中國電力部門中長期低碳發展路徑研究

張小麗 劉俊伶 王克 崔學勤 鄒驥

摘要 電力部門是中國CO₂排放的主要貢獻部門之一，電力部門的低碳轉型對中國實施長期低碳發展戰略具有至關重要的作用。本文構建了包含電力模塊的自下而上的能源系統模型PECE-2017，根據社會經濟驅動因子確定終端部門電力需求，并引入電力負荷曲線確定電力供給，設置了未來電力發展的基準和低碳兩個情景，從供需結構、技術需求、成本和投資等多個角度，分析電力部門自身的低碳轉型及其對中國實現中長期低碳發展的重要作用和貢獻。研究表明：第一，未來中國電力需求仍將不斷增長，且在終端能耗中的占比不斷上升。低碳情景下，2050年電力需求達到114 869億kW·h，比2013年上升125%，電氣化率增加到34%；電力需求結構中，工業和建筑比重下降，交通部門比重上升。第二，電源結構逐步低碳化。煤電逐步淘汰；風電和太陽能裝機容量大幅上升，2050年裝機占比均超過30%；2030年以后，部署和推廣CCS技術，到2050年裝機容量達到4.9億kW。第三，低碳情景下，電力部門在2020年碳排放達峰后，進一步加速脫碳。到2050年，電力部門的排放量可控制在4億t以內，相對基準情景減少排放61.5億t，占總減排的貢獻率達到45%，為中國的低碳轉型做出重要貢獻。第四，支撐電力部門低碳轉型的投資需求GDP占比在合理區間內。2030—2050年，電力部門投資需求占GDP的比重為0.77%；電力部門內部投資結構呈現明顯的低碳化趨勢，絕大部分投資將用于非化石能源電力。

關鍵詞 電力部門；自下而上模型；碳排放；減排潛力；減排成本

中圖分類號 X321文獻標識碼 A文章編號 1002-2104（2018）04-0068-10DOI：10.12062/cpre.20180105

2015年，中國提交的國家自主貢獻（Intended Nationally Determined Contribution， INDC）中，明確提出2030年左右實現CO₂排放峰值并爭取早日達峰[1]。長期以來，電力部門尤其是火力發電一直是中國CO₂排放的主要貢獻部門之一，2005年電力部門CO₂排放占全國總排放的比重約為43%[2]。據IEA預測，按照目前的發展趨勢，到2050年這一比重將增加至62%[3]。因此電力部門的低碳轉型，對于中國實現INDC目標和實施長期低碳發展戰略具有至關重要的作用。

現有關于中國電力部門未來排放情景的研究，大致可分為兩類：一類采用自下而上模型，討論電力部門自身未來的排放路徑、減排技術選擇和減排成本等，電力需求通常外生假定[4-8]；另一類運用指數分解等定量研究方法，分析電力部門未來排放的影響因素[9-12]。現有研究主要聚焦于電力部門本身，在需求預測、技術選擇等方面都沒有考慮與其他部門的關聯，對電力部門在中國整體低碳發展中的定位和作用研究較少。此外，現有研究主要關注電力部門近期和中期（2020和2030年）的發展，對電力部門在更長時間尺度上（到2050年）的低碳轉型分析較少。

基于LEAP（Long-range Energy Alternatives Planning System）模型框架[13]，構建了自下而上的包含電力部門的能源系統模型，根據未來人口、GDP等社會經濟驅動因子決定的能源服務需求確定各終端部門的電力需求，并進一步引入電網負荷曲線確定未來電力生產情況，以電力部門在國家整體低碳戰略中的地位和作用為切入點，分析電力部門長期低碳轉型的路徑、技術選擇和投資需求，評估電力部門對中國實現INDC目標和2050年長期低碳發展戰略的意義。

1 方法和數據

1.1 PECE-2017模型及其電力模塊

基于LEAP模型框架，構建了包含電力模塊的自下而上的能源系統模型PECE-2017。模型包括終端需求、加工轉換和能源資源三個模塊，對能源開采、加工轉換、運輸和最終使用的全流程進行完整的仿真模擬。終端需求模塊由工業、建筑、交通、農業和其他行業組成；加工轉換模型包括電力生產和傳輸損失、熱力生產、煉焦與制氣以及煉油行業。模型的總體計算機理為：由人口、GDP等社會經濟驅動因子決定各類能源服務需求，確定不同情景下未來技術擴散率和技術組合，基于各技術提供單位能源服務消耗的終端能源，加總得到終端能源消費需求，根據各個加工轉換模塊的轉換效率獲得一次能源需求。模型共包含400多種技術，以2013年為基準年，展望到2050年。

電力部門模型是PECE-2017模型的重要部分，基本框架如圖1所示。首先，由未來人口、GDP等社會經濟驅動因子內生確定各終端部門的電力需求，考慮電力傳輸損失，得到電力供應需求；然后引入全國電網負荷曲線，基于電網峰值負荷與總裝機決定的備用容量水平，確定用電需求增長后新的總裝機容量需求和新增裝機需求；再根據相關電力裝機規劃，確定各發電技術的新增裝機容量；最后，參考歷年各機組的發電順序和未來電源結構、相關發電規劃，確定各機組的角色（作為基本負荷機組還是調峰機組），依次得到各機組的發電小時數和發電量、能源消耗和排放。本文主要針對電力部門開展分析，因此對PECE-2017模型的其他部門不再做詳細介紹。

電力模型中共包含38種現有和未來發電、輸配電技術（見表1），并建立了包含各技術固定成本、運行和維護成本、燃料成本、電價、適用稅率、建設周期、運行周期、發電效率、年發電利用小時數等詳細信息的數據庫。

電力部門CO₂排放由各發電技術發電量、發電效率和燃料排放因子計算得到，公式如下。

其中，CE是電力部門CO₂排放總量，i表示不同的發電技術；j表示不同的能源品種；pi，j是發電技術i消耗能源品種j獲得的發電量；ei，j是發電技術i消耗能源品種j進行發電的發電效率，cefi，j是相應的CO₂排放因子，即通過發電技術i消耗能源品種j進行發電時，單位能源消費產生的CO₂排放量。

模型包含成本信息，發電技術的減排成本計算過程為：首先，計算投資項目相比常規技術全生命周期內的每年增量支出（新增固定成本、運營和維護成本）和增量收入（節約的燃料費用支出）的現金流量；其次通過貼現得到相比常規技術的增量成本凈現值；最后根據全壽命周期內相比常規技術的累計減排量，得到減排成本。計算公式如下：

其中，AC是電力部門有關發電技術的減排成本；t表示年限；n表示不同的發電技術；j表示不同的能源品種；R是貼現率；CE是發電技術全生命周期累計減排量；FCt，n是發電技術n的新增固定成本；OCt，n是發電技術n的運營和維護成本；SMt，j是發電技術n在其生命周期內節約的燃料費用。

1.2 數據來源

本文主要數據需求及其來源如下：中國未來人口假設來源于聯合國《世界人口展望2015年版》[14]；GDP根據“十三五”規劃和國家“三步走”發展戰略，并參考主要發達國家經濟發展歷史經驗確定；以華北電網分季度典型日負荷曲線代表全國負荷曲線，數據來源于國家電網；電力部門現有裝機和新增裝機的技術分類、發電效率以及技術成本與投資數據來源于中國電力行業年度發展報告（2011—2016）[15]，以及IEA能源技術系統分析報告[16]和世界能源投資展望[17]；燃燒排放因子來自LEAP技術數據庫[13]；貼現率根據國家發改委和建設部發布的《建設項目經濟評價方法與參數》[18]，取值為8%。

2 情景設定

本文設置了兩組情景，即基準情景和低碳情景。基準情景描述了電力部門不采取額外的減緩行動的能耗與排放趨勢，為未來電力部門的低碳政策行動提供一系列比較基準點。低碳情景對于電力部門實現CO₂排放峰值以及實現峰值后加速脫碳的路徑進行了完整刻畫。通過低碳情景下電力部門排放路徑相對基準情景的變化，評估電力部門對于中國實現INDC和2050年長期低碳目標的意義。

基準情景的具體假設為：電力部門發展按照歷年發展趨勢外推，不考慮應對氣候變化目標，不采取額外的減緩行動。該情景下，假設電力部門低碳技術緩慢推廣，火電廠平均能效達到42%；發電結構保持以化石能源發電為主的現狀；無CCS應用。該情景中關于中國電力行業發展的假設是兩組情景中最保守的。

低碳情景的具體假設為：中期考慮落實中國INDC中提出的各項行動[1]、“十三五”規劃以及電力和可再生能源專項規劃目標[19]；中長期考慮在實現碳排放達峰后加大力度促使排放加速下降，到2050年將碳排放控制在實現2℃目標的排放軌跡區間內電力部門需要采取的行動、技術措施和帶來的成本。該情景下，火電廠的平均能效比基準情景有所提高，達到44%；“十三五”后不再新增常規煤電，煤電自然淘汰，以天然氣作為過渡能源滿足基本負荷與調峰負荷需求；大力推廣可再生能源電力；2030年后開始推廣電力CCS技術。

3 情景分析結果

3.1 電力需求結構及趨勢

在基準情景和低碳情景下，中國未來電力需求將持續增長（見圖2）。基準情景下，2050年中國電力需求上升到117 278億kW·h，相比2013年增長130%，年均增長率為2.3%。人均用電需求與電力需求總量同步增長，從2013年的3 753 kW·h/人增長到2050年的8 700 kW·h/人。

低碳情景下，中國2050年電力需求為114 869億kW·h，比2013年上升125%，年均增長率為2.2%，人均用電需求同步增長到8 521 kW·h/人。與基準情景相比，低碳情景下中國未來電力需求的增長速度略低，2013—2050年間年均增長率低0.1個百分點，2050年電力需求總量低約2.1%。

終端部門電氣化率的定義為終端能耗中電力所占比例，是衡量電力在終端能耗中重要性的指標。提高電氣化率，實現終端能耗中電力對煤炭、石油等化石能源的替代，是政府間氣候變化專門委員會（IPCC）第五次評估報告提出的低碳轉型的重要支柱之一[20]。基準情景下，電氣化率增長緩慢，從2013年的19.8%，增長到2050年的23.3%。而低碳情景下，電氣化率增長迅速，2030年達到23.0%，2050年進一步增長到34.0%。電力在終端能耗結構中起到了替代煤炭的作用，取得了一定的減排成效。低碳情景下，盡管電力在終端能耗中的比重提高，但是由于低碳情景相對基準情景，具有更有力的產業結構調整和電力需求側管理措施，因此總的電力需求反而略有減少。

從電力需求結構及其變化看，基準情景和低碳情景的結果也有所差異。基準年2013年的電力需求結構中，工業部門占比最高，超過70%；其次為建筑部門，占比約26%；而交通和農業部門在電力消費中的占比很低。基準情景和低碳情景下，電力需求結構的共同趨勢是工業部門占比持續下降，而建筑部門占比持續上升。到2030年，基準情景和低碳情景下，工業用電占總電力需求的比例，分別下降到63.4%和61.1%，到2050年進一步下降到60.6%和54.4%。而建筑部門用電量占總電力需求的比重，則分別上升到2030年的29.8%和34.1%，以及2050年的36.9%和33.3%。

交通部門用電量及其在總電力需求中的比重，在基準情景和低碳情景下差異較大。基準情景下，交通部門用電量比重變化不大，維持在1.5%以下。而低碳情景下，自2020年以后交通部門電力需求比重大幅上升，2030年增長到4.8%，2050年進一步增長到11.2%。基準情景和低碳情景下交通部門電力需求的差異，主要來源于對電動汽車發展的不同假設。基準情景下，假設電動汽車銷量占比保持在基年水平上。而低碳情景下，假設2020年電動汽車累計產銷量實現超過500萬輛的既有目標[21-23]；2020年以后，電動汽車成本具備完全競爭力，得到迅速普及。到2030年，電動汽車在汽車保有量中占比達到18.6%，2050年進一步提高到68%，保有量超過4億輛。低碳情景下迅速普及的電動汽車，產生了巨大的電力需求，使得交通部門用電比例大幅上升。

3.2 電力供給結構及趨勢

由于電力的國際貿易規模很小，因此一個國家的電力供給，可以認為完全由其電力需求決定。根據終端部門的用電需求，并考慮電力傳輸損失，即可得到電力供應需求。

表2展示了基準情景和低碳情景下，中國電力裝機結構現狀及其未來變化。本文所指煤電和天然氣發電不包括配備CCS的煤電和天然氣發電，配備CCS的電力將作為電力CCS論述。2013年中國電力裝機中，火電占絕大部分，其中煤電裝機容量超過8億kW，比重達到64.1%。非化石能源電力中水電比重最高，裝機容量達到2.8億kW，占電力總裝機的比重為22.6%；風電次之，裝機容量達到0.8億kW，占電力總裝機的比重為6.2%；核電和太陽能裝機容量相近，在0.15億kW左右。其他可再生能源（如生物質能、地熱能、潮汐能等）電力裝機較少，所占比例不到1%。除了幾個示范項目之外，并未有電力CCS技術得到商業化運營。

基準情景下，未來煤電裝機的絕對量仍將繼續增長，裝機占比有所下降，但幅度不大，直到2050年仍接近占電力總裝機的一半。風電和太陽能裝機增長迅速，到2050年裝機容量分別增長到5.0和3.5億kW，相對2013年分別增長了5.6和21.0倍，在電力總裝機中的比例也分別提高到15.5%和10.8%。核電裝機保持平穩增長，且裝機占比也不斷提高；水電裝機基本保持平穩并略有增長，但在電力總裝機中的比重有所下降。

低碳情景下，中國未來將加速淘汰煤電，并大力推廣可再生能源電力，推動電力部門加速脫碳。在完成電力發展“十三五”規劃[19]和現有各省煤電建設規劃目標后，2020年以后不再新增常規煤電，并讓現有煤電機組按其運行壽命（30年）自然淘汰。

在這樣的政策設定下，煤電裝機在2020年達到峰值以后，將被快速淘汰。到2050年，所有在2020年以前建設的煤電機組將全部達到壽命期限，電力部門將完全淘汰煤電。2020年開始逐步淘汰煤電后，風電、太陽能等可再生能源短期內還無法填補電力需求空缺。天然氣發電將在2020—2030年間作為過渡電源，滿足基本負荷和調峰負荷的需要。因此天然氣發電裝機將在2020—2030年間快速增長，10年間裝機容量超過翻番，占電力總裝機的比重從5.8%增長到11.3%。

風電和太陽能在低碳情景下發展迅速，2020年裝機容量分別達到2.1和1.1億kW，到2030年進一步增長到4.3和3.3億kW。2030年以后，海上風電、聚光太陽能發電等技術成本進一步降低，具備完全的成本競爭力，風電和太陽能裝機容量將實現爆發式增長，到2050年分別增長到14.2和14.4億kW，占電力總裝機的比重均超過30%，占新增電力裝機的比重超過70%。風電和太陽能的發展，將填補2030年以后淘汰煤電以后電力需求的空缺，支持電力部門完全淘汰煤電。水電、核電和其他可再生能源（包括生物質能、地熱能、海洋能等）裝機容量相比基準情景，均有所增長。

低碳情景考慮2030年后加快碳排放下降速度，將中國排放軌跡控制在實現全球2℃目標所要求的區間范圍內。現有研究表明，CCS技術對于實現2℃目標，具有重要的貢獻[3]。因此，與基準情景下未來仍然沒有CCS技術得到應用的假設不同，低碳情景下，2030年以后，在電力部門CCS技術將逐步得到推廣和大規模商業化應用。到2050年電力CCS裝機（包括煤電+CCS和天然氣發電+CCS）將達到4.9億kW，占電力總裝機的比重超過10%。

容量因子（Capacity factor）是機組實際發電量與額定容量下最大發電量的比值，介于0到1之間。容量因子越高，表明機組利用率越高，亦即設備的發電小時數越高。由于不同發電技術的性質差異，不同類型發電廠的容量因子會有很大差異。通常，核電、煤電等機組可以按滿載額定容量長時間運行，容量因子和發電小時數較高；而風電、太陽能等可再生能源受來源不穩定，容量因子和發電小時數較低。同時，受到“棄風”、“棄光”等現象[24]的影響，風電和太陽能設備的發電小時數將進一步下降。

2013年，中國核電和煤電的平均發電小時數分別在7 610和5 120小時左右，水電的平均發電小時數在3 240小時左右，而風電和太陽能的平均發電小時數遠低于以上類型電廠，分別為1 850和730小時左右。2013年以后，中國“棄風棄光”現象進一步惡化。2016年全國風電平均利用小時數僅為1 742小時，全年棄風電量497億kW·h，棄風率超過17%[25]。相對國際上風電和太陽能平均發電小時數分別超過2 000小時和1 500小時的水平，中國風電和太陽能發電小時數過低，大量的發電設備沒有得到充分利用。

發電小時數的差異，使得不同類型發電廠的發電量結構，與裝機容量結構有所差別。煤電由于發電小時數高于平均值，因此其在發電量中的占比高于裝機容量占比，2013年達到75.2%。風電和太陽能發電小時數遠低于平均值，因此其在發電量中的占比大大低于裝機容量占比，2013年分別為2.6%和0.2%。

基準情景下，未來煤電、核電和水電的發電小時數在初期有所下降，以后逐步回升。風電發電小時不僅沒有提升，反而大幅下降，僅1 100余小時。太陽能發電小時數在2013年水平上略有提高，但仍遠低于國際平均水平。大量風電和太陽能發電裝機沒有得到充分利用，不僅使得大量的投資被閑置，也使得其對溫室氣體減排的貢獻被大大限制。

與基準情景不同，低碳情景下，煤電發電小時數持續下降，到2030年下降到3 900小時左右，比2013年下降了近四分之一。為了解決“棄風棄光”現象，2016年3月國家能源局推出了《可再生能源發電全額保障性收購管理辦法》，制定了不同資源區可再生能源發電設備的保障性收購利用小時數。在低碳情景下，假設保障可再生能源發電利用小時數的政策繼續得到實施并強化，基本解決了“棄風棄光”現象。風電發電小時數逐步上升，尤其是2030年以后，隨著海上風電技術的成熟和應用，風電發電小時數接近3 000小時。相比基準情景，風電發電小時數增長了一倍有余。太陽能發電小時數相比基準情景也有大幅增長，到2030年將突破2 000小時，實現了太陽能發電設備的充分利用。在低碳情景下，可再生能源電力不僅裝機容量大幅增長，發電小時數也持續上升，為未來中國電力部門減排做出重要的貢獻。

3.3 電力部門CO₂排放趨勢

由于發電技術結構不同，基準情景和低碳情景在發電量相差無幾的情況下，排放軌跡差異很大，見圖3。

基準情景下，未來中國煤電裝機的絕對量仍將繼續增長，且在電力總裝機中的比重仍將保持在過半的水平上。風電、太陽能等可再生能源盡管裝機容量得到顯著增長，但由于發電小時數不升反降，其在電力供給中的作用受到限制。因此，在基準情景下，中國電力部門在中長期內碳排放仍將持續增長，無法達到峰值，到2050年電力部門排放將高達65.1億t，相比2013年增長將近一倍。在這樣的情況下，中國顯然無法實現有效的低碳轉型，更不可能為全球實現2℃目標做出應有的貢獻。

低碳情景下，未來中國逐步淘汰煤電機組，大力發展風電、太陽能等可再生能源并保障其上網，在2030年以來推廣電力CCS技術應用。在這些低碳政策作用下，電力部門碳排放在2020年達峰以后，將進一步加速脫碳。尤其是2030年以后，隨著2005年以來煤電建設高峰期建設的機組逐漸達到運行壽命被自然淘汰，以及可再生能源的快速發展和CCS技術的應用，電力部門的碳排放下降速度明顯加快，到2050年，電力部門的排放量可控制在4億t以內。從電力部門對全國的減排貢獻看，未來隨著提高能效的減排潛力越來越小，電力部門在全國實現基準情景到低碳情景的低碳轉型中將發揮越來越重要的作用。2030年，低碳情景下電力部門相對基準情景減排23.5億tCO₂，在中國實現INDC目標的貢獻率達到50%。到2050年，電力部門減排量進一步提高到61.5億t，貢獻率占比達到45%。

電力部門技術發展對CO₂減排的作用，也反映在電力部門碳強度變化上。基準情景下，電力部門的碳強度隨著時間推移有所下降，但下降緩慢，其碳強度由2013年的0.63 kg CO₂/kW·h下降到2050年的0.52 kg CO₂/kW·h，下降約17%。相比于基準情景，低碳情景下，由于可再生能源發電占比上升，煤電占比下降，使得電力部門碳強度快速下降。低碳情景下，2030年電力部門的碳強度下降至0.34 CO₂/kW·h，比2013年下降46.2%。2030年之后，電力部門進一步快速脫碳，到2050年電力部門碳強度達到0.03 CO₂/kW·h，在2013年水平上下降95.2%，接近實現完全脫碳。

3.4 電力部門減排成本和投資需求

根據技術的固定成本、運營和維護成本、運行期內節約的燃料支出和全壽命周期內減排量，可以計算得到各技術的減排成本，如圖4所示。

總體而言，電力部門重要的低碳技術，其成本未來將呈下降趨勢。核電和水電的減排成本均為負值，表明這兩項技術節約的能源費用可以彌補新增投資，不僅帶來減排成果，還能帶來經濟收益。太陽能光伏發電和陸上風電已經較為成熟，成本較低。隨著未來這兩種技術繼續發展，成本進一步降低，到2030年減排成本分別為17元/tCO₂（2013年價格，下同）和33元/tCO₂。電力部門的其他低碳技術，如海上風電、聚光太陽能發電、生物質能發電和CCS等成本較高，在200元/tCO₂～600元/tCO₂之間，但是未來成本也將進一步下降。

為了實現電力部門的減排潛力，需要加大投資力度。從電力部門的投資需求看，“十三五”期間，電力部門投資需求約為2.8萬億元（2013年不變價，下同），占GDP的比重約為1.02%；從中期看，2021—2030年，電力部門的投資需求約4.8萬億元，占GDP的比重約為0.80%；從長期看，2030—2050年，電力部門的投資需求約為6萬億元，占GDP的比重為0.77%。從電力部門內部的投資結構看（見圖5），根據電力發展“十三五”規劃，2016—2020年中國將新增煤電裝機2億kW，煤電投資約3 202億元，占電力部門總投資的11%；天然氣發電投資約1 662億元，占6%；非化石能源發電投資占83%，其中可再生能源電力投資約2.1萬億元。2020年后，因不再新增煤電，非化石能源發電裝機投資占比上升到96%，其中可再生能源電力投資約3.3萬億元。

4 結論與建議

本文構建了包含電力模塊的自下而上的能源系統PECE-2017，根據社會經濟驅動因子確定終端部門電力需求，并引入電力負荷曲線確定電力供給，設置了未來電力發展的基準和低碳兩個情景，從供需結構、技術需求、成本和投資等多個角度，討論分析電力部門自身的低碳轉型及其對中國實現INDC目標及中長期低碳發展的作用和貢獻。本文主要結論如下：

第一，未來電力消費需求將持續增長，且在終端能耗中的占比呈不斷上升的趨勢。低碳情景下，2050年電力需求達到114 869億kW·h，比2013年上升125%，電氣化率增加到34%；工業和建筑作為主要的電力消費部門，未來兩者的電力消費比重將緩慢下降；而隨著電動汽車的發展，未來交通部門電耗占比將有大幅上升。

第二，低碳情景下，電源結構逐步低碳化。自2020年以后不再新增煤電，現有煤電機組按其運行壽命逐步淘汰，到2050年完全淘汰煤電；風電和太陽能快速發展，裝機容量大幅上升，到2050年在電力總裝機中占比均超過30%，成為屆時電力的主要來源；加強可再生能源電力保障性收購政策，提高風電和太陽能設備的發電小時數；在2020—2030年，利用天然氣發電作為過渡電源，填補煤電下降后的電力空缺；2030年以后，部署和推廣CCS技術，到2050年裝機容量達到4.9億kW。

第三，低碳情景下，電力部門在2020年碳排放達峰以后，將進一步加速脫碳。2030年，低碳情景下電力部門相對基準情景減排23.5億tCO₂，在中國實現INDC目標的貢獻率達到50%。2050年，電力部門排放量可控制在4億t以內，相對基準情景減少排放61.5億t，占總減排的貢獻率達到45%，為中國的低碳轉型和2050年低碳發展戰略的實現做出重要貢獻。

第四，為了支撐電力部門的低碳轉型，需要加大投資力度。中期內（2021—2030年）電力部門的投資需求約4.8萬億元，占GDP的比重約為0.80%；長期內（2030—2050年）電力部門的投資需求約為6萬億元，占GDP的比重為0.77%。投資在GDP中的占比在合理區間，電力部門內部投資結構呈現明顯的低碳化趨勢。電力部門技術研發、示范和推廣應用相關的巨額投資將成為驅動中國經濟結構調整的重要因素，具有成為促進經濟增長和就業創業新引擎的潛力。

電力部門基礎設施壽命周期較長，具有很強的鎖定效應，電力部門的長期低碳轉型與今天的決策密切相關。根據以上結論，建議中國應當盡快制定長期低碳戰略，針對關鍵低碳電力技術制定技術發展路線圖，通過構建碳市場，利用市場價格機制為電力部門的低碳技術研發和低碳基礎設施的投資提供穩定的政策預期，遏制高碳電力基礎設施的投資，從而避免鎖定效應。

參考文獻（References）

[1]國家發改委. 強化應對氣候變化行動——中國國家自主貢獻[R]. 北京：國家發改委，2015.[National Development and Reform Commission. Enhanced actions on climate change： Chinas intended nationally determined contributions [R]. Beijing： National Development and Reform Commission， 2015.]

[2]國家發改委應對氣候變化司. 中華人民共和國氣候變化第二次國家信息通報[R].北京：國家發改委應對氣候變化司，2014. [Department of Climate Change， National Development and Reform Commission. Second national communication on climate change of the Peoples Republic of China[R]. Beijing： Department of Climate Change， NDRC， 2014.]

[3]International Energy Agency. Energy technology perspectives 2015[R]. Paris：International Energy Agency，2015.

[4]CAI W J， WANG C， WANG K， et al. Scenario analysis on CO₂ emissions reduction potential in Chinas electricity sector [J]. Energy policy， 2007， 35： 6445-6456.

[5]GU B H， TAN X C， ZENG Y， et al. CO₂ emission reduction potential in Chinas electricity sector： scenario analysis based on LMDI decomposition[J]. Energy procedia， 2015， 75： 2436-2447.

[6]CHEN Q， KANG C， XIA Q， et al. Preliminary exploration on low-carbon technology roadmap of Chinas power sector[J]. Energy， 2011， 36（3）： 1500-1512.

[7]ZHAO C， ZHANG W， WANG Y， et al. The economics of coal power generation in China[J]. Energy policy， 2017， 105： 1-9.

[8]STEENHOF P A， FULTON W. Scenario development in Chinas electricity sector[J]. Technological forecasting and social change， 2007， 74（6）： 779-797.

[9]YUAN J， LEI Q， XIONG M， et al. The prospective of coal power in China： will it reach a plateau in the coming decade？[J]. Energy policy， 2016， 98： 495-504.

[10]STEENHOF P A. Decomposition for emission baseline setting in Chinas electricity sector[J]. Energy policy， 2007， 35（1）： 280-294.

[11]ZHANG M， LIU X， WANG W， et al. Decomposition analysis of CO₂ emissions from electricity generation in China[J]. Energy policy， 2013， 52： 159-165.

[12]MENG M， JING K Q， MANDER M. Scenario analysis of CO₂ emissions from Chinas electric power industry[J]. Journal of cleaner production， 2017， 142： 3101-3108.

[13]HEAPS C G. Long-range Energy Alternatives Planning （LEAP） system[CP]. Somerville MA， USA： Stockholm Environment Institute. 2017.https：//www.energycommunity.org.

[14]United Nations， Department of Economic and Social Affairs， Population Division. World population prospects： the 2015 revision， DVD edition [R].2015.

[15]中電聯. 中國電力行業年度發展報告（2011—2016）[M]. 北京： 中國市場出版社， 2011—2016.[China Electricity Council. China power industry annual development report （2011-2016） [M]. Beijing： China Market Press， 2011-2016.]

[16]International Energy Agency. ETSAP-technology brief： CO₂ capture and storage[R]. 2011. http：//iea-etsap.org/E-TechDS/PDF/E14_CCS_oct2010_GS_gc_AD_gs.pdf.

[17]International Energy Agency. World energy investment outlook[R]. 2014. http：//iea.org/publications/freepublications/publication/WEIO 2014.pdf.

[18]國家發改委， 建設部. 建設項目經濟評價方法與參數[M]. 北京：中國計劃出版社， 2006. [National Development and Reform Commission， Ministry of Housing and Urban-Rural Development of the Peoples Republic of China. Economic evaluation methods and parameters of construction projects [M]. Beijing： China Planning Press， 2006.]

[19]國家發改委， 國家能源局.電力發展“十三五”規劃（2016—2020年）[R]. 2016. [National Development and Reform Commission， National Energy Administration. Chinas power sector 13th Five Year Plan （2016-2020）[R]. 2016.]

[20]IPCC. Climate change 2014： mitigation of climate change， Working Group III Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [M]. Cambridge： Cambridge University Press， 2014.

[21]國務院.節能與新能源汽車產業發展規劃（2012—2020年）[R].2012.[The State Council. The planning for the development of the energy-saving and new energy automobile industry （2012-2020）[R]. 2012.]

[22]SU Q H， WANG Q X， WANG D J，et al. Spatial and temporal variation of energy carbon emissions in Yantai from 2001 to 2011[J]. Chinese journal of population， resources and environment， 2016， 14（3）：182-188.

[23]CAI B F， WANG J N， YANG S Y， et al. 2017. Carbon dioxide emissions from cities in China based on high resolution emission gridded data [J]. Chinese journal of population， resources and environment， 2016，15（1）：58-70.

[24]綠色和平.棄風棄光地圖[EB/OL]. [2017-10-25]. http：//www.greenpeace.org.cn/site/climate-energy/2017/china_wind_and_solar_curtailment_map/.[GreenPeace. The map of abandoned wind and light[EB/OL]. [2017-10-25]. http：//www.greenpeace.org.cn/site/climate-energy/2017/china_wind_and_solar_curtailment_map/.]

[25]國家能源局. 2016年風電并網運行情況[EB/OL].（2017-01-26）[2017-10-15]http：//www.nea.gov.cn/2017-01/26/c_136014615.htm.[National Energy Administration. Wind power grid operation in the year of 2016 [EB/OL].（2017-01-26）[2017-10-15]http：//www.nea.gov.cn/2017-01/26/c_136014615.htm.]