基于系统动力学的上海港节能减排政策仿真

周 鑫, 真 虹, 赵 楠

(1. 上海海事大学 交通运输学院， 上海 201306； 2. 上海国际航运研究中心， 上海 200082)

港口作为水陆交通枢纽，能为船舶停靠、货物装卸提供场所，是交通运输系统中的耗能大户，在节能减排方面具有巨大的潜能和空间。[1]港口发展强调在节能减排约束下的可持续发展，政策导向注重港口经济和资源、环境协调发展，政策手段兼顾行政命令和市场手段，并贯穿到港口生产的各个环节。[2]随着港口节能减排压力的不断增大，节能减排政策运行环境的复杂性、不确定性和无序性不断加剧。[3]如何平衡节能减排与其他社会经济目标，单政策实施力度的改变会带来何种效果，以及如何最大化组合政策的协同效益等问题都值得进一步探讨。

目前，国内外学者对港口节能减排政策的研究以基于历史数据的静态评价为主，例如：刘翠莲等[4]运用层次分析法(Analytic Hierarchy Process, AHHP)-模糊综合评价法建立港口节能减排评价指标体系，CHANG等[5]建立计算排放的评估模型，评估绿色港口政策的有效性；陈敏慧等[6]采用灰色定权聚类模型结合指标序优势权重法,对上海港等港口的节能减排管理水平进行评价分析；WOO等[7]以釜山港为例，从经济和环境的角度分析环境政策对港口的影响。

虽然国内外学者在港口节能减排政策方面已取得一定的理论和应用成果，但在政策干预效果研究方面，定性研究远多于定量研究，政策的系统性和针对性研究有待深入开展。已有的研究缺乏从系统的角度对港口节能减排进行动态演化，既无法得知当前采取的各种节能减排政策的效果是否符合预期，也无法预估各种节能减排政策在不同实施力度下的效果，难以进行动态检验和优化。

由国内外研究现状可知，系统动力学(System Dynamics，SD)尚未应用到港口节能减排政策领域。SD作为研究复杂系统的有效办法，可处理高阶次、非线性和时变的复杂问题[8]，已在国内外诸多领域得到广泛应用。鉴于港口节能减排系统的复杂性和动态性，本文尝试运用SD构建模型，将抽象的宏观系统通过反馈结构和参数方程予以具象化，通过模拟系统在不同策略因素下的动态变化趋势，做出长期、动态、战略性的分析和决策，为今后港口节能减排政策的优化提供参考。

1 港口节能减排路径和政策分析

1.1 港口节能减排路径分析

港口节能减排路径主要包括码头和靠港船舶等2个主体，本文主要研究港口前沿，暂不考虑港口后方的到港车辆和港外集卡。

1.1.1码头节能减排路径

码头的能源消耗和大气污染物通常在码头生产作业过程中产生，从码头装卸工艺流程的角度分析，主要涉及码头前沿装卸机械、堆场装卸机械和水平运输机械等，将这些设备的动力燃料由柴油转换为清洁燃料或改用电力是实现节能减排的关键，措施包括RTG(Rubber Tyre Gantry)“油改电/气”、港区流动机械(拖车、牵引车和集卡)液化天然气(Liquefied Natural Gas, LNG)清洁能源动力改造和港口船舶岸基供电系统(岸电)建设等。

1.1.2靠港船舶节能减排路径

靠港船舶节能减排包括船舶航行和船舶泊岸两个阶段。船舶在航行中，能源消耗和大气污染物排放来自于船舶主机和副机的运行，控制措施除已降低船舶航速以外，最有效的是将船用燃料油换成低硫燃料；船舶在靠岸时会关闭主机，但仍需要电力维持船上设备的运转，此时可选择接通岸电或使用船上的副机发电：若使用岸电，可实现零排放；若使用船舶副机发电，则需将船用燃油转换成低硫油。此外，船舶在靠泊过程中需要拖船辅助，采用LNG动力的拖船可大大减少大气污染物排放。

1.2 上海港节能减排政策分析

上海基于《交通运输节能环保“十三五”发展规划》(简称“规划”)，针对区域内的港口出台了一系列指导性办法和政策，从技术、财政和市场等方面加大港口节能减排工作力度。本文将港口节能减排政策分为技术手段、财政激励、市场机制和运营管理等4类(见表1)。

表1 港口节能减排政策调控因素及选取依据

2 港口节能减排系统动力学模型构建

2.1 模型边界分析和假设

考虑到港口的节能减排路径和国家宏观战略的属性，确立码头、靠港船舶、港口效益、能源和环境等5个子系统，构成港口节能减排系统的边界，并将政策参数作为系统输入值融入整个系统。

在建立模型时，需剔除无关全局的次要影响因素，引入合理的假设条件。主要假设包括：

1) 对港口范围的界定参考《中华人民共和国港口法》对港口的定义，包括供船舶进出、停泊、靠泊的水域和供货物装卸、驳运、储存的陆域，不考虑港口后方物流设施。

2) 对衡量节能减排效果标量的选取，参考“规划”中明确提出的指标，包括港口生产单位吞吐量能耗和CO2、SOx、NOx排放。

2.2 系统因果反馈回路分析

码头-靠港船舶-经济-能源-环境是一个相互作用、相互制约的复杂巨型系统。系统中的政策因素会对各子系统要素之间的关联程度和反馈速率产生一定的影响。根据系统主要变量之间的关联反馈机制，运用系统动力学软件Vensim PLE 7.3.4绘制系统因果回路图，见图1。

2.3 系统流图和参数方程

在系统因果回路图的基础上，进一步区分水平变量、速率变量和辅助变量，构造港口节能减排系统流图(见图2)，并通过参数方程反映系统要素之间的数量关系。

图1 港口节能减排系统因果回路图

注：以某一年的港口吞吐量为基准，“港口货物吞吐量t-1”为往前第一年的港口吞吐量；“港口货物吞吐量t-2”为往前第二年的港口吞吐量；“港口货物吞吐量t-3”为往前第三年的港口吞吐量

主要方程式包括：

1) 港口产值=INTEG(港口吞吐产值增量,初始值)，107元。

2) 港口利润=港口产值-碳交易费用增减-固定资产投入-能源消耗成本-港口环境投资+政府财政补助，107元。

3) 绿色GDP(Gross Domestic Product)=港口产值-能源消耗成本-环境损失成本-碳交易费用增减，107元。

4) 固定资产投入=固定资产投资系数×港口产值×生产科技因数，107元。

5) 环境投资=港口产值×港口环保投资系数+政府财政补助×政府环保投资政策因数，107元。

6) 港口吞吐产值增量=(港口货物吞吐量×21.85+25 394)/1 000,107元。

7) 港口货物吞吐量=船舶进出港艘次×118.4+34 600,104t。

8) 船舶进出港艘次=INTEG (港口通航增量,初始值)，104艘次。

9) 拖船靠作业艘次=船舶进出港艘次×拖船使用系数，104艘次。

10) 靠港船舶能耗=(港口内行进能耗+港口内停泊能耗)×折标准煤系数，吨标准煤。

11) 港口内停泊能耗=港口内停泊时间×船舶停泊单位时间能耗×船舶进出港艘次×(2-采用岸电技术影响因数)，t。

12) 港口内行进能耗=船舶进出港艘次×单艘次船舶能耗×(2-航速管制政策因数)，t。

13) 港口装卸设备能耗=(LNG消耗×折标准煤系数+柴油消耗×折标准煤系数+电力消耗×折标准煤系数)×DELAY1I(生产科技因数,科技投入延迟时间,1)，吨标准煤。

14) LNG/柴油/电力消耗=(集卡单位LNG/柴油/电力消耗×港口集卡工作强度+起重机单位强度LNG/柴油/电力消耗×港口起重机工作强度)×LNG/柴油/电力消耗政策比例，t/a。

15) 拖船能耗=拖船单位能耗×拖船作业艘次数×(2-采用LNG技术影响因数)×折标准煤系数，吨标准煤。

16) CO2/NOx/SOx污染量=INTEG(CO2/NOx/SOx排放量-CO2/NOx/SOx处理量,初始值)，t。

17) CO2/NOx/SOx排放量=船舶CO2/NOx/SOx产量+装卸设备CO2/NOx/SOx产量，t。

18) CO2/NOx/SOx治理环保投资=CO2/NOx/SOx环保投资比例×节能减排专项资金影响因数×环境投资，107元。

19) 碳交易费用增减=(CO2排放量-CO2配额)×单位碳配额收益×碳排放交易价格浮动因数，104元。

20) CO2配额=港口货物吞吐量×历史强度基数(前3 a单位业务量碳排放的加权平均值)×碳排放配额比例，t。

3 仿真实例

3.1 数据来源

以上海港为仿真实例，模型主要数据来源于《中国港口年鉴》《上海统计年鉴》《上海环境年鉴》《上港集团年度报告》《上港集团可持续发展报告》《上海市绿色交通发展年度报告》《交通运输行业发展统计公报》等资料和上海海事局、上海引航站、上海市环境监测中心等官网。基于历史数据,运用算术平均、加权平均、回归拟合、表函数和试模拟定值等方法确定模型参数值。

3.2 模型检验

模型设2012年为起始年，2030年为终止年，仿真步长为1 a。选取2012—2018年作为检验年限，进行系统边界检验、量纲一致性检验、历史性检验和敏感性检验，检验结果验证了模型的有效性和稳定性，表明模型能较为准确地描述现实系统。

3.3 仿真方案

为考察港口节能减排现行政策的成效，并分析改变政策实施力度带来的效果，将港口节能减排政策分为4个维度进行模拟仿真，以观察输出变量的变化趋势。

3.3.1技术手段维度

设定岸电设施覆盖率、RTG“油改电/气”完成率和LNG动力车/船比例为技术手段的政策的调控因素，通过改变相应参数值(见表2)，对政策进行模拟仿真,结果见图3。

表2 技术手段政策调控方案

图3 技术手段政策仿真模拟

港口节能减排的技术手段主要应用于靠港船舶和港口码头两个主体上。由图3可知：技术手段3的仿真曲线明显低于技术手段1，说明在优化能源消耗结构后，节能减排效果显著且能源消耗成本下降，但受能源价格浮动的影响，后期能源成本有所回升。在技术手段中，推广使用岸电设施能极大地降低靠港船舶的能耗，但对能源消耗总量的仿真曲线走势影响不大，因为靠港船舶能耗在整个系统中所占份额较小，且该系统暂不考虑岸电电力上游环节的能耗和排放。

3.3.2财政激励维度

财政激励维度设定节能减排专项资金和政府环保投资为财政激励政策的调控因素，其影响因数初始值均为1，通过改变政策的实施强度(见表3)进行模拟仿真，结果见图4。

表3 财政激励政策调控方案

a) CO2污染量

b) SO2污染量

c) NOx污染量

随着政策实施强度的提升，港口系统CO2、SOx和NOx污染量均有所下降，且随着时间的推移，与现行政策下污染量的差值逐渐拉大，说明强化财政政策可在一定程度上拓展港口节能减排的潜能空间。对比财政激励1和财政激励2可知：增加节能减排专项资金比加大政府环保投资力度的仿真结果曲线斜率更大，即减排效果更好。究其原因，主要是节能减排专项资金对港口节能减排项目更具有直接推动力，一般而言，有针对性的财政政策的激励作用会更有效果。

3.3.3市场机制维度

在碳排放交易市场中，设定碳排放配额和碳排放交易价格为政策调控因素，通过改变相应参数值(见表4)，对市场机制政策进行模拟仿真，结果见图5。

表4 市场机制政策调控方案

由图5可知：碳排放交易政策对港口的碳减排效果明显。在政策方案中，逐渐减少碳排放配额是必然趋势。随着碳排放交易价格的提高，碳排放成本将提高，高成本能促使港口集团自发进行节能减排。由仿真结果可知：当碳交易转亏为盈后，对应的港口利润将有所提高，为获得更高的碳排放收益，港口集团仍会持续推进节能减排工作，实现良性循环；同时，碳排放配额越低，利润增长越快，碳交易价格上浮的影响相对越小。

a) 港口利润

b) 碳交易费用增加

3.3.4运营管理维度

运营管理维度设定航速管制和船舶排放控制区管控为运营管理政策的调控因素，通过改变相应的参数值(见表5)，对运营管理政策进行模拟仿真，结果见图6。

表5 运营管理政策调控方案

由图6可知：在靠港船舶能耗方面，运营管理1的仿真曲线明显低于现行政策，说明对港口水域内的船舶进行航速管制，能有效降低船舶能耗和大气污染物排放，而船舶使用低硫油对船舶能耗的影响甚微，运营管理2与现行政策的仿真曲线基本重合；但在船舶SOx产量方面，运营管理3优于运营管理2，这是因为设立船舶硫排放控制区意味着强制限制区域内船舶的硫排放，能直接降低靠港船舶SOx产量。

3.4 仿真结果对比分析

为比较不同政策维度取得的节能减排效果，以上述4类政策各自组合方案(即技术手段3+市场机制3+运营管理3)的调控因素作为输入变量，以港口利润、能源消耗总量和单位业务量碳排放作为系统的输出指标，进行对比分析，结果见图7。

a) 靠港船舶能耗

b) 船舶SOx产量

a) 港口利润

b) 能源消耗总量

c) 单位业务量碳排放

在设定的参数值下，各项组合政策的仿真结果均优于现行政策，充分说明这4个维度的政策调控均在一定程度上促进了港口节能减排且兼顾港口的经济效益。技术手段对港口减排效率的作用较为明显。但是，考虑研发周期和技术转化的延迟，而财政政策作为激励性政策，约束能力较为有限，因此从长远的角度考虑，市场机制的建立和完善是促进港口节能减排的主要发展趋势，在一定程度上能推动技术手段的有效应用。

4 结束语

本文以港口节能减排系统为研究对象，基于靠港船舶、码头、港口效益、能源和环境等系统要素之间的交互联系建立港口节能减排系统动力学模型，并以上海港为例，考察港口相关节能减排政策的有效性和效力大小。通过仿真对港口节能减排相关政策的改进和强化有方向性地把握，主要得出以下结论：

1) 港口节能减排主要依靠港作机械能源消耗结构的优化。加快起重机“油改电”和港区车辆/拖船“油改气”进程，可有效实现港作机械的降耗减排，并降低港口的能源消耗成本；提高岸电覆盖率、执行港口水域内航速管制和实施排放控制区内的硫排放控制等3项政策虽然对靠港船舶的作用显著，但对整个港口系统的影响甚微。

2) 加大财政政策实施力度有利于扩大港口在中后期的节能减排空间。财政投入增加，不仅会使港口能耗排放有所下降，而且会使其下降速度随着时间的推移而加快，逐渐拉大与现行政策效果的差距。在财政政策中，增加节能减排专项资金投入的激励作用比提高政府环保投资比例更明显，其节能减排效果好。

3) 碳排放交易政策对港口碳减排具有明显的促进作用，其中，减少碳排放配额对港口节能减排的推动力比提高碳交易价格更强。在碳排放交易良性

竞争的机制下，港口碳交易费用能实现转亏为盈，且产生利润会随着碳排放配额的减少而升高。此外，碳排放交易政策对经济和环境的影响会随着市场机制的成熟趋于平稳。

本文的研究也存在一定的不足，受限于目前港口在能源和环境统计方面有欠缺，模型数据存在一定的模糊性，且未能充分考虑不同类型的港口码头之间存在的差别，也没有对靠港船舶的船型和吨位进行分类研究。因此，在参数与变量关系的确定方面存在不准确性和局限性，在今后的研究中，需进一步细化分类，使模型更加准确。