低碳示范城市情景仿真模型研究

房　劲，蒲刚清，刘　贞

(1.国网重庆市电力公司人力资源部，重庆　400015；2.重庆理工大学 工商管理学院，重庆　400054)



低碳示范城市情景仿真模型研究

房劲1，蒲刚清2，刘贞2

(1.国网重庆市电力公司人力资源部，重庆400015；2.重庆理工大学 工商管理学院，重庆400054)

为了有效落实碳减排目标，理清各种减排途径的碳减排潜力，给出了应优先发展的行业、领域及技术，提出了一种基于行业的考虑技术进步、技术替代和碳减排成本的低碳示范城市情景仿真模型。该模型考虑技术进步对单位GDP碳排放强度的影响、技术替代对行业整体水平的影响及不同时期碳减排成本对碳减排技术实施的影响。系统包括基本设置、基准期设置、情景参数设置和情景输出四大模块，可在调查、分析获得的各类技术碳减排潜力、投资成本和技术结构数据的基础上，通过设置观察期、GDP增长和产品需求增长预测，分析各类技术对城市减排潜力的贡献度和城市碳排放总量的变化趋势。给出了一个碳减排情景仿真案例，对不同情景下的碳排放总量、碳减排潜力及投资总量进行分析。

技术进步; 碳减排; 低碳城市; 情景分析

低碳经济自2003年被提出以来，已成为各国应对气候变化和实现经济转型双重挑战的途径与方法。2008年，胡锦涛总书记在主持中共中央政治局集体学习时指出：“发展经济和改善民生的任务十分繁重，应对气候变化的任务十分艰巨。” 2009年11月，温家宝总理在哥本哈根气候变化会议的领导人会议上，向世界做出了低碳减排的承诺。节能减排已是各级政府落实科学发展观、实现可持续发展要求的硬任务，但是作为最重要的温室气体——CO2却并没有在减排指标中体现。目前，发展低碳经济已经被纳入国民经济和社会发展的十二五规划。在国家明确碳减排任务之后，减排目标需要分解给各级政府，成为各级政府制定中长期发展战略和规划的重要依据。

碳排放总量的计算存在于3个不同的层面：① 产品和服务(包括工业产品)碳排放。目前主要采用基于生命周期评价法(LCA)的软件，如德国斯图加特大学IKP研究所开发、PE-International公司提供的Gabi 软件[1-3]。② 企业碳排放。如澳大利亚碳系统管理公司开发的Carbon system软件[4-5]。③ 行政区域与行业碳排放分析，如文献[6-7]。

目前，地区或行业碳排放总量计算的软件均基于能源的生产与消费模型。针对能源系统建模的分析自1970年开始，至今已发展出多种模型与软件工具。能源系统模型设计中考虑的因素越来越多，如能源因素、环境因素、经济因素、政策因素。能源系统模型构建所采用的方法也逐步多样化，如工程经济学方法、线性规划方法、非线性规划方法、投入产出法、系统动力学方法、可计算一般均衡法等。这些能源系统模型软件中具备碳排放计算功能的主要包括：

1) NICE系统。由日本产业技术综合研究所开发，目前版本为NICE3。NICE系统基于对经济和社会发展的预测，计算农业、工业、服务业、运输业、民生对能源的需求，并最终获得区域内碳排放总量。NICE系统提供的变量类型有4类：基础变量、能源变量、CO2变量和电力供应变量[8-9]。如文献[10]采用NICE系统计算国内建材、钢铁、造纸、废水处理和城市化几个方面的碳排放量。

2) LEAP系统。由瑞典斯德哥尔摩环境所开发的静态能源经济环境模型，以能源需求、消费和环境影响为研究对象，通过数学模型预测各部门的能源需求、消费及环境影响，并对能源方案进行经济效益分析。如文献[11-12]使用LEAP系统对碳排放总量进行分析。

4) GREEM系统。由世界经合组织于20世纪90年代初开发，主要用于研究二氧化碳减排成本。系统关注4个方面：化石能源消耗、能源生产、能源利用和CO2排放[16]。文献[17]使用GREEM模型对1985—2020年世界各区域的GDP增长、技术进步、能源消费和CO2排放进行研究。

其余模型包括日本国立环境研究所于1994年开发的AIM系统[18-19]、我国发改委能源所2000年后开发的IPAC系统[20-21]等。在法国IEJE研究所开发的MEDEE模型[22]、荷兰环境署(MNP)开发的IMAGE系统[23]中也存在有关计算CO2排放的功能模块。

上述系统都是针对能源系统进行建模，研究的主要目标是能源结构、能源生产与消费对气候、海洋及生态的影响。在计算碳排放总量的过程中，以能源的生产与需求作为变化因子，对行业中技术进步与技术替代影响考虑较少，因此无法给出要达到碳减排目标所能采取的技术途径，不能评估行业技术的碳减排潜力并给出优先发展建议。

1.　低碳示范城市情景仿真模型

1.1.基本框架

基于技术进步和替代的城市碳排放情景分析系统的主要目的是评估包括工业领域、交通领域、能源领域在内多个行业的不同环节所使用的各类技术，在发生技术进步或者技术更替、取代原有技术的情况下，考虑城市碳排放总量产生的影响，进而为制定优先发展技术及其推广程度、所能达到的碳减排目标等给出参考。系统使用时需对如下内容进行设置：待评估的地区；待评估的行业；已有的技术类型、投资成本和减排能力；该行业基准期的生产环节、各环节使用的技术及结构。构成情景分析的自变量因素包括：行业产品的需求预测；拟观察期数；技术扩散速度及替代关系。在此基础上，系统计算得到在不同情景设置情况下该城市碳排放总量的变化趋势分析图表。

1.2基本原理

目前，国内对技术碳减排的研究文献[12-14]使用的是行业减排模型系统。在碳排放的计算上，均以能源生产与需求作为变化因子，没有考虑行业中技术进步与技术扩散对区域碳排放的影响。因此，不能评估行业技术碳减排潜力和给出优先发展建议。

技术进步可以使水泥生产成本下降，单位碳减排能力提升。可给出技术进步比例，以2005年为基准可求出给定年份的碳减排量。

较低的碳排放技术替代较高的碳排放技术，可以使行业总体碳排放水平下降。以2005年为基准期，给定技术替代比率，可求出给定年份的碳减排量。

强制减排政策使未来的单位生产成本升高，使得较高碳减排高成本技术得到推广使用。以2005年为基准期，给定减排技术推广率，可求出给定年份的碳减排总量。当现有的技术进步与替代无法实现碳减排目标时，可以加大其他高碳减排、低成本技术的推广。

系统基本框架见图1，基本原理见图2。

图1　低碳示范城市情景仿真模型基本框架

图2　碳减排情景仿真模型基本原理

国家发改委2010年10月开始以广东、湖北等7省作为编制2005年温室气体排放清单的试点单位，根据《(2006)IPCC国家温室气体排放清单指南》给出的计算方法进行碳减排计算。考虑到城市碳排放总量与国家减排目标的任务分解密切相关，在进行设计时也采用该方法进行。

系统的使用对象主要是负责制定政府碳排放减排总目标、行业目标的决策部门和从事低碳研究的单位。

1.3主要功能

系统可以划分为3个模块：基本设置模块、基准期设置模块、情景参数设置模块。基本设置模块中可对行政区域、行业、环节、技术进行设置；基准期设置模块中可对城市基准期各行业所使用的技术结构及行业产品需求总量进行设置；情景参数设置模块中设置本区域的GDP增长率、行业增长率、新技术和原有技术应用替代关系。

系统的功能模块设置如图3所示。

图3　情景分析系统的功能模块

2　情景仿真分析采用的主要算法

技术进步率可采用学习曲线模型来描述：

y=ax-b

其中：a为期初生产平均成本；x为生产产品的累积产量；b为学习系数；y为期初生产x件产品时单位产品的平均成本。

为了研究可再生能源行业，对光伏生产企业采用指数函数拟合曲线，得到方程：y=43.91x-0.21，表示在2004—2008年光伏电池的学习速率PR=2-0.21=0.89。

包含发展低碳经济外部性的单位商品价格为：

其中：α为发展低碳经济所带来的外部收益的变化率，各个行业的碳排放对于社会来说，其单位收益是相同的；p0为期初碳减排外部性价格；qz,t为行业单位产品的碳排放量。

3　情景仿真模型实现及案例

本系统使用基于.net的C#语言作为系统开发语言。在对城市碳排放的情景分析计算过程中，一般会设计3～6种情景，每种情景涉及的行业约8～12种，每个行业涉及的主要技术环节约5～8个，每个技术环节使用到的技术及替代技术约5～8种。每个情景设置的观察期约20～50个，因此，对某一城市情景分析的数据总量约23万条(6×12×8×8×50)。

本文对行业技术进步和技术替代对区域碳排放的影响进行了分析，设计并开发了在多种情景下地区CO2总量的趋势、地区行业投资趋势、地区行业CO2排放趋势、地区技术投资趋势的情景分析与实现(图4～7)，为地区低碳经济发展和节能减排提供了有效的参考。

图4　分地区CO2排放总量趋势

图5　分地区行业CO2排放趋势

图6　分地区行业投资趋势

图7　不同区域技术的投资趋势

4　结束语

本文提出了一种基于行业层面，考虑技术进步、技术替代和碳减排成本的低碳示范城市情景仿真模型。仿真模型考虑技术进步对单位GDP碳排放强度的影响、技术替代对行业整体水平的影响及不同时期碳减排成本对碳减排技术实施的影响。仿真系统给出了碳减排研究的基本模块：基本设置、基准期设置、情景参数设置和情景输出四大模块。在通过调查、分析获得的各类技术碳减排潜力、投资成本和技术结构数据的基础上，通过设置观察期、GDP增长和产品需求增长预测，分析各类技术对城市减排潜力的贡献度和城市碳排放总量的变化趋势。

本文给出了一个碳减排情景仿真案例，针对不同的碳减排情景，给出了不同情景下的碳排放总量、碳减排潜力及投资总量分析结果。通过案例验证了该模型的正确性。在下一步研究中，应用将逐步扩充到14个重点能耗行业。

[1]李兴福,徐鹤.基于GaBi软件的钢材生命周期评价[J].环境保护与循环经济,2009,29(6):15-18.

[2]SANTOYO-CASTELAZO E,GUJBA H,AZAPAGIC A.Life cycle assessment of electricity generation in Mexico[J].Energy,2011,36(3):1488-1499.

[3]JAMIE A,TREVOR P.Life-cycle assessment of diesel,natural gas and hydrogen fuel cell bus transportation systems[J].Journal of Power Sources,2007,170(2):401-411.

[4]刘助仁.低碳发展是全球一种新趋势[J].科学发展杂志,2010,3(1):20-28.

[5]DRESSELHAUS M S,VILLALPANDO-PAEZ F,SAMSONIDZE G G,et al.Kim Raman scattering from one-dimensional carbon systems [J].Physica E:Low-dimensional Systems and Nanostructures,2007,37(1):81-87.

[6]HE Jiankun,LIU Bin,ZHANG Aling.Analysis of the effect and potential of energy conservation in China[J].Energy Policy,2006,34(18):3702-3708.

[7]HE Jiankun,DENG Jing,SU Mingshan.CO2emission from China’s energy sector and strategy for its control[J].Energy,2010,35(11):4494-4498.

[8]DEROTH H.Forecast errors in IEA-countries’ energy consumption[J].Energy Policy,2002,30(1):53-61.

[9]WEN Y,CAO G,YANG Y.Studies on nanoporous glassy carbon as a new electrochemical capacitor material[J].Journal of Power Sources,2005,148(1):121-128.

[10]TORVANGER A.Manufacturing sector carbon dioxide emission in nine OECD countries[J].Energy Economics,1991,13(3):168-186.

[11]张颖,王灿,王克.基于LEAP的中国电力行业CO2排放情景分析[J].清华大学学报(自然科学版),2007,47(3):365-368.

[12]张颖,王灿,吕学都.基于LEAP的中国钢铁行业CO2排放情景分析[J].清华大学学报(自然科学版),2006,46(12):1982-1986.

[13]魏一鸣,吴刚,刘兰翠.能源-经济-环境复杂系统建模与应用进展[J].管理学报,2005,2(2):159-170.

[14]PILAVACHI P A,DALAMAGA T， DI ROSSETTI V D,et al.Expost evaluation of European energy models[J].Energy Policy,2008,36(5):1726-1735.

[15]MEHDI S,HOSSEIN M H.Integrated energy planning for transportation sector—A case study for Iran with techno-economic approach [J].Energy Policy,2008,36(2):850-866.

[16]OLIVER I A,PAUL X.Evaluating the use phase energy requirements of a machine tool system[J].Journal of Cleaner Production,2011,19(6):699-711.

[17]LEE H，JOAQUIM O M,van der Dominique M.The OECD Green Model:An Updated Overview[M].Paris：Oecd Development Centre Technical Paper,1994.

[18]姜克隽,胡秀莲.AIM能源排放模型[J].中国能源,1998,21(11):17-22.

[19]杨宏伟.应用AIM/Local中国定量分析减排技术协同效应对其中变化的影响[J].能源环境与保护,2004,18(2):1-4.

[20]CHEN Wenying.The costs of mitigating carbon emissions in China:findings from China MARKAL-MACRO modeling[J].Energy Policy,2005,33(7):885-896.

[21]ONNO K,LUKE B,RICHARD S J T.Marginal abatement costs of greenhouse gas emissions:A meta-analysis[J].Energy Policy,2009,37(4):1395-1403.

[22]DAVID H,BRIAN PG,NEIL W.Development of a modelling framework in response to new European energy-efficiency regulatory obligations:The Irish experience[J].Energy Policy,2009,37(12):5363-5375.

[23]DETLEF P,van VUUREN,ELKE S,et al.Morna IsaacExploring IMAGE model scenarios that keep greenhouse gas radiative forcing below 3 W/m2 in 2100[J].Energy Economics,2010,32(5):1105-1120.

(责任编辑杨黎丽)

Study on a Scenario Simulation Model for the Low-Carbon Demonstration City

FANG Jin1, PU Gang-qing2, LIU Zhen2

(1.State Grid Chongqing Electric Power Company, Chongqing 400015, China;2.College of Management, Chongqing University of Technology, Chongqing 400054, China)

In order to effectively implement carbon emission reduction targets, and to clear carbon emission reduction potential of channels of various emission reduction, and the priority to the development industry and technology were given, and demonstration of carbon simulation model of urban scenario was proposed considering the advances in technology, technology substitution and carbon abatement costs. This simulation models take into account technological progress on the unit of carbon emissions intensity of GDP, the overall level of technical substitution effect on the industry and the different times of the carbon abatement costs of carbon abatement technology implementation. System includes four modules of the basic settings, set the base period, scenarios and scenario output parameters, and it can investigate and analyze access to a variety of technical carbon emission reduction potential, investment cost and technology on the basis of structural data, by setting the observation period, GDP growth and product demand growth forecast, and analyze the potential of various emission reduction technologies for the contribution of cities and urban trends in carbon emissions. A simulation of carbon reduction case scenario to do a rough estimate of total emissions,carbon reduction potential and aggregate investment under different circumstances was shown.

technological progress; carbon emissions; low-carbon city; scenario analysis

2016-03-14

国家自然科学基金资助项目(71573026)；重庆电力公司科技项目(SGTYHT/15-JS-191)

房劲(1982—)，男，浙江宁波人，硕士研究生，高级工程师，主要从事能源经济与低碳发展研究，E-mail:13883365862@139.com；刘贞(1973—)，男，河南上蔡人，教授，主要从事博弈论与系统仿真研究。

format：FANG Jin, PU Gang-qing, LIU Zhen.Study on a Scenario Simulation Model for the Low-Carbon Demonstration City[J].Journal of Chongqing University of Technology(Natural Science)，2016(9):66-72.

10.3969/j.issn.1674-8425(z).2016.09.011

TV139; TP391.9

A

1674-8425(2016)09-0066-07

引用格式：房劲，蒲刚清，刘贞.低碳示范城市情景仿真模型研究[J].重庆理工大学学报(自然科学)，2016(9):66-72.