基于CO2和大气污染物排放征税分析的区域电力系统优化

王琳瑞,柴 淼,王灵志,李 薇(华北电力大学区域能源系统优化教育部重点实验室,北京 102206)

基于CO2和大气污染物排放征税分析的区域电力系统优化

王琳瑞,柴 淼,王灵志,李 薇*(华北电力大学区域能源系统优化教育部重点实验室,北京 102206)

为了优化电力系统并促进节能减排,将不确定性优化方法与区域电力系统模型相结合进行电力系统规划:以系统成本最小化作为目标函数;参考国家相关政策与标准设置资源量、电力供需平衡、排放限值等约束;对各发电技术发电量、外购电量、CO2及大气污染物排放总量进行最优化;为了探讨征收排放税的减排效果以及可行性,设置对电力系统征收大气污染物排放税和碳税进行相应的情景分析.研究以淄博市作为实例,在淄博的电力系统规划中,情景1中违反系统约束概率的增大会使最优火力发电量增加,在3个情景中,清洁能源发电量均能达到占总电力需求量10%的目标;而外购电将主要作为保证电力系统安全平稳运行的补充;情景1中违反系统约束概率为0时SO2,NOx和烟尘的排放限值在所有情景中为最低,即淄博市现行的排放限值标准将会得到更好的减排效果,并且其他情景下的系统成本将显著增加.因此,基于对淄博市的案例研究结果可知,对于电力系统征收排放税并不具有必要性.

大气污染物排放税；碳税；区域电力系统规划；不确定性优化方法

随着城市化进程的不断加快和现代工业的高速发展,越来越多的地区出现发电量不足,电力供应短缺的情况,并且还伴随着严重的污染物排放问题[1-2];国务院确定的“大气污染防治十条措施”对污染物的排放限值控制越来越严格,“大气十条”使得传统的火力发电发展受到很大的限制,而新能源发电由于成本高和并网难的特点,发展较慢且利用率不高.由于电力系统中存在诸多的复杂性与不确定性,进行电力系统规划需要准确把握其结构,并正确反映系统内部因素的不确定性,系统中的不确定性主要有电力供需的随机性,波动的能源价格,变化的运行成本以及机组扩容等.将不确定性优化方法与区域电力系统模型相结合,可以有效处理多种不确定性.国内外学者对此展开了很多相关的研究,例如:李薇等[3]基于两阶段规划方法建立了不同排污收费情景下的发电企业减排模型,解玉磊等[4]通过建立区域电力结构优化模型研究了温室气体的减排潜力,周雅等[5]基于强健可能性规划方法建立深圳市可持续电力规划模型并进行节能减排分析,张晓萱等[6]构建不确定性城市能源系统模型对北京市的能源结构和污染物减排进行了优化,周肖楠[7]基于河南省能源-环境系统优化模型对河南省的大气污染物减排进行了研究.Xie[8]通过不确定性鲁棒优化方法与济宁市能源系统相结合进行了碳捕集核算和电力系统优化.Jin等[9]开发了不确定性能源优化模型并结合厦门市能源系统针对大气污染物减排进行优化.Ji等[10]将微电网模型与不确定性优化方法耦合用于管理 CO2和其他污染物的排放.Zhu等[11]构建了一个动态能源来进行电力系统规划,并以北京市作为实例,引入欧盟碳交易方案来控制温室气体排放.综上所述,将不确定性优化方法与电力系统模型相结合进行电力系统规划,同时结合政策、情景分析等相关约束,可以有效处理不确定性并为决策者提供相应的理论支持.

除了进行电力系统规划之外,相应的减排政策也会起到辅助作用,碳税作为控制CO2排放最有效的经济手段,受到广泛的关注,除征收碳税外,征收大气污染物排放税也会有效减少大气污染物的排放.中国目前尚未征收碳税和大气排放税,但许多专家学者已展开了相关研究:Fang等[12]利用新型四维节能减排模型进行计算并得出相关结论:中国最适宜征收碳税的时间为 2013～2014年,最佳税点为17.6～17.8元/t CO2.Guo等[13]应用CGE模型来检验了碳税对中国经济和碳排放的影响,结果表明:适中的税率将会略微减少经济的发展速度,但是会有效减少碳排放和化石燃料的消耗.徐毅等[14]通过将碳税和不确定性优化方法相结合,并研究了其对北京市能源系统的影响,结果指出有碳税情景下的减排效果由于无碳税情景.Yang等[15]模拟了中国征收碳税的减排结果,结果指出:若以50元/t的价格征收碳税,CO2排放将在 2010年的基础上减少 3%.马士国[16]基于CGE模型设置了对应不同SO2减排率的硫税,针对不同化石能源进行分类征收,结果指出:最优的SO2税率应在460元/吨和1050元/吨之间.刘立佳[17]通过分析我国 SO2减排以及污染控制的基本情况,计算了我国东、中、西部的不同 SO2税率.李永坡[18]对SO2税征收的理论基础和可行性进行了分析,依据不同达标率下的中国分地区SO2税率,提出了中国现阶段的征税策略.李丹阳

[19]分析了我国开征NOx税的可行性和必要性,并指出开征NOx排放税是合理的选择.综上所述,征收碳税以及大气污染物排放税均会取得良好的减排效果,但对于社会和经济的影响仍未有明确结论.

为了探讨不同排放限值对电力行业的影响以及排放标准的合理性,本研究将不确定性两阶段机会约束规划(ITSCCP)与电力系统模型相结合,该方法可以分析不同违约概率对应的排放限值,即超标排放对系统的影响,从而得到不同的优化方案.另设置对电力行业征收碳税与大气污染物排放税的情景,并对不同情景下的优化方案进行比较,以此来确定其减排效果以及可行性.并以山东淄博市作为实例,通过政府公报,统计年鉴等文献收集相关数据,旨在为决策者提供相应的参考.

1 模型构建

1.1 规划方法概述

不确定性两阶段机会约束规划(ITSCCP)由两阶段随机规划(TSP)与不确定性机会约束规划(ICCP)组成[20].两阶段随机规划(TSP)可以将模型中的右手边的不确定性表达为概率分布的形式[21].不确定性机会约束规划(ICCP)既可以有效表征不确定条件下满足系统约束的可靠性(或不满足约束的风险),也可以用来处理概率密度函数形式的左手边不确定性,并且将不确定性参数表达为区间数的形式[22].

方法(ITSCCP)具体表述如下:

目标函数:

约束条件:

约束(1c)可表述为如下形式:

1.2 区域电力系统优化策略

研究将不确定性优化方法与区域电力系统模型相结合,将系统总成本最小化作为目标函数;将各技术发电量、外购电量等作为决策变量;以资源量、装机容量、电力供需平衡和国家相关政策如“上大压小”,“减排限值”等作为约束;设置不同违约概率对应的排放限值对系统的影响,另外,还分别设置对电力行业征收大气污染物排放税和碳税的情景.

模型具体表达如下:

(1)资源消耗成本

(2)发电成本

(3)扩容成本

(4)大气污染物治理成本

(5)CO2和大气污染物排放税

(6)外购电力成本

式中:f±为系统总成本,106元;p表示发电转换技术, (其中p =1 表示火力发电, p =2 表示水力发电, p =3表示光伏发电, p =4表示风力发电, p =5生物质发电和垃圾发电);i表示排放的温室气体和大气污染物(i =1 表示 CO2, i =2 表示 SO2, i =3 表示 NOx, i =4 表示烟尘).t表示规划期(t =1,2);h为电力需求水平(h = 1, 2, 3分别表示低、中、高需求水平);thp为t时期不同需求水平的概率;表示发电技术 p在 t时期所需的资源量

(7)新能源发电补贴表示 t时期所需资源的价格,106元表示发电技术 p在 t时期的运行成本,106元/GWh;表示发电技术p在t时期的单位惩罚费用,106元/GWh;表示发电技术p在 t时期的发电量,GWh;表示发电技术p在 t时期电力需求水平 h下的电力缺失量,GWh;表示发电技术p在t时期的扩容固定投资成本,106元;表示发电技术p在t时期的可变投资成本,106元/GW;表示国家鼓励新能源发展的发电补贴,106元/GW;表示CO2和大气污染物排放税,106元/kt;表示发电技术p在t时期电力需求水平h下的扩容选择,(二元变量,0表示不扩容,1表示扩容);表示发电技术p在t时期电力需求水平h下的新增扩容量,GW;表示t时期的外购电量,GWh;表示外购电量成本,106元/GW;表示发电技术p在t时期产生的污染物i的去除成本,106/kt;表示发电技术p在t时期产生的污染物 i的单位环境惩罚成本,106/kt;表示发电技术p在t时期产生的污染物i的单位产物系数,t/GWh.

(1)电力资源供需平衡约束

(2)环境容量约束(CO2,烟尘, SO2, NOx排放)

(3)装机容量约束

(4)扩容约束

(5)发电量约束

(6) 资源消耗约束

AD

2 案例研究

2.1 数据来源

研究以淄博市作为实例,淄博市位于山东省中部,是重要的工业城市,其工业以石油化工、医药、建材、纺织、陶瓷、机械冶金等为主导,众多工业使得电力需求不断增加、能源的消耗日益严重,并且环境质量降低,空气污染严重.

淄博市的电力结构以火力发电为主,截止到2016年,淄博市发电装机容量约为480万kW,其中,统调公用机组 241.3万 kW,地调公用机组56.21万kW(小水电0.26万kW),企业自备机组156.28万kW(余热利用8.4万kW).除此之外,淄博市还具有良好的新能源发电环境,具有十分丰富的太阳能和风能,年平均日照时长超过2542.6h,在博山区和淄川南部山区交界处,具有面积可观的风场.中广核与汉能光伏集团均已在淄博投资了众多新能源发电项目,许多项目正在建设当中.

淄博市电力供应主要来自于火力发电,2014年,淄博的火力发电量为 238.49亿 kWh,约占全社会电力需求量的 73%;外购电是淄博电力供应的另一个重要来源,2014年,外购电量为84.52亿kWh,约占全社会电力需求量的25%.虽然淄博具有发展新能源发电的充分条件,但现已并网的光伏发电,风力发电、生物质与垃圾发电的总发电量仅占全社会用电量的1%.

研究以淄博市为实例,规划期为 2016～2021年,每3年一个规划期,共分为2个规划期.为了促进“节能减排”和新能源的发展,根据淄博市现有的新能源发电的情况,规定第1个规划期结束时,新能源发电量达到总发电量的5%,在第2个规划期结束时,新能源发电量达到总发电量的10%.

为了探讨不同排放限值对系统的影响以及排放限值的合理性;还有对电力行业大气污染物排放税和碳税的减排结果及影响,研究将设置不同的情景,具体情景及内容如表1所示.

表1 情景设置及内容Table 1 Scenarios settings and content

综上所述,本研究通过构建基于不确定性优化技术的区域电力系统模型来达到以下目标:(1)调整电力结构,计算不同情景下各发电技术的最优发电量,并探究不同情景下各技术发电量的变化,以及对系统产生的影响;(2) 分析比较不同情景下的排放限值和排放总量,确定最优方案;(3)对不同情景下的系统成本进行比较,并确定其征税可行性与必要性.

表2 CO2和大气污染物排放的征税税率Table 2 The tax rate of CO2and air pollutants emission

本文所用的数据均来自淄博市统计局相关资料与政府相关工作报告[24-26],排放限制的标准按照山东省的相关文件标准制订[27],征税税率的制订参考了相关的研究与文献[23-25].

表3 淄博市电力需求量Table 3 Total amount of regional electricity demand

表4 不同违约概率下对应的CO2和大气污染物排放限值Table 4 Allowable CO2and air pollutants emission caps under different qilevel

2.2 结果分析

2.2.1 电力结构 不同情景下的各技术发电量及外购电量如表5所示.为了保证区域供电的安全性、稳定性,火力发电通常会作为最主要的发电形式.在情景1中,qi值增加代表着违约概率增加,也代表CO2与大气污染的排放限值会随之增大,在不同的违约概率下的最优火力发电量会伴随着qi值的增加而增加(图1),在不同的情景下的火力发电量呈现明显的变化趋势,由于因为污染物排放控制和排放税的征收增加了火力发电的排污成本,使得火力发电不得不减少发电量,这说明征收碳税与污染物排放税对火力发电减排的作用十分直接且明显.另外,由于固有的煤炭消费能源结构,随着电力结构的调整和排放限值的变化,火力发电的比重相对于其他发电形式的变化较小,并且将会继续作为主要的电力供应形式.

不同情景下的外购电量如图2所示,在情景1中,随着qi值的增加,外购电量将会呈现减少的趋势.由于排放限值的增大促进了火力发电,并且随着本地新能源发电的发展,本地发电量将会整体增加,供电的安全性和稳定性将会相应增加,外购电量也随之减少,但是在这种情况下,环境质量将会受到影响.除此之外,外购电量将会从情景 1到情景3出现增加的趋势.该现象表明:由于排放税的征收使得具有污染排放的企业受到了影响,从而不得不减少火力发电量,为了保障电力系统的平稳运行,因此外购电量会出现增加的现象.

表5 各时期不同情景下的最优发电量Table 5 The optimized power generation under different scenarios in each period

图1 不同情景下的火力发电量Fig.1 Thermal power generation quantity under different scenarios

水力发电在淄博由于资源和技术的限制,将发展的十分缓慢.由于光伏发电,风力发电具有清洁性和排放少的特点,在不同时期和不同情景中,其最优发电量均会达到上界.生物质和垃圾发电因为具有排放CO2和大气污染物的特征,因此会受到排放征税的影响,其最优发电量将会从情景1到情景 3呈递减现象,征收碳税对生物质发电的影响比征收污染物排放税更大,因为生物质燃烧发电的产生的CO2大于空气污染物的量,但生物质和垃圾发电排放的 CO2可以构成自然界的碳循环,实现CO2的“零排放”.因此,通过征收碳税来限制CO2排放量虽然会对其产生影响,但可以对生物质和垃圾发电免征碳税,甚至可以将税收对其进行补贴,保证其更好的发展从而达到更好的减排效果.综上所述,淄博的新能源发电在规划期将会得到保证,且风力发电和生物质发电将会作为新能源发电的主力,并且将在规划期实现预期设定的目标.

图2 不同情景下的外购电量Fig.2 Purchased electricity quantity under different scenarios

2.2.2 排放总量对比 情景1中qi为0时的大气排放限值参考山东省要求的排放标准制订,情景2与情景3中的大气污染物排放量计算采用火力发电行业的污染排放的计算方法.

三种情景下二氧化碳和空气污染物排放限值结果如表6所示,情景1中qi为0时SO2,NOx和PM的排放限值,即政府制订的排放标准,其在所有情景中为最低,并且情景2得到的大气污染物排放结果高于情景1中的部分设定值,这说明淄博市现阶段执行的污染物排放限值相当严格,且在不征收污染物排放税的情况下就达到了更好的效果,因此,淄博市现阶段执行的污染物排放标准非常严格且具有较强的可行性.

CO2的减排结果在情景3中为最低,征收碳税对火力发电、生物质和垃圾发电同时造成了影响,尤其生物质和垃圾发电的发电量相比情景1和情景2减少程度较大,因此情景3的CO2的排放限值在所有情景中最优,同时由于 CO2的排放减少,大气污染物的排放也相应减少.这表明通过征收碳税达到的减排效果十分明显.然而除了考虑减排效果以外,还要综合考虑其成本,过高的成本不具有可行性,并且还会对企业以及经济发展产生影响.

表6 情景2和情景3各时期的CO2及污染物排放总量Table 6 Amount of CO2and pollutants emission under scenarios of 2 and 3 in each period.

2.2.3 系统成本 将机会约束规划应用于 CO2和大气污染物排放限值,得出的不同结果可以显示出系统成本和排放限值的相关性.系统成本会随着 qi值的增加而减少,例如,当 qi值为 0.01, 0.05,0.1时,其相应的系统成本为[3.84, 4.69]×1011元, [3.81, 4.66]×1011元,[3.80, 4.65]×1011元.这说明随着排放限值的增加,系统用来控制 CO2和大气污染物排放的花费将会减少,系统总成本将会减少.违约概率越大,则系统成本越低,但预先设定的排放目标就无法实现;将违约概率控制到最小,则系统成本则会最大,但环境质量将会得到保障.

征收排放税会带来显著增加成本.图3给出了不同情景下系统成本的解,在不同情景下,系统成本变化十分显著.例如,情景1中当qi= 0时,系统成本为[3.85, 4.74]×1011元,情形 2中为[4.84, 6.23]×1012元,情景3中为[3.83, 3.95] ×1012元 .尽管征税可以促进大气污染物和二氧化碳减排,调整电力结构,增加政府收入.然而,征收排放税,不仅可能导致当前区域能源系统成本相对较高,增加燃煤电力行业的负担,也可能对区域电力系统的稳定性造成很大压力.征收税收的系统成本是传统排污收费制度的十倍或十倍以上,但在不同情景下减排的结果之间并没有太大的差距.总之,根据淄博市的案例研究结果可知,对于电力系统征收二氧化碳和空气污染物的排放税是不可行也是不必要的.

图3 不同情景下的系统总成本Fig.3 Total system cost under different scenarios

许多发达国家在征收碳税和环境税之后,由于制度设计和征税对象的不同,征税带来的效果也褒贬不一[28-29].目前国际上流行的碳减排的趋势主要依靠碳交易机制以及二氧化碳的捕集、封存,建立完善的碳交易市场,是发展中国家有效控制碳排放的重要手段之一,相关的减排措施值得进一步研究与探讨[30-31].

3 结语

本研究将不确定性优化方法(ITSCCP)与区域电力系统模型相结合,分析不同违约概率对应的排放限值系统的影响,研究将淄博市作为实例进行研究,并基于电力结构调整,外购电量,排放限值,二氧化碳排放税和污染物排放税设置了三个情景.结果表明:随着 qi值的增加,火力发电量将会相应增加,而外购电将会相应减少;新能源发电由于清洁性,在不同情景下可完成预先设定的目标;在情景1中qi值为0时SO2,NOx和烟尘的排放限值在所有情景中为最低,说明淄博市现阶段实施的污染物排放标准具有较好的可行性;尽管较高的违约概率将增加系统的风险,但可以降低系统总成本,但会造成环境质量的下降.征收排放税会造成成本的显著增加,但减排效果并不理想.因此,基于淄博市的案例结果,对电力系统征收排放税是不必要的.

[1] Herrerias M J, Joyeux R, Girardin E. Short- and long-run causality between energy consumption and economic growth: Evidence across regions in China [J]. Applied Energy, 2013, 112:1483-92.

[2] Shan Y, Liu J, Liu Z, et al. New provincial CO2emission inventories in China based on apparent energy consumption data and updated emission factors [J]. Applied Energy, 2016.

[3] 李 薇,周肖楠,解玉磊,等.不同排污收费情景下的发电企业减排模型研究 [J]. 中国环境科学, 2013,33(8):1529-1535.

[4] 解玉磊,付正辉,汤 烨,等.区域电力结构优化模型及温室气体减排潜力 [J]. 电力建设, 2013,34(11):82-86.

[5] 周 雅,李永平,黄国和.深圳市可持续电力规划模型及节能减排分析 [J]. 电力建设, 2014,35(6):82-87.

[6] 张晓萱.考虑环境约束的不确定性城市能源系统优化模型 [D].北京:华北电力大学, 2010.

[7] 周肖楠.基于不确定性的区域电力——环境系统优化模型研究[D]. 北京:华北电力大学, 2014.

[8] Xie Y L, Huang G H, Li W, et al. Carbon and air pollutants constrained energy planning for clean power generation with arobust optimization model—A case study of Jining City, China [J]. Applied Energy, 2014,136:150—167.

[9] Jin L, Huang GH, Fan YR, et al. A pseudo-optimal inexact stochastic interval T2fuzzy sets approach for energy and environmental systems planning under uncertainty: A case study for Xiamen City of China [J]. Applied Energy, 2015,138:71-90.

[10] Ji L, Niu D X, Xu M, et al. An optimization model for regional micro-grid system management based on hybrid inexact stochastic-fuzzy chance-constrained programming [J]. International Journal of Electrical Power & Energy Systems, 2015,64:1025-39.

[11] Zhu Y, Li Y P, Huang G H, et al. A dynamic model to optimize municipal electric power systems by considering carbon emission trading under uncertainty [J]. Energy, 2015,88:636-49.

[12] Fang G, Tian L, Fu M, et al. The impacts of carbon tax on energy intensity and economic growth — A dynamic evolution analysis on the case of China [J]. Applied Energy, 2013,110:17-28.

[13] Guo Z, Zhang X, Zheng Y, et al. Exploring the impacts of a carbon tax on the Chinese economy using a CGE model with a detailed disaggregation of energy sectors [J]. Energy Economics, 2014,45:455-62.

[14] 徐 毅,臧宏宽.不确定条件下碳税政策对北京市能源环境系统影响研究 [J]. 中国环境科学, 2012,12:2278-2284.

[15] Yang M, Fan Y, Yang F, et al. Regional disparities in carbon dioxide reduction from China's uniform carbon tax: A perspective on interfactor/interfuel substitution [J]. Energy, 2014,74:131-139.

[16] 马士国.征收硫税对中国二氧化硫排放和能源消费的影响 [J].中国工业经济, 2008,2:20-30.

[17] 刘立佳.中国二氧化硫税税率设计研究 [D]. 杭州:浙江财经学院, 2011.

[18] 李永坡.我国二氧化硫税制度设计研究 [D]. 石家庄:河北经贸大学, 2015.

[19] 李丹阳.开征氮氧化物税的现实意义与可行性分析 [J]. 科技经济导刊, 2016,23:168-169.

[20] Li Y P, Huang G H, Brian W. Baetz. Environmental Management under Uncertainty—an interval-Parameter Two-Stage Chance-Constrained Mixed Integer Linear Programming Method [J]. Environmental Engineering Science, 2006,23(5):761-779.

[21] Huang G H, Loucks D P. An inexact two-stage stochastic programming model for water resources management under uncertainty [J]. Civil Eng Environ Syst, 2000,17:95—118.

[22] Wu C B, Huang G H, Li W, et al. Multistage stochastic inexact chance-constraint programming for an integrated biomassmunicipal solid waste power supply management under uncertainty [J]. Renewable and Sustainable Energy Reviews, 2015,41:1244-54.

[23] Maqsood I, Huang G H. A Two-Stage Interval-Stochastic Programming Model for Waste Management under Uncertainty [J]. Journal of the Air & Waste Management Association, 2003, 53:540-52.

[24] 淄博市经济和信息化委员会.对智能电网现状和发展趋势的认识 [R]. 淄博:淄博市经济和信息化委员会, 2013.

[25] 淄博市统计局.2011～2014淄博市统计年鉴 [M]. 淄博:淄博市统计局, 2011-2014.

[26] 淄博市统计局.2010～2014年淄博市国民经济和社会发展统计公报 [R]. 淄博:淄博市统计局, 2011-2015.

[27] DB37/2376-2013 山东省区域性大气污染物综合排放标准[S].

[28] 汪曾涛.碳税征收的国际比较与经验借鉴 [J]. 理论探索, 2009,4:68-71.

[29] 苏 明,傅志华,许 文,等.碳税的国际经验与借鉴 [J]. 环境经济, 2009,9:28-32.

[30] 雷立钧,荆哲峰.国际碳交易市场发展对中国的启示 [J]. 中国人口.资源与环境, 2011,4:30-36.

[31] 孙亚男.碳交易市场中的碳税策略研究 [J]. 中国人口.资源与环境, 2014,3:32-40.

Regional power system optimization based on analysis of levying taxes on CO2and atmospheric pollutants emission

WANG Lin-rui, CHAI Miao, WANG Ling-zhi, LI Wei*(Ministry of Education Key Laboratory of Regional Energy and Environmental Systems Optimization, North China Electric Power University, Beijing 102206, China). China Environmental Science, 2017,37(3)：1179～1187

In order to optimize the power system and promote energy conservation and emission reduction, an inexact optimization method was combined with the regional power system model for the power system planning: to minimize the system cost as the objective function; to set up the resource quantity, the power supply and demand balance, and the emission caps as constraints refer to the relevant national policies and standards; to optimize the power generation quantity, purchased electricity, the total amount of CO2and air pollutant emission; in order to explore the effect of emission reductions and the feasibility of levying taxes, the corresponding scenario analysis for levying emission taxes on air pollutants and carbon would be set up. The research took Zibo City as a case study, with the increasing probability of violating system constraints, the optimized thermal power generation quantity would increase, the renewable power generation quantity would achieve the goals of 10% total electricity consumption in 3scenarios. Moreover, the purchased electricity would be the complementary power form for the power system; the emission caps of SO2, NOxand PM under the default probability of 0 in scenario 1 would be the best among all scenarios. It denotes that the current standard implemented by Zibo would obtain better results, and the results of total cost in scenarios 2 and 3 would increase significantly. Therefore, based on the case study of Zibo City, levying emission taxes on power system maybe unnecessary.

emission taxes of air pollutants；carbon tax；regional power system planning；inexact optimization method

X196

A

1000-6923(2017)03-1179-09

王琳瑞(1992-),男,山东淄博人,华北电力大学硕士研究生,研究方向为区域能源系统管理,能源与环境系统分析等.发表论文2篇.

2016-07-21

国家自然基金面上项目资助(61471171);中央高校基本科研业务费专项资金资助(2015ZZD08);环保部公益项目(201509010)

* 责任作者, 教授, weili819@aliyun.com