安徽省工業(yè)化石能源消費碳排放研究*

周洪源 汪家權 胡淑恒 趙子清

(合肥工業(yè)大學資源與環(huán)境工程學院 合肥 230009)

?

安徽省工業(yè)化石能源消費碳排放研究*

周洪源 汪家權 胡淑恒 趙子清

(合肥工業(yè)大學資源與環(huán)境工程學院 合肥 230009)

按不同化石能源品種的消費量估算安徽省2004—2014年CO2排放量，分析該省工業(yè)行業(yè)能源消費量及化石能源消費碳排放量的變化規(guī)律。在此基礎上，采用等維灰數遞補動態(tài)GM(1,1)預測模型預測3種發(fā)展情景下2030年安徽省工業(yè)化石能源消費碳排放量。結果表明：安徽省工業(yè)化石能源消費CO2排放量由2004年的1.64億t上升到2014年的4.25億t；到2030年，在基準情景、低碳情景和強化低碳情景下將分別達到7.51億t、6.06億t和4.91億t。

碳排放 能源消費 預測 安徽省

0 引言

2014年12月6日，在秘魯利馬舉行的聯(lián)合國氣候變化大會上，中國發(fā)布的《第三次氣候變化國家評估報告》顯示，我國的CO2排放量將在2030年達到峰值，之后，在低碳發(fā)展情景下，二氧化碳排放量有望實現零增長或負增長。經濟發(fā)展離不開能源消費，尤其是化石能源消費量的增長必然導致CO2排放量的增加，進而影響到人類社會可持續(xù)發(fā)展[1]。1995—2010年，我國碳排放總量增長2.38倍[2]；2013年，我國CO2排放量達到100億t，超過當年美國(52億t)和歐盟(35億t)的CO2排放總和[3]。若想從根本上應對氣候變化，必須從能源消耗問題上入手，通過改進革新工藝技術等方式減少單位GDP能耗，控制化石能源的使用量，進而促進碳減排[4]。

近年來有關化石能源消費及其產生的CO2排放成為國內外學者研究的熱點。Peters等[5]依據IPCC指南對源自全球金融危機前后的化石能源消費及水泥生產的全球CO2排放量做出估算，并推測造成CO2排放量快速增加的原因可能是能源價格的劇烈變化以及政府大力投資加速經濟的恢復。Mccollum等[6]通過比較分析各類化石能源消費碳排放量，提出減緩氣候變化應通過增加能源系統(tǒng)的多樣性實現。Cheng等[7]基于IPCC提供的方法，計算得到1997—2010年中國碳排放量年增長率為7.15%。佟昕等[8]利用GM(1,1)模型預測中國2020年的碳排放量，發(fā)現中國未來的減排壓力很大，制定減排政策應綜合考慮產業(yè)結構、人口及技術進步等因素。

作為當今世界發(fā)展最快的國家，2012年我國煤炭資源消費量占當年世界煤炭資源總消費量的比例首次超過50%[9]。近年來我國煤炭資源消費量依舊居高不下。安徽省工業(yè)發(fā)展正處于從依賴生產要素的高投入以及能源高消耗向節(jié)能創(chuàng)新型發(fā)展模式的轉變階段，目前工業(yè)的增長方式不夠集約，能源的可持續(xù)利用能力有待提高。安徽省工業(yè)能源消耗以及化石能源消耗碳排放量是中部六省的一個縮影，具有典型的代表性。本文的研究成果對安徽省實現綠色發(fā)展具有重要的指導意義。

1 研究方法與數據來源

1.1 碳排放量估算

化石能源包括3類：煤炭類、石油類和天然氣類。煤炭類能源包含原煤、洗精煤、其他洗煤、煤制品、焦炭、焦爐煤氣；石油類能源包含原油、汽油、煤油、柴油、燃料油、液化石油氣；天然氣類能源即天然氣。3類能源消費后產生的氣體主要為CO2。安徽省工業(yè)行業(yè)每年CO2排放量可采用下式計算。

(1)

式中，CEFC為化石能源消費的二氧化碳排放量，t；FCi為化石能源種類i的消費量，t，萬Nm3；CEFi為化石能源種類i的二氧化碳排放系數,t CO2/t，tCO2/萬Nm3；n為化石能源種類數。

為最大可能減小誤差，估算CO2排放量時沒有采用將化石能源消費量換算為標準煤量計算的方式，而是直接用能源消費量進行計算。

(2)

CEFi=EFi×4 186.8×10-12×NCVi×238

(3)

式中，NCVi表示第i種化石能源的平均低位發(fā)熱值，MJ/t，MJ/萬Nm3。

根據公式(2)、(3)計算的各類化石能源二氧化碳排放系數如表1所列。

表1 二氧化碳排放系數

1.2 等維灰數遞補動態(tài)預測模型

傳統(tǒng)的灰色GM(1,1)預測模型進行中長期預測時，由于預測數據與原始數據的時間序列相差較遠，難免使預測精度和準確度隨著時間序列的延長不斷下降，導致預測模型無法可靠地反映系統(tǒng)的變化。為避免此類問題，本文采用基于灰色GM(1,1)模型的等維灰數遞補動態(tài)預測模型進行安徽省工業(yè)化石能源消費二氧化碳排放量的預測[10]。

假設已知按時間順序排列的原始序列為x(0)=[x(0)(1)，x(0)(2)，…，x(0)(n)]，令

(4)

建立x(1)(k)的一次線性白化微分方程：

(5)

利用最小二乘法求得a與u的值，建立模型：

(6)

即可得到模型值為：

(7)

等維灰數遞補動態(tài)預測模型運用不斷更新變化的、動態(tài)的數據進行數據的預測，使預測數據的可靠性得到保證。

1.3數據來源

本文2004—2013年能源消費以及經濟社會發(fā)展相關數據源自歷年《安徽統(tǒng)計年鑒》，2014年及2015年上半年相關數據來自安徽省統(tǒng)計局。各類化石能源的單位熱值含碳量和碳氧化率的數據源自國家發(fā)改委2011年3月份發(fā)布的《省級溫室氣體清單編制指南(試行)》，各類化石能源的平均低位發(fā)熱值來源自《中國能源統(tǒng)計年鑒2013》。

2 實證分析

2.1 能源消費分析

利用安徽省2004—2014年能源消費相關數據數據得到安徽省能源消費總量與工業(yè)能源消費量變化情況如圖1所示，此外，2015年上半年數據用于預測模型的情景驗證。

由圖1可看出，安徽省工業(yè)能源消費量逐年增多，從2004年的約5 000萬t標準煤上升到2014年的9 115.1萬t標準煤，年平均增幅約為6.31%，低于同期我國年均增幅(7.4%)；安徽省工業(yè)能源消費量在安徽省能源消費總量中的比重較穩(wěn)定，2011年之前每年均在75%以上。2006年至2013年，安徽省工業(yè)能源消費量所占比重呈逐年下降趨勢，出現這種情況與國家在“十一五”期間對節(jié)能減排有了明確的要求以及實行節(jié)能技術改造財政獎勵、安徽省積極響應國家節(jié)能減排的號召并強力推進節(jié)能減排有關。與工業(yè)GDP相關數據對比發(fā)現，安徽省工業(yè)能源消費量對工業(yè)GDP的彈性系數為0.290 7，低于我國工業(yè)能源消費量對我國工業(yè)GDP的彈性系數(0.503 8)，由此反映出安徽省工業(yè)生產工藝水平、能源利用效率以及管理水平略高于我國平均水平。

圖1 安徽省能源消費總量與工業(yè)能源消費量(2004—2014年)

2.2 CO2排放量分析

利用公式(1)～(3)計算安徽省2004—2014年工業(yè)化石能源消費CO2排放量如圖2所示。

圖2 安徽省工業(yè)化石能源消費CO2排放量及年增長率(2004—2014年)

圖2表明安徽省2004—2014年工業(yè)化石能源消費所產生的CO2呈逐年遞增的趨勢。與圖1中安徽省2004—2014年工業(yè)能源消費情況相比發(fā)現，安徽省2004—2014年工業(yè)化石能源消費產生的CO2排放量與工業(yè)能源消費量的增長趨勢相同。安徽省工業(yè)化石能源消費CO2排放量的增長率自2008年起開始呈現出較明顯的下降趨勢，除受國家關于節(jié)能減排的政策影響外，還因為2008年全面爆發(fā)的全球金融危機對安徽省CO2排放量增長率有較強的抑制作用。而2013年CO2排放量增長率有明顯升高，是由于金融危機過后全球經濟回暖帶動安徽省生產力加快發(fā)展，化石能源消費量有較大幅度提升；伴隨國家強化節(jié)能減排力度，為保障“十二五”期間安徽節(jié)能減排目標順利完成，全省進一步優(yōu)化產業(yè)結構，加快淘汰落后生產能力，促使2014年碳排放量增長率較2013年出現下降趨勢。

2.3 CO2排放量預測

根據今后國家節(jié)能減排政策與控制力度、節(jié)能減排技術和管理水平等的發(fā)展趨勢，建立3種安徽省工業(yè)發(fā)展情景，對預測年份每項CO2排放量預測值分別削減后建立新模型預測下一年份數值。3類情景及各年份削減量如表2所示。

以2004—2014年安徽省工業(yè)化石能源消費CO2排放量為原始序列，運用等維灰數遞補動態(tài)GM(1,1)預測模型基于3種不同發(fā)展情景對安徽省2015—2030年的工業(yè)化石能源消費CO2排放量分別做出預測。并逐一通過檢驗模型發(fā)現，由原始數據構造的序列和由削減后的遞補數據構造的序列均為一級模型，模型精度為優(yōu)。預測趨勢如圖3所示。

通過測算，2015年上半年安徽省工業(yè)化石能源消費CO2排放量為2.18億t，綜合考慮2015年下半年的經濟發(fā)展目標及節(jié)能減排力度，預計2015年全年CO2排放量在4.4億t左右；而基準情景、低碳情景及強化低碳情景下預測2015年CO2排放量分別為4.49、4.39及4.29億t，由此推斷安徽省工業(yè)發(fā)展在2015年接近低碳情景，與2014年相比節(jié)能減排效果有較明顯提升。

圖3 3種情景下安徽省工業(yè)化石能源消費CO2排放量預測

圖3表明，安徽省工業(yè)化石能源消費CO2排放量在基準情景下會呈現明顯的逐年遞增趨勢，到2030年達到7.51億t；而在低碳情景下2025年之后趨于平穩(wěn)，并且到2030年達到6.06億t后開始出現零增長。在強化低碳情景下，安徽省工業(yè)化石能源消費CO2排放量將在2026年后出現下降趨勢，至2030年達到4.91億t，且2015—2030年排放總量相比基準情景和低碳情景下分別減少了18.49億t和8.54億t，在此情景下安徽省將進入全面強效節(jié)能減排的綠色發(fā)展時期。

3 結語

本文按不同化石能源品種的消費量分析安徽省2004—2014年工業(yè)化石能源消費CO2排放量的變化趨勢，這與其他分析中部六省碳排放的變化規(guī)律所得結論是一致的[11-13]。通過基于不同情景的等維灰數遞補動態(tài)GM(1,1)預測模型研究發(fā)現，未來十年安徽省工業(yè)化石能源消費產生的碳排放量將會持續(xù)增加，但增速在低碳情景和強化低碳情境下均會明顯放緩，且有望在2030年實現負增長。因此，需正確引導安徽省工業(yè)在低碳情景和強化低碳情景下發(fā)展。根據以上結論，為實現安徽省綠色低碳發(fā)展，打造生態(tài)安徽，提出如下建議。

(1)目前安徽省能源消費尤其是工業(yè)能源消費結構中化石能源的占比過高，而安徽省油氣資源相對貧乏，石油和天然氣需外購，同時核能、風能、水能等清潔能源開發(fā)利用進度緩慢，新能源占比偏低。實現低碳發(fā)展的關鍵是改進工藝技術，提高化石能源的利用效率，開發(fā)新能源。

(2)安徽省工業(yè)行業(yè)作為能源消費大戶，政府應在宏觀調控中發(fā)揮積極作用。除改進產業(yè)結構外，可通過落實碳排放權交易促進工業(yè)企業(yè)節(jié)能減排。安徽省應積極構建溫室氣體排放評估指標體系，制定溫室氣體排放核查制度，幫助重點企業(yè)制定企業(yè)內審標準規(guī)范，與已有減排政策協(xié)調，努力探索建立碳排放交易市場。

(3)為進一步減緩碳排放量的增長率，安徽省可以重點在電力、鋼鐵、石油、化工、冶煉、水泥等典型的工業(yè)行業(yè)開展試點工作，建立健全碳排放交易相關政策，明確并優(yōu)化碳排放配額分配和管理方案，為強化節(jié)能減排、實現綠色發(fā)展創(chuàng)造良好環(huán)境。

[1]CREUTZIG F, GOLDSCHMIDT J C, LEHMANN P, et al. Catching two European birds with one renewable stone: Mitigating climate change and Eurozone crisis by an energy transition[J]. Renewable and Sustainable Energy Reviews, 2014,38(5):1015-1028.

[2]鄧吉祥,劉曉,王錚. 中國碳排放的區(qū)域差異及演變特征分析與因素分解[J].自然資源學報,2014,29(2):189-200.

[3]FRIEDLINGSTEIN P, ANDREW R M, ROGELJ J, et al. Persistent growth of CO2emissions and implications for reaching climate targets[J]. Nature geoscience, 2014,7(10):709-715.

[4]劉小敏,付加鋒. 基于CGE模型的2020年中國碳排放強度目標分析[J].資源科學,2011,33(4):634-639.

[5]PETERS G P, MARLAND G, QU?R?C L, et al. Rapid growth in CO2emissions after the 2008—2009 global financial crisis[J]. Nature Climate Change, 2012,2(1):2-4.

[6]MCCOLLUM D, BAUER N, CALVIN K, et al. Fossil resource and energy security dynamics in conventional and carbon-constrained worlds[J]. Climatic change, 2014,123(3/4):413-426.[7]CHENG Y, WANG Z, YE X, et al. Spatiotemporal dynamics of carbon intensity from energy consumption in China[J]. Journal of Geographical Sciences, 2014,24(4):631-650.

[8]佟昕,陳凱,李剛. 中國碳排放影響因素分析和趨勢預測：基于STIRPAT和GM(1,1)模型的實證研究[J]. 東北大學學報(自然科學版),2015,36(2):297-300.

[9]LIU Z, GUAN D, CRAWFORD-BROWN D, et al. Energy policy: A low-carbon road map for China[J]. Nature, 2013,500(7461):143-145.

[10]顧艷艷,張麗穎. 等維灰色遞補動態(tài)預測方法的改進與應用[J]. 煤炭技術,2012,31(11):76-78.

[11]劉暢,胡雷,王軍鋒,等. 湖北省一次能源消費的碳排放驅動因素分解研究[J]. 環(huán)境科學與技術,2014,37(4):191-197.

[12]黃蕊,王錚,劉慧雅,等. 中國中部六省的碳排放趨勢研究[J]. 經濟地理,2012,32(7):12-17.

[13]高彩玲,高歌,田采霞. 河南省能源消費碳排放的因素分解及減排途徑[J]. 中國礦業(yè),2011,20(3):46-49.

Research of CO2Emission from Fossil Energy Consumption of Industry in Anhui Province

ZHOU Hongyuan WANG Jiaquan HU Shuheng ZHAO Ziqing

(SchoolofResourcesandEnvironmentalEngineering,HefeiUniversityofTechnologyHefei230009)

According to the consumption of different varieties of fossil energy, annual emission of CO2in Anhui Province from 2004 to 2014 is calculated. Moreover, the change rules of energy consumption and CO2emission from fossil energy consumption of industry are analyzed. Finally, CO2emissions from fossil energy consumption until 2030 of industry in Anhui Province under three development scenarios are forecasted by using same dimensions additional grey dynamic prediction method GM (1.1). Results show that CO2emissions from fossil energy consumption of industry in Anhui Province had increased to 425 million tons in 2014 from 164 million tons in 2004. In 2030, it will be 751 million tons, 606 million tons and 491 million tons under the benchmark scenario, the low-carbon scenario and the enhanced low-carbon scenario respectively.

carbon emission energy consumption prediction Anhui Province

中國清潔發(fā)展機制基金贈款項目(1213054)，安徽省發(fā)改委項目(J2014AHST0013)。

周洪源，男， 1990年生，山東平原人，碩士研究生，從事環(huán)境系統(tǒng)仿真與污染控制方面的研究。

2015-10-11)

汪家權，男，1957年生，安徽太湖人，教授，博士生導師。