基于LMDI和系統(tǒng)聚類的電力行業(yè)碳排放影響因素分析

施應(yīng)玲，余欣玥

（華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 102206）

2020 年9 月，習(xí)近平主席在第七十五屆聯(lián)合國大會(huì)上提出了我國的“雙碳”目標(biāo)，表明了中國持續(xù)推進(jìn)碳減排工作的決心，低碳發(fā)展也成為各行業(yè)發(fā)展的重要方向。電力行業(yè)作為直接使用一次能源的最大部門，2020年其碳排放量達(dá)到了45.8 億噸，約占全國碳排放總量的40%[1]，且仍處于增長階段，成為落實(shí)節(jié)能減排目標(biāo)的重點(diǎn)領(lǐng)域[2-3]。為推動(dòng)電力行業(yè)碳減排工作的進(jìn)行，需明晰電力行業(yè)碳排放量的驅(qū)動(dòng)因素和抑制因素，從源頭抑制碳排放量的增長，這對(duì)制定適宜電力行業(yè)的碳減排規(guī)劃具有重要意義。

目前已有不少學(xué)者采用不同方法針對(duì)電力行業(yè)碳排放及其影響因素進(jìn)行了研究，ZHU 等[4]使用GDIM（廣義迪氏指數(shù)）分解模型，在充分考慮經(jīng)濟(jì)、人口和能源消耗的情況下，對(duì)中國電力行業(yè)2000—2015 年的碳排放影響因素進(jìn)行了分析；FENG 等[5]運(yùn)用IO-SDA（投入產(chǎn)出結(jié)構(gòu)分解分析）模型，剖析驅(qū)動(dòng)電力行業(yè)二氧化碳排放的社會(huì)經(jīng)濟(jì)因素；俞佳軻[6]運(yùn)用了STIRPAT 和SVAR 法構(gòu)造電力行業(yè)碳排放分解模型，對(duì)我國電力行業(yè)碳排放強(qiáng)度的變化進(jìn)行因素分解研究。

除上述研究中所用的研究方法及模型以外，常用于碳排放影響因素分析與研究的方法還有LMDI（對(duì)數(shù)平均迪氏指數(shù)）分解模型。與其他研究方法相比，LMDI 分解模型具有操作性強(qiáng)、適用性廣、分解結(jié)果不包含殘余項(xiàng)等優(yōu)點(diǎn)[7]，已成為電力行業(yè)探索碳排放驅(qū)動(dòng)因素的重要方法之一。馮雪松[8]采用LMDI 分解模型對(duì)我國電力行業(yè)碳排放影響因素進(jìn)行了研究，發(fā)現(xiàn)電源結(jié)構(gòu)效應(yīng)、電力強(qiáng)度效應(yīng)、能源轉(zhuǎn)換效應(yīng)對(duì)抑制碳排放量起到了積極作用；王天慶[9]采用LMDI 分解模型對(duì)安徽省電力行業(yè)排放量驅(qū)動(dòng)因素進(jìn)行了分解，認(rèn)為電源結(jié)構(gòu)效應(yīng)是抑制碳排放的最主要原因；張咪[10]采用LMDI 分解模型對(duì)2005—2014 年京津冀地區(qū)電力碳排放驅(qū)動(dòng)因素進(jìn)行研究，結(jié)果表明經(jīng)濟(jì)規(guī)模效應(yīng)和產(chǎn)業(yè)電耗強(qiáng)度效應(yīng)分別為該地區(qū)電力碳排放最主要的正向和負(fù)向驅(qū)動(dòng)因素；曹俊文等[11]采用LMDI 分解模型對(duì)2000—2015 年江西省電力行業(yè)碳排放變化的影響因素進(jìn)行分解，發(fā)現(xiàn)起最大正向作用的是地區(qū)生產(chǎn)總值效應(yīng)，起最大抑制作用的是火電燃料轉(zhuǎn)化效應(yīng)。

綜上所述，目前利用LMDI 分解模型對(duì)我國電力行業(yè)碳排放驅(qū)動(dòng)因素的研究要么針對(duì)全國范圍要么針對(duì)某個(gè)省份進(jìn)行分解和分析，缺少不同省份的對(duì)比分析，無法識(shí)別不同省份電力行業(yè)碳排放驅(qū)動(dòng)因素的區(qū)別與共性。因此，本文采用LMDI 分解模型從國家層面和30個(gè)省份層面（不包含西藏及港澳臺(tái)地區(qū)）對(duì)電力行業(yè)碳排放驅(qū)動(dòng)因素進(jìn)行分解與分析，確定關(guān)鍵影響因素，在此基礎(chǔ)上對(duì)30 個(gè)省份進(jìn)行聚類分析，研究不同類群的特征，分析之間的差異，研究成果對(duì)各省份制定因地制宜的電力減排政策具有參考意義。

1 研究方法及數(shù)據(jù)來源

1.1 電力行業(yè)碳排放核算模型

電力行業(yè)的碳排放主要來自火力發(fā)電過程中化石燃料的燃燒，本文參考政府間氣候變化專門委員會(huì)（IPCC）的碳排放計(jì)算指南，根據(jù)公式（1）對(duì)電力行業(yè)碳排放量進(jìn)行核算：

式中：E為電力行業(yè)碳排放總量，噸；i=1, 2, 3 表示煤炭、石油、天然氣三類化石燃料類型；ECi為發(fā)電過程中能源i的消耗量，噸（以標(biāo)煤計(jì)）；EFi為能源i的碳排放系數(shù)，數(shù)據(jù)來源于《2006 年IPCC 國家溫室氣體清單指南》，具體數(shù)值見表1。

表1 不同類型化石能源碳排放系數(shù)

1.2 電力行業(yè)碳排放LMDI分解模型

LMDI 分解模型以Kaya 恒等式為基礎(chǔ)，Kaya 恒等式最初由日本學(xué)者Kaya 提出，用于闡述碳排放量與碳排放強(qiáng)度、能源消費(fèi)強(qiáng)度、人均生產(chǎn)值以及人口總量之間的關(guān)系，后被廣泛應(yīng)用于各行各業(yè)的研究中。利用Kaya恒等式的恒等原理，對(duì)電力行業(yè)碳排放量進(jìn)行如下分解：

式中：E表示電力行業(yè)碳排放總量，億噸；Ei為火力發(fā)電中第i種化石燃料產(chǎn)生的碳排放量，億噸；FCi為火力發(fā)電中第i種燃料消耗量，億噸（以標(biāo)煤計(jì)）；FC為火力發(fā)電中消耗的燃料總量，億噸；FGC為火力發(fā)電量，億千瓦時(shí)；GC為發(fā)電總量，億千瓦時(shí)；EC為電力消費(fèi)量，億千瓦時(shí)；IG為工業(yè)生產(chǎn)總值，億元；G為地區(qū)生產(chǎn)總值，億元；P為人口總數(shù)，萬人；表示燃料的碳排放系數(shù)；表示燃料消耗結(jié)構(gòu)；表示火力發(fā)電燃料轉(zhuǎn)化率；表示電源結(jié)構(gòu)效應(yīng)；表示發(fā)電用電比例效應(yīng)；表示工業(yè)電耗強(qiáng)度；表示產(chǎn)業(yè)結(jié)構(gòu)；表示經(jīng)濟(jì)發(fā)展水平。

由公式（2）可知，電力行業(yè)的碳排放量受到燃料碳排放系數(shù)、燃料消耗結(jié)構(gòu)、火力發(fā)電燃料轉(zhuǎn)化率、電源結(jié)構(gòu)、發(fā)用電比例、工業(yè)電耗強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平和人口總數(shù)這九個(gè)因素的影響，因此可將電力行業(yè)碳排放變化的總效應(yīng)ΔE分解為燃料碳排放系數(shù)效應(yīng)（ΔECF）、燃料消耗結(jié)構(gòu)效應(yīng)（ΔEFS）、火力發(fā)電燃料轉(zhuǎn)化效應(yīng)（ΔETE）、電源結(jié)構(gòu)效應(yīng)（ΔEPS），發(fā)用電比例效應(yīng)（ΔEGR）、工業(yè)電耗強(qiáng)度效應(yīng)（ΔEEI）、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)（ΔEIS）、經(jīng)濟(jì)發(fā)展效應(yīng)（ΔEES）和人口總數(shù)效應(yīng)（ΔEP）。燃料碳排放系數(shù)由燃料自身特性決定，通常不發(fā)生變化，因此可取ΔECF=0[11]。

假設(shè)E0和Et分別表示基期和第t期電力行業(yè)的碳排放量，以公式（1）為基礎(chǔ)，通過取對(duì)數(shù)變化將電力碳排放的總變化量分解為各影響因素引起的碳排放量變化之和，公式如下：

其中：

其中：

利用公式（3）～（12）可算出各效應(yīng)引起的電力行業(yè)碳排放變化量及貢獻(xiàn)率，作為后續(xù)聚類分析的聚類變量選取依據(jù)。

1.3 系統(tǒng)聚類方法

為探究30 個(gè)省份電力碳排放影響因素之間的相似性與差異性，本文選用系統(tǒng)聚類算法，對(duì)30 個(gè)省份進(jìn)行聚類分析。系統(tǒng)聚類算法是聚類分析中使用廣泛的一種方法，相較于K 均值聚類方法而言，其優(yōu)點(diǎn)是可以對(duì)案例進(jìn)行聚類，且不需要提前設(shè)定類數(shù)K，可依據(jù)實(shí)際需求靈活分成不同的類數(shù)[12]。系統(tǒng)聚類算法根據(jù)聚類對(duì)象的不同分為R 型聚類和Q 型聚類，R 型聚類目的是對(duì)變量進(jìn)行分類，Q 型聚類算法目的是對(duì)樣本進(jìn)行分類。本文目的對(duì)各省份進(jìn)行聚類，因此選擇系統(tǒng)聚類法中的Q 型聚類算法最為合適。

Q 型聚類算法基本步驟：①把每個(gè)樣本單獨(dú)歸為一類，計(jì)算每兩個(gè)類之間的距離；②把各類中距離最小的兩類合并成一個(gè)新類；③重新計(jì)算新類與各舊類之間的距離；④重復(fù)②和③兩步，直到所有樣本都合并成一類。

1.4 數(shù)據(jù)來源

2006—2020 年國家及各省份發(fā)用電數(shù)據(jù)、生產(chǎn)總值數(shù)據(jù)、工業(yè)生產(chǎn)總值數(shù)據(jù)、人口數(shù)據(jù)均來自《中國統(tǒng)計(jì)年鑒》及各省份統(tǒng)計(jì)年鑒，電力行業(yè)化石能源消耗數(shù)據(jù)來源于《中國能源統(tǒng)計(jì)年鑒》中電力平衡表?？紤]經(jīng)濟(jì)發(fā)展中價(jià)格變化的影響，生產(chǎn)總值和工業(yè)增加值均折算到2006 年不變價(jià)格。

2 電力行業(yè)碳排放影響因素分解與Q型聚類分析結(jié)果

2.1 全國范圍分解結(jié)果

根據(jù)LMDI 模型對(duì)統(tǒng)計(jì)數(shù)據(jù)綜合計(jì)算，得到2006—2020 年國家層面的電力行業(yè)碳排放響因素的逐年分解結(jié)果，如表2 所示，數(shù)值前正號(hào)代表驅(qū)動(dòng)作用，負(fù)號(hào)代表抑制作用。

表2 2006—2020年全國電力行業(yè)影響因素分解結(jié)果單位：萬噸

由表2 可知，電力行業(yè)碳排放量僅在2013—2015年呈下降趨勢，其余年份均呈增長趨勢?？傮w來說，2006—2020 年我國電力行業(yè)碳排放量呈增長趨勢，累計(jì)增長了272 241.51 萬噸。其中，燃料消耗結(jié)構(gòu)效應(yīng)、火力發(fā)電燃料轉(zhuǎn)化效應(yīng)、電源結(jié)構(gòu)效應(yīng)、發(fā)用電比例效應(yīng)、工業(yè)電耗強(qiáng)度效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)均對(duì)電力行業(yè)碳排放的影響作用在不同階段呈現(xiàn)不同效果，但總體均表現(xiàn)為抑制作用；經(jīng)濟(jì)發(fā)展效應(yīng)和人口總數(shù)效應(yīng)對(duì)電力行業(yè)碳排放增長始終起促進(jìn)作用。

為從全過程視角對(duì)電力行業(yè)的碳排放影響因素進(jìn)行分析，本文按照發(fā)電側(cè)、輸配側(cè)、需求側(cè)三方面對(duì)電力行業(yè)碳排放影響因素進(jìn)行分類。發(fā)電側(cè)影響因子包括燃料消耗結(jié)構(gòu)、火電燃料轉(zhuǎn)化率、電源結(jié)構(gòu)；輸配側(cè)影響因子包括發(fā)用電比例；需求側(cè)影響因子包括工業(yè)電耗強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展、人口總數(shù)。表3 為各效應(yīng)對(duì)全過程視角電力碳排放增長的貢獻(xiàn)率，數(shù)值前面正號(hào)代表驅(qū)動(dòng)作用，負(fù)號(hào)代表抑制作用。

表3 各效應(yīng)對(duì)電力碳排放的貢獻(xiàn)率

發(fā)電側(cè)各影響因素的累計(jì)效應(yīng)均對(duì)電力行業(yè)碳排放起抑制作用，且抑制效果自2013 年起較為明顯。2013我國電力體制改革進(jìn)入第三階段，更加注重了電力頂層設(shè)計(jì)和可再生能源開發(fā)與應(yīng)用[13]，從源頭上減少了化石燃料消耗引起的碳排放。

輸配側(cè)影響作用通過我國發(fā)電與用電的占比來反映，2006—2020 年我國發(fā)用電比例效應(yīng)對(duì)碳排放的影響貢獻(xiàn)率處于小幅度波動(dòng)狀態(tài)，總體呈抑制作用，說明完善輸配電網(wǎng)分布與推進(jìn)電網(wǎng)建設(shè)，減少了線損電量，進(jìn)而節(jié)省了不必要的化石能源投入。但該抑制作用效果并不明顯，累計(jì)貢獻(xiàn)率為-2.34%。

需求側(cè)影響因素中，工業(yè)電耗強(qiáng)度效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的累計(jì)效應(yīng)均呈抑制作用，經(jīng)濟(jì)發(fā)展效應(yīng)和人口總數(shù)效應(yīng)的累計(jì)效應(yīng)均呈促進(jìn)作用。產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)電力行業(yè)碳排放的抑制作用最為明顯，2006—2020 年我國第二產(chǎn)業(yè)占比由42.72%下降至37.82%，對(duì)電力行業(yè)碳排放的抑制作用逐漸明顯，抑制貢獻(xiàn)率最大的為2014—2015 年，2014 年是推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級(jí)的重要年，第三產(chǎn)業(yè)對(duì)經(jīng)濟(jì)貢獻(xiàn)超過了第二產(chǎn)業(yè)，成為經(jīng)濟(jì)增長的主要?jiǎng)恿?。?jīng)濟(jì)發(fā)展效應(yīng)對(duì)電力行業(yè)碳排放的促進(jìn)作用最為明顯，貢獻(xiàn)率最高的時(shí)期為2015—2016 年，達(dá)到了400.21%，貢獻(xiàn)率較低的時(shí)期為2008—2009 年、2010—2011 年和2019—2020 年，次貸危機(jī)、歐債危機(jī)、新冠疫情分別于2007 年8 月、2009 年10 月和2020 年2 月爆發(fā)，引發(fā)了包括中國在內(nèi)的全球經(jīng)濟(jì)增速放緩，而電力行業(yè)具有經(jīng)濟(jì)發(fā)展晴雨表的功能[7]，因此經(jīng)濟(jì)增速放緩首先引起電力消費(fèi)增速下滑，從而導(dǎo)致電力生產(chǎn)及相應(yīng)碳排放增速變緩。

從全過程的視角來看，電力行業(yè)自身發(fā)電側(cè)和輸配側(cè)的發(fā)展均對(duì)碳排放起抑制作用，而需求側(cè)的影響因素電力行業(yè)碳排放起雙重作用，其中產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)發(fā)展效應(yīng)分別為最主要的抑制因素和促進(jìn)因素。

2.2 省際電力行業(yè)碳排放因素分解比較分析

我國各省之間的經(jīng)濟(jì)水平、資源條件、技術(shù)水平等發(fā)展特征各有差異，因此各省電力行業(yè)的碳排放量也呈現(xiàn)不同的變化趨勢與特征，圖1 為2006—2020 年30 個(gè)省份電力行業(yè)碳排放的變化情況。

圖1 2006—2020年各省份電力行業(yè)碳排放量變化情況

圖1 顯示，2006—2020 年我國大部分省份電力行業(yè)碳排放呈增長趨勢，僅有北京、四川、和云南的電力行業(yè)碳排放量累計(jì)效應(yīng)為負(fù)值，其余27 個(gè)省份的電力行業(yè)碳排放均呈增長狀態(tài)，其中增長率前三的省份為新疆、寧夏和內(nèi)蒙古，增長率分別為717.63%、262.10%和213.78%。

為進(jìn)一步明晰2006—2020 年引起各省電力行業(yè)碳排放變化的主要因素，利用LMDI 模型對(duì)各省電力行業(yè)的碳排放量進(jìn)行分解，結(jié)果見圖2。由于2020 年北京、四川和云南的電力行業(yè)碳排放量較2006 年均有所減少，因此該三省份的分解結(jié)果反映了各效應(yīng)對(duì)電力碳排放減少的貢獻(xiàn)程度，其余27 個(gè)省份的分解結(jié)果反映了各效應(yīng)對(duì)電力碳排放增長的貢獻(xiàn)程度，具體見圖2。

圖2 省域視角下電力行業(yè)碳排放變化分解結(jié)果

發(fā)電側(cè)的燃料消耗結(jié)構(gòu)效應(yīng)、火電燃料轉(zhuǎn)化效應(yīng)和電源結(jié)構(gòu)效應(yīng)都反映了化石燃料消耗對(duì)碳排放的影響。近年來，發(fā)電行業(yè)在政策導(dǎo)向下逐步加快落后產(chǎn)能淘汰、技術(shù)提升、產(chǎn)能區(qū)位布局調(diào)整以及電源結(jié)構(gòu)調(diào)整，因此發(fā)電側(cè)三個(gè)因素對(duì)大部分省份電力碳排放均起抑制作用，少數(shù)省份其中一個(gè)因素起促進(jìn)作用。遼寧、吉林、黑龍江、海南、四川、云南、青海、新疆分解結(jié)果中燃料消耗結(jié)構(gòu)效應(yīng)對(duì)碳排放起促進(jìn)作用，促進(jìn)效果最明顯的為青海，貢獻(xiàn)率為10.64%。青海發(fā)電裝機(jī)以水電和新能源為主，且新能源裝機(jī)不斷增長，導(dǎo)致火電市場空間減小，而青海油電與氣電的發(fā)電成本相對(duì)煤電較高[14]，因此近年來石油和天然氣在火電燃料中的占比一度下降，而煤炭在火電燃料中的占比逐年增長，造成了電力行業(yè)碳排放量的增長。北京、湖北、廣西分解結(jié)果中電源結(jié)構(gòu)效應(yīng)對(duì)電力行業(yè)碳排放起促進(jìn)作用，促進(jìn)效果最明顯的為湖北，貢獻(xiàn)率為35.41%。湖北的發(fā)電結(jié)構(gòu)為火電和水電并舉，但水力發(fā)電70%以上輸往外省，湖北用電主要依靠火力發(fā)電，同時(shí)由于湖北水資源開發(fā)殆盡，因此自2017 年起發(fā)電增量主要來自火電，導(dǎo)致2006—2020 年湖北火力發(fā)電占比呈波動(dòng)式變化，且2020 年湖北火力發(fā)電占比高于2006 年，對(duì)電力碳排放的累計(jì)作用為促進(jìn)效果。

輸配側(cè)的發(fā)用電比例效應(yīng)反映了各省電力生產(chǎn)與消費(fèi)的自給能力，該因素對(duì)16 個(gè)省份碳排放起促進(jìn)作用。圖2 顯示4 個(gè)省份碳排放起抑制作用，起促進(jìn)和抑制作用最強(qiáng)的分別為云南和上海。云南處于我國“西電東送”南線通道上，是我國重要的電力輸出省份之一，承擔(dān)了一部分電力輸入省份的碳排放量；上海電力自給率處于全國下游水平，對(duì)外省電力輸入的依賴程度較高，且外省輸入的電力越來越多，一定程度上減少了上海市電力行業(yè)碳排放量。

需求側(cè)的工業(yè)電耗強(qiáng)度效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟(jì)發(fā)展效應(yīng)和人口總數(shù)效應(yīng)從不同的需求角度反映了需求端對(duì)電力碳排放的影響。其中，工業(yè)電耗強(qiáng)度效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)主要從作為電力需求主力軍的第二產(chǎn)業(yè)視角反映電力碳排放量的變化。如圖2 所示，工業(yè)電耗強(qiáng)度效應(yīng)對(duì)24 個(gè)省份電力碳排放起抑制作用，對(duì)內(nèi)蒙古、遼寧、黑龍江、廣西、海南、新疆這6 個(gè)省份電力碳排放起促進(jìn)作用，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)30 個(gè)省份電力碳排放的累計(jì)效果均為抑制作用，其中抑制效果最明顯的為上海市，貢獻(xiàn)率為-810.45%。經(jīng)濟(jì)發(fā)展效應(yīng)和人口總數(shù)效應(yīng)從地區(qū)經(jīng)濟(jì)及人口發(fā)展規(guī)模反映了電力碳排放量的變化，經(jīng)濟(jì)發(fā)展效應(yīng)對(duì)所有省份碳排放量均呈促進(jìn)作用，促進(jìn)作用較強(qiáng)的省份為上海、黑龍江、河南、湖南、青海，累計(jì)貢獻(xiàn)率均在500%以上；人口總數(shù)效應(yīng)對(duì)25 個(gè)省份電力碳排放起促進(jìn)作用，對(duì)內(nèi)蒙古、遼寧、吉林、黑龍江、甘肅這5 個(gè)省份電力碳排放起抑制作用，這5 個(gè)省份人口增長率為負(fù)，一定程度上減弱了電力需求量，進(jìn)而對(duì)電力碳排放起抑制作用。

2.3 省級(jí)聚類分析

由上述分析可知，各效應(yīng)因素對(duì)不同地區(qū)電力行業(yè)碳排放的影響程度及驅(qū)動(dòng)方向均有較大的不同，其部分原因是各地區(qū)電源結(jié)構(gòu)、工業(yè)電耗強(qiáng)度等情況存在不同程度的差異。為進(jìn)一步探究這些差異，并制定更有針對(duì)性的減排政策，有必要進(jìn)行進(jìn)一步的聚類分析。

根據(jù)全國范圍分解結(jié)果顯示，電力行業(yè)碳排放的主要抑制因素依次為產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)電耗強(qiáng)度、火電燃料轉(zhuǎn)化率和電源結(jié)構(gòu)。以2006—2020 年30 個(gè)省份這四個(gè)因素對(duì)電力行業(yè)碳排放的貢獻(xiàn)率為聚類變量，數(shù)據(jù)經(jīng)標(biāo)準(zhǔn)化處理之后，利用SPSS 軟件進(jìn)行系統(tǒng)聚類，得到區(qū)域聚類結(jié)果及各區(qū)域特征如圖3 所示。

圖3 各聚類區(qū)域分解結(jié)果雷達(dá)圖

圖3 反映了六個(gè)聚類區(qū)域以及主要抑制因素對(duì)電力行業(yè)碳排放的抑制率與全國平均抑制率的對(duì)比情況。由省際電力行業(yè)碳排放因素分解比較分析可知，全國大部分省市的電力碳排放抑制因素對(duì)碳排放變化的貢獻(xiàn)率為負(fù)，且負(fù)值絕對(duì)值越高，說明抑制效果越好。通過將每個(gè)區(qū)域的平均抑制率與全國平均值進(jìn)行對(duì)比，可對(duì)六個(gè)區(qū)域各效應(yīng)的抑制效果進(jìn)行評(píng)判。各效應(yīng)抑制效果的界定標(biāo)準(zhǔn)：抑制率絕對(duì)值與全國平均絕對(duì)值之差大于10%，定為抑制效果較好；抑制率絕對(duì)值與全國平均絕對(duì)值之差在-10%～10%之內(nèi)，定為抑制效果中等；抑制率絕對(duì)值與全國平均絕對(duì)值之差小于-10%，定為抑制效果較差。全國及聚類區(qū)域各效應(yīng)平均貢獻(xiàn)率如表4所示，聚類區(qū)域各效應(yīng)抑制效果如表5 所示。

表4 2006—2020年聚類區(qū)域電力碳排放主要抑制因素平均貢獻(xiàn)率

表5 聚類區(qū)域電力行業(yè)碳排放主要抑制因素的抑制效果

區(qū)域1 包括北京、河北、天津和遼寧，該區(qū)域火電燃料轉(zhuǎn)化效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)電力行業(yè)碳排放的抑制水平高于全國平均水平，且產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)為最主要的抑制因素。京津冀地區(qū)為我國首都經(jīng)濟(jì)圈，遼寧為老工業(yè)基地省份，均已完成產(chǎn)業(yè)結(jié)構(gòu)重心由第二產(chǎn)業(yè)向第三產(chǎn)業(yè)的轉(zhuǎn)變[15-16]，減少了高耗能產(chǎn)業(yè)的電力消費(fèi)量及相應(yīng)碳排放量。該區(qū)域工業(yè)電耗強(qiáng)度效應(yīng)對(duì)電力行業(yè)碳排放的抑制效果略差于全國平均水平，應(yīng)注重工業(yè)經(jīng)濟(jì)發(fā)展的質(zhì)量，提高工業(yè)設(shè)備用電效率，通過節(jié)能降耗以實(shí)現(xiàn)電力行業(yè)減排。

區(qū)域2 包括河南和湖南，該區(qū)域火電燃料轉(zhuǎn)化效應(yīng)和工業(yè)電耗強(qiáng)度效應(yīng)對(duì)電力行業(yè)碳排放的抑制水平高于全國平均水平，且工業(yè)電耗強(qiáng)度效應(yīng)為最主要的抑制因素，原因在于河南和湖南的農(nóng)業(yè)比重高于工業(yè)比重，電力需求量的增加主要來自第一產(chǎn)業(yè)，導(dǎo)致工業(yè)電耗強(qiáng)度水平較低。該區(qū)域電源結(jié)構(gòu)效應(yīng)對(duì)電力碳排放的抑制貢獻(xiàn)率僅為27.35%，抑制效果未達(dá)到全國平均水平，應(yīng)持續(xù)發(fā)掘非化石能源的發(fā)電方式，提高風(fēng)電、光伏等清潔能源電力裝機(jī)占比。

區(qū)域3 包括四川、云南、青海，該區(qū)域火電燃料轉(zhuǎn)化效應(yīng)、電源結(jié)構(gòu)效應(yīng)、工業(yè)電耗強(qiáng)度效應(yīng)對(duì)電力行業(yè)碳排放的抑制效果均好于全國平均水平，且電源結(jié)構(gòu)效應(yīng)的抑制效果在六個(gè)區(qū)域中最為明顯。四川、云南、青海均是我國水力發(fā)電大省，水力發(fā)電比例持續(xù)增長，已突破80%，火力發(fā)電占比在全國范圍內(nèi)處于極低水平。該區(qū)域產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)電力碳排放的抑制效果較差，云南和青海的產(chǎn)業(yè)結(jié)構(gòu)以第二產(chǎn)業(yè)為主，需進(jìn)一步加快產(chǎn)業(yè)升級(jí)步伐，完成產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化改造。

區(qū)域4 包括吉林、江蘇、浙江、湖北、廣東、重慶、貴州，該區(qū)域僅有工業(yè)電耗強(qiáng)度效應(yīng)的抑制效果高于全國平均水平，火電燃料效應(yīng)的抑制效果與全國水平相當(dāng)，電源結(jié)構(gòu)效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的抑制效果都差于全國平均水平，湖北、重慶、貴州的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和湖北的電源結(jié)構(gòu)效應(yīng)對(duì)電力碳排放的抑制作用應(yīng)大力提升。

區(qū)域5 僅包括上海，其工業(yè)電耗強(qiáng)度效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)電力行業(yè)碳排放的抑制效果高于全國平均水平，且抑制效果在六個(gè)區(qū)域中均最為明顯，最主要抑制因素為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)，其貢獻(xiàn)率為全國平均水平的8.95倍。上海作為我國經(jīng)濟(jì)中心，以第三產(chǎn)業(yè)為經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)，且產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整步伐持續(xù)加快，高能耗、高污染、高風(fēng)險(xiǎn)的企業(yè)逐步被淘汰，工業(yè)內(nèi)部結(jié)構(gòu)也由低端傳統(tǒng)向高端新興化轉(zhuǎn)型[17]，同時(shí)越來越多的上海工業(yè)產(chǎn)業(yè)開始往長三角其他地方轉(zhuǎn)移，減少了重工業(yè)對(duì)電力需求的負(fù)擔(dān)。上?；痣娙剂限D(zhuǎn)化效應(yīng)與電源結(jié)構(gòu)效應(yīng)的抑制效果略差于全國平均水平，仍有改進(jìn)空間。

區(qū)域6 包括的省份最多，共有13 個(gè)，該區(qū)域火電燃料效應(yīng)、電源結(jié)構(gòu)效應(yīng)、工業(yè)電耗強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的抑制效果均不如全國平均水平，應(yīng)是全國電力減排工作的重點(diǎn)關(guān)注區(qū)域。該區(qū)域工業(yè)電耗強(qiáng)度效應(yīng)的抑制率與全國平均水平的差距最大，因此區(qū)域6 中的省份應(yīng)加快陳舊工業(yè)設(shè)施退役和節(jié)能監(jiān)管的力度，對(duì)能效未達(dá)標(biāo)準(zhǔn)的用電設(shè)備進(jìn)行淘汰，同時(shí)應(yīng)根據(jù)各省條件從提高火電燃料轉(zhuǎn)化率、降低火電發(fā)電占比和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)三個(gè)方面降低電力行業(yè)碳排放量。

3 結(jié)論與建議

本文基于2006—2020 年全國及30 個(gè)省份的相關(guān)數(shù)據(jù)，利用LMDI 模型構(gòu)建了電力行業(yè)碳排放影響因素分解模型，分別對(duì)國家層面和省級(jí)層面的電力行業(yè)碳排放影響因素進(jìn)行分解，并利用系統(tǒng)聚類分析將各地區(qū)劃分為六大區(qū)域，研究不同區(qū)域的特征及異同。結(jié)果發(fā)現(xiàn)：

（1）從全國層面的分解結(jié)果來看，抑制電力行業(yè)碳排放的主要因素依次為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、工業(yè)電耗強(qiáng)度效應(yīng)、電源結(jié)構(gòu)效應(yīng)、和火電燃料轉(zhuǎn)化效應(yīng)；促進(jìn)電力行業(yè)碳排放的主要因素依次為經(jīng)濟(jì)發(fā)展效應(yīng)和人口總數(shù)效應(yīng)。目前，我國在控制電力碳排放上，基本上只局限于電力行業(yè)本身，而忽略外部需求對(duì)電力行業(yè)碳排放的影響。應(yīng)適當(dāng)減緩經(jīng)濟(jì)發(fā)展速度，重視經(jīng)濟(jì)發(fā)展帶來的環(huán)境生態(tài)問題，及時(shí)調(diào)整和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，注重工業(yè)發(fā)展的質(zhì)量，同時(shí)在發(fā)電端持續(xù)發(fā)展清潔能源，提高能源的轉(zhuǎn)化效率，實(shí)現(xiàn)綠色低碳電力的可持續(xù)發(fā)展。

（2）從省域?qū)用娴姆纸饨Y(jié)果來看，經(jīng)濟(jì)發(fā)展效應(yīng)對(duì)所有省份電力行業(yè)碳排放量均起促進(jìn)作用，火電燃料轉(zhuǎn)化效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)所有省份電力行業(yè)碳排放量均起抑制作用，而燃料消耗結(jié)構(gòu)效應(yīng)、電源結(jié)構(gòu)效應(yīng)、發(fā)用電比例效應(yīng)、工業(yè)電耗強(qiáng)度效應(yīng)和人口總數(shù)效應(yīng)在不同地區(qū)呈現(xiàn)出不同的作用。因此，政府在制定電力碳減排戰(zhàn)略時(shí)，不能“一刀切”，需要充分考慮各地區(qū)的實(shí)際情況，充分研析各地區(qū)電力碳排放的影響因素，并且及時(shí)優(yōu)化調(diào)整以適應(yīng)不同的發(fā)展進(jìn)程。

（3）從省域聚類結(jié)果來看，六大區(qū)域的電力碳排放主要抑制因素的作用效果及今后減排的重點(diǎn)方向不同。區(qū)域1 火電燃料轉(zhuǎn)化效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)電力行業(yè)碳排放的抑制效果較好，工業(yè)電耗強(qiáng)度的抑制效果較弱，應(yīng)提高工業(yè)設(shè)備用電效率，通過節(jié)能降耗以實(shí)現(xiàn)電力減排；區(qū)域2 火電燃料轉(zhuǎn)化效應(yīng)和工業(yè)電耗強(qiáng)度效應(yīng)對(duì)電力行業(yè)碳排放的抑制效果較好，電源結(jié)構(gòu)效應(yīng)抑制效果較弱，今后應(yīng)側(cè)重于發(fā)掘非化石能源的發(fā)電方式，提高風(fēng)電、光伏等清潔能源電力裝機(jī)占比；區(qū)域3 火電燃料轉(zhuǎn)化效應(yīng)、電源結(jié)構(gòu)效應(yīng)、工業(yè)電耗強(qiáng)度效應(yīng)的抑制效果較好，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的效果較弱，需進(jìn)一步加快產(chǎn)業(yè)升級(jí)步伐，完成產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化改造；區(qū)域4 工業(yè)電耗強(qiáng)度效應(yīng)對(duì)電力行業(yè)碳排放的抑制效果較好，電源結(jié)構(gòu)效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的抑制效果均較差，尤其是湖北，應(yīng)從降低火電占比和提高產(chǎn)業(yè)優(yōu)化兩方面加強(qiáng)電力碳排放的抑制效果；區(qū)域5 工業(yè)電耗強(qiáng)度效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)電力行業(yè)碳排放的抑制效果較好，火電燃料轉(zhuǎn)化效應(yīng)與電源結(jié)構(gòu)效應(yīng)的抑制效果略差于全國平均水平，可從提高火力發(fā)電設(shè)備轉(zhuǎn)化效率和降低火電占比兩個(gè)方面進(jìn)一步推進(jìn)其對(duì)電力碳排放的抑制作用；區(qū)域6 火電燃料效應(yīng)、電源結(jié)構(gòu)效應(yīng)、工業(yè)電耗強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的抑制效果均未達(dá)到全國平均水平，應(yīng)是今后電力減排工作重心，且該區(qū)域應(yīng)著重提高工業(yè)用電效率，及時(shí)對(duì)工業(yè)用電設(shè)備進(jìn)行升級(jí)，加快老舊設(shè)備的淘汰。