段宏波, 張古鵬, 范　英, 汪壽陽

(1. 中國科學院大學經(jīng)濟與管理學院, 北京100190; 2. 中國科學院大學公共政策與管理學院,北京 100190; 3. 北京航空航天大學經(jīng)濟與管理學院, 北京 100191)

?

基于內(nèi)生能源效率改進的宏觀減排結(jié)構(gòu)分析

段宏波1, 張古鵬2, 范英3, 汪壽陽1

(1. 中國科學院大學經(jīng)濟與管理學院, 北京100190; 2. 中國科學院大學公共政策與管理學院,北京 100190; 3. 北京航空航天大學經(jīng)濟與管理學院, 北京 100191)

本文將內(nèi)生能源效率進步機制引入到綜合評估模型E3METL中, 并將其區(qū)域化構(gòu)建了中國能源—經(jīng)濟—環(huán)境系統(tǒng)綜合模型, 從宏觀層面揭示中國未來減排量分擔結(jié)構(gòu)的變化, 著重分析不同排放約束情景下各排放驅(qū)動因素的減排貢獻的動態(tài)演變特征. 研究發(fā)現(xiàn): 碳強度和能源強度是對碳排放產(chǎn)生顯著負向影響的因素, 而人均收入和人口因素則正向促進排放的增長. 排放控制初期, 能效改進是最大的減排力量來源, 其次是人均收入代表的經(jīng)濟因素; 而在排放控制的中后期, 無碳能源對傳統(tǒng)含碳能源的大規(guī)模替代將成為碳減排最大的貢獻途徑. 這意味著政府和企業(yè)應(yīng)當充分重視減排力量結(jié)構(gòu)的時期特征和變化規(guī)律, 前者應(yīng)根據(jù)減排貢獻主體的變化調(diào)整其宏觀政策扶持導向和力度, 逐步推動產(chǎn)業(yè)轉(zhuǎn)型; 后者則需對減排技術(shù)發(fā)展和研發(fā)投入方向進行適時調(diào)整, 繼而更加成本有效地完成碳減排任務(wù).

內(nèi)生能效改進; 綜合評估建模; 排放空間約束; 減排貢獻分析

0　引　言

改革開放以來, 中國經(jīng)濟取得了前所未有的增長. 過去30年我國的年均GDP增速達到9%, 而近10年的經(jīng)濟增速甚至接近10%, 這遠高于同期世界經(jīng)濟的平均增速3.9%[1]. 自2010年開始中國經(jīng)濟總量已超越日本, 躍居全球第二, 其占世界經(jīng)濟的比重也由2000年的不足4%升至10%左右[2]. 高速的經(jīng)濟增長是以持續(xù)而快速的能源消耗為支撐的, 從2000年到2012年, 我國的一次能源消費量一直以高于世界平均水平7%的年均增速增長[3]. 能源消費的主體依然是含碳的化石能源, 尤其是煤炭 (其消費份額穩(wěn)居70%左右). 在此背景下, CO2等溫室氣體排放量的急劇增加是不可避免的結(jié)果. 到2012年, 中國的CO2排放量已占到全球碳排放總量的26.7%[3]. 這意味著中國注定將在未來全球氣候談判中扮演不可或缺的角色, 而這種高耗能、高排放的經(jīng)濟增長方式顯然是不可持續(xù)的[4].

如何處理經(jīng)濟發(fā)展和溫室氣體減排之間的矛盾一直以來都是各國密切關(guān)注的重要問題, 而可行的途徑主要有兩條:其一是大力發(fā)展替代能源技術(shù), 逐步實現(xiàn)能源消費由含碳能源向無碳能源的轉(zhuǎn)換; 其二是提高傳統(tǒng)能源的利用效率, 最大可能地降低含碳能源使用的環(huán)境負影響[5]. 對中國而言, 提高能效是現(xiàn)階段較之發(fā)展新能源技術(shù)更為合適的選擇. 這主要基于以下兩點考慮:首先, 從世界范圍來看, 幾種主要的無碳能源技術(shù)均處于市場擴散的早期階段, 這一階段的顯著特點是技術(shù)本身仍不完善, 使用成本較高, 作為發(fā)展中國家，中國在短時間內(nèi)難以有充足的資金來支持相關(guān)技術(shù)的研發(fā)和推廣; 其次, 煤炭等化石能源一直以來都主導了我國的能源消費市場, 在資源稟賦約束和產(chǎn)業(yè)慣性的作用下, 這種能源消費結(jié)構(gòu)在未來相當長的一段時期內(nèi)將難以改變. 在此背景下, 提高傳統(tǒng)能源利用效率的重要性是不言而喻的.

事實上, 能效改進被廣泛認為是成本有效的排放控制選擇, 其碳減排潛力十分可觀. 從全球來看, 充分的能效改進可以將2035年之前的全球能源需求平均增速降低0.4%[6]; 如果以每tCO2當量的減排成本不高于60歐元的水平為界線, 能效提高所帶來的減排貢獻最高可以達到40%[7]. 從地區(qū)來看, 我國“十一五”期間, 由能效改進所帶來的化石能源節(jié)約量達到6.3億t標準煤, 這相當于減少了約17億tCO2排放. 如果關(guān)鍵的能效技術(shù)得以充分發(fā)展, 2011年至2030年由能源效率改進所帶來的累積CO2減排量最高可達48億t[8]. 從部門來看, 能效改進可以大幅降低水泥生產(chǎn)過程的碳減排, 這一減排比重最高可達40%; 而能源效率改進在電力部門的凈減排貢獻約為13%, 在鋼鐵行業(yè)的潛在減排貢獻達15%～40%[8, 9].

關(guān)于能源效率的相關(guān)研究一直以來都是能源經(jīng)濟領(lǐng)域的研究熱點, 這些研究為估算部門或區(qū)域的能源效率水平, 分析能效改進的影響因素提供了充分的證據(jù). Wang 等[10]估算了2006年～2010年我國各省份的能源效率, 指出大部分區(qū)域的能源效率還有較大的改進空間, 而技術(shù)創(chuàng)新將是影響能效水平進一步提高的關(guān)鍵因素. Lin等[11]利用隨機前沿分析方法分析了我國鋼鐵行業(yè)能效水平的區(qū)域差異, 指出經(jīng)濟結(jié)構(gòu)調(diào)整是影響能效提高的重要因素. Hasanbeigi等[12]認為到2030年通過提高能效可以為中國鋼鐵行業(yè)累計節(jié)約電力252 TWh, 由此帶來的碳減排潛力達到1.39億t. Filippini 等[13]對歐盟27個成員國居民部門的能效值進行了估算, 認為財政激勵和能效強化標準能顯著促進能源效率的提高, 而情報性措施對能效改進的影響十分有限. Nordhaus[14]認為較高的化石能源價格不僅可以促進能效改進投資活動的開展, 同時也能有效推動能源消費行為的轉(zhuǎn)變. 例如, 有研究表明，日益高企的能源價格是近年來我國工業(yè)部門能源強度不斷下降的關(guān)鍵影響因素[15].

值得注意的是，能效改進并不一定會導致能源節(jié)約, 忽視回彈效應(yīng)的影響可能會高估技術(shù)進步帶來的資源和能源節(jié)約效應(yīng)[16]. Br?nnlund 等[16]指出能源效率改進確實會引起能源消費回彈, 且能效每提高20%會導致碳排放增加約5%, 而抵消這些排放則需將碳稅水平提高130%. Mahmood和 Marpaung[17]研究指出: 碳稅與能效改進的組合政策可以有效降低能源消費和碳排放, 同時引起能源消費回彈效應(yīng). 查冬蘭和周德群[18]利用CGE模型模擬了能效提高所帶來的回彈效應(yīng), 指出:當能效提高4%時, 各考察部門的回彈效應(yīng)都在30%以上. 此外, 更多有關(guān)能源效率回彈效應(yīng)的研究集中在行業(yè)層面, 包括道路貨運交通行業(yè)、居民建筑行業(yè)以及重工業(yè)部門等[19, 20]. Lin等[19]發(fā)現(xiàn): 就居民建筑用能而言, 城市能效的回彈效應(yīng)要遠小于農(nóng)村地區(qū); 從全國來看, 如果回彈效應(yīng)可以完全規(guī)避, 那么全國居民建筑行業(yè)每年的電力消費量將下降20%. 由此可見, 單獨的旨在節(jié)能的能效改進政策的效果可能遠達不到預期[21].

因此, 現(xiàn)有關(guān)于能源效率的研究主要集中在微觀實證層面, 較少有研究從宏觀角度出發(fā), 考察未來我國能源效率水平的長期變化, 分析排放控制約束的引入對減排力量結(jié)構(gòu)的影響, 揭示各減排驅(qū)動因素的減排潛力的演變特征. 事實上, 要從宏觀層面研究碳減排背景下的區(qū)域能源效率問題至少需要應(yīng)對兩方面的挑戰(zhàn):首先, 氣候變暖是典型的全球性問題, 基于此, 當前主流的研究工具—氣候變化綜合評估模型 (IAM) —的模型尺度也是全球性的. 因此, 如何將IAM模型框架區(qū)域化, 并建立中國氣候變化綜合模型是完成該研究任務(wù)面臨的第一個挑戰(zhàn); 其次, 當前主流的氣候變化綜合評估模型, 例如:DICE模型和WITCH模型等, 多利用所謂的自發(fā)性能源效率進步參數(shù) (AEEI) 來外生設(shè)定能效進步水平[22, 23]. 一般而言, AEEI僅包括消費行為的自發(fā)調(diào)整以及能源結(jié)構(gòu)轉(zhuǎn)換等所有非價格因素所引起的能效改進[24]. 然而, 驅(qū)動能源效率改進的因素有很多, 包括能源價格的波動、價格驅(qū)動的消費行為的變化以及能源研發(fā)政策的支持等, 忽視內(nèi)生能源效率進步將在很大程度上影響綜合模型中經(jīng)濟增長和排放強度演變等結(jié)果[25]. 因此, 完成本研究待解決的第二個問題是如何在系統(tǒng)綜合模型中引入基于R&D的內(nèi)生能源效率改進機制 (EEEI), 同時考慮內(nèi)生和外生能效改進, 繼而有效避免能效機制不完善可能給模型結(jié)果帶來的偏差.

基于此, 本文工作將從以下幾方面展開:1) 將全球尺度的系統(tǒng)綜合模型E3METL拓展到區(qū)域?qū)用? 構(gòu)建我國單部門經(jīng)濟-能源-環(huán)境系統(tǒng)綜合模型CE3METL; 2) 發(fā)展內(nèi)生能效刻畫機制, 將基于R&D投資的內(nèi)生能源效率改進從傳統(tǒng)能源效率部門分離出來, 完善現(xiàn)有系統(tǒng)綜合模型的能效刻畫機制; 3) 利用基于內(nèi)生和外生雙重能源改進的CE3METL模型考察2010年～2050年我國能源效率的動態(tài)演變趨勢和特征, 并利用Kaya分解方法對排放空間約束情景下各種減排力量的潛在貢獻進行分解分析.

1　模型與方法

E3METL模型是一個典型的以新古典最優(yōu)經(jīng)濟增長理論為基礎(chǔ)的氣候變化系統(tǒng)綜合模型, 與經(jīng)典的DICE模型一樣, E3METL模型也可以看成是Ramsey模型的擴展. 這類模型的特點是除了傳統(tǒng)投資還包括環(huán)境相關(guān)投資, 于是, 存在與傳統(tǒng)資本存量相對應(yīng)的環(huán)境資本存量, 即大氣中的溫室氣體濃度[26]. 由于環(huán)境資本累積一般會對經(jīng)濟產(chǎn)生負向影響, 因此環(huán)境資本也被稱作負資本. 顯然, 排放的增加將加速負資本的累積, 而與減排相關(guān)的投資則可減少溫室氣體排放量, 繼而降低總的負資本存量. 模型總體目標是通過采取減排行動來降低環(huán)境負資本, 以防止災難性的氣候損害的出現(xiàn), 這實際上是通過犧牲當前消費來換取未來更多可能的消費[27].

1.1經(jīng)濟部門

E3METL模型的生產(chǎn)過程主要通過Cobb-Douglas生產(chǎn)函數(shù)來描述, 投入要素包括資本K、勞動L和能源E, 其中, 資本由投資驅(qū)動, 勞動人口根據(jù)世界銀行的預測數(shù)據(jù)外生給定, 能源則包括含碳能源、無碳新能源和能源相關(guān)的知識資本. 于是, 生產(chǎn)方程可表示為

(1)

A表示全要素生產(chǎn)率, 它由初始值和年遞減率決定. 產(chǎn)出主要用來投資I、提供居民消費C、支付能源成本EC, 以及進行溫室氣體減排AC, 即

Outputt=Ct+It+ECt+ACt

(2)

其中能源成本為各種能源消費量與相應(yīng)價格的乘積, 碳減排成本則主要指含碳能源稅收.

1.2能源技術(shù)部門

能源部門是IAM不可或缺的重要部分, 它既是生產(chǎn)部門能源投入的提供者, 同時也是CO2等溫室氣體排放的來源. 此外, 技術(shù)進步也往往隱含在能源部門各種能源技術(shù)的演變過程中. E3METL模型技術(shù)部門的特點集中在兩個方面, 即多重能源技術(shù)演變機制與內(nèi)生能源效率改進機制.

(3)

其中ai為替代參數(shù), 描述無碳能源技術(shù)i對化石能源技術(shù)的替代難易程度.Pi,t表示標桿技術(shù) (化石能源技術(shù)) 成本Cf,t與無碳能源技術(shù)成本Ci,t的相對比值, 即

Pi,t=Cf,t(1+τt)/Ci,t(1-vi,t)

(4)

因此, 從成本角度來看, 相對成本Pi,t越接近于1, 兩種技術(shù)間的替代可能性越大; 當Pi,t=1時, 標桿技術(shù)與無碳技術(shù)在理論上將實現(xiàn)完全替代.Pi,t的變化受兩方面因素的影響, 即碳稅τt與補貼vi,t的政策實施力度和化石能源技術(shù)與無碳能源技術(shù)的成本差異. 顯然,Pi,t會隨著碳稅水平的提高或替代技術(shù)成本的下降而增加. 受能源技術(shù)進步的影響, 替代能源技術(shù)的成本將隨著時間的推移而不斷下降. 這里的內(nèi)生能源技術(shù)進步主要通過雙因素學習曲線模型來刻畫,所謂的雙因素即 “干中學” (learning-by-doing, LBD) 和 “研中學” (learning-by-searching, LBS).“干中學” 過程是指技術(shù)的發(fā)展 (如裝機容量或產(chǎn)量的增加) 會帶來經(jīng)驗或知識的累積, 而知識累積到一定程度之后可以促進技術(shù)進步, 繼而降低技術(shù)使用成本; “研中學” 過程是促進技術(shù)進步的另一內(nèi)在因素, 它通過針對性的技術(shù)研發(fā)投入來累積知識或經(jīng)驗, 來自研發(fā)的知識最終將與來自LBD過程的知識共同作用于技術(shù)成本的下降過程. 假設(shè)KDi,t和KSi,t分別表示LBD過程和LBS過程的知識存量, 則雙因素內(nèi)生學習模型可如下表示

Ci,t=Θi(KDi,t)-bi(KSi,t)-ci

(5)

上式中的bi和ci分別為LBD過程和LBS過程的學習指數(shù), 代表技術(shù)學習的速率.Θi由初始知識存量KDi,0和KSi,0決定.

能源效率刻畫是E3METL模型的第二個重要的特色. 從已有研究來看, 系統(tǒng)綜合模型中的能源效率多為外生設(shè)定, 外生的途徑主要有兩條:其一, 將能效改進效應(yīng)暗含在滿足?？怂怪行陨a(chǎn)率假設(shè)的全要素生產(chǎn)率參數(shù)中[25,26]; 其二, 引入自發(fā)性能源效率進步參數(shù) (AEEI) 來刻畫所有非價格變動因素引起的能效改進[28]. 顯然, 當前的外生能效處理方法一方面難以囊括價格變動所帶來的能源消費結(jié)構(gòu)調(diào)整和消費行為的變化, 另一方面也無法考慮R&D政策實施對能效提高的影響. 因此, 單純的外生能源效率處理方法一直以來飽受爭議[30]. 本文嘗試發(fā)展基于R&D投入的內(nèi)生能效改進機制, 將同時考慮內(nèi)生和外生能效進步的混合機制引入到E3METL中. 外生能效改進的總體思路是通過提高能源利用效率, 單位化石能源投入的產(chǎn)值創(chuàng)造能力得到提升, 而單位化石能源消耗的碳排放量 (碳強度) 則沿既定的軌跡隨時間遞減, 即

(6)

且

φt=e(gt/d)(1-e-dt)

(7)

內(nèi)生能效改進的思路是通過針對性的研發(fā)資金投入, 促使能源使用相關(guān)知識資本的形成和積累, 而這種知識資本對傳統(tǒng)化石能源的替代作用使得生產(chǎn)能夠在排放更少的情況下進行. 此時, 能源投入可以分為兩部分:即傳統(tǒng)化石能源和能源相關(guān)的知識資本. 假設(shè)SF,t為化石能源的市場份額,KDEt為能源相關(guān)的知識存量, 則內(nèi)生能效改進機制可描述為

(8)

方程 (8) 中,αee為知識資本的規(guī)模因子, 用以刻畫研發(fā)知識所帶來的能源節(jié)約效應(yīng)的大小.ρ為知識資本與化石能源間的替代難易程度, 一般而言,ρ≤1. 能源相關(guān)的知識資本KDEt來自能源R&D投入, 創(chuàng)新可能性前沿方法描述了研發(fā)創(chuàng)造知識的過程

(9)

由于研發(fā)回報率是隨時間變化而遞減的, 因此創(chuàng)新可能性前沿函數(shù)IPF一般需要滿足兩個條件:1)IPF關(guān)于研發(fā)投入的一階導數(shù)為正, 而其關(guān)于研發(fā)的二階導數(shù)則為負; 2)IPF關(guān)于RD和KDE的混合二階導數(shù)小于0. 這兩個條件同時成立要求ψ1,ψ2∈(0,1). 綜合式 (7)和式 (8), 可以得到內(nèi)生能效和外生能效的混合處理機制, 即

(10)

αF為外生能效改進或碳強度下降的規(guī)模因子.

1.3氣候部門

這部分旨在計算CO2排放、引入碳循環(huán)過程、描述由輻射強迫到溫室效應(yīng)形成的過程, 以及刻畫溫室效應(yīng)與氣候反饋損失之間的關(guān)系. E3METL模型內(nèi)生計算的溫室氣體 (GHGs) 主要指人為CO2排放, 其它來源的碳排放 (如土地使用方式變化所帶來的碳排放) 與CH4等非CO2排放, 以及氣溶膠粒子等排放均外生設(shè)定[26]. 碳循環(huán)過程通過引入三層碳庫模型 (three-reservoir model) 來描述, 溫室效應(yīng)則利用全球平均地表溫度的變化來刻畫. 其它有關(guān)輻射強迫、平均溫度變化以及氣候損害三者之間關(guān)系的描述可參見DICE模型[26].

1.4E3METL模型的區(qū)域化

由于本研究的目的在于從宏觀層面考察排放約束背景下我國能源效率的長期演變特征, 并分析各種減排力量的減排分擔結(jié)構(gòu)和減排貢獻的變化.因此, 需要將全球尺度的綜合評估模型E3METL區(qū)域化, 以構(gòu)建中國能源—經(jīng)濟—環(huán)境系統(tǒng)綜合模型CE3METL. 要完成這一任務(wù)需要做三方面的工作:

1) 進行區(qū)域邊界閉合處理. 通過設(shè)定進口占GDP比重的上限值和出口占GDP比重的下限值來使進出口在效用目標最大化時跟從最優(yōu)GDP路徑的變化而變化, 進而避免由于市場不完全閉合導致的不合理經(jīng)濟波動的出現(xiàn)[31]. 具體地, 假設(shè)θ1和θ2分別代表進口占GDP的最大比重和出口占GDP的最小比重, 且EXPt和IMPt分別表示出口和進口價值量, 則上述邊界處理可公式化為

IMPt≤θ1GDPt

(11)

EXPt≥θ2GDPt

(12)

2)簡化氣候部門. 由于氣候變化是全球性的問題, 在單區(qū)域情況下, 區(qū)域排放對全球平均氣溫升高的貢獻以及全球氣候變暖對區(qū)域的反饋影響均無法確定. 因此, 中國版的CE3METL模型僅計算內(nèi)生的人為CO2排放, 對外生的其它碳和非碳排放, 以及由GHGs排放產(chǎn)生的溫室效應(yīng)和氣候反饋影響等均不予考慮.

3) 更新數(shù)據(jù)庫. 將E3METL模型中所有的初始數(shù)據(jù)替換為中國數(shù)據(jù), 相關(guān)參數(shù)根據(jù)國內(nèi)歷史數(shù)據(jù)予以估計和校準.

1.5Kaya等式與LMDI分解法

大量的實證研究表明, 經(jīng)濟增長、人口演變、能源效率改進和新能源技術(shù)發(fā)展是影響碳排放的幾個關(guān)鍵因素[32-34]. 因此, 為了研究減排任務(wù)的分擔結(jié)構(gòu)變化, 首先需要考慮如何分離這些關(guān)鍵的減排驅(qū)動因素, 而Kaya等式是常見的排放分解方法. 基于此, 本小節(jié)將簡單介紹Kaya排放分解方法.

一般而言，上述排放影響因素可以具體地表述為: 單位能源消費的碳排放量 (碳強度)、單位GDP的能源消費量 (能源強度)、人均收入水平和人口數(shù)量[33]. 日本學者YoichiKaya最早對CO2排放的影響因素進行了分解, 得到了所謂的Kaya等式

(13)

其中CO2、GDP、E和POP分別代表CO2排放量、經(jīng)濟總量、能源消費量和人口總量, 而C、I、G和P則分別表示碳強度、能源強度、人均收入和人口. 顯然,Kaya等式直觀地揭示了各排放影響因素之間的相互關(guān)系. 為了方便對排放變化進行因素分解,Kaya等式可進一步變換為[34]

ΔCO2(t)=CO2(t)-CO2(0)

=ΔCIt+ΔEIt+ΔGIt+ΔLIt

(14)

式中ΔCIt、ΔEIt、ΔGIt和ΔLIt分別表示引起排放變化的碳強度影響效應(yīng)、能源強度影響效應(yīng)、經(jīng)濟影響效應(yīng)和人口影響效應(yīng)的大小. 為了計算這些驅(qū)動因素對排放的具體影響, 此處引入對數(shù)平均迪氏分解法 (LMDI), 通過對式(14)進行差分和乘法分解, 可以得到各個排放驅(qū)動因素的具體表達式[34]*常用的碳排放分解方法有簡單平均分解法 (SAD)、加權(quán)迪氏分解法 (AWD) 和對數(shù)平均迪氏分解法(LMDI)等, 但相較而言, LMDI分解法的實用性較好, 且能減少分解殘差給結(jié)果帶來的可能影響[34]. 基于此, 本文也采用LMDI法對排放進行分解.

(15)

(16)

(17)

(18)

對于既定的碳減排量ΔCO2, 利用式(15)～式(18)可以方便地計算出各個驅(qū)動因素的減排量大小, 繼而推算出各自相應(yīng)的減排貢獻, 即ΔCIt/ΔCO2、ΔEIt/ΔCO2、ΔGIt/ΔCO2和ΔLIt/ΔCO2.

2　數(shù)據(jù)與情景

2.1數(shù)據(jù)處理與關(guān)鍵參數(shù)取值

CE3METL的程序基于GAMS軟件平臺編寫, 借助GAMS內(nèi)置的CONOPT求解器和非線性規(guī)劃算法 (NLP) 進行動態(tài)最優(yōu)化求解. 模型以2010年為初始年, 模擬的時間區(qū)間為2010年～2050年. 各種能源技術(shù)的初始消費量、市場份額等能源相關(guān)數(shù)據(jù)來自于中國能源統(tǒng)計年鑒2012, 并以電力監(jiān)管年度報告2010中的相關(guān)數(shù)據(jù)予以補充[35, 36];GDP、消費、投資和資本存量等宏觀經(jīng)濟數(shù)據(jù)來自于中國統(tǒng)計年鑒2012[1]. 初始化石能源復合成本取國內(nèi)煤炭價格、國際原油價格和天然氣進口價格平均值 (以消費份額加權(quán)). 對非化石能源而言, 其成本分布區(qū)間較大, 且不同地區(qū)、不同裝機規(guī)模和技術(shù)利用方式下的成本分布區(qū)間也不盡相同. 一般而言, 除了水電和核能的利用成本與化石能源接近之外, 陸上風能和生物質(zhì)能的成本為傳統(tǒng)能源的2倍左右, 而光伏太陽能以及海上風電等新能源技術(shù)的成本甚至達到化石能源的5倍～8倍[37]. 據(jù)此, 設(shè)定生物質(zhì)能、核能、水電和其它可再生能源的成本分別表示為:8 136元/t標煤、4 068元/t標煤、1 627元/t標煤和5 811元/t標煤.

中國科技統(tǒng)計年鑒的數(shù)據(jù)顯示, 2010年我國總研發(fā)投入為7 062.58億元[38]. 高昌林等[39]研究指出我國能源研發(fā)占總研發(fā)的比重將從2000年的6.4%增加到2010年的7%左右. 此外, 從國際經(jīng)驗來看, 能源研發(fā)資金的主要用途是提高傳統(tǒng)能源利用效率, 用于新能源研發(fā)的投資比重僅占10%左右[39]. 據(jù)此, 可計算出基年我國的能源研發(fā)的支出為494.38億元, 其中能效研發(fā)支出和無碳能源研發(fā)支出分別為444.94億元和49.44億元. 此外, 還假定各種無碳能源技術(shù)的初始研發(fā)資金按照各自相應(yīng)的技術(shù)市場份額來進行分配.

模型運行依賴的關(guān)鍵參數(shù)包括技術(shù)學習率、研發(fā)投資回報率、知識資本折舊率以及知識資本與傳統(tǒng)能源間的替代率等. 一般而言, 學習率的大小與技術(shù)所處的發(fā)展階段密切相關(guān), 成熟的技術(shù) (如水電和核電) 學習率普遍較小; 快速發(fā)展中的技術(shù) (如風電和地熱能) 學習率較大, 約為9.8%～12.9%; 而處在發(fā)展早期的技術(shù) (如光伏和潮汐能) 的潛在學習效果最強, 其學習率最高可達20%以上[40, 41]. 能源相關(guān)知識與化石能源間的替代難易程度在很大程度上依賴于能源研發(fā)與能源價格間的長期替代彈性[42]. 以能源研發(fā)與能源價格間的替代彈性為初始值, 再根據(jù)不斷升高的化石能源價格, 可以迭代得出給定歷史時期的能源研發(fā)投入水平, 當該研發(fā)投入路徑與真實研發(fā)支出路徑最大可能地接近時, 即得到了能效相關(guān)的知識資本與化石能源間的替代難易程度參數(shù)值. 詳細的參數(shù)取值見表1.

表1　關(guān)鍵參數(shù)值選取

2.2碳排放約束情景設(shè)置

為了考察不同碳排放空間約束下能源效率的減排貢獻及其動態(tài)演變特征, 本節(jié)需要引入排放空間約束情景. 事實上, 已有一些文獻就未來我國的碳排放路徑和空間分配問題進行了探討. 如:Garnaut[44]認為與2001年相比, 中國2020年的碳排放將增長195%, 而2050年的排放則將降低45%; 聯(lián)合國開發(fā)計劃署 (UNDP) 報告預測中國2020年的排放量將比2004年增長近80%, 而2050年的碳排放需在1990年的基礎(chǔ)上降低20%[45]; 國內(nèi)學者丁仲禮等[46]估算了兩攝氏度溫控目標下各國的排放配額, 認為中國2006年～2050年的排放空間約為109.9GtC. 據(jù)此, 設(shè)定了除參考情景 (REF) 以外的三種排放空間約束情景, 并估算了各種情景下我國2010年至2050年的碳排放配額, 詳見表2. 值得注意的是, 從價碳稅作為主要的政策減排選項被外生引入到CE3METL中, 碳稅稅率的設(shè)定標準是使考察期內(nèi)的累積CO2排放總量達到各空間約束情景下的碳排放控制要求.

表2　情景設(shè)置和排放空間估算

3　結(jié)果與分析

3.1參考情景

參考情景 (REF), 即不考慮碳排放約束的情景, 在此情景下能源效率改進包括內(nèi)生和外生兩部分. 從圖1可知,REF情景下,GDP將從2010年的40.12萬億增加到2030年的124.41萬億 (2010年價格), 這一階段的平均GDP增速約為5.8%; 到2050年, 我國GDP總量達到189.58萬億元, 整個模擬期內(nèi)的平均GDP增速約為4%*通過校準和對比, CE3METL的GDP增長路徑與石敏俊等[47]研究中的GDP增長趨勢較為一致.. 2010年～2050年，能源消費量持續(xù)增加，但增速明顯放緩. 2050年的能源消費量較2010年增長2.67倍左右, 且模擬期內(nèi)一次能源消費平均增速約為3.3%, 這一結(jié)果與UNDP參考情景的預測結(jié)果較為接近[48]. 此外,考察期內(nèi), 碳排放未出現(xiàn)峰值點;到2050年, 我國的CO2排放量達到5.53GtC, 該水平較IEA基準情景下的排放值偏高, 而與UNDP參考情景下的碳排放水平相當[49].

圖1參考情景下各關(guān)鍵變量的增長演變

Fig. 1EvolutionofthekeyvariablesundertheREFcase

3.2內(nèi)生能效改進機制的引入對減排結(jié)構(gòu)的影響

為了方便考察內(nèi)生能效改進機制下各個排放驅(qū)動因素對碳排放增長的貢獻, 本小節(jié)引入無內(nèi)生能效改進情景作為對比. 為方便區(qū)分, 新引入的情景簡稱為NEEEI情景, 而原有參考情景則換稱為EEEI情景. 圖2展示了兩種情景下的各驅(qū)動因素對碳排放增長的影響. 總體看來, 碳強度和能源強度與排放之間始終保持著負相關(guān)關(guān)系, 而人均收入是唯一一個對排放產(chǎn)生持續(xù)正向影響的因素. 顯然, 無論是碳排放強度的下降, 還是能源強度的下降, 其最終的結(jié)果都將導致同等產(chǎn)出的碳排放量下降; 而在人口數(shù)量相對穩(wěn)定的情況下,GDP的快速增長勢必會帶來更多的能源消耗和碳排放. 此外, 圖2還顯示, 人口增長先是對碳排放產(chǎn)生正向影響, 從2045年開始, 人口與排放的關(guān)系發(fā)生轉(zhuǎn)變. 這主要受人口增長路徑的影響,CE3METL假設(shè)人口增長沿世界銀行的預測路徑變化, 在該路徑下, 我國的人口數(shù)量呈現(xiàn)先增加后下降的趨勢, 并于2030年達到人口峰值. 顯然, 隨著模擬后期人口數(shù)量的下降, 受人口驅(qū)動的排放量也將相應(yīng)地下降, 但由于人口下降的速度遠低于GDP的增長速度, 使得影響關(guān)系的轉(zhuǎn)變出現(xiàn)一定程度的滯后.

圖2內(nèi)生能效改進機制下各排放驅(qū)動因素對碳排放增長路徑的影響

Fig. 2TheimpactsofkeydrivingfactorsonthegrowthofCO2emissionswithandwithoutEEEI

從圖2還可以看出, 與EEEI情景相比,NEEEI情景下的碳排放量會顯著增加, 2020年時, 增幅為9.9%, 而到2050年, 排放增幅將接近13%. 顯然, 基于R&D的內(nèi)生能源效率改進的減排效果是十分明顯的. 事實上, 兩種情景下由人均收入因素驅(qū)動的碳排放變化并不顯著, 這表明: 內(nèi)生能效改進所帶來的碳減排效應(yīng)主要得益于碳強度和能源強度的下降. 從排放分解的貢獻比率來看, 內(nèi)生能源效率的引入會較大幅度的提高人均收入因素在碳排放變化中的貢獻值.例如:2015年,EEEI情景下人均收入因素對排放增長的貢獻率為162.46%, 而在NEEEI情景下, 這一貢獻比重僅為110.81% (圖3). 此外, 內(nèi)生能源效率改進引入以后, 能源相關(guān)的知識資本開始替代傳統(tǒng)含碳能源, 這使得EEEI情景下的碳強度出現(xiàn)明顯下降, 繼而促使該情景下由碳強度帶來的減排貢獻率的顯著升高.例如:2015年時, 內(nèi)生能效情景下能源強度變化對排放的貢獻比率約為-59.26%, 而不考慮內(nèi)生能源改進時這一數(shù)值僅為-0.03% (圖3). 顯然, 由人均收入變化給碳排放帶來的正向效應(yīng)的增幅要遠小于由碳強度變化給碳排放帶來的負向影響效應(yīng), 這也從另一角度解釋了為何內(nèi)生能源效率改進的引入能夠顯著降低碳排放水平.

圖3內(nèi)生能效改進機制下各排放分解因素對排放增長的貢獻份額

Fig. 3ThecontributionsofvariousdecompositionfactorstothegrowthofCO2emissionswithandwithoutEEEI

3.3排放約束下的減排貢獻分析

圖4左側(cè)顯示的是不同排放空間約束情景下各個分解因素對減排量的分擔情況, 圖4右側(cè)展示了各個排放驅(qū)動因素的具體減排貢獻的變化 (相對于REF情景). 總體看來, 排放約束越嚴格, 減排行動開始得越早, 同時減排力度也越大.在DING情景下, 排放軌跡將在2045年左右出現(xiàn)峰值, 而在更為嚴格的UNDP情景下, 排放峰值點則將提前到2035年左右.

從減排貢獻的變化情況來看, 盡管隨著時間的推移和排放控制力度的增強人均收入因子所分擔的減排量有不同程度的增加, 但是其減排貢獻卻呈遞減趨勢, 從2015年的40%左右降至2050年的20%左右. 由于減排前后的人口變化路徑是相同的, 因此, 人均收入因子所分擔的減排絕對量的增加說明了嚴格的排放約束造成了更大的經(jīng)濟損失, 致使能源消費和碳排放量都出現(xiàn)更大幅度的下降. 但是相比于其它減排因素, 其減排分擔量依然較小, 使得其減排貢獻被不斷擠占. 能源強度分擔的減排量最大, 在DING情景下, 2015年時能源強度變化帶來的減排貢獻達到50.76%, 即使在嚴格的UNDP情景下, 其減排貢獻依然高達44.69%, 明顯高于其它兩種減排力量. 與人均收入因素相比, 能源強度所分擔的減排量也隨時間的變化而不斷增加; 所不同的是, 排放約束越嚴格, 其相應(yīng)的減排貢獻的下降速度越快. 例如:在UNDP情景下, 能源強度的減排貢獻將從2015年的45.69%降至2050年的不到10%. 能源強度分擔的減排絕對量的增加正好反映了能源效率的提高, 這其中包含了內(nèi)生和外生能效改進的雙重效果; 而其減排貢獻的迅速下降則說明存在嚴格排放管制時, 能源效率并不是貢獻最大的減排力量, 相反, 其減排貢獻會被其它因素進一步擠占.

碳強度是三個減排驅(qū)動因素中唯一一個減排分擔量和減排貢獻都隨時間的變化和排放管制程度的增強而不斷增加的因素. 盡管2015年時, 三種情景下碳強度的減排貢獻都不足10%, 但是隨著時間的推移, 其減排貢獻增長迅速, 到2050年,DING情景、GARN情景和UNDP情景下, 碳強度的減排貢獻分別增至32.14%、54.55%和72.65%. 顯然, 在排放控制的中后期, 該因素成為了CO2減排的主要力量. 事實上, 由于本研究將所有的化石能源當作一種復合含碳能源來處理, 并沒有考慮具體的化石能源結(jié)構(gòu), 故而碳排放因子也是常量. 因此, 碳強度的變化實際上體現(xiàn)的是傳統(tǒng)化石能源與無碳新能源之間組份結(jié)構(gòu)和替代關(guān)系的變化. 而前面的結(jié)果表明, 減排的根本途徑是無碳能源對傳統(tǒng)能源的大規(guī)模替代, 因此，人均收入因素和能源效率因素的減排貢獻將在很大程度上被能源結(jié)構(gòu)替代轉(zhuǎn)換的減排貢獻所擠占. 顯然, 減排中后期非化石能源技術(shù)得到大規(guī)模發(fā)展的直接推動力是嚴格的排放管制. 一方面, 嚴格的排放約束意味著較高的碳稅水平, 這將大幅提高化石能源的利用成本; 另一方面, 在嚴格的減排目標下, 各方發(fā)展替代能源的積極性和緊迫性會顯著提高, 伴隨而來的是不斷增加的新能源技術(shù)研發(fā)投入, 這使得基于LBS和LBD的雙重技術(shù)學習效應(yīng)不斷增強, 繼而促使替代能源技術(shù)成本快速下降. 而上述兩方面影響的結(jié)果是提高無碳能源技術(shù)的成本競爭力, 最終加速其市場擴散, 并大規(guī)模地替代傳統(tǒng)含碳能源*事實上, 由Kaya分解式可知, 影響排放的因素總共有四個, 但由于與參考情景相比, 排放約束情景下的人口演變路徑并沒有任何變化, 故而人口因素帶來的減排變化量為零. 因此, 此處僅對除人口因素以外的其它三個因素進行了分析..

圖4不同排放空間約束下排放驅(qū)動因素的減排分擔量和減排貢獻的演變特征

Fig. 4Theevolutionofcarbonreductionsforthedecompositionfactorsundervariouscarbon-restrainedscenarios

4　結(jié)束語

本研究主要圍繞內(nèi)生能效改進機制下不同排放驅(qū)動因素的碳減排貢獻分析這一主題展開, 其特點可以歸納為三個方面:從研究視角來看, 當前關(guān)于能源效率的研究多集中于微觀實證層面, 鮮有文獻從宏觀層面來研究能源效率改進對排放增長的影響, 本文通過構(gòu)建區(qū)域能源-經(jīng)濟-環(huán)境系統(tǒng)綜合模型從宏觀層面來探索能源效率, 尤其是內(nèi)生能源效率改進對碳減排的影響. 從方法層面看, 已有自頂向下的系統(tǒng)綜合模型 (包括IAM) 多借助AEEI參數(shù)以外生設(shè)定能效改進水平, 本文將內(nèi)生能效改進機制引入到新構(gòu)建的CE3METL模型中, 同時考慮了內(nèi)生和外生的復合能效改進效應(yīng). 從研究問題來看, 目前多數(shù)文獻關(guān)注的是能效改進所帶來的宏觀減排潛力的大小, 少有文章研究碳減排發(fā)生時各關(guān)鍵排放影響因素的減排分擔和減排貢獻結(jié)構(gòu)的變化, 尤其對中國而言.本文工作針對性地彌補了這一研究不足.

通過研究發(fā)現(xiàn):碳強度和能源強度是對碳排放產(chǎn)生顯著負向影響的因素, 而人均收入和人口因素則正向促進排放的增長. 值得一提的是, 隨著人口拐點的到來, 人口因素對碳排放的影響將發(fā)生轉(zhuǎn)變, 人口數(shù)量的下降最終會降低碳排放增速. 內(nèi)生能效改進的引入對排放的影響主要體現(xiàn)在兩方面:即人均收入因素對排放的促增影響和碳強度因素對排放的抑降影響. 然而, 碳強度因素對排放的負向影響要遠大于人均收入的正向影響, 最終使得碳排放總量大幅下降. 排放控制初期, 能效改進是最大的減排來源, 其次是人均收入代表的經(jīng)濟因素. 但隨著時間的推移, 這兩個因素的減排貢獻都呈現(xiàn)不同程度的下降, 尤其對于能源效率因素而言, 取而代之的是新能源發(fā)展帶來的能源結(jié)構(gòu)的變化. 事實上, 在排放控制的中后期, 無碳新能源對傳統(tǒng)化石能源的大規(guī)模替代成為了碳減排最大的貢獻途徑, 在嚴格的排放控制情景下其減排貢獻最高可達72.65%.

因此, 了解減排量的分擔結(jié)構(gòu), 掌握各減排驅(qū)動因素的減排貢獻的動態(tài)演變特征, 對于政府制定合理的減排目標和適宜減排技術(shù)扶持政策, 對排放主體企業(yè)找準減排技術(shù)投資定位，進行成本有效的減排具有十分重要的意義. 顯然, 加大政府在能效改進方面的研發(fā)投入, 同時引導更多私有資金流向能效改進部門, 是減排初期有效的政策方向. 在未來相當長的一段時期內(nèi), 化石能源無疑將繼續(xù)扮演能源供給主力的角色, 這使得能效改進成為了這一時期化解經(jīng)濟穩(wěn)定增長和二氧化碳減排之間矛盾的不二選擇. 針對性的研發(fā)活動的開展, 能夠快速改進傳統(tǒng)能源利用效率, 從而大幅降低單位產(chǎn)出的CO2排放. 相較于排放控制目標帶來的高昂的碳稅, 對企業(yè)而言, 通過研發(fā)投入來提高能源效率可能是更具經(jīng)濟性的減排選擇[50]. 在排放控制的中后期, 政府和企業(yè)減排努力的方向需要逐步調(diào)整, 因為這一時期化石能源的資源稀缺性表現(xiàn)得更為明顯, 且能效改進的潛力已十分有限, 同時, 無碳能源技術(shù)開始規(guī)?；l(fā)展. 因此, 這一時期大力發(fā)展無碳能源技術(shù), 并促進其對傳統(tǒng)能源的替代轉(zhuǎn)化應(yīng)當成為有關(guān)部門政策減排的重心. 具體來看, 對政府而言, 需要確立替代減排的地位, 明確無碳能源技術(shù)發(fā)展的方向, 制定具體的產(chǎn)業(yè)發(fā)展規(guī)劃和詳實的幫扶計劃, 為企業(yè)發(fā)展各種新能源營造良好的政策環(huán)境; 同時, 還需要制定高碳、高耗能設(shè)備的逐步淘汰計劃，減少支柱產(chǎn)業(yè)對傳統(tǒng)能源的依賴, 既有利于能源結(jié)構(gòu)的轉(zhuǎn)型，也可為新能源的大規(guī)模利用創(chuàng)造條件. 對企業(yè)而言, 研發(fā)投資的重點應(yīng)該從提高能效逐步轉(zhuǎn)向發(fā)展替代能源技術(shù), 制定高碳固定資本的加速折舊計劃了; 利用良好的政策環(huán)境大力推進無碳能源技術(shù)的市場化, 在完成減排任務(wù)的同時實現(xiàn)產(chǎn)業(yè)升級轉(zhuǎn)型.

[1]國家統(tǒng)計局. 中國統(tǒng)計年鑒2011[M]. 北京: 中國統(tǒng)計出版社, 2012.

StateStatisticsBureau.ChineseStatisticalYearbook2011[M].Beijing:ChinaStatisticalPublishingHouse, 2012. (inChinese)

[2]WorldBank.GlobalEconomicProspects:UncertaintiesandVulnerabilities[R].WashingtonDC, 2012.

[3]BritishPetroleum(BP).StatisticalReviewofWorldEnergy[R].UK:London, 2013.www.bp.com/statisticalreview.

[4]卞亦文. 非合作博弈兩階段生產(chǎn)系統(tǒng)的環(huán)境效率評價[J]. 管理科學學報, 2012, 15(7): 11-19.

BianYiwen.Eco-efficiencyevaluationofnon-cooperativegametwo-stageproductionsystem[J].JournalofManagementSciencesinChina, 2012, 15(7): 11-19.(inChinese)

[5]柴建, 郭菊娥, 席酉民. 我國單位GDP能耗的投入占用產(chǎn)出影響因素分析[J]. 管理科學學報, 2009, 12(5): 40-48.

ChaiJian,GuoJu’e,XiYoumin.Input-occupancy-outputfactoranalysisofenergyuseperunitofGDPinChina[J].JournalofManagementSciencesinChina, 2009, 12(5): 40-48. (inChinese)

[6]McKinseyandCompany.EnergyEfficiency:ACompellingGlobalResource[R].NewYork:Mckinsey&Company, 2010.

[7]XiaoH,WeiQP,WangHL.MarginalabatementcostandcarbonreductionpotentialoutlookofkeyenergyefficiencytechnologiesinChina’sbuildingsectorto2030[J].EnergyPolicy, 2014, 69: 92-105.

[8]WorrellE,BernsteinL,RoyJ,etal.Industrialenergyefficiencyandclimatechangemitigation[J].EnergyEfficiency, 2009, 2(2): 109-123.

[9]KimY,WorrellE.InternationalcomparisonofCO2emissionstrendsintheironandsteelindustry[J].EnergyPolicy, 2002, 30(10): 827-838.

[10]WangK,LuB,WeiYM.China’sregionalenergyandenvironmentalefficiency:Arange-djustedmeasurebasedanalysis[J].AppliedEnergy, 2013, 112: 1403-1415.

[11]LinBQ,WangXL.ExploringenergyefficiencyinChina’sironandsteelindustry:Astochasticfrontierapproach[J].EnergyPolicy, 2014, 72: 87-96.

[12]HasanbeigiA,MorrowW,SathayeJ,etal.Abottom-upmodeltoestimatetheenergyefficiencyimprovementandCO2emissionreductionpotentialsintheChineseironandsteelindustry[J].Energy, 2013, 50: 315-325.

[14]NordhausWD.ModelingInducedInnovationinClimate-changePolicy,in:Grubler,A.,Nakicenovic,A.,Nordhaus,W.D(Eds.),TechnologicalChangeandEnvironment[M].ResourcesfortheFuture,Washington,DC, 2002: 182-209.

[15]Fisher-VandenK,JeffersonGH,JingkuiM,etal.TechnologydevelopmentandenergyproductivityinChina[J].EnergyEconomics, 2006, 28(5-6): 690-705.

[16]Br-nnlundR,GhalwashT,Nordstr-mJ.Increasedenergyefficiencyandthereboundeffect:Effectsonconsumptionandemissions[J].EnergyEconomics, 2007, 29(1): 1-17.

[17]MahmoodA,MarpaungCOP.Carbonpricingandenergyefficiencyimprovement-whytomisstheinteractionfordevelopingeconomics?AnillustrativeCGEbasedapplicationtothePakistancase[J].EnergyPolicy, 2014, 67: 87-103.

[18]查冬蘭, 周德群. 基于CGE模型的中國能源效率回彈效應(yīng)研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究, 2010, 12: 39-66.

ChaDonglan,ZhouDequn.TheresearchonChina’senergyefficiencyreboundeffectbasedonCGEmodel[J].TheJournalofQuantitative&TechnicalEconomics, 2010, 12: 39-66. (inChinese)

[19]LinBQ,LiuHX.AstudyontheenergyreboundeffectofChina’sresidentialbuildingenergyefficiency[J].EnergyandBuilding, 2015, 86: 608-618.

[20]WangZH,LuM.AnempiricalstudyofdirectreboundeffectforroadfreighttransportinChina[J].AppliedEnergy, 2014, 133: 274-281.

[21]SorrellS,DimitropoulosJ,SommervilleM.Empiricalestimatesofthedirectreboundeffect:Areview[J].EnergyPolicy, 2009, 37(4): 1356-1371.

[22]NordhausWD.ManagingtheGlobalCommons,theEconomicsofClimateChange[M].Cambridge,MA:MITPress, 1994.

[23]BosettiV,CarraroC,GaleottiM,etal.WITCH:Aworldinducedtechnicalchangehybridmodel[J].TheEnergyJournal, 2006:S13-S38.

[24]DowlatabadiH,OravetzMA.USlong-termenergyintensity:Backcastandprojection[J].EnergyPolicy, 2006, 34(17): 3245-3256.

[25]SchumacherK,SandsRD.Wherearetheindustrialtechnologiesinenergy-economymodels?AninnovativeCGEapproachforsteelproductioninGermany[J].EnergyEconomics, 2007, 29(4): 799-825.

[26]NordhausWD.Economicaspectsofglobalwarminginapost-Copenhagenenvironment[J].ProceedingsoftheNationalAcademyofSciences, 2010, 107(26): 11721-11726.

[27]DuanHB,FanY,ZhuL.What’sthemostcost-effectivepolicyofCO2targetedreduction:AnapplicationofaggregatedeconomictechnologicalmodelwithCCS[J].AppliedEnergy, 2013, 112: 866-875.

[28]PoppD.ENTICE:EndogenoustechnologicalchangeintheDICEmodelofglobalwarming[J].JournalofEnvironmentalEconomicsandManagement, 2004, 48(1): 742-768.

[29]DuanHB,ZhuL,FanY.Modelingtheevolutionarypathsofmultiplecarbon-freeenergytechnologieswithpolicyincentives[J].EnvironmentModeling&Assessment, 2014, 20(1): 55-69.

[30]BibasR,MéjeanA,Hamdi-CherifM.Energyefficiencypoliciesandthetimingofaction:Anassessmentofclimatemitigationcosts[J].TechnologicalForecasting&SocialChange, 2015, 90: 137-152.

[31]Kumbaro-luG,KaraliN,ArikanY.CO2,GDPandRET:AnaggregateeconomicequilibriumanalysisforTurkey[J].EnergyPolicy, 2008, 36(7): 2694-2708.

[32]RaupachMR,MarlandG,CiaisP,etal.GlobalandregionaldriversofacceleratingCO2emissions[J].ProceedingsoftheNationalAcademyofSciences, 2007, 104(24): 10288-10293.

[33]趙奧, 武春友. 中國CO2排放量變化的影響因素分解研究: 基于改進的Kaya等式與LMDI方法[J]. 軟科學, 2010, 24(12): 55-59.

ZhaoAo,WuChunyou.AnalysisofdecompositionofinfluencingfactorsofvariationinCO2emissionofChina[J].SoftScience, 2010, 24(12): 55-59. (inChinese)

[34]AngBW.TheLMDIapproachtodecompositionanalysis:Apracticalguide[J].EnergyPolicy, 2005, 33(7): 867-871.

[35]國家統(tǒng)計局. 中國能源統(tǒng)計年鑒2011[M]. 北京: 中國統(tǒng)計出版社, 2012.

StateStatisticsBureau.ChineseEnergyStatisticalYearbook2011[M].Beijing:ChinaStatisticalPublishingHouse, 2012. (inChinese)

[36]國家電力監(jiān)管委員會. 中國電力監(jiān)管年度報告[R]. 北京, 2012,http://www.serc.gov.cn.

StateElectricityRegulatoryCommission.AnnualReportofChinaPowerRegulation2011[R].Beiijng, 2012,http://www.serc.gov.cn. (inChinese)

[37]GerlaghR,VanderzwaanBCC.Grossworldproductandconsumptioninaglobalwarmingmodelwithendogenoustechnologicalchange[J].ResourceandEnergyEconomics, 2003, 25(1): 35-57.

[38]國家統(tǒng)計局. 中國科技統(tǒng)計年鑒2011[M]. 北京: 中國統(tǒng)計出版社, 2012.

StateStatisticsBureau.ChineseStatisticalYearbookofScienceandTechnology2011[M].Beijing:ChinaStatisticalPublishingHouse, 2012. (inChinese)

[39]高昌林, 施涵, 呂永波, 等. 中國能源研發(fā)政策研究概要[J]. 能源研究與利用, 2004, 7(3): 3-6.

GaoChanglin,ShiHan,LüYongbo,etal.EnergyR&DpolicyresearchprofileofChina[J].EnergyResearch&Utilitzation, 2004, 7(3): 3-6. (inChinese)

[40]McDonaldA,SchrattenholzerL.Learningratesforenergytechnologies[J].EnergyPolicy, 2001, 29(4): 255-261.

[41]邸元, 崔瀟濛, 劉曉鷗. 中國風電產(chǎn)業(yè)技術(shù)創(chuàng)新對風電投資成本的影響[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究, 2012, (3): 140-150.

DiYuan,CuiXiaomeng,LiuXiaoou.TheimpactoftechnologyinnovationsoncostofChina’swind-powerindustry[J].TheJournalofQuantitative&TechnicalEconomics, 2012, (3): 140-150. (inChinese)

[42]PoppD.Inducedinnovationandenergyprices[J].TheAmericanEconomicReview, 2002, 92(1): 160-180.

[43]WeissM,JungingerM,PatelMK,etal.Areviewofexperiencecurveanalysisforenergydemandtechnologies[J].TechnologicalForecasting&SocialChange, 2010, 77(3): 411-428.

[44]GarnautR.TheGarnautClimateChangeReview[R].NewYork:CambridgeUniversityPress, 2008.

[45]UnitedNationsDevelopmentProgram(UNDP).ChinaHumanDevelopmentReport, 2009/10:ChinaandaSustainableFuture:TowardsaLowCarbonEconomyandSociety[M].Beijing:ChinaTranslationandPublishingCorporation, 2009.

[46]丁仲禮, 段曉男, 葛全勝, 等. 2050年大氣CO2濃度控制: 各國排放權(quán)計算[J]. 中國科學, 2009, 39(8): 1009-1027.

DingZhongli,DuanXiaonan,GeQuansheng,etal.ControlofatmosphericCO2concentritionby2050:Anallocationontheemissionrightsofdifferentcountries[J].ScienceChina, 2009, 39(8): 1009-1027. (inChinese)

[47]石敏俊, 袁永娜, 周晟呂, 等. 碳減排政策: 碳稅、 碳交易還是兩者兼之[J]. 管理科學學報, 2013, 16(9): 9-19.

ShiMinjun,YuanYongna,ZhouShenglü,etal.Carbantax,cap-and-tradeormixedpolicy:Whichisbetterforcarbonmitigation[J].JournalofManagementSciencesinChina, 2013, 16(9): 9-19. (inChinese)

[48]UnitedNationsDevelopmentProgram(UNDP).HumanDevelopmentReport-FightingClimateChange:HumanSolidarityinaDividedWorld[M].NewYork:PalgraveMacmillan, 2008.

[49]李惠民, 齊曄. 中國2050年碳排放情景比較[J]. 氣候變化研究進展, 2011, 7(4): 271-280.

LiHuimin,QiYe.ComparisonsonChina’scarbonemissionscenariosin2050[J].AdvancesinClimateChangeResearch, 2011, 7(4): 271-280. (inChinese)

[50]許士春, 何正霞, 魏曉平. 資源消耗、污染控制下經(jīng)濟可持續(xù)最優(yōu)增長路徑[J]. 管理科學學報, 2010, 13(1): 20-30.

XuShichun,HeZhengxia,WeiXiaoping.Sustainableoptimaleconomicgrowthpathunderresourceconsumptionandpollutioncontrol[J].JournalofManagementSciencesinChina, 2010, 13(1): 20-30.(inChinese)

China’scarbonreductionstructure:Ananalysisbasedonendogenousenergyefficiencyimprovement

DUAN Hong-bo1, ZHANG Gu-peng2, FAN Ying3, WANG Shou-yang1

1.SchoolofEconomicsandManagement,UniversityofChineseAcademyofSciences,Beijing100190,China;2.SchoolofPublicPolicyandManagement,UniversityofChineseAcademyofSciences,Beijing100190,China;3.SchoolofEconomicsandManagement,BeihangUniversity,Beijing100191,China

Inthispaper,anendogenousenergyefficiencyimprovement(EEEI)mechanismisintroducedintotheChineseeconomy-energy-environmentintegratedmodel,whichisanextendedversionoftheglobalintegratedassessmentmodel(E3METL).TheimpactofEEEIonthegrowthofCO2emissionsisexploredbymeansoffactorization,andtheevolutionofcarbonreductioncontributionsofthecorrespondinginfluencingfactorisexaminedinthepresenceofcarboncontrols.Itisfoundthat: 1)Bothcarbonintensityandenergyintensityplayapositiveroleinthegrowthofcarbonemissions,whilethepercapitalincomeandpopulationfactornegativelyaffectsthecarbonpath; 2)Intheearlystagesofcarboncontrol,EEEIisthelargestcontributortothecuttingofCO2emissions;thesituationchangesinthelaterstages,andthedevelopmentofnon-carbontechnologiesactsasthelargestcontributorinstead.Thus,itisofgreatimportancetomasterthedynamiclawsandfeaturesoftheevolutionofcarbonreductionfactors.Forexample,thegovernmentshouldadjustthedirectionandintensityofitsmacro-drivenpoliciesintime;whileenterpriseshavetodeterminetheirinvestmentorientationofcarbon-reducingtechnologiesduly,soastoachievetheircarbonreductiongoalsmorecost-effectively.

endogenousenergyefficiencyenhancement;integratedassessmentmodeling;carbonspaceconstrains;carbonreductiondecompositionanalysis

2014-08-26；

2015-10-19.

國家自然科學基金資助項目 (71503242; 71210005)； 教育部人文社科青年基金資助項目 (14YJC630029).

段宏波 (1985—), 男， 湖南益陽人， 博士, 講師. Email: hbduan@ucas.ac.cn

N945； X96

A

1007-9807(2016)07-0010-14