绿色低碳政策对电力行业低碳转型的影响效应研究

王喜平，任雅丽

（华北电力大学 经济管理系，河北 保定 071003）

0 引言

电力行业作为能源密集型行业，其碳排放量居于各行业之首。电力行业低碳转型是实现可持续发展的内在要求，也是实现“双碳”目标的必然选择。

电力低碳转型的关键在于大力发展可再生能源，优化电源结构。固定电价制度虽促进了可再生能源发电装机容量的快速上升，但由于没有解决可再生能源发展面临的发电、上网与市场消纳三大问题，而导致了严重的弃风弃光现象，使可再生能源发电的发展进程受阻。在此背景下，从政策激励上出台相应措施，以碳交易、绿证交易和碳税为代表的绿色低碳政策应运而生。

碳交易自2013年起在相关省市相继开展试点工作，并于2021 年正式在发电行业率先启动。该政策旨在将碳排放权作为一种商品，通过碳排放权价格影响火电厂商利润空间，进而影响发电机组的相关建设、投资决策。绿证交易继碳交易之后于2017 年试行，被作为可再生能源配额制的补充机制。

可再生能源配额制要求电网公司从发电公司购买的电力中包含一定比例的可再生能源电力；绿证交易则将可再生能源电力电子化；发电公司可以通过购买电子化的可再生能源电力完成配额要求，这可以更好促进可再生能源配额制的发展，实现可再生电力消纳。

近年来，碳税相关政策出台进程加快。碳税根据煤炭和天然气等化石燃料的碳含量或直接排放到空气中的二氧化碳征税。碳税的实施会增加火力发电制造商的生产成本，影响发电厂商的利润空间进而影响其参与绿证交易和碳交易的行为决策，使碳交易和绿证交易的政策效果受到影响。

因此，本文研究碳税政策能否与绿证、碳交易相互配合，实现电源结构优化。这是在引入碳税时对其进行政策设计和优化已实施政策时需要考虑的问题。

目前，学者已对碳交易、碳税和绿证交易这3项绿色低碳政策影响效应开展了大量研究工作。

在碳交易政策影响效应方面。文献[1]基于多期倍分法研究了碳交易的减排效应，发现碳交易能有效减少二氧化碳排放总量和排放强度。文献[2]利用双重差分模型研究发现碳交易具有显著的减排效应，且东部地区的减排效应高于中西部地区。文献[3]首先使用碳排放量与污染指数的交乘项代表减污降碳水平，然后基于双重差分法检验碳交易的减污降碳效应，结果发现碳交易能够有效降低二氧化碳和环境污染物排放。文献[4]基于三重差分模型发现碳交易能够促进企业低碳转型。

在碳税政策影响效应方面。文献[5]基于最优多目标投入产出模型发现征收碳税能够减少碳排放，且税率越高，碳减排效果越好。文献[6]基于CGE（Computable general equilibrium）模型发现碳税能够减少化石能源消费，促进碳减排。文献[7]基于CGE 模型发现对于用能高的部门，碳税政策在短期内具有显著的碳减排效应，要重点通过提高能源效率降低二氧化碳排放量。

在基于可再生能源配额制的绿证交易影响效应方面。文献[8]基于引入配额制后的发电厂商利润最大化模型发现配额比例增加会影响发电厂商边际成本。文献[9]基于算例模拟发现绿证交易市场化能够有效促进可再生电力消纳。文献[10]发现绿证交易可以以较低的社会成本实现可再生能源电力增长。文献[11]发现稳定的绿证价格有利于可再生能源电力发展。

除单一政策影响效应研究之外，还有研究考虑了组合双政策影响效应。文献[12]基于双重差分空间杜宾模型发现碳交易与碳税能够减少碳排放，且碳交易具有正向溢出效应。文献[13]验证了碳交易与绿证交易能够降低碳排放水平。文献[14]通过将碳交易与绿证交易引入发电权交易模型，发现可以提高发电权交易的效率，进而达到节能减排的目标。

综上，现有文献多是针对单一绿色低碳政策或两两绿色低碳政策组合进行建模分析，同时考虑3 种绿色低碳政策影响效果的文献较为缺乏。从方法上看，诸研究工作以建立双重差分模型、CGE模型等方法为主，系统动力学（Systematic dynamic，SD）方法应用较为缺乏。考虑到电力系统是一个复杂系统，同时系统动力学方法基于系统思维和反馈控制理论，有助于捕捉复杂系统的时变行为，在分析具有长期性、周期性和低精度要求特点的社会经济和生物物理系统的动态复杂性方面具有优势，因此，本文通过建立系统动力学模型来研究3 项绿色低碳政策对电源结构的优化效果，以此得到其对电力行业低碳转型的影响。

1 SD 模型设计

1.1 假设条件

为便于理论研究，同时保证SD 模型的合理性，做出如下假设。

假设1：在模型中，厂商的发电方式为火力发电与可再生能源发电。由于在绿证交易中受兑换绿证的可再生能源发电类型限制，本文中可再生能源发电方式只考虑风力发电与太阳能发电。

假设2：在绿证交易中，绿证的供给者为风力发电和太阳能发电厂商，绿证的需求者为火电厂商。

假设3：在绿证市场中，1 kW·h 可再生能源发电量可以兑换一张绿证。将绿证的初始价格定为0.18 元/张，价格上限设置为0.45 元/张，下限为0.01 元/张，兑换的绿证有效期为12 个月。有效期过后绿证失效，可再生能源发电厂商不得在绿证市场上出售失效的绿证。

假设4：在碳交易市场中，将火电厂商划分为购买碳排放权的火电厂商和出售碳排放权的火电厂商。碳交易只在行业内进行，不在行业间进行。将初始碳价设定为50 元/t，价格上限设置为300 元/t，下限为10 元/t。

假设5：碳交易、绿证交易和电力交易之间没有捆绑。即，碳交易市场、绿证市场和电力市场的交易过程是独立的。

假设6：碳税征收方式为对排放到空气中的二氧化碳征税。碳税为常量，在模拟期内不发生改变。

假设7：火力发电机组的施工时间为12 个月，可再生能源发电机组的施工时间为6 个月。

假设8：市场决定电力价格。当电力需求大于电力供给时，电力价格上升；当电力供给大于电力需求时，电力价格下降。电力价格不受政府政策影响。

假设9：无投机行为。所有的市场参与者都是理性经济人。

1.2 因果回路图

本文构建了碳排放权交易（Carbon emission trading，CET）子系统、绿证交易（Tradable green certificate，TGC）子系统、碳税子系统及电力交易子系统。系统内部的因果关系如图1 所示。

图1 系统内部因果回路Fig.1 Causal loop of inner system

图1 中，GDP、单位GDP 碳排放和电力行业占比的乘积决定了碳交易的最大限额，将其定义为电力行业的CET 供给。

CET 供给增加会推动预计销售量提升。CET的需求受火电厂商发电量影响。火电厂商发电量增加会促使CET 需求上升。CET 需求与预计购买量成正比，而预计购买量与预计销售量决定碳交易市场中的CET 超额需求，进而影响CET 价格。CET 价格作为碳交易中卖方的收入，与卖方的收益空间成正比。相反，CET 价格作为买方的支出，与买方的收益空间成反比。卖方和买方的收益空间决定了其对新火电机组的投资意愿。高收益会刺激火电厂商投资新建更多的火电机组。

在绿证交易市场上，可再生能源发电厂商凭借其发电量兑换得到相应数量的绿证，然后在市场上出售这些绿证。若其所兑换的绿证多，则预计销售量会随之增加。作为购买方的火电厂商则需要根据配额要求购买绿证，由配额比例计算出的需要上交的绿证越多，其预计购买量也越高。预计购买量与预计销售量通过超额需求影响TGC价格，使TGC 价格发生变动。TGC 价格增加，则可再生能源发电厂商的收益空间增加，新建可再生能源机组的投资越多，进而导致可再生能源机组总容量和可再生能源发电量增加。

直接对所排放的二氧化碳征税。碳税作为财税政策，将减少火电厂商收益。火电收益的减少会导致未来新建的火电机组数量减少，进而减少火电机组总容量和火电发电量。

在电力市场中，上网电价的制定取决于供需平衡关系。火电和可再生能源发电量决定了电力供给。当电力需求以固定速率增长，供需平衡直接影响电力价格。电价上升将增加发电厂商的收益空间，从而刺激建设更多的发电机组，进而使发电机组总容量和发电量提高。

1.3 存量流量图及方程建立

存量流量图的主要优势在于其可以展现各个因素之间的关系以及相互之间的动态关系，而不局限于具体的数值。

根据图1 所示因果回路图可得到如图2 所示的存量流量图。

图2 系统内存量流量Fig.2 Stock flow of inner system

在绿证交易市场中，TGC 获得量取决于可再生能源发电厂商发电量，两者之间是1:1 的关系。图2 中，供给者TGC 持有量取决于TGC 获得量与TGC 售出量的差值。火电厂商需要上交的TGC取决于电力需求与可再生配额比例的乘积，而需求者TGC 持有量则取决于卖方TGC 售出量与买方上交的TGC 的差值。TGC 售出量取TGC 预计购买量与TGC 预计销售量中的较小值。TGC 预计购买量取决于TGC 价格、需求者TGC 持有量和需要上交的TGC。当需求者持有的TGC 大于需要上交的TGC 时，预计购买量为0；当需求者持有的TGC 小于需要上交的TGC 时，预计购买量与两者的差值成正比，与TGC 价格成反比。TGC预计销售量则与供给者TGC 持有量与TGC 失效量两者的差值和TGC 价格成正比。超额需求是关于预计购买量与预计销售量的条件函数。超额需求引起TGC 价格变化，TGC 价格变化取决于超额需求与TGC 价格的乘积，而价格变化最终反映会到TGC 价格上，且当价格变化过多，超过价格上限或下限时，则将上限或下限定为TGC 价格。

电力市场、碳税与碳交易市场中涉及到的变量的方程设置由于篇幅限制，不再展开论述。

2 实证分析

2.1 参数设定

将2018 年定为该模型的基期，运行的最小单位为1 个月，模拟运行时长为100 个月。模型中的参数参考2022 年的真实值。根据《中国统计年鉴》和中国电力企业联合会数据确定相关的参数值，具体参数值设定如表1 所示。

表1 主要参数及赋值Tab.1 Main parameters and assignments

2.2 准确性检验

由于系统动力学模型是对现实世界的简单描述，故其仿真结果与现实存在一定的误差。若要使所建立的系统动力学模型有效，则仿真模拟的结果与现实值之间的误差不能过大，要控制在一定的范围之内。

本文选取火电机组容量、可再生能源机组容量和GDP 这3 个变量进行准确性检验，测量仿真结果与现实值之间的误差，结果如表2 所示。由表2 可知，3 年之内变量的最大误差为4.32%，平均误差为2.68%，均在SD 方法允许的15%的误差水平下，因此模型对现实世界有较好的拟合效果。

表2 模型准确性检验结果Tab.2 Accuracy test results of model

2.3 实证结果分析

2.3.1 绿证交易市场

图3 示出了TGC 价格在仿真期内的走势。

图3 TGC 价格变化趋势Fig.3 TGC price trends

分析图3 中TGC 价格波动趋势可知：

1）TGC 价格在前59 个月持续上升。在配额比例的要求下，火电厂商对绿证的需求量较大。此时，由于可再生能源发电量较低，因此兑换的绿证数量较少，导致绿证供不应求，所以价格持续上升到最高点0.293 元/张。

2）TGC 价格在第60 个月至第85 个月下降。通过绿证交易，可再生能源发电厂商利润增加，从而促进了可再生能源发电量增长。在之前的59 个月中，可再生能源发电量持续增长，由此得到的绿证供给较大，超过绿证需求，这导致TGC 价格开始下降，并在第85 个月下降到最低点0.173 元/张。

3）TGC 价格在后15 个月价格达到稳态平衡。随着TGC 价格的下降，可再生能源发电厂商的利润水平降低，进而导致可再生能源机组的建设投资减少，可再生能源发电量增长速度降低，因此，TGC 供给增长速度减缓，与以固定增长速度增长的TGC 需求基本持平，TGC 价格基本保持稳定，在0.173 元/张左右微小波动。文献[15]对TGC 价格的仿真结果也表明，在100 个月内TGC价格经历了先上升后下降，之后处于波动平衡状态，从而印证了本文关于TGC 价格波动趋势。

图4 示出了可再生能源发电厂商收益空间与开始建设可再生能源机组容量在100 个月的仿真期内的走势。

由图4 可知，由于可再生能源发电厂商收益空间和TGC 价格具有相关关系，这2 个变量具有相同的波动趋势。可再生能源发电厂商收益空间在前期持续升高，之后下降，最后基本保持均值不变。可再生能源发电厂商获得的收益被用于投资建设新的可再生能源发电机组，可再生收益空间的大小影响新建可再生能源机组数量，两者之间具有相同的变化趋势，因此开始建设可再生能源发电厂在前期持续升高，之后下降，最后基本保持均值不变。

可再生能源机组容量随时间的变化情况如图5所示。从图5 可以看出，开始建设可再生能源的变化反映在可再生能源机组容量增长速度上。除去前6 个月的建设期，可再生能源机组容量在前期增长速度越来越快，之后增速变缓，最后趋于稳定。

图5 可再生能源机组容量变化趋势Fig.5 Trends in capacity changes of renewable energy units

2.3.2 碳交易市场

图6 示出了CET 价格在100 个月的仿真期内的走势。

图6 CET 价格变化趋势Fig.6 CET price trends

从图6 可以看出，CET 价格波动呈U 型。

1）CET 价格在前40 个月呈下降趋势。政策实施初期，通常碳配额较为宽松，碳排放权供给大于需求，CET 价格持续降低，在第40 个月达到最低点39.2 元/t。

2）CET 价格在后60 个月呈上升趋势。随着时间的推移，碳排放权供给逐渐收紧。

对于拥有已建成并投运的火电机组的能源企业，由于火电机组作为固定资产在建设期资金投入量较高，无法直接放弃转而投资可再生能源机组，故只能减少新增火电机组的数量，将部分计划投资于火电机组的资金用于可再生能源机组投资。于是，火电发电量仍有所增加，碳排放权需求仍较高。碳排放权供给小于需求，导致CET 价格持续上升，在图6 仿真期末达到最高值74.25 元/t。

图7 示出了现实中历年CET 价格均值，图中结果验证了本文关于CET 价格的波动趋势。

图7 历年CET 价格变化趋势Fig.7 CET prices trends over the years

CET 价格、TGC 价格与碳税共同作用，影响碳排放权买方和卖方的收益空间。CET 价格作为碳排放权卖方的额外收入与卖方收益空间成正比，作为碳排放权买方的额外支出与买方的收益空间成反比；而碳税和TGC 价格作为两者需要共同承担的成本，与碳排放权买方、卖方的收益空间成反比。在三者的共同作用下，如图8 所示：碳排放权卖方的收益空间在前10 个月增加，在第11 个月到第45 个月持续下降，在之后的55 个月持续上升；碳排放权买方的收益空间在前24 个月增加，在第25 个月到第62 个月持续降低，在第63 个月到第89 个月呈曲线上升，在之后的11 个月呈下降趋势。这两者的收益空间都影响了其各自的投资决策，具体反映在开始建设火电的总体水平上。如图8 所示，开始建设火电呈现先下降后上升的变化趋势。

图8 火电厂商收益空间与开始建设火电变化趋势Fig.8 Trends of thermal power manufacturers’ revenue space and start of building thermal power

开始建设火电的变化反映在火电机组容量的增长速度上，结果如图9 所示。从图9 可以看出，除去前12 个月的建设期，火电机组容量在前期增长速度越来越慢，后期增长速度变快。

图9 火力发电机组容量变化趋势Fig.9 Thermal power unit capacity trends

2.3.3 电力市场

不同类型发电量变化趋势如图10 所示。由图10 可以看出，在碳税、绿证交易和碳交易这3 项政策的作用下，可再生能源发电量和火电发电量都在增加，且可再生能源发电量的增长速度大于火电发电量的增长速度。

图10 不同类型发电量变化趋势Fig.10 The power generation trends of different types

根据可再生能源发电量与火电发电量得到如图11 所示的电源结构变化趋势。由图11 可以看出，可再生能源发电占比不断增加，仿真期初可再生能源发电占比为12.05%，仿真期末可再生能源发电占比为25.06%，即在100 个月的仿真期内可再生能源发电占比增加了13.01%，电源结构得到显著优化。

图11 电源结构变化趋势Fig.11 Power supply structure trends

电力价格变化趋势如图12 所示。由图12 可知，电力价格在仿真期内持续上升。这是因为绿色低碳政策在促进电力行业低碳转型的同时，使火力发电占比减小。虽然绿电占比增加，但无法完全弥补火力发电占比减少的部分，从而导致电力供给无法满足电力需求，电力价格上升。这一发现与文献[16]的结论相同。文献[17]发现社会福利与电力价格成反比：随着电力价格的增加，社会福利减少，即电价过高不利于社会福利最大化。因此，在推动电力行业低碳转型的同时，要采取措施稳定电价，避免电价过度上涨。

图12 电力价格变化趋势Fig.12 Electricity price trends

3 情景分析

为研究碳税、绿证交易、碳交易对电力行业低碳转型的影响，设定以下情景：

1）基准情景（Business as usual,BAU）。该情景下，碳税、可再生能源配额比例初始值及单位碳排放强度降低率皆为上述模型中设定的值。

2）高碳税——情景A。通过将碳税增加25%的方式增加碳税政策的实施强度，另外2 项政策与BAU 保持一致。

3）高绿证交易——情景B。通过将可再生配额比例初始值增加25%的方式增加绿证交易的实施强度，另外2 项政策与BAU 保持一致。

4）高碳交易——情景C。通过将单位碳排放强度降低率增加25%的方式增强碳交易的实施强度，另外2 项政策与BAU 保持一致。

5）高碳税和高绿证交易组合——情景D。通过将碳税和可再生能源配额比例初始值增加25%的方式增强碳税政策和绿证交易的实施强度，另外1 项政策与BAU 保持一致。

6）高碳税和高碳交易组合——情景E。通过将碳税和单位碳排放强度降低率增加25%的方式增强碳税政策和碳交易的实施强度，另外1 项政策与BAU 保持一致。

7）高碳交易和高绿证交易组合——情景F。通过将可再生配额比例初始值和单位碳排放强度降低率增加25%的方式增强绿色证书交易和碳交易的实施强度，另外1 项政策与BAU 保持一致。

参数的具体设定如表3 所示。

表3 政策参数设置Tab.3 Policy parameter settings

3.1 单一政策情景分析

图13 展示了TGC 价格在单一政策情景下的变化情况。从图中可以看出，情景B 的TGC 价格最高，这是因为情景B 增加了可再生能源配额比例，火电厂商对绿证的需求增加，进而导致TGC价格增加。情景A的TGC价格相较基准情景降低，这是因为碳税政策通过促进可再生能源发电量的增加，使绿证供给增加，TGC 价格降低。情景C的TGC 价格与基准情景基本相同，表明碳交易不会对TGC 价格产生影响。

图13 单一政策情景下的TGC 价格变化趋势Fig.13 TGC prices trends under single policy scenario

图14 示出了CET 价格在单一政策情景下的变化情况。图中，情景C 的CET 价格最高，这是因为情景C 通过增加单位碳排放降低率减少了单位GDP 的碳排放，进而减少了CET 供给，CET价格增加。情景A 与情景B 相对于基准情景CET价格降低，这是因为情景A 与情景B 在促进可再生能源发电的同时，抑制了火力发电，使CET 需求减少，进而导致CET 价格降低。

图14 单一政策情景下的CET 价格变化趋势Fig.14 CET prices trends under single policy scenario

图15示出了电力价格在单一政策情景下的变化情况。图中，情景A 与情景C 的电力价格与基准情景基本相同。情景B 的电力价格相对于基准情景减少，这是因为情景B 通过增加可再生配额比例使TGC 价格增加。TGC 价格增加会增加可再生能源中发电厂商的收入和火电厂商的成本，发电厂商会加大对可再生能源机组的投资，减少对火电机组的投资。可再生能源发电的增加值大于火力发电的减少值，电力供给增加，从而导致电力价格降低。

图15 单一政策情景下的电力价格变化趋势Fig.15 Electricity prices trends under single policy scenario

根据火电发电量和可再生能源发电量仿真结果得到电源结构在单一政策情景下的变化情况，如图16 所示。

图16 单一政策情景下的电源结构变化趋势Fig.16 Power supply structure trends under single policy scenario

由图16 可以看出，情景A 和情景B 的可再生能源发电占比相较于基准情景明显增加，且情景B 的可再生能源发电占比大于情景A，情景C的可再生能源发电占比相较基准情景增加并不明显。这说明增强碳税与绿证交易实施强度会促进电源结构优化，且绿证交易比碳税政策的优化效果更好，而增强碳交易实施强度对电源结构优化效果较弱。增强碳税政策实施强度即增加碳税，会增加火电厂商的生产成本，进而减少火电厂商的利润；而火电厂商会根据利润的变化减少对火电机组的投资，并转向可再生能源机组投资，于是可再生能源发电占比增加，电源结构得到优化。增强绿证交易实施强度即增加初始可再生配额比例，由图13 可知会使TGC 价格增加。绿证交易作为可再生能源发电厂商的收入部分，TGC 价格增加会导致可再生能源发电厂商利润增加，进而可再生能源发电厂商会增加对可再生能源机组的投资；绿证交易作为火电厂商的成本部分，TGC价格增加会导致火电厂商利润减少，进而导致火电厂商减少对火电机组的投资。在对绿电厂商和火电厂商的双重作用下，电源结构得到显著的优化，超过增加碳税达到的政策效果。增强碳交易实施强度会使CET 价格增加，CET 价格增加会通过减少碳排放权买方的利润使买方减少对火电机组的投资，进而使火电占比减少；但碳交易在产生碳排放权买方的同时也产生了碳排放权卖方。碳排放权卖方的利润会随着CET 价格增加而增加，进而加大对火电机组的投资，导致火电占比增加。因此，在碳排放权买方与卖方的共同作用下，可再生能源发电占比并无明显增加，电源结构优化效果较弱。

3.2 组合政策情景分析

图17 展示了TGC 价格、CET 价格、电力价格与电源结构在组合政策情景下的变化情况。由图可以看出，在仿真期末绿证交易和碳税政策组合的情景D 可再生能源发电占比最大，达到34.66%；其次是绿证交易和碳交易组合的情景F，可再生能源发电占比为32.7%；最后是碳税政策和碳交易组合的情景E，可再生能源发电占比为28.72%。电源结构优化效果从大到小排序为情景D→情景F→情景E。这个顺序在印证了上文得到的政策优化效果排序的同时，也说明政策优化效果排序无论是在单一政策还是组合政策都不会改变。TGC 价格、CET 价格与电力价格也有同样的规律，本文不再赘述。

图17 组合政策情景下的TGC 价格、CET 价格、电力价格与电源结构变化趋势Fig.17 Trends in TGC prices,CET prices,electricity prices,and power structure changes under the scenario of combined policies

3.3 单一政策与组合政策情景下对比分析

不同情景在仿真期末的可再生能源发电占比和相较于基准情景可再生能源发电占比增加值如表4 所示。

表4 不同情景下的可再生能源发电占比及占比增加值Tab.4 The proportion and the added value of renewable energy generation in different scenarios %

由表4 可知，情景D 作为情景A 与情景B 的组合，相较基准情景可再生能源发电占比增加了9.6%，大于情景A 与情景B 可再生能源发电占比增加值的总和，其他情景也有同样的规律。由此得出结论，组合政策带来的电源结构优化效果大于分别进行单一政策造成的电源结构优化效果总和，政策之间会产生协同优化效应。

4 结论与建议

本文针对碳交易、绿证交易和碳税政策这3项绿色低碳政策和电力市场的运行机制，构建了系统动力学模型。得到如下结论和建议：

1）绿证交易是可再生能源发电厂商增加收入的手段。通过TGC 价格影响可再生能源发电厂商收益空间，进而可以实现通过投资策略影响可再生能源发电量。绿证交易将增加火电运行成本。通过TGC 价格可影响火电厂商的收益空间。

碳税政策将增加火电运行成本。通过碳税可影响火电厂商的收益空间。

碳交易将增加碳排放权买方的成本和卖方的收入。通过CET 价格可分别影响其收益空间。

这3 项政策以不同的作用机制影响发电厂商的收益空间，进而以影响投资策略的形式影响发电量。在这3 项绿色低碳政策影响下，可再生能源发电量的增速高于火电发电量的增速，电源结构得到持续优化。

2）在促进电源结构优化以达到电力行业低碳转型的进程中，电力供给小于电力需求，电力价格持续增长，这不利于社会福利最大化。因此，在优化电源结构的同时，要通过增加可再生能源发电量或火电发电量的方式保证电力供给，稳定电力价格。

3）增强绿证交易实施强度会通过增加电力供给降低电力价格，可以解决电力价格上升问题。

4）基于情景分析可知，绿色低碳政策对电源结构优化的影响效果从强到弱的顺序为：绿证交易→碳税→碳交易。这一结论表明，在逐步加强政策措施以实现电源结构优化时，首要考虑的是绿证交易，其次是碳税政策，最后是碳交易政策。按照这个顺序逐步提升政策强度，能够高效率实现电源结构优化目标。

5）组合政策带来的电源结构优化效果大于单一政策，且政策之间会产生协同效应。因此，在政策优化过程中，要注重从多个政策入手优化电源结构，而不单单只重视一项政策。