工业行业能源消费碳排放影响因素分析

赵子清+汪家权+胡淑恒+周洪源+王章明

摘要：指出了碳排放的主要来源是工业的能源消费，研究城市工业能源消费碳排放特征和影响因素具有很强的实际意义。以合肥市为例，首先从能源消费量、CO2排放量、能源结构及能源强度等指标分析了2000～2014年合肥市工业碳排放特征。在此基础上，运用LMDI方法构建了合肥市工业能源消费碳排放影响因素分解模型，定量分析了合肥市工业33个行业的经济发展、能源效率、产业结构、能源结构等因素对合肥工业碳排放的影响。研究结果表明：经济发展是合肥市工业CO2排放量持续增长的主要原因，同时，能源效率、产业结构、能源结构的变动都不同程度地抑制了CO2排放量增加。针对分析结果，提出了相关的建议。

关键词：工业碳排放； 能源消费； 影响因素； 合肥市

中图分类号：X502

文献标识码：A 文章编号：1674-9944（2016）20-0032-06

1 引言

2014年11月12日，作为世界上最大的CO2排放国，中国在《中美联合气候变化联合声明》中承诺，计划2030年左右CO2排放达到顶峰且将努力早日达到顶峰，并计划到2030年非化石燃料能源占能源消费比重1到20%左右。根据气候变化第二次国家信息通报[1]，我国2005年化石能源消费导致的CO2排放占CO2排放总量的93.66%。工业是国民经济的基础产业，同时也是能源密集型行业，因此由工业直接导致的CO2排放量在碳排放中占主导地位，这在国内外众多学者的研究中得到了佐证[2～5]。因此，研究工业部门碳排放的影响因素对今后节能工作的展开具有重要参考作用。就目前的研究来看，主要是利用SDA 、IDA等因素分解方法讨论能源碳排放的影响因素及影响程度。由于SDA对数据有着较高的要求，没有IDA应用广泛。Ang[6]综合分析了众多IDA，认为LMDI在理论基础、技术特点、应用领域以及结果表达等方面最具优势，主要是该法具有时间独立性、有效处理零值和数据汇集一致性等优点。更重要的是，LMDI的加法和乘法形式易于转化，能消除残差项，使模型更加可靠[7]。Wang等[8]通过LMDI分解法对2005～2009年中国水泥行业的温室气体排放的驱动因素进行分析，结果表明能源强度在降低温室气体排放总量中发挥了积极作用。Xu等[9]通过利用LMDI分析了我国1995～2011年中国化石能源碳排放的影响因素，认为经济产出、人口规模是碳排放的主要因素。王媛等[10]采用LMDI论证了能源结构效应对天津市碳排放的影响。以上研究为深入研究碳排放量年际变动的不同因素的作用机制打下了基础，对于研究碳排放动态具有重要作用。以合肥市为例，深入工业内部的各个行业中，全面、系统地剖析工业经济发展、能源效率提高、能源结构以及产业结构的变动等对CO2排放量的影响，以期确定主要影响因素，然后制定相应的减排措施。

2 数据来源及研究方法

2.1 数据来源

根据《国民经济行业分类标准》（GB/T 4754—2011）并结合合肥市工业发展的实际情况，将合肥市工业分为采掘业，制造业，电力、热力、燃气及水的生产和供应业三大类共33个行业。其中各行业的能源消费数据和经济发展等相关数据来源于《合肥统计年鉴》[11]，部分数据来源于相关部门调研，有关涉及工业和各行业历年总产值数据以2000年不变价格折算以剔除价格变动因素；各种能源的平均低位发热量、折标煤系数参考《中国能源统计年鉴2013》[12]；各种化石能源的碳氧化率、单位热值含碳量源自《省级温室气体清单编制指南（试行）》。

2.2 碳排放计算方法

科学测度CO2排放量是减少CO2排放和制定未来能源战略的前提和基础。由于合肥市至今没有CO2排放监测数据，只能基于能源消费量的基础上计算CO2排放量。目前，合肥市工业消费的能源有化石能源、热力、电力以及包括生物质能、核能、风能、水能等在内的其他能源。其中，各行业消费热力、电力不会直接引起CO2的排放，将热力能源生产和火力发电的能源消费产生的CO2排放直接计入电力、热力的生产和供应业，以避免重复计算。由于生物质能生产过程中吸收的CO2与燃烧排放的CO2基本相等，消费生物质能几乎不会引起CO2净排放。而核能、风能、水能等能源几乎不产生CO2。因此，计算工业各个行业能源消费导致的CO2排放只需计算化石能源消费导致的CO2即可。利用的化石能源包括原煤、洗精煤、其他洗煤、煤制品、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、液化石油气、燃料油、天然气等14类。综合衡量CO2排放量估算的相对严谨性和可操作性，可以采用公式（1）估算合肥市工业化石能源消费的CO2排放量：

式（1）中：CEFC表示化石能源消费的CO2排放量（tCO2）；FCij表示第i种行业第j种化石能源种类（t，万Nm3）；CEFj表示第j种化石能源的CO2排放系数（tCO2/t，tCO2/万Nm3）。

第j种化石能源的CO2排放系数CEFj用以下公式计算：

首先用公式（2）计算第j种化石能源的CO2排放因子EFj：

式（2）中：EFj表示第j种化石能源的排放因子（tCO2/TJ）；CCj表示第j种化石能源的单位热值含碳量（tC/TJ）；OFj表示第j种化石能源的碳氧化率（%）；4412表示CO2与C的分子量之比。

结合公式（2），利用公式（3）计算第j种化石能源的CO2排放系数：

式（3）中：NCVj表示第j种化石能源的平均低位发热值（MJ/t，MJ/万Nm3）。

根据公式（2）、（3）计算的各类化石能源CO2排放系数见表1所示。

2.3 碳排放因素分解方法

本文利用LMDI模型对扩展后的Kaya公式进行分析，以期确定排放因子、工业各行业的能源结构、工业各行业的能源效率、工业的产业结构、工业各行业的经济发展规模这几个因素对合肥市能源消费导致的CO2排放的贡献值。利用公式（4）将第T年的CO2排放量分解：

T-1年到T年合肥市工业CO2排放量的变化量可用公式（5）进行计算：

从T-1年到T年合肥市工业CO2排放量在排放因子效应、能源结构效应、能源效率效应、产业结构效应、经济发展效应作用下分别产生的变化量由公式（6）～（10）计算：

其中， IEFeffect、IESeffect、IEEeffect、IISeffect、IEDeffect分别表示排放因子、能源结构、能源效率、产业结构、经济发展造成的CO2排放增加量，即5个因素的效应值。由于本研究分析合肥市工业2000～2014年的碳排放数据，研究时间较短，因而假定碳排放系数不变，即IEFeffect=0。

3 合肥市工业能源消费碳排放的时间序列分析

3.1 工业能源消费的CO2排放量及工业生产值变化时间序列分析

合肥市工业生产值、工业能源消费量及工业CO2排放量均呈现增长现象由图1可见。2001～2014年合肥市工业增加值年均增长率达22.40%，高于安徽省同期水平（18.72%）。工业经济的快速发展导致了能源消费、CO2排放量的持续增长。“十五”期间，合肥市工业能源消费、CO2排放量年均分别增长24.67%、25.06%，远高于工业增加值年均增速（19.22%）。这跟中国在此期间偏离2020年能源战略目标，依靠高能耗支撑工业经济的发展有关；随着“十一五”期间节能减排及合肥市“工业立市”战略的实施，工业经济以年均27.53%高速发展，工业能源消费、CO2排放量降至10.94%、8.40%。进入“十二五”以来，合肥市工业生产值的增长率在2011年达到顶峰（39.12%）后维持在13%左右，而能源消费、CO2排放量增长率也由2011年的64.71%、57.89%降至2014年的-3.79%、-1.31%。

3.2 工业能源消费的结构变化时间序列分析

合肥市2000～2014年能源消费的结构变化如图2所示 。由图2可知，化石能源的平均比重达到了85.71 %，煤炭以83.66 %的比例在能源消费中占据着绝对地位，石油（1.93%）、天然气（0.12%）所占比重较小。此外，热力、电力、其他能源的平均比重分别为2.43%、11.51%、0.19%。从整体来看，能源消费结构变动不大（液化天然气、其他能源在2010年才进入合肥市工业能源结构中）。在化石能源消费引起的CO2排放中，合肥市平均煤炭CO2排放量占CO2总排放量的98.33%，石油、天然气CO2排放量分别占1.50%、0.17%。煤炭CO2排放量明显偏高，其原因可能有以下两点。①与合肥市工业的产业结构相关，合肥市工业以电力、化工、冶金等重工业为主，对煤炭的需求量极大；②安徽省“富煤、贫油、少气”的资源禀赋特点决定了合肥市工业能源消费结构中煤炭所占据的主导地位。

3.3 工业能源消费的能源强度变化时间序列分析

由2000～2014年合肥市能源消费、CO2排放量及工业经济发展的变化趋势可看出，以工业能源消费年均增长17.38%的代价换取了工业经济年均增长22.40%的快速发展，并由此带来了CO2排放量以年均16.35%的速度增长。合肥市2000～2014年单位工业GDP能源强度、单位工业GDP碳排放强度计算结果如图3，可以看出：自2002年起，能源强度、碳强度整体呈现下降趋势，仅在2011年有所反弹，实现小幅攀升态势。2014年与2000年相比，能源强度下降幅度达到61.05%，碳排放强度下降幅度则达到55.10%。其中，两项指标在“十五”期间初期呈现大幅攀升趋势，并在“十一五期间”实现逐年下降，这说明在此期间合肥市工业节能减排工作效果显著。同时，仅2001年、2002年、2004年、2011年的能源弹性系数和CO2排放对工业GDP弹性系数大于1，能源消耗、CO2排放增幅高于工业GDP增幅，呈现 “粗放增长”的状态。值得关注的是，合肥市自2000年加速工业化以来，能源弹性系数仅为0.92，低于日本同期水平（1.21）[13]，这说明合肥市工业对能源的利用率相对较高。

何建坤等[14]认为，GDP的增长率小于碳排放强度的下降率时才能实现CO2的绝对减排。合肥市仅2012年二氧化碳排放强度的下降率（18.94 %）大于当年工业GDP增长率（16.25%），实现了CO2的绝对减排。因此，合肥市应进一步提高能源利用效率，调整能源结构，以期进一步降低能源强度、碳排放强度。

4 合肥市工业能源消费碳排放影响因素分析

利用LMDI模型，根据公式（6）～（10）对合肥市工业2000～2014年的工业能源消费的CO2排放增量进行分解，计算出能源结构效应（IESeffect）、能源效率效应（IEEeffect）、产业结构效应（IISeffect）、经济发展效应（IEDeffect），得到各分解因素的作用效果见表2所列。各因素对合肥市工业能源消费的CO2排放的累积增量见图4。根据表2、图4可知，2000～2014年，合肥市工业能源消费CO2排放总量增加了2183.62 万t。其中，经济发展效应导致CO2排放总量增加了3734.59 万t，能源结构效应、能源效率效应、产业结构效应分别导致CO2的排放量减少151.06 万t、1251.34万t、148.57万t。其中电力热力的生产和供应业、非金属矿物制品业、黑色金属冶炼及压延加工业、化学原料及化学制品制造业是合肥市工业主要CO2排放增加行业，共增加了2241.15万tCO2排放（见表3）。

4.1 经济发展效应

经济发展对合肥市工业能源消费CO2排放的贡献度一直表现为较大的正增量效应。经济发展效应对CO2排放量的贡献率由2001年的22.89%上升至2014年的171.03%，累计平均贡献率为137.51%，证明了工业经济的快速发展是造成合肥市工业能源消费CO2排放增加的重要原因。2000～2014年，各行业经济发展对工业能源消费CO2排放的贡献均为正向，其中，合肥市电力热力的生产和供应业、非金属矿物制品业、黑色金属冶炼及压延加工业、化学原料及化学制品制造业四大能源密集型行业的工业经济发展对CO2排放变化的贡献值较其他行业大，共为3379.27万t，占经济发展效应的90.49%。在此期间，四大能源密集型行业的工业生产值增加了400.88亿元，可计算得合肥市能源密集型行业每增加1万元会导致8.43 t CO2排放，远高于同期其他行业的平均值（0.20 t CO2/万元）。因此，适当放缓重点能源密集型行业经济增长速度、促进非能源密集型行业的发展有利于减少合肥市工业CO2排放。

4.2 能源效率效应

落后的生产技术和过低的能源利用效率使得能源强度在2005年前是CO2排放量增长的促进因素。自2005年起，能源效率成为抑制CO2排放量增加的主要因素，合肥市工业能源效率效应对能源消费CO2排放的累积年平均贡献率达-42.57%，是抑制合肥市工业CO2排放量增加的主要原因。个别年份能源效率对合肥市工业能源消费CO2排放的贡献度表现为正增量效应，这是由于在此期间某个行业能源强度的反弹引起的。如2011年能源效率贡献值为405.53万t，其中非金属矿物制品业，电力热力的生产和供应业对CO2排放量的贡献值分别为154.98万t、333.90万t，原因在于这2个行业的能源强度由2010年的0.49和6.34t/万t上升至2011年的2.27和8.63 t/万t。

2000～2014年，黑色金属冶炼及压延加工业、电力热力的生产和供应业、化学原料及化学制品制造业能源效率因素对CO2排放变化的贡献值较大，共减少1077.55万tCO2排放，占能源效率贡献的86.11%，原因是这三大行业的平均能源强度由2000年的5.29 t/万t降至2014年的2.74t/万t，因此这三大行业的平均能源强度每下降1t/万t，CO2排放将减少422.57万t。尽管三大行业的能源强度在下降，但这三大行业在此期间的累积能耗达7890.50万t，占总能耗的77.09%，但其工业产值只占整个总产值的14.93%，因此，合肥市应该减排重点集中到此类高CO2排放行业，提高其能源使用效率。

4.3 产业结构效应

2000～2013年，合肥市行业结构效应整体呈现负增量效应。2014年行业结构对CO2排放增量的贡献转为正向，贡献值为395.02万t，高于当年经济发展的贡献值（271.97万t）。其中电力热力的生产和供应业对CO2排放的贡献值为395.25万t，主要是该行业的工业产值占总产值的比重由2013年的3.12%上升至2014年的5.34%。

电力热力的生产和供应业、黑色金属冶炼及压延加工业、化学原料及化学制品制造业这三大行业的增加值占工业增加值的比例由2000年的59.88%降至2014年的9.05%，对CO2排放的贡献值共为-141.23万t，占行业结构贡献的95.05%。这充分凸显了能源密集型产业结构调整对CO2排放量的影响。结合经济发展效应对CO2排放的影响分析，可知电力热力的生产和供应业、化学原料及化学制品制造业、黑色金属冶炼及压延加工业这三大行业的经济发展对CO2排放贡献量很大，但是通过调整产业结构、降低其工业产出比重能在一定程度上抵消经济发展效应所导致的CO2排放量增加。2000～2014年这三个行业的产业结构效应抵消了4.45%的经济发展效应。合肥市应进一步降低能源密集型行业的规模，积极扶持电子计算机等技术密集型产业的发展，使之成为拉动经济增长的强劲动力，以期减少CO2排放量。

4.4 能源结构效应

在2000～2014年间，能源结构变动对CO2排放变动的总体影响较小，平均年贡献率仅为-1.48%，这主要是由于合肥市工业能源结构无显著变化，具有高碳排放系数的煤炭在工业能源消费中一直占据着主导地位。大多数行业中非化石能源比例的提高对减少CO2排放起促进作用。但非金属矿物制品能源结构变动则使CO2排放量增加了17.60万t，这主要源于该行业煤炭消费比重分别由2000年的69.67%上升至2014年的79.85%。合肥市工业煤炭消费比例较高，存在着下调空间。由于安徽省油气资源相对匮乏，调高各行业特别是能源密集型行业其他能源的消费比例，降低煤炭消费份额，有利于抑制CO2排放增长。

5 结论和政策建议

5.1 结论

（1）2000～2014年间，合肥市工业能源消费以年均增长17.38%的代价换取了工业经济年均增长22.40%的快速发展，并由此带来了CO2排放量以年均16.35%的速度增长。与此同时，能源强度、碳强度分别由2000年的1.24 t/万t、2.91 t/万元降至2014年的0.55 t/万t、1.13 t/万元，下降幅度分别达到55.10%、61.05%，由此可见合肥市工业节能减排工作效果显著。从合肥市工业能源消费结构来看，煤炭以83.66 %的比例在能源消费中占据着绝对地位，石油、天然气所占比重较小。在化石能源消费引起的CO2排放中，合肥市平均煤炭CO2排放量占总CO2排放量的98.33%，石油、天然气CO2排放量分别占1.50%、0.17%。煤炭CO2排放量明显偏高，是未来合肥市工业CO2减排的重点。

（2）经济发展是促进合肥市工业CO2排放量持续增长的主要原因，能源效率、产业结构、能源结构的变动都不同程度地抑制了CO2排放量增加。通过对工业行业进一步分解分析表现，电力热力的生产和供应业、黑色金属冶炼及压延加工业、化学原料及化学制品制造业、非金属矿物制品业等四大能源密集型行业的经济发展、能源效率等因素严重影响着工业能源消费CO2排放量的变化。其中这四大能源密集型行业每增加1万元产值会导致8.43 t CO2排放，远高于同期其他行业的平均值（0.20 t CO2/万元）；黑色金属冶炼及压延加工业、电力热力的生产和供应业、化学原料及化学制品制造业这三大行业的平均能源强度每下降1 t/万t，CO2排放将减少422.57万t；电力热力的生产和供应业的工业产值占总产值的比重每增加1%，会引起178.04万t CO2排放；非金属矿物制品行业煤炭比重每上升1%，会增加1.73万tCO2排放。

5.2 政策建议

根据对合肥市工业碳排放特征及碳排放影响因素研究，本文从以下几个方面提出减排的政策建议。

（1）合肥工业化刚进入中期阶段，工业经济将继续保持快速发展。构建低碳经济模式，发展低消耗、低排放、低污染为特征的低碳工业，实现工业经济和环境的协调发展。

（2）作为国家首批创新型试点城市，合肥市应进一步强化科技创新和进步，引进整体煤气化循环发电技术等先进节能技术。同时，协调以市场为导向的产学研创新体系，加快节能技术成果的应用和转化。

（3）合肥市应逐步完善环境准入条件，建立落后产能退出机制，加快淘汰落后技术、产能和装备，降低能源密集型行业的规模。同时，结合合肥市工业发展现状，大力扶持高新技术产业发展，特别是新能源汽车、集成电路等战略性新兴产业的发展。

（4）合肥市油气资源相对贫乏，煤炭在合肥市工业能源结构中占据着绝对地位。要想改变以煤炭为主的能源消费结构，应加快推进核能、风能、水能等新能源的开发和利用，提高非化石能源的使用比例，全面构建低碳能源体系。

参考文献：

[1]苏 伟. 中华人民共和国气候变化第二次国家信息通报[M]. 北京：中国经济出版社， 2013.

[2]张 颖. 能源消耗、二氧化碳排放与中国工业可持续发展的脱钩分布研究[J]. 开发研究， 2013（1）：104～108.

[3]潘佳佳， 李廉水. 中国工业二氧化碳排放的影响因素分析[J]. 环境科学与技术， 2011， 34（4）：86～92.

[4]IPCC. Climate Change2014：Synthesis RePort[R].Summary for Policy makers，2014.

[5]Diakoulaki D， Mandaraka M. Decomposition Analysis for Assessing the Progress in Decoupling Industrial Growth from CO2 Emissions in the EU Manufacturing Sector [J]. Energy Economics，2007，29（4）：636 -664.

[6]合肥市统计局.合肥市统计统计年鉴：2000～2014[M].合肥：合肥市统计局，2015.

[7]国家统计局.中国能源统计年鉴[M].北京：中国统计局，2013.

[8]Ang B W. Decomposition analysis for policymaking in energy：： which is the preferred method[J]. Energy Policy， 2004， 32（9）：1131～1139.

[9]宋德勇， 卢忠宝. 中国碳排放影响因素分解及其周期性波动研究[J]. 中国人口·资源与环境， 2009， 19（3）：18～24.

[10]Wang Y， Zhu Q， Geng Y. Trajectory and driving factors for GHG emissions in the Chinese cement industry[J]. Journal of Cleaner Production， 2013， 53（16）：252～260.

[11]Xu S C， He Z X， Long R Y. Factors that influence carbon emissions due to energy consumption in China： Decomposition analysis using LMDI[J]. Applied Energy， 2014， 127（6）：182～193.

[12]王 媛， 贾皎皎， 赵鹏，等. LMDI方法分析结构效应对天津市碳排放的影响及对策[J]. 天津大学学报（社会科学版）， 2014（6）：509～514.

[13]吴敬琏. 中国增长模式抉择[M]. 上海：上海远东出版社， 2006.

[14]何建坤， 刘 滨. 作为温室气体排放衡量指标的碳排放强度分析[J]. 清华大学学报（自然科学版）， 2004， 44（6）：740～743.