綠色低碳政策對電力行業低碳轉型的影響效應研究

王喜平，任雅麗

（華北電力大學 經濟管理系，河北 保定 071003）

0 引言

電力行業作為能源密集型行業，其碳排放量居于各行業之首。電力行業低碳轉型是實現可持續發展的內在要求，也是實現“雙碳”目標的必然選擇。

電力低碳轉型的關鍵在于大力發展可再生能源，優化電源結構。固定電價制度雖促進了可再生能源發電裝機容量的快速上升，但由于沒有解決可再生能源發展面臨的發電、上網與市場消納三大問題，而導致了嚴重的棄風棄光現象，使可再生能源發電的發展進程受阻。在此背景下，從政策激勵上出臺相應措施，以碳交易、綠證交易和碳稅為代表的綠色低碳政策應運而生。

碳交易自2013年起在相關省市相繼開展試點工作，并于2021 年正式在發電行業率先啟動。該政策旨在將碳排放權作為一種商品，通過碳排放權價格影響火電廠商利潤空間，進而影響發電機組的相關建設、投資決策。綠證交易繼碳交易之后于2017 年試行，被作為可再生能源配額制的補充機制。

可再生能源配額制要求電網公司從發電公司購買的電力中包含一定比例的可再生能源電力；綠證交易則將可再生能源電力電子化；發電公司可以通過購買電子化的可再生能源電力完成配額要求，這可以更好促進可再生能源配額制的發展，實現可再生電力消納。

近年來，碳稅相關政策出臺進程加快。碳稅根據煤炭和天然氣等化石燃料的碳含量或直接排放到空氣中的二氧化碳征稅。碳稅的實施會增加火力發電制造商的生產成本，影響發電廠商的利潤空間進而影響其參與綠證交易和碳交易的行為決策，使碳交易和綠證交易的政策效果受到影響。

因此，本文研究碳稅政策能否與綠證、碳交易相互配合，實現電源結構優化。這是在引入碳稅時對其進行政策設計和優化已實施政策時需要考慮的問題。

目前，學者已對碳交易、碳稅和綠證交易這3項綠色低碳政策影響效應開展了大量研究工作。

在碳交易政策影響效應方面。文獻[1]基于多期倍分法研究了碳交易的減排效應，發現碳交易能有效減少二氧化碳排放總量和排放強度。文獻[2]利用雙重差分模型研究發現碳交易具有顯著的減排效應，且東部地區的減排效應高于中西部地區。文獻[3]首先使用碳排放量與污染指數的交乘項代表減污降碳水平，然后基于雙重差分法檢驗碳交易的減污降碳效應，結果發現碳交易能夠有效降低二氧化碳和環境污染物排放。文獻[4]基于三重差分模型發現碳交易能夠促進企業低碳轉型。

在碳稅政策影響效應方面。文獻[5]基于最優多目標投入產出模型發現征收碳稅能夠減少碳排放，且稅率越高，碳減排效果越好。文獻[6]基于CGE（Computable general equilibrium）模型發現碳稅能夠減少化石能源消費，促進碳減排。文獻[7]基于CGE 模型發現對于用能高的部門，碳稅政策在短期內具有顯著的碳減排效應，要重點通過提高能源效率降低二氧化碳排放量。

在基于可再生能源配額制的綠證交易影響效應方面。文獻[8]基于引入配額制后的發電廠商利潤最大化模型發現配額比例增加會影響發電廠商邊際成本。文獻[9]基于算例模擬發現綠證交易市場化能夠有效促進可再生電力消納。文獻[10]發現綠證交易可以以較低的社會成本實現可再生能源電力增長。文獻[11]發現穩定的綠證價格有利于可再生能源電力發展。

除單一政策影響效應研究之外，還有研究考慮了組合雙政策影響效應。文獻[12]基于雙重差分空間杜賓模型發現碳交易與碳稅能夠減少碳排放，且碳交易具有正向溢出效應。文獻[13]驗證了碳交易與綠證交易能夠降低碳排放水平。文獻[14]通過將碳交易與綠證交易引入發電權交易模型，發現可以提高發電權交易的效率，進而達到節能減排的目標。

綜上，現有文獻多是針對單一綠色低碳政策或兩兩綠色低碳政策組合進行建模分析，同時考慮3 種綠色低碳政策影響效果的文獻較為缺乏。從方法上看，諸研究工作以建立雙重差分模型、CGE模型等方法為主，系統動力學（Systematic dynamic，SD）方法應用較為缺乏。考慮到電力系統是一個復雜系統，同時系統動力學方法基于系統思維和反饋控制理論，有助于捕捉復雜系統的時變行為，在分析具有長期性、周期性和低精度要求特點的社會經濟和生物物理系統的動態復雜性方面具有優勢，因此，本文通過建立系統動力學模型來研究3 項綠色低碳政策對電源結構的優化效果，以此得到其對電力行業低碳轉型的影響。

1 SD 模型設計

1.1 假設條件

為便于理論研究，同時保證SD 模型的合理性，做出如下假設。

假設1：在模型中，廠商的發電方式為火力發電與可再生能源發電。由于在綠證交易中受兌換綠證的可再生能源發電類型限制，本文中可再生能源發電方式只考慮風力發電與太陽能發電。

假設2：在綠證交易中，綠證的供給者為風力發電和太陽能發電廠商，綠證的需求者為火電廠商。

假設3：在綠證市場中，1 kW·h 可再生能源發電量可以兌換一張綠證。將綠證的初始價格定為0.18 元/張，價格上限設置為0.45 元/張，下限為0.01 元/張，兌換的綠證有效期為12 個月。有效期過后綠證失效，可再生能源發電廠商不得在綠證市場上出售失效的綠證。

假設4：在碳交易市場中，將火電廠商劃分為購買碳排放權的火電廠商和出售碳排放權的火電廠商。碳交易只在行業內進行，不在行業間進行。將初始碳價設定為50 元/t，價格上限設置為300 元/t，下限為10 元/t。

假設5：碳交易、綠證交易和電力交易之間沒有捆綁。即，碳交易市場、綠證市場和電力市場的交易過程是獨立的。

假設6：碳稅征收方式為對排放到空氣中的二氧化碳征稅。碳稅為常量，在模擬期內不發生改變。

假設7：火力發電機組的施工時間為12 個月，可再生能源發電機組的施工時間為6 個月。

假設8：市場決定電力價格。當電力需求大于電力供給時，電力價格上升；當電力供給大于電力需求時，電力價格下降。電力價格不受政府政策影響。

假設9：無投機行為。所有的市場參與者都是理性經濟人。

1.2 因果回路圖

本文構建了碳排放權交易（Carbon emission trading，CET）子系統、綠證交易（Tradable green certificate，TGC）子系統、碳稅子系統及電力交易子系統。系統內部的因果關系如圖1 所示。

圖1 系統內部因果回路Fig.1 Causal loop of inner system

圖1 中，GDP、單位GDP 碳排放和電力行業占比的乘積決定了碳交易的最大限額，將其定義為電力行業的CET 供給。

CET 供給增加會推動預計銷售量提升。CET的需求受火電廠商發電量影響。火電廠商發電量增加會促使CET 需求上升。CET 需求與預計購買量成正比，而預計購買量與預計銷售量決定碳交易市場中的CET 超額需求，進而影響CET 價格。CET 價格作為碳交易中賣方的收入，與賣方的收益空間成正比。相反，CET 價格作為買方的支出，與買方的收益空間成反比。賣方和買方的收益空間決定了其對新火電機組的投資意愿。高收益會刺激火電廠商投資新建更多的火電機組。

在綠證交易市場上，可再生能源發電廠商憑借其發電量兌換得到相應數量的綠證，然后在市場上出售這些綠證。若其所兌換的綠證多，則預計銷售量會隨之增加。作為購買方的火電廠商則需要根據配額要求購買綠證，由配額比例計算出的需要上交的綠證越多，其預計購買量也越高。預計購買量與預計銷售量通過超額需求影響TGC價格，使TGC 價格發生變動。TGC 價格增加，則可再生能源發電廠商的收益空間增加，新建可再生能源機組的投資越多，進而導致可再生能源機組總容量和可再生能源發電量增加。

直接對所排放的二氧化碳征稅。碳稅作為財稅政策，將減少火電廠商收益。火電收益的減少會導致未來新建的火電機組數量減少，進而減少火電機組總容量和火電發電量。

在電力市場中，上網電價的制定取決于供需平衡關系。火電和可再生能源發電量決定了電力供給。當電力需求以固定速率增長，供需平衡直接影響電力價格。電價上升將增加發電廠商的收益空間，從而刺激建設更多的發電機組，進而使發電機組總容量和發電量提高。

1.3 存量流量圖及方程建立

存量流量圖的主要優勢在于其可以展現各個因素之間的關系以及相互之間的動態關系，而不局限于具體的數值。

根據圖1 所示因果回路圖可得到如圖2 所示的存量流量圖。

圖2 系統內存量流量Fig.2 Stock flow of inner system

在綠證交易市場中，TGC 獲得量取決于可再生能源發電廠商發電量，兩者之間是1:1 的關系。圖2 中，供給者TGC 持有量取決于TGC 獲得量與TGC 售出量的差值。火電廠商需要上交的TGC取決于電力需求與可再生配額比例的乘積，而需求者TGC 持有量則取決于賣方TGC 售出量與買方上交的TGC 的差值。TGC 售出量取TGC 預計購買量與TGC 預計銷售量中的較小值。TGC 預計購買量取決于TGC 價格、需求者TGC 持有量和需要上交的TGC。當需求者持有的TGC 大于需要上交的TGC 時，預計購買量為0；當需求者持有的TGC 小于需要上交的TGC 時，預計購買量與兩者的差值成正比，與TGC 價格成反比。TGC預計銷售量則與供給者TGC 持有量與TGC 失效量兩者的差值和TGC 價格成正比。超額需求是關于預計購買量與預計銷售量的條件函數。超額需求引起TGC 價格變化，TGC 價格變化取決于超額需求與TGC 價格的乘積，而價格變化最終反映會到TGC 價格上，且當價格變化過多，超過價格上限或下限時，則將上限或下限定為TGC 價格。

電力市場、碳稅與碳交易市場中涉及到的變量的方程設置由于篇幅限制，不再展開論述。

2 實證分析

2.1 參數設定

將2018 年定為該模型的基期，運行的最小單位為1 個月，模擬運行時長為100 個月。模型中的參數參考2022 年的真實值。根據《中國統計年鑒》和中國電力企業聯合會數據確定相關的參數值，具體參數值設定如表1 所示。

表1 主要參數及賦值Tab.1 Main parameters and assignments

2.2 準確性檢驗

由于系統動力學模型是對現實世界的簡單描述，故其仿真結果與現實存在一定的誤差。若要使所建立的系統動力學模型有效，則仿真模擬的結果與現實值之間的誤差不能過大，要控制在一定的范圍之內。

本文選取火電機組容量、可再生能源機組容量和GDP 這3 個變量進行準確性檢驗，測量仿真結果與現實值之間的誤差，結果如表2 所示。由表2 可知，3 年之內變量的最大誤差為4.32%，平均誤差為2.68%，均在SD 方法允許的15%的誤差水平下，因此模型對現實世界有較好的擬合效果。

表2 模型準確性檢驗結果Tab.2 Accuracy test results of model

2.3 實證結果分析

2.3.1 綠證交易市場

圖3 示出了TGC 價格在仿真期內的走勢。

圖3 TGC 價格變化趨勢Fig.3 TGC price trends

分析圖3 中TGC 價格波動趨勢可知：

1）TGC 價格在前59 個月持續上升。在配額比例的要求下，火電廠商對綠證的需求量較大。此時，由于可再生能源發電量較低，因此兌換的綠證數量較少，導致綠證供不應求，所以價格持續上升到最高點0.293 元/張。

2）TGC 價格在第60 個月至第85 個月下降。通過綠證交易，可再生能源發電廠商利潤增加，從而促進了可再生能源發電量增長。在之前的59 個月中，可再生能源發電量持續增長，由此得到的綠證供給較大，超過綠證需求，這導致TGC 價格開始下降，并在第85 個月下降到最低點0.173 元/張。

3）TGC 價格在后15 個月價格達到穩態平衡。隨著TGC 價格的下降，可再生能源發電廠商的利潤水平降低，進而導致可再生能源機組的建設投資減少，可再生能源發電量增長速度降低，因此，TGC 供給增長速度減緩，與以固定增長速度增長的TGC 需求基本持平，TGC 價格基本保持穩定，在0.173 元/張左右微小波動。文獻[15]對TGC 價格的仿真結果也表明，在100 個月內TGC價格經歷了先上升后下降，之后處于波動平衡狀態，從而印證了本文關于TGC 價格波動趨勢。

圖4 示出了可再生能源發電廠商收益空間與開始建設可再生能源機組容量在100 個月的仿真期內的走勢。

由圖4 可知，由于可再生能源發電廠商收益空間和TGC 價格具有相關關系，這2 個變量具有相同的波動趨勢。可再生能源發電廠商收益空間在前期持續升高，之后下降，最后基本保持均值不變。可再生能源發電廠商獲得的收益被用于投資建設新的可再生能源發電機組，可再生收益空間的大小影響新建可再生能源機組數量，兩者之間具有相同的變化趨勢，因此開始建設可再生能源發電廠在前期持續升高，之后下降，最后基本保持均值不變。

可再生能源機組容量隨時間的變化情況如圖5所示。從圖5 可以看出，開始建設可再生能源的變化反映在可再生能源機組容量增長速度上。除去前6 個月的建設期，可再生能源機組容量在前期增長速度越來越快，之后增速變緩，最后趨于穩定。

圖5 可再生能源機組容量變化趨勢Fig.5 Trends in capacity changes of renewable energy units

2.3.2 碳交易市場

圖6 示出了CET 價格在100 個月的仿真期內的走勢。

圖6 CET 價格變化趨勢Fig.6 CET price trends

從圖6 可以看出，CET 價格波動呈U 型。

1）CET 價格在前40 個月呈下降趨勢。政策實施初期，通常碳配額較為寬松，碳排放權供給大于需求，CET 價格持續降低，在第40 個月達到最低點39.2 元/t。

2）CET 價格在后60 個月呈上升趨勢。隨著時間的推移，碳排放權供給逐漸收緊。

對于擁有已建成并投運的火電機組的能源企業，由于火電機組作為固定資產在建設期資金投入量較高，無法直接放棄轉而投資可再生能源機組，故只能減少新增火電機組的數量，將部分計劃投資于火電機組的資金用于可再生能源機組投資。于是，火電發電量仍有所增加，碳排放權需求仍較高。碳排放權供給小于需求，導致CET 價格持續上升，在圖6 仿真期末達到最高值74.25 元/t。

圖7 示出了現實中歷年CET 價格均值，圖中結果驗證了本文關于CET 價格的波動趨勢。

圖7 歷年CET 價格變化趨勢Fig.7 CET prices trends over the years

CET 價格、TGC 價格與碳稅共同作用，影響碳排放權買方和賣方的收益空間。CET 價格作為碳排放權賣方的額外收入與賣方收益空間成正比，作為碳排放權買方的額外支出與買方的收益空間成反比；而碳稅和TGC 價格作為兩者需要共同承擔的成本，與碳排放權買方、賣方的收益空間成反比。在三者的共同作用下，如圖8 所示：碳排放權賣方的收益空間在前10 個月增加，在第11 個月到第45 個月持續下降，在之后的55 個月持續上升；碳排放權買方的收益空間在前24 個月增加，在第25 個月到第62 個月持續降低，在第63 個月到第89 個月呈曲線上升，在之后的11 個月呈下降趨勢。這兩者的收益空間都影響了其各自的投資決策，具體反映在開始建設火電的總體水平上。如圖8 所示，開始建設火電呈現先下降后上升的變化趨勢。

圖8 火電廠商收益空間與開始建設火電變化趨勢Fig.8 Trends of thermal power manufacturers’ revenue space and start of building thermal power

開始建設火電的變化反映在火電機組容量的增長速度上，結果如圖9 所示。從圖9 可以看出，除去前12 個月的建設期，火電機組容量在前期增長速度越來越慢，后期增長速度變快。

圖9 火力發電機組容量變化趨勢Fig.9 Thermal power unit capacity trends

2.3.3 電力市場

不同類型發電量變化趨勢如圖10 所示。由圖10 可以看出，在碳稅、綠證交易和碳交易這3 項政策的作用下，可再生能源發電量和火電發電量都在增加，且可再生能源發電量的增長速度大于火電發電量的增長速度。

圖10 不同類型發電量變化趨勢Fig.10 The power generation trends of different types

根據可再生能源發電量與火電發電量得到如圖11 所示的電源結構變化趨勢。由圖11 可以看出，可再生能源發電占比不斷增加，仿真期初可再生能源發電占比為12.05%，仿真期末可再生能源發電占比為25.06%，即在100 個月的仿真期內可再生能源發電占比增加了13.01%，電源結構得到顯著優化。

圖11 電源結構變化趨勢Fig.11 Power supply structure trends

電力價格變化趨勢如圖12 所示。由圖12 可知，電力價格在仿真期內持續上升。這是因為綠色低碳政策在促進電力行業低碳轉型的同時，使火力發電占比減小。雖然綠電占比增加，但無法完全彌補火力發電占比減少的部分，從而導致電力供給無法滿足電力需求，電力價格上升。這一發現與文獻[16]的結論相同。文獻[17]發現社會福利與電力價格成反比：隨著電力價格的增加，社會福利減少，即電價過高不利于社會福利最大化。因此，在推動電力行業低碳轉型的同時，要采取措施穩定電價，避免電價過度上漲。

圖12 電力價格變化趨勢Fig.12 Electricity price trends

3 情景分析

為研究碳稅、綠證交易、碳交易對電力行業低碳轉型的影響，設定以下情景：

1）基準情景（Business as usual,BAU）。該情景下，碳稅、可再生能源配額比例初始值及單位碳排放強度降低率皆為上述模型中設定的值。

2）高碳稅——情景A。通過將碳稅增加25%的方式增加碳稅政策的實施強度，另外2 項政策與BAU 保持一致。

3）高綠證交易——情景B。通過將可再生配額比例初始值增加25%的方式增加綠證交易的實施強度，另外2 項政策與BAU 保持一致。

4）高碳交易——情景C。通過將單位碳排放強度降低率增加25%的方式增強碳交易的實施強度，另外2 項政策與BAU 保持一致。

5）高碳稅和高綠證交易組合——情景D。通過將碳稅和可再生能源配額比例初始值增加25%的方式增強碳稅政策和綠證交易的實施強度，另外1 項政策與BAU 保持一致。

6）高碳稅和高碳交易組合——情景E。通過將碳稅和單位碳排放強度降低率增加25%的方式增強碳稅政策和碳交易的實施強度，另外1 項政策與BAU 保持一致。

7）高碳交易和高綠證交易組合——情景F。通過將可再生配額比例初始值和單位碳排放強度降低率增加25%的方式增強綠色證書交易和碳交易的實施強度，另外1 項政策與BAU 保持一致。

參數的具體設定如表3 所示。

表3 政策參數設置Tab.3 Policy parameter settings

3.1 單一政策情景分析

圖13 展示了TGC 價格在單一政策情景下的變化情況。從圖中可以看出，情景B 的TGC 價格最高，這是因為情景B 增加了可再生能源配額比例，火電廠商對綠證的需求增加，進而導致TGC價格增加。情景A的TGC價格相較基準情景降低，這是因為碳稅政策通過促進可再生能源發電量的增加，使綠證供給增加，TGC 價格降低。情景C的TGC 價格與基準情景基本相同，表明碳交易不會對TGC 價格產生影響。

圖13 單一政策情景下的TGC 價格變化趨勢Fig.13 TGC prices trends under single policy scenario

圖14 示出了CET 價格在單一政策情景下的變化情況。圖中，情景C 的CET 價格最高，這是因為情景C 通過增加單位碳排放降低率減少了單位GDP 的碳排放，進而減少了CET 供給，CET價格增加。情景A 與情景B 相對于基準情景CET價格降低，這是因為情景A 與情景B 在促進可再生能源發電的同時，抑制了火力發電，使CET 需求減少，進而導致CET 價格降低。

圖14 單一政策情景下的CET 價格變化趨勢Fig.14 CET prices trends under single policy scenario

圖15示出了電力價格在單一政策情景下的變化情況。圖中，情景A 與情景C 的電力價格與基準情景基本相同。情景B 的電力價格相對于基準情景減少，這是因為情景B 通過增加可再生配額比例使TGC 價格增加。TGC 價格增加會增加可再生能源中發電廠商的收入和火電廠商的成本，發電廠商會加大對可再生能源機組的投資，減少對火電機組的投資。可再生能源發電的增加值大于火力發電的減少值，電力供給增加，從而導致電力價格降低。

圖15 單一政策情景下的電力價格變化趨勢Fig.15 Electricity prices trends under single policy scenario

根據火電發電量和可再生能源發電量仿真結果得到電源結構在單一政策情景下的變化情況，如圖16 所示。

圖16 單一政策情景下的電源結構變化趨勢Fig.16 Power supply structure trends under single policy scenario

由圖16 可以看出，情景A 和情景B 的可再生能源發電占比相較于基準情景明顯增加，且情景B 的可再生能源發電占比大于情景A，情景C的可再生能源發電占比相較基準情景增加并不明顯。這說明增強碳稅與綠證交易實施強度會促進電源結構優化，且綠證交易比碳稅政策的優化效果更好，而增強碳交易實施強度對電源結構優化效果較弱。增強碳稅政策實施強度即增加碳稅，會增加火電廠商的生產成本，進而減少火電廠商的利潤；而火電廠商會根據利潤的變化減少對火電機組的投資，并轉向可再生能源機組投資，于是可再生能源發電占比增加，電源結構得到優化。增強綠證交易實施強度即增加初始可再生配額比例，由圖13 可知會使TGC 價格增加。綠證交易作為可再生能源發電廠商的收入部分，TGC 價格增加會導致可再生能源發電廠商利潤增加，進而可再生能源發電廠商會增加對可再生能源機組的投資；綠證交易作為火電廠商的成本部分，TGC價格增加會導致火電廠商利潤減少，進而導致火電廠商減少對火電機組的投資。在對綠電廠商和火電廠商的雙重作用下，電源結構得到顯著的優化，超過增加碳稅達到的政策效果。增強碳交易實施強度會使CET 價格增加，CET 價格增加會通過減少碳排放權買方的利潤使買方減少對火電機組的投資，進而使火電占比減少；但碳交易在產生碳排放權買方的同時也產生了碳排放權賣方。碳排放權賣方的利潤會隨著CET 價格增加而增加，進而加大對火電機組的投資，導致火電占比增加。因此，在碳排放權買方與賣方的共同作用下，可再生能源發電占比并無明顯增加，電源結構優化效果較弱。

3.2 組合政策情景分析

圖17 展示了TGC 價格、CET 價格、電力價格與電源結構在組合政策情景下的變化情況。由圖可以看出，在仿真期末綠證交易和碳稅政策組合的情景D 可再生能源發電占比最大，達到34.66%；其次是綠證交易和碳交易組合的情景F，可再生能源發電占比為32.7%；最后是碳稅政策和碳交易組合的情景E，可再生能源發電占比為28.72%。電源結構優化效果從大到小排序為情景D→情景F→情景E。這個順序在印證了上文得到的政策優化效果排序的同時，也說明政策優化效果排序無論是在單一政策還是組合政策都不會改變。TGC 價格、CET 價格與電力價格也有同樣的規律，本文不再贅述。

圖17 組合政策情景下的TGC 價格、CET 價格、電力價格與電源結構變化趨勢Fig.17 Trends in TGC prices,CET prices,electricity prices,and power structure changes under the scenario of combined policies

3.3 單一政策與組合政策情景下對比分析

不同情景在仿真期末的可再生能源發電占比和相較于基準情景可再生能源發電占比增加值如表4 所示。

表4 不同情景下的可再生能源發電占比及占比增加值Tab.4 The proportion and the added value of renewable energy generation in different scenarios %

由表4 可知，情景D 作為情景A 與情景B 的組合，相較基準情景可再生能源發電占比增加了9.6%，大于情景A 與情景B 可再生能源發電占比增加值的總和，其他情景也有同樣的規律。由此得出結論，組合政策帶來的電源結構優化效果大于分別進行單一政策造成的電源結構優化效果總和，政策之間會產生協同優化效應。

4 結論與建議

本文針對碳交易、綠證交易和碳稅政策這3項綠色低碳政策和電力市場的運行機制，構建了系統動力學模型。得到如下結論和建議：

1）綠證交易是可再生能源發電廠商增加收入的手段。通過TGC 價格影響可再生能源發電廠商收益空間，進而可以實現通過投資策略影響可再生能源發電量。綠證交易將增加火電運行成本。通過TGC 價格可影響火電廠商的收益空間。

碳稅政策將增加火電運行成本。通過碳稅可影響火電廠商的收益空間。

碳交易將增加碳排放權買方的成本和賣方的收入。通過CET 價格可分別影響其收益空間。

這3 項政策以不同的作用機制影響發電廠商的收益空間，進而以影響投資策略的形式影響發電量。在這3 項綠色低碳政策影響下，可再生能源發電量的增速高于火電發電量的增速，電源結構得到持續優化。

2）在促進電源結構優化以達到電力行業低碳轉型的進程中，電力供給小于電力需求，電力價格持續增長，這不利于社會福利最大化。因此，在優化電源結構的同時，要通過增加可再生能源發電量或火電發電量的方式保證電力供給，穩定電力價格。

3）增強綠證交易實施強度會通過增加電力供給降低電力價格，可以解決電力價格上升問題。

4）基于情景分析可知，綠色低碳政策對電源結構優化的影響效果從強到弱的順序為：綠證交易→碳稅→碳交易。這一結論表明，在逐步加強政策措施以實現電源結構優化時，首要考慮的是綠證交易，其次是碳稅政策，最后是碳交易政策。按照這個順序逐步提升政策強度，能夠高效率實現電源結構優化目標。

5）組合政策帶來的電源結構優化效果大于單一政策，且政策之間會產生協同效應。因此，在政策優化過程中，要注重從多個政策入手優化電源結構，而不單單只重視一項政策。