中國典型區域含電力消費的碳排放驅動因素分解*

劉 婷 白宏濤 徐 鶴

(南開大學環境科學與工程學院，天津 300350)

中國典型區域含電力消費的碳排放驅動因素分解*

劉 婷 白宏濤 徐 鶴#

(南開大學環境科學與工程學院，天津 300350)

碳排放驅動因素分解是實現碳減排路徑的重要工具,目前碳排放驅動因素分解研究主要針對直接碳排放，忽略了區域間碳轉移問題，尤其是電力消費引起的碳排放轉移。為保障區域碳排放責任公平，促進各區域均衡發展，構建了一種面向區域公平發展的混合碳排放估算方法，并以北京市、廣東省、山西省、河南省為典型案例，分別測算了4區域1995—2013年包含電力消費的碳排放。在此基礎上，運用對數平均分解指數(LMDI)模型分析了經濟發展水平、人口規模、能源效率、能源結構及電力結構對各省市碳排放的貢獻。結果表明，經濟發展水平與能源效率分別是各區域碳排放增長的最大拉動因素及最大抑制因素，其余因素影響并不明顯，且區域不同因素的影響存在一定差異。

碳排放 對數平均分解指數模型 驅動因素 電力消費

我國在巴黎氣候峰會上做出二氧化碳減排承諾，此舉對于減緩全球氣候變化具有重要意義，同時也意味著中國在未來一段時間將面臨巨大的碳減排壓力。碳排放驅動因素分解是尋求碳減排途徑的重要工具，其中對數平均分解指數(LMDI)模型是進行碳排放驅動因素分解的重要方法。目前，許多研究學者運用LMDI模型針對不同地域范圍及不同行業[1-15]的直接碳排放進行了驅動因素分解的相關研究，分析了經濟發展、產業結構、能源結構、能源效率等影響因素對碳排放的影響。研究發現，經濟發展對碳排放具有明顯的拉動作用，而能源效率對抑制碳排放增長的貢獻最大，其余影響因素因地域及行業的不同存在一定差異。以上研究均深入剖析了碳排放驅動因素，為制定全國及區域層面碳減排政策奠定了堅實的理論基礎，但這些研究在核算區域碳排放時均只核算了區域的直接碳排放，未能科學考慮區域間的碳轉移問題，用以核定區域碳減排責任有失偏頗。此外，受我國投入產出表更新時長的限制，所得數據難以支撐1995—2013年每年區域間的碳轉移量核算?？紤]到我國電力生產與消費的空間差異性、電力消費在全國及各區域的占比增加以及區域電力消耗數據的易得性，本研究采用了一種面向區域公平發展的混合碳排放(均以二氧化碳的排放量計)估算方法，對區域包含電力消費的碳排放進行了測算，將碳排放測算分為電力消費碳排放及非電力生產的直接碳排放分別核算。為進一步探究各驅動因素對區域碳排放的貢獻，運用LMDI模型對區域碳排放進行了深層次的驅動因素分解，并將電力結構納入影響因素范圍。

1 模型構建及數據來源

1.1 模型構建

(1) 區域碳排放測算模型構建

現有的區域碳排放核算多采用政府間氣候變化專門委員會(IPCC)推薦的核算方法。此種碳排放核算方法對區域碳排放核算有一定的適用性，但未能科學考慮電力消費引起的間接碳排放，將電力碳排放完全歸咎于生產者，這對于電力調出地區(如山西省等)并不公平。近年來隨著能源結構的調整，電力在能源消費中的占比越來越大，電力消費碳排放的占比也逐漸增大，電力消費產生的碳排放不容忽視。

基于保障區域碳排放責任公平的原則，根據IPCC碳排放核算方法，參考BAI等[16]的相關研究，提出了一種面向區域公平發展的混合碳排放估算方法，將碳排放量分為本地非電力生產的直接碳排放量及電力消費間接碳排放量，即：

(1)

式中：C為區域碳排放量，t；Ed為區域電力終端消費量與電力損失量之和，kW·h；rd為全國電力消費平均等效碳排放系數，即消耗單位電力排放的二氧化碳的量，t/(kW·h)；Ei為區域第i種化石能源的非電力消耗量，t；fi為第i種化石能源的標準煤折算系數；ηi為第i種化石能源的燃燒氧化率，%；α為標準煤能源轉化系數，TJ/t；EFi為第i種化石能源消耗的碳排放系數，即消耗單位熱量的第i種化石能源排放的二氧化碳量，t/TJ。

式(1)中，Ei包括終端消費量、供熱能耗與損失量之和，γd為全國火電生產的碳排放量與全國發電量的比值。我國電力生產主要由火電、風電、水電及核電組成，除火電消耗化石燃料為高碳排放過程外，其余發電方式均依靠清潔能源。雖然在清潔能源發電過程中設備運行也需消耗燃料產生二氧化碳，但此部分碳在能源終端消費過程中已進行核算，為避免重復計算，本研究假定風電、水電及核電發電過程為零碳排放過程。因此，電力生產碳排放可近似等同于火電發電的碳排放，在計算全國電力生產碳排放時，計算全國火電電力消費碳排放即可。

受資源稟賦及其他原因的限制，我國區域電力生產與消費的地理空間分布具有較大差異；我國各區域電力生產結構也存在一定差異，南方水電比例遠高于北方地區；此外，我國電力消費并未實行統一調配，區域間存在大規模的電力調配。基于以上原因，在現有技術水平及統計體系之下，難以核算各區域電力消費碳排放。因此，本研究假定全國電力實行統一調配，各區域電力碳排放系數均采用全國平均水平。

(2) 區域碳排放測算模型不確定性分析

構建的測算模型不確定性主要來源于兩個假設：一是假定風電、水電及核電發電過程為零碳排放過程，將電力生產的碳排放近似等同于火電發電的碳排放，使區域碳排放核算結果較實際結果整體偏??；二是假設全國電力實行統一調配，各區域電力碳排放系數均采用全國平均水平，未能充分考慮不同區域間碳排放系數的差異性。

(3) 驅動因素分解模型構建

目前，在碳排放領域主要的影響因素分解方法有指數分解分析(IDA)方法以及結構分解分析(SDA)方法。IDA方法中的LMDI模型由于具有無殘差，適用范圍廣等特點，被廣泛應用于碳排放驅動因素分解的相關研究中[17]，本研究根據LMDI模型[18-19]構建了我國區域碳排放因素分解模型。

根據所選取的數據及相關衡量指標，可將碳排放進行如下分解：

(2)

式中：Cj為第j種能源燃燒產生的碳排放量，t；Ej為第j種能源的消費量，t；E為能源消費總量，t；GDP為國內生產總值，億元；P為人口數量，億人，表征人口規模；Fj為消耗單位第j種能源排放的二氧化碳量，t/t，即第j種能源的碳排放系數；Sj為第j種能源占能源總量的比例，%，表征能源結構；I為單位國內生產總值能源消費量，元/t，表征能源效率；R為人均國內生產總值，元/人，表征經濟發展水平。

根據LMDI模型分解方法，以1995年為基準年，對1996—2013年的碳排放累積貢獻值分解，可以分解為能源排放強度因素、能源結構因素、能源效率因素、經濟發展水平因素和人口規模因素，其中在能源排放強度因素中，鑒于除電力碳排放系數外，其他化石能源不同年份碳排放系數變化小至可忽略不計，對碳排放累積影響貢獻幾乎為零，本研究在進行碳排放影響因素分解時，僅考慮電力碳排放系數的影響，因此能源排放強度因素也可看作電力結構因素。

對1995—2013年rd行計算，結果如圖1所示。可以看出，隨著電力低碳技術的推行以及其能源結構的改善，rd明顯呈下降趨勢。

圖1 1995—2013年rd變化趨勢Fig.1 The change trend of coefficient of rd from 1995 to 2013

1.2 數據來源及說明

收集1995—2013年北京市、廣東省、山西省、河南省4區域的碳排放核算相關數據，其中各類能源消耗量及電力消費量均來自歷年中國能源統計年鑒；各類化石能源標準煤折算系數采用中國統計年鑒推薦數值；各類化石能源碳排放系數采用IPCC的推薦數值，電力結構與當年全國電力結構一致，為當年全國電力碳排放量與電力消費量比值。參考文獻[16]，標準煤能源轉化系數為293.076 TJ/萬t，各類化石能源燃燒過程的有效氧化率取0.982；各省人口數據、國民生產總值數據及能源消費量數據均來自歷年“中國統計年鑒”。

2 研究結果及分析

2.1 北京市碳排放影響因素分解

1996—2013年，北京市碳排放影響因素累積貢獻值見表1。

由表1可見，北京市含電力消費的碳排放增量在1996—2000年較小，增長十分緩慢，自2000年后變大，但增長仍較為緩慢。經濟發展水平是北京市碳排放增長最主要的拉動因素，其次是人口規模。北京市作為我國首都，憑借其經濟、交通、資源等多方面優勢，對人口具有較強吸引力，在研究時段內，人口數量不斷增加，人口規模的增大主要通過影響能耗、土地利用類型變化等多種途徑影響區域碳排放。能源效率是抑制碳排放增長的主要影響因素，其對碳排放增長的抑制作用略小于經濟發展水平對碳排放增長的拉動作用。除此之外，電力結構對碳排放增長的貢獻也為基本負值，但其影響較小，效果并不明顯。隨著能源結構的調整，北京市能源結構對碳排放增長的抑制作用大體上逐漸變小，2010年起由抑制作用轉變為拉動作用，主要原因在于本研究將電力消耗考慮在內，而我國電力主要以燃煤火電為主，因此雖然北京市一次能源結構中煤炭占比逐漸降低，但能源結構改變對北京市碳排放的抑制作用卻逐漸減弱。

表1 1996—2013年北京市碳排放影響因素累積貢獻值

表2 1996—2013年廣東省碳排放影響因素累積貢獻值

2.2 廣東省碳排放影響因素分解

1996—2013年，廣東省碳排放影響因素累積貢獻值見表2。

由表2可見，從1996—2013年，廣東省含電力消費的碳排放增量呈快速增長趨勢。就其影響因素分解結果來看，經濟發展水平是最主要的影響因素，其貢獻率總體在130%以上。其次是能源效率，能源效率是抑制碳排放增長最重要的影響因素，但能源效率的抑制作用始終弱于經濟發展水平的拉動作用。與北京類似，人口規模對廣東省間接碳排放增長也具有較為明顯的拉動作用。能源結構與電力結構分別為拉動作用與抑制作用，但影響均相對微弱。

2.3 山西省碳排放影響因素分解

1996—2013年，山西省碳排放影響因素累積貢獻值見表3。

表3 1996—2013年山西省碳排放影響因素累積貢獻值

表4 1996—2013年河南省碳排放影響因素累積貢獻值

由表3可見，山西省含電力消費的碳排放增量在2000年前變化較小，2000年后呈明顯增長趨勢。就影響因素分解結果看，經濟發展水平與能源效率為最主要的影響因素，2000年之前能源效率的抑制作用與經濟發展水平的拉動作用基本持平，間或有碳排放負增長出現，2000年后，隨經濟的快速發展，能源效率的抑制作用明顯落后于經濟發展水平的拉動作用。此外，人口規模對山西省間接碳排放增長也具有拉動作用，電力結構為抑制作用，但影響均較微弱。能源結構的影響尚不明確，但總體而言，主要是對碳排放增長起拉動作用。

2.4 河南省碳排放影響因素分解

1996—2013年，河南省碳排放影響因素累積貢獻值見表4。

從時間序列來看，河南省含電力消費的碳排放增量在2000年之前變化較小，2000年后開始緩慢增長，自2003年之后呈明顯增長趨勢。就其影響因素分解結果來看，經濟發展水平是其最主要的影響因素，河南省碳排放增長主要依賴于經濟發展水平的拉動作用。其次，對其影響較大的是能源效率的抑制作用，但基本小于經濟發展水平的拉動作用。此外，人口規模與能源結構對河南省碳排放增長具有拉動作用，而電力結構為抑制作用，但影響均較為微弱。

總體看來，經濟發展水平是各地區碳排放增長的主要拉動因素，而能源效率是各區域碳排放增長的主要抑制因素。人口規模對區域碳排放的影響，存在較大差異，北京市及廣東省由于人口規模變化較快，人口對碳排放貢獻較大，山西省及河南省，人口變化較小，人口規模對區域碳排放貢獻較小。電力結構對各區域碳排放增長均表現為抑制作用，這是我國電力行業不斷推進低碳環保發展的效益，這表明，國家對電力行業的宏觀調控政策及能源環境政策對促進低碳發展起到了一定的作用。此外，受我國“富煤、貧油、少氣”資源稟賦的影響，能源結構的改善對各區域碳減排貢獻并不大。

3 結論與建議

經濟發展水平是拉動各區域碳排放增長的最主要的原因；能源效率是抑制各區域碳排放增長的主要原因，除北京市外，其余3個區域能源效率的抑制作用明顯弱于經濟增長的拉動作用；人口規模對北京市及廣東省碳排放增長的影響較大，對河南省及山西省碳排放增長貢獻較?。浑娏Y構對4區域碳排放增長均為抑制作用，雖然其影響較小，但隨低碳技術及宏觀調控的推進，其抑制作用呈增強趨勢；能源結構的變化對4區域碳排放增長為拉動作用，但其影響十分小。雖然一次能源占比不斷往清潔化方向發展，但電力消費占比逐步增大，而我國電力目前仍以煤電為主，所以我國能源結構整體上仍以煤炭為主。

考慮到未來一段時間各區域經濟仍會保持高速增長，通過經濟調控來減少碳排放增長并不現實。未來一段時間仍需通過產業內部工藝創新升級，以及推行環保措施，提高能源利用水平等方式來提高能源效率，以進一步增強能源效率對碳排放增長的抑制作用。目前，由于我國電力行業污染物控制及煤炭利用已達到較高水平，我國正在積極推行煤改電，將直接燃煤轉化為清潔能源電力。這一舉措雖然有利于控制污染物排放，提高能源利用率，但對碳減排貢獻甚微，因而提高能源結構中電力的比例，難以對區域碳減排有實質性貢獻，但是從長遠來看，推廣風能、太陽能等清潔能源，提高清潔能源占比以優化能源結構實現節能低碳是切實可行的。此外，可以積極研發推廣煤炭清潔低碳發電技術，減少電力碳排放。北京市及廣東省可通過適度調控人口規模來減少人口規模對其碳排放增長的貢獻。

[1] 徐國泉,劉則淵,姜照華.中國碳排放的因素分解模型及實證分析:1995—2004[J].中國人口·資源與環境,2006,16(6):158-161.

[2] 郭朝先.中國碳排放因素分解:基于LMDI分解技術[J].中國人口·資源與環境,2010,20(12):4-9.

[3] 趙志耘,楊朝峰.中國碳排放驅動因素分解分析[J].中國軟科學,2012(6):175-183.

[4] 朱勤,彭希哲,陸志明,等.中國能源消費碳排放變化的因素分解及實證分析[J].資源科學,2009,31(12):2072-2079.

[5] 蔣金荷.中國碳排放量測算及影響因素分析[J].資源科學,2011,33(4):597-604.

[6] 汪宏韜.基于LMDI的上海市能源消費碳排放實證分析[J].中國人口·資源與環境,2010，20(增刊2):143-146.

[7] 田云,李波,張俊飚.武漢市碳排放的測算及影響因素分解研究[J].地域研究與開發,2011,30(5):88-92.

[8] 劉源,李向陽,林劍藝,等.基于LMDI分解的廈門市碳排放強度影響因素分析[J].生態學報,2014,34(9):2378-2387.

[9] 宋杰鯤.基于LMDI的山東省能源消費碳排放因素分解[J].資源科學,2012,34(1):35-41.

[10] 李國志,李宗植.中國二氧化碳排放的區域差異和影響因素研究[J].中國人口·資源與環境,2010,20(5):22-27.

[11] 史安娜,李淼.基于LMDI的南京市工業經濟能源消費碳排放實證分析[J].資源科學,2011,33(10):1890-1896.

[12] 戴小文,何艷秋,鐘秋波.中國農業能源消耗碳排放變化驅動因素及其貢獻研究——基于Kaya恒等擴展與LMDI指數分解方法[J].中國生態農業學報,2015，23(11):1445-1454.

[13] 喻潔,達亞彬,歐陽斌.基于LMDI分解方法的中國交通運輸行業碳排放變化分析[J].中國公路學報,2015,28(10):112-119.

[14] 侯建朝,譚忠富.電力生產CO2排放變化影響因素分解[J].中國電力,2011,44(11):39-42.

[15] 付坤,齊紹洲.中國省級電力碳排放責任核算方法及應用[J].中國人口·資源與環境,2014,24(4):27-34.

[16] BAI H T,ZHANG Y X,WANG H Z,et al.A hybrid method for provincial scale energy-related carbon emission allocation in China[J].Environmental Science & Technology,2014,48(5):2541-2550.

[17] 宋德勇,盧忠寶.中國碳排放影響因素分解及其周期性波動研究[J].中國人口·資源與環境,2009,19(3):18-24.

[18] ANG B W.The LMDI approach to decomposition analysis: a practical guide[J].Energy Policy,2005,33(7):867-871.

[19] ANG B W.LMDI decomposition approach: a guide for implementation[J].Energy Policy,2015,86:233-238.

StudyingondrivingfactorsofcarbonemissioncontainingpowerconsumptionintypicalprovincesofChina

LIUTing,BAIHongtao,XUHe.

(CollegeofEnvironmentalScienceandEngineering，NankaiUniversity，Tianjin300350)

Decomposition approaches for driving factors of carbon emissions were key tools to seek path of carbon reduction. At present,most of studies had focused on the direct carbon emissions,ignoring interregional transfer of carbon,especially carbon emissions caused by the transfer of power. To ensure regional carbon emissions responsibility fair and promote the balanced development of each region,this paper constructed an improved carbon emissions measurement model based on fair development of regions. With this model,this paper measured and calculated the carbon emissions contained power consumption of four typical provinces (Beijing,Guangdong,Shanxi and Henan) from 1995 to 2013. Then this paper analyzed the contribution of factors like economy development,population scale,energy efficiency,energy structure and power structure to carbon emissions using logarithmic mean divisia index (LMDI) model. Results of this study showed that economy development was the biggest pull factor to the regional carbon emissions growth,and energy efficiency was the biggest inhibitor. The remaining factors were not obvious，and the influence of each factors varied in different regions.

carbon emission; LMDI model; driving factors; power consumption

劉 婷，女，1992年生，碩士，助理工程師，研究方向為環境管理與經濟。#

。

*國家自然科學基金資助項目(No.41301648)；天津市應用基礎與前沿技術研究計劃項目(No.13JCQNJC08300)。

10.15985/j.cnki.1001-3865.2017.11.024

2017-05-20)