| 标题 | 碳交易背景下中国石化行业2020年碳减排目标情景分析 |
| 范文 | 刘学之+黄敬+郑燕燕+沈凤武+王潇晖 摘要 石化行业作为中国八大典型高碳排放产业之一，也是碳市场参与的重要行业。在国家2020年碳排放强度目标的约束下，客观评价其行业减碳的压力，对于政府部门科学制定各个行业碳排放配额的分配方案具有重要支撑作用。同时，亦对于通过低碳转型升级实现行业的可持续发展和支撑国家的工业减排目标具有理论和现实意义。本文针对石化行业9个子部门，结合我国经济发展的总体背景和趋势以及石化行业的相关数据，以2010年为基准情景，在2020年国家碳排放强度分别下降45%和50%的减排约束目标下，构建了一个动态CGE模型——PCCGE，借助GAMS软件模拟分析，预测了到2020年国家和石化行业经济总量、能源消费结构和碳排放量及碳强度等的变化趋势。研究结果表明，相比基准情景，在45%、50%的碳强度减排目标下，国家和石化行业的经济增长、能源消费结构和碳排放强度等指标分别受到一定程度影响，其中，50%的减排目标对国家整体经济增速影响更为明显；对煤炭、石油这两种高碳能源的需求产生了较显著的约束效应；相比国家45%—50%的低碳发展目标，石化行业减碳承受压力达到60.63%至64.78%，面临着艰巨的减排任务与挑战。最后，文章结合低碳市场化背景提出了如下建议：科学预测典型高碳行业的减碳潜力，谨慎应对石化等行业企业参与碳市场交易过程中碳配额指标的制定与分配；充分利用技术创新和能源结构调整等战略，提高可再生能源的使用规模，促进能源消耗结构的优化和调整；构建石化行业节能低碳技术产学研协同创新体系，解决共性节能技术瓶颈；实施石化行业企业低碳发展战略，建设完善碳排放管理体系是行业节能减碳的重要手段。 关键词 PCCGE模型；石化行业；碳排放强度；情景分析 中图分类号 F224；F124.5 文献标识码 A 文章编号 1002-2104（2017）10-0103-12 [WTHZ]DOI：10.12062/cpre.20170624 石化行业是我国的支柱产业，上中下游产品多达上万种，其聚合生成的大量高分子材料是我国重要的三大材料品种之一，同时也是我国农业、交通、医药及其他众多行业原料和燃料的重要来源产业，在国民经济发展产业链中占有举足轻重的地位，多年来石化行业发展一直处于较快速的增长阶段，对中国经济的发展做出了重要贡献。“十二五”期间石化行业继续保持了10%的工业增加值年均增长速度，2015年实现行业主营业务收入达12万亿元，占全国工业总产值的11.9%，位居全国36个工业部门之首。进入“十三五”后，石化行业发展整体依然保持着相对较高的增长速度，预计主营业务增长速度将保持在9%左右。但是，经过多年的快速发展，在经济发展新常态下，石化行业的可持续发展开始面临诸多挑战，如产品成本优势减弱，行业产能过剩严重，产品结构不合理突出，安全环保压力在累积，节能减排成为企业发展的重要瓶颈之一等等。尤其是在我国积极应对国际气候变化，实施低碳发展国家战略的大背景下，石化行业已经成为参与碳市场交易的重要且典型的履约行业之一，行业企业配额的计量和分配与行业的低碳潜力紧密相关，也是碳配额制定的基础之一，因此，结合国家和行业发展需要，科学计量和预测碳排放强度和低碳潜力已成为政府和石化行业制定建设稳健发展的碳市场的一项重要基础内容，同时，对我国工业企业如何顺利完成国家2020和2030低碳发展目标亦可起到政策支撑作用。 1 国内外研究进展 中国目前是二氧化碳排放量最大的国家[1]，能否实现国家2020年低碳发展目标引起众多学者关注。 国家层面低碳相关的研究成果。Ke Li[2]等通过采用蒙特卡罗模拟，计算出在碳强度目标约束下适用于工业结构和能源结构转型的中等经济增长率。屈超，陈甜[3]使用萤火虫优化的IPAT模型估算中国2030年的碳强度，证明中国能够实现2015年巴黎国际气候大会上提出的碳减排目标。李虹，娄雯[4]设计了32种减排情景，采用STIRPAT模型预测不同目标下的2020年碳排放强度值，结果显示一半以上的情景均能实现碳强度目标。Bangzhu Zhu[5]等通过协整理论定量分析了中国经济增长与能源消费的关系，并使用ARIMA模型预测了2020年我国的碳强度和能源结构，证明了我国可以在维持经济增长的同时实现碳强度目标。刘小敏，付加峰[6]针对2020年碳强度目标通过构建CGE模型进行情景分析，并对能否实现我国碳强度目标进行探讨分析。 省级、区域及工业部门碳排放研究。Ruyin Long等[7]采用ImPACT模型，根据国家碳减排目标预测了江苏省2020年碳强度，并对三个地区的最佳减排情景进行了模拟分析。赵涛等[8]通过对数平均迪式分解模型分析了2000—2012年天津市工业部门的碳强度。Xingwei Wang等[9]通过构建混合非线性灰色预测和配额分配模型（HNGPQAM）预测了减排比例分别为40%和45%的情景下各省的减排成本与相应配额。王宪恩等[10]以吉林省为例，设计了低碳、节能和基准等4种情景，通过改进STIRPAT模型对碳排放进行预测。袁永娜，石敏俊等[11]针对跨区域的碳减排问题构建了基于我国30省区的CGE模型，并就碳排放许可的强度分配标准对我国区域协同发展可能产生的影响进行了模拟分析。 工业部门是二氧化碳排放的主要来源[12]，对总体碳强度下降会起到重要作用[13]，因此一直都是碳排放问题的重要研究对象，其中，关于钢铁、水泥和原铝等行业碳排放方面研究成果最为丰富。Renjing Xu等[14]用分位数回归模型，探讨了我国钢铁行业在高、中、低排放水平下二氧化碳排放的驱动力。Bin Xu等[15]根据2000年至2013年间的30个省级面板数据，采用非参数回归模型，对中国钢铁工业二氧化碳排放的关键驱动力进行了检验。结果表明，经济增长对碳排放的非线性效应与环境库兹涅茨曲线（EKC）假说一致。Lu等[16]采用生产优化模型，对我国不同生产方式下的钢铁行业能源消耗和二氧化碳排放量进行了测量及预测。Qiang Li等[17]设定了“無新政策”、“十三五计划”和“附加政策”三种情景，建立了包含二氧化碳排放强度等五个子系统的系统动力学模型，对未来十五年我国铝行业潜在的二氧化碳排放趋势进行了预测分析。Tianming Gao[18]等根据计算1980—2014年间我国水泥行业的碳排放量进行趋势解析，分别在基准情景和最佳实践情景下预测得到2020年我国水泥行业碳排放量。Yu Liu等[19]通过构建CGE模型，评估我国电力企业在新的大气污染物排放标准下对环境和经济的影响。林伯强等[20]通过Kaya恒等式分析交通部门二氧化碳排放的主要因素，根据不同的减排情景估算二氧化碳排放量和减排潜力。 关于石化行业二氧化碳排放的研究。Yongming Han[21]构建了基于改进的极限学习机综合解释结构模型（ISMELM）的能源和碳排放分析与推算方法，利用基于ISM的部分相关系数分析影响复杂石油化工系统能源和碳排放的关键参数，以减少ELM预测模型的训练时间和误差。Yaxun Chen等[22]建立了DEA模型，利用环境绩效指数（EPI）来表示不同决策单元（DMU）的总体绩效，从而评估石化行业能源、环境综合绩效。罗胜[23]利用了人口、产业结构等五个指标，采用系统仿真建模对2004—2020年我国石化行业碳排放强度进行了估算，结果显示石化行业碳排放强度由1998年开始呈逐年下降的趋势，并从能源结构、科技创新等5个方面提出了政策建议。但是，该研究关于行业低碳情景的预测主要立足于石化行业自身发展环境数据进行的模拟，而石化行业作为国家的重要基础工业之一，其行业的低碳排放应与国家整体经济发展政策趋势及战略紧密相关，因此，现有研究具有一定的局限性。 关于碳排放强度与企业竞争力和经济影响方面。王琛[24] 利用博弈论中双寡头模型分析了处于碳交易体系中的两个企业，在碳配额约束下导致的产量和市场占有率的变化而对企业的竞争力带来的影响，其中，碳强度低的企业具有相对较高的市场竞争优势，碳强度高的企业则对碳配额约束更为敏感。整个行业的总产量可能会随着国家碳配额的数量减少而缩小，因此，研究结果提出了“如何在经济发展和减少排放之间寻求平衡”是需要政策制定者和学者们深入思考的问题之一。宣晓伟[25]根据欧盟、美国、澳大利亚和新西兰等国家和地区的碳配额分配方案所采用的祖父法和拍卖法及其他混合方法实施的经验，围绕碳市场的推行不要对实体产业经济运行产生明显的负面影响这个重要的出发点，提出目前尚没有一个适用于所有市场的有效碳配额分配办法的观点，并指出中国碳交易市场实施过程中应注重配额分配的阶段性特点，即初始阶段注重可接受性、公平和效率等问题，后面发展阶段注重市场的稳定性、流动性以及可持续性等问题。吴洁[26]等分析了基于不同的碳配额初始分配方式对于各地区和各个重点排放行业的影响。刘婧[27]等利用因素分解法，基于影响行业碳排放强度变化的三个因素——行业内能源品种碳排放率、能源结构和能源强度，分析了碳强度最高的石化行业和第二的钢铁行业与服务业之间碳交易的经济效益和社会效益等，并提出化工和钢铁产业均为产能过剩的高耗能、高排放行业，需要政府加强对碳排放初始分配权的监控，“合理确定各行业的碳强度减排指标和减排计划，循序渐进地推进行业碳市场的建立”。 由综述可知，目前，国内外关于工业碳排放的研究成果范畴涉及从国家到省域，以及高碳排放的交通、钢铁和水泥等多工业领域。而石化行业作为重要的高碳排放行业，属于能源既做原料又做燃料的典型过程工业，产业链长，工艺复杂，产品众多，总消耗量占中国工业能源消费总量的20%以上，属于高碳排放量的重化工业，其碳强度的预测分析可以为行业有效控制其碳排放量，顺利实现行业十三五低碳战略规划目标提供参考，现有研究成果却明显不足。同时，面对2017年底即将启动的全国统一的碳市场，这是国家通过市场化手段促进低碳发展的重要方式，石化行业则是首批参与碳市场交易的八大行业之一，不论根据祖父法还是行业基准值法进行参与碳交易行业碳配额的初始分配，碳配额数量，作为一个新的约束指标，都将对行业未来的发展产生重要影响。就欧盟碳市场发展历程的相关研究可知，前三年（2005—2007）的市场化初始期的发展非常关键，其中，在保证碳市场的开展对于行业不产生明显负面效应的基础上，充分评估各个重点碳减排行业发展特点和碳排放强度及总量变化因素，对于配额分配方式选择和确定行业碳排放总量限制等具有非常重要的理论及现实指导价值，也是支撑后续碳市场的公平、效率和稳定性发展的重要基础工作。因此，我国碳市场背景下的碳配额分配同样需要制定科学的计量方法，吸收多方研究成果，针对不同行业特点，理性、谨慎的计算和分析其承受能力，保证碳市场对于行业发展带来相对稳定和可控的影响，避免过大的负面冲击。因此，从2017—2020年三年多的碳市场启动的初期，客观评价典型碳排放行业的减碳承受能力以及和国家排放目标的符合性，对于国家低碳目标的推进是非常必要的基础工作，也将有助于我国整体工业的低碳管理和国家气候战略的实施。本文将以石化行业碳排放强度和排放量为主要研究对象，利用投入产出表，旨在构建适用于我国石化行业的动态CGE模型，结合国家及行业的低碳发展战略等，分析不同减排目标下政府和石化行业2020年的碳排放强度及排放总量等变化，评析石化行业低碳减排潜力，并为其低碳转型发展提出相应政策建议。 2 PCCGE模型设计 CGE（Computable General Equilibrium， CGE）模型作为政策分析的有力工具，在国际和区域贸易、财政税收、收入分配、社会福利、以及资源环境等诸多领域中得到了广泛的应用。随着全球气候变暖、大气污染、水土流失、资源紧缺等资源环境问题日益突出，世界各国都开始寻求一种既能保持经济增长，又能削减污染排放的经济控制政策，因此，含有资源环境模块的CGE模型——环境CGE模型应运而生。环境CGE作为CGE模型的一个分支，是一般均衡理论在环境经济学领域的重要应用。现阶段，环境CGE模型主要用于研究二氧化碳减排和能源消耗、环境污染排放、环境税、碳税影响等方面的问题。 通常，環境CGE模型保留了一般CGE模型的结构特征，可以根据研究目的不同，增加包含环境因素的模型结构部分。从建模的角度分析，环境CGE模型也是由描述市场供给与需求关系的一系列方程所组成。这些方程一方面描述了市场经济主体的行为，另一方面又将社会、经济与资源环境变量有机组合在一起。从方程描述的主体行为角度分析，环境CGE模型主要是由生产、收入、贸易与价格、支付、环境治理以及市场均衡与宏观闭合等六大模块构成。 本文利用环境CGE模型研究预测石化行业碳强度及排放量的变化趋势，因此将模型命名为PCCGE模型（PetroChemical CGE），结合SAM表的数据，通过对各项宏观参数进行赋值，在设定的情景下，利用GAMS工具模拟分析中国石化行业的行业产出和行业碳排放量。 2.1 PCCGE模型模块设计 模型主要由六大模块构成的：生产模块、收入和需求模块、价格和贸易模块、均衡闭合模块、环境模块以及动态模块。PCCGE模型的基础数据主要建立在我国2010年65部门投入产出表基础之上，并通过将生产部门进行拆分和归并，最终形成13个生产部门，详见表1。 2.1.1 生产模块 本文在生产模块中使用了一个5层嵌套的常替代弹性——CES（constant elasticity of substitution）函数描述生产行为，每个部门的产出水平由市场均衡条件决定。第一层次为非能源中间投入和能源中间投入的组合（资本—能源—劳动力合成）两部分；第二层次是利用CES函数将劳动力要素从资本—能源—劳动力合成中拆分出来；第三层次是采用CES函数将资本—能源合成分解为资本和能源；第四层次则进一步把能源组合分成化石能源合成和非化石能源；最后，第五層次将化石能源束通过CES函数分解为煤炭、石油和天然气，其生产结构层次可见图1。 2.1.2 收入和需求模块 收入模块旨在描述居民、企业和政府这三大经济主体的收入和资金储备情况。其中，居民收入包括通过劳动力获得的劳动报酬以及政府的转移支付、企业的利润分配等；企业收入主要是指部门资本回报之和；而政府收入来自向居民和企业征收的税费和对进出口商品征收的关税等。这三个经济主体间的收入分配情况可以通过图2直观体现。 需求模块主要考虑居民、企业和政府这三类消费主体，并区分最终消费需求、中间品投入需求和投资需求三种消费方式。假设居民消费水平固定在收入的一定比例下，并根据效用最大化原则对不同部门产品进行消费。此处，将政府总支出的一定比例设定为政府的消费和投资，并根据生产函数计算政府的中间使用。在库存的确定方面，我们将其全部假设为国内产品，商品供给则是由国内产品和进口产品共同组成的Armington合成，详见图3。 2.1.3 贸易和价格模块 贸易和价格模块的构建是基于“小国假设”理论展开：假设区域的进出口数量比较小，不会对世界市场价格产生影响；商品的世界价格假设为外生变量，在静态分析中保持不变。环境CGE模型严格划分本区域商品和外区域商品。对于这两类商品的处理，一般是基于Armington假设：假设本区域商品和外区域商品是不完全替代的，并分别采用CES和常替代弹性转化（constant elasticity of transformation， CET）方程对商品在本区域市场和外区域市场之间的优化配置过程进行描述。此外，PCCGE模型中 假定规模报酬不变和货币中性，全部价格都采用相对价格，它们彼此间不仅通过种种CES或CET函数彼此联系，而且通过各项税收或汇率互相关联。图4描述了PCCGE模型的价格和贸易构成。 2.1.4 均衡闭合模块 PCCGE中的要素市场、产品市场政府收支、国际收支、投资储蓄保持均衡状态。政府收支均衡是在设定支出不变的情况下改变储蓄实现的；类似地，国际收支均衡是在设定国外储蓄不变的基础上，通过改变非贸易品的相对价格实现的；而在投资与储蓄均衡方面，PCCGE假设通过储蓄的驱动来确定投资额。 2.1.5 环境模块 环境模块是环境CGE模型的核心模块，也是环境CGE模型区别于传统CGE模型的关键。现有成果对生产流程中污染物排放数量的计算主要有以下两类方式：一种是先将各部门的产出同排放系数进行相乘，算出每个部门在生产流程中所产生的数量，再将所有部门的污染物排放量相加，就能够算出污染物总量；另一种是依据各部门中间投入品的数量和排放系数，先算出每个部门的排放量，再推算得到总量。CO2排放的计量将使用第一种方法。同时，根据本文的研究对象为工业生产行业，因此，碳排放量主要是生产过程中通过燃烧煤炭、石油和天然气释放出来的CO2，不包括居民活动所排放的CO2。 2.1.6 动态模块 为研究和模拟多时期的经济变动状况，静态模型显然是不够的，因此， 本文的PCCGE模型将加入动态模块。根据现阶段的研究成果可知存在不同类型的动态模型，本文选择使用相对较多的递推（recursive）动态模型。新古典经济学理论认为，生产要素（劳动力、资本）的数量与技术进步是经济不断发展的推动力，所以，PCCGE模型的动态变量包含了劳动力、资本总量以及TFP增长率这三个要素。 2.2 构建能源SAM表及参数设定 PCCGE模型所使用的数据主要来源于2010年SAM表，其中弹性参数，以及煤炭、石油和天然气这三大化石能源的碳排放系数等几类数据均以2010年为基准年。 2.2.1 2010 SAM表的编制 本文自行编制了包括石化行业在内的社会核算矩阵表，见表2。数据来源为《2010年中国投入产出延长表》、《2010年中国财政年鉴》等。由于数据来源不同，原始SAM表并不平衡，本文使用交叉熵通过交叉合并，得到调 整后的社会核算矩阵。在社会核算矩阵中，石油、天然气被合并到“石油和天然气开采业”这一个部门当中，为了将它们分解成两个部门，可以依据2010年能源生产总量构成比例对2010年投入产出表中的进行划分，划分比例为69.5%和30.5%。 2.2.2 弹性参数 现阶段弹性系数的估计方法主要有两种，一是基于历史数据采用计量方法进行分析；二是在现有文献研究结果或是经验赋值的基础上先设定参数值，然后进一步展开敏感性分析进行估值。考虑到可行性，PCCGE模型参数的赋值将采用第二种方式，也就是文献梳理法。本文参考贺菊煌等[28]的参数，来对各个部门CES生产函数中要素替代弹性参数、贸易函数的替代弹性估计进行赋值。 2.2.3 CO2 排放系数的确定 由于基础数据是来自投入产出表的SAM表，并且还包括不同部门之间的拆分与合并，因此，能源消费总量的数据无法利用实物量数据。基于以上原因，本文将采用国际能源署（IEA）CO2排放量的计算方法，即通过我国三种化石能源CO2排放量和能源的实际消费量来计算，见表3。 2.3 情景设定 考虑到数据主要来自《2010年中国投入产出延长表》，因此，本文以2010年的实际情况为基准情景，以国家微观社会核算矩阵化石能源三部门的总需求相对实物量。 2020年的碳排放强度为约束条件，模拟不同减排约束目标下我国宏观经济及石化行业的经济增速和能源结构变化等预期发展情况的影响。 目前普遍采用的碳强度计算方法为碳强度=国内经济活动中的碳排放总量/国内生产总值（GDP）。 即：CI（Carbon Intensity）=TC（T）/GDP（万元）（1） 本文为处理简便，统一将碳排放强度定义为CO2排放量/GDP。碳减排约束目标设置主要考虑以下因素：① 2014年我国碳排放强度水平；②碳排放相关规划与政策：《国家应对气候变化规划（2014—2020年）》、《“十三五”控制温室气体排放工作方案》、《石化和化学工业发展规划（2016—2020年）》等。 根据《国家应对气候变化规划（2014—2020年）》提出2020年我国碳强度要比2005年下降40%—45%，以及国际能源署公布的数据“2014年我国碳强度相较2005年降低了37.3%”，加之综合考虑我国碳排放强度的下降趋势及我国近年来的减排政策、目标等，将低碳发展的第一个碳强度约束目标定为在2005年基础上降低45%，即在2010年基础上下降18.5%。同时，我国在2015年巴黎气候大会上提交的“国家自主决定贡献”中承诺到2030年碳强度与2005年相比下降60%—65%，通过推算，在2020年将下降达到43%—47%左右。参考工信部《工业领域应对气候变化行动方案（2012—2020年）》提出的2020年较2005年碳强度下降50%的减排目标，并结合欧盟的发展经验，随着我国碳排放交易市场的快速推出，对低碳发展的强化效果也会愈加显著。因此，将低碳发展的另一个更高约束目标设定为在2005年基础上下降50%，即在2010年基础上下降25.9%。 情景分析中主要参数根据一般CGE模型参数的校准方法，由基准年2010年数据推算，并总结相关资料得到。其中资本总量供应采用郭豫媚等[29]等研究成果作为确定未来资本总量的估算依据，并根据历年价格指数对资本总量进行处理计算；全要素生产率采用李娜等[30]研究成果并加以处理。人口因素参数根据王金营等[31]、李桂芝等[32]和国家人口发展战略研究课题组对我国人口总数进行预测的研究结果确定人口增长率；城市化率参考《国家新型城镇化规划（2014—2020年）》的预测值。 3 情景分析 根据三个情景的设计及前文的分析，使用PCCGE模型，通过GAMS软件的计算，可以得到不同碳排放约束目标下下2020年我国宏观经济及石化行业的经济增速和碳排放量及排放强度等预期发展情况。 3.1 国家及石化产业的经济增长变化 从基准情景的模拟结果图5所示，我国经济到2020年仍将保持在7%左右的GDP增长率，并呈现出逐渐变缓的趋势，其中，国际市场经济和政治的动荡，国际原油价格的持续下跌给国际市场需求带来不确定性，导致我国出口需求量的减少，直接对与石油资源紧密相关的石化产业生产和消费带来显著负面影响。国内市场总体上处于经济新常态，供给侧改革还在继续，产业结构的调整艰难进行中。居民消费由于医疗改革还没有到位，教育养老等负担高，同时房地产市场占用了大量民众消费基金，因此，居民消费意愿偏低；在十八大后反腐的高压形势下，政府部门消费大幅削减，同时在增加市场配置资源的指导方针下，由于资本市场还处在改革中，实体产业投资需求尚受到多方面的约束而增长乏力；城市化进程会带来新的经济增长点，改革的红利也会提升经济发展的总体效率，因此，2018—2020年间，总体经济以略高于7%的增速处于平稳前进、稳中有降的状态。石化行业属于典型的产能过剩行业，近几年国际油价的下跌严重打击了石化上下游产业的发展，国际需求低迷，同业竞争加剧，终端产品价格走低；国内市场产能过剩严重，劳动力成本大幅上升，产业投资总额增长乏力，因此，导致石化行业整体经济走势也是稳中下降的趋势，维持在9.38%—10.01%之间，高于国家的增长速度2%左右，与石化行业“十二五”末和“十三五”经济增长的预期基本吻合。 图6和图7分别给出了在国家减排约束目标为45%和50%的条件下GDP总量和石化行业工业增加值总量的增长速度变化情况。与基准情景相比，在低碳目标下，2020年我国GDP总量相比基准情景分别减少了6.2和6.8个百分点，说明实施低碳发展目标短期内对于经济总量增长总体上体现为负效应，50%约束条件相较于45%的影响稍大。因此，应充分考虑碳市场的开展对国家整体经济的影响。 在国家减排约束目标为45%和50%的条件下，石化行业工业增加值总量分别减少4.7%和5.0%。主要原因则是经济新常态下，石化行业面临低端产品供给过剩和高端创新产品供给不足的结构失衡问题，同时，随着减排目标的执行，生产者需要增加环境污染治理的投入，进而导致产品的生产成本增加，行业竞争力下降，发展增速减缓，而且，减排目标越高，对行业发展增速影响程度越大。此外，模拟结果显示，“十三五”期间碳强度目标的执行对行业经济的影响程度比“十二五”期间大，这表明，在减碳工作逐步深入的同时，治理的边际成本也在不断提高。 与此同时，受减排目标的影响，石化行业的9个部门2020年的行业增加值变动比率也与基准情景有所不同。从图10可以看出，除天然气开采业外，其他8个部门的工业增加值均比基准情景下降了2.3—6.2个百分点，且50%约束目标的变化幅度比45%更大。这主要是因为石化行业这些部门大部分为高耗能高碳排放部門，执行减排目标会提高这些部门的生产成本，并降低它们的活动水平；相反，天然气开采业的产品是相对清洁的能源，在减排目标下提高了低碳能源的消费比重，因此天然气部门的产出有所提高，并有助于石化行业内部的产业能源消费结构调整。 3.2 能源消费效应 由图9可见，基准情景下我国的能源消费仍然呈现以煤碳为主的特征，煤炭的消费份额有所下落，从75.96%下降到72.98%，煤炭稍有下降；天然气的消费份额从3.93%上升到5.04%，占比略微增加，石油占比则基本不变。到2020年，整体上三大化石能源的消费比重基本保持稳定，即我国能源消费结构没有太明显改变。 执行碳排放约束目标会对不同化石能源的消耗量产生不同影响。其中，受影响最大的是煤炭消费量比例。相对基准情景，在45%和50%约束条件下，2020年煤炭的消耗总量分别下降了8.1和8.9个百分点；此外，石油的消耗量也下降了5%左右，说明减排约束目标对煤炭、石油这两种高碳能源的需求产生了约束效应；相反，天然气这种相对清洁的能源消费总量却分别提高了3.3和3.9个百分点，根据《中国统计年鉴（2016）》数据可知，能源消费结构中，煤炭消费比例从2013年的67.4%降为2015年的63%，天然气则从5.3%提升到8.3%，石油消费比例基本不变，维持在17%左右，模拟结果显示，50%比45%约束条件对于煤炭、石油和天然气的能源消费结构的影响更为显著，与石化行业内部结构变化的低碳发展大趋势是一致的。 3.3 碳排放与碳排放强度 基准情景下，如图11所示，我国CO2排放总量仍呈现较快增长态势。尽管碳强度有所降低，但CO2总量的减排拐点还没有到来，距离国家2020碳强度目标以及石化行业“十三五”减排目标的完成也存在一定的差距。同时，我国石化行业的碳排放强度仍然高于国家碳排放强度水平，并维持在3.0 t-C/万元以上，相比国家的总体减排目标，石化行业面临的减排任务严峻。 由表4数据可知，在45%和50%约束条件下，与2010年3.87 t-C/万元的历史数值相比，石化行业2020年的碳排放强度分别降低了34.71%和41.87%；同2005年6.02 t-C/万元的历史数值相比，则分别降低了60.63%和64.78%。事实上，石化行业基本完成了“十二五”规划中工业企业17.5%的减排任务，其行业碳排放强度大约下降至3.00 t-C/万元，按照2015—2020年间石化行业规划的碳排放强度仍保持17.5%的下降幅度，則2020年的碳排放强度为2.48 t-C/万元，将比2005年的6.02 t-C/万元下降58.8%。模拟和实际实现效果比较可知，模拟结果说明石化行业减排幅度可以适度高于国家的平均目标，石化行业具有更多的低碳发展潜力，可以承担更多减碳的责任，也说明其减排任务依然严峻。其中，与石化行业发展的特色直接相关，传统工艺与最先进的现代流程都在生产，生产同类产品的企业大中小规模并存，工艺技术高低与各地经济发展水平密切相关，同时，管理水平更是良莠不齐，高碳排放的企业减碳空间较大，随着近几年国家绿色发展对于行业环境管理和排放要求提升的冲击将在未来显现，一些小规模企业的生产将直接产生“关、停、并、转”的现象，因此，减碳的潜力比较大，同时，也会对于石化行业的整体可持续发展发展带来挑战。 4 研究结论及政策建议 本文基于CGE模型的原理和结构构建了我国石化行业的PCCGE模型的结构和基础数据，采用情景模拟方法，以我国2020年碳排放强度的不同目标为约束条件，构建了我国碳排放的基准情景和45%、50%的约束目标，在此基础上模拟分析了到2020年不同碳排放约束目标对我国宏观经济和石化行业的影响。 4.1 研究结论 国家2020年低碳强度目标对能源消费结构、经济总量、行业经济产出及碳强度会产生不同程度的影响，且低碳强度指标越高，对各项指标的影响越大。与基准情景相比： （1）在45%、50%约束目标下，国家和石化行业的经济增长、能源消费结构和碳排放强度等指标分别都有一定幅度降低， 模拟结果显示，2020年我国GDP总量分别减少了6.2和6.8个百分点，石化行业工业增加值占比分别减少4.7%和5.0%，说明减排约束目标对整体经济和石化行业的对应指标都产生了约束作用，低碳战略对国家整体的经济增速影响更为明显。 （2）在45%、50%约束目标下，煤炭的消耗总量占比分别下降了8.1和8.9个百分点，石油的消耗量占比下降了5%左右，说明减排约束目标对煤炭、石油这两种高碳能源的需求产生了较显著的约束效应，相反，天然气这种相对清洁的能源消费总量却分别提高了3.3和3.9个百分点，与石化行业内部结构变化的低碳发展大趋势是一致的。说明虽然总体以煤炭为主体的能源结构不会改变，但是天然气这种相对清洁能源的消费比重会有一定幅度的增加，显示了清洁能源使用增加的总体发展趋势。 （3）在45%、50%约束目标下，石化行业碳排放强度较2005年和2010年的基期有较大幅度下降需求，分别可达到60.63%、64.78%和34.71%、41.87%，程度高于国家碳强度减排目标45%（2005年基期）和38.1%（根据石化行业协会规划的十三五继续17.5%的降碳目标推算），由此可见，要完成国家的碳减排强度目标，石化行业具有较好的减碳潜力，在一定程度上可以承担更多低碳减排的任务和责任。但是，根据项目组调研结果显示，行业发展在低碳背景下还需要经历可承受性检验，针对传统和现代产业并存的石化行业发展现实而言，更多减少低技术和高耗能的小型企业会取得低碳显著效果，但是对行业发展和就业等会带来较大震荡。 （4）研究表明国家碳排放强度目标促使污染治理的投入增加，提高了管理成本，进而影响了部门产出，也迫使低碳与高碳能源之间的结构调整，短期内对企业的生产成本和整体的行业发展可能会产生一定的负面作用。为了达到国家碳排放强度目标，石化行业面临着诸多挑战，迫使其以绿色低碳技术替代和发展、创新管理模式等方式消纳能源结构调整等带来的可持续发展压力。 鉴于经济系统的复杂多变，本文构建PCCGE模型尚存在一定的局限性。如加入社会福利模块等，可使模型进一步完善；模型中相关参数主要是参考前人的研究成果，还需要进一步结合产业最新数据优化参数赋值。目前经济发展处于新常态下，由过去的高速逐渐转变为中高速增长，“十三五”期间石化行业增加值年均增长有可能会进一步调低，从而可能会导致碳强度的预测结果产生部分影响。同时，不同约束目标下石化行业的模拟更多考虑了低碳技术的发展应用、清洁能源的使用，以及《大气污染防治行动计划》等其他环境政策措施的实施所带来的经济发展、能源使用和碳排放等方面的影响，未考虑非化石能源的因素。 4.2 政策建议 （1）科学预测石化等典型高碳行业的减碳潜力，谨慎应对石化等行业企业参与碳市场交易过程中碳配额指标的制定与分配。据统计，2015年国家公布的1 191家未完成节能目标任务的企业中，石油化工企业有286家，占比达24%，远超其他行业，节能和低碳紧密相关，客观佐证了石化行业低碳发展潜力与压力并存的现状，尤其是石化中小型企业，低碳发展潜力更高，但是，受困于资金、人才、技术和管理等多方面因素的制约，这将是低碳转型的艰巨任务。对于即将启动的全国碳市场，参与的石化企业都是大型企业，往往能耗管理水平高，碳排放均值比较低，不论是采取“祖父法”还是“行业基准值法”，过高的减排标准则可能会过多约束企业的竞争能力，容易出现鞭打快牛的现象。因此，需要政府部门客观评估行业低碳潜力和承受能力，科学制定碳配额指标和分配方案，循序渐进地推动碳交易市场的发展，目的是在企业可持续发展和气候变化政策间保持适度平衡。 （2）在全球低碳发展的大背景下，我国石化行业的低碳发展同样机遇与挑战并存，制定行业低碳发展政策，充分利用技术创新和能源结构调整等战略也将是必然选择。根据能源消费结构模拟结果可以看出，在今后相当长的时间里，石化行业能源结构仍是以煤炭为主，因此，结合工艺特色需要和技术经济效果分析，适度增加天然气等清洁能源比例，减轻对煤和石油的依赖是实现行业低碳发展的一个重要方向。此外，提高可再生能源的使用规模，将其作为未来石化产业的竞争优势来培育，也会促进能源消耗结构的优化和调整。 （3）构建石化行业节能低碳技术产学研协同创新体系，解决共性节能技术瓶颈。例如，通过组建行业技术中心、研究中心和重点实验室等研发平台，做好技术储备，对可能占据未来技术制高点的新兴低碳技术，可以形成以企业为主体的产学研用协同创新体系，有选择地研发低碳能源技术，注重加强石油、天然气资源的清洁转化技术的研发使用，以及新一代生物燃料、天然气水合物等的开发技术等，将低碳技术研发和应用作为企业增长的一个竞争力优势推进。 （4）实施石化行业企业低碳发展战略，建设完善碳排放管理体系是行业节能减碳的重要手段。引入现代管理的思想理论，将系统工程原理等方法和“策划、实施、检查、改进（PDCA）循环管理”理念引入行业企业的低碳管理过程，建立覆盖能源利用和碳排放全过程的管理体系，制定合理的碳资产管理计划，以市场化手段促进企业构建节能减碳的长效机制。 参考文献（References） [1]XU-B， LIN B Q. How industrialization and urbanization process impacts on CO2 emissions in China： evidence from nonparametric additive regression models[J]. Energy economics， 2015，48：188-202. [2]LI-K， LIN B Q. Chinese strategy for carbon intensity mitigation pledge for 2020： evidence from a threshold cointegration model combined with MonteCralo simulation methods[J]. Journal of cleaner production， 2016，118：37-47. [3]屈超， 陈甜. 中国2030年碳排放强度减排潜力测算[J]. 中国人口·资源与环境， 2016， 26（7）： 62-69.[QU Chao， CHEN Tian. Estimation to Chinese CO2 emissions intensity in 2030： based on IPAT Model of FA[J]. China population， resources and environment， 2016， 26（7）： 62-69.] [4]李虹， 娄雯. 二氧化碳排放强度预测与“十三五”减排路径分析——基于STIRPAT模型的构建[J]. 科技管理研究， 2016（5）： 233-239.[LI Hong， LOU Wen. Carbon dioxide emissions intensity forecast and path discussion to reduce emissions during the period of the 13th Fiveyear based on STIRPAT Model[J]. Science and technology management research， 2016（5）： 233-239.] [5]ZHU-B Z， WANG K F， JULIEN Chevallier. Can China achieve its carbon intensity target by 2020 while sustaining economic growth？ [J]. Ecological economics， 2015，119：209-216. [6]趙小敏， 付加峰. 基于CGE模型的2020年中国碳排放强度目标分析[J]. 资源科学， 2011， 33（4）： 634-639.[LIU Xiaomin， FU Jiafeng. Analysis of the scenarios of Chinese carbon intensity reduction in 2020 based on the CGE Model [J].Resources science， 2011， 33（4）： 634-639.] [7]LONG-R Y， YANG R R， SONG Malin. Measurement and calculation of carbon intensity based on ImPACT model and scenario analysis： a case of three regions of Jiangsu province[J]. Ecological indicators， 2015，51：180-190. [8]赵涛， 田莉， 许宪硕. 天津工业部门碳排放强度研究：基于LMDIAttribution分析方法[J]. 中国人口·资源与环境， 2015， 25（7）： 40-47.[ZHAO Tao， TIAN Li XU Xianshuo. Carbon emission intensity of Tianjin industry based on LMDIattribution Method[J]. China population， resources and environment， 2015， 25（7）： 40-47.] [9]WANG-X， CAI Y， XU Y. Optimal strategies for carbon reduction at dual levels in China based on a hybrid nonlinear greyprediction and quotaallocation model[J]. Journal of cleaner production， 2014，83：185-193. [10]王憲恩， 王泳璇， 段海燕. 区域能源消费碳排放峰值预测及可控性研究[J]. 中国人口·资源与环境， 2014， 24（8）： 9-16.[WANG Xianen， WANG Yongxuan， DUAN Haiyan. Forecasting areas carbon emissions of emissions of energy consumption and controllability study[J]. China population， resources and environment， 2014， 24（8）： 9-16.] [11]袁永娜， 石敏俊， 李娜， 等. 碳排放许可的强度分配标准与中国区域经济协调发展——基于30省区CGE模型的分析[J]. 气候变化研究进展， 2012， 8（1）： 60-67.[YUAN Yongna， SHI Minjun， LI Na， et al. Intensity allocation criteria of carbon emission permits and China regional developmentbased on a 30province autonomous region computable equilibrium model analysis[J]. Advances in climate change research， 2012， 8（1）： 60-67.] [12]SU-H D. Interfuel substitution and biomass use in the US industrial sector： a differential approach[J]. Energy， 2016，102：24-30. [13]谢守红， 王利霞， 邵珠龙. 中国碳排放强度的行业差异与动因分析[J]. 环境科学研究， 2013， 26（11）： 1252-1258.[XIE Shouhong， WANG Lixia， SHAO Zhulong. Analysis on industrial difference and motivation factor of carbon emission intensity[J]. Research of environmental sciences， 2013， 26（11）： 1252-1258.] [14]XU-R J， XU L， XU B. Assessing CO2 emissions in Chinas iron and steel industry： Evidence from quantile regression approach[J]. Journal of cleaner production， 2017，152：259-270. [15]XU B， LIN B Q， Assessing CO2 emissions in Chinese iron and steel industry： A nonparametric additive regression approach[J]. Renewable and sustainable energy reviews， 2017，72：325-337. [16]LU-B， CHEN G， CHEN D M. An energy intensity optimization model for production system in iron and steel industry[J]. Applied thermal engineering. 2016，100：285-295. [17]LI-Q， ZHANG W J， LI H Q. CO2 emission trends of Chinese primary aluminum industry： a scenario analysis using System Dynamics Model[J]. Energy policy， 2017，105：225-235. [18]GAO-T M， SHEN L， SHEN M. Evolution and projection of CO2 emissions for Chinese cement industry from 1980 to 2020[J]. Renewable and sustainable energy reviews， 2017，74：522-537. [19]LIU-Y， FANG K S. Economic and environmental implications of raising Chinese emission standard for thermal power plants： an environmentally extended CGE analysis [J]. Resources， conservation and recycling， 2015，3176：1-9. [20]LIN-B Q， XU C P. Reduction potential of CO2 emissions in Chinese transport industry [J]. Renewable and sustainable energy reviews， 2014，33：689-700. [21]HAN-Y M， ZHU Q X， GENG Z Q. Energy and carbon emissions analysis and prediction of complex petrochemical systems based on an improved extreme learning machine integrated interpretative structural model[J]. Applied thermal engineering， 2017，115：280-291. [22]CHEN-Y X， HAN Y M， ZHU Q X. Energy and environmental efficiency evaluation based on a novel data envelopment analysis： an application in petrochemical industries[J]. Applied thermal engineering， 2017，119：156-164. [23]羅胜. 石化行业碳排放强度估算与减排对策研究[D]. 北京： 中国石油大学， 2011： 26.[LUO Sheng. Study on estimating of carbon emission intensity and measures on carbon emission reduction in petrochemical industry[D]. Beijing： China University of Petroleum， 2011： 26.] [24]王琛. 碳配额约束对企业竞争力的影响[J]. 北京理工大学学报（社会科学）， 2017（1）： 47-55.[WANG Chen. The impact of carbon quota constraints on the competitiveness of companies[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2017（1）： 47-55.] [25]宣晓伟， 张浩. 碳排放权配额分配的国际经验及启示[J]. 中国人口.资源与环境， 2013，23（12）：10-15.[XUAN Xiaowei， ZHANG Hao. International experiences and lessons of carbon emission permit allocation method[J]. China population， resources and environment， 2013，23（12）：10-15.] [26]吴洁， 范英， 夏炎， 等. 碳配额初始分配方式对我国省区宏观经济及行业竞争力的影响[J]. 管理评论， 2015 （12）： 18-26.[WU Jie， FAN Ying， XIA Yan， et al. Impacts of initial quota allocation on regional macroeconomy and industry competitiveness[J]. Management review， 2015 （12）： 18-26.] [27]刘婧. 基于强度减排的我国碳交易市场机制研究[D]. 上海： 复旦大学， 2010： 79-98.[LIU Jing. Research on Chinese carbon trading market mechanism based on intensity emission reduction[D]. Shanghai： Fudan University， 2010： 79-98.] [28]贺菊煌， 沈可挺， 徐嵩龄. 碳税与二氧化碳减排的CGE模型[J]. 数量经济技术经济研究， 2002 （10）： 39-47.[HE Juhuang， SHEN Keting， XU Songling. CGE model of carbon tax and carbon dioxide emission reduction[J]. The journal of quantitative & technical economics， 2002 （10）： 39-47.] [29]郭豫媚， 陈彦斌. 中国潜在经济增长率的估算及其政策含义： 1979—2020[J]. 经济学动态， 2015 （2）： 12-18.[GUO Yumei， CHEN Yanbin. Estimation of Chinese potential economic growth rate and policy implications： 1979-2020[J]. Economics information， 2015 （2）： 12-18.] [30]李娜， 石敏俊， 袁永娜. 低碳经济政策对区域发展格局演进的影响——基于动态多区域CGE模型的模拟分析[J]. 地理学报， 2010， 65（12）： 1569-1580.[LI Na， SHI Minjun， YUAN Yongna. Impacts of carbon tax policy on regional development in China： a dynamic simulation based on a multiregional CGE Model[J]. Acta geographica sinica， 2010， 65（12）： 1569-1580.] [31]王金营， 戈艳霞. 全面二孩政策实施下的中国人口发展态势[J]. 人口研究， 2010， 40（6）： 3-21.[WANG Jinying， GE Yanxia. Population trends in China under the universal twochild policy[J]. Population research， 2010， 40（6）： 3-21.] [32]李桂芝， 崔红艳， 严伏林.全面两孩政策对我国人口总量结构的影响分析[J]. 人口研究， 2016， 40（4）： 52-59.[LI Guizhi， CUI Hongyan， YAN Fulin. Impact of the twochild policy on Chinese population[J]. Population research， 2016， 40（4）： 52-59.] |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。