王海靜，王紅蕾

（貴州大學(xué) 管理學(xué)院，貴州 貴陽 550025）

一、引言

為積極應(yīng)對全球氣候變化，順應(yīng)低碳發(fā)展的潮流，我國相繼出臺了一系列的戰(zhàn)略目標(biāo)和環(huán)保政策，中國在公布的《強化應(yīng)對氣候變化行動——中國國家自主貢獻》減排方案中承諾在2030 年左右實現(xiàn)碳排放達峰。此后越來越多的學(xué)者開始關(guān)注“能否達峰”的問題。我國電力行業(yè)因其能耗高、污染大[1]而成為全社會碳排放量最大的部門。近些年來，貴州省電力行業(yè)得到迅速發(fā)展，但發(fā)電過程中的碳排放也造成了大氣污染。貴州省作為國家扶貧的主戰(zhàn)場，由于多山地形、生態(tài)環(huán)境脆弱等原因?qū)е陆?jīng)濟發(fā)展緩慢，且過多地依賴資源開發(fā)和能源消耗。以煤炭為主的供電結(jié)構(gòu)成為貴州省電力行業(yè)碳排放達峰的重大阻礙。因此，計劃從供電結(jié)構(gòu)、供電煤耗入手，探究貴州省電力行業(yè)通過調(diào)整這兩大因素能否實現(xiàn)碳排放達峰；同時考慮到貴州省與經(jīng)濟發(fā)達省份相比，承擔(dān)著更大的經(jīng)濟發(fā)展壓力，故假設(shè)經(jīng)濟仍舊保持平穩(wěn)高速發(fā)展。從貴州省“省情”出發(fā)，研究如何減少碳排，實現(xiàn)碳排放達峰，對貴州省碳排放達峰目標(biāo)的實現(xiàn)以及低碳經(jīng)濟發(fā)展具有重要的現(xiàn)實意義。

二、文獻綜述

（一）碳排放影響因素研究

目前對碳排放影響因素進行分解的方法，主要包括結(jié)構(gòu)分解法（SDA）[2-5]，對數(shù)平均Divisia 指數(shù)分解法（LMDI）[6-9]，廣義迪氏指數(shù)分解法（GDIM）[10-13]等。叢建輝等（2019）[14]將省際貿(mào)易因素納入IO-SDA 模型，對影響山西省碳排放的因素進行分解，研究結(jié)果證實了省際貿(mào)易對于山西省碳排放的重要作用；汪中華和于孟君（2019）[15]利用GDIM 對中國石化行業(yè)的碳排放演變進行分解，并考察投資、碳強度等因素的變化對碳排放變化量的貢獻情況，研究表明投資、產(chǎn)出等因素是碳排放的主要促進因素，投資碳強度和產(chǎn)出碳強度則相反，是主要的促降因素；楊玉文等（2020）[16]將kaya 恒等式與LMDI 分解法結(jié)合，對內(nèi)蒙古自治區(qū)的碳排放影響因素進行分解，并借助蒙特卡羅模擬法對碳排放量進行動態(tài)預(yù)測，結(jié)果表明經(jīng)濟效應(yīng)和能源強度對碳排放的作用顯著，預(yù)測出內(nèi)蒙古2030 年的碳排放量在50 000 萬噸～53 000 萬噸之間。

（二）碳排放預(yù)測研究

迄今國內(nèi)外采用的碳排放預(yù)測方法主要包括IPAT 模 型[17-18]，STIRPAT 模 型[19]、SD 模 型[20]、LEAP模型[21-22]、灰色預(yù)測[23]，Kaya 恒等式[24]等。有不少學(xué)者將情景預(yù)測法、STIRPAT 等模型結(jié)合起來進行預(yù)測。其中，丁甜甜和李瑋（2019）[25]利用此種方法預(yù)測了中國電力行業(yè)的碳排放，并分析了不同情景下的峰值和達峰時刻；李雪梅和張慶（2019）[26]將LMDI與情景預(yù)測法相結(jié)合預(yù)測天津市的碳排放變化趨勢，結(jié)果表明中增長—強減排模式是天津市的最佳發(fā)展模式。

（三）貴州省碳排放研究

從針對貴州省的碳排放研究來看，蘆穎等（2018）[27]對貴州省全行業(yè)的碳峰值進行了預(yù)測，其結(jié)果顯示碳排放強度、第二產(chǎn)業(yè)占比高速下降時有助于推進提前達峰；王紅蕾和王紅超（2019）[28]研究了發(fā)電側(cè)低碳效益影響因素，研究結(jié)果證實了CCS技術(shù)等因素對低碳效益的重要性。

通過文獻整理發(fā)現(xiàn)：（1）大多文獻集中研究京津冀等經(jīng)濟較發(fā)達地區(qū)的碳排放情況。鮮有文獻對影響貴州省電力行業(yè)碳排放量的因素進行詳細(xì)研究。（2）情景預(yù)測及分析時，大多文獻傾向于以較低的速度發(fā)展經(jīng)濟，減少化石能源需求，以此來達到減排的目的。但這并不適用于貴州省等經(jīng)濟欠發(fā)達地區(qū)。（3）部分文獻建議優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，降低第二產(chǎn)業(yè)占比。而貴州省作為欠發(fā)達地區(qū)其工業(yè)行業(yè)占比本就處于較低的比例。因此如何能夠使貴州省電力行業(yè)早日實現(xiàn)達峰目標(biāo)且保持經(jīng)濟的平穩(wěn)發(fā)展成為本文的研究重點。試圖從電力能源角度回答“如何減排”的問題。

本文的主要貢獻在于：（1）從產(chǎn)、輸、送、用等環(huán)節(jié)詳細(xì)地對貴州省電力行業(yè)的碳排放量進行因素分解，并對這些因素在各個年份的作用進行了細(xì)致分析。（2）在經(jīng)濟高速平穩(wěn)發(fā)展的前提下，探究能否通過優(yōu)化供電結(jié)構(gòu)、降低發(fā)電煤耗實現(xiàn)碳排放達峰。與主張降低經(jīng)濟發(fā)展速度以實現(xiàn)碳減排的研究相比，是一種新的研究思路。（3）從貴州省電力行業(yè)“以煤為主”的實際出發(fā)，通過設(shè)置供電結(jié)構(gòu)、發(fā)電煤耗的相關(guān)參數(shù)來預(yù)測碳排放，進一步驗證了這兩大因素對于碳減排的重要作用。

三、貴州省電力行業(yè)的碳排放現(xiàn)狀及因素分解

（一）貴州省電力行業(yè)的碳排放現(xiàn)狀

貴州省以火力發(fā)電為主，且煤炭是火力發(fā)電的主要能源，一般認(rèn)為清潔能源的碳排放為零。參照丁甜甜和李瑋（2019）[25]的測算方法，計算煤電的碳排放量。測算方法如公式（1）所示：

Ct—貴州省電力行業(yè)t 年的碳排放量；

FCt—t 年火力發(fā)電的煤炭消耗量；

NCV—煤炭凈熱值；

EF—煤炭的碳排放因子。

NCV，EF 摘自文獻[29]，計算出2006—2017 年貴州省電力行業(yè)碳排放總量（萬噸），如圖1 所示。發(fā)電煤炭消耗量的數(shù)據(jù)來自《貴州省統(tǒng)計年鑒》。由圖1可知，貴州省電力行業(yè)的碳排放量總體呈攀升趨勢。

圖1 貴州省電力行業(yè)2006—2017 年碳排量

（二）貴州省電力行業(yè)影響碳排放變化量的因素分解

選取影響電力行業(yè)碳排放量的主要因素進行分解。具體包括：供電結(jié)構(gòu)（R）、發(fā)電煤耗（Q）、碳排放系數(shù)、輸配電損失（L）、人均GDP（AR）、人口規(guī)模（P）、居民生活電耗強度（EIC）、產(chǎn)業(yè)電耗強度（EI）、產(chǎn)業(yè)結(jié)構(gòu)（IS）九個因素。分析產(chǎn)業(yè)電耗強度時，將產(chǎn)業(yè)具體細(xì)分為農(nóng)林牧副漁業(yè)、工業(yè)、建筑業(yè)、批發(fā)零售住宿和餐飲業(yè)、交通運輸倉儲郵政業(yè)、其他行業(yè)等六個產(chǎn)業(yè)部門?；趉aya 恒等式，建立碳排放因素初次分解模型。如公式（2）所示：

TP 為火電生產(chǎn)總量，G 為發(fā)電總量，EC 為貴州省全社會用電需求量。TP、G、EC 的數(shù)據(jù)均來自中國電力統(tǒng)計年鑒。

O—能源的排放系數(shù)；

Q—單位煤電的煤耗量即發(fā)電煤耗率因素；

R—非可再生能源的電力生產(chǎn)量與電力生產(chǎn)總量的比值，代表供電結(jié)構(gòu)因素；

S—發(fā)電量與貴州省全社會用電需求量的比值，代表電力供需結(jié)構(gòu)因素；

根據(jù)LMDI 分解模型，考慮時間因素，可將C 的變化量表示為：

在時間間隔[0，t]內(nèi)，各分解因子的表達式為：

各變量符號的含義為：

Ct—第t 期的碳排放量；

C0—基期（2007 年）的碳排放量；

ΔCo—能源的碳排放系數(shù)效應(yīng)；

ΔCR—供電結(jié)構(gòu)效應(yīng)；

ΔCS—電力供需結(jié)構(gòu)效應(yīng)；

ΔCQ—發(fā)電煤耗效應(yīng)，

ΔCEC—電力消耗量效應(yīng)。

假設(shè)供需平衡且碳排放系數(shù)在研究期間不變，故主要研究其余四種因素。

其次，對用電量進行分解。電量去向分為終端的電力消費（F）和輸配電損失（L），則EC=F+L，那么在[0，t]的時間區(qū)間內(nèi)，ΔEC 表達式如公式（10）所示：

終端電力最終被不同的產(chǎn)業(yè)部門和居民生活所消耗，因此可將終端的電力消耗分解為：

式（11）中，j 指不同的產(chǎn)業(yè)部門，j=1，2…7，分別表示農(nóng)林牧副漁業(yè)，工業(yè)、建筑業(yè)、批發(fā)零售住宿和餐飲業(yè)、交通運輸倉儲郵政業(yè)、其他行業(yè)以及居民生活部門；Y 表示地區(qū)國內(nèi)生產(chǎn)總值（億元）；Yj表示j 部門的國內(nèi)生產(chǎn)總值。為了便于比較，以1978年為基期，對2007—2017 年的GDP 進行調(diào)整。

考慮時間因素，可將F 的變化量分解為：

在時間間隔[0，t]內(nèi)各分解因子的表達式為：

該階段對應(yīng)各因素的碳排放變化效應(yīng)表達式為：

ΔCL——輸電損失效應(yīng)；

ΔCEI——產(chǎn)業(yè)用電強度效應(yīng)；

ΔCIS——產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)；

ΔCAR——人均GDP 效應(yīng)；

ΔCP——人口總量效應(yīng)；

ΔCEIC——居民生活耗電強度效應(yīng)。

因此，貴州省電力行業(yè)碳排放變化量的最終分解模型為：

（三）不同因素對碳排放影響的實證分析

利用遞階LMDI 模型最終測算出2007—2017年各因素對貴州省電力行業(yè)碳排放量的貢獻值，如表1 所示。從表1 可以看出：在電力生產(chǎn)環(huán)節(jié)中，電力能源結(jié)構(gòu)（R）是唯一一個在10 個年份中對碳排放起抑制作用的因素；電力消費環(huán)節(jié)中，產(chǎn)業(yè)用電強度（EI）在前五年起抑制作用，后五年轉(zhuǎn)變?yōu)榇龠M作用。因此，還需進一步加大產(chǎn)業(yè)用電強度的調(diào)整力度，以充分發(fā)揮其對碳排放的抑制作用。居民生活耗電強度（EIC）從2009 年開始，由正貢獻逐漸轉(zhuǎn)變?yōu)樨?fù)貢獻，有8 個年份起抑制作用，并且抑制程度逐年增加；產(chǎn)業(yè)結(jié)構(gòu)（IS）有3 個年份的貢獻值為正，其余年份為負(fù)，且其抑制作用日益凸顯；人口規(guī)模（P）在9 個年份中對碳排放起抑制作用，1 個年份起促進作用，表明人口規(guī)模的縮減能在一定程度上抑制碳排放；人均GDP（AR）對碳排放的影響最大，10 個年份均起促進作用；生產(chǎn)環(huán)節(jié)的發(fā)電煤耗因素（Q）有6 個年份起抑制作用，4 個年份起促進作用；輸電環(huán)節(jié)中的輸電損耗（L）在10 個年份中起促進作用。

四、發(fā)展情景設(shè)置與碳排放峰值預(yù)測

（一）情景設(shè)置

選取代表經(jīng)濟發(fā)展水平的人均GDP 因素，以及代表減排潛力的供電結(jié)構(gòu)、發(fā)電煤耗兩個因素進行情景設(shè)置。

《貴州省十三五規(guī)劃綱要》指出，十三五期間貴州省地區(qū)生產(chǎn)總值增長率在10%左右。雖然2014年國家提出要“以結(jié)構(gòu)穩(wěn)增長”，放緩經(jīng)濟增長速度。但考慮到貴州省相比經(jīng)濟發(fā)達省份面臨著更重的經(jīng)濟發(fā)展任務(wù)，且通過整理數(shù)據(jù)發(fā)現(xiàn)，貴州省近5年的GDP 增長率在9%～11%之間（見表2），雖呈逐年下降趨勢，但依然保持著較高的發(fā)展速度。

表1 貴州省電力行業(yè)碳排放變化量因素分解結(jié)果

表2 2012—2018 年貴州GDP 增長率（%）

因此，假設(shè)貴州省在2018—2035 年間依舊保持較高的經(jīng)濟增長趨勢，在此假設(shè)前提下，探究貴州省電力行業(yè)能否通過調(diào)整供電結(jié)構(gòu)和供電煤耗實現(xiàn)在2030 年左右碳排放達峰的目標(biāo)，對貴州省的GDP 增長率進行設(shè)置（見表3）。

表3 GDP 增長率設(shè)置（%）

《貴州省能源發(fā)展“十三五”規(guī)劃》提出，非化石能源發(fā)電量比重在十三五期間要達到37.5%，同時參考蘆穎等人對貴州省供電結(jié)構(gòu)參數(shù)的設(shè)置，對供電結(jié)構(gòu)的參數(shù)進行設(shè)置（見表4）。

表4 火電降幅參數(shù)設(shè)置（%）

《貴州省能源發(fā)展“十三五”規(guī)劃》顯示：貴州省2015 年6 000 千瓦以上的火電機組平均供電煤耗為327 g 標(biāo)準(zhǔn)煤/ 千瓦時，預(yù)計到2020 年為320 g標(biāo)準(zhǔn)煤/千瓦時，年增長率為-0.4%。發(fā)電煤耗率=供電煤耗率*（1-發(fā)電廠用電率）。假設(shè)研究期間的發(fā)電廠用電率恒定，故發(fā)電煤耗率與供電煤耗率同比例變化。

考慮到隨著碳減排技術(shù)的日益成熟，煤耗將進一步降低，據(jù)此設(shè)置了不同情景下各時期平均供電煤耗的下降率（見表5）。

表5 供電煤耗參數(shù)設(shè)置（下降率%）

通過組合最終形成九種情景，如表6 所示。

表6 九種情景模式

（二）基于STIRPAT 模型的碳排放預(yù)測建模

STIRPAT 模型是測算碳排放的常用模型之一。由于研究的目的和需要有所差異，可以適當(dāng)對STIRPAT 模型進行改進[30]。將模型拓展為：

式（25）中：a、b、c、d 表示模型系數(shù)；e 表示誤差，C 表示碳排放量，AR 代表人均GDP；R 代表供電結(jié)構(gòu)；Q 代表發(fā)電煤耗。為減少異方差和偏誤，進行對數(shù)化處理得到：

本文用SPSS 進行擬合得到調(diào)整后的R2為0.912，表明模型具有較高的擬合度，能較好地預(yù)測碳排放的變化趨勢。且各變量都通過了T 檢驗和F 檢驗。方差膨脹因子VIF 小于10，表明不存在多重共線性。得到最終的預(yù)測模型：

（三）碳排放峰值預(yù)測及分析

基于前文提出的九種發(fā)展情景，對九種情景下的碳排放進行預(yù)測，得到貴州省電力行業(yè)2018—2035年九種情景下的碳排放預(yù)測值，如圖2 所示。

九種情景中有三種情景出現(xiàn)了峰值，如圖3 所示，分別是情景一（高降幅—高降耗）、情景二（高降幅—中降耗）、情景四（中降幅—高降耗）。這三種情景都在2030 年達峰，峰值分別為15 302.33 萬噸、15 497.64 萬噸、16 023.36 萬噸，其中情景一的峰值最低。表明在經(jīng)濟保持較高增速時，通過調(diào)整供電結(jié)構(gòu)，降低火電發(fā)電比例，以及利用節(jié)能技術(shù)降低發(fā)電煤耗，能夠?qū)崿F(xiàn)貴州省電力行業(yè)2030 年左右碳排放達峰的目標(biāo)。當(dāng)然，在供給側(cè)能源結(jié)構(gòu)調(diào)整以及降低煤耗的進程中少不了技術(shù)支持、資金推動、政策扶持等因素的輔助。因此，可以通過資源配置，將技術(shù)、資金等流向電力能源結(jié)構(gòu)、發(fā)電煤耗等領(lǐng)域以此促進碳減排。

圖2 貴州省電力行業(yè)2018—2035 年碳排放預(yù)測值

圖3 達峰情景下貴州省電力行業(yè)2018—2035 年碳排放預(yù)測值

其余6 種情景均呈持續(xù)增長趨勢，未出現(xiàn)峰值。增長速度較快的情景依次為：情景九（低降幅—低降耗），情景八（低降幅—中降耗）、情景七（低降幅—高降耗）。此三種情景均是在中降幅、低降幅基礎(chǔ)上形成的碳排放量。由此可知，在經(jīng)濟保持較高增速時，若供電結(jié)構(gòu)未做出較大幅度的優(yōu)化，貴州省電力行業(yè)很難實現(xiàn)2030 年左右達峰的目標(biāo)。情景三（高降幅—低降耗），情景七（低降幅—高降耗）均保持緩慢增長，未在2035 年前達峰，表明僅對其中一種因素進行大幅優(yōu)化，而對另一因素優(yōu)化幅度較小，同樣很難在2035 年前出現(xiàn)峰值。

五、結(jié)論與建議

本文通過利用遞階LMDI 模型對影響貴州省電力行業(yè)碳排放量的因素進行分解，得到九個影響因素，并基于STIRPAT 模型對不同情景下貴州?。?018—2035 年）電力行業(yè)的碳排放量進行預(yù)測。預(yù)測結(jié)果表明，該方法能較為準(zhǔn)確地預(yù)測到不同情景下的碳排放量。通過對因素分解和情景預(yù)測的結(jié)果分析，得出主要結(jié)論和建議如下，可為貴州省實現(xiàn)經(jīng)濟發(fā)展和碳減排的平衡提供新的借鑒。

1.從因素分解的結(jié)果來看，電力能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、發(fā)電煤耗、產(chǎn)業(yè)用電強度、居民生活用電強度等因素在不同年份對碳排放起到了一定程度的抑制作用。因此，建議通過調(diào)整供電結(jié)構(gòu)、降低產(chǎn)業(yè)用電強度、居民生活用電強度及發(fā)電煤耗，減少輸電損耗等方式減少二氧化碳排放。

2.從情景預(yù)測的結(jié)果來看，在經(jīng)濟高速增長時，九種情景中有三種情景能夠在2030 年實現(xiàn)碳排放達峰目標(biāo)。證明可以通過調(diào)整供電結(jié)構(gòu)、降低發(fā)電煤耗，實現(xiàn)經(jīng)濟發(fā)展和碳減排的平衡。因此應(yīng)當(dāng)重視供電能源結(jié)構(gòu)、發(fā)電煤耗在降低碳排放方面的重要作用。建議積極引導(dǎo)技術(shù)、資金等資源流向電力能源結(jié)構(gòu)、發(fā)電煤耗等領(lǐng)域，開發(fā)利用清潔能源替代可再生能源；加大技術(shù)開發(fā)與創(chuàng)新，降低發(fā)電過程中的煤炭消耗，減少對化石能源的依賴。