碳達(dá)峰目標(biāo)下我國(guó)煤炭消費(fèi)量預(yù)測(cè)與分析

賈大任，王建民

(安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 232001)

煤炭資源在我國(guó)能源結(jié)構(gòu)中占據(jù)著重要位置，雖然近年來(lái)煤炭資源在能源結(jié)構(gòu)中的占比有所下降，但是依舊達(dá)到了57%左右(2020年)。隨著我國(guó)經(jīng)濟(jì)從依靠資源消耗發(fā)展模式轉(zhuǎn)變?yōu)楦哔|(zhì)量發(fā)展模式，追求更少的資源消耗成為當(dāng)今社會(huì)研究的課題。習(xí)近平總書(shū)記在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論中指出，我國(guó)力爭(zhēng)二氧化碳的排放在2030年前達(dá)到峰值，在2060年前實(shí)現(xiàn)碳中和，即實(shí)現(xiàn)碳達(dá)峰的目標(biāo)和碳中和的愿景[1]。

在我國(guó)當(dāng)前能源結(jié)構(gòu)下，實(shí)現(xiàn)經(jīng)濟(jì)增長(zhǎng)需要一定的能源消費(fèi)。煤炭能源的消費(fèi)是碳排放的主要來(lái)源，增加煤炭能源消費(fèi)勢(shì)必會(huì)造成碳排放的增長(zhǎng)，這給我們同時(shí)追求經(jīng)濟(jì)發(fā)展和碳減排的雙贏目標(biāo)帶來(lái)挑戰(zhàn)。

實(shí)現(xiàn)碳達(dá)峰的目標(biāo)和碳中和是我們的美好愿景，要實(shí)現(xiàn)這個(gè)愿景，減少能源的消耗尤其是煤炭能源的消耗是基礎(chǔ)和關(guān)鍵。但是，這并不意味著絕對(duì)不使用煤炭資源，在碳達(dá)峰戰(zhàn)略背景下如何控制煤炭消費(fèi)量，實(shí)現(xiàn)碳達(dá)峰目標(biāo)和經(jīng)濟(jì)增長(zhǎng)的雙贏發(fā)展是我們必須要面對(duì)的重要問(wèn)題。

一、文獻(xiàn)綜述

國(guó)內(nèi)許多學(xué)者都針對(duì)煤炭消費(fèi)量的研究，如門(mén)東坡、王金力[2]等采用最優(yōu)加權(quán)組合模型對(duì)煤炭消費(fèi)結(jié)構(gòu)進(jìn)行預(yù)測(cè)，得出了我國(guó)未來(lái)煤炭消費(fèi)總量會(huì)有小幅度增長(zhǎng)的結(jié)論；王亞珍[3]等以煤炭消費(fèi)的供給側(cè)和需求側(cè)兩方面為基礎(chǔ)構(gòu)建模型，采用VAR模型以及Granger因果檢驗(yàn)的方法，研究結(jié)果表明經(jīng)濟(jì)發(fā)展和人均煤炭消費(fèi)量之間存在著單向的Granger的因果關(guān)系；劉威[4]等人基于回歸分析、時(shí)間序列分析的方法，建立了多元回歸模型和時(shí)間序列模型以及神經(jīng)網(wǎng)絡(luò)模型，對(duì)影響秦皇島市動(dòng)力煤價(jià)格的主要因素及其影響程度進(jìn)行了分析，并依據(jù)分析的結(jié)果對(duì)秦皇島市動(dòng)力煤的價(jià)格進(jìn)行了預(yù)測(cè)；李潤(rùn)宸[5]利用了LSTM模型構(gòu)造了煤炭消費(fèi)量模型，對(duì)煤炭消費(fèi)的時(shí)間序列變化規(guī)律進(jìn)行了預(yù)測(cè)，以此來(lái)為參與者提供煤炭消費(fèi)市場(chǎng)的借鑒；趙宇[6]利用多元回歸模型和灰色預(yù)測(cè)模型對(duì)江蘇省農(nóng)業(yè)碳排放的動(dòng)態(tài)變化進(jìn)行了影響因素分析和趨勢(shì)預(yù)測(cè)，結(jié)果表明江蘇省的農(nóng)業(yè)碳排放量呈先下降、再升高、再下降的趨勢(shì)，并預(yù)測(cè)了在2016—2030年間會(huì)呈現(xiàn)下降趨勢(shì)；冷建飛[7]等人利用多元回歸的分析方法，以民航客運(yùn)量的實(shí)例證明了多元線(xiàn)性回歸方程回歸結(jié)果具有科學(xué)性；陳喆[8]采用VECM模型研究了煤炭消費(fèi)與低碳經(jīng)濟(jì)發(fā)展二者的因果關(guān)系，發(fā)現(xiàn)了低碳經(jīng)濟(jì)的發(fā)展對(duì)煤炭消費(fèi)的影響程度較為明顯。

綜上所述，許多學(xué)者使用多元線(xiàn)性回歸法對(duì)其研究主體的影響因素進(jìn)行分析、對(duì)煤炭消費(fèi)量進(jìn)行預(yù)測(cè)。但是在現(xiàn)有研究中，使用多元線(xiàn)性回歸法對(duì)煤炭消費(fèi)量進(jìn)行研究的文獻(xiàn)不多。針對(duì)這種情況，以現(xiàn)有的文獻(xiàn)與研究為基礎(chǔ)，更進(jìn)一步展開(kāi)了研究分析：①在實(shí)現(xiàn)碳達(dá)峰目標(biāo)背景下，采用多元線(xiàn)性回歸的分析方法，探討影響煤炭消費(fèi)量的因素；②根據(jù)煤炭消費(fèi)量的趨勢(shì)、影響因素，構(gòu)造了我國(guó)煤炭消費(fèi)量多元線(xiàn)性回歸預(yù)測(cè)模型，對(duì)實(shí)現(xiàn)碳達(dá)峰目標(biāo)下的煤炭消費(fèi)量進(jìn)行動(dòng)態(tài)全景式預(yù)測(cè)；③以2004—2017年的相關(guān)數(shù)據(jù)的分析作為預(yù)測(cè)基準(zhǔn)，預(yù)測(cè)的結(jié)果將為煤炭消費(fèi)控制戰(zhàn)略提供數(shù)據(jù)支持，并且能夠發(fā)現(xiàn)碳達(dá)峰目標(biāo)對(duì)煤炭消費(fèi)量、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整以及包括能源利用效率和產(chǎn)業(yè)技術(shù)進(jìn)步在內(nèi)的技術(shù)創(chuàng)新的影響，也能夠進(jìn)一步化解經(jīng)濟(jì)高質(zhì)量發(fā)展和減少能源資源消費(fèi)如何雙贏的困局。

基于此，以煤炭的消費(fèi)量入手，綜合考慮現(xiàn)實(shí)狀況，分析影響煤炭消費(fèi)量的主要因素。根據(jù)分析所得結(jié)論，總結(jié)進(jìn)行煤炭消費(fèi)量預(yù)測(cè)的啟示，目的是為能源消費(fèi)調(diào)整、實(shí)現(xiàn)碳達(dá)峰的目標(biāo)和碳中和的愿景打下堅(jiān)實(shí)基礎(chǔ)。

二、研究設(shè)計(jì)

1.構(gòu)建多元線(xiàn)性回歸模型

多元回歸分析將一組相關(guān)變量中的其中一個(gè)作為因變量，其他一個(gè)或多個(gè)變量作為自變量，從而建立起多個(gè)變量之間的線(xiàn)性、非線(xiàn)性數(shù)量關(guān)系模型，并使用樣本數(shù)據(jù)進(jìn)行分析的統(tǒng)計(jì)分析方法。多元線(xiàn)性回歸模型在包括收入差距[9]、并網(wǎng)光伏發(fā)電[10]、環(huán)境領(lǐng)域[11]及地區(qū)用水需求量[12]等諸多領(lǐng)域進(jìn)行過(guò)重要的分析預(yù)測(cè)，并以實(shí)踐證明了該模型具有科學(xué)性和實(shí)用性。

在針對(duì)實(shí)際問(wèn)題的分析解決中，我們可以發(fā)現(xiàn)，通常影響一個(gè)變量Y的因素由許多個(gè)預(yù)測(cè)變量X構(gòu)成。若由n個(gè)預(yù)測(cè)變量構(gòu)成，則這些預(yù)測(cè)變量可以表示為Xn(n=1,2,3,…,n)，預(yù)測(cè)變量Xn與變量Y之間存在相關(guān)關(guān)系，即當(dāng)預(yù)測(cè)變量Xn有一個(gè)定值時(shí)，那么變量Y便會(huì)有一個(gè)相應(yīng)的值與之對(duì)應(yīng)。所以，多元線(xiàn)性回歸模型可以表示為式(1)。

Y=C+β1X1+β2X2+β3X3+…+βnXn+α

(1)

在式(1)中，C表示常數(shù)項(xiàng)，α表示隨機(jī)誤差，β1、β2、β3…βn即回歸系數(shù)。在該多元線(xiàn)性回歸模型中，為了保證能夠達(dá)到所期望的預(yù)期效果，必須要使得所選擇的預(yù)測(cè)變量X對(duì)變量Y有明顯的相關(guān)性和顯著的影響，并且所選擇的預(yù)測(cè)變量之間也要呈現(xiàn)互斥性。經(jīng)過(guò)對(duì)模型運(yùn)行分析得到多元線(xiàn)性回歸方程后，要經(jīng)過(guò)檢驗(yàn)和修正的步驟，以此來(lái)保證其準(zhǔn)確度和可信度。

2.數(shù)據(jù)來(lái)源

所用數(shù)據(jù)均摘取自國(guó)家統(tǒng)計(jì)局網(wǎng)站發(fā)布的年度數(shù)據(jù)，分別由指標(biāo)欄目中的子欄目國(guó)民經(jīng)濟(jì)核算、人口等選取相關(guān)數(shù)據(jù)。由于煤炭消費(fèi)量暫只公布至2018年，所以選取數(shù)據(jù)年份為2004—2017年，多元線(xiàn)性回歸方程建立后，以2018年發(fā)布的相關(guān)數(shù)據(jù)為準(zhǔn)進(jìn)行模型的檢驗(yàn)和修正[13]。

在選取的數(shù)據(jù)中，根據(jù)已建立模型的需要，將煤炭消費(fèi)總量作為變量Y，其影響因素作為預(yù)測(cè)變量。其中，將國(guó)內(nèi)生產(chǎn)總值記為X1、工業(yè)生產(chǎn)總值記為X2、全社會(huì)固定資產(chǎn)投資記為X3、城鎮(zhèn)人口數(shù)量記為X4、社會(huì)消費(fèi)品零售總額記為X5，由此展開(kāi)處理與分析。

三、數(shù)據(jù)處理與分析

1.數(shù)據(jù)處理

將原始數(shù)據(jù)上傳至SPSS軟件，選擇分析-回歸-線(xiàn)性，將煤炭消費(fèi)量(Y)作為因變量，將國(guó)內(nèi)生產(chǎn)總值等(X1,X2,…,Xn)記為自變量。根據(jù)研究分析需要，特做出以下選擇。

(1)因?yàn)橐芯棵禾肯M(fèi)總量的影響因素，所以根據(jù)回歸方程性質(zhì)，選擇步進(jìn)的方法，軟件系統(tǒng)能夠根據(jù)事先設(shè)定好的F統(tǒng)計(jì)量的概率值進(jìn)行自動(dòng)篩選和過(guò)濾，最先進(jìn)入回歸方程的自變量是與因變量相關(guān)性最大、貢獻(xiàn)最多的，根據(jù)進(jìn)入順序依次遞減。

(2)在分析檢驗(yàn)中需要選擇估算值、模型擬合、共線(xiàn)性診斷和個(gè)案診斷。在離群值中以默認(rèn)的3倍標(biāo)準(zhǔn)差為準(zhǔn)，此為異常值依據(jù)，也就是說(shuō)當(dāng)殘差超過(guò)3倍標(biāo)準(zhǔn)差的觀測(cè)時(shí)會(huì)被看做異常值處理。而之所以要選擇共線(xiàn)性診斷，是因?yàn)楸灸Ｐ椭械念A(yù)測(cè)變量有5個(gè)，若其中有2個(gè)或2個(gè)以上的預(yù)測(cè)變量之間存在線(xiàn)性相關(guān)關(guān)系，即會(huì)產(chǎn)生出多重共線(xiàn)性現(xiàn)象。

(3)在系統(tǒng)作圖中，我們通常以自變量作為X軸，用殘差作為Y軸。但是為了照顧完整的情況、不忽略特殊，所以以標(biāo)準(zhǔn)化預(yù)測(cè)值ZPRED作為X軸，分別用血生化剔除殘差SDRESID；以標(biāo)準(zhǔn)化殘差ZRESID作為Y軸，分別作為兩組繪圖變量，并且選擇作出直方圖，以便對(duì)導(dǎo)出的結(jié)果進(jìn)行直觀分析。

(4)選擇庫(kù)克距離、平均值、單值和標(biāo)準(zhǔn)化。之所以選擇庫(kù)克距離，是為了以庫(kù)克距離的大小來(lái)判斷個(gè)案對(duì)回歸系數(shù)的影響。

2.運(yùn)行結(jié)果及分析

在對(duì)上傳的數(shù)據(jù)和根據(jù)研究需要作出選擇后，運(yùn)行SPSS軟件，會(huì)首先得到在構(gòu)建模型時(shí)選取的5個(gè)預(yù)測(cè)變量中被輸入和被除去的變量，結(jié)果如表1所示。

表1 輸入/除去的變量a

如前所述，由于采用的是步進(jìn)法，所以先進(jìn)入模型的相關(guān)性最強(qiáng)且貢獻(xiàn)最大，后者次之。由表1可知，由先進(jìn)入模型的城鎮(zhèn)人口數(shù)量建立的模型1，由后進(jìn)入模型的社會(huì)消費(fèi)品零售總額建立的模型2。根據(jù)相關(guān)性強(qiáng)弱和貢獻(xiàn)性大小我們可以知道，影響煤炭消費(fèi)總量最關(guān)鍵的因素是城鎮(zhèn)人口數(shù)量，其次是社會(huì)消費(fèi)品零售總額。

根據(jù)對(duì)煤炭消費(fèi)總量影響程度的大小，進(jìn)一步得到關(guān)于由城鎮(zhèn)人口數(shù)量和社會(huì)消費(fèi)品零售總額構(gòu)建的兩個(gè)模型的摘要，如表2所示。

表2 模型摘要c

從表2可以得知，在構(gòu)建的兩個(gè)模型中，觀察R2即可知擬合優(yōu)度。顯然，由社會(huì)消費(fèi)品零售總額構(gòu)建的模型2的R2為0.908，優(yōu)于由城鎮(zhèn)人口數(shù)量構(gòu)建的模型1。

在比較所構(gòu)建的兩個(gè)模型的擬合優(yōu)度后，進(jìn)一步得到ANOVA表，以此來(lái)判斷因變量和自變量之間是否存在線(xiàn)性關(guān)系。ANOVA表如表3所示。

表3 ANOVAa

由表3中兩個(gè)模型的顯著性均為0的結(jié)果來(lái)看，因?yàn)?.00<0.01，即因自變量X的引入，得到的顯著性概率值小于0.01，所以很明顯的拒絕了總體回歸系數(shù)為0的原假設(shè)，也就是我們要研究的煤炭消費(fèi)總量與城鎮(zhèn)人口數(shù)量和社會(huì)消費(fèi)品零售總額之間存在著線(xiàn)性關(guān)系。

在判斷完成因變量和自變量之間的線(xiàn)性關(guān)系后，需要根據(jù)t檢驗(yàn)值來(lái)判斷所構(gòu)建的兩個(gè)模型中哪些因素被排除。結(jié)果如表4所示。

表4 排除的變量a

由表4已排除的變量表中可以得知，模型2中的國(guó)內(nèi)生產(chǎn)總值X1、工業(yè)生產(chǎn)總值X2和全社會(huì)固定資產(chǎn)投資額X3的t檢驗(yàn)值均大于0.05，無(wú)法引入線(xiàn)性回歸模型，所以予以排除。

根據(jù)被排除和被輸入的變量，可知對(duì)因變量產(chǎn)生影響的自變量因素。根據(jù)多元回歸模型，需要計(jì)算得出這些自變量的系數(shù)。結(jié)果如表5所示。

表5 構(gòu)建的多元回歸預(yù)測(cè)模型系數(shù)a

由表5系數(shù)表中，模型2中各個(gè)因素的顯著性均小于0.05，所以我們可以得到多元線(xiàn)性回歸方程應(yīng)該為：煤炭消費(fèi)總量=-128.922+29.767×城鎮(zhèn)人口數(shù)量-2.325×社會(huì)消費(fèi)品零售總額。

由共線(xiàn)性統(tǒng)計(jì)中，預(yù)測(cè)變量城鎮(zhèn)人口數(shù)量X4和社會(huì)消費(fèi)品零售總額X5容差值一樣為0.011，且方差膨脹因子VIF值相等，為92.565，雖然VIF值遠(yuǎn)大于我們通常依據(jù)的標(biāo)準(zhǔn)5和10，會(huì)出現(xiàn)共線(xiàn)性的可能性很大，但是由于意在預(yù)測(cè)煤炭消費(fèi)量，而又由前文可知數(shù)據(jù)擬合性較好，所以即使存在多重共線(xiàn)性的可能，但是往往不影響預(yù)測(cè)結(jié)果。

在完成構(gòu)建的多元回歸模型后畫(huà)出直方圖，根據(jù)直方圖結(jié)果來(lái)判斷多元回歸預(yù)測(cè)模型的有效性。結(jié)果如圖1所示。

圖1 多元回歸預(yù)測(cè)模型直方圖

由圖1可知，預(yù)測(cè)變量的殘差都符合正態(tài)分布，說(shuō)明建立的煤炭消費(fèi)量預(yù)測(cè)模型有合理性和準(zhǔn)確性。

3.結(jié)果檢驗(yàn)和驗(yàn)證

根據(jù)以上針對(duì)數(shù)據(jù)作出的分析處理，得到了多選線(xiàn)性回歸方程如式(2)所示。

Y=29.767X4-2.325X5-128.922

(2)

將所選取數(shù)據(jù)代入式(2)進(jìn)行驗(yàn)證，得到的結(jié)果差別不大。再將國(guó)家統(tǒng)計(jì)局公布的2018年城鎮(zhèn)人口數(shù)量8.64億人和社會(huì)消費(fèi)品零售總額37.78萬(wàn)億元代入到式(1)中，可預(yù)測(cè)得出2018年煤炭消費(fèi)總量為40.43萬(wàn)噸，與國(guó)家統(tǒng)計(jì)局公布的2018年全國(guó)煤炭消費(fèi)量39.75萬(wàn)噸差別不大，所以該模型的準(zhǔn)確度和可信度是成立的。因國(guó)家暫未公布2019年全國(guó)煤炭消費(fèi)量，但是公布了2019的城鎮(zhèn)人口數(shù)量和社會(huì)消費(fèi)品零售總額，由已構(gòu)建出的多元回歸預(yù)測(cè)模型估計(jì)2019年的煤炭消費(fèi)量Y=29.767×8.84-2.325×40.80-128.922≈39.36，也就是根據(jù)此預(yù)測(cè)模型，2019年的國(guó)家煤炭消費(fèi)量約為39.36萬(wàn)噸。

四、煤炭消費(fèi)量的預(yù)測(cè)

由于煤炭消費(fèi)總量出現(xiàn)波動(dòng)，如2009—2017年煤炭消費(fèi)總量并不是一直上升或下降趨勢(shì)，所以無(wú)法直接根據(jù)增長(zhǎng)或減少的數(shù)量趨勢(shì)直接預(yù)測(cè)煤炭消費(fèi)量。此時(shí)，觀察城鎮(zhèn)人口數(shù)量和社會(huì)消費(fèi)品零售總額數(shù)據(jù)，可以發(fā)現(xiàn)二者數(shù)據(jù)均呈現(xiàn)一直上漲趨勢(shì)，所以根據(jù)二者增長(zhǎng)的平均數(shù)估計(jì)在2030年即碳達(dá)峰目標(biāo)實(shí)現(xiàn)時(shí)對(duì)應(yīng)的數(shù)據(jù)。而2004—2017年間我國(guó)因基礎(chǔ)比較薄弱、各個(gè)產(chǎn)業(yè)具備巨大發(fā)展?jié)摿Γ值靡嬗趪?guó)家政策支持、人民群眾的艱苦奮斗，所以在此期間經(jīng)濟(jì)發(fā)展飛速，城鎮(zhèn)化率快速上升，但是在2017—2030年期間，無(wú)論是GDP增速還是城鎮(zhèn)化的發(fā)展勢(shì)必因經(jīng)濟(jì)向高質(zhì)量發(fā)展出現(xiàn)放緩，所以根據(jù)實(shí)際情況和固有的發(fā)展，可以推算出在2030年時(shí)，我國(guó)城鎮(zhèn)化人口數(shù)量大約為10億人，社會(huì)消費(fèi)品零售總額大約為58萬(wàn)億元。根據(jù)預(yù)測(cè)模型，即煤炭消費(fèi)量=29.767×城鎮(zhèn)人口數(shù)量-2.325×社會(huì)消費(fèi)品零售總額-128.922，代入預(yù)測(cè)數(shù)據(jù)，可得2030年時(shí)我國(guó)的煤炭消費(fèi)總量為33.898億噸。

由此對(duì)比不難看出，煤炭消費(fèi)量不增反減，由煤炭消費(fèi)造成的碳排放也已過(guò)了峰值。換而言之，碳達(dá)峰目標(biāo)下放到煤炭消費(fèi)總量的任務(wù)在2030年時(shí)根據(jù)預(yù)測(cè)是能夠完成的。

五、結(jié)論與啟示

1.結(jié)論

根據(jù)選取的5個(gè)影響煤炭消費(fèi)量的因素，結(jié)合2004—2017年其對(duì)應(yīng)的統(tǒng)計(jì)數(shù)據(jù)，進(jìn)行了處理和分析，并建立了預(yù)測(cè)模型。從建立的預(yù)測(cè)模型觀察，城鎮(zhèn)人口數(shù)量和社會(huì)消費(fèi)品零售總額對(duì)煤炭消費(fèi)量有顯著的影響。其中，城鎮(zhèn)人口數(shù)量與煤炭消費(fèi)量呈現(xiàn)正相關(guān)的關(guān)系，社會(huì)消費(fèi)品零售總額與煤炭消費(fèi)量呈現(xiàn)負(fù)相關(guān)關(guān)系。以模型為基礎(chǔ)進(jìn)行實(shí)證，對(duì)2018年和2019年的國(guó)家煤炭消費(fèi)量進(jìn)行了檢驗(yàn)和預(yù)測(cè)，發(fā)現(xiàn)誤差不大，在可接受范圍內(nèi)，說(shuō)明了模型據(jù)有可信度和準(zhǔn)確度。再由已知數(shù)據(jù)進(jìn)行推算后代入預(yù)測(cè)模型，發(fā)現(xiàn)在2030年前我國(guó)是可以實(shí)現(xiàn)碳排放達(dá)到峰值即碳達(dá)峰的目標(biāo)的。

2.啟示

(1)保持經(jīng)濟(jì)的適度持續(xù)增長(zhǎng)。根據(jù)上文所做出的預(yù)測(cè)模型，不難發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展是促使城鎮(zhèn)人口數(shù)量和社會(huì)消費(fèi)品零售總額上升的因素，所以要保持經(jīng)濟(jì)發(fā)展的持續(xù)增長(zhǎng)，要保證經(jīng)濟(jì)發(fā)展的模式徹底由粗放式向高質(zhì)量的方向轉(zhuǎn)變，這對(duì)煤炭消費(fèi)量的控制相當(dāng)必要。更加注重高質(zhì)量的經(jīng)濟(jì)增長(zhǎng)模式會(huì)使煤炭的消費(fèi)量出現(xiàn)下降。

(2)控制能源消費(fèi)總量。要實(shí)現(xiàn)碳中和和碳達(dá)峰，現(xiàn)期內(nèi)要保證煤炭消費(fèi)的下降趨勢(shì)。因?yàn)槊禾肯M(fèi)總量的下降，會(huì)對(duì)二氧化碳的排放量的抑制有突出的貢獻(xiàn)效果。要保證經(jīng)濟(jì)的發(fā)展，就不得不在一定程度上依賴(lài)能源的消耗，然而可以尋找煤炭的替代產(chǎn)品，以減少對(duì)其的依賴(lài)程度：如加大對(duì)風(fēng)能、太陽(yáng)能、水能、生物能、地?zé)崮?、海洋能等非化石能源的開(kāi)發(fā)利用，努力提高使用效率[14]。

(3)切實(shí)提高煤炭清潔利用水平，大力減少散煤消費(fèi)。在此方面黑龍江省已經(jīng)提出通過(guò)大力削減農(nóng)村地區(qū)、城中村、城市棚戶(hù)區(qū)及城鄉(xiāng)結(jié)合部散煤使用等方式來(lái)降低對(duì)散煤的消費(fèi)，從而減少重污染天氣。其他省市地區(qū)可以借鑒其經(jīng)驗(yàn)。

(4)重視科學(xué)技術(shù)的發(fā)展水平?？萍际堑谝簧a(chǎn)力。從歷史發(fā)展的進(jìn)程來(lái)看，科技進(jìn)步不僅帶來(lái)了效率的提升，而且還有一定的對(duì)資源依賴(lài)程度的降低。

(5)推動(dòng)技術(shù)創(chuàng)新水平的進(jìn)步和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整。技術(shù)創(chuàng)新水平的進(jìn)步和產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整會(huì)對(duì)碳排放的強(qiáng)度起到明顯的抑制作用。技術(shù)創(chuàng)新要素作用于生產(chǎn)制造業(yè)會(huì)使生產(chǎn)制造效率得以提升，生產(chǎn)性服務(wù)業(yè)的附加值會(huì)得到提升,從而促使產(chǎn)業(yè)結(jié)構(gòu)趨于高級(jí)化、合理化。

(6)更好地利用全國(guó)碳排放權(quán)交易市場(chǎng)。碳排放權(quán)交易市場(chǎng)的開(kāi)市不僅僅意味著人民幣的國(guó)際化，更是承載了中國(guó)人民對(duì)綠色發(fā)展的美好中國(guó)的期待。在碳達(dá)峰和碳中和的目標(biāo)牽引下，通過(guò)對(duì)煤炭消費(fèi)總量的研究，勢(shì)必會(huì)使人與自然更加和諧相處。