基于LMDI 模型的能源系統(tǒng)碳排放影響因素分析

郭玉杰 ，張一瑾 ，楊馥源 ，田雪沁* ，王海猷

(1.國網(wǎng)經(jīng)濟研究院有限公司，北京市 昌平區(qū) 102209;2.大連理工大學電氣工程學院，遼寧省 大連市 116023)

0 引言

工業(yè)革命以來，人類生產(chǎn)生活的溫室氣體排放已導(dǎo)致全球升溫1.5℃，僅21世紀全球就已升溫了1.3℃[1]。2014年聯(lián)合國政府間氣候變化專門委員會(intergovernmental panel on climate change，IPCC)進行了第5次評估，認為溫室氣體的排放及一些人為因素的驅(qū)動已經(jīng)成為20世紀中期以來氣候變暖的最大影響因素[2]。隨著我國工業(yè)化的快速發(fā)展和城市化的不斷推進，能源以及環(huán)境問題之間的矛盾也越來越嚴重，作為世界人口最多的國家，我國是世界最大的能源消費國和碳排放國[3-5]，同時我國的能源消費仍以煤炭為主。為實現(xiàn)“雙碳”目標，能源行業(yè)的低碳轉(zhuǎn)型至關(guān)重要[6]，需要對我國能源消費的碳排放現(xiàn)狀及影響碳排放量的因素進行分析。

目前，在能源消費產(chǎn)生的碳排放方面，已有一定的研究，如文獻[7]基于擴展的Kaya恒等式，解析了1952—2010年新疆省一次能源消費碳排放的主要驅(qū)動因素，得出結(jié)論經(jīng)濟產(chǎn)出效應(yīng)和人口規(guī)模效應(yīng)是最主要的貢獻因子;文獻[8]以長三角地區(qū)27個城市為研究區(qū)域，分析該地區(qū)能源消費碳排放的影響因素，并提出能源消費綠色轉(zhuǎn)型的相關(guān)建議;文獻[9]估算我國30個省區(qū)1997—2010年的碳排放強度后，采用空間自相關(guān)分析方法和空間面板計量模型，探討了省級碳排放強度的時空格局和重要因素;文獻[10]在對碳排放進行分析的基礎(chǔ)上，采用了Shapley值方法對碳排放增長的影響因素進行了無殘差的分解分析，并與Laspeyres分解分析方法的結(jié)果進行了對比研究;文獻[11]在不同經(jīng)濟增長階段下，從產(chǎn)業(yè)結(jié)構(gòu)的角度探究了六大產(chǎn)業(yè)部門對碳排放的貢獻，結(jié)果表明，工業(yè)部門對碳排放的助長貢獻最大;文獻[12]對我國區(qū)域碳排放效率進行分析，得出結(jié)論，中國省級的碳排放效率值有一定差距，環(huán)保政策需因地制宜;文獻[13]將共同前沿曼奎斯特指數(shù)(meta-frontier Malmquist index，MMI)引入至對數(shù)平均迪氏指數(shù)法(logarithmic mean Divisia index，LMDI)和生產(chǎn)理論分解方法(production-theoretical decomposition analysis，PDA)分解了產(chǎn)業(yè)體系碳排放的驅(qū)動因素，結(jié)果表明制造業(yè)和電力燃氣行業(yè)對總碳排放的貢獻最高。

目前碳排放的研究包含了碳排放量、碳排放強度、碳排放效率等多方面影響因素的研究，但少有文獻考慮了電力碳排放對能源系統(tǒng)碳排放量的影響作用，電力系統(tǒng)作為化石燃料消耗的主要行業(yè)，占能源消耗相關(guān)的碳排放總量的40%左右[14]。目前，電力行業(yè)的碳排放強度雖有所減少，但碳排放總量仍增長，減排形勢嚴峻，電力系統(tǒng)的碳減排也將推動能源系統(tǒng)減少碳排放。能源消費量將直接影響碳排放的增長，本文首先對能源消費總量進行預(yù)測，利用IPCC 碳排放系數(shù)法計算我國各行業(yè)的碳排放量?；贚MDI方法進行模型構(gòu)建，將電力碳排放量從工業(yè)部門中提出，作為單獨的效應(yīng)進行分析。最后將2015—2019年的結(jié)果進行標準化處理后，分析包括電力碳排放量、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平等多個因素對我國能源碳排放量的貢獻程度。

1 能源消費情況及總量預(yù)測

1.1 能源消費情況

我國能源消費量包括終端能源消費量、能源加工轉(zhuǎn)換損失量和能源運輸損失量3個部分。統(tǒng)計體系中能源消費量有3種不同的核算形式，分別為能源平衡表、能源消費總量和終端能源消費量。根據(jù)《中國能源統(tǒng)計年鑒》收集2010—2019年能源消費總量及構(gòu)成如表1所示，表中能源消費量和終端消費量用標準煤來衡量。

表1 我國2010—2019年能源消費總量及構(gòu)成Table 1 China's total energy consumption and composition in 2010—2019

1.2 灰色GM(1,1)模型

能源消費總量預(yù)測方法較多，主要有情景分析法、能源消費彈性系數(shù)法、時間序列法、回歸分析法、灰色預(yù)測法、神經(jīng)網(wǎng)絡(luò)預(yù)測法等[15]，本文基于灰色GM(1，1)模型進行預(yù)測。GM(1，1)是一種通過歷史數(shù)據(jù)運算獲得微分方程，并視微分方程為演化規(guī)律的預(yù)測方法，是灰色預(yù)測模型中最主要、最基本的模型，詳細建模步驟見附錄A[16]。

為檢驗預(yù)測模型的精度是否滿足要求，必須進行精度檢驗。常用的3種檢驗法有:殘差檢驗法、后驗差檢驗法和關(guān)聯(lián)度檢驗法。殘差即實際值與模擬值之差，要求精度大于90%。后驗差檢驗根據(jù)均方差值c和小誤差概率p這2個指標，將模型精度分為“不合格、勉強、合格、好”4個級別，見表2。關(guān)聯(lián)度檢驗法在幾何圖形上體現(xiàn)了模型值曲線和原始數(shù)據(jù)曲線的相似程度，幾何形狀越接近，兩者變化趨勢也就越接近，關(guān)聯(lián)度γ也就越大，一般情況下要求關(guān)聯(lián)度大于0.6，且越大說明模型精度越高，預(yù)測效果越好。

表2 模型精度等級Table 2 Model accuracy level

2 碳排放分析模型

2.1 IPCC 碳排放系數(shù)法

根據(jù)全國能源平衡表，選取IPCC 碳排放系數(shù)法對能源系統(tǒng)的碳排放量(減去工業(yè)中用于原料、材料的部分)進行測算，具體的計算公式為

式中:C為化石燃料燃燒產(chǎn)生的二氧化碳總的排放量，t;E(v)為能源消費量，t;v表示不同能源的種類，即上述投入能源的種類;δNCV為能源低位發(fā)熱量，J/t;CCEC(v)為單位熱值含碳量(碳排放系數(shù))，t/J;λCOF為燃料的碳氧化因子，本文采用《IPCC2006指南》中推薦的默認值100%[17]。我國2015—2019年各行業(yè)碳排放數(shù)據(jù)測算結(jié)果見附錄表B1。

表B1 我國2015—2019年各行業(yè)碳排放數(shù)據(jù)Table B1 China's carbon emissions data by industry from2015 to2019 108 t

2.2 模型選取和能源系統(tǒng)模型構(gòu)建

在二氧化碳碳排放影響因素方面，常用的方法為指數(shù)分解分析法(index decomposition analysis，IDA)。IDA 又可以細分為Laspeyres IDA 和Divisia IDA[18]。其中，Laspeyres IDA 的基本思想是:保持其他因素變量不變，對各個相關(guān)的因素變量進行微分，從而求出某一因素變化對目標量的影響?？赡軙?dǎo)致結(jié)果存在較大誤差，因為其計算過程中會不可避免地產(chǎn)生殘差值。Divisia IDA 的基本思路是:將目標變量分解出的各個因素變量都看成是時間的連續(xù)可微函數(shù)，然后進行微分運算，并分解得出各個因素變量的變化對目標變量的貢獻率。在數(shù)據(jù)小于等于0時，無法處理平均權(quán)重的運算問題。

因此，提出了一個新的方法——對數(shù)平均迪氏指數(shù)法(LMDI)，用對數(shù)對指數(shù)進行替換從而解決了上述問題，通過極小正數(shù)替換解決了零值問題，且適合對能源領(lǐng)域的問題進行分解研究[19]。

中國能源平衡表中給出的終端能源消費數(shù)據(jù)是以分部門形式列出各類化石燃料的消費量，其中主要分為七大類別，分別為農(nóng)、林、牧、漁、水利業(yè);工業(yè);建筑業(yè);交通運輸、倉儲及郵電通訊業(yè);批發(fā)和零售貿(mào)易業(yè)、餐飲業(yè);生活消費以及其他部門。工業(yè)部門中化石燃料的消費量應(yīng)該去掉作為原料、材料以及非能源產(chǎn)品用途的部分，還需把能源加工轉(zhuǎn)換過程中的投入量計入進來。

依據(jù)以上分析，參考文獻[20]，建立LMDI分解模型

式中:i表示不同產(chǎn)業(yè)部門;Ci為第i個部門二氧化碳排放量;Ei為第i個部門能源消費量;Gi為第i個部門的經(jīng)濟產(chǎn)出;θGDP為國內(nèi)生產(chǎn)總值;φPOP為國內(nèi)總?cè)丝跀?shù);βUR 為我國城鎮(zhèn)化水平;βRP 為我國農(nóng)村人口比例。

式(2)可整理得

式中:CFi為第i個部門碳排放系數(shù)即二氧化碳排放強度;EIi為第i個部門能源消費強度;ESi為部門結(jié)構(gòu)比重;θPCG為人均國民生產(chǎn)總值。

模型框架結(jié)構(gòu)如圖1所示。

圖1 分解模型的框架結(jié)構(gòu)Fig.1 Framework structure diagram of the decomposition model

根據(jù)LMDI模型的乘法模式，可直接列寫出分解公式如下，通過該式可計算出各效應(yīng)的貢獻值，即

式中:T為目標年;上標0為基準年;ωi(t*)為權(quán)重函數(shù)ωi=Ci/C在時刻t*的函數(shù)值，t*∈（0，T）。對數(shù)權(quán)重函數(shù)的定義為

式中:Dtot為總效應(yīng)結(jié)果;DCF、DEI、DES、DPCG、DPOP、DUR、DRP分別為各影響因素對應(yīng)的效應(yīng)。式(7)可以理解為碳排放量的增長能分解成上述7種因素共同作用的結(jié)果。

為探究電力碳排放對能源系統(tǒng)碳排放的影響，將電力系統(tǒng)的碳排放量CP作為獨立部門從工業(yè)部門中提取出來，式(3)可寫成

則增加效應(yīng)

3 算例分析

3.1 能源消費總量預(yù)測

選取我國2010—2019年的終端能源消費量為原始數(shù)據(jù)，建立灰色GM(1，1)預(yù)測模型，得到的預(yù)測結(jié)果如圖2所示。

圖2 我國終端能源消費量預(yù)測結(jié)果Fig.2 Forecast results of China's terminal energy consumption

殘差檢驗效果如表3所示，可以看出模擬數(shù)據(jù)的相對誤差不超過1.5%，模擬效果較好。

表3 我國能源消費GM(1,1)模型效果檢驗表Table 3 Test of the effect of the GM(1,1)model of China's energy consumption

同時，得到小概率誤差p=1，均方差值c=0.027，所在精度為一級;關(guān)聯(lián)度γ=0.989 6，預(yù)測精度較高，綜上灰色GM(1，1)預(yù)測模型適用于我國能源消費總量的預(yù)測。進行能源消費總量預(yù)測，結(jié)果如表4所示。

表4 我國2020—2030年終端能源消費預(yù)測結(jié)果Table 4 China's end-use energy consumption forecast results for 2020—2030

3.2 能源系統(tǒng)碳排放影響因素分析

首先考慮CF對二氧化碳排放的影響，由于CF代表的是燃料的二氧化碳排放強度，在燃料充分燃燒的情況下，數(shù)值固定，在理想的情況下，燃料的二氧化碳排放強度對二氧化碳排放的貢獻為0，本文設(shè)該因素的貢獻為0。對2015—2019 年我國能源活動產(chǎn)生的二氧化碳排放量的變化進行結(jié)構(gòu)分解分析，結(jié)果如附錄表B2。

表B2 我國二氧化碳排放增長的驅(qū)動因素及其貢獻率Table B2 Drivers of China's CO2 emission growth and their contribution

基于對數(shù)函數(shù)可以進一步將各影響因素的影響力標準化[21]，即

圖3 2015—2019年碳排放影響因素貢獻率Fig.3 Contribution of factors influencing carbon emissions,2015—2019

2015—2019年，我國能源系統(tǒng)碳排放增長了1.060 5倍，從圖3中可以看出，有4個因素促進碳排放的增長。其中人均國民生產(chǎn)總值和電力系統(tǒng)碳排放量對碳排放的增長影響較大，同時人口規(guī)模的增長和我國城鎮(zhèn)化水平的提高對碳排放的增加也起到一定正向作用;能源強度對碳排放增加的負向影響相對較大，能源強度是促使碳減排的主要因素，同時隨著產(chǎn)業(yè)結(jié)構(gòu)的不斷優(yōu)化，也會略微促進能源系統(tǒng)的碳減排。對碳排放增長主要的影響因素就是經(jīng)濟規(guī)模即人均國民生產(chǎn)總值的增長，能源強度即能源利用效率的提高有利于碳排放的減少，產(chǎn)業(yè)結(jié)構(gòu)的不斷優(yōu)化也有利碳減排趨勢，但對碳排放影響較小，人口規(guī)模的擴大會使碳排放增加，但影響也較小。

4 結(jié)論

本文首先利用灰色GM(1，1)模型對我國能源消費總量進行預(yù)測，經(jīng)過檢驗后證明該模型精度較高。同時選取影響能源碳排放的相關(guān)因素，利用LMDI乘法模型進行求解，并將電力碳排放量作為單獨的影響效應(yīng)進行分析。進行標準化后分析各因素對碳排放量的促進、抑制關(guān)系，從結(jié)果中可以看出，促進碳排放的因素有能源消費強度、人口數(shù)量、城鎮(zhèn)化水平及電力碳排放量，抑制因素有能源消費強度、農(nóng)村人口比重及產(chǎn)業(yè)結(jié)構(gòu)。

電力系統(tǒng)碳排放作為化石燃料消耗的主要行業(yè)，占能源消耗相關(guān)的碳排放總量的40%左右。因此電力行業(yè)的碳減排尤為關(guān)鍵，未來將進一步分析電力系統(tǒng)的碳排放影響因素。

附錄A 灰色預(yù)測流程

步驟一:獲取原始數(shù)據(jù)序列X(0)=[x(0)(1)，x(0)(2)，…，x(0)(n)]，并進行預(yù)處理。

步驟二:得到一階累加數(shù)列X(1)=[x(1)(1)，x(1)(2)，…，x(1)(n)]。

步驟三:累加數(shù)列X(1)滿足指數(shù)增長規(guī)律，而指數(shù)函數(shù)的解恰好可以由一階微分方程的解求出，因此X(1)序列滿足:

式中:a為系統(tǒng)的發(fā)展灰數(shù);u為系統(tǒng)的內(nèi)生控制灰數(shù)。

步驟四:進一步計算得到GM(1，1)模型離散化的時間響應(yīng)函數(shù)形式，即

步驟五:通過單個逆累加生成操作(IAGO)，便可以得到GM(1，1)模型，計算得出預(yù)測值為

步驟六:對得到的預(yù)測值進行誤差檢驗。若預(yù)測數(shù)列與原始數(shù)列擬合精度高，則得到的預(yù)測模型可以使用，否則需對模型進行修正。

步驟七:使用通過檢驗的模型對未來進行預(yù)測。

附錄B