王海靜,王紅蕾
(貴州大學(xué) 管理學(xué)院,貴州 貴陽 550025)
為積極應(yīng)對(duì)全球氣候變化,順應(yīng)低碳發(fā)展的潮流,我國相繼出臺(tái)了一系列的戰(zhàn)略目標(biāo)和環(huán)保政策,中國在公布的《強(qiáng)化應(yīng)對(duì)氣候變化行動(dòng)——中國國家自主貢獻(xiàn)》減排方案中承諾在2030 年左右實(shí)現(xiàn)碳排放達(dá)峰。此后越來越多的學(xué)者開始關(guān)注“能否達(dá)峰”的問題。我國電力行業(yè)因其能耗高、污染大[1]而成為全社會(huì)碳排放量最大的部門。近些年來,貴州省電力行業(yè)得到迅速發(fā)展,但發(fā)電過程中的碳排放也造成了大氣污染。貴州省作為國家扶貧的主戰(zhàn)場(chǎng),由于多山地形、生態(tài)環(huán)境脆弱等原因?qū)е陆?jīng)濟(jì)發(fā)展緩慢,且過多地依賴資源開發(fā)和能源消耗。以煤炭為主的供電結(jié)構(gòu)成為貴州省電力行業(yè)碳排放達(dá)峰的重大阻礙。因此,計(jì)劃從供電結(jié)構(gòu)、供電煤耗入手,探究貴州省電力行業(yè)通過調(diào)整這兩大因素能否實(shí)現(xiàn)碳排放達(dá)峰;同時(shí)考慮到貴州省與經(jīng)濟(jì)發(fā)達(dá)省份相比,承擔(dān)著更大的經(jīng)濟(jì)發(fā)展壓力,故假設(shè)經(jīng)濟(jì)仍舊保持平穩(wěn)高速發(fā)展。從貴州省“省情”出發(fā),研究如何減少碳排,實(shí)現(xiàn)碳排放達(dá)峰,對(duì)貴州省碳排放達(dá)峰目標(biāo)的實(shí)現(xiàn)以及低碳經(jīng)濟(jì)發(fā)展具有重要的現(xiàn)實(shí)意義。
目前對(duì)碳排放影響因素進(jìn)行分解的方法,主要包括結(jié)構(gòu)分解法(SDA)[2-5],對(duì)數(shù)平均Divisia 指數(shù)分解法(LMDI)[6-9],廣義迪氏指數(shù)分解法(GDIM)[10-13]等。叢建輝等(2019)[14]將省際貿(mào)易因素納入IO-SDA 模型,對(duì)影響山西省碳排放的因素進(jìn)行分解,研究結(jié)果證實(shí)了省際貿(mào)易對(duì)于山西省碳排放的重要作用;汪中華和于孟君(2019)[15]利用GDIM 對(duì)中國石化行業(yè)的碳排放演變進(jìn)行分解,并考察投資、碳強(qiáng)度等因素的變化對(duì)碳排放變化量的貢獻(xiàn)情況,研究表明投資、產(chǎn)出等因素是碳排放的主要促進(jìn)因素,投資碳強(qiáng)度和產(chǎn)出碳強(qiáng)度則相反,是主要的促降因素;楊玉文等(2020)[16]將kaya 恒等式與LMDI 分解法結(jié)合,對(duì)內(nèi)蒙古自治區(qū)的碳排放影響因素進(jìn)行分解,并借助蒙特卡羅模擬法對(duì)碳排放量進(jìn)行動(dòng)態(tài)預(yù)測(cè),結(jié)果表明經(jīng)濟(jì)效應(yīng)和能源強(qiáng)度對(duì)碳排放的作用顯著,預(yù)測(cè)出內(nèi)蒙古2030 年的碳排放量在50 000 萬噸~53 000 萬噸之間。
迄今國內(nèi)外采用的碳排放預(yù)測(cè)方法主要包括IPAT 模 型[17-18],STIRPAT 模 型[19]、SD 模 型[20]、LEAP模型[21-22]、灰色預(yù)測(cè)[23],Kaya 恒等式[24]等。有不少學(xué)者將情景預(yù)測(cè)法、STIRPAT 等模型結(jié)合起來進(jìn)行預(yù)測(cè)。其中,丁甜甜和李瑋(2019)[25]利用此種方法預(yù)測(cè)了中國電力行業(yè)的碳排放,并分析了不同情景下的峰值和達(dá)峰時(shí)刻;李雪梅和張慶(2019)[26]將LMDI與情景預(yù)測(cè)法相結(jié)合預(yù)測(cè)天津市的碳排放變化趨勢(shì),結(jié)果表明中增長—強(qiáng)減排模式是天津市的最佳發(fā)展模式。
從針對(duì)貴州省的碳排放研究來看,蘆穎等(2018)[27]對(duì)貴州省全行業(yè)的碳峰值進(jìn)行了預(yù)測(cè),其結(jié)果顯示碳排放強(qiáng)度、第二產(chǎn)業(yè)占比高速下降時(shí)有助于推進(jìn)提前達(dá)峰;王紅蕾和王紅超(2019)[28]研究了發(fā)電側(cè)低碳效益影響因素,研究結(jié)果證實(shí)了CCS技術(shù)等因素對(duì)低碳效益的重要性。
通過文獻(xiàn)整理發(fā)現(xiàn):(1)大多文獻(xiàn)集中研究京津冀等經(jīng)濟(jì)較發(fā)達(dá)地區(qū)的碳排放情況。鮮有文獻(xiàn)對(duì)影響貴州省電力行業(yè)碳排放量的因素進(jìn)行詳細(xì)研究。(2)情景預(yù)測(cè)及分析時(shí),大多文獻(xiàn)傾向于以較低的速度發(fā)展經(jīng)濟(jì),減少化石能源需求,以此來達(dá)到減排的目的。但這并不適用于貴州省等經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)。(3)部分文獻(xiàn)建議優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),降低第二產(chǎn)業(yè)占比。而貴州省作為欠發(fā)達(dá)地區(qū)其工業(yè)行業(yè)占比本就處于較低的比例。因此如何能夠使貴州省電力行業(yè)早日實(shí)現(xiàn)達(dá)峰目標(biāo)且保持經(jīng)濟(jì)的平穩(wěn)發(fā)展成為本文的研究重點(diǎn)。試圖從電力能源角度回答“如何減排”的問題。
本文的主要貢獻(xiàn)在于:(1)從產(chǎn)、輸、送、用等環(huán)節(jié)詳細(xì)地對(duì)貴州省電力行業(yè)的碳排放量進(jìn)行因素分解,并對(duì)這些因素在各個(gè)年份的作用進(jìn)行了細(xì)致分析。(2)在經(jīng)濟(jì)高速平穩(wěn)發(fā)展的前提下,探究能否通過優(yōu)化供電結(jié)構(gòu)、降低發(fā)電煤耗實(shí)現(xiàn)碳排放達(dá)峰。與主張降低經(jīng)濟(jì)發(fā)展速度以實(shí)現(xiàn)碳減排的研究相比,是一種新的研究思路。(3)從貴州省電力行業(yè)“以煤為主”的實(shí)際出發(fā),通過設(shè)置供電結(jié)構(gòu)、發(fā)電煤耗的相關(guān)參數(shù)來預(yù)測(cè)碳排放,進(jìn)一步驗(yàn)證了這兩大因素對(duì)于碳減排的重要作用。
貴州省以火力發(fā)電為主,且煤炭是火力發(fā)電的主要能源,一般認(rèn)為清潔能源的碳排放為零。參照丁甜甜和李瑋(2019)[25]的測(cè)算方法,計(jì)算煤電的碳排放量。測(cè)算方法如公式(1)所示:
Ct—貴州省電力行業(yè)t 年的碳排放量;
FCt—t 年火力發(fā)電的煤炭消耗量;
NCV—煤炭凈熱值;
EF—煤炭的碳排放因子。
NCV,EF 摘自文獻(xiàn)[29],計(jì)算出2006—2017 年貴州省電力行業(yè)碳排放總量(萬噸),如圖1 所示。發(fā)電煤炭消耗量的數(shù)據(jù)來自《貴州省統(tǒng)計(jì)年鑒》。由圖1可知,貴州省電力行業(yè)的碳排放量總體呈攀升趨勢(shì)。
圖1 貴州省電力行業(yè)2006—2017 年碳排量
選取影響電力行業(yè)碳排放量的主要因素進(jìn)行分解。具體包括:供電結(jié)構(gòu)(R)、發(fā)電煤耗(Q)、碳排放系數(shù)、輸配電損失(L)、人均GDP(AR)、人口規(guī)模(P)、居民生活電耗強(qiáng)度(EIC)、產(chǎn)業(yè)電耗強(qiáng)度(EI)、產(chǎn)業(yè)結(jié)構(gòu)(IS)九個(gè)因素。分析產(chǎn)業(yè)電耗強(qiáng)度時(shí),將產(chǎn)業(yè)具體細(xì)分為農(nóng)林牧副漁業(yè)、工業(yè)、建筑業(yè)、批發(fā)零售住宿和餐飲業(yè)、交通運(yùn)輸倉儲(chǔ)郵政業(yè)、其他行業(yè)等六個(gè)產(chǎn)業(yè)部門?;趉aya 恒等式,建立碳排放因素初次分解模型。如公式(2)所示:
TP 為火電生產(chǎn)總量,G 為發(fā)電總量,EC 為貴州省全社會(huì)用電需求量。TP、G、EC 的數(shù)據(jù)均來自中國電力統(tǒng)計(jì)年鑒。
O—能源的排放系數(shù);
Q—單位煤電的煤耗量即發(fā)電煤耗率因素;
R—非可再生能源的電力生產(chǎn)量與電力生產(chǎn)總量的比值,代表供電結(jié)構(gòu)因素;
S—發(fā)電量與貴州省全社會(huì)用電需求量的比值,代表電力供需結(jié)構(gòu)因素;
根據(jù)LMDI 分解模型,考慮時(shí)間因素,可將C 的變化量表示為:
在時(shí)間間隔[0,t]內(nèi),各分解因子的表達(dá)式為:
各變量符號(hào)的含義為:
Ct—第t 期的碳排放量;
C0—基期(2007 年)的碳排放量;
ΔCo—能源的碳排放系數(shù)效應(yīng);
ΔCR—供電結(jié)構(gòu)效應(yīng);
ΔCS—電力供需結(jié)構(gòu)效應(yīng);
ΔCQ—發(fā)電煤耗效應(yīng),
ΔCEC—電力消耗量效應(yīng)。
假設(shè)供需平衡且碳排放系數(shù)在研究期間不變,故主要研究其余四種因素。
其次,對(duì)用電量進(jìn)行分解。電量去向分為終端的電力消費(fèi)(F)和輸配電損失(L),則EC=F+L,那么在[0,t]的時(shí)間區(qū)間內(nèi),ΔEC 表達(dá)式如公式(10)所示:
終端電力最終被不同的產(chǎn)業(yè)部門和居民生活所消耗,因此可將終端的電力消耗分解為:
式(11)中,j 指不同的產(chǎn)業(yè)部門,j=1,2…7,分別表示農(nóng)林牧副漁業(yè),工業(yè)、建筑業(yè)、批發(fā)零售住宿和餐飲業(yè)、交通運(yùn)輸倉儲(chǔ)郵政業(yè)、其他行業(yè)以及居民生活部門;Y 表示地區(qū)國內(nèi)生產(chǎn)總值(億元);Yj表示j 部門的國內(nèi)生產(chǎn)總值。為了便于比較,以1978年為基期,對(duì)2007—2017 年的GDP 進(jìn)行調(diào)整。
考慮時(shí)間因素,可將F 的變化量分解為:
在時(shí)間間隔[0,t]內(nèi)各分解因子的表達(dá)式為:
該階段對(duì)應(yīng)各因素的碳排放變化效應(yīng)表達(dá)式為:
ΔCL——輸電損失效應(yīng);
ΔCEI——產(chǎn)業(yè)用電強(qiáng)度效應(yīng);
ΔCIS——產(chǎn)業(yè)結(jié)構(gòu)效應(yīng);
ΔCAR——人均GDP 效應(yīng);
ΔCP——人口總量效應(yīng);
ΔCEIC——居民生活耗電強(qiáng)度效應(yīng)。
因此,貴州省電力行業(yè)碳排放變化量的最終分解模型為:
利用遞階LMDI 模型最終測(cè)算出2007—2017年各因素對(duì)貴州省電力行業(yè)碳排放量的貢獻(xiàn)值,如表1 所示。從表1 可以看出:在電力生產(chǎn)環(huán)節(jié)中,電力能源結(jié)構(gòu)(R)是唯一一個(gè)在10 個(gè)年份中對(duì)碳排放起抑制作用的因素;電力消費(fèi)環(huán)節(jié)中,產(chǎn)業(yè)用電強(qiáng)度(EI)在前五年起抑制作用,后五年轉(zhuǎn)變?yōu)榇龠M(jìn)作用。因此,還需進(jìn)一步加大產(chǎn)業(yè)用電強(qiáng)度的調(diào)整力度,以充分發(fā)揮其對(duì)碳排放的抑制作用。居民生活耗電強(qiáng)度(EIC)從2009 年開始,由正貢獻(xiàn)逐漸轉(zhuǎn)變?yōu)樨?fù)貢獻(xiàn),有8 個(gè)年份起抑制作用,并且抑制程度逐年增加;產(chǎn)業(yè)結(jié)構(gòu)(IS)有3 個(gè)年份的貢獻(xiàn)值為正,其余年份為負(fù),且其抑制作用日益凸顯;人口規(guī)模(P)在9 個(gè)年份中對(duì)碳排放起抑制作用,1 個(gè)年份起促進(jìn)作用,表明人口規(guī)模的縮減能在一定程度上抑制碳排放;人均GDP(AR)對(duì)碳排放的影響最大,10 個(gè)年份均起促進(jìn)作用;生產(chǎn)環(huán)節(jié)的發(fā)電煤耗因素(Q)有6 個(gè)年份起抑制作用,4 個(gè)年份起促進(jìn)作用;輸電環(huán)節(jié)中的輸電損耗(L)在10 個(gè)年份中起促進(jìn)作用。
選取代表經(jīng)濟(jì)發(fā)展水平的人均GDP 因素,以及代表減排潛力的供電結(jié)構(gòu)、發(fā)電煤耗兩個(gè)因素進(jìn)行情景設(shè)置。
《貴州省十三五規(guī)劃綱要》指出,十三五期間貴州省地區(qū)生產(chǎn)總值增長率在10%左右。雖然2014年國家提出要“以結(jié)構(gòu)穩(wěn)增長”,放緩經(jīng)濟(jì)增長速度。但考慮到貴州省相比經(jīng)濟(jì)發(fā)達(dá)省份面臨著更重的經(jīng)濟(jì)發(fā)展任務(wù),且通過整理數(shù)據(jù)發(fā)現(xiàn),貴州省近5年的GDP 增長率在9%~11%之間(見表2),雖呈逐年下降趨勢(shì),但依然保持著較高的發(fā)展速度。
表1 貴州省電力行業(yè)碳排放變化量因素分解結(jié)果
表2 2012—2018 年貴州GDP 增長率(%)
因此,假設(shè)貴州省在2018—2035 年間依舊保持較高的經(jīng)濟(jì)增長趨勢(shì),在此假設(shè)前提下,探究貴州省電力行業(yè)能否通過調(diào)整供電結(jié)構(gòu)和供電煤耗實(shí)現(xiàn)在2030 年左右碳排放達(dá)峰的目標(biāo),對(duì)貴州省的GDP 增長率進(jìn)行設(shè)置(見表3)。
表3 GDP 增長率設(shè)置(%)
《貴州省能源發(fā)展“十三五”規(guī)劃》提出,非化石能源發(fā)電量比重在十三五期間要達(dá)到37.5%,同時(shí)參考蘆穎等人對(duì)貴州省供電結(jié)構(gòu)參數(shù)的設(shè)置,對(duì)供電結(jié)構(gòu)的參數(shù)進(jìn)行設(shè)置(見表4)。
表4 火電降幅參數(shù)設(shè)置(%)
《貴州省能源發(fā)展“十三五”規(guī)劃》顯示:貴州省2015 年6 000 千瓦以上的火電機(jī)組平均供電煤耗為327 g 標(biāo)準(zhǔn)煤/ 千瓦時(shí),預(yù)計(jì)到2020 年為320 g標(biāo)準(zhǔn)煤/千瓦時(shí),年增長率為-0.4%。發(fā)電煤耗率=供電煤耗率*(1-發(fā)電廠用電率)。假設(shè)研究期間的發(fā)電廠用電率恒定,故發(fā)電煤耗率與供電煤耗率同比例變化。
考慮到隨著碳減排技術(shù)的日益成熟,煤耗將進(jìn)一步降低,據(jù)此設(shè)置了不同情景下各時(shí)期平均供電煤耗的下降率(見表5)。
表5 供電煤耗參數(shù)設(shè)置(下降率%)
通過組合最終形成九種情景,如表6 所示。
表6 九種情景模式
STIRPAT 模型是測(cè)算碳排放的常用模型之一。由于研究的目的和需要有所差異,可以適當(dāng)對(duì)STIRPAT 模型進(jìn)行改進(jìn)[30]。將模型拓展為:
式(25)中:a、b、c、d 表示模型系數(shù);e 表示誤差,C 表示碳排放量,AR 代表人均GDP;R 代表供電結(jié)構(gòu);Q 代表發(fā)電煤耗。為減少異方差和偏誤,進(jìn)行對(duì)數(shù)化處理得到:
本文用SPSS 進(jìn)行擬合得到調(diào)整后的R2為0.912,表明模型具有較高的擬合度,能較好地預(yù)測(cè)碳排放的變化趨勢(shì)。且各變量都通過了T 檢驗(yàn)和F 檢驗(yàn)。方差膨脹因子VIF 小于10,表明不存在多重共線性。得到最終的預(yù)測(cè)模型:
基于前文提出的九種發(fā)展情景,對(duì)九種情景下的碳排放進(jìn)行預(yù)測(cè),得到貴州省電力行業(yè)2018—2035年九種情景下的碳排放預(yù)測(cè)值,如圖2 所示。
九種情景中有三種情景出現(xiàn)了峰值,如圖3 所示,分別是情景一(高降幅—高降耗)、情景二(高降幅—中降耗)、情景四(中降幅—高降耗)。這三種情景都在2030 年達(dá)峰,峰值分別為15 302.33 萬噸、15 497.64 萬噸、16 023.36 萬噸,其中情景一的峰值最低。表明在經(jīng)濟(jì)保持較高增速時(shí),通過調(diào)整供電結(jié)構(gòu),降低火電發(fā)電比例,以及利用節(jié)能技術(shù)降低發(fā)電煤耗,能夠?qū)崿F(xiàn)貴州省電力行業(yè)2030 年左右碳排放達(dá)峰的目標(biāo)。當(dāng)然,在供給側(cè)能源結(jié)構(gòu)調(diào)整以及降低煤耗的進(jìn)程中少不了技術(shù)支持、資金推動(dòng)、政策扶持等因素的輔助。因此,可以通過資源配置,將技術(shù)、資金等流向電力能源結(jié)構(gòu)、發(fā)電煤耗等領(lǐng)域以此促進(jìn)碳減排。
圖2 貴州省電力行業(yè)2018—2035 年碳排放預(yù)測(cè)值
圖3 達(dá)峰情景下貴州省電力行業(yè)2018—2035 年碳排放預(yù)測(cè)值
其余6 種情景均呈持續(xù)增長趨勢(shì),未出現(xiàn)峰值。增長速度較快的情景依次為:情景九(低降幅—低降耗),情景八(低降幅—中降耗)、情景七(低降幅—高降耗)。此三種情景均是在中降幅、低降幅基礎(chǔ)上形成的碳排放量。由此可知,在經(jīng)濟(jì)保持較高增速時(shí),若供電結(jié)構(gòu)未做出較大幅度的優(yōu)化,貴州省電力行業(yè)很難實(shí)現(xiàn)2030 年左右達(dá)峰的目標(biāo)。情景三(高降幅—低降耗),情景七(低降幅—高降耗)均保持緩慢增長,未在2035 年前達(dá)峰,表明僅對(duì)其中一種因素進(jìn)行大幅優(yōu)化,而對(duì)另一因素優(yōu)化幅度較小,同樣很難在2035 年前出現(xiàn)峰值。
本文通過利用遞階LMDI 模型對(duì)影響貴州省電力行業(yè)碳排放量的因素進(jìn)行分解,得到九個(gè)影響因素,并基于STIRPAT 模型對(duì)不同情景下貴州?。?018—2035 年)電力行業(yè)的碳排放量進(jìn)行預(yù)測(cè)。預(yù)測(cè)結(jié)果表明,該方法能較為準(zhǔn)確地預(yù)測(cè)到不同情景下的碳排放量。通過對(duì)因素分解和情景預(yù)測(cè)的結(jié)果分析,得出主要結(jié)論和建議如下,可為貴州省實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展和碳減排的平衡提供新的借鑒。
1.從因素分解的結(jié)果來看,電力能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、發(fā)電煤耗、產(chǎn)業(yè)用電強(qiáng)度、居民生活用電強(qiáng)度等因素在不同年份對(duì)碳排放起到了一定程度的抑制作用。因此,建議通過調(diào)整供電結(jié)構(gòu)、降低產(chǎn)業(yè)用電強(qiáng)度、居民生活用電強(qiáng)度及發(fā)電煤耗,減少輸電損耗等方式減少二氧化碳排放。
2.從情景預(yù)測(cè)的結(jié)果來看,在經(jīng)濟(jì)高速增長時(shí),九種情景中有三種情景能夠在2030 年實(shí)現(xiàn)碳排放達(dá)峰目標(biāo)。證明可以通過調(diào)整供電結(jié)構(gòu)、降低發(fā)電煤耗,實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展和碳減排的平衡。因此應(yīng)當(dāng)重視供電能源結(jié)構(gòu)、發(fā)電煤耗在降低碳排放方面的重要作用。建議積極引導(dǎo)技術(shù)、資金等資源流向電力能源結(jié)構(gòu)、發(fā)電煤耗等領(lǐng)域,開發(fā)利用清潔能源替代可再生能源;加大技術(shù)開發(fā)與創(chuàng)新,降低發(fā)電過程中的煤炭消耗,減少對(duì)化石能源的依賴。