基于CO2和大氣污染物排放征稅分析的區域電力系統優化

王琳瑞,柴 淼,王靈志,李 薇(華北電力大學區域能源系統優化教育部重點實驗室,北京 102206)

基于CO2和大氣污染物排放征稅分析的區域電力系統優化

王琳瑞,柴 淼,王靈志,李 薇*(華北電力大學區域能源系統優化教育部重點實驗室,北京 102206)

為了優化電力系統并促進節能減排,將不確定性優化方法與區域電力系統模型相結合進行電力系統規劃:以系統成本最小化作為目標函數;參考國家相關政策與標準設置資源量、電力供需平衡、排放限值等約束;對各發電技術發電量、外購電量、CO2及大氣污染物排放總量進行最優化;為了探討征收排放稅的減排效果以及可行性,設置對電力系統征收大氣污染物排放稅和碳稅進行相應的情景分析.研究以淄博市作為實例,在淄博的電力系統規劃中,情景1中違反系統約束概率的增大會使最優火力發電量增加,在3個情景中,清潔能源發電量均能達到占總電力需求量10%的目標;而外購電將主要作為保證電力系統安全平穩運行的補充;情景1中違反系統約束概率為0時SO2,NOx和煙塵的排放限值在所有情景中為最低,即淄博市現行的排放限值標準將會得到更好的減排效果,并且其他情景下的系統成本將顯著增加.因此,基于對淄博市的案例研究結果可知,對于電力系統征收排放稅并不具有必要性.

大氣污染物排放稅；碳稅；區域電力系統規劃；不確定性優化方法

隨著城市化進程的不斷加快和現代工業的高速發展,越來越多的地區出現發電量不足,電力供應短缺的情況,并且還伴隨著嚴重的污染物排放問題[1-2];國務院確定的“大氣污染防治十條措施”對污染物的排放限值控制越來越嚴格,“大氣十條”使得傳統的火力發電發展受到很大的限制,而新能源發電由于成本高和并網難的特點,發展較慢且利用率不高.由于電力系統中存在諸多的復雜性與不確定性,進行電力系統規劃需要準確把握其結構,并正確反映系統內部因素的不確定性,系統中的不確定性主要有電力供需的隨機性,波動的能源價格,變化的運行成本以及機組擴容等.將不確定性優化方法與區域電力系統模型相結合,可以有效處理多種不確定性.國內外學者對此展開了很多相關的研究,例如:李薇等[3]基于兩階段規劃方法建立了不同排污收費情景下的發電企業減排模型,解玉磊等[4]通過建立區域電力結構優化模型研究了溫室氣體的減排潛力,周雅等[5]基于強健可能性規劃方法建立深圳市可持續電力規劃模型并進行節能減排分析,張曉萱等[6]構建不確定性城市能源系統模型對北京市的能源結構和污染物減排進行了優化,周肖楠[7]基于河南省能源-環境系統優化模型對河南省的大氣污染物減排進行了研究.Xie[8]通過不確定性魯棒優化方法與濟寧市能源系統相結合進行了碳捕集核算和電力系統優化.Jin等[9]開發了不確定性能源優化模型并結合廈門市能源系統針對大氣污染物減排進行優化.Ji等[10]將微電網模型與不確定性優化方法耦合用于管理 CO2和其他污染物的排放.Zhu等[11]構建了一個動態能源來進行電力系統規劃,并以北京市作為實例,引入歐盟碳交易方案來控制溫室氣體排放.綜上所述,將不確定性優化方法與電力系統模型相結合進行電力系統規劃,同時結合政策、情景分析等相關約束,可以有效處理不確定性并為決策者提供相應的理論支持.

除了進行電力系統規劃之外,相應的減排政策也會起到輔助作用,碳稅作為控制CO2排放最有效的經濟手段,受到廣泛的關注,除征收碳稅外,征收大氣污染物排放稅也會有效減少大氣污染物的排放.中國目前尚未征收碳稅和大氣排放稅,但許多專家學者已展開了相關研究:Fang等[12]利用新型四維節能減排模型進行計算并得出相關結論:中國最適宜征收碳稅的時間為 2013～2014年,最佳稅點為17.6～17.8元/t CO2.Guo等[13]應用CGE模型來檢驗了碳稅對中國經濟和碳排放的影響,結果表明:適中的稅率將會略微減少經濟的發展速度,但是會有效減少碳排放和化石燃料的消耗.徐毅等[14]通過將碳稅和不確定性優化方法相結合,并研究了其對北京市能源系統的影響,結果指出有碳稅情景下的減排效果由于無碳稅情景.Yang等[15]模擬了中國征收碳稅的減排結果,結果指出:若以50元/t的價格征收碳稅,CO2排放將在 2010年的基礎上減少 3%.馬士國[16]基于CGE模型設置了對應不同SO2減排率的硫稅,針對不同化石能源進行分類征收,結果指出:最優的SO2稅率應在460元/噸和1050元/噸之間.劉立佳[17]通過分析我國 SO2減排以及污染控制的基本情況,計算了我國東、中、西部的不同 SO2稅率.李永坡[18]對SO2稅征收的理論基礎和可行性進行了分析,依據不同達標率下的中國分地區SO2稅率,提出了中國現階段的征稅策略.李丹陽

[19]分析了我國開征NOx稅的可行性和必要性,并指出開征NOx排放稅是合理的選擇.綜上所述,征收碳稅以及大氣污染物排放稅均會取得良好的減排效果,但對于社會和經濟的影響仍未有明確結論.

為了探討不同排放限值對電力行業的影響以及排放標準的合理性,本研究將不確定性兩階段機會約束規劃(ITSCCP)與電力系統模型相結合,該方法可以分析不同違約概率對應的排放限值,即超標排放對系統的影響,從而得到不同的優化方案.另設置對電力行業征收碳稅與大氣污染物排放稅的情景,并對不同情景下的優化方案進行比較,以此來確定其減排效果以及可行性.并以山東淄博市作為實例,通過政府公報,統計年鑒等文獻收集相關數據,旨在為決策者提供相應的參考.

1 模型構建

1.1 規劃方法概述

不確定性兩階段機會約束規劃(ITSCCP)由兩階段隨機規劃(TSP)與不確定性機會約束規劃(ICCP)組成[20].兩階段隨機規劃(TSP)可以將模型中的右手邊的不確定性表達為概率分布的形式[21].不確定性機會約束規劃(ICCP)既可以有效表征不確定條件下滿足系統約束的可靠性(或不滿足約束的風險),也可以用來處理概率密度函數形式的左手邊不確定性,并且將不確定性參數表達為區間數的形式[22].

方法(ITSCCP)具體表述如下:

目標函數:

約束條件:

約束(1c)可表述為如下形式:

1.2 區域電力系統優化策略

研究將不確定性優化方法與區域電力系統模型相結合,將系統總成本最小化作為目標函數;將各技術發電量、外購電量等作為決策變量;以資源量、裝機容量、電力供需平衡和國家相關政策如“上大壓小”,“減排限值”等作為約束;設置不同違約概率對應的排放限值對系統的影響,另外,還分別設置對電力行業征收大氣污染物排放稅和碳稅的情景.

模型具體表達如下:

(1)資源消耗成本

(2)發電成本

(3)擴容成本

(4)大氣污染物治理成本

(5)CO2和大氣污染物排放稅

(6)外購電力成本

式中:f±為系統總成本,106元;p表示發電轉換技術, (其中p =1 表示火力發電, p =2 表示水力發電, p =3表示光伏發電, p =4表示風力發電, p =5生物質發電和垃圾發電);i表示排放的溫室氣體和大氣污染物(i =1 表示 CO2, i =2 表示 SO2, i =3 表示 NOx, i =4 表示煙塵).t表示規劃期(t =1,2);h為電力需求水平(h = 1, 2, 3分別表示低、中、高需求水平);thp為t時期不同需求水平的概率;表示發電技術 p在 t時期所需的資源量

(7)新能源發電補貼表示 t時期所需資源的價格,106元表示發電技術 p在 t時期的運行成本,106元/GWh;表示發電技術p在t時期的單位懲罰費用,106元/GWh;表示發電技術p在 t時期的發電量,GWh;表示發電技術p在 t時期電力需求水平 h下的電力缺失量,GWh;表示發電技術p在t時期的擴容固定投資成本,106元;表示發電技術p在t時期的可變投資成本,106元/GW;表示國家鼓勵新能源發展的發電補貼,106元/GW;表示CO2和大氣污染物排放稅,106元/kt;表示發電技術p在t時期電力需求水平h下的擴容選擇,(二元變量,0表示不擴容,1表示擴容);表示發電技術p在t時期電力需求水平h下的新增擴容量,GW;表示t時期的外購電量,GWh;表示外購電量成本,106元/GW;表示發電技術p在t時期產生的污染物i的去除成本,106/kt;表示發電技術p在t時期產生的污染物 i的單位環境懲罰成本,106/kt;表示發電技術p在t時期產生的污染物i的單位產物系數,t/GWh.

(1)電力資源供需平衡約束

(2)環境容量約束(CO2,煙塵, SO2, NOx排放)

(3)裝機容量約束

(4)擴容約束

(5)發電量約束

(6) 資源消耗約束

AD

2 案例研究

2.1 數據來源

研究以淄博市作為實例,淄博市位于山東省中部,是重要的工業城市,其工業以石油化工、醫藥、建材、紡織、陶瓷、機械冶金等為主導,眾多工業使得電力需求不斷增加、能源的消耗日益嚴重,并且環境質量降低,空氣污染嚴重.

淄博市的電力結構以火力發電為主,截止到2016年,淄博市發電裝機容量約為480萬kW,其中,統調公用機組 241.3萬 kW,地調公用機組56.21萬kW(小水電0.26萬kW),企業自備機組156.28萬kW(余熱利用8.4萬kW).除此之外,淄博市還具有良好的新能源發電環境,具有十分豐富的太陽能和風能,年平均日照時長超過2542.6h,在博山區和淄川南部山區交界處,具有面積可觀的風場.中廣核與漢能光伏集團均已在淄博投資了眾多新能源發電項目,許多項目正在建設當中.

淄博市電力供應主要來自于火力發電,2014年,淄博的火力發電量為 238.49億 kWh,約占全社會電力需求量的 73%;外購電是淄博電力供應的另一個重要來源,2014年,外購電量為84.52億kWh,約占全社會電力需求量的25%.雖然淄博具有發展新能源發電的充分條件,但現已并網的光伏發電,風力發電、生物質與垃圾發電的總發電量僅占全社會用電量的1%.

研究以淄博市為實例,規劃期為 2016～2021年,每3年一個規劃期,共分為2個規劃期.為了促進“節能減排”和新能源的發展,根據淄博市現有的新能源發電的情況,規定第1個規劃期結束時,新能源發電量達到總發電量的5%,在第2個規劃期結束時,新能源發電量達到總發電量的10%.

為了探討不同排放限值對系統的影響以及排放限值的合理性;還有對電力行業大氣污染物排放稅和碳稅的減排結果及影響,研究將設置不同的情景,具體情景及內容如表1所示.

表1 情景設置及內容Table 1 Scenarios settings and content

綜上所述,本研究通過構建基于不確定性優化技術的區域電力系統模型來達到以下目標:(1)調整電力結構,計算不同情景下各發電技術的最優發電量,并探究不同情景下各技術發電量的變化,以及對系統產生的影響;(2) 分析比較不同情景下的排放限值和排放總量,確定最優方案;(3)對不同情景下的系統成本進行比較,并確定其征稅可行性與必要性.

表2 CO2和大氣污染物排放的征稅稅率Table 2 The tax rate of CO2and air pollutants emission

本文所用的數據均來自淄博市統計局相關資料與政府相關工作報告[24-26],排放限制的標準按照山東省的相關文件標準制訂[27],征稅稅率的制訂參考了相關的研究與文獻[23-25].

表3 淄博市電力需求量Table 3 Total amount of regional electricity demand

表4 不同違約概率下對應的CO2和大氣污染物排放限值Table 4 Allowable CO2and air pollutants emission caps under different qilevel

2.2 結果分析

2.2.1 電力結構 不同情景下的各技術發電量及外購電量如表5所示.為了保證區域供電的安全性、穩定性,火力發電通常會作為最主要的發電形式.在情景1中,qi值增加代表著違約概率增加,也代表CO2與大氣污染的排放限值會隨之增大,在不同的違約概率下的最優火力發電量會伴隨著qi值的增加而增加(圖1),在不同的情景下的火力發電量呈現明顯的變化趨勢,由于因為污染物排放控制和排放稅的征收增加了火力發電的排污成本,使得火力發電不得不減少發電量,這說明征收碳稅與污染物排放稅對火力發電減排的作用十分直接且明顯.另外,由于固有的煤炭消費能源結構,隨著電力結構的調整和排放限值的變化,火力發電的比重相對于其他發電形式的變化較小,并且將會繼續作為主要的電力供應形式.

不同情景下的外購電量如圖2所示,在情景1中,隨著qi值的增加,外購電量將會呈現減少的趨勢.由于排放限值的增大促進了火力發電,并且隨著本地新能源發電的發展,本地發電量將會整體增加,供電的安全性和穩定性將會相應增加,外購電量也隨之減少,但是在這種情況下,環境質量將會受到影響.除此之外,外購電量將會從情景 1到情景3出現增加的趨勢.該現象表明:由于排放稅的征收使得具有污染排放的企業受到了影響,從而不得不減少火力發電量,為了保障電力系統的平穩運行,因此外購電量會出現增加的現象.

表5 各時期不同情景下的最優發電量Table 5 The optimized power generation under different scenarios in each period

圖1 不同情景下的火力發電量Fig.1 Thermal power generation quantity under different scenarios

水力發電在淄博由于資源和技術的限制,將發展的十分緩慢.由于光伏發電,風力發電具有清潔性和排放少的特點,在不同時期和不同情景中,其最優發電量均會達到上界.生物質和垃圾發電因為具有排放CO2和大氣污染物的特征,因此會受到排放征稅的影響,其最優發電量將會從情景1到情景 3呈遞減現象,征收碳稅對生物質發電的影響比征收污染物排放稅更大,因為生物質燃燒發電的產生的CO2大于空氣污染物的量,但生物質和垃圾發電排放的 CO2可以構成自然界的碳循環,實現CO2的“零排放”.因此,通過征收碳稅來限制CO2排放量雖然會對其產生影響,但可以對生物質和垃圾發電免征碳稅,甚至可以將稅收對其進行補貼,保證其更好的發展從而達到更好的減排效果.綜上所述,淄博的新能源發電在規劃期將會得到保證,且風力發電和生物質發電將會作為新能源發電的主力,并且將在規劃期實現預期設定的目標.

圖2 不同情景下的外購電量Fig.2 Purchased electricity quantity under different scenarios

2.2.2 排放總量對比 情景1中qi為0時的大氣排放限值參考山東省要求的排放標準制訂,情景2與情景3中的大氣污染物排放量計算采用火力發電行業的污染排放的計算方法.

三種情景下二氧化碳和空氣污染物排放限值結果如表6所示,情景1中qi為0時SO2,NOx和PM的排放限值,即政府制訂的排放標準,其在所有情景中為最低,并且情景2得到的大氣污染物排放結果高于情景1中的部分設定值,這說明淄博市現階段執行的污染物排放限值相當嚴格,且在不征收污染物排放稅的情況下就達到了更好的效果,因此,淄博市現階段執行的污染物排放標準非常嚴格且具有較強的可行性.

CO2的減排結果在情景3中為最低,征收碳稅對火力發電、生物質和垃圾發電同時造成了影響,尤其生物質和垃圾發電的發電量相比情景1和情景2減少程度較大,因此情景3的CO2的排放限值在所有情景中最優,同時由于 CO2的排放減少,大氣污染物的排放也相應減少.這表明通過征收碳稅達到的減排效果十分明顯.然而除了考慮減排效果以外,還要綜合考慮其成本,過高的成本不具有可行性,并且還會對企業以及經濟發展產生影響.

表6 情景2和情景3各時期的CO2及污染物排放總量Table 6 Amount of CO2and pollutants emission under scenarios of 2 and 3 in each period.

2.2.3 系統成本 將機會約束規劃應用于 CO2和大氣污染物排放限值,得出的不同結果可以顯示出系統成本和排放限值的相關性.系統成本會隨著 qi值的增加而減少,例如,當 qi值為 0.01, 0.05,0.1時,其相應的系統成本為[3.84, 4.69]×1011元, [3.81, 4.66]×1011元,[3.80, 4.65]×1011元.這說明隨著排放限值的增加,系統用來控制 CO2和大氣污染物排放的花費將會減少,系統總成本將會減少.違約概率越大,則系統成本越低,但預先設定的排放目標就無法實現;將違約概率控制到最小,則系統成本則會最大,但環境質量將會得到保障.

征收排放稅會帶來顯著增加成本.圖3給出了不同情景下系統成本的解,在不同情景下,系統成本變化十分顯著.例如,情景1中當qi= 0時,系統成本為[3.85, 4.74]×1011元,情形 2中為[4.84, 6.23]×1012元,情景3中為[3.83, 3.95] ×1012元 .盡管征稅可以促進大氣污染物和二氧化碳減排,調整電力結構,增加政府收入.然而,征收排放稅,不僅可能導致當前區域能源系統成本相對較高,增加燃煤電力行業的負擔,也可能對區域電力系統的穩定性造成很大壓力.征收稅收的系統成本是傳統排污收費制度的十倍或十倍以上,但在不同情景下減排的結果之間并沒有太大的差距.總之,根據淄博市的案例研究結果可知,對于電力系統征收二氧化碳和空氣污染物的排放稅是不可行也是不必要的.

圖3 不同情景下的系統總成本Fig.3 Total system cost under different scenarios

許多發達國家在征收碳稅和環境稅之后,由于制度設計和征稅對象的不同,征稅帶來的效果也褒貶不一[28-29].目前國際上流行的碳減排的趨勢主要依靠碳交易機制以及二氧化碳的捕集、封存,建立完善的碳交易市場,是發展中國家有效控制碳排放的重要手段之一,相關的減排措施值得進一步研究與探討[30-31].

3 結語

本研究將不確定性優化方法(ITSCCP)與區域電力系統模型相結合,分析不同違約概率對應的排放限值系統的影響,研究將淄博市作為實例進行研究,并基于電力結構調整,外購電量,排放限值,二氧化碳排放稅和污染物排放稅設置了三個情景.結果表明:隨著 qi值的增加,火力發電量將會相應增加,而外購電將會相應減少;新能源發電由于清潔性,在不同情景下可完成預先設定的目標;在情景1中qi值為0時SO2,NOx和煙塵的排放限值在所有情景中為最低,說明淄博市現階段實施的污染物排放標準具有較好的可行性;盡管較高的違約概率將增加系統的風險,但可以降低系統總成本,但會造成環境質量的下降.征收排放稅會造成成本的顯著增加,但減排效果并不理想.因此,基于淄博市的案例結果,對電力系統征收排放稅是不必要的.

[1] Herrerias M J, Joyeux R, Girardin E. Short- and long-run causality between energy consumption and economic growth: Evidence across regions in China [J]. Applied Energy, 2013, 112:1483-92.

[2] Shan Y, Liu J, Liu Z, et al. New provincial CO2emission inventories in China based on apparent energy consumption data and updated emission factors [J]. Applied Energy, 2016.

[3] 李 薇,周肖楠,解玉磊,等.不同排污收費情景下的發電企業減排模型研究 [J]. 中國環境科學, 2013,33(8):1529-1535.

[4] 解玉磊,付正輝,湯 燁,等.區域電力結構優化模型及溫室氣體減排潛力 [J]. 電力建設, 2013,34(11):82-86.

[5] 周 雅,李永平,黃國和.深圳市可持續電力規劃模型及節能減排分析 [J]. 電力建設, 2014,35(6):82-87.

[6] 張曉萱.考慮環境約束的不確定性城市能源系統優化模型 [D].北京:華北電力大學, 2010.

[7] 周肖楠.基于不確定性的區域電力——環境系統優化模型研究[D]. 北京:華北電力大學, 2014.

[8] Xie Y L, Huang G H, Li W, et al. Carbon and air pollutants constrained energy planning for clean power generation with arobust optimization model—A case study of Jining City, China [J]. Applied Energy, 2014,136:150—167.

[9] Jin L, Huang GH, Fan YR, et al. A pseudo-optimal inexact stochastic interval T2fuzzy sets approach for energy and environmental systems planning under uncertainty: A case study for Xiamen City of China [J]. Applied Energy, 2015,138:71-90.

[10] Ji L, Niu D X, Xu M, et al. An optimization model for regional micro-grid system management based on hybrid inexact stochastic-fuzzy chance-constrained programming [J]. International Journal of Electrical Power & Energy Systems, 2015,64:1025-39.

[11] Zhu Y, Li Y P, Huang G H, et al. A dynamic model to optimize municipal electric power systems by considering carbon emission trading under uncertainty [J]. Energy, 2015,88:636-49.

[12] Fang G, Tian L, Fu M, et al. The impacts of carbon tax on energy intensity and economic growth — A dynamic evolution analysis on the case of China [J]. Applied Energy, 2013,110:17-28.

[13] Guo Z, Zhang X, Zheng Y, et al. Exploring the impacts of a carbon tax on the Chinese economy using a CGE model with a detailed disaggregation of energy sectors [J]. Energy Economics, 2014,45:455-62.

[14] 徐 毅,臧宏寬.不確定條件下碳稅政策對北京市能源環境系統影響研究 [J]. 中國環境科學, 2012,12:2278-2284.

[15] Yang M, Fan Y, Yang F, et al. Regional disparities in carbon dioxide reduction from China's uniform carbon tax: A perspective on interfactor/interfuel substitution [J]. Energy, 2014,74:131-139.

[16] 馬士國.征收硫稅對中國二氧化硫排放和能源消費的影響 [J].中國工業經濟, 2008,2:20-30.

[17] 劉立佳.中國二氧化硫稅稅率設計研究 [D]. 杭州:浙江財經學院, 2011.

[18] 李永坡.我國二氧化硫稅制度設計研究 [D]. 石家莊:河北經貿大學, 2015.

[19] 李丹陽.開征氮氧化物稅的現實意義與可行性分析 [J]. 科技經濟導刊, 2016,23:168-169.

[20] Li Y P, Huang G H, Brian W. Baetz. Environmental Management under Uncertainty—an interval-Parameter Two-Stage Chance-Constrained Mixed Integer Linear Programming Method [J]. Environmental Engineering Science, 2006,23(5):761-779.

[21] Huang G H, Loucks D P. An inexact two-stage stochastic programming model for water resources management under uncertainty [J]. Civil Eng Environ Syst, 2000,17:95—118.

[22] Wu C B, Huang G H, Li W, et al. Multistage stochastic inexact chance-constraint programming for an integrated biomassmunicipal solid waste power supply management under uncertainty [J]. Renewable and Sustainable Energy Reviews, 2015,41:1244-54.

[23] Maqsood I, Huang G H. A Two-Stage Interval-Stochastic Programming Model for Waste Management under Uncertainty [J]. Journal of the Air & Waste Management Association, 2003, 53:540-52.

[24] 淄博市經濟和信息化委員會.對智能電網現狀和發展趨勢的認識 [R]. 淄博:淄博市經濟和信息化委員會, 2013.

[25] 淄博市統計局.2011～2014淄博市統計年鑒 [M]. 淄博:淄博市統計局, 2011-2014.

[26] 淄博市統計局.2010～2014年淄博市國民經濟和社會發展統計公報 [R]. 淄博:淄博市統計局, 2011-2015.

[27] DB37/2376-2013 山東省區域性大氣污染物綜合排放標準[S].

[28] 汪曾濤.碳稅征收的國際比較與經驗借鑒 [J]. 理論探索, 2009,4:68-71.

[29] 蘇 明,傅志華,許 文,等.碳稅的國際經驗與借鑒 [J]. 環境經濟, 2009,9:28-32.

[30] 雷立鈞,荊哲峰.國際碳交易市場發展對中國的啟示 [J]. 中國人口.資源與環境, 2011,4:30-36.

[31] 孫亞男.碳交易市場中的碳稅策略研究 [J]. 中國人口.資源與環境, 2014,3:32-40.

Regional power system optimization based on analysis of levying taxes on CO2and atmospheric pollutants emission

WANG Lin-rui, CHAI Miao, WANG Ling-zhi, LI Wei*(Ministry of Education Key Laboratory of Regional Energy and Environmental Systems Optimization, North China Electric Power University, Beijing 102206, China). China Environmental Science, 2017,37(3)：1179～1187

In order to optimize the power system and promote energy conservation and emission reduction, an inexact optimization method was combined with the regional power system model for the power system planning: to minimize the system cost as the objective function; to set up the resource quantity, the power supply and demand balance, and the emission caps as constraints refer to the relevant national policies and standards; to optimize the power generation quantity, purchased electricity, the total amount of CO2and air pollutant emission; in order to explore the effect of emission reductions and the feasibility of levying taxes, the corresponding scenario analysis for levying emission taxes on air pollutants and carbon would be set up. The research took Zibo City as a case study, with the increasing probability of violating system constraints, the optimized thermal power generation quantity would increase, the renewable power generation quantity would achieve the goals of 10% total electricity consumption in 3scenarios. Moreover, the purchased electricity would be the complementary power form for the power system; the emission caps of SO2, NOxand PM under the default probability of 0 in scenario 1 would be the best among all scenarios. It denotes that the current standard implemented by Zibo would obtain better results, and the results of total cost in scenarios 2 and 3 would increase significantly. Therefore, based on the case study of Zibo City, levying emission taxes on power system maybe unnecessary.

emission taxes of air pollutants；carbon tax；regional power system planning；inexact optimization method

X196

A

1000-6923(2017)03-1179-09

王琳瑞(1992-),男,山東淄博人,華北電力大學碩士研究生,研究方向為區域能源系統管理,能源與環境系統分析等.發表論文2篇.

2016-07-21

國家自然基金面上項目資助(61471171);中央高校基本科研業務費專項資金資助(2015ZZD08);環保部公益項目(201509010)

* 責任作者, 教授, weili819@aliyun.com