能源结构优化对低碳山东的贡献潜力
2015-06-17何立华等
何立华等
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。