浅析安徽省工业能源消费对二氧化碳排放的影响

马建中，王 琨,2，朱 虹,2，黄 和，胡槐生,2，徐 波,2，温 泉,2，贾 利，朱宇军

(1.中国能源建设集团安徽省电力设计院有限公司，安徽 合肥 230601；2.安徽省能源研究院，安徽 合肥 230601)

0 引言

近几十年来我国经济快速发展，能源消费总量呈逐年增加的趋势，造成了相关环境污染等一系列问题。在第七十五届联合国大会上，习近平总书记也表示中国将在2030年二氧化碳排放达到峰值，这意味着我国在为减缓气候变暖影响的贡献上，加快了“减碳”的快进键。随着我国82个省市开展低碳建设，制定各省市的行业碳排放清单和企业碳排放核查成为当前“减碳”工作的重点。现有研究认为90%的二氧化碳排放来自于工业活动化石燃料的燃烧，工业能源消费是当前温室气体排放的主要来源。

安徽省作为我国中部能源消费大省自2004年以来工业能源消费快速增长。根据安徽省统计年鉴显示，全省能源总消费从2004年的6 209万吨标准煤增加到2018年的13 228万吨，平均增长率约为6%。截止2018年，工业能源消费占比为63%。安徽省《温室气体排放控制方案》提出，2020年安徽省碳排放单位总值需比2015年下降18%。在此背景下，建立适合安徽省地区尺度的工业能源消费与碳排放的关联模型对于制定能源政策和“十四五”规划十分重要。

目前影响碳排放的因素主要研究方法为因素分解和计量经济学方法。本文通过环境库尔茨曲线及因素分解法(Logarithmic Mean Weight Divisia Index，LMDI)对不同产业和经济指标与安徽省工业碳排放强度关联进行了分析。发现碳排放量与人均产值(GDP)、产业结构、能源消费结构及基础研发投入存在较强的关联，且安徽省接近人均二氧化碳排放拐点。本文的研究结果对实现安徽省低碳绿色发展的政策制定具有一定的指导意义。

1 研究方法和数据来源

1.1 环境库兹涅茨曲线

环境库兹涅茨曲线是美国经济学家G.Grossman 和A.Kureger通过研究经济增长和环境污染之间的倒U型的关系提出的函数方法。本文中为环境质量随着经济增长的积累呈现的变化趋势，其表达式如下所示：

污染物=α1+α2GDP +α3GDP2+β

(1)

1.2 因素分解法

根据Grossman和Krueger对污染物排放因素的公式分解，二氧化碳的排放可以分解为规模效应、结构效应和技术效应，如下式(2)表示：

CO2=Y×S×T

(2)

本文沿袭Crossman和Kureger研究思路将经济社会发展对CO2的排放拆分为若干因素且遵循上述模型。

1.3 CO2排放量估算

工业能源消耗造成的二氧化碳排放由两部分组成。一类是化石燃料的燃烧和消耗的逸散过程，本文中统计的为主要化石燃料：煤炭、石油和天然气类。另一方面为热力和电力供应企业消耗隐含的电力生产时二氧化碳排放。公式3可估算出安徽省工业年二氧化碳排放量：

CFEC=∑EFi×CEFi

(3)

式中，CFEC为工业能源消耗的CO2排放量，单位tCO2；EFi为碳排放系数，tCO2/t；CEF为工业能源消费量。根据《省级温室气体清单编制指南》，能源消费的CO2排放系数如表1所示。

表1 主要能源二氧化碳排放系数

1.4 数据来源

本文2004～2018年安徽省工业能源消费及经济社会指标(GDP等)相关数据来源于《安徽统计年鉴》。在核算过程中采用煤炭、原油等13类能源消费。碳排放系数来源于省级温室气体清单编制指南。

2 结果与分析

2.1 安徽省能源消费及CO2排放量分析

通过安徽省2004～2018年能源消费相关数据估算出安徽省历年来工业二氧化碳排放量变化情况，结果如图1所示。安徽省能源消费二氧化碳排放量从2004年的2.26亿吨增加到2018年的5.35亿吨。从图中可以看出，2004至2013年间，安徽省能源消费二氧化碳排放量快速增加，年平均增长率约为10%。这阶段安徽省工业GDP也从2004年的1 736亿元增长到2013年8 928亿元，工业产值占比也从31.3%大幅增长到46.2%。可以得出，安徽省在2004～2013年间的能源消费二氧化碳排放快速增加是由于工业产值的急速增长引起的。

能源消费引起的二氧化碳排放在2013年出现拐点。此后五年内，CO2排放量的平均增长率下降至1%。此阶段，安徽省工业产值占比46.2%下降至38.9%。通过对化石能源种类的贡献分析，煤炭类能源CO2排放贡献从2004年的66.2%增加至2013年的77.8%后又缓慢下降至2018年的77.3%。

图1 安徽省2004～2018年度不同能源消费对二氧化碳排放量的贡献Fig.1 Contribution of different energy consumption to carbon dioxide emission in Anhui Province from 2004 to 2018

图2 2004～2018年度安徽省煤炭类消费对二氧化碳排放的贡献及能源结构碳强度Fig.2 Contribution of coal consumption to carbon dioxide emission and carbon intensity of energy structure in Anhui Province from 2004 to 2018

上述结果过可以得出安徽省CO2排放主要来源于煤炭类能源的消费。如图2所示，能源结构中碳强度(即碳消费量能源占比)与煤炭对CO2排放的贡献的比例走势基本一致，煤炭消费比例上升带动了能源结构碳强度从而导致了CO2的大量排放。

2.2 CO2排放环境库兹涅茨曲线分析

通过环境库兹涅茨曲线进一步分析安徽省碳排放与产业增长之间的关联。环境库兹涅茨曲线描述了人均GDP与二氧化碳排放之间的关联，其模型表达如下所述：

CO2=a+b×GDP+c×GDP2

(4)

CO2=b×GDP+c×GDP2

(5)

式中，GDP为人均GDP，单位为万元，CO2为人均二氧化碳年排放量，单位为吨。根据库兹涅茨模型，上述方程中系数项c<0，此时库兹涅茨曲线形状为倒“U”型，出现人均二氧化碳排放拐点，如图3所示。我省人均CO2排放量拐点(ε)可由式6计算而得：

ε=-b/2c

(6)

图3 安徽省二氧化碳排放库兹涅茨曲线Fig.3 Kuznets curve of carbon dioxide emission in Anhui Province

由式6分别计算出两种模型下的库兹涅茨曲线的拐点为3.25和3.59万元。上述结果表明，当人均产值小于3.6万元，人均CO2排放随着人均收入的增加而增加；当人均产值大于3.6万元时，人均CO2排放会随着人均收入的增加而开始降低。截止2018年我省人均GDP为4.23万元，已处于环境库兹涅茨曲线拐点右侧，未来随着经济的持续发展，人均CO2排放量会进一步走低。这一结果对于认识和了解安徽省碳排放情况十分重要。但是随着近年新冠疫情造成的经济影响及中央对未来几年我国经济将处于低速增长的判断，3.6万元的人均GDP二氧化碳排放拐点需要进一步验证，下文将从多个分解因素来分析安徽省二氧化碳排放趋势与关联。

2.3 研发投入对CO2排放量的影响

图4展示了安徽省2004～2018年碳排放量与碳排放强度的变化趋势。从图中可以看出，安徽省的碳排放量逐年增加从2.26亿吨增加到5.35亿吨，同时碳排放强度持续走低，从2004年的4.76吨CO2/万元降低至2018年的1.78吨CO2/万元。

这一结果表明随着产业的快速发展，单位GDP二氧化碳排放量会逐渐降低，其原因是由于产业经济的发展，工业技术得到提高，在投入相同数量的原材料下，工业经济提升的同时碳排放量有所下降。为了进一步考察这一关联，图5展示了研发投入(R&D)与单位能耗与碳排放强度的负相关性，其表达式如下方程：

图4 安徽省2004～2018年度碳排放量与碳排放强度变化Fig.4 Change of carbon emission and carbon emission intensity in Anhui Province from 2004 to 2018

碳排放强度=-200.6×R&D+6.15

(7)

单位能耗=-66.7×R&D+1.63

(8)

由图可得，R&D投入每增加1亿元单位能耗和CO2排放强度将分别下降66.7吨标准煤/万元和200.6吨CO2/万元。试验研发投入显著影响碳能耗和碳排放强度，因此加大研发投入促进技术升级和产业转型有利于降低碳排放量实现低碳经济。

2.4 CO2排放量因素模型分析

根据本文的上述研究成果，在规模方面考察了人均GDP，将结构因素分解为工业产值占比和能源结构碳强度，而技术要素考察了研发投入(R&D)的关联。因此，本文中关于碳排放强度与规模、结构及结构效应的函数为：

图5 2004～2018年度安徽省研究与试验发展经费支出强度与碳排放强度和单位能耗之间的线性拟合Fig.5 Linear fitting between R&D expenditure intensity,carbon emission intensity and unit energy consumptionin Anhui Province from 2004 to 2018

lnCO2=α0+α1lnYi+α2lnSi+α3lnSt+α4lnTi+ε

(9)

式中，CO2表示二氧化碳排放强度，α0是截距项，ε是随机项，Y是安徽省人均GDP表示规模效应，S是产业结构分别由工业产值占比(Si)和能源结构碳强度(St)，T表示我省R&D投入强度。X变化量的残差范围见图6。

图6 多元线性回归变量(人均GDP、工业产值占比、能源结构碳强度、R&D强度)残差图Fig.6 Residual diagram of multiple linear regression variables(per capita GDP,industrial output value ratio,carbon intensity of energy structure, R&D intensity)

对上述变化量做偏最小二乘回归模型预测法(线性回归预测)。根据表2协整检验结果，本文所选取的变量在1%的显著性水平下通过了面板协整实验，可以选择线性回归进行预测分析。

表2 协整检验结果

图6展示了X变化量的残差范围，可以发现预测范围较好，误差较小。结合偏最小二乘回归模型预测法，得出2019～2022年碳排放强度变化趋势，如表3所示。2019年碳排放强度为0.497 tCO2/万元，比2018年下降14.9%。而到2022年我省二氧化碳排放强度下降至0.283 tCO2/万元，比2018年下降51.5%。安徽省在未来4年中由于加大技术研发投入和改变能源结构碳强度将会有效降低工业能源消费碳排放。虽然总体上碳排放强度降低，但是由于产业经济的发展，GDP会继续增加这使得安徽省在工业碳排放总量控制上依然需要加大碳减排力度，争取实现“十四五”减碳目标。

表3 2019～2022年安徽省碳排放强度预测结果

3 结论

本文按不同工业化石能源种类的消费量计算了安徽省2004～2018年间二氧化碳排放量并分析了其变化趋势。根据本文研究结果可以得出安徽省工业能源消费导致二氧化碳排放量逐年增加，但在2013年出现拐点后增长趋势显著下降。这一现象是安徽省在2013年后煤炭类占能源消费总量比例下降引起，能源结构碳强度是安徽省二氧化碳排放量的主要因素。环境库尔涅茨曲线简单模型分析得出安徽省二氧化碳排放拐点在人均GDP产值3.25～3.59万元之间。碳排放因素分解结果表明，规模效应-人均GDP、结构效应(能源结构碳强度及工业产值占比)和技术效应(R&D投入)是影响安徽省工业碳排放的主要因素。预测结果表明安徽省的碳排放强度在未来4年内会进一步降低。根据以上结论，为实现安徽省的低碳经济发展和实现碳中和远景目标提出如下建议：

(1)产业结构方面，工业能源消费碳排放量与工业产值占比存在紧密的关联，虽然截止2018年，工业产值比重已经降到38.9%，但是依然高于第三产业。因此需要发挥政府主导作用，利用经济结构转型机遇提高科技型制造业和第三产业比例，降低传统高能耗产业比重，从而在总量上控制碳排放。

(2)根据本文研究结果可知，煤炭类消费比例在安徽省能源消费结构中依然过高，2018年能源结构碳强度为56.3%，未来我省在能源结构方面可以通过政策引导，因地制宜提高新能源(如风能、太阳能)比例。尤其是继续加大基础试验投入，改进工艺技术，提高化石能源利用效率，促进低碳经济发展。

(3)环境经济学分析结果表明安徽省经济增长存在碳排放和能源消费的刚性需求，强制化的碳减排工作必然会以阻碍经济发展和城市化进程为代价。因此在保持人均GDP增长的同时，减缓二氧化碳的排放可以通过降低能源强度和煤炭消费比例而实现的。由于安徽省重工业对煤炭的依赖性使得技术改进尤其是提高化石燃料效率应该是未来我省科技发展规划的重要方向。