中國電力行業低碳轉型政策的經濟-能源-環境影響

姜洪殿，楊倩如，董康銀

（1. 中國地質大學（北京）經濟管理學院，北京 100083；2. 北京理工大學能源與環境政策研究中心，北京 100081；3. 對外經濟貿易大學國際經濟貿易學院，北京 100029）

中國在2020年第七十五屆聯合國大會上提出將提高國家自主貢獻目標，力爭在2030 年前實現碳排放達到峰值，在2060 年前實現碳中和。而電力行業作為中國主要的化石能源消費和碳排放大戶，在“十三五”期間的碳排放增量中，有80%以上來自電力部門，且在2020 年碳排放占比超過全國碳排放總量的43%［1］。因此，電力行業低碳轉型發展是中國社會經濟實現可持續綠色發展的內在要求，也是中國實現“雙碳”目標的必然選擇。電力行業低碳轉型的關鍵是推進電力清潔化，降低對傳統化石能源電力的依賴。因此，促進可再生能源合理開發與利用以及大規模部署諸如碳捕集與封存（Carbon Capture and Storage，CCS）技術是構建低碳能源系統的有效途徑。近年來，中國政府也一直予以高度重視。在2015年《巴黎協定》中，中國政府提出到2030年非化石能源占一次能源消費比重的20%［2］。在2016 年《可再生能源發展“十三五”規劃》中，政府進一步明確了中國可再生能源發展的指導思想和主要任務［3］。再者，在近期的關于做好碳達峰、碳中和工作的指導文件中，也再次強調電力系統脫碳是實現碳達峰、碳中和的關鍵［4-5］。然而，考慮到電力行業是國民經濟和社會發展的重要基礎性行業，其低碳轉型很可能會通過改變部門的成本結構、資源配置等，進而會對經濟系統的其他部分產生明顯的波及效應。因此，從全局經濟的視角對電力部門低碳轉型的社會經濟、能源消費和環境影響進行建模和分析是非常必要的。為此，該研究采用一個可計算一般均衡（Computable General Equilibrium，CGE）模型，從全局經濟角度評估了在實現相同碳減排目標情形下利用碳定價收益補貼電力部門三種減排方式（包括補貼CCS 技術、補貼水電和核電，以及補貼風能、太陽能和其他新能源發電）的社會經濟、能源消費和環境影響，以期為中國電力行業低碳發展提供科學支撐。

1 文獻綜述

到目前為止，已有相當一部分研究探討了電力部門低碳轉型，其研究范圍和研究視角也在不斷擴大，主要圍繞以下幾個方面：第一，關于煤電行業低碳發展研究。提高煤電行業能源效率是電力行業低碳發展的重要途徑之一［6-7］。發展高效、低碳的先進煤電技術，以降低二氧化碳和污染物排放強度，從而在應對氣候變化和改善環境污染方面扮演重要角色?，F有文獻普遍認為，對存量技術，主要以節能改造、提效減排為主［7］；對增量技術，主要以大規模部署CCS 為主［8］。第二，對可再生電力的研究。改善電力結構是電力行業低碳發展的又一重要途徑。目前的文獻多側重于可再生電力的發展規劃，如可再生電力的發展時間、地點以及裝機容量規模［9-11］；還有部分研究分析了燃料價格、電力結構、碳價對可再生電力的市場價值［12］和發展規模［13］的影響。第三，對于低碳轉型路徑效果的研究。大多數文獻從“碳減排、碳達峰”視角分析了不同轉型路徑的效果［14-16］。例如，Zhang 等［16］認為中國電力行業碳排放將于2027 年達峰，約66.5 億t。第四，關于低碳政策效果及評價研究?，F有研究大都側重于分析單個電力低碳政策［17-18］，包括補貼可再生能源政策的影響因素［19］、補貼可再生能源政策的優化策略［20-21］、補貼可再生能源政策對利益相關者的影響［22］，以及碳稅或碳交易政策對清潔電力發展的影響［23-24］。此外，還有少量研究探討了多種電力低碳政策的組合效果。例如，Ibanez-Lopez 等［25］分析了激勵政策與容量支付政策的組合實施效果，結果表明，與單一的可再生能源激勵措施相比，組合政策可以保持足夠的備用余量和避免電價飆升。

根據文獻回顧，現有文獻多是針對單個電力低碳政策進行建模分析，而對于多種電力低碳政策組合效果的對比分析較為缺乏。其次，考慮到電力部門在經濟系統中的基礎性和支撐性地位，在分析節能減排效應的同時，也需要考察其社會經濟效應。為此，該研究在CGE 模型中構建了一個詳細的電力技術模塊，從而在碳定價背景下，基于全局經濟視角評估了電力部門多種低碳政策的經濟、能源和環境效應，不同于現有文獻多局限于單個電力低碳政策。

2 研究方法

2.1 模型框架

該研究采用的分析工具是中國能源與環境政策分析（China Energy & Environmental Policy Analysis，CEEPA）模型，該模型是一個中國多部門動態遞歸CGE 模型。CEEPA 采用CGE 模型的基本概念，并特別注重對中國能源和環境現狀的詳細描述。目前，CEEPA 已被用于研究中國多種能源和環境政策的經濟、能源和環境影響，如碳稅［26］、減排責任分擔［27］、出口退稅［28］、資源稅改革［29］以及碳交易［30］等。有關CEEPA 的詳細說明見文獻［31］，在該研究中，僅說明CEEPA中與該研究目的密切相關的模塊。

2.1.1 在CEEPA中刻畫不同的電力技術

在傳統的CGE 模型中，電力和熱力的生產和供應技術（簡稱電力技術）是高度聚合的，即僅有一種復合技術，且僅生產一種商品；而隨著電氣化進程的加速推進，單一電力技術和多種電力技術對應一種無差別的電力商品，對于評估電力部門低碳轉型政策有著明顯差別。因此，借鑒MIT-EPPA 模型的處理方式［32-34］，并基于全球貿易數據庫（Global Trade Analysis Project，GTAP）版本10中的中國電力技術數據［35］，將單一電力技術劃分為10 種子技術，即傳統燃煤發電（Coal）、傳統燃油發電（Oil）、傳統燃氣發電（NatGas）、核電（Nuclear）、水電（Hydro）、風電（Wind）、光伏發電（Solar）、考慮碳捕獲的天然氣聯合循環發電（NGCCS）、考慮碳捕獲的整體煤氣化聯合循環發電（IGCCS）及其他電力技術（Others），如圖1所示。

圖1 不同電力技術的電力生產模塊

2.1.2 碳稅和不同電力技術補貼

在模型中，對各生產部門i和居民h征收的第fe種化石能源從價稅率CTfe，ih如公式（1）所示：

其中：CTAX表示對每噸碳征收的碳稅稅率（從量稅率，元/t），PFfactorfe，ih表示第fe種化石能源的復合碳排放因子。

碳稅的實施增加了化石能源的使用成本，如公式（2）所示：

其中：PQfe，ih表示第fe種化石能源消費價格，CPI表示消費者價格指數。

在該研究中，假設碳稅收益（TOTCtax）全部用于補貼各種發電技術，如公式（3）和（4）所示：

其中：Q_Profe，i表示第i部門在生產過程中對第fe種化石能源的消費量，CDfe，h表示第h類居民對第fe種化石能源的消費量，PGenTechtech表示第tech種發電技術價格，GenTechtech表示第tech種發電技術的發電量，subtech表示第tech種發電技術的補貼率。

2.2 數據來源

CGE 模型的數據基礎是社會核算矩陣（Social Accounting Matrix，SAM）。它詳細描述了給定時期內某個國家或地區的經濟發展狀況。在CEEPA 模型中，以中國2017年投入產出表為基礎［37］，并結合各類統計年鑒［38-42］，編制了2017年SAM表。

此外，為了在投入產出表［37］中單一電力部門的基礎上細分出10種發電技術，首先，根據GTAP 10［35］中國電力部門每種中間投入對各種發電技術的投入比例，將原投入產出表中電力部門的中間投入數據拆分為各種電力技術的中間投入數據；其次，各種發電技術的勞動、資本、土地和資源等要素投入，根據GTAP 10［35］中國電力部門要素投入比例拆分而來；最后，結合中國電力生產結構數據［41］進行進一步的調整。

2.3 參數校準

對于CEEPA 模型中的內生參數，一部分通過基年數據校準得到：將SAM表中的數據作為基年均衡數據代入模型中各方程，以求解出方程中的參數［43］。例如，在外貿模塊，第i種進口品的份額參數αM，i可用公式（5）校準得到：

其中：M0 表示基年第i部門的商品進口量；D0 表示基年第i部門的國內產品銷售量；PM0 表示基年第i種進口商品價格；PD0 表示基年第i種國內商品價格；σi表示第i種商品的替代彈性，是外生參數。在一般均衡條件下求解得到的商品和要素的價格都為相對價格，因此這里將基年各種商品和要素的價格都假定為1；再結合從SAM表得到的M0 和D0，代入公式（5），便可得到份額參數αM，i的值。依此類推，利用基年數據和相應方程可校準出其余內生參數。

另一部分外生參數則從相關研究中獲?。?4-46］，如各種替代彈性，碳排放因子和碳氧化率等。除了基本CGE模型中的彈性參數外，CEEPA 模型還需要電力技術相關的替代彈性參數［32-34］，見表1。

表1 模型中與電力技術相關的彈性參數

3 情景設置

為了探究中國電力部門低碳轉型政策的全局社會經濟、能源消費和環境影響，該研究設置了一個無額外減排政策的基準情景（Business As Usual，BAU）。該情景遵循一個中等的經濟發展路徑，在實現發展目標方面取得一些進展，資源和能源強度以歷史速度下降，對化石能源的依賴也逐漸減少。

在此基礎上，考慮到中國正加快建設完善全國碳排放權交易市場，該研究將利用碳定價這一政策工具作為政府實施低碳轉型政策的主要方式，并考慮將碳定價收益分別用于補貼CCS 技術、促進太陽能、風能等新能源發電以及促進水電、核電等常規清潔能源發電這三種電力部門減排方式，以考察碳定價收益的不同利用方式在實現二氧化碳減排，緩和社會經濟效率方面的影響，以期為未來電力部門低碳發展提供政策建議。

再者，由于國家對于電力部門不同低碳轉型政策并沒有明確的長期減排規劃，因此該研究在考慮相關中國氣候變化行動目標的基礎上，在設置情景時采取低減排和高減排情景作為研究參考。在該研究中，將三種政策情景從2020—2060 年的總碳排放量相比于BAU 情景減少10%和20%分別作為低減排情景和高減排情景，以此來比較分析不同電力部門低碳轉型政策的社會經濟、能源消費和環境影響，相應的情景設置見表2。此外，各情景的碳價均由模型內生給出，且年均增長率均為5%，如圖2所示。

圖2 不同政策情景下的碳價

表2 情景設置

4 結果與討論

4.1 對宏觀經濟的影響

4.1.1 對GDP的影響

各情景下的國內生產總值相對于BAU 情景的變化如圖3 所示。整體來看，各政策情景的實施均會對GDP 產生負面影響，且隨著時間的推移逐漸變大。通過對GDP構成要素（包括總消費、總投資和凈出口）的分解，發現占主導作用的是總投資變化。由于模型對國際收支平衡的假設，所有情景下的凈出口均保持不變。再者，由于各情景主要作用于資本密集型行業，對勞動力報酬的影響要明顯小于資本收入的影響，從而對居民收入和居民消費的影響較小，而模型中政府消費保持不變，最終對總消費的影響較小。各情景下總投資的變化主要是由于碳定價的實施增加了部門生產成本，使得各部門產出下降，從而導致間接稅總收入和政府收入下降，進而導致政府儲蓄和總投資降低。此外，無論是低減排情景，還是高減排情景，碳定價收益用于補貼CCS 的方式（即CCS-10%或CCS-20%情景）對GDP 造成的負面沖擊最大。這主要是因為CCS 技術成本較高，在實現相同減排量的前提下，必須輔以較高的補貼，從而使得在該方式下的碳價最高（圖2），最終對GDP 帶來的負面影響也最大。而將碳定價收益用于補貼風能、太陽能和其他新能源發電的方式對GDP 造成的負面沖擊最小。例如，即使在高減排情景下，該方式（WSO-20%情景）下的GDP 損失約為5.0%，略低于CCS-10%情景下的GDP損失（約為5.5%）。

圖3 不同政策情景相對于BAU情景的GDP變化率

4.1.2 對居民福利的影響

圖4分別展示了不同政策情景下城鄉居民福利水平的變化。在該研究中，福利變化用希克斯等價變化的百分比來描述。在所有情景下，城鄉居民福利損失都有一定程度的下降。這主要是由于各情景下碳定價的實施使得各部門生產成本提高，產出降低，對勞動力的需求量降低，進而使得勞動收入減少，導致城鄉居民可支配收入降低，最終抑制了城鄉居民的消費水平。具體來看，CCS-20%情景表現出最高的福利損失，WSO-10%情景表現出最低的福利損失。而在NH-10%和NH-20%情景下，城鄉居民福利適度損失。此外，在所有情景下，農村居民福利損失都小于城鎮居民福利損失。這主要是因為轉移收入占城鄉居民可支配收入比重存在差異：轉移收入比重越高，居民受影響越?。?7］。而在模型中，基準年轉移性收入在農村居民可支配收入中所占的比重大于城鎮居民。這可能是得益于自2012 年以來的新型農村合作醫療、新型農村社會養老保險等惠農政策的實施［48］。

圖4 不同政策情景下的城鄉居民福利變化

4.1.3 對行業利潤的影響

該研究對部門利潤影響的分析，重點關注電力部門本身及其主要的上游和下游行業。由于中國的電力結構仍以燃煤發電為主，因而上游行業主要是煤炭（COAL）部門，而下游重點用電行業包括鋼鐵（Ferrous）、化工（CHEM）、有色金屬（Non-Ferrous）和建筑（CONS）部門，它們用電量約占全社會用電量的30%［49］。這些部門的利潤變化率如圖5所示。

圖5 不同政策情景下的部門利潤變化

在該研究中，部門利潤是指部門資本收入和固定要素收入的總和。整體來看，無論是低減排情景還是高減排情景，在相同的碳定價收益利用方式下，各部門的利潤變化趨勢相近，只是在高減排情景下部門利潤受影響的變化幅度更明顯。具體來看，所有政策情景都能為電力部門帶來明顯的利潤。這主要是因為，一方面，碳定價的實施使得全社會出現從化石能源向電力需求轉移的趨勢，所以各情景下的電氣化率均不同程度的提高（圖6（d）），從而不同程度抬高了電價。另一方面，碳定價收益均用于補貼不同的發電技術，使得相應的發電技術成本下降以及該技術下的發電量增加明顯，最終也帶動了整個電力部門利潤的提高。其中，在NH 情景下電力部門利潤上漲幅度最為明顯，比如，在2060 年NH-20%情景下電力部門利潤增加68%。這是因為在所有的發電技術中，核電和水電的資本投入和固定要素投入所占比重最大，從而使得在碳定價收益補貼核電和水電方式下的利潤增加最為明顯。

圖6 不同政策情景下的電力和能源消費

對于上游煤炭部門，所有政策情景都能帶來較為明顯的利潤損失。特別對于NH-20%和WSO-20%情景，2060年煤炭部門的利潤損失分別達到54.2%和53.6%。這是因為，一方面，碳定價政策增加了煤炭部門的生產成本；另一方面，補貼清潔能源電力抑制了煤電的發展，進一步降低了煤炭的需求量，最終使得煤炭部門利潤損失最為嚴重。相比較而言，CCS情景下煤炭部門的利潤損失要小得多，這是因為補貼CCS技術一定程度上使得煤炭需求量增加，從而可以抵消一部分碳定價帶來的負面影響。

再者，對于下游重點用電部門，碳定價政策使得電價和化石能源價格均上漲，進而導致下游各部門生產成本上漲，產出下降，最終導致下游各部門利潤均出現一定程度的下滑，但下降幅度遠低于煤炭部門。

4.2 對電力和能源消費的影響

圖6（a）展示了所有情景下的電力消費情況。由圖6（a）可知，CCS 和NH 情景下的電力消費相比于BAU 情景有所下降。這主要是由于碳定價增加了傳統燃煤發電成本，使其發電量下降明顯，盡管碳定價收益都補貼給了CCS或核電和水電，但由于這些發電技術資本密集程度較高，最終還是使得總電力消費量有所下降。而WSO 情景下的電力消費相比于BAU情景有所增加，這是因為風能、太陽能和其他新能源發電方式資本密集程度相對較低，碳定價收益補貼對新能源發電的促進作用大于碳定價對傳統燃煤發電的抑制作用，最終使得總電力消費有所增加。

圖6（b）展示了所有情景下的能源消費情況。如圖6（b）所示，所有情景下的能源消費量相比于BAU情景都有所下降，且隨著減排目標的提高，下降幅度增大。其中，對于CCS-10%和CCS-20%情景，由于碳定價收益補貼CCS 技術，促進了CCS 滲透，增加了一部分煤炭消費量，從而可以一定程度上抵消碳定價對化石能源的抑制作用；對于WSO-10%和WSO-20%情景，電力消費量的增加可以一定程度上抵消碳定價對化石能源的抑制作用。因此，這兩大類情景下能源消費量的下降幅度小于NH 情景下能源消費量的下降幅度。

圖6（c）和圖6（d）展示了所有情景下的可再生能源份額和電氣化率（即電力消費量和能源消費量之比）。如圖所示，所有情景下的可再生能源份額和電氣化率均高于BAU 情景。對于NH 和WSO 情景，碳定價收益均用于補貼可再生能源電力，使得可再生電力發展迅速，且碳定價政策也一定程度上抑制了化石能源的消費量，因此，這兩大類情景下的可再生能源份額增加明顯。特別是在WSO-20% 情景下，到2060 年可再生能源比例達到34.4%。而對于CCS情景，CCS滲透率的提高一定程度上抵消了碳定價對化石能源的抑制作用，因此，該類情景下的可再生能源份額增幅不太明顯。電氣化率也是類似，WSO-20%情景下的電力消費相比于BAU 情景增加最明顯，而碳定價使得該情景下的能源消費量下降，最終使得該情景下的電氣化率最大，達到37.8%。

4.3 對碳排放和污染物的影響

圖7展示了不同政策情景下的全國和電力部門年均碳減排變化率。如圖7（a）所示，無論是低減排情景還是高減排情景，盡管三類情景下的最終減排量一致，但減排路徑有所差異。具體而言，WSO 情景在2020 年的碳價最低，但其減排效果最為顯著，這主要是由于風能、太陽能等新能源發電成本相對較低，且具有一定的發電份額，碳定價收益補貼后促使其快速發展，對傳統燃煤發電的抑制效果最為明顯，因此，在政策實施的初始階段，全國減排效果最為明顯。而對于CCS技術在2020年處于示范階段，份額較低，需要大量補貼刺激其滲透，因而在政策實施初期減排效果相對最弱，但隨著碳價的抬高和CCS 滲透率的提升，該方式的減排效果逐步變得最為明顯。而對于NH 情景，其減排效果整體相對適中。再者，如圖7（b）所示，三類低碳政策均能使得電力部門碳排放量明顯下降。但相比較而言，碳定價補貼風能、太陽能等新能源發電方式使得電力部門碳排放量下降趨勢最為顯著。

圖7 不同政策情景下的全國和電力部門年均碳減排變化率

由于環境協同效應，電力部門低碳政策在實現碳減排的同時對于二氧化硫（Sulphur dioxide，SO2）和氮氧化物（Nitrogen oxides，NOX）等主要大氣污染物的減排也具有積極影響。圖8 展示了各情景在2020—2060 年期間的累積SO2和NOX減排率。如圖8 所示，在NH 和WSO 情景下對累積SO2和NOX減排效果明顯，且隨著時間的推移，累積減排率變大，在2060 年高減排情景下兩種方式的累積SO2和NOX減排率均超過20%。然而，在CCS 情景下對累積SO2和NOX減排效果較為微弱，這主要是因為該情景下促進了一定程度的煤炭消費量，從而抵消了一部分碳定價的協同減排效果。再者，所有情景下的累積SO2減排率均大于累積NOX減排率，這是因為SO2和NOX排放包含兩種類型：能源相關排放和過程相關排放，而SO2能源相關排放所占比重更大。

圖8 不同政策情景下的累積SO2和NOX減排率

4.4 敏感性分析

考慮到CGE 模型在設置不同彈性參數時的固有局限性，需要對模型中的關鍵參數進行敏感性分析。因此，該研究選擇電力和化石能源之間σenergy、能源與資本之間σKE，以及能源資本組合與勞動力之間σx的替代彈性進行敏感性分析。該研究假設這三種替代彈性分別減少和增加20%，然后考察了2060 年高減排情景下相關指標的變化，見表3。

表3表明，無論這三種替代彈性減少還是增加，各情景之間的優劣關系保持不變。這表明模型結果對這三種彈性是穩健的。然而，表3也表明這三種彈性的取值變化對相關指標的大小影響較大。其中，碳定價收益補貼CCS 情景對能源與資本間的替代彈性較為敏感，相關指標的變化幅度略大于其他兩種彈性參數下的變化幅度。因此，在部署CCS 時，要注意加強資本投入以增強資本對能源的替代能力，從而盡可能多地降低中國邊際減排成本（即碳價）。再者，碳定價收益補貼水電和核電，或補貼風能、太陽能和其他新能源發電等方式對能源資本組合與勞動力間的替代彈性較為敏感，相關指標的變化幅度較大。因而，在發展清潔電力時可適度減少勞動力投入，以盡可能使得中國邊際減排成本（即碳價）下降。

表3 不同彈性參數情景下相關指標的敏感性分析

5 結論與政策建議

該研究建立了一個具有詳細電力技術模塊的CGE 模型，從全局經濟角度評估了在實現相同碳減排目標情形下利用碳定價收益補貼電力部門三種減排方式（包括補貼CCS技術、補貼水電和核電，以及補貼風能、太陽能和其他新能源發電）的經濟、能源和環境影響。此外，還圍繞關鍵替代彈性進行了敏感性分析，驗證了該研究對各政策優劣關系判斷結論的相對魯棒性。主要結論如下。

（1）補貼風能、太陽能等新能源發電是相對最優的碳定價收益利用方式。該方式在達到相同減排目標時所需要的碳價最低，對于整體宏觀經濟以及對重點用電部門利潤造成的損失最小。同時，該方式也可以較明顯地促進可再生能源比例和電氣化率的提高，且對于SO2和NOX的協同減排效果最佳。此外，補貼水電和核電的方式對整體宏觀經濟和重點用電部門的負面沖擊相對適中，且對可再生能源份額、電氣化率以及SO2和NOX的協同減排效果有較好的促進作用。

（2）只實行碳定價而不輔以專項補貼，即使在GDP 損失40%情形下，也無法實現CCS 較大規模滲透，因此有必要對CCS 部署實行專項補貼。此外，補貼CCS 技術在這三種減排方式中最不占有優勢。雖然該方式對傳統煤炭行業造成的負面沖擊最小，但達到相同碳減排目標時所需要的碳價最高，并且對于整個宏觀經濟增長和重點用電部門利潤造成的損失最大。因此，為減緩對社會經濟的負面沖擊，必須輔以配套措施，如降低生產間接稅等。

（3）在補貼風能、太陽能等新能源發電或補貼水電和核電的方式下對累積SO2和NOX的協同減排效果明顯，且隨著時間的推移，累積減排率變大。比如，在2060年高減排情景下兩種方式的累積SO2和NOX減排率均超過20%；而在補貼CCS 技術下累積SO2和NOX的減排效果較為微弱。

基于以上結論，該研究以中國當前主流的碳交易政策為例，結合電力行業發展現狀與國家相關規劃文件，可得到如下政策啟示：①在短期內，特別是“十四五”期間，中國電力行業低碳轉型應率先大力發展清潔電力，尤其需優先考慮大幅提升風電和太陽能發電規模，以盡快實現電力行業碳達峰。在此期間，宜考慮將碳交易收益優先用于補貼風能、太陽能等新能源發電的方式，然后考慮將一小部分收益用于補貼水電和核電。②從長遠來看，中國電力行業低碳轉型需大規模部署CCS 才能實現深度脫碳，以及電力行業碳中和目標。此時，電力部門大規模部署CCS 需要有針對性補貼，且需與碳交易政策相結合，并輔以配套措施，如降低生產間接稅，以減緩對社會經濟的負面影響。③短期內，在大力發展風能、太陽能等新能源發電和發展水電和核電的情形下，可適度降低針對SO2和NOX的減排措施力度；長遠來看，當在部署CCS 技術的情形下，針對SO2和NOX的措施力度仍不可放松。