性.自主減排又可以進(jìn)一步分為4類：優(yōu)化能源結(jié)構(gòu)(即選擇更為低碳的能源作為燃料，例如提高天然氣在發(fā)電能耗中所占的比例)、提高能源效率、實施碳捕集與封存(carbon capture and storage，CCS)以及可再生能源發(fā)電(renewable energy generation，REG)(包括但不限于水電、風(fēng)電、光伏發(fā)電、生物質(zhì)發(fā)電、核電).

考慮到中國以煤為主的能源資源構(gòu)成在短期內(nèi)不會改變，通過調(diào)整能耗結(jié)構(gòu)減排的潛力不大.同時，在當(dāng)前的技術(shù)水平下提高能效產(chǎn)生的減排量亦很有限.而可再生能源項目(renewable energy project，REP)的減排成本又很高昂[2-3]，因此，就減排潛力和經(jīng)濟性而言，CCS的優(yōu)勢最為顯著，可為實現(xiàn)全球碳減排目標(biāo)貢獻(xiàn)20%以上[4].但CCS投資受電價、碳價、燃料價格、補貼政策等外部因素和技術(shù)進(jìn)步、減排率等內(nèi)部因素的影響，存在高度的不確定性；同時，較高的投資成本和投資風(fēng)險也常迫使發(fā)電商延遲甚至放棄投資，不利于排放企業(yè)以成本有效的方式完成減排目標(biāo)，也不利于環(huán)境、經(jīng)濟和社會的可持續(xù)發(fā)展.目前，針對CCS減排投資的研究已經(jīng)涌現(xiàn)了許多成果[5].其中比較傳統(tǒng)的評估方法是貼現(xiàn)現(xiàn)金流(discount cash flow，DCF)法，但DCF法不能充分量化分析項目投資的風(fēng)險和不確定性，從而不利于碳減排投資決策的實施與優(yōu)化.研究不確定環(huán)境下最優(yōu)投資的有效工具是實物期權(quán)(real options，RO)理論[6-7].Myers和Turnbull[8]、Ross[9]最早提出了實物期權(quán)定價方法；McDonald和Siegel[10]首次構(gòu)建了RO評估模型，并利用期權(quán)定價法求解；Brennan和Schwartz[11]則將RO法引入到自然資源投資決策中.此后，RO方法開始在能源和技術(shù)投資評估中得到廣泛應(yīng)用[12-17].

Fleten和N?s?kk?l?[18]考慮電價和天然氣價格的不確定性，利用RO法分析天然氣發(fā)電項目放棄期權(quán)的價值.在此基礎(chǔ)上，Zhou等[19]將碳價不確定性納入RO模型，分析中國電力行業(yè)的CCS投資策略.Oda和Akimoto[20]運用RO法研究了“等待”和“立即投資”之間的分界值，指出在不確定條件下，CCS技術(shù)擴散需要較高的碳價(約為US$70/tCO2)支撐；而當(dāng)前主流的碳排放權(quán)免費分配方式使得CCS投資很難實施.Cheng等[21]提出了改進(jìn)的二項順序復(fù)合期權(quán)模型，可擴展用于求解一般的決策問題.Lin和Huang[22]成功地將傳統(tǒng)托賓Q與RO的評估準(zhǔn)則相結(jié)合，針對那些尚未安裝節(jié)能設(shè)施的企業(yè)，探尋實施或退出節(jié)能投資項目的最佳時機.但他們的模型只考慮了成本與收益的不確定性，未慮及其它不確定因素.Zhu和Fan[23]發(fā)現(xiàn)，當(dāng)前的CCS投資風(fēng)險過高，氣候政策對CCS發(fā)展有極大影響，決策者需要在減少GHG排放和保護(hù)電力企業(yè)利益之間進(jìn)行權(quán)衡.Heydari等[24]基于電力、CO2、煤炭價格的不確定性，建立了RO模型，對煤電廠實施全局CCS和局部CCS兩類減排技術(shù)予以評估，認(rèn)為最優(yōu)停止邊界條件對CO2價格波動高度敏感.Zhu和Fan[25]依據(jù)RO理論，構(gòu)建了離散序列投資決策評估模型，分析現(xiàn)有超臨界煤粉(supercritical pulverized coal，SCPC)CCS技術(shù)改造的投資決策，指出營運與維護(hù)(O&M)成本是影響CCS改造投資的最重要因素；當(dāng)前的CCS技術(shù)水平和政策框架無法支撐電力廠商對SCPC的CCS改造.Cristóbal等[26]在總量控制與交易框架下，提出了兩階段隨機混合整數(shù)線性規(guī)劃(mixed-integer linear programming，MILP)方法，研究碳許可價格不確定條件下CCS項目的最佳投資時機和運營策略.

上述研究主要考慮的是電價、碳價和能源價格等外生不確定因素對減排投資決策的影響，針對技術(shù)進(jìn)步等內(nèi)生不確定性的分析不夠深入.此外，由于成本過高，減排投資常被延遲甚至放棄[27-28]，因此有必要分析項目減排率對投資決策的影響，但這方面的研究十分匱乏.進(jìn)一步地，為了增加投資機會、降低投資風(fēng)險，還可以考慮一個減排項目由多家企業(yè)合作或一個企業(yè)參與多個項目的情形，這類似于《京都議定書》所提出的清潔發(fā)展機制(clean development mechanism，CDM)和聯(lián)合履約(joint implementation，JI).Vithayasrichareon和MacGill[29]提出了不確定環(huán)境下的發(fā)電組合決策支持工具，以一個煤電廠、聯(lián)合循環(huán)燃?xì)廨啓C(combined cycle gas turbine，CCGT)和開式循環(huán)燃?xì)廨啓C(open cycle gas turbine，OCGT)為例，研究了電價、碳價和燃料價格不確定性對發(fā)電決策的影響.該工具可支持復(fù)雜的投資組合風(fēng)險評估，但模型主要針對新建電廠的投資進(jìn)行分析，未考慮對現(xiàn)有電廠的改造；同時，模型重點討論煤電和氣電技術(shù)投資，關(guān)于其它非化石能源發(fā)電技術(shù)的投資決策有待于進(jìn)一步展開研究；并且模型研究的是發(fā)電投資，而非碳減排項目的投資問題.

與以往研究相比，本文綜合考慮了技術(shù)進(jìn)步、項目(技術(shù))減排率、電價、碳價和補貼政策等內(nèi)、外部不確定因素的變化，構(gòu)建了碳減排投資RO模型，求解得到投資閾值、投資時點(期望首達(dá)時間)以及減排投資補貼的解析條件；在此基礎(chǔ)上，對相關(guān)參數(shù)展開敏感性分析，并借助蒙特卡羅(Monte Carlo)方法模擬減排投資的期權(quán)價值分布規(guī)律，考察不確定因素對投資閾值和投資時點的影響，以期為政府制訂碳排放政策和企業(yè)減排投資決策提供參考依據(jù).

1碳減排投資模型

某發(fā)電商擬通過減排投資降低碳排放，需要確定是否投資、何時投資以及投資于何項目等問題.此時，發(fā)電商面臨市場電價、燃料價格和碳價等外部不確定性.Dixit和Pindyck[30]分析了電價和燃料價格的變化規(guī)律，指出可用幾何布朗運動(geometric Brownian motion，GBM)對其加以描述.此外，有關(guān)國際上最成熟的碳市場——歐盟碳交易市場——的實證研究[31-32]也表明，碳價波動服從類似的過程.國內(nèi)碳市場尚未形成，僅深圳等少數(shù)地區(qū)于2013年啟動了碳交易試點，由于其發(fā)展歷程較短，目前不具備中長期碳價變化實證分析的條件，故此處假設(shè)國內(nèi)發(fā)電商CCS投資所面臨的碳價也遵循幾何布朗運動.于是有

(1)

式中Pt、Ft、Ct分別表示電價、燃料價格(表征發(fā)電成本)和碳價(表征排放成本)；μi、σi、dWi(i=P,F,C)為相應(yīng)項的漂移率、波動率和標(biāo)準(zhǔn)維納過程；t=1,2,…代表時間.設(shè)價格變量之間的相關(guān)系數(shù)為零.做出這種假設(shè)的合理性在于，在3種外生性的價格因素中，本文著重討論碳價波動對減排投資決策的影響，而一般地，碳價作為碳排放成本的衡量指標(biāo)，其與電力價格和燃料價格之間沒有明顯的相關(guān)關(guān)系，或者說忽略這種相關(guān)性不會對研究結(jié)論產(chǎn)生顯著影響.另外，為了更清晰地展現(xiàn)投資決策對碳價變化的敏感性，在不改變最終結(jié)論的前提下，可先假定短期內(nèi)電價、燃料價格不發(fā)生顯著變化，故這二者之間的相關(guān)性也可不予考慮.

此外，技術(shù)創(chuàng)新將引發(fā)技術(shù)變遷，這種不確定的技術(shù)進(jìn)步會影響CCS的成本，包括投資成本It(投資可能是一次性的，也可能分階段進(jìn)行，本文考慮前一種情況)和日常運行維護(hù)成本Mt(主要指碳捕獲/運輸/封存、設(shè)備故障、維修成本等，以下簡稱運行成本).隨著技術(shù)的進(jìn)步，這兩類成本均會下降.參照Fuss和Szolgayová[33]，假定單位減排投資成本It及運行成本Mt滿足

(2)

式中隨機變量H(t)>0服從參數(shù)為λ的泊松分布；0≤ξi≤1(i=1,2)反映技術(shù)進(jìn)步對投資成本或運行成本的影響，為簡化分析，不妨設(shè)ξ1=ξ2=ξ.λt表示技術(shù)進(jìn)步的次數(shù)，因此，It的期望為I0e-λt(1-ξ).類似地，Mt的期望為M0e-λt(1-ξ).當(dāng)λ(1-ξ)為常量時，技術(shù)進(jìn)步的期望路徑保持不變.

對該發(fā)電商而言，單位發(fā)電量碳減排投資的價值函數(shù)V為

(3)

(4)

上式的貝爾曼方程(Bellman equation)為

rVdt=E(dV)

(5)

式中E(·)表示期望.投資價值V的變動dV由4部分構(gòu)成：1)電價Pt波動引起的價值變化；2)發(fā)電成本Ft的波動引起的價值變化；3)碳排放成本Ct的波動引起的價值變化；4)H(t)的波動引起運行成本Mt和投資成本It的變化，進(jìn)而導(dǎo)致價值變化.前3種變化均為連續(xù)性的，第4種則為跳躍性的泊松過程.

如前所述，為重點考察技術(shù)進(jìn)步和碳價等變量對減排投資決策的影響，這里先將Pt和Ft視為常量.由伊藤引理(Ito’s lemma)對式(5)右端進(jìn)行展開可得

λ[V(C,ξI)-V(C,I)]dt

(6)

將式(6)代入式(5)，整理得

(r+λ)V(C,I)+λV(C,ξI)=0

(7)

式(7)是個不規(guī)范的偏微分方程，其解的一般形式為

(8)

式中A為待定系數(shù)；Z為積分常數(shù)；β為式(7)所對應(yīng)的特征方程的根,β>1.

根據(jù)價值匹配(value matching)與光滑粘貼(smooth pasting)條件，有

(9)

由式(8)和式(9)，不難得到

(10)

C*即為減排投資的閾值，僅當(dāng)碳價C≥C*時，發(fā)電商的最優(yōu)選擇才是“投資”；否則，發(fā)電商將選擇“延遲”或“放棄”.

對于現(xiàn)有火電廠的減排投資改造，一般有ΔηF>0(反映了熱效率的下降)，但同時有ΔηC<0(反映了碳排放率的減小或減排率的增大)，體現(xiàn)了減排投資的價值.由式(10)易知，投資閾值C*隨ΔηF、|ΔηC|分別呈遞增和遞減的關(guān)系.另外，C*隨補貼比例θ的增大而減小，表明補貼越多，投資門檻就越低，對減排投資的激勵作用越顯著.

再由Murto[34]，有

(11)

在臨界值C*處，企業(yè)的減排投資行為相當(dāng)于一次技術(shù)升級.經(jīng)過簡單變換，易得減排技術(shù)投資的期望投資時點(以首達(dá)時間表示)為

(12)

在期望投資時點，結(jié)合式(10)、式(12)，可進(jìn)一步求得最佳投資補貼比例

(13)

2數(shù)值分析

根據(jù)式(10)和式(12)，若視ΔηF為常量，則參數(shù)β,r,θ,I,ΔηC,M均會對C*、ET*產(chǎn)生影響.再結(jié)合式(2)和式(11)可知，投資閾值C*和期望首達(dá)時間由參數(shù)μC,σC,r,θ,ξ,λ，ΔηC共同決定.現(xiàn)以某火力發(fā)電廠為例，該電廠裝機容量600 MW(這是目前國內(nèi)電網(wǎng)中的主流機組)，負(fù)荷因子80%.根據(jù)有關(guān)文獻(xiàn)[2,28,35-37]，經(jīng)數(shù)據(jù)整理和合理假設(shè)，獲得投資模型的已知參數(shù)(見表1).

表1中關(guān)鍵參數(shù)設(shè)置的依據(jù)如下：

表1　模型參數(shù)設(shè)置

2)當(dāng)前碳價C0的取值參考了深圳碳市場的價格水平.自深圳啟動碳交易以來，市場平均成交價已超過70元/tCO2，且預(yù)計未來仍有較大的上漲空間，此處假設(shè)碳價為80元/tCO2；

3)發(fā)電廠的燃料成本F以電廠消耗的煤炭價格表征，結(jié)合國內(nèi)實際，設(shè)該值為500元/tce，“tce”表示噸標(biāo)煤(tonne coal equivalent)；

4)Q為年發(fā)電量，是裝機容量與年利用小時(設(shè)為6 500 h)的乘積，即年發(fā)電量Q為600 MW×6 500 h=3.9×106MWh；

7)CCS初始投資成本與燃煤電廠規(guī)模、預(yù)計年碳捕集量等因素有密切關(guān)系，借鑒文獻(xiàn)[28]和[37]，假設(shè)CCS投資需新增成本10.5億元，則I0為1 050/3.9≈269，不妨取整為270(元/MWh)；

8)關(guān)于初始運行成本M0的估算，參考文獻(xiàn)[2]，設(shè)CCS設(shè)施的碳減排成本為450 元/tCO2；同時結(jié)合第6)條，取CCS改造后的碳排放率為0.15(tCO2/MWh)，則M0為450×0.15=67.5(元/MWh).

為考察上述不確定因素對碳減排投資決策的影響，2.1節(jié)至2.3節(jié)將利用Matlab 2010b仿真軟件，繪制相關(guān)參數(shù)的敏感性分析圖，分別探討投資閾值和期望投資時點隨各項參數(shù)變化的情形，并討論在不同的技術(shù)進(jìn)步率下政府的最佳補貼政策.

2.1碳價波動與減排投資決策

2.1.1碳價波動對投資閾值的影響

基于表1的參數(shù)條件，圖1給出了不同碳價波動率和投資成本下的投資閾值.

圖1　投資閾值C*隨參數(shù)σC,I的變化曲線

圖1顯示：第1，投資閾值C*與碳價波動率σC呈同方向變化.以投資成本I=270元/MWh為例，當(dāng)σC從0.01增至0.05時，投資閾值也由369元/tCO2提高到了378元/tCO2，表明隨著碳價波動風(fēng)險不斷加大，需要更高的碳價才能觸發(fā)減排投資，這一結(jié)論與文獻(xiàn)[27]一致.第2，投資閾值C*隨投資成本I的下降而減小.例如當(dāng)σC=0.05時，隨著投資成本從370元/MWh降至270元/MWh，投資閾值也由390元/tCO2減至378元/tCO2.這意味著投資成本的降低有誘導(dǎo)發(fā)電商進(jìn)行減排投資的效果.降低投資成本主要有兩條途徑：一是通過技術(shù)進(jìn)步提高投資回報率，從而減少投資成本；二是對投資活動提供稅收抵免或補貼.后文將對此展開具體分析.

2.1.2碳價波動對投資時點的影響

的運行軌跡

由于投資時點的不確定性，本文以期望首達(dá)時間ET*作為考察對象，研究相關(guān)參數(shù)對投資時點的影響.注意到，碳價的波動風(fēng)險不僅影響投資價值的大小，也影響投資時點的早晚.在不同的碳價波動率σC下，得到期望首達(dá)時間ET*的變化曲線如圖3所示(除σC以外，其它參數(shù)與圖2一致)；再運用蒙特卡羅模擬方法，對投資價值V進(jìn)行50 000次仿真，得到圖3中的投資價值直方圖(縱坐標(biāo)N代表仿真次數(shù)).

圖3　參數(shù)σC對ET*和投資價值V的影響

由圖3可知：第1，當(dāng)碳排放價格的不確定性較小(σC=0.01)時，投資價值雖然較低但分布較為穩(wěn)定(基本位于19.52×103附近)；并且，相對而言，碳價波動風(fēng)險越小，投資時點到來的也越早，不過在當(dāng)前的碳價水平(C0=80)下，投資時機至少需要二十幾年的時間才能出現(xiàn)，因此當(dāng)前發(fā)電商的最優(yōu)選擇是“延遲投資”.第2，隨著參數(shù)σC的增大，期望首達(dá)時間ET*和投資價值V都將上升，但投資價值的穩(wěn)定性明顯下降.第3，當(dāng)σC→0.1時，投資價值的波動最大、風(fēng)險最高，多數(shù)情況下的投資價值接近或等于零，此時發(fā)電商將選擇“放棄”投資.由此可得如下結(jié)論：碳價不確定性使減排投資延遲、投資風(fēng)險增大，極端情況下發(fā)電商將放棄投資.需要說明的是，由于參數(shù)設(shè)置不同，圖3中的模擬結(jié)果與文獻(xiàn)[27]略有差異，但所得結(jié)論基本一致.

2.2技術(shù)進(jìn)步、補貼比例與減排投資決策

一方面，技術(shù)創(chuàng)新通過作用于CCS投資成本和運行成本，改變著投資閾值與投資時機；另一方面，補貼比例也會影響投資決策，而技術(shù)進(jìn)步則進(jìn)一步強化了投資補貼的政策效應(yīng)，對減排投資決策產(chǎn)生重要影響.

2.2.1技術(shù)進(jìn)步對投資閾值的影響

為深入考察不同技術(shù)進(jìn)步率下投資閾值的變化，分別令λ=0.5和ξ=0.6，圖4(a)、(b)分別給出了投資閾值C*隨參數(shù)ξ,λ變化的曲線關(guān)系.

(a) 投資閾值C*隨參數(shù)ξ的變化曲線

(b) 投資閾值C*隨參數(shù)λ的變化曲線

由圖4可以直觀地發(fā)現(xiàn)：首先，在圖(a)中，投資閾值C*隨ξ的增大而增大(如在σC=0.05處，C*由250增至294、346).ξ越大，技術(shù)進(jìn)步對投資成本和運行成本的影響就越小，當(dāng)ξ→1時，技術(shù)進(jìn)步對投資閾值基本沒有影響；而當(dāng)ξ→0時，技術(shù)進(jìn)步對投資閾值的影響達(dá)到最大.其次，在圖(b)中，投資閾值C*隨λ的增大而減小(如C*由340降至303、274)，表明隨著技術(shù)進(jìn)步的概率增大，投資成本和運行成本不斷下降，只需相對較低的碳價便可誘發(fā)投資.

類似地，隨著技術(shù)的不斷進(jìn)步，投資的門檻降低，期望首達(dá)時間也將提前來臨.反之則相反.具體分析不再贅述.

2.2.2補貼比例對投資閾值的影響

令ξ=0.6、λ=0.01，圖5刻畫了補貼比例θ的不確定性對投資策略的影響(其余參數(shù)見表1).

根據(jù)式(10)，再分析圖5可知，提高投資補貼比例，可降低投資成本，進(jìn)而使投資閾值下降(如在σC=0.05處，θ的增大使C*由374依次降至347、320).換言之，投資補貼具有刺激減排投資的效應(yīng).這一結(jié)論與文獻(xiàn)[28]一致.事實上，除了直接補貼外，投資稅收抵免、對技術(shù)創(chuàng)新提供碳排放權(quán)獎勵等措施，均具有類似的激勵作用.

圖5　投資閾值C*隨參數(shù)θ的變化曲線

2.2.3不同技術(shù)進(jìn)步率下補貼政策的效果

此處主要以參數(shù)λ表征技術(shù)進(jìn)步的不確定性.根據(jù)式(12)、(13)，假定σC=0.01，ξ=0.6，并分λ=0.1、λ=0.5和λ=0.9三種情形，利用圖6描述不同補貼水平下投資時點的變化情況(為便于比較和閱讀，將三組結(jié)果分別列示于40～90、90～180、180～271三個不同的碳價區(qū)間).

從圖6中可以得出兩點結(jié)論：首先，在當(dāng)前的碳價水平(C0=80)下，無論補貼比例有多高，在3組技術(shù)進(jìn)步率下，投資時點的來臨平均都需要25年以上；若λ=0.1，則無論補貼比例如何變化，首達(dá)時間都將長達(dá)32年至37年.換句話說，較低的碳價阻礙了“碳排放權(quán)”這一環(huán)境資源稀缺性的凸顯，現(xiàn)階段僅靠投資補貼對CCS投資所能產(chǎn)生的激勵作用十分微弱.其次，隨著碳價逐漸上升，技術(shù)進(jìn)步率越大，補貼政策對減排投資的促進(jìn)效果就越明顯.當(dāng)碳價高達(dá)271元/t時，在λ=0.9的技術(shù)進(jìn)步水平下，若給予10%的投資補貼，則期望首達(dá)時間可縮短至4年；若補貼比例增加至90%，發(fā)電商將選擇立即投資CCS技術(shù).同樣地，由于研究期間及研究對象的不同，此處的分析結(jié)果與文獻(xiàn)[28]在數(shù)值上存在一定差異，但基本結(jié)論仍是相符的，即都認(rèn)為CCS的大規(guī)模商業(yè)化運作尚需較長時日.

圖6　不同技術(shù)進(jìn)步率下補貼政策的效應(yīng)

可見，最佳補貼比例θ的確定與技術(shù)進(jìn)步率λ和碳價水平C0密切相關(guān).特別地，當(dāng)碳價較高(≥271元/tCO2)時，補貼政策的效果將主要取決于技術(shù)進(jìn)步率的高低.

2.3碳排放率變化與減排投資決策

圖7　投資閾值C*隨參數(shù)|ΔηC|的變化曲線

需要注意的是，上述分析中假定電力價格和燃料成本短期內(nèi)不發(fā)生明顯變化.一旦放開這一假設(shè)，還要考慮電力價格、燃料成本等因素的變化對CCS減排投資決策造成的影響.此時，投資決策條件(式(10)和式(12))以及補貼比例條件(式(13))都將發(fā)生改變，但具體的分析方法是類似的，限于篇幅，不再展開.

3結(jié)束語

本文假定電價、燃料價格和碳價服從幾何布朗運動，技術(shù)進(jìn)步遵循泊松跳躍過程，建立了發(fā)電商減排投資(包括但不限于CCS)實物期權(quán)模型，求解得到了投資閾值條件、投資時點(期望首達(dá)時間)和最佳投資補貼規(guī)則.借助參數(shù)敏感性分析，考察減排投資決策隨碳價波動、技術(shù)進(jìn)步、補貼比例、項目(技術(shù))減排率等不確定因素變化而變化的規(guī)律；并運用蒙特卡羅方法模擬了投資價值分布直方圖，分析碳價風(fēng)險與投資時機、投資價值的關(guān)系，結(jié)果表明：

第1，隨著碳價波動幅度增大，投資風(fēng)險增加，導(dǎo)致投資閾值上升、投資時點延遲，當(dāng)風(fēng)險達(dá)到一定水平，發(fā)電商將放棄投資.典型的例子如歐盟排放貿(mào)易體系(EU ETS)，2005年—2008年間該市場的碳價震蕩劇烈，最高時超過30歐元，最低時不足1歐元，巨大的市場風(fēng)險使得企業(yè)的減排投資動力幾近喪失.為避免出現(xiàn)類似現(xiàn)象，我國政府需要加快出臺相關(guān)政策，促進(jìn)碳市場發(fā)展、明晰政策信號、抑制碳價過快過大波動，幫助發(fā)電商形成穩(wěn)定的市場預(yù)期.在當(dāng)前的碳交易試點階段，可允許碳配額跨期存儲與借貸以平滑各期碳價波動；另外，對企業(yè)自主減排所創(chuàng)造的減排量進(jìn)行認(rèn)定，如予以相應(yīng)獎勵，或在未來的強制減排階段按照一定比例折算成碳信用以抵銷企業(yè)的減排義務(wù)，這樣既可實現(xiàn)碳價由自愿減排期向強制減排期的平穩(wěn)過渡，又賦予了企業(yè)獲取減排投資收益和碳信用抵免的雙重好處，可有效發(fā)揮碳市場在引導(dǎo)企業(yè)自主減排投資上的作用；

第2，技術(shù)進(jìn)步和投資補貼均可降低投資成本，具有刺激發(fā)電商投資于減排技術(shù)的作用，但這種效果還需要高碳價的配合，當(dāng)碳價達(dá)到或超過一定水平(本文研究為271元/tCO2)時，技術(shù)進(jìn)步率與投資補貼對減排投資的激勵效應(yīng)最為顯著.目前的碳價和技術(shù)水平尚無法支撐CCS投資的大規(guī)模應(yīng)用.針對這種情況，建議相關(guān)部門加大CCS等減排技術(shù)的研發(fā)投入和獎勵力度，鼓勵清潔能源發(fā)電技術(shù)的創(chuàng)新與推廣，降低發(fā)電商碳減排的投資成本.同時，配合投資稅負(fù)優(yōu)惠或抵免、清潔能源發(fā)電投資補貼等舉措，提高發(fā)電商減排投資的積極性.此外，隨著國際氣候減排形勢日益嚴(yán)峻和國內(nèi)節(jié)能減排工作的快速推進(jìn)，碳配額作為環(huán)境資源，其價值性和稀缺性將逐步顯現(xiàn)，碳價趨于升高，政府也應(yīng)適時引導(dǎo)電力企業(yè)做好能源結(jié)構(gòu)轉(zhuǎn)型、發(fā)電及減排技術(shù)升級的準(zhǔn)備，把握CCS等減排技術(shù)的投資契機，積極參與碳交易；

第3，項目(技術(shù))減排率的大小對投資閾值和投資時點有重要影響.以現(xiàn)有電廠減排改造為例，預(yù)期改造后的減排率越高，越能誘導(dǎo)發(fā)電商的投資行為.在一定的碳捕集技術(shù)水平下，減排投資的回報率主要受方案甄選成本和減排量交易成本的影響.因此，一方面，政府可通過官方網(wǎng)站或權(quán)威機構(gòu)發(fā)布減排項目信息，提高發(fā)電商減排項目(技術(shù))選擇的靈活性，降低投資方案的遴選成本；另一方面，還要推動并規(guī)范碳市場建設(shè)，增大價格透明性，減小交易成本，從而提高減排項目的投資回報率.進(jìn)一步地，考慮到當(dāng)前CCS投資的高昂成本和不確定性風(fēng)險，可由政府出面整合小型火電廠，提高發(fā)電商的投資能力和風(fēng)險抵御能力；也可借鑒國際碳市場上CDM或JI的減排合作模式，由幾家發(fā)電廠共同出資實施CCS項目，利用聯(lián)合投資來降低發(fā)電商的資金壓力并分散投資風(fēng)險，各電廠根據(jù)投資比例分享項目所創(chuàng)造的減排收益.

相較于同類研究，本文構(gòu)建的模型系統(tǒng)分析了存在內(nèi)、外部多重不確定因素的條件下，發(fā)電商碳減排投資決策的變化；模型不僅適用于發(fā)電商的減排投資分析，也可用于對不同的減排項目(技術(shù))優(yōu)選排序；若將模型中的電力價格視為一般商品的市場售價、將燃料價格看作企業(yè)生產(chǎn)的要素投入成本，則模型還可拓展用于非電力企業(yè)的減排投資研究，這體現(xiàn)了模型的一般性.

鑒于現(xiàn)實中發(fā)電商碳減排投資決策所面臨的不確定因素可能更為復(fù)雜且相互交織，未來研究有必要將電力市場的競爭結(jié)構(gòu)和減排創(chuàng)造的碳信用納入模型，并考慮電力市場與碳市場的交叉作用.進(jìn)一步地，許多減排投資并非一次完成而是分階段進(jìn)行的，在初始投資之前或在項目設(shè)計時就考慮后續(xù)投資的期權(quán)價值將更具有現(xiàn)實意義.

參 考 文 獻(xiàn):

[1]IEA. CO2Emissions from Fuel Combustion 2012 Edition[R]. Paris: OECD/IEA, 2012.

[2]徐鋼， 田龍虎， 劉彤， 等. 中國電力工業(yè)CO2減排戰(zhàn)略分析[J]. 中國電機工程學(xué)報， 2011， 31(17)： 1-8.

Xu Gang, Tian Longhu, Liu Tong, et al. Strategic analysis of CO2mitigation in Chinese power industy[J]. Proceedings of the CSEE, 2011, 31(17): 1-8. (in Chinese)

[3]Zhu L. A simulation based real options approach for the investment evaluation of nuclear power[J]. Computer & Industrial Engineering, 2012, 63(3): 585-593.

[4]IEA. World Energy Outlook 2011[R]. Paris: OECD/IEA, 2011.

[5]梁大鵬， 徐春林， 馬東海. 基于系統(tǒng)動力學(xué)的CCS產(chǎn)業(yè)化模型及穩(wěn)態(tài)研究[J]. 管理科學(xué)學(xué)報， 2012， 15(7)： 36-49.

Liang Dapeng, Xu Chunlin, Ma Donghai. The research on the model and stability of CCS based on the system dynamics[J]. Journal of Management Sciences in China, 2012, 15(7): 36-49. (in Chinese)

[6]Yang M, Blyth W. Modeling Investment Risks and Uncertainties with Real Options Approach[R]. Paris: LTO/2007/WP 01, IEA , 2007.

[7]何沐文， 劉金蘭， 高奇特. 不確定環(huán)境下自然資源開發(fā)項目投資評價模型[J]. 管理科學(xué)學(xué)報， 2013， 16(6)： 46-55.

He Muwen, Liu Jinlan, Gao Qite. An investment evaluation model for natural resource development project under multiple uncertainties[J]. Journal of Management Sciences in China, 2013, 16(6): 46-55. (in Chinese)

[8]Myers S C, Turnbull S M. Capital budgeting and the capital asset pricing model: Good news and bad news[J]. The Journal of Finance, 1977, 32(2): 321-333.

[9]Ross S. A simple approach to the valuation of risky streams[J]. The Journal of Business, 1978, 51 (3): 453-475.

[10]McDonald R, Siegel D. Thevalue of waiting to invest[J]. The Quarterly Journal of Economics, 1986, 101(4): 707-728.

[11]Brennan M J, Schwartz E S. Evaluating natural resource investments[J]. The Journal of Business, 1985, 58(2): 135-157.

[12]Paddock J L, Siegel D R, Smith J L. Option valuation of claims on real assets: The case of offshore petroleum leases[J]. The Quarterly Journal of Economics, 1988, 103(3): 479-508.

[13]Smith J E, Nau R F. Valuing risky projects: Option pricing theory and decision analysis[J]. Management Science, 1995, 41(5): 795-816.

[14]安瑛暉， 張維. 期權(quán)博弈理論的方法模型分析與發(fā)展[J]. 管理科學(xué)學(xué)報， 2001， 4(1)： 38-44.

An Yinghui, Zhang Wei. Analysis and development of the method and model of option-game theory[J]. Journal of Management Sciences in China, 2001, 4(1): 38-44. (in Chinese)

[15]陳黎明， 邱菀華. 不確定環(huán)境下新技術(shù)投資策略模型研究[J]. 管理科學(xué)學(xué)報， 2005， 8(4)： 9-14， 27.

Chen Liming, Qiu Wanhua. Study on investment strategy model of technological innovations under uncertainty[J]. Journal of Management Sciences in China, 2005, 8(4): 9-14, 27. (in Chinese)

[16]Fan Y, Zhou L. A real options based study on overseas oil investment and its application in China’s oversea oil investment[J]. Energy Economics, 2010, 32: 627-637.

[17]張新華， 葉澤， 賴明勇， 等. 考慮價格上限的寡頭發(fā)電投資閾值與容量選擇[J]. 管理科學(xué)學(xué)報， 2012， 15(9)： 1-9.

Zhang Xinhua, Ye Ze, Lai Mingyong, et al. Investment threshold and capacity choice with price cap in oligopoly electric power market[J]. Journal of Management Sciences in China, 2012, 15(9): 1-9. (in Chinese)

[18]Fleten S E, N?s?kk?l? E. Gas-fired power plants: Investment timing, operating flexibility and CO2capture[J]. Energy Economics, 2010, 32(4): 805-816.

[19]Zhou W, Zhu B, Fuss S, et al. Uncertainty modeling of CCS investment strategy in China’s power sector[J]. Applied Energy, 2010, 87: 2392-2400.

[20]Oda J, Akimoto K. Ananalysis of CCS investment under uncertainty[J]. Energy Procedia, 2011, 4: 1997-2004.

[21]Cheng C T, Lo S L, Lin T T. Applying real options analysis to assess cleaner energy development strategies[J]. Energy Policy, 2011, 39(10): 5929-5938.

[22]Lin T T, Huang S L. Application of the modified Tobin’s q to an uncertain energy-saving project with the real options concept[J]. Energy Policy, 2011, 39(1): 408-420.

[23]Zhu L, Fan Y. A real options-based CCS investment evaluation model: Case study of China’s power generation sector[J]. Applied Energy, 2011, 88(12): 4320-4333.

[24]Heydari S, Ovenden N, Siddiqui A. Real options analysis of investment in carbon capture and sequestration technology[J]. Computational Management Science, 2012, 9(1):109 -138.

[25]Zhu L, Fan Y. Modelling the investment in carbon capture retrofits of pulverized coalfired plants[J]. Energy, 2013, 57(C): 66-75.

[26]Cristóbal J, Guillén-Gosálbez G, Kraslawski A, et al. Stochastic MILP model for optimal timing of investments in CO2capture technologies under uncertainty in prices[J]. Energy, 2013, 54: 343-351.

[27]張新華， 葉澤， 李薇. 價格與技術(shù)不確定條件下的發(fā)電商碳捕獲投資模型及分析[J]. 管理工程學(xué)報， 2012， 26(3)： 109-113.

Zhang Xinhua, Ye Ze, Li Wei. The power producer’s carbon capture investment model and its analysis under price and technology uncertainties[J]. Journal of Industrial Engineering, 2012, 26(3): 109-113. (in Chinese)

[28]陳濤， 邵云飛， 唐小我. 多重不確定條件下發(fā)電與CCS技術(shù)的兩階段投資決策分析[J]. 系統(tǒng)工程， 2012， 30(3)： 37-44.

Chen Tao, Shao Yunfei, Tang Xiaowo. Coal-fired power and CCS investment decision-making issue based on a two stage investment model under multiple uncertain conditions[J]. System Engineering, 2012, 30(3): 37-44. (in Chinese)

[29]Vithayasrichareon P, MacGill I F. A Monte Carlo based decision-support tool for assessing generation portfolios in future carbon constrained electricity industries[J]. Energy Policy, 2012, 41: 374-392.

[30]Dixit A K, Pindyck R S. Investment under Uncertainty[M]. NJ: Princeton University Press, 1994.

[31]Luis M A, José M C. European CO2prices and carbon capture investments[J]. Energy Economics, 2008, 30(6): 2992-3015.

[32]鳳振華. 碳市場復(fù)雜系統(tǒng)價格波動機制與風(fēng)險管理研究[D]. 合肥： 中國科學(xué)技術(shù)大學(xué)， 2012.

Feng Zhenhua. Price volatility and risk management models for carbon market complex system[D]. Hefei: University of Science and Technology of China, 2012. (in Chinese)

[33]Fuss S, Szolgayová J. Fuel price and technological uncertainty in a real options model for electricity planning[J]. Applied Energy, 2010, 87(9): 2938-2944.

[34]Murto P. Timing of investment under technological and revenue-related uncertainties[J]. Journal of Economics Dynamics & Control, 2007, 31(5): 1473-1497.

[35]Fuss S, Szolgayova J, Obersteiner M, et al. Investment under market and climate policy uncertainty[J]. Applied Energy, 2008, 85(8): 708-721.

[36]李星朗. 基于全壽命周期成本和價值工程的火電廠碳捕集改造研究[D]. 長沙： 長沙理工大學(xué)， 2012.

Li Xinglang. Based on the Life Cycle Cost Theory and Value Engineering of Coal-fired Power Plant’s Carbon Capture and Sequestration Technology Reform Investment Research[D]. Changsha: Changsha University of Science & Technology, 2012. (in Chinese)

[37]IEA. Coal in the Energy Supply of China[R]. Paris: OECD/IEA, 2012.

Research on the power producer’s carbon abatement investment in view of multiple uncertainties

WANGSu-feng1,YANGShan-lin2,PENGZhang-lin2

1. School of Management, Anhui Jianzhu University, Hefei 230601, China;2. School of Management, Hefei University of Technology, Hefei 230009, China

Abstract:After taking into account such uncertain factors as technological advance, electricity price, fuel price, carbon price, investment subsidy policies and emission reduction rate, we have constructed a real-option model for power producers’ carbon abatement. Based on this model, conditions of thresholds, timing and subsidy rules for abatement investment are presented. The results indicate that: (1) the risk of carbon price fluctuation inhibits investment in mitigation projects; (2) technological progress and investment subsidies will encourage investment in abatement projects, but current carbon price and technologies cannot support grand-scaled CCS investment; and (3) collaborative abatement projects may improve emission reduction rate, and thus stimulate power producers’ investments.

Key words:multiple uncertainties; carbon abatement; investment; real options; power producer

中圖分類號:F830.59

文獻(xiàn)標(biāo)識碼:A

文章編號:1007-9807(2016)02-0031-11

作者簡介:王素鳳(1978—)， 女， 安徽固鎮(zhèn)人， 博士， 副教授， 碩士生導(dǎo)師. Email: wangsufeng927@ahjzu.edu.cn

基金項目：國家社會科學(xué)基金資助項目(12CJY033)； 教育部人文社科研究規(guī)劃基金資助項目(15YJA790060)；安徽省軟科學(xué)研究計劃資助項目(1502052030)； 安徽建筑大學(xué)博士科研啟動基金資助項目(2014-2-7).

收稿日期：① 2013-05-31；

修訂日期：2014-03-24.