论文部分内容阅读
摘要
优化能源结构降低碳强度是建立环境友好型、资源节约型低碳经济发展模式的有效途径之一。基于山东省总人口、地区生产总值、居民消费水平、能源生产量、工业产值占比等社会经济指标的历史数据和不同组合情景下的预测数据,研究了能源结构优化对低碳山东的贡献潜力问题。首先运用情景预测、GM(1,1)预测与多元回归组合预测模型对2013年到2020年的一次能源消费量及其相关变量进行了预测;其次,采用马尔可夫链模型预测了2013年到2020年山东省能源消费结构的变化趋势;最后,考虑到技术进步、经济结构以及产业结构等对碳强度目标的实现也具有显著作用,当将能源结构作为一个驱动因素分析其变化对实现碳强度目标的贡献时,需将其他因素的作用剔除,因此,本文重新界定了能源结构优化对碳强度目标“贡献潜力”的定义,即指不同能源结构调整幅度情景中碳强度的“下降幅度”相对于不调整时碳强度“下降幅度”的增加值与碳强度“目标下降幅度”的比值。并在此基础上,分9种组合情景评估了2020年能源结构优化对实现山东省碳强度目标的贡献潜力。结果表明:在相同的经济增速下,能源结构调整幅度越大,碳强度“下降幅度”越大,能源结构优化对碳强度目标的“贡献潜力”也越高;在相同的能源结构调整幅度下,经济增速越低,碳强度“下降幅度”越小,但是能源结构优化对碳强度目标的“贡献潜力”越高。在每种情景下能源结构优化对实现山东省碳强度目标均有一定的贡献潜力,但是,能源结构优化对实现山东省碳强度目标贡献潜力作用有限,即使在优化能源结构对碳强度目标“贡献潜力”最大的情景(大幅调整能源结构、经济低速增长)中,其贡献潜力也仅为10.953 3%。因此,能源结构优化对实现低碳山东有一定的贡献,但是仅靠能源结构优化无法完全实现碳强度目标,政府、企业及社会还需要采取产业结构调整、碳排放技术升级等措施。
关键词能源结构;碳强度目标;碳排放;贡献潜力;山东省
中图分类号F416.22 文献标识码A文章编号1002-2104(2015)06-0089-09doi:10.3969/j.issn.1002-2104.2015.06.013
随着中国工业化和城市化进程的不断推进,能源需求持续快速增长。与此同时,以煤炭为主的能源消费结构带来了过度的二氧化碳排放,导致环境污染、气候变暖等重大问题。在应对全球气候变暖问题已达成国际共识的大背景下,中国提出到2020年二氧化碳排放强度比2005年降低40%-45%。要实现2020年碳强度目标,中国必须走低碳经济发展道路,低碳经济是以低消耗、低排放、低污染为特征的可持续发展模式,其实质是利用技术进步与制度革新转变能源利用方式,提高能源效率,优化能源结构[1]。由于中国地域辽阔,资源禀赋各异,各地区的经济发展极不平衡,导致了各地区的能源消费结构和碳排放水平存在显著性差异。因此,从省区层面研究低碳经济约束下中国一次能源消费结构优化问题具有重要的意义。山东省是全国经济发展的佼佼者,2014年地区生产总值达59 426.6亿元。山东省在如此大的经济成就下,依赖的是大量的能源消耗与不合理能源结构,2012年山东省一次能源消耗总量高达40 035.78万吨标准煤,2000年到2012年间煤炭占全部能源持续高达70%以上,并且二氧化碳的排放量一直居于全国前列,优化能源结构对实现低碳山东具有重要的理论与实际意义。
近年来,国内外学者为发展低碳经济,对碳强度问题展开了深入研究。岳超等[2]指出未来碳强度控制应从产业结构调整、能源政策改革、可再生能源发展等方面着手。林伯强等[3]提出在维持经济增长的前提下,提高能源效率是减少碳排放的主要途径;张友国[4]基于投入产出结构分解法得出1987年至2007年经济发展方式变化使中国的GDP碳排放强度下降了66.02%;郭国峰等[5]基于回归与ARMA组合模型对“十二五”时期中国工业节能潜力进行了分析。结果表明,仅工业领域就实现节能6.7亿 t标准煤和重点行业节能降耗的目标。郝珍珍等[6]构建了行业CO2排放增长驱动力模型,结果显示:影响碳排放的主要驱动力是能源强度效应和行业贡献效应,而产业结构调整在短时间内对CO2减排效力不大。林伯强等[7]选用协整方法研究CO2排放量与其变量之间的长期均衡关系,并采用Monte Carlo模拟法,在各解释变量服从既定概率分布的前提下预测了中国CO2排放量的增长情形。结果表明,实现低碳转型应当在保证GDP增长的前提下,通过控制城市化速度和将城市化进程作为低碳发展的机会,以及通过降低能源强度和改善能源结构来实现;徐盈之等[8]指出不同类型能源实现同等减排效果的成本存在很大的差异。因此,推动结构节能减排,是中国低碳经济发展的必由之路。
大量文献通过不同切入点研究能源结构优化对碳排放及低碳经济的影响。Gabriel S A等[9]考虑经济、环境等因素的影响构建宏观模型分析能源消费结构的变化情况。Nakata T[10]研究发现调整能源消费结构应该考虑经济、人口增长和环境等的影响,构建“低碳经济”应大力加强可再生能源的开发利用。Li H Q等[11]分两种情景评估了绿色能源的发展潜力和来源,并在此基础之上分析了绿色能源在实现中国碳强度目标的贡献潜力;王锋等[12]采用协整技术和马尔可夫链模型预测了2011-2020年中国的碳强度趋势,分9个情景分析优化能源结构对实现中国碳强度目标的贡献潜力进行了评估;Dagoumas A S等[13]设置了三种情景,运用宏观经济综合模型将英国作为一个地区,以自上而下的方式估计能源需求总量及需求结构,以自下而上的方式模拟电力部门,结果表明,电力部门和交通部门是实现大幅度减排目标的主要部门范德成等[14]以碳强度最小化为目标,经济增长、能源供给、技术进步为约束条件构建了单目标线性规划优化模型,对我国2009-2020年的能源消耗结构进行预测,结果表明:在“十二五”能耗强度目标水平下,优化能耗结构并不能完全实现碳强度目标,其贡献潜力为77.12%。王韶华等[15]运用通径分析研究了一次能源的相互关系及其消费比例与碳强度的关系,在此基础上计算一次能源结构对碳强度和GDP的贡献,并分析了能源结构调整对碳强度的灵敏度,结果表明:降低煤炭消费比例,提高水核风电等能源消费比例对降低碳强度的贡献最大,可以降低碳强度4.57个百分点,对实现碳强度目标的贡献潜力为26.9%。 由于各个省区的碳强度变动、碳排放份额变动、能源强度变动、能源结构调整以及产值份额变动共同决定了全国碳强度的变动[16],而不同省区的节能减排的潜力差异很大[17],为了顺利实现全国碳强度目标,需要及时评估各省区对全国碳强度下降的贡献,对此,岳超等[2]通过对中国各省区的碳排放量、人均碳排放和碳排放强度分析,得出中西部地区具有较高的碳强度,并运用逐步线性回归分析指出能源资源禀赋、工业行业结构和能源消费结构是省区碳强度的决定因素;李陶等[18]在总减排成本最小的目标下,基于非线性规划优化模型得到了各省市的减排配额分配方案;王平等[19]运用情景预测、成分数据模型等方法探讨了广东省能源结构优化对碳强度目标的贡献潜力。
综述所述,学者们已对能源结构优化对碳强度目标的实现进行了一系列研究,然而,上述文献
未将技术进步、经济结构以及产业结构等其他影响因素的作用剔除,对此,本文对能源结构优化对碳强度目标的贡献潜力赋予新定义,在运用组合模型进行2013-2020年山东省一次能源消费需求预测的基础上,采用马尔可夫链模型预测了能源消费结构的变化趋势,分9种组合情景评估了2020年能源结构优化对山东省碳强度目标的贡献潜力,以期为碳减排相关政策及措施的制定提供决策参考。
1山东省一次能源消费及其变量预测
1.1变量选择与数据说明
影响能源消费需求的变量众多,但学界尚未给出影响能源需求具体因素的定论。从直接影响因素分析,居民人口数量、居民消费水平的变化都会直接影响能源消费需求。而间接影响因素主要包含国内或地区生产总值、工业产值占比、国家或地区能源生产总值及能源进口总值、能源利用效率等。本文选择以下五个影响因素对山东一次能源消费需求进行研究分析。
1.1.1人口数量
人口数量是影响能源消费需求的直接因素之一,人口数量越多,能源需求越大。刘兰凤等[20]及郭菊娥等[21]的研究证明了人口数量的确是影响能源消费需求的最主要因素之一。所以本文把山东省人口数量作为影响一次能源消费需求的变量之一。
1.1.2收入水平
居民收入水平的变化间接影响一次能源消费的需求,诸多文献研究国家收入水平时以GDP来代替,且GDP的增速直接反应收入水平的变动情况[3],由于本文研究山东省一次能源消费需求的预测,因此本文选用山东省的地区生产总值作为解释变量引入能源消费需求函数。
1.1.3居民消费水平
居民消费水平与收入水平高度相关,但又有所不同,收入水平的提高一定程度上使得居民消费水平增加,但收入水平是国家或地区经济的宏观表示,居民消费水平更多的从微观上改变一次能源消费需求量。居民消费水平的提高,不仅使得居民在生活能源方面的消费量增加,而且居民对各行业产品特别是第二、三产业的消费支出有较大的增长,从而带动各生产领域的能源消费增加。所以本文将山东省居民消费水平也作为影响能源消费需求的变量之一。
1.1.4能源生产总量
能源生产总量是国家或地区在一定时期内能源生产量的总和,此处的能源生产量仅包括一次能源如:原煤、原油、天然气,风水核电等,它是描述能源生产水平和规模的重要衡量标准,它的增加或降低会引起能源消费的加大或减少,所以本文选取地区能源生产总量作为一个变量。
1.1.5工业产值占比
自我国提出工业化、城镇化的发展方向后,我国的工业生产总值持续升高。其特征也逐渐显现出来:一是工业、建筑业等第二产业带来的经济价值占国民收入的比率提高;二是工业等第二产业的劳动人口占总人口的比例也有所增加;三是在以上两种比率增加的同时,工业人口的人均收入也在相应的增加。随着工业化、城镇化的持续推进和居民收入与消费水平的提高,能源的消费需求也相应的会增加。因此,工业指标应该被引入到能源需求函数中。这一指标用工业产值占地区生产总值的比例表示。
以上所涉及的变量中,山东省人口数量、地区居民消费水平指数、地区生产总值、地区能源消费总量和地区工业生产总值来源于《中国统计年鉴》(2013)。
1.2GDP及其他变量预测
1.2.1GDP及居民消费水平情景预测
由于将收入水平的预测转换为对地区生产总值的预测,而对地区生产总值或GDP的预测往往转换为对经济增长速度的预测。本文借鉴李善同等[22]思路运用情景预测的方法,结合山东省21世纪以来的经济情况,将山东省未来经济增长速度设定为高速、中速和低速三种情景,并把每一个情景划分为2013-2016年和2013-2020年两个时间段。在第一阶段经济增长速度由高到低依次为12%、9%和7%,第二个阶段则为10%、7.8%和6%。
居民消费水平与收入水平是直接相关的,要预测居民消费水平,先应该建立居民消费水平与地区生产总值的相关方程,已利用Excel得到趋势线方程X3=0.227 598X2+1 000.758 983。基于居民消费水平与地区生产总值相关性与地区生产总值变动速率设定值,对2013-2020年山东省生产总值和居民消费水平进行预测(见表1)。
1.2.2人口、能源生产量与工业产值比灰色预测
在五个自变量中,总人口、能源生产总量,工业产值占比三个因素更多的受历史各年数据的影响,是社会、经济诸多因素相互影响和制约的结果,因果关系复杂并具有灰色特性和一定的规律性,所以本文利用灰色预测GM(1,1)模型对山东省总人口,能源生产总量,工业产值占比进行预测(见表1)。
1.3基于多元回归的一次能源消费预测
1.3.1多元回归分析
在多个变量进行多元回归分析时,变量之间经常存在着严重的多重共线性,所得到的回归系数的方差会很大,从而预测出的一次能源消费需求的误差也会增大、稳定性也变差。因此,本文首先利用SPSS19.0对人口数量、地区生产总值、居民消费水平、地区能源生产总量、工业产值占比五个变量进行相关性分析(见表2)。 由表2可知,数据相关阵的特征值大于1的只有一个,所以提取第一主成分值,将其代表的原始变量作为影响能源消费结构的自变量进行多元回归。则主成分表达式为:
其中:ZX1、ZX2、ZX3、ZX4、ZX5,分别为标准化后的总人口,地区生产总值,居民消费水平,能源生产总量,工业产值占比。Z表示第一主成分值。对2000年到2012年的五个因素数据进行标准化处理,将标准化后的各年数据(由于篇幅有限,标准化后的数据不再列出)代入到主成分表达式,得出2000-2012各年主成分值,分别为-3.148 32,-2.559 71,-1.981 51,-1.313 95,-0.834 78,-0.490 12,-0.028 82,0.472 28,0.946 48,1.179 75,1.992 73,2.582 59和3.183 38。
对主成分值进行多元回归分析时,非线性回归、对数函数和幂函数都要求自变量非负,因此对主成分值Z进行坐标变换,最小主成分值为-3.148 32,即变换坐标公式为z′=z+4。运用SPSS19.0得到分析结果,并查询F分布表进行比较分析。得到结论:线性函数、对数函数、二次函数、三次函数、幂函数、指数函数等六种函数的回归效果都非常显著。具体选择哪种函数要根据一次能源消费预测值进行分析选取。
1.3.2一次能源消费预测
将表1中山东省总人口、地区生产总值、居民消费水平、能源生产量、工业产值占比五个影响因素的预测值代入根据2000年到2012年五个因素实际数据求得的标准化公式中进行标准化,将标准化后的五个因素预测结果代入主成分表达式中,得到主成分预测值,主成分预测值按照前文的多元回归分析中坐标变换(z′=z+4)进行处理,详细的过程因篇幅较长不再给出,只列出利用处理后的主成分预测值拟合的回归方程:
对三种经济状况下2020年的预测值进行初步分析,三次函数到2020年,能源消费为负值,不可取,指数函数预测值远远大于其他函数,也不可取。二次函数2020年预测结果,经济增长能源消费量反而降低,也不可取。将线性函数,对数函数,幂函数三种函数2000年到2012年的预测值与实际值比较,计算其相对误差,并根据相对误差选取最准确的函数方程进行多元回归。相对误差如表3所示。
在相对误差表中,线性函数与幂函数相对误差都较小,但到2010年后,幂函数的相对误差要更小,且幂函数的相对误差平均值较小,因此判定情景预测、灰色预测与幂函数回归组合模型最合适,预测的拟合效果最佳。
用情景预测、灰色预测与多元幂函数回归组合模型首先预测出山东省2000-2012年的能源消费量,并与中国统计年鉴中实 际数据比较,并从平方和误差、均方误差、平均绝对误差等方面进行效果评价,结果表明本文的预测结果与实际数据具有较高的拟合程度,说明在一定程度上该预测值是可信的。因此,对2013年到2020年的一次能源消费量进行预测(见表4)。
由表4可知,在未来几年山东省的一次 能源消费量具有较高的增长率,而由于不同类型的能源燃烧时具有不同的碳排放系数,要想根据能源消费量来预测碳排放量,必须预测能源结构。
2山东省能源消费结构预测
2.1马尔可夫链模型
由于未来的能源消费结构通常根据能源消费结构的过去情况和现在情况来进行预测,且能源消费结构的变动符合马尔科夫链无后效性的特点,因此,本文采用马尔可夫链模型进行能源结构预测。用S1(n),S2(n),S3(n),S4(n),分别表示煤炭、石油、天然气、风水核电(为了便于说明问题,将风能、水能、核能和电能四种非石化能源简称为“风水核电”)等四类能源在n时刻占一次能源消费总量比例,用p(n)表示n时刻到n+1时刻,x能源转移为y能源的概率,则中国能源消费结构从n时刻到n+1时刻的一步转移概率矩阵为:
如果根据目前的能源消费结构来预测未来的能源消费结构,首先需要通过各年能源消费结构及其状态变化确定每步的状态转移概率矩阵,然后求出平均转移概率矩阵,再利用平均转移矩阵预测未来一次能源消费结构的变化趋势。假设从初始时刻到n时刻,能源消费结构在每步的转移概率矩阵分别为p(1),p(2),p(3),…,p(n),平均转移概率矩阵的计算式为p=[p(1)·p(2)·…·p(n)]1/n根据n时刻的能源消费结构以及平均转移概率矩阵,就可以预测出n+m时刻的能源消费结构:S(n+m)=S(n)·pm。
2.2确定转移概率矩阵
根据《山东省统计年鉴》(2013)中关于能源的数据,选择2000-2012年能源结构数据计算转移概率矩阵。在确定转移概率矩阵时,根据对一次能源消费结构历史数据的观察,可以发现,煤炭、石油、天然气、核水风电之间都存在相互转移份额的可能性。据此,根据能源结构转移概率矩阵的算法,从n时刻到n+1时刻,如果一种能源占总能源消费量的比例增加,那么该能源的保留概率为1,同时该能源不向其他能源进行转移,且根据转移概率矩阵的设定,每一行的元素之和为1,那么该能源向其他能源的转移概率元素都为0;如果一种能源占总能源消费量的比例减少,那么该能源的保留概率为n+1时刻的比例除以n时刻的比例,同时该能源不会吸收其他能源的转换,即该列的吸收概率元素值为0。再根据每一行的元素之和必须为1,计算出该能源向其他能源的转移概率元素,计算得2000年到2012年的转移概率矩阵。
矩阵的开方运算是数学难题,一些矩阵的开多次方在理论上是难以实现的,由于是对2020年的能源结构进行预测,且对中间年份的能源结构没有具体要求,那么可以不再计算平均转移概率矩阵,而直接将多年的能源消费结构转移概率矩阵作为乘数,对未来能源消费结构进行预测,这样将N年作为一个时间段来构建转移概率矩阵。反而更符合马尔科夫过程要求的平稳性及长期性要求。 根据预测年份与已知年份的时间间隔,预测2020年的能源消费结构,现已知2000年到2012年的一次能源消费结构,2012到2020年共八年时间间隔,那么将八年看作一个能源结构调整的时段,计算2004年到2012年的能源结构转移概率矩阵,即将04年到12年的转移概率矩阵相乘得:
将2012年能源结构矩阵与八年转移概率矩阵相乘,得到2020年山东省一次能源消费构成为:煤炭74.42%,石油21.64%,天然气3.54%,核水风电0.40%。
2.3能源结构优化对低碳山东的贡献潜力评估
2.3.1无规划约束无消费引导的一次能源消费结构预测
通过资料得知我国在哥本哈根会议前提出2020年中国碳强度比2005年下降40%-45%,在2005年后全国的能源结构都已进行政策调整,山东省也不例外。因此在计算能源结构不调整情况下2020年的山东省的碳强度值时,选取2005年后的数据不可取,则选取2000-2005年的转移概率矩阵,其概率转移矩阵为:
根据以上方法计算能源消费结构。本文把这一情景称为“不调整”。到2020年预测的能源结构为:煤炭8720%,石油11.95%,天然气0.85%,风水核电0%。
2.3.2无规划约束的一次能源消费结构预测
不考虑山东省中长期能源发展规划的影响,仅从历史数据预测得2020年的能源结构作为“小幅调整”模式下的预测值。使用上文中对2020年能源结构的预测值。即煤炭74.42%,石油 21.64 %,天然气3.54 %,风水核电0.40%。
2.3.3石油和天然气消费引导的一次能源消费结构预测
石油、天然气虽然也是化石能源,但其燃烧时产生的二氧化碳远低于燃烧煤炭所产生的,是两种较为清洁的能源。2005年后,山东省石油、天然气占总能源消费中的比例逐步升高,一定程度上缓解了山东省的碳减排压力。山东省政策对石油、天然气消费有促进作用,并充分考虑石油、天然气的消费引导作用,将山东省2020年石油、天然气在一次能源结构中的比例分别设定为25%,5%,则可预测出新的有石油、天然气消费比例目标引导的能源结构,本文把这一情景称为“中幅调整”。其消费结构为:煤炭69.6%,石油25%,天然气5%,风水核电040%。
2.3.4既有规划约束又有消费引导的一次能源消费结构预测
根据山东省中长期能源发展规划纲要,到2020年山东省煤炭消费总需求量目标为47 800万 t,但对石油,天然气,非化石能源的需求量没有预测。且煤炭需求量预测是基于2008年中长期规划对GDP的预测下做出的,但事实情况是2011年后GDP实际增长率已远低于预测值,所以此数据并不可取。如果使用中国统一目标,即2020年非化石能源占比达15%,但山东省2012年非化石能源占比仅0.20%,远远低于国家平均水平的9.4%,所以本文将2020年山东省非化石能源规划设定为5%。并假设山东省调整能源结构的主要方法是降低煤炭在一次能源消费中的比例,提高风水核电等非化石能源的占比,而石油、天然气一次消费比例仍然按消费引导变动,则2020年能源结构为:煤炭65%,石油25%,天然气5%,风水核电5%。此时能源结构作为“大幅调整”。
3能源结构优化对山东省碳强度目标的贡献潜力评估
3.1山东省碳强度测算
碳强度是指单位GDP内的二氧化碳排放量。由于周葵等[23]对碳排放的测算公式为:
C=∑4i=1E×Si×Ki
蒋金荷[24]指出CO2排放量与碳排放量,两者的结果相差很大。碳排放量到CO2排放量的转换系数为44/12,即单位质量碳排放相当于44/12的CO2排放,同时结合IPCC《国家温室气体清单指南(2006)》中关于化石能源燃烧消费产生二氧化碳的具体规定,因此采用CO2排放量[19]计算式为:
CO2=∑4i=1E×Si×Ki×4412
其中,CO2为能源消费碳排放量;E表示能源消费总量;Si代表第i种能源消费在一次能源消费总量中的占比;Ki表示第i种能源的碳元素排放系数;44/12表示碳氧化成二氧化碳分子量从12变为44。
能源消费总量与各能源在总量中的占比在上文中已经进行了预测,下一步要确定的是煤炭、石油、天然气等各类能源的排放系数,但目前中外各个研究机构所确定的排放系数并不一致。为了增强数据结果的准确性,充分考虑到中国的实际情况,采用中国国家发展和改革委员会能源研究所推荐的碳元素排放系数(煤炭、石油、天然气、非化石能源依次为0.747 6,0.582 5,0.443 5,0,单位:t碳/t标准煤)。根据一次能源消费量预测与上述公式,计算出12种情形下山东省2020年二氧化碳排放量见表5。
由于我国尚属于发展中国家,工业化、城市化仍未完成,经济处于高速发展阶段,二氧化碳的绝对排放量必然仍会增加,上文预测出的二氧化碳排放量不能代表我国在节能减排做出的努力,所以本文引入了碳强度指标,即单位生产总值内的二氧化碳的排放量,经过计算山东省2020年的碳强度见表5。
3.2能源结构优化对碳强度目标的贡献潜力评估
本文目标是研究能源结构调整对山东省碳强度目标的贡献潜力,就应该排除其它因素(如产业结构调整,技术水平、能源利用率等)对山东省碳强度目标的贡献值。因此,本文对“贡献潜力”提出了新的定义,即指不同能源结构调整幅度情景中碳强度的“下降幅度”相对于不调整时碳强度“下降幅度”的增加值与碳强度“目标下降幅度”的比值。其中增加值代表了其它因素不变时能源结构调整对碳强度的贡献值(绝对量),“目标下降幅度”指目标年份碳强度的目标规划值(由于山东省对其2020年碳强度目标没有明确要求,故本文采用我国2005年在哥本哈根会议上做出的承诺,即2020年碳强度比2005年降低45%),二者的比值代表了其它因素不变时能源结构调整对碳强度的贡献潜力(相对量)。各种情形下能源结构调整对山东省碳强度目标的贡献潜力如表6所示。 根据表6,以经济增速为中速为例,若不考虑山东省中长期能源发展规划的影响,能源结构在小幅调整模式下,对碳强度目标的贡献潜力为3.802 7%;如果用石油、天然气在能源结构中的比例替代煤炭的比例,石油、天然气在能源结构中的比例达到25%、5%,即能源结构在中幅调整模式,则其对碳强度目标的贡献潜力为5.203 8%;如果既实现了山东省的能源调整规划又考虑了石油、天然气的消费引导,即大幅调整模式下,能源结构优化对山东省碳强度目标的贡献潜力为10.025 6%。
对表5、表6进行整体分析,在相同的经济增速下,能源结构调整幅度越大,碳强度下降幅度越大,能源结构优化对实现碳强度目标的贡献潜力也越高;在相同的能源结构调整幅度下,经济增速越低,碳强度下降幅度越小,但能源结构优化对碳强度的贡献潜力越高。
4结论
本文基于情景预测、灰色G(1,1)预测与多元回归预测的组合模型对山东省2013-2020年能源需求量及相关变量进行了预测的基础上,运用马尔科夫链模型预测了不同约束条件下能源消费结构的变化趋势,进一步地,分12种组合情景预测了到2020年山东省碳强度值,并分析了在其中9种组合情景下2020年能源结构优化对山东省碳强度目标的贡献潜力,从而得出下列结论:
(1)由于研究能源结构优化对山东省碳强度目标的贡献潜力,应该排除其他因素如:产业结构调整,技术水
平、能源利用率等对山东省碳强度目标的贡献。因此,本文对“贡献潜力”提出了新的定义,即指不同能源结构调整幅度情景中碳强度的“下降幅度”相对于不调整时碳强度“下降幅度”的增加值与碳强度“目标下降幅度”的比值。
(2)能源结构优化是降低碳强度实现低碳山东的有效措施之一,同时经济增长情况同样影响山东省碳强度目标的实现。在同一种经济增速情景下,能源结构调整幅度越大,碳排放量与碳强度值越小(表5),而碳强度下降幅度越大(表6),对实现低碳山东的贡献潜力越大(表6);在同一种能源结构调整幅度情景下,经济增长速度越低,碳排放量越小(表5),碳强度值越大(表5),碳强度下降幅度越小(表6),但对实现山东省碳强度目标的贡献潜力越大(表6)。
(3)9组情景下的碳强度“下降幅度”和“贡献潜力”比较表明,能源结构优化对实现山东省碳强度目标在每种情景下均有一定的贡献潜力。根据表6还可以看出,经济发展速度越低,大幅优化能源结构对实现山东省碳强度目标贡献潜力最大。另外,即使最大的贡献潜力也只有10.953 3%,表明仅依靠能源结构优化无法完全实现山东省2020年碳强度目标,政府、企业及社会需要采取一系列诸如发展低碳技术、改变产业结构、提高能源效率等措施。
(编辑:王爱萍)
参考文献(References)
[1]邢继俊,赵刚. 中国要大力发展低碳经济[J]. 中国科技论坛,2007,(10):87-92. [Xing Jijun, Zhao Gang. China to Develop Low Carbon Economy [J].China Technology Forum, 2007, (10): 87-92.]
[2]岳超,胡雪洋,贺灿飞, 等. 1995-2007年我国省区碳排放及碳强度的分析:碳排放与社会发展Ⅲ[J]. 北京大学学报:自然科学版,2010,46(4):510-516. [Yue Chao, Hu Xueyang, He Canfei, et al. Analysis of Presidia Carbon Emissions and Carbon Intensity in China from 1995 to 2007: Carbon Emission and Social Development III [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010, 46(6): 510-516.]
[3]林伯强,孙传旺. 如何在保障中国经济增长前提下完成碳减排目标[J]. 中国社会科学,2011,(1):64-76,221.[ Lin Boqiang, Sun Chuanwang. How Can China Achieve Its Carbon Emission Reduction Target While Sustaining Economic Growth [J]. Social Sciences in China, 2011, (1):64-77,221.]
[4]张友国. 经济发展方式变化对中国碳排放强度的影响[J]. 经济研究,2010,(4):120-133. [Zhang Youguo. Economic Development Pattern Change Impact on Chinas Carbon Intensity [J].Economic Research, 2010, (4):120-133.]
[5]郭国峰,王彦彭. “十二五”时期工业节能潜力与目标分析[J]. 中国工业经济,2013,(3):46-58.[Guo Guofeng, Wang Yanpeng. Analysis on the Potential and Target of China’s Industrial Energysaving in 12th Five Year Plan Period[J].China Industrial Economics, 2013, (3):46-58.]
[6]郝珍珍,李健. 我国碳排放增长的驱动因素及贡献度分析[J]. 自然资源学报,2013,28(10):1664-1673.[Hao Zhenzhen, Li Jian. Analysis of China’s Carbon Emission Growth: Drive Factors and Its Contribution [J].Journal of Natural Resource, 2013, 28(10):1664-1673.] [7]林伯强,刘希颖. 中国城市化阶段的碳排放:影响因素和减排策略[J]. 经济研究,2010,(8):66-78. [Lin Boqiang, Liu Xiying. China’s Carbon Dioxide Emissions under the Urbanization Process: Influence Factors and Abatement Policies [J]. Economic Research Journal, 2010, (8): 66-78.]
[8]徐盈之,董琳琳. 如何实现二氧化碳减排和经济发展的双赢?——能源结构优化视角下的实证分析[J]. 中国地质大学学报:社会科学版,2011,11(6):31-37. [Xu Yingzhi, Dong Linlin. How to Achieve Double Wins of Carbon Dioxide Emissions and Economic Development? The Positive Analysis under the View of Optimizing the Energy Structure [J]. Journal of China University of Geosciences: Social Sciences Edition, 2011, 11(6): 31-37.]
[9]Gabriel S A, Kydes A S, Whitman P. The National Energy Modeling System: A Largescale Energyeconomic Equilibrium Model[J]. Operations Research, 2001, 49(1):14-25.
[10]Nakata T. Energyeconomic Models and the Environment [J]. Progress in Energy and Combustion Science, 2004, 30(4): 417-475.
[11]Li H Q, Wang L M, Shen L, et al. Study of the Potential of Low Carbon Energy Development and Its Contribution to Realize the Reduction Target of Carbon Intensity in China[J]. Energy Policy, 2012, 41: 393-401.
[12]王锋,冯根福. 优化能源结构对实现中国碳强度目标的贡献潜力评估[J]. 中国工业经济,2011,(4):127-137. [Wang Feng, Feng Genfu. Contribution of Improving Energy Mix to Carbon Intensity Target in China: Potential Assessment [J]. China Industrial Economics, 2011, (4):127-137.]
[13]Dagoumas A S, Barkera T S. Pathways to a Lowcarbon Economy for the UK with the Macroeconometric E3MG Model [J]. Energy Policy, 2010,38:3067-3077.
[14]范德成,王韶华,张伟. 低碳能耗结构优化模型构建及实证分析[J]. 哈尔滨工程大学学报,2013,34(7):939-944. [Fan Decheng, Wang Shaohua, Zhang Wei. Optimization Model of Lowcarbon Energy Consumption Structure and Empirical Analysis [J].Journal of Harbin Engineering University, 2013, 34(7):939-944.]
[15]王韶华,于维洋. 一次能源消费结构变动对碳强度影响的灵敏度分析[J]. 资源科学,2013,35(7):1438-1446. [Wang Shaohua, Yu Weiyang. Sensitivity Analysis of Primary Energy Consumption Structural Change and Carbon Intensity [J].Resources Science, 2013, 35(7): 1438-1446.]
[16]王锋,冯根福,吴丽华. 中国经济增长中碳强度下降的省区贡献分解[J]. 经济研究,2013,(8):143-155.[ Wang Feng, Feng Genfu, Wu Lihua. Regional Contribution to the Decline of National Carbon Intensity in China’s Economic Growth[J].Economic Research Journal, 2013, (8): 143-155.]
[17]范丹,王维国. 中国区域全要素能源效率及节能减排潜力分析:基于非期望产出的SBM模型[J]. 数学的实践与认识,2013,43(7):12-21. [Fan Dan, Wang Weiguo. Analysis of Total Factor Energy Efficiency and Potential of the EnergySaving and Emissionabating in Regional of China Based on SBM Model of Undesired Output [J]. Math Emetics in Practice and Theory, 2013, 43(7): 12-21.] [18]李陶,陈林菊,范英. 基于非线性规划的我国省区碳强度减排配额研究[J]. 管理评论,2010,22(6):54-60. [Li Tao, Chen Linju, Fan Ying. Empirical Study for CO2 Abatement Allocation among Provinces in China: Based on a Nonlinear Programming Model [J].Management Review, 2010, 21(6): 54-60.]
[19]王平,刘致秀,朱帮助,等. 能源结构优化对广东省碳强度目标的贡献潜力[J]. 中国人口·资源与环境,2013,23(4):49-54. [Wang Ping, Liu Zhixiu, Zhu Bangzhu, et al. Potential Assessment of Optimizing Energy Structure to Carbon Intensity Target in Guangdong Province[J].China Population, Resources and Environment,2013,23(4):49-54.]
[20]刘兰凤,易行健. 中国能源需求的估计与预测模拟[J]. 上海财经大学学报,2008,10(4):84-91. [Liu Lanfeng, Yi Xingjian. An Estimation and Forecast Simulation of Energy Demand in China [J].Journal of Shanghai University of Finance and Economics, 2008, 10(4):84-91.]
[21]郭菊娥,柴建,吕振东. 我国能源消费需求影响因素及其影响机理分析[J]. 管理学报,2008,5(5):651-654. [Guo Jue, Chai Jian, Lv Zhendong. Application of Path Analysis and PLSR to Forecast the Energy Resource Demand in China [J].Chinese Journal of Management, 2008, 5(5):651-654.]
[22]李善同,侯永志,刘云中,等. 中国经济增长潜力与经济增长前景分析[J]. 管理世界,2005,(9):7-19.[Li Shantong, Hou Yongzhi, Liu Yunzhong, et al. An Analysis of China Economic Growth Potential and Perspective [J]. Management World, 2005, (9): 7-19.]
[23]周葵,戴小文. 中国城市化进程与碳排放量关系的实证研究[J]. 中国人口·资源与环境,2013,23(4):41-48.[Zhou Kui, Dai Xiaowen. An Empirical Study on the Relationship Between Urbanization and Carbon Emission in China [J].China Population, Resources and Environment, 2013, 23(4): 49-54.]
[24]蒋金荷. 中国碳排放量测算及影响因素分析[J]. 资源科学,2011,(4):597-604.[Jiang Jinhe. An Evaluation and Decomposition Analysis of Carbon Emissions in China[J].Resources Science, 2011, (4): 597-604.]
Abstract
Optimizing energy structure to reduce carbon intensity is one of the effective ways to achieve low carbon economic development model of environmentfriendly and resourcesaving. This paper studied the problem of the contribution potential of optimizing energy structure to low carbon Shandong based on the historical data and forecast data in each scenario of population size, GRP, residents consumption, total energy production, ratio of industrial output to GRP of Shandong province. Firstly, we use methods such as scenario prediction, GM (1,1) prediction and combined multivariate regression model to predict the total consumption of primary energy from 2013-2020 as well as its relative variables. Secondly, we forecasted the changing tendency of energy consumption structure of Shandong province based on Markov chain model. Finally, allowing for the fact that the optimization of technical progress, economic structure and industrial structure of the carbon intensity goal also has remarkable effect, it requires eliminating the effect of other influencing factors when energy structure is regarded as a driving factor exploring its contribution to the carbon intensity goal. Therefore, this article put forward a new definition of ‘potential contribution’. The definition can describe as the ratio of contribution value and carbon intensity ‘target drop’. On this basis, we assessed the potential contribution of the energy structure optimization to carbon intensity in 9 kinds of scenarios in 2020. The results show as follows: Under the same economic growth, the greater the magnitude of energy restructuring is, the carbon intensity ‘decline’ is more, and the ‘contribution potential’ of energy structure optimization to carbon intensity goal is higher. Under the same energy structure adjustment, the lower economic growth is, the carbon intensity ‘decline’ is few, but the contribution potential of energy structure optimization to carbon intensity goal is higher. Optimizing energy structure to low carbon Shandong has some contribution potential under every scenario. However, the effect of contribution potential of sharp energy structure optimization to carbon intensity goal is limited. Even in the scenario of slow economic growth and substantial adjustment of energy structure, the greatest potential contribution of energy structural optimization to carbon intensity target is only 10.953 3%. Consequently, optimizing energy structure can contribute to achieving low carbon Shandong to some extent. But Shandong Province cannot fully achieve carbon intensity target only by energy structure optimization, measures such as industrial restructuring, carbon emissions technology upgrading and so on should be taken by the government, enterprises and society.
Key wordsindustrial economy; energy structure; carbon intensity target; energy consumption demand; Shandong province
优化能源结构降低碳强度是建立环境友好型、资源节约型低碳经济发展模式的有效途径之一。基于山东省总人口、地区生产总值、居民消费水平、能源生产量、工业产值占比等社会经济指标的历史数据和不同组合情景下的预测数据,研究了能源结构优化对低碳山东的贡献潜力问题。首先运用情景预测、GM(1,1)预测与多元回归组合预测模型对2013年到2020年的一次能源消费量及其相关变量进行了预测;其次,采用马尔可夫链模型预测了2013年到2020年山东省能源消费结构的变化趋势;最后,考虑到技术进步、经济结构以及产业结构等对碳强度目标的实现也具有显著作用,当将能源结构作为一个驱动因素分析其变化对实现碳强度目标的贡献时,需将其他因素的作用剔除,因此,本文重新界定了能源结构优化对碳强度目标“贡献潜力”的定义,即指不同能源结构调整幅度情景中碳强度的“下降幅度”相对于不调整时碳强度“下降幅度”的增加值与碳强度“目标下降幅度”的比值。并在此基础上,分9种组合情景评估了2020年能源结构优化对实现山东省碳强度目标的贡献潜力。结果表明:在相同的经济增速下,能源结构调整幅度越大,碳强度“下降幅度”越大,能源结构优化对碳强度目标的“贡献潜力”也越高;在相同的能源结构调整幅度下,经济增速越低,碳强度“下降幅度”越小,但是能源结构优化对碳强度目标的“贡献潜力”越高。在每种情景下能源结构优化对实现山东省碳强度目标均有一定的贡献潜力,但是,能源结构优化对实现山东省碳强度目标贡献潜力作用有限,即使在优化能源结构对碳强度目标“贡献潜力”最大的情景(大幅调整能源结构、经济低速增长)中,其贡献潜力也仅为10.953 3%。因此,能源结构优化对实现低碳山东有一定的贡献,但是仅靠能源结构优化无法完全实现碳强度目标,政府、企业及社会还需要采取产业结构调整、碳排放技术升级等措施。
关键词能源结构;碳强度目标;碳排放;贡献潜力;山东省
中图分类号F416.22 文献标识码A文章编号1002-2104(2015)06-0089-09doi:10.3969/j.issn.1002-2104.2015.06.013
随着中国工业化和城市化进程的不断推进,能源需求持续快速增长。与此同时,以煤炭为主的能源消费结构带来了过度的二氧化碳排放,导致环境污染、气候变暖等重大问题。在应对全球气候变暖问题已达成国际共识的大背景下,中国提出到2020年二氧化碳排放强度比2005年降低40%-45%。要实现2020年碳强度目标,中国必须走低碳经济发展道路,低碳经济是以低消耗、低排放、低污染为特征的可持续发展模式,其实质是利用技术进步与制度革新转变能源利用方式,提高能源效率,优化能源结构[1]。由于中国地域辽阔,资源禀赋各异,各地区的经济发展极不平衡,导致了各地区的能源消费结构和碳排放水平存在显著性差异。因此,从省区层面研究低碳经济约束下中国一次能源消费结构优化问题具有重要的意义。山东省是全国经济发展的佼佼者,2014年地区生产总值达59 426.6亿元。山东省在如此大的经济成就下,依赖的是大量的能源消耗与不合理能源结构,2012年山东省一次能源消耗总量高达40 035.78万吨标准煤,2000年到2012年间煤炭占全部能源持续高达70%以上,并且二氧化碳的排放量一直居于全国前列,优化能源结构对实现低碳山东具有重要的理论与实际意义。
近年来,国内外学者为发展低碳经济,对碳强度问题展开了深入研究。岳超等[2]指出未来碳强度控制应从产业结构调整、能源政策改革、可再生能源发展等方面着手。林伯强等[3]提出在维持经济增长的前提下,提高能源效率是减少碳排放的主要途径;张友国[4]基于投入产出结构分解法得出1987年至2007年经济发展方式变化使中国的GDP碳排放强度下降了66.02%;郭国峰等[5]基于回归与ARMA组合模型对“十二五”时期中国工业节能潜力进行了分析。结果表明,仅工业领域就实现节能6.7亿 t标准煤和重点行业节能降耗的目标。郝珍珍等[6]构建了行业CO2排放增长驱动力模型,结果显示:影响碳排放的主要驱动力是能源强度效应和行业贡献效应,而产业结构调整在短时间内对CO2减排效力不大。林伯强等[7]选用协整方法研究CO2排放量与其变量之间的长期均衡关系,并采用Monte Carlo模拟法,在各解释变量服从既定概率分布的前提下预测了中国CO2排放量的增长情形。结果表明,实现低碳转型应当在保证GDP增长的前提下,通过控制城市化速度和将城市化进程作为低碳发展的机会,以及通过降低能源强度和改善能源结构来实现;徐盈之等[8]指出不同类型能源实现同等减排效果的成本存在很大的差异。因此,推动结构节能减排,是中国低碳经济发展的必由之路。
大量文献通过不同切入点研究能源结构优化对碳排放及低碳经济的影响。Gabriel S A等[9]考虑经济、环境等因素的影响构建宏观模型分析能源消费结构的变化情况。Nakata T[10]研究发现调整能源消费结构应该考虑经济、人口增长和环境等的影响,构建“低碳经济”应大力加强可再生能源的开发利用。Li H Q等[11]分两种情景评估了绿色能源的发展潜力和来源,并在此基础之上分析了绿色能源在实现中国碳强度目标的贡献潜力;王锋等[12]采用协整技术和马尔可夫链模型预测了2011-2020年中国的碳强度趋势,分9个情景分析优化能源结构对实现中国碳强度目标的贡献潜力进行了评估;Dagoumas A S等[13]设置了三种情景,运用宏观经济综合模型将英国作为一个地区,以自上而下的方式估计能源需求总量及需求结构,以自下而上的方式模拟电力部门,结果表明,电力部门和交通部门是实现大幅度减排目标的主要部门范德成等[14]以碳强度最小化为目标,经济增长、能源供给、技术进步为约束条件构建了单目标线性规划优化模型,对我国2009-2020年的能源消耗结构进行预测,结果表明:在“十二五”能耗强度目标水平下,优化能耗结构并不能完全实现碳强度目标,其贡献潜力为77.12%。王韶华等[15]运用通径分析研究了一次能源的相互关系及其消费比例与碳强度的关系,在此基础上计算一次能源结构对碳强度和GDP的贡献,并分析了能源结构调整对碳强度的灵敏度,结果表明:降低煤炭消费比例,提高水核风电等能源消费比例对降低碳强度的贡献最大,可以降低碳强度4.57个百分点,对实现碳强度目标的贡献潜力为26.9%。 由于各个省区的碳强度变动、碳排放份额变动、能源强度变动、能源结构调整以及产值份额变动共同决定了全国碳强度的变动[16],而不同省区的节能减排的潜力差异很大[17],为了顺利实现全国碳强度目标,需要及时评估各省区对全国碳强度下降的贡献,对此,岳超等[2]通过对中国各省区的碳排放量、人均碳排放和碳排放强度分析,得出中西部地区具有较高的碳强度,并运用逐步线性回归分析指出能源资源禀赋、工业行业结构和能源消费结构是省区碳强度的决定因素;李陶等[18]在总减排成本最小的目标下,基于非线性规划优化模型得到了各省市的减排配额分配方案;王平等[19]运用情景预测、成分数据模型等方法探讨了广东省能源结构优化对碳强度目标的贡献潜力。
综述所述,学者们已对能源结构优化对碳强度目标的实现进行了一系列研究,然而,上述文献
未将技术进步、经济结构以及产业结构等其他影响因素的作用剔除,对此,本文对能源结构优化对碳强度目标的贡献潜力赋予新定义,在运用组合模型进行2013-2020年山东省一次能源消费需求预测的基础上,采用马尔可夫链模型预测了能源消费结构的变化趋势,分9种组合情景评估了2020年能源结构优化对山东省碳强度目标的贡献潜力,以期为碳减排相关政策及措施的制定提供决策参考。
1山东省一次能源消费及其变量预测
1.1变量选择与数据说明
影响能源消费需求的变量众多,但学界尚未给出影响能源需求具体因素的定论。从直接影响因素分析,居民人口数量、居民消费水平的变化都会直接影响能源消费需求。而间接影响因素主要包含国内或地区生产总值、工业产值占比、国家或地区能源生产总值及能源进口总值、能源利用效率等。本文选择以下五个影响因素对山东一次能源消费需求进行研究分析。
1.1.1人口数量
人口数量是影响能源消费需求的直接因素之一,人口数量越多,能源需求越大。刘兰凤等[20]及郭菊娥等[21]的研究证明了人口数量的确是影响能源消费需求的最主要因素之一。所以本文把山东省人口数量作为影响一次能源消费需求的变量之一。
1.1.2收入水平
居民收入水平的变化间接影响一次能源消费的需求,诸多文献研究国家收入水平时以GDP来代替,且GDP的增速直接反应收入水平的变动情况[3],由于本文研究山东省一次能源消费需求的预测,因此本文选用山东省的地区生产总值作为解释变量引入能源消费需求函数。
1.1.3居民消费水平
居民消费水平与收入水平高度相关,但又有所不同,收入水平的提高一定程度上使得居民消费水平增加,但收入水平是国家或地区经济的宏观表示,居民消费水平更多的从微观上改变一次能源消费需求量。居民消费水平的提高,不仅使得居民在生活能源方面的消费量增加,而且居民对各行业产品特别是第二、三产业的消费支出有较大的增长,从而带动各生产领域的能源消费增加。所以本文将山东省居民消费水平也作为影响能源消费需求的变量之一。
1.1.4能源生产总量
能源生产总量是国家或地区在一定时期内能源生产量的总和,此处的能源生产量仅包括一次能源如:原煤、原油、天然气,风水核电等,它是描述能源生产水平和规模的重要衡量标准,它的增加或降低会引起能源消费的加大或减少,所以本文选取地区能源生产总量作为一个变量。
1.1.5工业产值占比
自我国提出工业化、城镇化的发展方向后,我国的工业生产总值持续升高。其特征也逐渐显现出来:一是工业、建筑业等第二产业带来的经济价值占国民收入的比率提高;二是工业等第二产业的劳动人口占总人口的比例也有所增加;三是在以上两种比率增加的同时,工业人口的人均收入也在相应的增加。随着工业化、城镇化的持续推进和居民收入与消费水平的提高,能源的消费需求也相应的会增加。因此,工业指标应该被引入到能源需求函数中。这一指标用工业产值占地区生产总值的比例表示。
以上所涉及的变量中,山东省人口数量、地区居民消费水平指数、地区生产总值、地区能源消费总量和地区工业生产总值来源于《中国统计年鉴》(2013)。
1.2GDP及其他变量预测
1.2.1GDP及居民消费水平情景预测
由于将收入水平的预测转换为对地区生产总值的预测,而对地区生产总值或GDP的预测往往转换为对经济增长速度的预测。本文借鉴李善同等[22]思路运用情景预测的方法,结合山东省21世纪以来的经济情况,将山东省未来经济增长速度设定为高速、中速和低速三种情景,并把每一个情景划分为2013-2016年和2013-2020年两个时间段。在第一阶段经济增长速度由高到低依次为12%、9%和7%,第二个阶段则为10%、7.8%和6%。
居民消费水平与收入水平是直接相关的,要预测居民消费水平,先应该建立居民消费水平与地区生产总值的相关方程,已利用Excel得到趋势线方程X3=0.227 598X2+1 000.758 983。基于居民消费水平与地区生产总值相关性与地区生产总值变动速率设定值,对2013-2020年山东省生产总值和居民消费水平进行预测(见表1)。
1.2.2人口、能源生产量与工业产值比灰色预测
在五个自变量中,总人口、能源生产总量,工业产值占比三个因素更多的受历史各年数据的影响,是社会、经济诸多因素相互影响和制约的结果,因果关系复杂并具有灰色特性和一定的规律性,所以本文利用灰色预测GM(1,1)模型对山东省总人口,能源生产总量,工业产值占比进行预测(见表1)。
1.3基于多元回归的一次能源消费预测
1.3.1多元回归分析
在多个变量进行多元回归分析时,变量之间经常存在着严重的多重共线性,所得到的回归系数的方差会很大,从而预测出的一次能源消费需求的误差也会增大、稳定性也变差。因此,本文首先利用SPSS19.0对人口数量、地区生产总值、居民消费水平、地区能源生产总量、工业产值占比五个变量进行相关性分析(见表2)。 由表2可知,数据相关阵的特征值大于1的只有一个,所以提取第一主成分值,将其代表的原始变量作为影响能源消费结构的自变量进行多元回归。则主成分表达式为:
其中:ZX1、ZX2、ZX3、ZX4、ZX5,分别为标准化后的总人口,地区生产总值,居民消费水平,能源生产总量,工业产值占比。Z表示第一主成分值。对2000年到2012年的五个因素数据进行标准化处理,将标准化后的各年数据(由于篇幅有限,标准化后的数据不再列出)代入到主成分表达式,得出2000-2012各年主成分值,分别为-3.148 32,-2.559 71,-1.981 51,-1.313 95,-0.834 78,-0.490 12,-0.028 82,0.472 28,0.946 48,1.179 75,1.992 73,2.582 59和3.183 38。
对主成分值进行多元回归分析时,非线性回归、对数函数和幂函数都要求自变量非负,因此对主成分值Z进行坐标变换,最小主成分值为-3.148 32,即变换坐标公式为z′=z+4。运用SPSS19.0得到分析结果,并查询F分布表进行比较分析。得到结论:线性函数、对数函数、二次函数、三次函数、幂函数、指数函数等六种函数的回归效果都非常显著。具体选择哪种函数要根据一次能源消费预测值进行分析选取。
1.3.2一次能源消费预测
将表1中山东省总人口、地区生产总值、居民消费水平、能源生产量、工业产值占比五个影响因素的预测值代入根据2000年到2012年五个因素实际数据求得的标准化公式中进行标准化,将标准化后的五个因素预测结果代入主成分表达式中,得到主成分预测值,主成分预测值按照前文的多元回归分析中坐标变换(z′=z+4)进行处理,详细的过程因篇幅较长不再给出,只列出利用处理后的主成分预测值拟合的回归方程:
对三种经济状况下2020年的预测值进行初步分析,三次函数到2020年,能源消费为负值,不可取,指数函数预测值远远大于其他函数,也不可取。二次函数2020年预测结果,经济增长能源消费量反而降低,也不可取。将线性函数,对数函数,幂函数三种函数2000年到2012年的预测值与实际值比较,计算其相对误差,并根据相对误差选取最准确的函数方程进行多元回归。相对误差如表3所示。
在相对误差表中,线性函数与幂函数相对误差都较小,但到2010年后,幂函数的相对误差要更小,且幂函数的相对误差平均值较小,因此判定情景预测、灰色预测与幂函数回归组合模型最合适,预测的拟合效果最佳。
用情景预测、灰色预测与多元幂函数回归组合模型首先预测出山东省2000-2012年的能源消费量,并与中国统计年鉴中实 际数据比较,并从平方和误差、均方误差、平均绝对误差等方面进行效果评价,结果表明本文的预测结果与实际数据具有较高的拟合程度,说明在一定程度上该预测值是可信的。因此,对2013年到2020年的一次能源消费量进行预测(见表4)。
由表4可知,在未来几年山东省的一次 能源消费量具有较高的增长率,而由于不同类型的能源燃烧时具有不同的碳排放系数,要想根据能源消费量来预测碳排放量,必须预测能源结构。
2山东省能源消费结构预测
2.1马尔可夫链模型
由于未来的能源消费结构通常根据能源消费结构的过去情况和现在情况来进行预测,且能源消费结构的变动符合马尔科夫链无后效性的特点,因此,本文采用马尔可夫链模型进行能源结构预测。用S1(n),S2(n),S3(n),S4(n),分别表示煤炭、石油、天然气、风水核电(为了便于说明问题,将风能、水能、核能和电能四种非石化能源简称为“风水核电”)等四类能源在n时刻占一次能源消费总量比例,用p(n)表示n时刻到n+1时刻,x能源转移为y能源的概率,则中国能源消费结构从n时刻到n+1时刻的一步转移概率矩阵为:
如果根据目前的能源消费结构来预测未来的能源消费结构,首先需要通过各年能源消费结构及其状态变化确定每步的状态转移概率矩阵,然后求出平均转移概率矩阵,再利用平均转移矩阵预测未来一次能源消费结构的变化趋势。假设从初始时刻到n时刻,能源消费结构在每步的转移概率矩阵分别为p(1),p(2),p(3),…,p(n),平均转移概率矩阵的计算式为p=[p(1)·p(2)·…·p(n)]1/n根据n时刻的能源消费结构以及平均转移概率矩阵,就可以预测出n+m时刻的能源消费结构:S(n+m)=S(n)·pm。
2.2确定转移概率矩阵
根据《山东省统计年鉴》(2013)中关于能源的数据,选择2000-2012年能源结构数据计算转移概率矩阵。在确定转移概率矩阵时,根据对一次能源消费结构历史数据的观察,可以发现,煤炭、石油、天然气、核水风电之间都存在相互转移份额的可能性。据此,根据能源结构转移概率矩阵的算法,从n时刻到n+1时刻,如果一种能源占总能源消费量的比例增加,那么该能源的保留概率为1,同时该能源不向其他能源进行转移,且根据转移概率矩阵的设定,每一行的元素之和为1,那么该能源向其他能源的转移概率元素都为0;如果一种能源占总能源消费量的比例减少,那么该能源的保留概率为n+1时刻的比例除以n时刻的比例,同时该能源不会吸收其他能源的转换,即该列的吸收概率元素值为0。再根据每一行的元素之和必须为1,计算出该能源向其他能源的转移概率元素,计算得2000年到2012年的转移概率矩阵。
矩阵的开方运算是数学难题,一些矩阵的开多次方在理论上是难以实现的,由于是对2020年的能源结构进行预测,且对中间年份的能源结构没有具体要求,那么可以不再计算平均转移概率矩阵,而直接将多年的能源消费结构转移概率矩阵作为乘数,对未来能源消费结构进行预测,这样将N年作为一个时间段来构建转移概率矩阵。反而更符合马尔科夫过程要求的平稳性及长期性要求。 根据预测年份与已知年份的时间间隔,预测2020年的能源消费结构,现已知2000年到2012年的一次能源消费结构,2012到2020年共八年时间间隔,那么将八年看作一个能源结构调整的时段,计算2004年到2012年的能源结构转移概率矩阵,即将04年到12年的转移概率矩阵相乘得:
将2012年能源结构矩阵与八年转移概率矩阵相乘,得到2020年山东省一次能源消费构成为:煤炭74.42%,石油21.64%,天然气3.54%,核水风电0.40%。
2.3能源结构优化对低碳山东的贡献潜力评估
2.3.1无规划约束无消费引导的一次能源消费结构预测
通过资料得知我国在哥本哈根会议前提出2020年中国碳强度比2005年下降40%-45%,在2005年后全国的能源结构都已进行政策调整,山东省也不例外。因此在计算能源结构不调整情况下2020年的山东省的碳强度值时,选取2005年后的数据不可取,则选取2000-2005年的转移概率矩阵,其概率转移矩阵为:
根据以上方法计算能源消费结构。本文把这一情景称为“不调整”。到2020年预测的能源结构为:煤炭8720%,石油11.95%,天然气0.85%,风水核电0%。
2.3.2无规划约束的一次能源消费结构预测
不考虑山东省中长期能源发展规划的影响,仅从历史数据预测得2020年的能源结构作为“小幅调整”模式下的预测值。使用上文中对2020年能源结构的预测值。即煤炭74.42%,石油 21.64 %,天然气3.54 %,风水核电0.40%。
2.3.3石油和天然气消费引导的一次能源消费结构预测
石油、天然气虽然也是化石能源,但其燃烧时产生的二氧化碳远低于燃烧煤炭所产生的,是两种较为清洁的能源。2005年后,山东省石油、天然气占总能源消费中的比例逐步升高,一定程度上缓解了山东省的碳减排压力。山东省政策对石油、天然气消费有促进作用,并充分考虑石油、天然气的消费引导作用,将山东省2020年石油、天然气在一次能源结构中的比例分别设定为25%,5%,则可预测出新的有石油、天然气消费比例目标引导的能源结构,本文把这一情景称为“中幅调整”。其消费结构为:煤炭69.6%,石油25%,天然气5%,风水核电040%。
2.3.4既有规划约束又有消费引导的一次能源消费结构预测
根据山东省中长期能源发展规划纲要,到2020年山东省煤炭消费总需求量目标为47 800万 t,但对石油,天然气,非化石能源的需求量没有预测。且煤炭需求量预测是基于2008年中长期规划对GDP的预测下做出的,但事实情况是2011年后GDP实际增长率已远低于预测值,所以此数据并不可取。如果使用中国统一目标,即2020年非化石能源占比达15%,但山东省2012年非化石能源占比仅0.20%,远远低于国家平均水平的9.4%,所以本文将2020年山东省非化石能源规划设定为5%。并假设山东省调整能源结构的主要方法是降低煤炭在一次能源消费中的比例,提高风水核电等非化石能源的占比,而石油、天然气一次消费比例仍然按消费引导变动,则2020年能源结构为:煤炭65%,石油25%,天然气5%,风水核电5%。此时能源结构作为“大幅调整”。
3能源结构优化对山东省碳强度目标的贡献潜力评估
3.1山东省碳强度测算
碳强度是指单位GDP内的二氧化碳排放量。由于周葵等[23]对碳排放的测算公式为:
C=∑4i=1E×Si×Ki
蒋金荷[24]指出CO2排放量与碳排放量,两者的结果相差很大。碳排放量到CO2排放量的转换系数为44/12,即单位质量碳排放相当于44/12的CO2排放,同时结合IPCC《国家温室气体清单指南(2006)》中关于化石能源燃烧消费产生二氧化碳的具体规定,因此采用CO2排放量[19]计算式为:
CO2=∑4i=1E×Si×Ki×4412
其中,CO2为能源消费碳排放量;E表示能源消费总量;Si代表第i种能源消费在一次能源消费总量中的占比;Ki表示第i种能源的碳元素排放系数;44/12表示碳氧化成二氧化碳分子量从12变为44。
能源消费总量与各能源在总量中的占比在上文中已经进行了预测,下一步要确定的是煤炭、石油、天然气等各类能源的排放系数,但目前中外各个研究机构所确定的排放系数并不一致。为了增强数据结果的准确性,充分考虑到中国的实际情况,采用中国国家发展和改革委员会能源研究所推荐的碳元素排放系数(煤炭、石油、天然气、非化石能源依次为0.747 6,0.582 5,0.443 5,0,单位:t碳/t标准煤)。根据一次能源消费量预测与上述公式,计算出12种情形下山东省2020年二氧化碳排放量见表5。
由于我国尚属于发展中国家,工业化、城市化仍未完成,经济处于高速发展阶段,二氧化碳的绝对排放量必然仍会增加,上文预测出的二氧化碳排放量不能代表我国在节能减排做出的努力,所以本文引入了碳强度指标,即单位生产总值内的二氧化碳的排放量,经过计算山东省2020年的碳强度见表5。
3.2能源结构优化对碳强度目标的贡献潜力评估
本文目标是研究能源结构调整对山东省碳强度目标的贡献潜力,就应该排除其它因素(如产业结构调整,技术水平、能源利用率等)对山东省碳强度目标的贡献值。因此,本文对“贡献潜力”提出了新的定义,即指不同能源结构调整幅度情景中碳强度的“下降幅度”相对于不调整时碳强度“下降幅度”的增加值与碳强度“目标下降幅度”的比值。其中增加值代表了其它因素不变时能源结构调整对碳强度的贡献值(绝对量),“目标下降幅度”指目标年份碳强度的目标规划值(由于山东省对其2020年碳强度目标没有明确要求,故本文采用我国2005年在哥本哈根会议上做出的承诺,即2020年碳强度比2005年降低45%),二者的比值代表了其它因素不变时能源结构调整对碳强度的贡献潜力(相对量)。各种情形下能源结构调整对山东省碳强度目标的贡献潜力如表6所示。 根据表6,以经济增速为中速为例,若不考虑山东省中长期能源发展规划的影响,能源结构在小幅调整模式下,对碳强度目标的贡献潜力为3.802 7%;如果用石油、天然气在能源结构中的比例替代煤炭的比例,石油、天然气在能源结构中的比例达到25%、5%,即能源结构在中幅调整模式,则其对碳强度目标的贡献潜力为5.203 8%;如果既实现了山东省的能源调整规划又考虑了石油、天然气的消费引导,即大幅调整模式下,能源结构优化对山东省碳强度目标的贡献潜力为10.025 6%。
对表5、表6进行整体分析,在相同的经济增速下,能源结构调整幅度越大,碳强度下降幅度越大,能源结构优化对实现碳强度目标的贡献潜力也越高;在相同的能源结构调整幅度下,经济增速越低,碳强度下降幅度越小,但能源结构优化对碳强度的贡献潜力越高。
4结论
本文基于情景预测、灰色G(1,1)预测与多元回归预测的组合模型对山东省2013-2020年能源需求量及相关变量进行了预测的基础上,运用马尔科夫链模型预测了不同约束条件下能源消费结构的变化趋势,进一步地,分12种组合情景预测了到2020年山东省碳强度值,并分析了在其中9种组合情景下2020年能源结构优化对山东省碳强度目标的贡献潜力,从而得出下列结论:
(1)由于研究能源结构优化对山东省碳强度目标的贡献潜力,应该排除其他因素如:产业结构调整,技术水
平、能源利用率等对山东省碳强度目标的贡献。因此,本文对“贡献潜力”提出了新的定义,即指不同能源结构调整幅度情景中碳强度的“下降幅度”相对于不调整时碳强度“下降幅度”的增加值与碳强度“目标下降幅度”的比值。
(2)能源结构优化是降低碳强度实现低碳山东的有效措施之一,同时经济增长情况同样影响山东省碳强度目标的实现。在同一种经济增速情景下,能源结构调整幅度越大,碳排放量与碳强度值越小(表5),而碳强度下降幅度越大(表6),对实现低碳山东的贡献潜力越大(表6);在同一种能源结构调整幅度情景下,经济增长速度越低,碳排放量越小(表5),碳强度值越大(表5),碳强度下降幅度越小(表6),但对实现山东省碳强度目标的贡献潜力越大(表6)。
(3)9组情景下的碳强度“下降幅度”和“贡献潜力”比较表明,能源结构优化对实现山东省碳强度目标在每种情景下均有一定的贡献潜力。根据表6还可以看出,经济发展速度越低,大幅优化能源结构对实现山东省碳强度目标贡献潜力最大。另外,即使最大的贡献潜力也只有10.953 3%,表明仅依靠能源结构优化无法完全实现山东省2020年碳强度目标,政府、企业及社会需要采取一系列诸如发展低碳技术、改变产业结构、提高能源效率等措施。
(编辑:王爱萍)
参考文献(References)
[1]邢继俊,赵刚. 中国要大力发展低碳经济[J]. 中国科技论坛,2007,(10):87-92. [Xing Jijun, Zhao Gang. China to Develop Low Carbon Economy [J].China Technology Forum, 2007, (10): 87-92.]
[2]岳超,胡雪洋,贺灿飞, 等. 1995-2007年我国省区碳排放及碳强度的分析:碳排放与社会发展Ⅲ[J]. 北京大学学报:自然科学版,2010,46(4):510-516. [Yue Chao, Hu Xueyang, He Canfei, et al. Analysis of Presidia Carbon Emissions and Carbon Intensity in China from 1995 to 2007: Carbon Emission and Social Development III [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010, 46(6): 510-516.]
[3]林伯强,孙传旺. 如何在保障中国经济增长前提下完成碳减排目标[J]. 中国社会科学,2011,(1):64-76,221.[ Lin Boqiang, Sun Chuanwang. How Can China Achieve Its Carbon Emission Reduction Target While Sustaining Economic Growth [J]. Social Sciences in China, 2011, (1):64-77,221.]
[4]张友国. 经济发展方式变化对中国碳排放强度的影响[J]. 经济研究,2010,(4):120-133. [Zhang Youguo. Economic Development Pattern Change Impact on Chinas Carbon Intensity [J].Economic Research, 2010, (4):120-133.]
[5]郭国峰,王彦彭. “十二五”时期工业节能潜力与目标分析[J]. 中国工业经济,2013,(3):46-58.[Guo Guofeng, Wang Yanpeng. Analysis on the Potential and Target of China’s Industrial Energysaving in 12th Five Year Plan Period[J].China Industrial Economics, 2013, (3):46-58.]
[6]郝珍珍,李健. 我国碳排放增长的驱动因素及贡献度分析[J]. 自然资源学报,2013,28(10):1664-1673.[Hao Zhenzhen, Li Jian. Analysis of China’s Carbon Emission Growth: Drive Factors and Its Contribution [J].Journal of Natural Resource, 2013, 28(10):1664-1673.] [7]林伯强,刘希颖. 中国城市化阶段的碳排放:影响因素和减排策略[J]. 经济研究,2010,(8):66-78. [Lin Boqiang, Liu Xiying. China’s Carbon Dioxide Emissions under the Urbanization Process: Influence Factors and Abatement Policies [J]. Economic Research Journal, 2010, (8): 66-78.]
[8]徐盈之,董琳琳. 如何实现二氧化碳减排和经济发展的双赢?——能源结构优化视角下的实证分析[J]. 中国地质大学学报:社会科学版,2011,11(6):31-37. [Xu Yingzhi, Dong Linlin. How to Achieve Double Wins of Carbon Dioxide Emissions and Economic Development? The Positive Analysis under the View of Optimizing the Energy Structure [J]. Journal of China University of Geosciences: Social Sciences Edition, 2011, 11(6): 31-37.]
[9]Gabriel S A, Kydes A S, Whitman P. The National Energy Modeling System: A Largescale Energyeconomic Equilibrium Model[J]. Operations Research, 2001, 49(1):14-25.
[10]Nakata T. Energyeconomic Models and the Environment [J]. Progress in Energy and Combustion Science, 2004, 30(4): 417-475.
[11]Li H Q, Wang L M, Shen L, et al. Study of the Potential of Low Carbon Energy Development and Its Contribution to Realize the Reduction Target of Carbon Intensity in China[J]. Energy Policy, 2012, 41: 393-401.
[12]王锋,冯根福. 优化能源结构对实现中国碳强度目标的贡献潜力评估[J]. 中国工业经济,2011,(4):127-137. [Wang Feng, Feng Genfu. Contribution of Improving Energy Mix to Carbon Intensity Target in China: Potential Assessment [J]. China Industrial Economics, 2011, (4):127-137.]
[13]Dagoumas A S, Barkera T S. Pathways to a Lowcarbon Economy for the UK with the Macroeconometric E3MG Model [J]. Energy Policy, 2010,38:3067-3077.
[14]范德成,王韶华,张伟. 低碳能耗结构优化模型构建及实证分析[J]. 哈尔滨工程大学学报,2013,34(7):939-944. [Fan Decheng, Wang Shaohua, Zhang Wei. Optimization Model of Lowcarbon Energy Consumption Structure and Empirical Analysis [J].Journal of Harbin Engineering University, 2013, 34(7):939-944.]
[15]王韶华,于维洋. 一次能源消费结构变动对碳强度影响的灵敏度分析[J]. 资源科学,2013,35(7):1438-1446. [Wang Shaohua, Yu Weiyang. Sensitivity Analysis of Primary Energy Consumption Structural Change and Carbon Intensity [J].Resources Science, 2013, 35(7): 1438-1446.]
[16]王锋,冯根福,吴丽华. 中国经济增长中碳强度下降的省区贡献分解[J]. 经济研究,2013,(8):143-155.[ Wang Feng, Feng Genfu, Wu Lihua. Regional Contribution to the Decline of National Carbon Intensity in China’s Economic Growth[J].Economic Research Journal, 2013, (8): 143-155.]
[17]范丹,王维国. 中国区域全要素能源效率及节能减排潜力分析:基于非期望产出的SBM模型[J]. 数学的实践与认识,2013,43(7):12-21. [Fan Dan, Wang Weiguo. Analysis of Total Factor Energy Efficiency and Potential of the EnergySaving and Emissionabating in Regional of China Based on SBM Model of Undesired Output [J]. Math Emetics in Practice and Theory, 2013, 43(7): 12-21.] [18]李陶,陈林菊,范英. 基于非线性规划的我国省区碳强度减排配额研究[J]. 管理评论,2010,22(6):54-60. [Li Tao, Chen Linju, Fan Ying. Empirical Study for CO2 Abatement Allocation among Provinces in China: Based on a Nonlinear Programming Model [J].Management Review, 2010, 21(6): 54-60.]
[19]王平,刘致秀,朱帮助,等. 能源结构优化对广东省碳强度目标的贡献潜力[J]. 中国人口·资源与环境,2013,23(4):49-54. [Wang Ping, Liu Zhixiu, Zhu Bangzhu, et al. Potential Assessment of Optimizing Energy Structure to Carbon Intensity Target in Guangdong Province[J].China Population, Resources and Environment,2013,23(4):49-54.]
[20]刘兰凤,易行健. 中国能源需求的估计与预测模拟[J]. 上海财经大学学报,2008,10(4):84-91. [Liu Lanfeng, Yi Xingjian. An Estimation and Forecast Simulation of Energy Demand in China [J].Journal of Shanghai University of Finance and Economics, 2008, 10(4):84-91.]
[21]郭菊娥,柴建,吕振东. 我国能源消费需求影响因素及其影响机理分析[J]. 管理学报,2008,5(5):651-654. [Guo Jue, Chai Jian, Lv Zhendong. Application of Path Analysis and PLSR to Forecast the Energy Resource Demand in China [J].Chinese Journal of Management, 2008, 5(5):651-654.]
[22]李善同,侯永志,刘云中,等. 中国经济增长潜力与经济增长前景分析[J]. 管理世界,2005,(9):7-19.[Li Shantong, Hou Yongzhi, Liu Yunzhong, et al. An Analysis of China Economic Growth Potential and Perspective [J]. Management World, 2005, (9): 7-19.]
[23]周葵,戴小文. 中国城市化进程与碳排放量关系的实证研究[J]. 中国人口·资源与环境,2013,23(4):41-48.[Zhou Kui, Dai Xiaowen. An Empirical Study on the Relationship Between Urbanization and Carbon Emission in China [J].China Population, Resources and Environment, 2013, 23(4): 49-54.]
[24]蒋金荷. 中国碳排放量测算及影响因素分析[J]. 资源科学,2011,(4):597-604.[Jiang Jinhe. An Evaluation and Decomposition Analysis of Carbon Emissions in China[J].Resources Science, 2011, (4): 597-604.]
Abstract
Optimizing energy structure to reduce carbon intensity is one of the effective ways to achieve low carbon economic development model of environmentfriendly and resourcesaving. This paper studied the problem of the contribution potential of optimizing energy structure to low carbon Shandong based on the historical data and forecast data in each scenario of population size, GRP, residents consumption, total energy production, ratio of industrial output to GRP of Shandong province. Firstly, we use methods such as scenario prediction, GM (1,1) prediction and combined multivariate regression model to predict the total consumption of primary energy from 2013-2020 as well as its relative variables. Secondly, we forecasted the changing tendency of energy consumption structure of Shandong province based on Markov chain model. Finally, allowing for the fact that the optimization of technical progress, economic structure and industrial structure of the carbon intensity goal also has remarkable effect, it requires eliminating the effect of other influencing factors when energy structure is regarded as a driving factor exploring its contribution to the carbon intensity goal. Therefore, this article put forward a new definition of ‘potential contribution’. The definition can describe as the ratio of contribution value and carbon intensity ‘target drop’. On this basis, we assessed the potential contribution of the energy structure optimization to carbon intensity in 9 kinds of scenarios in 2020. The results show as follows: Under the same economic growth, the greater the magnitude of energy restructuring is, the carbon intensity ‘decline’ is more, and the ‘contribution potential’ of energy structure optimization to carbon intensity goal is higher. Under the same energy structure adjustment, the lower economic growth is, the carbon intensity ‘decline’ is few, but the contribution potential of energy structure optimization to carbon intensity goal is higher. Optimizing energy structure to low carbon Shandong has some contribution potential under every scenario. However, the effect of contribution potential of sharp energy structure optimization to carbon intensity goal is limited. Even in the scenario of slow economic growth and substantial adjustment of energy structure, the greatest potential contribution of energy structural optimization to carbon intensity target is only 10.953 3%. Consequently, optimizing energy structure can contribute to achieving low carbon Shandong to some extent. But Shandong Province cannot fully achieve carbon intensity target only by energy structure optimization, measures such as industrial restructuring, carbon emissions technology upgrading and so on should be taken by the government, enterprises and society.
Key wordsindustrial economy; energy structure; carbon intensity target; energy consumption demand; Shandong province