中国电力碳排放动态特征及影响因素研究

电力碳排放占中国碳排放总量比重较大,因此研究电力碳排放的影响因素并制定针对性减排政策对中国节能减排有重要意义。基于我国1991-2012年电力相关数据,分析了电力碳排放的动态特征,发现电力消费及其碳排放与GDP同步变化,中国电力生产的能源转换效率在提高,电力碳排放主要来源于煤炭的使用;运用对数平均迪氏指数分解方法,不仅考虑电力生产过程,而且考虑电力输配环节和电力终端消费活动对碳排放的影响,从而把中国电力碳排放增长分解为排放因子、能源结构、电力结构、转换效率、输配损耗、经济规模、人口规模、产业结构、电力强度、生活消费等10个影响因素。分解结果表明,经济规模是促使电力碳排放增长的最大因素,意味着中国电力碳排放与经济社会发展密切相关;以工业为主的产业结构使得电力消费增加,驱动了电力碳排放增长;生活消费也是电力碳排放增加的重要影响因素;人口规模、输配损耗、能源结构、电力结构、排放因子等因素也是正向效应,但影响程度较小;产业部门电力强度下降和能源转换效率提高是抑制电力碳排放增长的最重要因素;电力结构也抑制了电力碳排放增长,但影响程度较小。基于以上结论,中国需要从电力生产、输配、消费等环节入手控制电力碳排放。     

天津市工业部门碳排放强度研究:基于LMDI-Attribution分析方法

引入对数平均迪式分解模型及其归因分析(LMDI-Attribution)方法,从细分行业角度对2000-2012年天津市工业部门的碳排放强度变化进行研究,首先对碳排放强度作产业结构、能源强度和排放因子三因素LMDI乘法分解,其后,基于三个分解因素在2000-2006年和2006-2012年两个时间段对碳排放强度下降的影响效应,对其作归因分析,量化36个细分行业对分解因素影响效应的贡献。得到以下主要结论:天津市工业部门的碳排放强度从2000-2012年累计下降了66.87%,产业结构和能源强度是其下降的主导因素,累计影响值分别为-44.53%和-47.39%,排放因子对其下降起抑制作用,累计影响值为15.39%;产业结构对碳排放强度的影响主要依赖于高耗能行业产值占比的变化,化工行业和黑色金属行业产值的占比越高,产业结构的减排效应越差,因此在调整产业结构时,应大力发展服务业和高新技术产业,严格控制高耗能行业发展;黑色金属行业和非金属矿物制品业是能源强度效应变化的主导行业,由于技术进步和能源效率的提高,黑色金属行业的负值贡献在2006-2012年相对前七年增大了2.56倍,非金属矿物制品业从最大的正值贡献行业转为第二大负值贡献行业,使得2006-2012年能源强度对碳排放强度的拉低影响相对前七年增大了近1倍;排放因子对碳排放强度下降的抑制作用在2006年之后呈现减弱的趋势,主要是因为"十一五"期间化工行业能源结构优化与能源再利用体系的建立,有效抑制了排放因子对碳排放强度的拉升作用。综上可见,黑色金属行业、化工行业和非金属矿物制品业是天津市碳排放强度分解因素变化的主要贡献行业,以这些高耗能行业为主要研究对象,根据行业特点及其所处的发展阶段,严格控制其粗放型发展、鼓励新技术研发、循环利用资源及优化用能结构等措施,针对性的制定节能减排办法,才能在保持经济快速发展的同时做到碳排放强度的降低。     

武汉市能源消费碳排放因素分解与低碳发展研究

本文以2010—2015年武汉市三次产业和居民生活能耗碳排放数据为基础,运用LMDI模型从人口规模、经济水平、三次产业结构、能耗强度、能源结构、碳排放系数六个方面对武汉市能源消费的碳排放进行因素分解。分解结果表明,人口扩张和经济增长是促进武汉市碳排放增长的主要因素,贡献率为38.7%和198.52%;能耗强度降低、能源结构优化和能源碳排放系数变化是抑制武汉市碳排放增长的主要因素,贡献率为-99.14%、-24.22%和-14.13%。经分析发现,人口扩张和经济增长在未来一段时间内将继续成为促进武汉市碳排放增长的最大贡献点;产业结构调整在经过2012-2013年间出现的碳排放效应促进-抑制转折点后将逐步成为抑制武汉市碳排放增长的重要影响因素;在继续保持第二产业能耗强度下降的同时,加大对第三产业能耗强度控制力度是武汉市现阶段碳排放控制工作的重点方向。     

中国不可再生能源消耗压力驱动与强度分解

随着煤炭、石油、天然气等不可再生能源的掠夺式开采的日益严重,中国不可再生能源供需缺口日渐放大,来自于经济增长和消耗强度的冲击使得中国不可再生能源消耗压力逐年增大.在对不可再生能源供需缺口以及消耗构成分析的基础上,运用IPAT方程、LMDI分解法,对中国不可再生能源消耗压力的驱动因素进行实证分析,针对作为主要驱动因素的不可再生能源消耗强度,运用费雪指数分解法进行二次结构、效率效应分解,并就分析结果作出具体剖析.研究结论如下:①中国不可再生能源消耗压力呈现“谷峰交替”型变动趋势,消耗压力的增加主要源于经济因素的驱动,消耗压力的减弱主要源于消耗强度的抑制性驱动作用;②结构效应指数对不可再生能源消耗强度的变动发挥主要影响作用,产业结构的低碳化调整会促进工业部门内部消耗强度的降低,从而达到拉动不可再生能源整体消耗强度降低的目标.     

江苏省碳排放现状及因素分解实证分析

随着我国社会经济的迅速发展,能源消耗和环境问题日益严重,特别是由碳排放的增加带来的温室效应成为国际社会关注的焦点。全球变暖已经触及农业和食品安全、水资源安全和公共卫生安全,对人类的可持续发展带来严峻的挑战。江苏省作为中国的经济大省,面临着越来越严峻的减排压力。为此,本文分析了1997-2007年江苏省碳排放总量、碳排放强度、人均碳排放及其三大产业碳排放变化情况,并对江苏省1996和2007两年六部门终端能源利用碳排放总量进行对比。采用LMDI分解法,建立了江苏省碳排放增量的因素分解模型,定量分析了1996-2007年间经济规模、产业结构、技术进步与能耗结构四个因素对江苏省碳排放增量的影响。研究发现,经济规模效应是正向决定性因素,技术进步效应与能耗结构效应是负向决定性因素,产业结构调整的影响较弱。最后提出了相应的减排政策建议。     

中国碳排放因素分解:基于LMDI分解技术

碳排放是当前全球关注的热点问题,如何评估各种因素在碳排放中的贡献程度对于抓住其中的关键因素,促进碳减排具有重要意义。本文构建了一个基于经济总量、经济结构、能源利用效率、能源消费结构、碳排放系数的碳排放恒等式,运用LMDI分解技术,对中国1995-2007年的碳排放从产业层面和地区层面进行了分解。结果表明:经济规模总量的扩张是中国碳排放继续高速增长的最主要因素,能源利用效率的提高则是抑制碳排放增长最主要的因素,产业结构或者地区结构的变化、传统能源结构的变化对碳排放影响有限,潜力还没有发挥出来。我国碳减排需要进一步的努力:短时间内,在产业内部推进产业内升级,特别是工艺创新和工艺升级等是提高能源利用效率的有效途径;从长远来看,产业结构调整和产业结构升级则是降低二氧化碳排放的可行选择;通过大力发展可再生能源和新能源来优化能源结构才有可能真正达到减排的目的。     

中国CO_2排放影响因素研究

本文基于因素分解法的思路,构建CO2排放和能源消费分解扩展模型,深入挖潜影响我国CO2排放的各项驱动因素。同时,以2000-2009年间的统计数据为样本,从宏观层面探索碳排放总量与能源结构、能耗强度、产业结构、人口规模、经济增长、居民生活水平等重要国民经济发展指标间的驱动关系。结果显示:CO2排放量呈现逐年增长态势,而经济增长与能耗强度是其主要驱动因素;所构建模型对影响CO2排放有关因素的分解与量化效果较好,可为日后监控我国CO2排放水平并制定行之有效的节能减排政策提供决策支持。     

中国碳排放特征及其动态演进分析

人类经济发展史表明,经济发展与环境质量存在着密切的联系。为此,基于EKC模型,采用平均分配余量的分解方法．构建中国碳排放的因素分解模型,定量分析。1990-2005年经济规模、产业结构和碳排放强度对碳排放的贡献。即规模效应、结构效应和技术效应。结果表明：中国碳排放变化效应均值为19．55％。其中。经济规模、产业结构和碳排放强度引起的变化效应分别为15．76％,-0．86％和4．65％。总的看来。经济增长与碳排放之间呈现出“N”型关系,经济规模对碳排放变动具有增量效应。这是推动碳排放增加的主要因素;由于不同产业之间碳排放整异性越来越大,产业结构调整对碳排放具有一定的减量效应。但抑制作用并不明显。产业结构仍有待优化;技术效应波动性较大,总体上具有正的效应,从减少碳排放角度来看。现行技术对降低碳排放并未发挥优势。本研究结果对于理解我国碳排放变化与经济发展之间的内在联系,以及产业发展调整具有一定的意义。     

我国煤炭消费现状与未来煤炭需求预测

在分析1991年以来我国煤炭资源消费量变化以及煤炭消费占能源消费总量比重变化的基础上。指出电力、钢铁、建材和化工是煤炭资源的主要消耗行业，2005年它们消耗的煤炭占我国煤炭消费总量的85％。考虑这四大行业能源消费构成的特点、煤炭需求的主要决定因素、未来能源效率提高潜力及产业结构调整等因素，采用主要耗煤部门法预测2010、2020年我国国内煤炭需求量。考虑未来我国经济增长速度及我国节能目标等相关因素，采用单位产值能耗法。能源弹性系数法预测未来我国能源需求。然后采用相关部门对除煤炭以外的其他一次能源需求的预测，间接求得我国2010、2020年煤炭需求量。比较两种预测方法的结果。最终得出我国煤炭需求量为2010年26．2亿-28．5亿t、2020年30．9亿-34．9亿t．发电用煤仍是拉动煤炭消费增长的主要因素。     

产业结构变动对中国碳排放的影响

采用LMDI分解方法,对中国1996-2009年的碳排放进行分解,定量分析产业结构变动对碳排放变动的影响。在此基础上,依据对未来中国产业结构变动的预测,估算了2020年之前产业结构变动对中国碳减排的贡献。基本情况是,1996-2009年中国碳排放增长464 678万t,其中,经济总量效应531 337万t,产业结构效应49 887万t,能源消费强度效应-223 940万t,能源消费结构效应107 395万t,诸因素对碳排放增长的贡献度分别为114.3%,10.7%,-48.2%和23.1%。产业结构变动驱动了碳排放增长,尽管它不是最主要因素。进一步研究发现,高耗能产业上升或下降1个百分点所对应的CO2排放量增加或减少2.2-2.9亿t。依据对高耗能产业结构变动值的预测,到2020年,产业结构变动效应约为-5亿t,占期间碳排放增量的-15%。这表明,与此前产业结构变动导致碳排放量增加情形相反,未来产业结构变动将有助于减少碳排放。     

气候变化对江苏省城市系统用电量变化趋势的影响

江苏省是长江流域经济发展领先的地区,在其社会经济快速发展、人民生活水平迅速提高和电力供应有限的情况下,气候变化加剧了电力需求的紧张局面。根据江苏省50年来的用电量资料和1985年以来夏季平均温度距平资料,分析了城市系统用电量在随社会经济发展增长的同时,因气候异常特别是因夏季高温波动而引起的居民和城市系统用电量的变化。结果发现,夏季高温异常是居民和城市系统用电量增加的重要气候因子,指出未来气候变暖可能导致电力需求更加严峻的形势。对于现阶段长江流域各地区电力工业和国民经济的可持续发展具有科学意义和参考价值。     

中国2020年碳减排目标下若干关键经济指标研究

《国民经济和社会发展第十二个五年规划纲要》将能源消耗强度和CO2排放强度作为约束性指标。实现2020年单位GDP碳排放强度下降40-45%的自主减排目标是中国今后发展的战略性任务。"十一五"期间,中国以能源消费年均6.6%的增速支撑了国民经济年均11.2%的增长,累计节能量达到6.3亿t标煤,CO2减排量达到14.6亿t,为全球应对气候变化做出了积极贡献。但单位GDP的能耗强度和碳强度下降与温室气体排放总量的上升还将是中国当前和未来很长时期温室气体排放的主要特征。根据历史数据分析,GDP增长、经济结构、产业结构、能源结构等都会对中国的碳减排产生重要影响。GDP增速高必然呈现高能耗、高排放的特征。经济结构方面,影响能耗和碳排放的是GDP(最终需求)的组成变化,即消费、投资和净出口的变化。由于第二产业在国民经济中所占的较大比重以及重化工产业长期存在,除了继续依靠技术进步提高能源使用效率外,必须重视产业结构调整对降低碳排放强度的贡献。能源结构对节能和碳减排的影响集中体现在资源禀赋不平衡、供需分布不平衡、消费种类不平衡。文章提出实现碳减排目标,必须控制和达到以下关键指标:控制GDP增速在6-8%之间;调整出口结构,提升服务贸易比重至30%左右;提高第三产业比例至47%以上,控制高能耗工业比重在22%以下;提高非化石能源比重至15%。此外,实现碳减排目标还必须:充分认识碳减排对转方式、调结构的重要意义;切实加强对不同区域碳减排工作的分类指导;提前部署重大低碳技术和重点领域技术研发;大力倡导绿色低碳消费和生活方式等。研究表明,中国实现2020年CO2自主减排目标还需付出更大的努力。     

基于混合生命周期方法的私人电动汽车温室气体排放研究

近年来,电动汽车因其在行驶过程中无任何尾气排放,被各国政府视为推动交通部门清洁、低碳发展的重要途径,主要发达国家纷纷推出了各自的电动汽车发展战略。但是,由于电力属于二次能源,其上游电力生产阶段的能源消费是否清洁将对电动汽车的减排效果产生重要影响。考虑到目前中国绝大部分电力源于煤炭,电动汽车是否真正有益于减排还有待进一步验证。目前一些专家和学者基于传统的过程生命周期评价方法对电动汽车的能源消费、温室气体排放做了一些研究,但研究结果差异较大。为了对电动汽车的减排效果进行更精确的研究,本文采用混合生命周期方法对电动汽车的能源消费、温室气体排放进行了计算。同时,在考虑电动汽车的燃料生命周期、车辆制造生命周期的基础上,将相关配套充电设施建设生命周期纳入到电动汽车的全生命周期系统边界内,以使对电动汽车全生命周期的研究结果更加完整、精确。研究结果显示,纯电动汽车并非是"零排放"的,在燃料周期,虽然纯电动汽车的单位里程能源消费强度较小,约为传统汽油车的94.6%,但以煤为主的高碳电力结构导致目前纯电动汽车燃料周期的单位里程温室气体排放强度约为传统汽油车的1.12倍;车辆周期内,纯电动汽车的能源消费和温室气体排放量也略高于传统汽油车;此外,配套充电设施的建设也将增加纯电动汽车全生命周期的能源消费和温室气体排放量。综合燃料、车辆及充电设备的全生命周期,在当前的电源结构及技术条件下,电动汽车虽然具有较高的能源效率和较好的石油替代效果,但其全生命周期内的煤炭消费较高,导致其温室气体排放量高于传统汽油车,在当前的情况下大规模发展电动汽车并不利于温室气体减排。     

能源价格变动对中国节能降耗的影响效应

在分析我国能源比价扭曲对能耗强度影响效应的基础上,建立了Bayesian时变动态回归模型,测算了能源价格变动对能耗的影响效果及变动趋势。主要结论为:①能源比价关系的调整比单种能源价格的国际接轨更为重要。相比国际市场的能源比价结构,中国能源商品价格结构的扭曲度提高了中国的能耗强度,促进了第二产业的增长。②能源价格的变动对单位GDP能耗的影响效应具有显著的时变特征。在电力、煤炭、石油三种能源中,电力价格的变动对能耗强度的影响最大。电力价格变化对单位GDP能耗的影响边际效应在逐年下降,但节能的效果仍很显著。煤电价格联动制约及"从量计征"的资源税偏低使得煤炭价格的上涨反而加大了能耗强度,且1996年以来煤炭价格的提高对单位GDP能耗上升的影响效应还在不断加强,原油价格的提高对单位GDP能耗的影响在不同的时间段有不同的作用,但相对煤炭及电力价格来说,石油价格的影响效应最小。2002年以前石油价格的上升对能耗的上升起助推作用,2003年后石油价格的上升对能耗的上升起降低作用且强度逐年加大。     

中国旅游经济增长源泉分解及其时空演化特征

依据数据包络分析法、最佳产出函数以及SDA两极分解法,构建了测算旅游经济增长源泉的非参数分解框架,并以2005~2012年中国30省份的旅游业为研究单元,结合投入与产出指标数据,对旅游经济增长源泉进行分解与测算。研究表明:2005~2012年,全要素生产率对旅游经济增长的贡献正逐步超过资源要素投入,成为推动中国旅游经济增长的主要源泉,相应贡献率从2006年的49.01%上升到2012年的82.18%,其中技术进步是全要素生产率贡献攀升的关键,而技术效率特别是其中的规模效率对旅游经济增长的贡献相对较小,且处于下滑态势,纯技术效率的影响微乎其微,资源要素投入的贡献率则从2006年的50.99%下降到2012年的26.52%;分区域来看,各区域旅游经济增长源泉的变化存在一定差异,使得中部、西部旅游经济增速超越东部,其中中部地区旅游经济增速加快主要受规模效率驱动,而西部地区则主要受纯技术效率驱动,并呈现出2005~2008年资源要素投入驱动与2009~2012年全要素生产率驱动两个阶段;从2006年到2012年中国旅游经济增长方式愈发趋于集约型,越来越多省区旅游业的全要素生产率贡献超过资源要素投入贡献,旅游经济增长更多地依靠全要素生产率驱动。     

我国减缓碳排放的近期形势与远期趋势分析

近3年来我国面临GDP能源强度呈上升趋势，能源消费及相应CO2排放增长对世界减缓碳排放的形势产生了更大影响的新的形势，从长远发展趋势看，我国当前由于工业特别是重化工业在国民经济结构中急剧增加引起的GDP能源强度阶跃性增长将随产业结构的稳定两平缓，并且随产业结构的优化和产业技术升级及高附加值产品比例提高而再度呈持续稳定下降的趋势。我国在现代化道路中与发达国家的历程相比，可以走更为节约能源和减少CO2排放的道路。但由于中国人口众多，和平发展的规模大、速度快，而且时间比发达国家滞后半个世纪以上，我国为实现现代化所必需的能源消费和CO2排放的增长会对全球的碳排放增长产生重大影响。这将使我国未来经济发展面临极为不利的外部环境。     

Decomposition Analysis of Sectoral Energy Use in Beijing （1981-2005） Using the LMDI Method

This paper aims to identify the main driving force for changes of total primary energy consumption in Beijing during the period of 1981-2005. Sectoral energy use was investigated when regional economic structure changed significantly. The changes of total primary energy consumption in Beijing are decomposed into production effects, structural effects and intensity effects using the additive version of the logarithmic mean Divisia index （LMDI） method. Aggregate decomposition analysis showed that the major contributor of total effect was made by the production effect followed by the intensity effect, and the structural effect was relatively insignificant. The total and production effects were all positive. In contrast, the structural effect and intensity effect were all negative. Sectoral decomposition investigation indicated that the most effective way to slow down the growth rate of total primary energy consumption （TPEC） was to reduce the production of the energy-intensive industrial sectors and improving industrial energy intensity. The results show that in this period, Beijing＇s economy has undergone a transformation from an industrial to a service economy. However, the structures of sectoral energy use have not been changed yet, and energy demand should be increasing until the energy-intensive industrial production to be reduced and energy intensity of the region reaches a peak. As sequence energy consumption data of sub-sectors are not available, only the fundamental three sectors are considered： agriculture, industry and service. However, further decomposition into secondary and tertiary sectors is definitely needed for detailed investigations.     

中国电力行业的全周期碳足迹

在碳达峰与碳中和目标下,国家层面与各省份均在积极推动碳减排。电力行业作为我国最大的排放部门成为减排重点之一,然而电力行业存在的隐含碳排放造成实际排放低估,省际间碳转移导致省级碳减排不公平问题突出。因此识别电力行业全周期碳足迹,尤其是不同省份的隐含碳足迹以及省际间的转移碳足迹特征,有助于正确评估电力行业碳排放,科学界定不同省份的碳减排责任并合理分配。通过构建电力行业全周期点-流模型以揭示电力产业链中存在的能源活动,进而明确基于用电侧考虑的2018年全周期碳足迹,并刻画碳隐含度与碳转移依赖度指标来分析电力行业的隐含碳排放与省间转移碳排放。研究表明:(1)我国电力行业全周期碳排放系数为689 g/(kW·h),排放量为4.747×10⁹t,其中北方大部分地区排放系数偏高,山东最高达891 g/(kW·h),南方地区偏低,云南最低仅101 g/(kW·h)。(2)全国电力行业全周期碳隐含度为8.95%,东南沿海贫煤省与煤炭生产高排放省的碳隐含度偏高,贵州最高达14.63%,西北、华北富煤省的碳隐含度偏低,新疆最低仅4.94%;全国隐含碳排放量为4.25×10⁸t,广东隐含碳排放量最高达5.0×10⁷t,青海最低仅1.17×10⁶t。(3)全国电力行业全周期碳转移量为9.26×10⁸t,约占排放总量的19.5%,电力与煤炭自给率越低的省区对外碳转移依赖度越高,其中北京最高达71.24%;内蒙古、山西、陕西、宁夏、安徽、新疆、贵州是主要碳转入省,总转入7.11×10⁸t,其中内蒙古最高达2.64×10⁸t;江苏、浙江、广东、山东、河北、北京、辽宁、河南、上海是主要碳转出省,总转出6.92×108t,其中江苏最高达1.12×10⁸t;全国共有240对省存在碳转移,其中有102对的转移量超过1.0×10⁶t。在研究基础上,提出相应建议推动省级电力行业公平合理低碳发展。     

上海市多环芳烃排放清单构建及排放趋势预测

以美国国家环境保护局(US EPA)优先控制污染物清单中16种多环芳烃(PAHs)为研究对象,仅考虑人为排放源,根据11种主要排放源排放数据和相应排放因子估算上海市PAHs年排放量。结果表明:2012年上海市16种PAHs的排放量约为447.8t,7种致癌性PAHs排放量为60.06t,排放密度为70.6kg/km2。从排放源看,炼焦用煤和民用燃煤是PAHs排放的主要来源,两者占总排放量的56.0%,天然气、炼油排放量次之。从排放谱看,萘(NAP)排放量最大,占总量的30.8%,其次为菲(PHE),致癌性PAHs占排放总量的13.4%。另外,PAHs排放以低环(2~3环)为主,占排放总量的71.1%,其次为4环的Fl、Py、BaA和Chr,高环的D[ah]A排放量最低。利用地区生产总值(GDP)和能源消耗数据拟合公式预测2020年能源消耗量,进而预测得2020年PAHs排放量约为356.57t。