吳彤，張興宇，程星星，孫榮峰，王志強，耿文廣，王魯元*，馮太

（1.齊魯工業(yè)大學(xué)（山東省科學(xué)院）能源研究所，濟南250014；2.山東大學(xué)能源與動力工程學(xué)院，濟南250001；3.山東科技大學(xué)機械電子工程學(xué)院，山東青島266590）

0 引言

作為全球最大的發(fā)展中國家和碳排放大國，我國在第75屆聯(lián)合國大會上提出了“二氧化碳排放力爭于2030 年前達到峰值，努力爭取2060 年前實現(xiàn)碳中和”的目標(biāo)。當(dāng)前，我國碳排放仍然處在“總量高、增量高”的歷史階段，超過85%的碳排放來自能源活動。2020 年年末，我國非化石能源占比約為15%，化石能源占比依然很高。為實現(xiàn)碳達峰、碳中和，“十四五”期間需要加快推動能源革命，建設(shè)清潔低碳、安全高效的能源體系，提高能源供給保障能力。這是一場廣泛而深刻的經(jīng)濟社會系統(tǒng)性變革，是一場挑戰(zhàn)，更是一場硬仗。

山東省作為我國的工業(yè)大省之一，碳排放量一直處于全國前列，據(jù)《山東省統(tǒng)計年鑒》數(shù)據(jù)，2020年原煤產(chǎn)量高達10 922.0 萬t，焦炭產(chǎn)量為3 162.6萬t，2020 年生產(chǎn)總值為73 129 億元，比上年增長了3.6%，第二產(chǎn)業(yè)結(jié)構(gòu)從39.9%下調(diào)到39.1%。因此，在保證穩(wěn)定國內(nèi)生產(chǎn)總值（GDP）增長的前提下，加大節(jié)能減排力度是山東省近幾年來的首要任務(wù)。目前，針對國內(nèi)碳排放預(yù)測的研究相對較少，且多數(shù)集中在全國或大規(guī)模區(qū)域范圍，鮮有地方性的碳排放預(yù)測模型。而對省、市級區(qū)域進行碳排放數(shù)據(jù)的預(yù)測是實現(xiàn)全國碳達峰工作的重要前提。為使省、市級區(qū)域更好地實施碳減排，本文以山東省臨沂市為例，根據(jù)2009 —2019 年臨沂市工業(yè)碳排放數(shù)據(jù)建立相關(guān)模型，分析影響碳排放量的相關(guān)因素，預(yù)測2020—2030 年的碳排放發(fā)展趨勢，并根據(jù)預(yù)測結(jié)果為節(jié)能減排工作提出相應(yīng)的建議。

1 文獻綜述

目前常用的碳排放預(yù)測模型有可拓展的隨機性環(huán)境影響評估（STIRPAT）模型、中國能源政策綜合評價（IPAC）模型、環(huán)境庫茲涅茨曲線（EKC）預(yù)測模型、灰色預(yù)測模型（GM）（1，1）、反向傳播（BP）神經(jīng)網(wǎng)絡(luò)、對數(shù)平均迪氏指數(shù)（LMDI）模型等。國內(nèi)外許多學(xué)者采用各種方法進行了深入的研究。姜克雋等［1］運用IPAC 模型對我國長期溫室氣體的排放進行了預(yù)測研究，通過假設(shè)基準(zhǔn)、低碳、強化低碳場景及其主要參數(shù)，預(yù)測我國化石燃料排放的碳在低碳環(huán)境下將于2030 年實現(xiàn)碳達峰。佟昕等［2］運用STIRPAT 模型較全面地對我國2000 —2011 年碳排放的影響因素進行了分析，并運用GM（1，1）對我國2012—2020年的碳排放量進行了預(yù)測，但沒有考慮我國政策的實時調(diào)整，即沒有對影響碳排放的各個因素進行定量預(yù)測，只是單純針對因變量進行了預(yù)測，無法預(yù)知出現(xiàn)碳達峰的時間。渠慎寧等［3］通過STIRPAT 模型對未來我國碳排放峰值進行了預(yù)測，其結(jié)合全國30 個省份的數(shù)據(jù)，建立了比較系統(tǒng)的STIRPAT 模型，通過對未來碳排放影響因素的定量預(yù)測，得到我國將在2020 —2045 年實現(xiàn)碳達峰的結(jié)論。許化等［4］運動EKC模型建立了陜西省碳排放量與人均GDP 的研究模型，在此基礎(chǔ)上加入其他3個影響因素對模型進行再檢驗，最后預(yù)測出陜西省經(jīng)濟增長與碳排放量呈現(xiàn)倒“N”型，碳排放量預(yù)計在2024 年出現(xiàn)拐點。顏偉等［5］采用SIIRPAT 模型，并通過嶺回歸的方法預(yù)測了山東半島藍色經(jīng)濟區(qū)碳排放量，結(jié)合山東半島的發(fā)展態(tài)勢確定中增長-低減排模式是最佳發(fā)展模式。

不少學(xué)者專門在工業(yè)碳排放方面進行了研究。韓媛媛等［6］運用STIRPAT 模型對長沙市規(guī)模以上的工業(yè)碳排放進行了預(yù)測，張巍［7］通過STIRPAT 模型對陜西省工業(yè)碳排放量進行了預(yù)測，這2 項研究均是以工業(yè)規(guī)模、用工人數(shù)、能源強度和能源結(jié)構(gòu)為自變量進行研究。吉林大學(xué)解品磊［8］對工業(yè)各部門進行細(xì)分，應(yīng)用長期能源替代規(guī)劃系統(tǒng)（LEAP）模型分別對各部門進行了詳細(xì)預(yù)測，提出了具體可行的措施；郭曉芳［9］利用STIRPAT 模型對遵義市規(guī)模以上工業(yè)企業(yè)碳排放進行了分析，根據(jù)影響因子定量分析了各自變量的影響；王海靜等［10］通過LMDI 模型分析出影響貴州省電力碳排放的因素，并通過情景假設(shè)對未來10年的電力碳排放進行了預(yù)測；王莉葉等［11］基于LMDI 模型分析出蘭州市主要能源碳排放量的影響因素并進行了情景分析；劉曉燕等［12］對江蘇省工業(yè)能源消費帶來的二氧化碳排放量進行了預(yù)測；田澤等［13］就揚子江城市群工業(yè)碳排放與經(jīng)濟增長水平之間的關(guān)系進行了分析研究；馬艷梅等［14］運用探索性空間數(shù)據(jù)分析（ESDA）方法和STIRPAT 框架下的空間計量模型的分析結(jié)果，對山東省工業(yè)碳減排提出了相應(yīng)建議；鄧光耀等［15］根據(jù)能源消耗的相關(guān)數(shù)據(jù)，對碳排放進行了分解研究，系統(tǒng)核算了各行業(yè)能源消費碳排放量。

本文在以上學(xué)者的研究基礎(chǔ)上，運用STIRPAT模型建立臨沂市工業(yè)碳排放量與各自變量的關(guān)系模型，通過嶺回歸消除共線性問題，并定量分析各因素的影響程度，通過各自變量的參數(shù)估計進行情景假設(shè)，分6 種情景模式對臨沂市未來10 年工業(yè)碳排放進行預(yù)測。

2 臨沂市工業(yè)碳排放影響因素

2.1 STIRPAT模型的建立

STIRPAT 模型是由IPAT 模型拓展而來的［16］，它比后者更靈活，可以引入多個獨立變量

式中：I為環(huán)境壓力；a為模型系數(shù)；b，c，d分別為人口、財產(chǎn)、技術(shù)水平的彈性系數(shù)；e為模型誤差；P為人口數(shù)量；A為人均財富量；T為技術(shù)水平。

STIRPAT 模型在碳排放預(yù)測方面的應(yīng)用往往是將P，A，T這3個變量進行分解或改進。本文的研究對象為臨沂市工業(yè)碳排放，因此人口規(guī)模相應(yīng)改為工業(yè)規(guī)模，即工業(yè)固定資產(chǎn)Q；財產(chǎn)用人均工業(yè)產(chǎn)值U表示；結(jié)合臨沂市鋼鐵產(chǎn)業(yè)情況，將技術(shù)水平分解為能源強度O和能源結(jié)構(gòu)S，其中能源強度O用單位工業(yè)產(chǎn)值的綜合能耗表示，能源結(jié)構(gòu)S又分為原煤占總?cè)剂系南谋萂和凈購入電力N。6 個變量的情況說明見表1。

表1 STIRPAT模型中各變量說明Tab.1 Description of variables in STIRPAT model

模型關(guān)系為

等式兩邊同時取對數(shù)，得到

式中：θ1，θ2，θ3，θ4，θ5為各自變量的彈性系數(shù)，表示各自變量每變化1%會引起C的θ1%，θ2%，θ3%，θ4%，θ5%變化。

2.2 數(shù)據(jù)來源及碳排放計算方法

根據(jù)《臨沂市年度統(tǒng)計年鑒》《臨沂市統(tǒng)計公報》數(shù)據(jù)，查得2009 —2019 年的碳排放量、工業(yè)企業(yè)的固有資產(chǎn)、年工業(yè)生產(chǎn)增加值、人均工業(yè)產(chǎn)值、綜合能耗、原煤占能源消耗比、工業(yè)生產(chǎn)凈購入電力等數(shù)據(jù)。為方便數(shù)據(jù)采集：年工業(yè)生產(chǎn)增加值按2019 年的價格指標(biāo)取；在崗職工人數(shù)按年度平均用工人數(shù)；工業(yè)凈購入電力取工業(yè)企業(yè)凈消耗電力，按實際統(tǒng)計單位萬kW·h 計算，其中1 萬kW·h=10 MW·h；年度工業(yè)生產(chǎn)增加值按工業(yè)年度生產(chǎn)總值占年度生產(chǎn)總值的份額計算，其中2017 —2019 年沒有給出具體碳排放量，按碳排放量等于2.6 倍的綜合能耗推算。

本文研究對象為臨沂市工業(yè)企業(yè)，根據(jù)《2019年碳排放補充數(shù)據(jù)核算報告》，其工業(yè)碳排放主要由化石燃料燃燒排放、工業(yè)生產(chǎn)過程排放、凈購入電力熱力排放、固碳產(chǎn)品隱含排放4部分組成［17］

式中：ECO2為工業(yè)生產(chǎn)活動產(chǎn)生的所有碳排放量；Ec為企業(yè)所有凈消耗的化石燃料燃燒產(chǎn)生的碳排放量；Ep為工業(yè)生產(chǎn)過程中產(chǎn)生的碳排放量；Eeh為凈購入電力熱力附加的碳排放量；Rc為固碳產(chǎn)品隱含的碳排放量；Li為內(nèi)第i種化石燃料的活動水平，GJ；Fe，i為第i種化石燃料的碳排放因子（以CO2計），t/GJ；i為凈消耗化石燃料類型。

化石燃料的活動水平按下式計算

式中：Qdw，i為第i種化石燃料的平均低位發(fā)熱值，固體或液體燃料單位為GJ/t，氣體燃料單位為GJ/m3；Ci為第i種化石燃料的凈消耗量，固體或液體燃料單位為t，氣體燃料單位為m3。

化石燃料的碳排放因子為

式中：Cc，i為第i種化石燃料的單位熱值含碳量（以C計），t/GJ；Of，i為第i種化石燃料的碳氧化率，%。

化石燃料以原煤（以煙煤為主）、天然氣、液化石油氣、柴油、汽油為主。

2.3 數(shù)據(jù)處理及結(jié)果分析

將整理好的11組數(shù)據(jù)先進行對數(shù)化處理，然后以lnC為因變量，以lnQ，lnU，lnO，lnM，lnN為自變量，通過SPSS軟件進行多元線性回歸并進行共線性檢驗，檢驗結(jié)果見表2—4，表中：R為擬合優(yōu)度。

表2 模型匯總Tab.2 Summary of models

表3 方差分析Tab.3 ANOVA

表4 模型系數(shù)Tab.4 Model coefficients

分析表中數(shù)據(jù)可知：R2為0.987，F(xiàn)值為77.324，顯著性系數(shù)為0，所以方程回歸效果顯著；自變量和常數(shù)項通過了10%的顯著性水平檢驗，回歸效果基本滿意；但變量lnQ，lnN的方差膨脹系數(shù)（VIF）均大于10，其余3 個變量的VIF 值在4～10 之間，因此可以判斷5 個自變量之間存在多重共線性問題，需要進行消重。

本文通過SPSS 軟件，運用嶺回歸方法進行消重，嶺回歸擬合結(jié)果如圖1 所示，圖中：K為懲罰系數(shù)。

圖1 嶺回歸系數(shù)與K值的關(guān)系Fig.1 Relationship between the ridge regression coefficient and K value

從圖2 可看出，K值與R2成負(fù)相關(guān)，即K值越小R2越大，但K值的選取還應(yīng)通過圖1 來確定，只有選取圖1 中嶺回歸系統(tǒng)趨于穩(wěn)定時的K值，模型的擬合效果才最佳。選取K=0.3 進行嶺回歸，得到的具體結(jié)果見表5—6。

圖2 嶺回歸R2與K值的關(guān)系Fig.2 Relationship between the ridge regression R2 and K value

表5 嶺回歸模型匯總Tab.5 Summary of the ridge regression model

表6 嶺回歸模型系數(shù)Tab.6 Coefficients of the ridge regression model

從擬合結(jié)果看，R2為0.930，F(xiàn)值為13.200，顯著性系數(shù)為0.006，5 個自變量均通過了5%的顯著性水平檢驗，因此模型回歸效果良好。

從而可以得到嶺回歸方程

從方程系數(shù)看，企業(yè)規(guī)模（用企業(yè)固定資產(chǎn)表示）、人均工業(yè)生產(chǎn)增加值、能源強度和工業(yè)凈購入電力都對工業(yè)碳排放量起促進作用，其中工業(yè)凈購入電力和能源強度每增加1%，工業(yè)碳排放量將增加0.214 60%，表明電力的過度使用和能源強度加大將直接導(dǎo)致碳排放量增加。企業(yè)固定資產(chǎn)每增加1%，工業(yè)碳排放量將增加0.069 37%，人均工業(yè)產(chǎn)值增加1%，工業(yè)碳排放量將增加0.016 30%，因此以目前來看，工業(yè)產(chǎn)值的增加是以增加碳排放為代價的。而增加原煤占能源的消耗比可以抑制工業(yè)碳排放量，原煤占能源的消耗比每增加1%，工業(yè)碳排放量將減少0.550 00%。通過STIRPAT 模型可以總結(jié)出，減少碳排放量可以通過平衡好經(jīng)濟增長與減排的關(guān)系和調(diào)整能源消費結(jié)構(gòu)。

3 情景預(yù)測及結(jié)果分析

3.1 預(yù)測模型

通過上文的STIRPAT 模型，將公式（7）改寫為

將2009 —2019 年的碳排放數(shù)據(jù)代入上式，即可得預(yù)測值，與實際值進行對比，結(jié)果見表7。

由表7 數(shù)據(jù)可知，2009—2014 年碳排放量一直在增長，而山東省發(fā)布了《山東省2014—2015 年節(jié)能減排低碳發(fā)展行動實施方案》后，臨沂市的碳排放量有所下降。模型預(yù)測結(jié)果關(guān)聯(lián)度良好，最大誤差僅為5.5%，預(yù)測值與實際值基本吻合，因此模型具有實際預(yù)測意義。

3.2 各自變量分析

通過對影響碳排放量的各自變量進行分析假設(shè)，可以定量地預(yù)測未來的碳排放量，因此需要根據(jù)臨沂市近幾年的政策，對5 個自變量進行情景假設(shè)或通過灰色預(yù)測模型進行預(yù)測。

表7 2009—2019年臨沂市碳排放量預(yù)測值與實際值對比Tab.7 Predicted and actual values of carbon emission in Linyi City from 2009 to 2019

3.2.1 人均工業(yè)生產(chǎn)增加值

人均工業(yè)生產(chǎn)增加值由年度生產(chǎn)總值乘以工業(yè)產(chǎn)值占總產(chǎn)值的比重所得，又由于2009 —2019年生產(chǎn)總值一直穩(wěn)定上升，工業(yè)所占比重不斷下降，因此可以用GM（1，1）模型進行預(yù)測，2 個值相乘即可得人均工業(yè)生產(chǎn)增加值的預(yù)測結(jié)果。GM（1，1）模型本文不作過多介紹，通過Excel 即可得出預(yù)測，見表8。

表8 臨沂市2009—2019年工業(yè)生產(chǎn)增加值預(yù)測結(jié)果Tab.8 Forecast results of the added value of industrial production in Linyi City from 2009 to 2019

由圖3 可以看出：2018 年之前總體預(yù)測效果良好，預(yù)測結(jié)果具有實際意義；而2019 年的預(yù)測值明顯高于實際值，誤差為7.1%。2019 年是本次統(tǒng)計中工業(yè)生產(chǎn)總值唯一下降的年份，分析原因為，臨沂市在2019年大力推動工業(yè)產(chǎn)業(yè)結(jié)構(gòu)改革，全市規(guī)模以上工業(yè)企業(yè)營業(yè)收入嚴(yán)重下降。而2020 年臨沂市工業(yè)產(chǎn)業(yè)結(jié)構(gòu)得到了及時調(diào)整，據(jù)2020 年《臨沂市統(tǒng)計公報》，其工業(yè)生產(chǎn)增加值同比增長7.8%，工業(yè)生產(chǎn)增加值為1 537.32 億元，工業(yè)生產(chǎn)水平恢復(fù)正常。因此可以認(rèn)為2019 年的數(shù)據(jù)并不影響工業(yè)生產(chǎn)增加值的整體走勢。

圖3 灰色預(yù)測模擬值與實際值對比Fig.3 Comparison of grey model simulated value and actual value

按同樣的方法可得出2020—2030 年工業(yè)生產(chǎn)增加值的預(yù)測結(jié)果?！笆奈濉逼陂g面臨著新舊動能轉(zhuǎn)換、工業(yè)產(chǎn)業(yè)結(jié)構(gòu)占比下降等問題，因此2020—2030 年平均用工人數(shù)不會超過2020 年的統(tǒng)計用工人數(shù)。據(jù)2020年《臨沂市統(tǒng)計公報》，2020年平均用工人數(shù)為393 000 人，考慮到2020 年疫情帶來的復(fù)工復(fù)產(chǎn)問題，2020 —2022 年的平均用工人數(shù)取393 000 人。2022—2030 年的平均用工人數(shù)按灰色預(yù)測模型預(yù)測得出，這樣便可預(yù)測出2020 —2030年的人均工業(yè)生產(chǎn)增加值，見表9。

表9 臨沂市2020—2030年人均工業(yè)生產(chǎn)增加值預(yù)測結(jié)果Tab.9 Forecast results of per capita industrial production added value in Linyi City from 2020 to 2030

3.2.2 其他自變量

（1）企業(yè)固定資產(chǎn)。2020 年以來，疫情導(dǎo)致部分工業(yè)企業(yè)出現(xiàn)虧損，據(jù)統(tǒng)計，2020 年全市規(guī)上工業(yè)虧損企業(yè)為472 家，虧損面為16%，同時考慮到2009—2019年的平均增長率，將企業(yè)固定資產(chǎn)分為高速、中速、低速發(fā)展模式，增長率≥5%為高速發(fā)展，≤-5%為低速發(fā)展，在2 個閾值之間視為中速發(fā)展。

（2）能源強度和能源結(jié)構(gòu)。“十三五”提出5年單位GDP 能耗下降20.3%，煤炭消費比重下降8.4%，如今“雙碳”目標(biāo)更加強調(diào)“低能耗”的發(fā)展模式，因此，將能源強度下降作為約束性目標(biāo)，下降率≥1%為“低耗能”模式，增長率≥1%為“高耗能”模式。從上文中的STIRPAT 模型可以看出，目前減少原煤在總消耗中的占比已經(jīng)對減排不起主要作用，因此將原煤在總能源消耗量中的占比下調(diào)≥1%為“低耗能”模式，上調(diào)≥1%為“高耗能”模式。未來工業(yè)企業(yè)減少凈購入電力是降低減排的一個重要措施，按照2009 —2019 年的數(shù)據(jù)，凈購入電力減少率最大為19.4%，增加率最大為6.7%，因此將凈購入電力下降率≥5%為“低耗能”模式，增長率≥5%為“高耗能”模式模式。

3.3 發(fā)展情景設(shè)置及預(yù)測

根據(jù)STIRPAT 模型，將5 個自變量進行分組設(shè)置，其中將能源強度和能源結(jié)構(gòu)（煤炭消耗占比和凈購入電力）歸為一組，以“高耗能”“低耗能”表示參數(shù)的變化，以“高速”“中速”“低速”表示企業(yè)固定資產(chǎn)的變化，而人均工業(yè)生產(chǎn)增加值按上述灰色預(yù)測模型預(yù)測的值設(shè)定。按參數(shù)變化值的不同，將臨沂市2020 —2030 年的工業(yè)碳排放分為6 種發(fā)展情景，見表10。將所有情景下設(shè)定的參數(shù)值代入式（9）的預(yù)測模型，則可得出2020—2030 年的碳排放預(yù)測值，見表11。

表10 情景假設(shè)及參數(shù)設(shè)置Tab.10 Scenario assumption and parameter setting%

3.4 發(fā)展情景分析

表11 顯示了山東省臨沂市2020—2030 年的工業(yè)碳排放預(yù)測值。在情景1 中可以看出，當(dāng)企業(yè)固定資產(chǎn)低速增長，能源強度和能源結(jié)構(gòu)在低耗能模式下，碳排放量逐年降低，平均每年碳排放量降低1.82%，是減少碳排放的理想模式。

情景2 在情景1 的基礎(chǔ)上，將煤炭消耗占比調(diào)成高耗能模式，則在2028年出現(xiàn)了碳排放量的峰值4 337.83 萬t。模式2 的碳排放量基本維持在一個水平，平均為4 281.68 萬t，較模式1增長了12.8%。

表11 2020—2030年6種情景下的工業(yè)碳排放量預(yù)測結(jié)果Tab.11 Prediction of industrial carbon emission under six scenarios from 2020 to 2030萬t

對比情景1 和情景2 可見，煤炭消耗占比對工業(yè)碳排放量的影響極大，平均每年增加1%，未來10年平均碳排放量減少6.4%。因此可以推斷出，現(xiàn)在工業(yè)碳排放量大主要是使用了焦炭等低位發(fā)熱量較大的燃料，但原煤燃燒帶來的污染仍然不能忽視。

其他4種情景下碳排放量均逐年增加且維持在較高水平，其平均碳排放量分別為4 889.10 萬t，4 285.95 萬t，4 972.14 萬t，4 356.22 萬t，碳排放量平均年增長率為2.4%，0.2%，2.7%，0.5%。其中在情景5中，即工業(yè)經(jīng)濟高速發(fā)展、能源強度在高耗能模式、能源結(jié)構(gòu)在低耗能模式下，碳排放量在2030 年達到峰值5 665.90 萬t，很顯然這種情景是不可取的。

對比情景3 和情景4 可見，凈購入電力的變化對工業(yè)碳排放量的影響也很大，情景3 在情景4 的基礎(chǔ)上，未來10 年平均碳排放量減少14.1%，因此減少工業(yè)企業(yè)凈購入電力是節(jié)能減排的重要途徑。

對比情景5 和情景6 可見，能源強度直接影響工業(yè)碳排放量，情景6 在情景5 的基礎(chǔ)上能源強度變化下調(diào)2%，未來10 年平均碳排放量可減少14%，因此降低能源強度是國家“十四五”時期必須堅持的目標(biāo)。要想在保證人均GDP 正常發(fā)展的前提下減少碳排放，工業(yè)能耗必須穩(wěn)定下降。

通過縱向?qū)Ρ惹榫?、情景4 和情景6，在能源強度和能源結(jié)構(gòu)均為低耗能時，3 種企業(yè)固定投資模式下的平均碳排放量分別為4 281.68 萬t，4 315.53 萬t，4 356.22 萬t。若企業(yè)固定投資每年增加5%，未來10 年的平均碳排放量增加1.7%。因此，保持企業(yè)固定資產(chǎn)的低速發(fā)展模式可有效地節(jié)能減排。

綜合分析看，在臨沂市工業(yè)經(jīng)濟穩(wěn)定增長的前提下，降低能源強度、優(yōu)化能源結(jié)構(gòu)對減少碳排放量起著尤為關(guān)鍵的作用；與此同時，適當(dāng)降低企業(yè)固定資產(chǎn)，轉(zhuǎn)變經(jīng)濟發(fā)展方式，由要素驅(qū)動轉(zhuǎn)為技術(shù)驅(qū)動，才能從根本上實現(xiàn)節(jié)能減排。

4 結(jié)論

本文基于STIRPAT 模型建立了臨沂市工業(yè)碳排放量與企業(yè)固定資產(chǎn)、人均工業(yè)生產(chǎn)增加值、能源強度、原煤占能源消耗比及凈購入電力5 個自變量的關(guān)系模型，并通過設(shè)置6 種不同的情景模式進行了預(yù)測。為響應(yīng)國家“雙碳”目標(biāo)，結(jié)合本次研究結(jié)果，對臨沂市節(jié)能減排提出以下意見。

（1）著力推進傳統(tǒng)能源消耗替代，加快能源結(jié)構(gòu)轉(zhuǎn)變。臨沂市工業(yè)生產(chǎn)中煤炭和石油的消耗量占較大的比重，因此可以通過改變現(xiàn)有的能源消費結(jié)構(gòu)，例如降低傳統(tǒng)能源的消耗量，增加天然氣的消耗比重，加強對清潔能源、可再生能源的發(fā)開和利用。

（2）減少工業(yè)能耗下降，降低能源強度。降低能源強度的根本還是提升能源利用效率，需要加大燃料利用技術(shù)的引進與創(chuàng)新，投入相應(yīng)的科研經(jīng)費，加大對碳排放人才的培養(yǎng)與引進，完善低碳研究體系，向其他低碳企業(yè)學(xué)習(xí)較為先進的理念，促進臨沂市的工業(yè)碳排放體系完善。

（3）保持工業(yè)產(chǎn)值健康穩(wěn)定增長。不能過分追求工業(yè)產(chǎn)值的增加，在企業(yè)正常盈利的情況下，實現(xiàn)健康綠色的良性循環(huán)發(fā)展模式，企業(yè)要兼顧好經(jīng)濟增長與低碳的關(guān)系。