动力学视角下电力行业碳减排反馈机制研究

喻小宝, 郑丹丹

(上海电力大学 经济与管理学院, 上海 200090)

气候变化是21世纪全球面临的最严重问题之一,来源于化石能源燃烧排放的CO2气体是引起全球温室效应的主要因素。中国电力行业中火电比例超过70%,火力发电所排放的CO2总量占中国CO2排放总量的50%以上。随着环保成本的日益增大,单纯依靠行政管制的环境污染治理方式缺乏可持续性[1]。以CO2为主的温室气体减排涵盖范围较广,需要密切的国际合作,而市场机制能够更有效地解决环境问题。

在采用市场机制来有效控制CO2排放量的研究中,国内外学者均取得了一些有价值的研究成果。其中,排放权交易是促进碳减排的一项有效措施。排放权交易理论来源于“庇古税”。福利经济学家PIGOU A C[2]主张对排放企业进行惩罚性收费或奖励来控制污染、保护环境,以更有效地配置稀缺的环境资源。CROKER T D[3]在空气污染控制领域的开拓性研究,进一步推动了排放权交易的理论发展。碳排放初始分配机制是实行排放权交易的一个重要机制。HAHN R W[4]指出,在不完全竞争环境下,排放权的初始分配会对交易效率产生影响。文献[5-6]研究表明,初始分配方式将影响企业财务负担及其竞争力,而影响竞争力的关键因素包括能源密集度、减排技术以及市场需求弹性等。

国内对于碳减排机制的研究略晚于国外。从国内碳市场及经济现状来看,当前适宜采取以免费发放为主、有偿分配为辅的配置方式[7-8]。文献[9]构造了一个两阶段动态博弈模型,以两个代表性钢铁企业为研究对象,来考察在完成一定减排目标前提下,政府设置统一碳税和差异化碳税对减排成本、社会经济福利、企业竞争力等的影响。文献[10]开发了一种国际合作碳减排机制模型,能处理完全竞争以及前苏联与东欧、中国、印度等垄断的碳市场结构。

本文在这些研究成果的基础上,提出了一套适用于国内电力行业碳排放现状的反馈机制,通过碳排放市场对电力市场的反馈,抑制电力行业的碳排放量增长,从而有效地控制碳排放量。以系统动力学为平台,构建了电力行业碳减排潜力模型,并根据不同情景设置相关参数,对发电结构、碳排放强度、技术进步进行敏感性分析,最后根据运行结果来验证本文所提反馈机制的可行性和有效性。

1 碳市场对电力市场反馈结构分析

电力行业是碳排放总量占比较大的产业之一,如何有效控制电力行业的碳排放量是未来一段时间内的研究重点。探索电力行业碳减排潜力与实现路径是我国发展低碳经济的关键环节[11-14]。考虑到碳市场与电力市场的密切关系,本文构建了一种碳市场对电力市场的反馈结构,通过对碳市场的一些重要因素的控制反过来影响电力市场的碳排放。反馈结构主要由两个反馈回路构成。

回路1 火电发电量的增长,增加发电煤耗和污染排放,减少了发电商参与减排交易的机会和收入,从而提高了碳排放交易成本,相对减少火电发电比例,进而减少火电发电量,构成碳排放交易环节的负反馈回路。

回路2 电力消费量的增长,导致火电厂发电量的增加,进而增加了电力行业的碳排放量,从而加大了全产业的碳排放量。在GDP增速不变的条件下,碳排放强度相对增加,引起电力消费增速放缓,进而减少电力消费量,构成碳排放强度控制环节的负反馈回路。

系统基本变量因果回路如图1所示。

图1 系统基本变量因果回路示意

2 电力行业碳减排潜力系统动力学模型

根据系统的结构和系统动力学的建模原理,利用VENSIM软件绘制电力行业碳减排潜力分析模型[15-16]。该模型包括发电子系统和碳排放子系统两个模块:发电子系统分为电力需求模块和发电结构模块;碳排放子系统分为碳排放交易模块和碳排放强度控制模块。具体如图2所示。

模型语言采用DYNAMO语言,方程中L表示状态变量,R表示速率变量,A表示辅助变量,DT表示时刻J与时刻K之间的时间步长。

图2 电力行业碳减排系统动力学模型

2.1 电力需求模块

电力需求模块的系统动力学模型见图2右下角部分。电力需求量受社会经济水平影响,是决定发电量、继而影响发电煤耗量和排放量的主要因素。该模块在分产业累计GDP的基础上计算电力需求量,同时考虑到用户电量对电价变化的敏感性,引入电量电价弹性系数对因电价变化带来的电力需求量的变化进行计算。其公式表达如下。

式中:TP——人口总量;

J——J时间节点;

K——K时间节点;

D——J时间节点到K时间节点的时间段;

PB,PD——人口增加值和减少值;

ξB,ξD——出生率和死亡率;

VGDP——国内生产总值;

ΔVGDP——国内生产总值的增加值;

α——GDP增速;

PGDP——人均GDP;

β——电力消费增速;

β1,β2,β3——人均GDP、GDP增速和电力需求弹性的拟合参数;

χ——电力需求弹性系数;

ε——拟合函数的误差系数;

ΔCE——电力消费增加值;

CE——电力消费量。

2.2 发电结构模块

发电结构模块的系统动力学模型见图2右上角部分。本文主要研究的是电力行业碳减排潜力,仅研究火电发电部分。在发电结构模块中引入发电结构影响因子,来表示期望的火电比例;对于火电发电能源结构,则采用火电能源结构影响因子表示各燃料比例。

式中:PE——火电发电量;

φ——火电发电比例;

δC,δO,δG——煤炭、石油和天然气的消费占比;

η——发电结构影响因子;

κ1,κ2,κ3——3种能源的比例参数;

TC,TO,TG——煤炭、石油和天然气的消耗量;

oφ——火电发电比例的目标值;

ρEP——电力行业实际碳排放量与目标值的差;

γ——延迟系数;

DELAY(f,t)——系统动力学的延迟函数,其中,f表示延迟值,t表示延迟时间。

式(17)考虑到火电发电实际比例制定的滞后性,在发电结构模型中设置了一个延迟环节,延迟时间为J和K时间节点的时间间隔。

2.3 碳排放交易模块

碳排放交易模块的系统动力学模型见图2左上角部分。主要研究碳排放总量对碳排放交易市场的影响,包括对碳排放初始配额、交易额度、交易价格的影响。其公式表达如下

EC,K=TC,KμC+TO,KμO+TG,KμG

(18)

ΔEC,K=EC,K-EC,J

(19)

ΔIC,K=DELAY(ΔEC,J+ΔEU,J,DT)

(20)

IC,K=INTEG(ΔIC,K,IC,J)

(21)

式中:EC——电力行业碳排放量;

μC,μO,μG——3种能源的碳排放系数;

ΔEC——电力行业碳排放增加值;

ΔIC——工业碳排放增加值;

ΔEU——其他行业碳排放增加值;

IC——工业碳排放总量。

在统计碳排放增加量的时候,由于存在统计时间上的延迟,故增加一个延迟环节,延迟时间为J和K时间节点的时间间隔。其他产业碳排放增加量根据历史值进行预测。

为了更好地研究碳排放量对碳排放交易市场的影响,本文设定一个碳排放目标值,并根据碳排放实际值与目标值的偏差率来计算碳排放初始配额加权系数、碳排放交易额度加权系数和碳排放交易价格加权系数。

ρEP,K=DELAY(IC,K-OIC,J,DT)

(22)

(23)

(24)

(25)

式中:OIC——碳排放量的目标值;

σ1,σ2,σ3——3种加权系数的修正参数。

需要注意的是,这里的加权系数特指电力行业可分配的初始配额、电力行业的可交易额度和电力行业交易价格的加权系数。

(26)

(27)

(28)

CEC,K=(EC,K-EQC,K)EPC,K

(29)

OEC,K=EC,K×

(30)

ρEC,K=EC,K-OEC,K

(31)

式中:EQC——碳排放初始配额;

ETRC——碳排放交易额度;

EPC——碳排放交易价格;

CEC——电力行业碳排放交易成本;

OEC——电力行业碳排放量与目标值的差。

IF THEN ELSE(a,b,c)是系统动力学中的条件函数,其中,a表示条件,b和c分别表示条件成立和不成立时的变量取值。式(30)表示:当交易成本变动比率不大于5%时,则电力行业碳排放量会增加,这里设定系数为1.05;如果二者之比大于1%,电力行业碳排放量会减少,设定系数为0.95。这是因为当碳排放交易成本变动很小时,电力行业不会考虑碳交易的成本,而当变动比率大于5%时,电力行业才会考虑降低碳交易成本,从而减少碳排放,即减少火电发电量。

2.4 碳排放强度控制模块

碳排放强度控制模块的系统动力学模型见图2中间部分,主要研究碳排放强度受碳排放量的影响,进而影响电力需求增速。这里采用碳排放强度的目标值来表示所期望的碳排放强度,通过比较碳排放强度的实际值和目标值之差来分析电力需求增速的变化。其公式表达如下

式中:eC——碳排放强度;

ξ——碳排放强度与目标值的偏差率;

OeC——碳排放强度目标值。

这里的电力消费增速变动是在J时刻根据人均GDP、GDP增速和电力需求弹性所求的电力消费增速的基础上进行修正的。当碳排放强度与目标值的差小于零,则不变动电力消费增速;如果大于零,则在之前的基础上加一个权重,这里设定为0.95。

3 模拟运行

3.1 参数及主要函数说明

本模型以我国2010年经济和电力行业真实数据为基准(数据来源:http://www.stats.gov.cn/),研究2015～2050年我国电力行业碳减排效果及系统中的关键影响因素。其中,对电力消费增速预测主要考虑人均GDP、GDP 增长速度和电力需求弹性3个因素。表1显示的是2003～2011年中国GDP增速(X1)、人均GDP(X2)、电力需求弹性(X3)和电力消费增速(Y)的统计数据。

表1 2003～2011年部分指标统计

依据数据和预测模型,未来中国电力消费增速可以表示为

(35)

由表1可知,电力消费增速与人均GDP、电力需求弹性和GDP增速之间存在着显著且稳定的正相关关系。

为了通过碳市场有效反馈电力市场,本模型在制定电力行业碳排放初始配额加权系数、交易额度加权系数、碳排放交易价格加权系数时,考虑到碳排放实际值与目标值偏差率的影响,通过调节各指标系数来控制电力行业的碳排放目标值,进而控制电力行业的火电比例,以控制电力行业碳排放量的增长。

(36)

然后,在降低碳排放总量的目标下制定一个碳排放目标值,结合实际的碳排放量进行对比,根据偏差率对电力行业碳排放初始配额加权系数进行调整,具体为

(37)

式中:ρEC——工业实际碳排放量与目标值的差。

(38)

然后,在降低碳排放总量的目标下制定一个碳排放目标值,结合实际的碳排放量进行对比,根据偏差率对电力行业碳排放交易额度加权系数进行调整,具体为

(39)

(40)

式中:ζ——火电单位发电成本。

然后,在降低碳排放总量的目标下制定一个碳排放目标值,结合实际的碳排放量进行对比,根据偏差率对电力行业碳排放交易价格加权系数进行调整,具体为

(41)

为了分析电力行业碳减排关键因素对碳减排效果的影响程度,对发电结构影响因子、碳排放强度目标值影响因子和技术进步影响因子进行多情景分析,设置不同参数值,探究不同情景下的系统运行状况。具体参数设计如表2所示。

表2 多情景参数设计

表2中:发电结构影响因子通过影响火电发电比率来对整个系统进行调整,从而改变电力行业碳排放量和碳排放强度;碳排放强度目标值影响因子通过影响碳排放目标值来对整个系统进行调整,从而影响电力行业的碳排放状况;技术进步影响因子通过降低煤耗率等参数来对系统进行调整,从而影响电力行业的碳排放量。

3.2 基准条件下电力行业碳减排效果预测

基于本文构建的仿真系统,输入基准情景下的参数和2010年的相关数据,运行系统后,得到相关因素的运行结果如表3所示。

表3 基准情景下部分参数运行结果

基准情景下的主要参数走势如图3所示。

图3(a)显示的是火电厂发电比例历年走势情况。从图3(a)可以看出,在反馈机制的制约下,火电厂发电比例逐年下降,但下降速度放缓,说明火电厂发电比例达到一个稳定值,反馈系统区域平衡,表明反馈机制起到了降低火电厂发电比例的作用。

图3(b)显示的是碳排放强度历年走势情况,碳排放强度目标值的设置有助于降低碳排放强度。从图3(b)可以看出,碳排放强度呈先增后降的趋势,说明构建的反馈机制存在一个不稳定期,在反馈机制进入稳定阶段后,碳排放强度逐年下降,表明反馈机制对碳排放量的控制作用具有滞后性。

图3(c)显示的是电力消费增速历年走势情况。从图3(c)可以看出,电力消费增速同样经历了先增后降的过程。增长阶段是由于GDP的增长导致电力消费需求增长较快,但由于反馈机制中碳排放强度对电力消费增速的抑制,考虑到反馈机制的滞后性,导致后期电力消费增速下降。

图3(d)显示的电力行业碳排放量历年走势情况。从图3(d)可以看出,即使在反馈机制的制约下,电力行业碳排放量依旧逐年增长,这与电力消费需求量的增长有关。

图3(e)显示的是电力行业碳排放比重的历年走势情况。电力行业碳排放比重经历了先降后涨的过程。火电比例的反馈机制导致煤炭消费增速放缓,其他行业煤炭消费增速不变,从而使得电力行业碳排放比重下降,但由于电能的清洁性,电能替代的作用逐渐显现,其他行业煤炭消费增速下降,相对而言,电力行业碳排放比重逐年增长。

图3 基准情景下主要参数走势情况

3.3 电力行业碳减排关键因素分析

为了研究电力行业碳减排的关键因素,本文对发电结构影响因子、碳排放强度影响因子、技术进步影响因子进行敏感性分析,并根据分析结果得出相关结论。

3.3.1 发电结构影响因子

根据表3的参数设置,对基准情景、情景1～情景4这5种情景下设置不同的发电结构影响因子、运行系统,得到相关数据结果如图4所示。

图4(a)显示的是不同参数设置下火电厂发电比例的走势。随着对发电结构的调整,尤其是对火电的反馈控制,火电厂发电比例呈现下降趋势,2050年情景4下的火电厂发电比例为46.6%,低于基准情景下的61.4%,下降幅度达到24%,表明对火电的控制效果明显,进而可以有效抑制火力发电的碳排放量增长趋势。

图4(b)显示的是电力消费增速在不同参数设置下的走势。调整发电结构对电力消费增速影响较小,2050年情景4下的电力消费增速为6.38%,而基准情景下为6.43%,变动幅度很小,说明发电结构影响因子对电力消费增速影响可以忽略不计。

图4(c)显示的是电力行业碳排放量走势,图4(d)显示的是电力行业碳排放比重走势。发电结构影响因子的调整对于电力行业碳排放量和排放比重存在一定影响,2050年情景4下的电力行业碳排放量为1.816 448×1010t,低于基准情景下的2.436 133×1010t,下降幅度达到25%;而2050年情景4下的电力行业碳排放比重较基准情景下下降了16.8%。这表明通过调整发电结构影响因子,可以起到降低电力碳排放量的效果,并且效果明显。

图4 发电结构因子变动下各主要参数走势情况

3.3.2 碳排放强度影响因子

根据表3的参数设置,对基准情景、情景5～情景8这5种情景下设置不同的碳排放强度影响因子,得到的结果如图5所示。

图5(a)显示的是电力行业碳排放量在不同情景下的走势。2050年情景8下的电力行业碳排放量较基准情景下增长了60%,说明通过调整碳排放强度影响因子,不仅起不到降低碳排放量的作用,反而会激增电力行业的碳排放量。这是由于降低碳排放强度目标值,导致偏差率提高,从而影响电力消费增速,进而引起电力需求量增长,从而出现电力行业的碳排放量增长的现象。

图5(b)显示的是电力行业碳排放比重在不同情景下的走势。情景8下的比重明显高于基准情景,原因与电力行业碳排放量的变动情况相同。

图5(c)显示的是碳排放强度在不同情景下的走势。碳排放强度影响因子的调整对碳排放强度的影响不明显。

图5(d)显示的是电力消费增速在不同情景下的走势。电力消费增速变动幅度很大,2050年情景8下的电力消费增速为7.9%,基本情景下为6.4%,增长幅度为23%,说明调整碳排放强度影响因子会导致电力消费需求量的增长,导致电力消费增速的提升,进而导致电力行业的碳排放量出现增长的状况。

3.3.3 技术进步影响因子

根据表3的参数设置,对基准情景、情景9～情景12这5种情景下设置不同的技术进步影响因子,得到的数据结果如图6所示。这里需要注意的是,技术进步因子的设置以2025年为起点。

由图6可知,技术进步通过影响煤耗率等因素,降低了电力行业的碳排放量,2050年情景12下的电力行业碳排放量较基准情景下降低了41%,碳减排效果十分明显;技术进步对降低电力行业碳排放比重的效果也很明显,下降幅度高达30%,技术进步影响因子的调整对降低碳排放强度的效果一般,降低幅度只有2%;同样,对电力消费增速影响也很小,变动幅度不足1%。因此,技术进步影响因子的调整在对电力消费增速不构成影响的情况下,能够很好地抑制电力行业碳排放量的增长。

图5 碳排放强度影响因子变动下各主要参数走势情况

图6 技术进步影响因子变动下主要参数走势情况

3.4 减排效果分析

通过对电力行业碳减排关键因素的敏感性分析可知,发电结构、碳排放强度和技术进步3个关键因素中,技术进步调整的碳减排效果最为明显,发电结构调整的碳减排效果其次,碳排放强度调整的碳减排效果最差,甚至会增加碳排量。3种减排因素的减排效果如图7所示。

由图7可以看出,在不同参数设置下,3种减排因素的减排效果不同。其中:技术进步的减排效果最佳,最高可达到60%;发电结构调整的减排效果其次,最高可达到32%;碳排放强度调整的减排效果最差,最高可增加碳排放量41%。

图7 减排因素敏感性结果走势

4 结 论

通过构建电力行业碳减排潜力分析模型,探讨碳市场对电力市场反馈机制的有效性,并对相关的碳减排关键因素进行了敏感性分析,得出如下结论。

(1) 通过运行基准情景下的系统,表明本文构建的反馈机制在抑制电力行业碳排放量增加方面起到了一定的作用,而且本文构建的碳排放反馈机制存在滞后性,从长期的碳排放情况可以看出对电力行业的碳减排效果明显。

(2) 对发电结构、碳排放强度、技术进步3个影响因子进行了敏感性分析,结果表明:在本文构建的碳减排反馈机制的基础上,调整发电结构可以较好地起到降低碳排放量的效果,最佳情况下可以降低32%的电力行业碳排放量;降低碳排放强度影响因子并不能起到降低碳排放量,相反由于电力消费增速的提高,会导致碳排放量的增长;提高技术进步水平可以很好地实现碳减排的目标,最佳情况下可以降低60%的电力行业碳排放量。