基于中国TIMES模型的碳排放达峰路径

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2020-04-15

马丁 ^1,2,3 , 陈文颖 ^1,2
1. 清华大学现代管理研究中心, 北京 100084;
2. 清华大学能源环境经济研究所, 北京 100084;
3. 国网能源研究院, 北京 102209

收稿日期：2015-12-01
基金项目：国家自然科学基金资助项目（71690243）；"十二五"国家科技支撑计划资助项目（2012BAC20B01）
作者简介：马丁(1987-), 男, 博士研究生
通信作者：陈文颖, 研究员, E-mail:Chenwy@tsinghua.edu.cn

摘要：该文以中国能源系统优化模型（China TIMES）为基础，构建了碳排放达峰路径模型体系，分析了中国未来可能的碳排放峰值水平和达峰路径，综合评估了各部门及各项措施的碳减排贡献。结果表明：在参考情景下，中国的能源消费与碳排放在2010-2050年间将持续增长，对能源安全和应对气候变化带来严峻挑战；在达峰情景下，通过发展非化石能源和推广高耗能工业的节能减排技术，使得电力、工业和高耗能工业部门分阶段地实现碳排放达峰，进而实现2030年碳排放峰值达100亿~108亿t；电力和工业部门是碳减排的关键部门，二者在2030年的减排贡献分别达到75%和15%；发展非化石能源和提高高耗能工业的能效是碳减排的关键措施，二者在2030年的减排贡献分别达到65%和15%。
关键词：气候变化能源系统模型碳排放达峰潜力分解
China's carbon emissions peak path-based on China TIMES model
MA Ding^1,2,3, CHEN Wenying^1,2
1.Research Center for Contemporary Management, Tsinghua University, Beijing 100084, China;
2.Institute of Energy, Environment and Economy, Tsinghua University, Beijing 100084, China;
3.State Grid Energy Research Institute, Beijing 102209, China

Abstract: In this study, an integrated carbon emission peak path model system was built based on China TIMES model, and was used to analyze China's carbon emissions peak and peak path. The results show that China's carbon emissions will maintain rapid growth in the reference scenario between 2010-2050, and give enormous pressure on China's energy security and addressing climate change; in emission peak scenarios, through the development of non-fossil energy and the adoption of energy-conservation and emission-reduction measures, carbon-intensive sectors (power and industry sectors) can achieve early emissions peak and guarantee the overall carbon emissions peak between 10.0-10.8 billion t; power sector and energy-intensive sectors are the main carbon mitigation sectors, the contribution of carbon mitigation are 75% and 15%, respectively. In addition, adopting non-fossil energy and the energy-efficient technologies are main carbon mitigation measures, and the contribution of carbon mitigation are 65% and 15%, respectively.
Key words: climate changeenergy system modelcarbon emission peakemission reduction potential decomposition
改革开放以来，中国经济社会发展取得瞩目成就。随着工业化、城镇化的深入推进，中国能源消费尤其是煤等化石能源消费急剧增加，温室气体减排压力日益增强。温室气体排放达峰问题既是政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)第五次评估报告(AR5) 的热点，也是近年来国际气候谈判的焦点。
中国政府高度重视温室气体排放和气候变化问题。2014年11月APEC (Asia-Pacific Economic Cooperation)会议期间，中美两国共同发布了《中美气候变化联合声明》。在声明中，中国政府提出了2030年左右CO₂排放达峰目标，做出了努力实现尽早达峰的国际承诺。因此，从完成既定的碳排放达峰目标的角度来看，中国应尽早制定出可持续的碳排放达峰战略。
目前中国碳排放达峰问题成为国内外研究热点^[1-3]，但针对2030年达峰的研究还比较少。本文建立了自下而上的能源系统优化模型，研究了中长期能源消费相关的碳排放问题，并对比了不同部门、不同措施的减排潜力，旨在为中国的低碳发展提供参考。
1 碳排放达峰路径模型体系中国的二氧化碳排放受多种因素影响，如经济发展水平、人口数量、三产结构、能源利用效率、能源消费结构等。本文基于中国能源消费和碳排放现状，建立了自底向上的能源系统优化模型体系(图 1)。首先，对中国未来的经济社会发展进行预测，在此基础上，耦合了需求预测和碳排放模块，系统研究了中国中长期能源消费和碳排放达峰问题。

图 1 碳排放达峰路径模型体系

图选项

1.1 能源服务需求预测模块在本文研究中，能源服务需求预测模块将终端部门分为工业、交通、居民、商业和其他部门。针对不同阶段、不同部门的发展特点，采用了不同方法进行能源服务需求预测。其中，钢铁和建材行业采用了自底向上的动态物质流分析法^[4]，石油化工行业采用了计量经济法，有色金属行业采用了产业生命周期曲线法^[5]，其他工业部门采用了弹性系数法。交通部门主要参考GCAM_China模型预测不同交通模式下的客运和货运周转量^[6]。建筑部门则同时考虑经济社会发展、人均建筑面积和可能的气候变化等因素，分析了不同区域制冷、供暖、热水和炊事等方面的用能需求等^[7]。
1.2 能源系统模块能源系统模块以China TIMES模型为基础，以ESD预测模块的结果为驱动，通过设定不同的资源、技术和环境约束来分析不同政策或措施对能源系统的影响^[8-9]。China TIMES模型的本质是通过GAMS(general algebraic modelling system)求解线性规划模型。模型的优化目标是在满足给定需求和约束下规划期内(2010—2050年)能源系统的总成本最小化。目标函数如下：

$\begin{array}{*{20}{c}}{{\rm{OBJ}}\left( z \right) = }\\{\sum\limits_{y \in {\rm{Years}}} {{{(1 + {d_y})}^{R-y}} \times {\rm{ANNC}}\left( y \right)-{\rm{SALV}}\left( z \right).} }\end{array}$

(1)

其中：OBJ(z)代表系统总成本；d_y代表折现率；Years代表时间周期；R代表折现目标年；ANNC(y)代表年份y的技术成本；SLAV为资产残值。
技术成本ANNC(y)计算如下所示：

$\begin{array}{*{20}{c}}{{\rm{ANNC}}\left( y \right){\rm{ = INVC}}\left( y \right){\rm{ + INVT}}\left( y \right){\rm{ + INVD}}\left( y \right){\rm{ + }}}\\{{\rm{FIXC}}\left( y \right) + {\rm{FIXT}}\left( y \right) + {\rm{VARC}}\left( y \right) + }\\{{\rm{ELASTC}}\left( y \right)-{\rm{LATER}}\left( y \right).}\end{array}$

(2)

其中：INVC代表投资成本；INVT代表税收和补贴；INVD代表拆除费用；FIXC代表固定运维费用；FIXT代表与固定运维相关的税收和补贴；VARC代表可变年运维费用；ELASTC代表价格弹性导致的需求变化的成本；LATER代表回收费用。
1.3 CO₂排放峰值分析模块CO₂排放峰值分析模块主要包括3个部分：减排技术数据库、排放峰值预测和CO₂减排潜力分解。
本文以国家发展和改革委员会发布的《工业部门重点节能减排技术目录》、工业和信息化部发布的《节能减排先进适用技术指南》为主要依据，构建了高耗能部门节能减排技术数据库。数据库包含上百项减排技术，每项技术包含单位节能量、减排量、投资成本和运维成本、当前普及率、适用条件等技术参数。排放峰值模块利用能源系统分析模块优化的技术选择和燃料选择结果，基于工艺流程的活动水平和排放因子，依次得到能源相关的CO₂排放，进而确定峰值水平和峰值时间。减排分解模块依据能源系统分析模块的结果，基于部门和措施对减排潜力进行分解，有助于识别碳减排的关键部门和重要措施。
2 情景设计2.1 基本假定综合现有规划和未来预测，本文对中国未来经济社会发展进行了初步假定。人口规模将从2010年的13.6亿增至2035年的14.7亿，然后降至2050年的14.2亿。2015—2020年、2020—2030年、2030—2040年和2040—2050年4个阶段的GDP年均增长率分别为7.0%、6.0%、4.5%和3.0%。城镇化水平从2010年的49.7%提高到2050年的73.9%。第三产业比重从2010年的43.2%提高到2050年的61.7%。
2.2 参考情景参考情景(reference scenario)主要考虑了2020年碳强度较2005年降低40%~45%目标以及“十一五”期间能源强度下降20%的目标、可再生能源发展规划、核电中长期发展规划等。模型以2010年为基年，在参考情景中假设水电、核电、风电和光伏发电装机容量2030年分别达到350、100、300和300 GW；2050年分别达到400、200、400和500 GW。
2.3 达峰情景碳税是CO₂减排的一种重要经济手段。为了基于碳排放达峰目标确定未来的碳排放路径，本文基于不同碳税水平运行了一系列情景，最终选择了3个碳排放达峰情景(emission peak scenario)，分别代表 2030年高达峰情景(PS1)，2030年低达峰情景(PS2) 和2025年达峰情景(PS3)。不同情景下的碳税如表 1所示。
表 1 不同达峰情景下的碳税设定

单位：＄/t
情景	代码	2015年	2020年	2030年	2040年	2050年
参考情景	REF	—	—	—	—	—
达峰情景1	PS1	20	26	42	68	110
达峰情景2	PS2	30	38	62	102	165
达峰情景3	PS3	50	64	104	169	276

表选项

3 参考情景模拟结果3.1 能源消费及构成在参考情景下，终端部门的能源消费量在较长一段时期持续增加。2020年、2030年和2050年的消费规模分别为34亿、42亿和49亿t标准煤。其中，工业部门消费比重在持续下降，2050年为46%；交通、居民和商业部门消费比重分别提高至2050年的19%、16.5%和16.5%(图 2)。能源消费结构的变动，意味着随着工业化进程逐步进入平稳期，能源消费重心逐渐从工业转移到建筑和交通。

图 2 终端能源消费及分部门构成

图选项

3.2 CO₂排放及构成参考情景下碳排放量及构成如图 3所示。从2010—2050年，CO₂排放将持续增加，在2020年前增速较快，从2010年的72亿t提高到2020年的101亿t。随着产业转型和能效提高，CO₂排放量增速放缓，2030年的排放量在125亿t左右。2030年之后，随着高耗能行业需求量的逐步趋稳，CO₂排放量增速进一步下降，并在2045年左右排放达峰，峰值约为140亿t。

图 3 参考情景下CO₂排放及部门构成

图选项

电力是CO₂的最主要排放源，该部门的CO₂排放量及比重逐年增加，分别从2010年的30亿t和41.8%提高到2050年的65亿t和46.3%。CO₂的最主要排放来源是工业部门，工业部门的排放量在2030年左右达到峰值(42亿t)，此后逐年下降，2050年约为38亿t。交通和建筑部门是中长期碳排放增长的主要部门，2050年交通部门和建筑部门的CO₂排放比重分别为16.8%和8.6%，较2010年提高7.8%和2.9%。
4 达峰情景模拟结果4.1 能源消费及构成在3个达峰情景下，终端部门的能源消费量均在2040—2045年间达到峰值。碳排放约束越小，终端部门能源消费量越大。PS1、PS2和PS3 3个达峰情景下的终端能源消费量分别从2030年的40亿、39亿和38亿t标准煤增至2050年的42亿、41亿和38亿t标准煤。
不同情景下的各部门的能源消费如图 4所示。工业部门是能源消费大户，但是其能源消费比重逐年降低。交通和建筑部门(居民和商业)的能源消费量和比重也在逐年提高。在参考情景下，工业部门的终端能源消费峰值时间为2040年，峰值水平为标煤能耗24.5亿t；在PS1情景下的峰值时间为2035年，峰值水平下降到标煤能耗21亿t；进一步加强碳排放约束，PS2和PS3情景下的峰值时间均为2030年，峰值水平分别下降到标煤能耗20.5和20亿t。在2050年，工业部门的终端能源消费量分别从参考情景下的标煤能耗24亿t下降到19亿、18.5亿和17亿t。交通和建筑部门的终端能源消费量也有了不同程度的下降，但是降幅远小于工业。

图 4 终端能源消费及分部门构成

图选项

4.2 CO₂排放及构成在3个达峰情景下，通过电力部门发展非化石能源和能源终端消费部门推广节能减排技术措施，实现了可观的减排效果，CO₂排放量较参考情景有了不同程度的下降。CO₂减排的力度越大，意味着更低的CO₂达峰水平和更早的CO₂达峰时间。不同情景下的各部门的CO₂排放量如图 5所示。从排放源来看，电力是CO₂的最主要来源，其次是工业部门。从减排量来看，相对于参考情景而言，各部门的排放量都有了不同程度的下降。2030年以前，电力部门的减排贡献最大，其次是工业部门。中国要实现2030年左右达峰，实现近、中期的减排目标，关键取决于电力和工业部门的提前达峰。

图 5 达峰情景下的CO₂排放及部门构成

图选项

4.3 CO₂减排潜力分解为了进一步评估CO₂减排的关键部门和关键措施的减排贡献，本文对达峰情景PS1下的CO₂减排分别基于部门和措施进行了减排潜力分解。
4.3.1 基于部门的分解基于部门的分解比较直观，通过比较达峰情景和基准情景各部门的CO₂排放量，即可得到不同部门的减排贡献，结果如图 6所示。在近、中期(2010—2030年)，电力和工业部门是CO₂减排的关键部门，二者在2030年的减排贡献分别为75%和15%，交通和建筑部门的减排贡献比较有限。在中、长期(2030—2050年)，随着电动车在交通行业的普及和高能效家电在建筑部门的普及，交通和建筑部门的节能减排潜力逐渐显著。因此，降低电力和工业部门的碳排放是实现中国2030年碳排放达峰目标的关键。

图 6 PS1情景下CO₂减排及分部门潜力

图选项

4.3.2 基于措施的分解碳减排措施主要有发展非化石能源、提高能效、普及CCS (CO₂ capture and storage)技术和降低能源服务需求等4种。本文利用Ang等^[10]提出，并由Kesicki^[11]改进的因素分解法来评估以上4种措施的减排贡献，分解方法如下：

$\begin{array}{*{20}{c}}{Q\left( {{\rm{C}}{{\rm{O}}_{\rm{2}}}} \right) = {\rm{Activity \times }}}\\{\left( {\sum\limits_j {\frac{{{\rm{Activit}}{{\rm{y}}_j}}}{{{\rm{Activity}}}}{\rm{ \times }}\frac{{{\rm{Fue}}{{\rm{l}}_j}}}{{{\rm{Activit}}{{\rm{y}}_j}}} \times \frac{{Q{{({\rm{C}}{{\rm{O}}_2})}_j}}}{{{\rm{Fue}}{{\rm{l}}_j}}}} } \right)}\end{array}.$

(3)

其中：Q(CO₂)表示CO₂排放总量；Activity表示能源技术的活动水平；j代表能源技术类型；Fuel代表能源消费量。
基于措施的减排贡献分解结果如图 7所示。在近、中期(2010—2030年)，发展非化石能源和提高高耗能工业的能源利用效率是CO₂减排的关键措施，二者在2030年的减排贡献分别为65%和15%，CCS技术由于成本较高，在近、中期难以普及应用，能源ESD的减排潜力也比较有限。但是在中、长期，随着CCS技术成本的下降，应用规模大幅增加，碳减排的潜力也更加显著。ESD下降的减排贡献有所上升，但是还是远低于其他3类减排措施。因此，大力发展非化石能源和普及高耗能工业的节能减排技术，是实现中国2030年碳排放达峰目标的关键。

图 7 PS1情景下CO₂减排及分措施贡献

图选项

5 结论本文利用中国碳排放达峰路径模型体系，研究了参考情景和达峰情景下的能源消费和CO₂排放，评估分解了达峰路径下的主要部门和主要措施对碳减排的贡献。研究结果表明：
1) 在参考情景下，能源消费和CO₂排放均呈现“先快速增长，后增长趋缓”的阶段性特征。终端能源消费量和CO₂排放分别从2010年的22亿t标准煤和72亿t增至2050年的49亿t标准煤和134亿t，节能减排压力巨大。
2) 通过发展非化石能源和推广节能减排技术，电力部门、工业部门和高耗能工业部门分阶段实现CO₂排放达峰，并把2030年的CO₂排放峰值控制在100亿~108亿t，同时非化石能源占比为23%~27%。
3) 2030年碳排放达峰目标的实现，关键减排部门是电力和高耗能工业，二者在近、中期的减排贡献分别达到75%和15%；关键减排措施是发展非化石能源和普及推广高耗能行业的节能减排技术，二者的减排贡献分别达到65%和15%。

参考文献

[1]	何建坤. CO₂排放峰值分析:中国的减排目标与对策[J]. 中国人口·资源与环境, 2013, 23(12): 1–9.HE Jiankun. Analysis of CO₂ emission peak:China's objective and strategy[J]. China Population, Resources and Environment, 2013, 23(12): 1–9. DOI:10.3969/j.issn.1002-2104.2013.12.001(in Chinese)
[2]	郭朝先. 中国工业减排潜力估算[J]. 中国人口·资源与环境, 2014, 24(9): 13–20.GUO Chaoxian. Estimation of industrial carbon emission reduction potential in China[J]. China Population, Resources and Environment, 2014, 24(9): 13–20. (in Chinese)
[3]	刘宇, 蔡松峰, 张其仔. 2025年、2030年和2040年中国二氧化碳排放达峰的经济影响——基于动态GTAP-E模型[J]. 管理评论, 2014, 26(12): 3–9.LIU Yu, CAI Songfeng, ZHANG Qizi. The economic impact of China's carbon dioxide emissions to peak in 2025, 2030 and 2040-Based on the dynamic GTAP-E Model[J]. Management Review, 2014, 26(12): 3–9. (in Chinese)
[4]	Yin X, Chen W. Trends and development of steel demand in China:A bottom-up analysis[J]. Resources Policy, 2013, 38(4): 407–415. DOI:10.1016/j.resourpol.2013.06.007
[5]	任忠宝, 王世虎, 唐宇, 等. 矿产资源需求拐点理论与峰值预测[J]. 自然资源学报, 2012, 27(9): 1480–1489.REN Zhongbao, WANG Shihu, TANG Yu, et al. The inflection point theory of mineral resources demand and peak forecast[J]. Journal of Natural Resources, 2012, 27(9): 1480–1489. DOI:10.11849/zrzyxb.2012.09.005(in Chinese)
[6]	Yin X, Chen W, Eom J, et al. China's transportation energy consumption and CO₂ emissions from a global perspective[J]. Energy Policy, 2015, 82: 233–248. DOI:10.1016/j.enpol.2015.03.021
[7]	Chen W, Yin X, Zhang H, et al. The Role of Energy Service Demand in Carbon Mitigation:Combining Sector Analysis and China TIMES-ED Modelling[M]. Ireland: Springer International Publishing, 2015.
[8]	International Energy Agency. Energy Technology Systems Analysis Programme. Documentation for the TIMES Model[R/OL].[2005-04-01]. http://www.iea-etsap.org/web/Docs/TIMESDoc-Intro.pdf.
[9]	Chen W, Yin X, Ma D. A bottom-up analysis of China's iron and steel industrial energy consumption and CO₂ emissions[J]. Applied Energy, 2014, 136: 1174–1183. DOI:10.1016/j.apenergy.2014.06.002
[10]	Ang B, Zhang F. A survey of index decomposition analysis in energy and environmental studies[J]. Energy, 2000, 25(12): 1149–1176. DOI:10.1016/S0360-5442(00)00039-6
[11]	Kesicki F. Marginal abatement cost curves:Combining energy system modelling and decomposition analysis[J]. Environmental Modeling & Assessment, 2013, 18(1): 27–37.