中国电力部门中长期低碳发展路径研究

张小丽 刘俊伶 王克 崔学勤 邹骥

摘要 电力部门是中国CO₂排放的主要贡献部门之一，电力部门的低碳转型对中国实施长期低碳发展战略具有至关重要的作用。本文构建了包含电力模块的自下而上的能源系统模型PECE-2017，根据社会经济驱动因子确定终端部门电力需求，并引入电力负荷曲线确定电力供给，设置了未来电力发展的基准和低碳两个情景，从供需结构、技术需求、成本和投资等多个角度，分析电力部门自身的低碳转型及其对中国实现中长期低碳发展的重要作用和贡献。研究表明：第一，未来中国电力需求仍将不断增长，且在终端能耗中的占比不断上升。低碳情景下，2050年电力需求达到114 869亿kW·h，比2013年上升125%，电气化率增加到34%；电力需求结构中，工业和建筑比重下降，交通部门比重上升。第二，电源结构逐步低碳化。煤电逐步淘汰；风电和太阳能装机容量大幅上升，2050年装机占比均超过30%；2030年以后，部署和推广CCS技术，到2050年装机容量达到4.9亿kW。第三，低碳情景下，电力部门在2020年碳排放达峰后，进一步加速脱碳。到2050年，电力部门的排放量可控制在4亿t以内，相对基准情景减少排放61.5亿t，占总减排的贡献率达到45%，为中国的低碳转型做出重要贡献。第四，支撑电力部门低碳转型的投资需求GDP占比在合理区间内。2030—2050年，电力部门投资需求占GDP的比重为0.77%；电力部门内部投资结构呈现明显的低碳化趋势，绝大部分投资将用于非化石能源电力。

关键词 电力部门；自下而上模型；碳排放；减排潜力；减排成本

中图分类号 X321文献标识码 A文章编号 1002-2104（2018）04-0068-10DOI：10.12062/cpre.20180105

2015年，中国提交的国家自主贡献（Intended Nationally Determined Contribution， INDC）中，明確提出2030年左右实现CO₂排放峰值并争取早日达峰[1]。长期以来，电力部门尤其是火力发电一直是中国CO₂排放的主要贡献部门之一，2005年电力部门CO₂排放占全国总排放的比重约为43%[2]。据IEA预测，按照目前的发展趋势，到2050年这一比重将增加至62%[3]。因此电力部门的低碳转型，对于中国实现INDC目标和实施长期低碳发展战略具有至关重要的作用。

现有关于中国电力部门未来排放情景的研究，大致可分为两类：一类采用自下而上模型，讨论电力部门自身未来的排放路径、减排技术选择和减排成本等，电力需求通常外生假定[4-8]；另一类运用指数分解等定量研究方法，分析电力部门未来排放的影响因素[9-12]。现有研究主要聚焦于电力部门本身，在需求预测、技术选择等方面都没有考虑与其他部门的关联，对电力部门在中国整体低碳发展中的定位和作用研究较少。此外，现有研究主要关注电力部门近期和中期（2020和2030年）的发展，对电力部门在更长时间尺度上（到2050年）的低碳转型分析较少。

基于LEAP（Long-range Energy Alternatives Planning System）模型框架[13]，构建了自下而上的包含电力部门的能源系统模型，根据未来人口、GDP等社会经济驱动因子决定的能源服务需求确定各终端部门的电力需求，并进一步引入电网负荷曲线确定未来电力生产情况，以电力部门在国家整体低碳战略中的地位和作用为切入点，分析电力部门长期低碳转型的路径、技术选择和投资需求，评估电力部门对中国实现INDC目标和2050年长期低碳发展战略的意义。

1 方法和数据

1.1 PECE-2017模型及其电力模块

基于LEAP模型框架，构建了包含电力模块的自下而上的能源系统模型PECE-2017。模型包括终端需求、加工转换和能源资源三个模块，对能源开采、加工转换、运输和最终使用的全流程进行完整的仿真模拟。终端需求模块由工业、建筑、交通、农业和其他行业组成；加工转换模型包括电力生产和传输损失、热力生产、炼焦与制气以及炼油行业。模型的总体计算机理为：由人口、GDP等社会经济驱动因子决定各类能源服务需求，确定不同情景下未来技术扩散率和技术组合，基于各技术提供单位能源服务消耗的终端能源，加总得到终端能源消费需求，根据各个加工转换模块的转换效率获得一次能源需求。模型共包含400多种技术，以2013年为基准年，展望到2050年。

电力部门模型是PECE-2017模型的重要部分，基本框架如图1所示。首先，由未来人口、GDP等社会经济驱动因子内生确定各终端部门的电力需求，考虑电力传输损失，得到电力供应需求；然后引入全国电网负荷曲线，基于电网峰值负荷与总装机决定的备用容量水平，确定用电需求增长后新的总装机容量需求和新增装机需求；再根据相关电力装机规划，确定各发电技术的新增装机容量；最后，参考历年各机组的发电顺序和未来电源结构、相关发电规划，确定各机组的角色（作为基本负荷机组还是调峰机组），依次得到各机组的发电小时数和发电量、能源消耗和排放。本文主要针对电力部门开展分析，因此对PECE-2017模型的其他部门不再做详细介绍。

电力模型中共包含38种现有和未来发电、输配电技术（见表1），并建立了包含各技术固定成本、运行和维护成本、燃料成本、电价、适用税率、建设周期、运行周期、发电效率、年发电利用小时数等详细信息的数据库。

电力部门CO₂排放由各发电技术发电量、发电效率和燃料排放因子计算得到，公式如下。

其中，CE是电力部门CO₂排放总量，i表示不同的发电技术；j表示不同的能源品种；pi，j是发电技术i消耗能源品种j获得的发电量；ei，j是发电技术i消耗能源品种j进行发电的发电效率，cefi，j是相应的CO₂排放因子，即通过发电技术i消耗能源品种j进行发电时，单位能源消费产生的CO₂排放量。

模型包含成本信息，发电技术的减排成本计算过程为：首先，计算投资项目相比常规技术全生命周期内的每年增量支出（新增固定成本、运营和维护成本）和增量收入（节约的燃料费用支出）的现金流量；其次通过贴现得到相比常规技术的增量成本净现值；最后根据全寿命周期内相比常规技术的累计减排量，得到减排成本。计算公式如下：

其中，AC是电力部门有关发电技术的减排成本；t表示年限；n表示不同的发电技术；j表示不同的能源品种；R是贴现率；CE是发电技术全生命周期累计减排量；FCt，n是发电技术n的新增固定成本；OCt，n是发电技术n的运营和维护成本；SMt，j是发电技术n在其生命周期内节约的燃料费用。

1.2 数据来源

本文主要数据需求及其来源如下：中国未来人口假设来源于联合国《世界人口展望2015年版》[14]；GDP根据“十三五”规划和国家“三步走”发展战略，并参考主要发达国家经济发展历史经验确定；以华北电网分季度典型日负荷曲线代表全国负荷曲线，数据来源于国家电网；电力部门现有装机和新增装机的技术分类、发电效率以及技术成本与投资数据来源于中国电力行业年度发展报告（2011—2016）[15]，以及IEA能源技术系统分析报告[16]和世界能源投资展望[17]；燃烧排放因子来自LEAP技术数据库[13]；贴现率根据国家发改委和建设部发布的《建设项目经济评价方法与参数》[18]，取值为8%。

2 情景设定

本文设置了两组情景，即基准情景和低碳情景。基准情景描述了电力部门不采取额外的减缓行动的能耗与排放趋势，为未来电力部门的低碳政策行动提供一系列比较基准点。低碳情景对于电力部门实现CO₂排放峰值以及实现峰值后加速脱碳的路径进行了完整刻画。通过低碳情景下电力部门排放路径相对基准情景的变化，评估电力部门对于中国实现INDC和2050年长期低碳目标的意义。

基准情景的具体假设为：电力部门发展按照历年发展趋势外推，不考虑应对气候变化目标，不采取额外的减缓行动。该情景下，假设电力部门低碳技术缓慢推广，火电厂平均能效达到42%；发电结构保持以化石能源发电为主的现状；无CCS应用。该情景中关于中国电力行业发展的假设是两组情景中最保守的。

低碳情景的具体假设为：中期考虑落实中国INDC中提出的各项行动[1]、“十三五”规划以及电力和可再生能源专项规划目标[19]；中长期考虑在实现碳排放达峰后加大力度促使排放加速下降，到2050年将碳排放控制在实现2℃目标的排放轨迹区间内电力部门需要采取的行动、技术措施和带来的成本。该情景下，火电厂的平均能效比基准情景有所提高，达到44%；“十三五”后不再新增常规煤电，煤电自然淘汰，以天然气作为过渡能源满足基本负荷与调峰负荷需求；大力推广可再生能源电力；2030年后开始推广电力CCS技术。

3 情景分析结果

3.1 电力需求结构及趋势

在基准情景和低碳情景下，中国未来电力需求将持续增长（见图2）。基准情景下，2050年中国电力需求上升到117 278亿kW·h，相比2013年增长130%，年均增长率为2.3%。人均用电需求与电力需求总量同步增长，从2013年的3 753 kW·h/人增长到2050年的8 700 kW·h/人。

低碳情景下，中国2050年电力需求为114 869亿kW·h，比2013年上升125%，年均增长率为2.2%，人均用电需求同步增长到8 521 kW·h/人。与基准情景相比，低碳情景下中国未来电力需求的增长速度略低，2013—2050年间年均增长率低0.1个百分点，2050年电力需求总量低约2.1%。

终端部门电气化率的定义为终端能耗中电力所占比例，是衡量电力在终端能耗中重要性的指标。提高电气化率，实现终端能耗中电力对煤炭、石油等化石能源的替代，是政府间气候变化专门委员会（IPCC）第五次评估报告提出的低碳转型的重要支柱之一[20]。基準情景下，电气化率增长缓慢，从2013年的19.8%，增长到2050年的23.3%。而低碳情景下，电气化率增长迅速，2030年达到23.0%，2050年进一步增长到34.0%。电力在终端能耗结构中起到了替代煤炭的作用，取得了一定的减排成效。低碳情景下，尽管电力在终端能耗中的比重提高，但是由于低碳情景相对基准情景，具有更有力的产业结构调整和电力需求侧管理措施，因此总的电力需求反而略有减少。

从电力需求结构及其变化看，基准情景和低碳情景的结果也有所差异。基准年2013年的电力需求结构中，工业部门占比最高，超过70%；其次为建筑部门，占比约26%；而交通和农业部门在电力消费中的占比很低。基准情景和低碳情景下，电力需求结构的共同趋势是工业部门占比持续下降，而建筑部门占比持续上升。到2030年，基准情景和低碳情景下，工业用电占总电力需求的比例，分别下降到63.4%和61.1%，到2050年进一步下降到60.6%和54.4%。而建筑部门用电量占总电力需求的比重，则分别上升到2030年的29.8%和34.1%，以及2050年的36.9%和33.3%。

交通部门用电量及其在总电力需求中的比重，在基准情景和低碳情景下差异较大。基准情景下，交通部门用电量比重变化不大，维持在1.5%以下。而低碳情景下，自2020年以后交通部门电力需求比重大幅上升，2030年增长到4.8%，2050年进一步增长到11.2%。基准情景和低碳情景下交通部门电力需求的差异，主要来源于对电动汽车发展的不同假设。基准情景下，假设电动汽车销量占比保持在基年水平上。而低碳情景下，假设2020年电动汽车累计产销量实现超过500万辆的既有目标[21-23]；2020年以后，电动汽车成本具备完全竞争力，得到迅速普及。到2030年，电动汽车在汽车保有量中占比达到18.6%，2050年进一步提高到68%，保有量超过4亿辆。低碳情景下迅速普及的电动汽车，产生了巨大的电力需求，使得交通部门用电比例大幅上升。

3.2 电力供给结构及趋势

由于电力的国际贸易规模很小，因此一个国家的电力供给，可以认为完全由其电力需求决定。根据终端部门的用电需求，并考虑电力传输损失，即可得到电力供应需求。

表2展示了基准情景和低碳情景下，中国电力装机结构现状及其未来变化。本文所指煤电和天然气发电不包括配备CCS的煤电和天然气发电，配备CCS的电力将作为电力CCS论述。2013年中国电力装机中，火电占绝大部分，其中煤电装机容量超过8亿kW，比重达到64.1%。非化石能源电力中水电比重最高，装机容量达到2.8亿kW，占电力总装机的比重为22.6%；风电次之，装机容量达到0.8亿kW，占电力总装机的比重为6.2%；核电和太阳能装机容量相近，在0.15亿kW左右。其他可再生能源（如生物质能、地热能、潮汐能等）电力装机较少，所占比例不到1%。除了几个示范项目之外，并未有电力CCS技术得到商业化运营。

基准情景下，未来煤电装机的绝对量仍将继续增长，装机占比有所下降，但幅度不大，直到2050年仍接近占电力总装机的一半。风电和太阳能装机增长迅速，到2050年装机容量分别增长到5.0和3.5亿kW，相对2013年分别增长了5.6和21.0倍，在电力总装机中的比例也分别提高到15.5%和10.8%。核电装机保持平稳增长，且装机占比也不断提高；水电装机基本保持平稳并略有增长，但在电力总装机中的比重有所下降。

低碳情景下，中国未来将加速淘汰煤电，并大力推广可再生能源电力，推动电力部门加速脱碳。在完成电力发展“十三五”规划[19]和现有各省煤电建设规划目标后，2020年以后不再新增常规煤电，并让现有煤电机组按其运行寿命（30年）自然淘汰。

在这样的政策设定下，煤电装机在2020年达到峰值以后，将被快速淘汰。到2050年，所有在2020年以前建设的煤电机组将全部达到寿命期限，电力部门将完全淘汰煤电。2020年开始逐步淘汰煤电后，风电、太阳能等可再生能源短期内还无法填补电力需求空缺。天然气发电将在2020—2030年间作为过渡电源，满足基本负荷和调峰负荷的需要。因此天然气发电装机将在2020—2030年间快速增长，10年间装机容量超过翻番，占电力总装机的比重从5.8%增长到11.3%。

风电和太阳能在低碳情景下发展迅速，2020年装机容量分别达到2.1和1.1亿kW，到2030年进一步增长到4.3和3.3亿kW。2030年以后，海上风电、聚光太阳能发电等技术成本进一步降低，具备完全的成本竞争力，风电和太阳能装机容量将实现爆发式增长，到2050年分别增长到14.2和14.4亿kW，占电力总装机的比重均超过30%，占新增电力装机的比重超过70%。风电和太阳能的发展，将填补2030年以后淘汰煤电以后电力需求的空缺，支持电力部门完全淘汰煤电。水电、核电和其他可再生能源（包括生物质能、地热能、海洋能等）装机容量相比基准情景，均有所增长。

低碳情景考虑2030年后加快碳排放下降速度，将中国排放轨迹控制在实现全球2℃目标所要求的区间范围内。现有研究表明，CCS技术对于实现2℃目标，具有重要的贡献[3]。因此，与基准情景下未来仍然没有CCS技术得到应用的假设不同，低碳情景下，2030年以后，在电力部门CCS技术将逐步得到推广和大规模商业化应用。到2050年电力CCS装机（包括煤电+CCS和天然气发电+CCS）将达到4.9亿kW，占电力总装机的比重超过10%。

容量因子（Capacity factor）是机组实际发电量与额定容量下最大发电量的比值，介于0到1之间。容量因子越高，表明机组利用率越高，亦即设备的发电小时数越高。由于不同发电技术的性质差异，不同类型发电厂的容量因子会有很大差异。通常，核电、煤电等机组可以按满载额定容量长时间运行，容量因子和发电小时数较高；而风电、太阳能等可再生能源受来源不稳定，容量因子和发电小时数较低。同时，受到“弃风”、“弃光”等现象[24]的影响，风电和太阳能设备的发电小时数将进一步下降。

2013年，中国核电和煤电的平均发电小时数分别在7 610和5 120小时左右，水电的平均发电小时数在3 240小时左右，而风電和太阳能的平均发电小时数远低于以上类型电厂，分别为1 850和730小时左右。2013年以后，中国“弃风弃光”现象进一步恶化。2016年全国风电平均利用小时数仅为1 742小时，全年弃风电量497亿kW·h，弃风率超过17%[25]。相对国际上风电和太阳能平均发电小时数分别超过2 000小时和1 500小时的水平，中国风电和太阳能发电小时数过低，大量的发电设备没有得到充分利用。

发电小时数的差异，使得不同类型发电厂的发电量结构，与装机容量结构有所差别。煤电由于发电小时数高于平均值，因此其在发电量中的占比高于装机容量占比，2013年达到75.2%。风电和太阳能发电小时数远低于平均值，因此其在发电量中的占比大大低于装机容量占比，2013年分别为2.6%和0.2%。

基准情景下，未来煤电、核电和水电的发电小时数在初期有所下降，以后逐步回升。风电发电小时不仅没有提升，反而大幅下降，仅1 100余小时。太阳能发电小时数在2013年水平上略有提高，但仍远低于国际平均水平。大量风电和太阳能发电装机没有得到充分利用，不仅使得大量的投资被闲置，也使得其对温室气体减排的贡献被大大限制。

与基准情景不同，低碳情景下，煤电发电小时数持续下降，到2030年下降到3 900小时左右，比2013年下降了近四分之一。为了解决“弃风弃光”现象，2016年3月国家能源局推出了《可再生能源发电全额保障性收购管理办法》，制定了不同资源区可再生能源发电设备的保障性收购利用小时数。在低碳情景下，假设保障可再生能源发电利用小时数的政策继续得到实施并强化，基本解决了“弃风弃光”现象。风电发电小时数逐步上升，尤其是2030年以后，随着海上风电技术的成熟和应用，风电发电小时数接近3 000小时。相比基准情景，风电发电小时数增长了一倍有余。太阳能发电小时数相比基准情景也有大幅增长，到2030年将突破2 000小时，实现了太阳能发电设备的充分利用。在低碳情景下，可再生能源电力不仅装机容量大幅增长，发电小时数也持续上升，为未来中国电力部门减排做出重要的贡献。

3.3 电力部门CO₂排放趋势

由于发电技术结构不同，基准情景和低碳情景在发电量相差无几的情况下，排放轨迹差异很大，见图3。

基准情景下，未来中国煤电装机的绝对量仍将继续增长，且在电力总装机中的比重仍将保持在过半的水平上。风电、太阳能等可再生能源尽管装机容量得到显著增长，但由于发电小时数不升反降，其在电力供给中的作用受到限制。因此，在基准情景下，中国电力部门在中长期内碳排放仍将持续增长，无法达到峰值，到2050年电力部门排放将高达65.1亿t，相比2013年增长将近一倍。在这样的情况下，中国显然无法实现有效的低碳转型，更不可能为全球实现2℃目标做出应有的贡献。

低碳情景下，未来中国逐步淘汰煤电机组，大力发展风电、太阳能等可再生能源并保障其上网，在2030年以来推广电力CCS技术应用。在这些低碳政策作用下，电力部门碳排放在2020年达峰以后，将进一步加速脱碳。尤其是2030年以后，随着2005年以来煤电建设高峰期建设的机组逐渐达到运行寿命被自然淘汰，以及可再生能源的快速发展和CCS技术的应用，电力部门的碳排放下降速度明显加快，到2050年，电力部门的排放量可控制在4亿t以内。从电力部门对全国的减排贡献看，未来随着提高能效的减排潜力越来越小，电力部门在全国实现基准情景到低碳情景的低碳转型中将发挥越来越重要的作用。2030年，低碳情景下电力部门相对基准情景减排23.5亿tCO₂，在中国实现INDC目标的贡献率达到50%。到2050年，电力部门减排量进一步提高到61.5亿t，贡献率占比达到45%。

电力部门技术发展对CO₂减排的作用，也反映在电力部门碳强度变化上。基准情景下，电力部门的碳强度随着时间推移有所下降，但下降缓慢，其碳强度由2013年的0.63 kg CO₂/kW·h下降到2050年的0.52 kg CO₂/kW·h，下降约17%。相比于基准情景，低碳情景下，由于可再生能源发电占比上升，煤电占比下降，使得电力部门碳强度快速下降。低碳情景下，2030年电力部门的碳强度下降至0.34 CO₂/kW·h，比2013年下降46.2%。2030年之后，电力部门进一步快速脱碳，到2050年电力部门碳强度达到0.03 CO₂/kW·h，在2013年水平上下降95.2%，接近实现完全脱碳。

3.4 电力部门减排成本和投资需求

根据技术的固定成本、运营和维护成本、运行期内节约的燃料支出和全寿命周期内减排量，可以计算得到各技术的减排成本，如图4所示。

总体而言，电力部门重要的低碳技术，其成本未来将呈下降趋势。核电和水电的减排成本均为负值，表明这两项技术节约的能源费用可以弥补新增投资，不仅带来减排成果，还能带来经济收益。太阳能光伏发电和陆上风电已经较为成熟，成本较低。随着未来这两种技术继续发展，成本进一步降低，到2030年减排成本分别为17元/tCO₂（2013年價格，下同）和33元/tCO₂。电力部门的其他低碳技术，如海上风电、聚光太阳能发电、生物质能发电和CCS等成本较高，在200元/tCO₂～600元/tCO₂之间，但是未来成本也将进一步下降。

为了实现电力部门的减排潜力，需要加大投资力度。从电力部门的投资需求看，“十三五”期间，电力部门投资需求约为2.8万亿元（2013年不变价，下同），占GDP的比重约为1.02%；从中期看，2021—2030年，电力部门的投资需求约4.8万亿元，占GDP的比重约为0.80%；从长期看，2030—2050年，电力部门的投资需求约为6万亿元，占GDP的比重为0.77%。从电力部门内部的投资结构看（见图5），根据电力发展“十三五”规划，2016—2020年中国将新增煤电装机2亿kW，煤电投资约3 202亿元，占电力部门总投资的11%；天然气发电投资约1 662亿元，占6%；非化石能源发电投资占83%，其中可再生能源电力投资约2.1万亿元。2020年后，因不再新增煤电，非化石能源发电装机投资占比上升到96%，其中可再生能源电力投资约3.3万亿元。

4 结论与建议

本文构建了包含电力模块的自下而上的能源系统PECE-2017，根据社会经济驱动因子确定终端部门电力需求，并引入电力负荷曲线确定电力供给，设置了未来电力发展的基准和低碳两个情景，从供需结构、技术需求、成本和投资等多个角度，讨论分析电力部门自身的低碳转型及其对中国实现INDC目标及中长期低碳发展的作用和贡献。本文主要结论如下：

第一，未来电力消费需求将持续增长，且在终端能耗中的占比呈不断上升的趋势。低碳情景下，2050年电力需求达到114 869亿kW·h，比2013年上升125%，电气化率增加到34%；工业和建筑作为主要的电力消费部门，未来两者的电力消费比重将缓慢下降；而随着电动汽车的发展，未来交通部门电耗占比将有大幅上升。

第二，低碳情景下，电源结构逐步低碳化。自2020年以后不再新增煤电，现有煤电机组按其运行寿命逐步淘汰，到2050年完全淘汰煤电；风电和太阳能快速发展，装机容量大幅上升，到2050年在电力总装机中占比均超过30%，成为届时电力的主要来源；加强可再生能源电力保障性收购政策，提高风电和太阳能设备的发电小时数；在2020—2030年，利用天然气发电作为过渡电源，填补煤电下降后的电力空缺；2030年以后，部署和推广CCS技术，到2050年装机容量达到4.9亿kW。

第三，低碳情景下，电力部门在2020年碳排放达峰以后，将进一步加速脱碳。2030年，低碳情景下电力部门相对基准情景减排23.5亿tCO₂，在中国实现INDC目标的贡献率达到50%。2050年，电力部门排放量可控制在4亿t以内，相对基准情景减少排放61.5亿t，占总减排的贡献率达到45%，为中国的低碳转型和2050年低碳发展战略的实现做出重要贡献。

第四，為了支撑电力部门的低碳转型，需要加大投资力度。中期内（2021—2030年）电力部门的投资需求约4.8万亿元，占GDP的比重约为0.80%；长期内（2030—2050年）电力部门的投资需求约为6万亿元，占GDP的比重为0.77%。投资在GDP中的占比在合理区间，电力部门内部投资结构呈现明显的低碳化趋势。电力部门技术研发、示范和推广应用相关的巨额投资将成为驱动中国经济结构调整的重要因素，具有成为促进经济增长和就业创业新引擎的潜力。

电力部门基础设施寿命周期较长，具有很强的锁定效应，电力部门的长期低碳转型与今天的决策密切相关。根据以上结论，建议中国应当尽快制定长期低碳战略，针对关键低碳电力技术制定技术发展路线图，通过构建碳市场，利用市场价格机制为电力部门的低碳技术研发和低碳基础设施的投资提供稳定的政策预期，遏制高碳电力基础设施的投资，从而避免锁定效应。

参考文献（References）

[1]国家发改委. 强化应对气候变化行动——中国国家自主贡献[R]. 北京：国家发改委，2015.[National Development and Reform Commission. Enhanced actions on climate change： Chinas intended nationally determined contributions [R]. Beijing： National Development and Reform Commission， 2015.]

[2]国家发改委应对气候变化司. 中华人民共和国气候变化第二次国家信息通报[R].北京：国家发改委应对气候变化司，2014. [Department of Climate Change， National Development and Reform Commission. Second national communication on climate change of the Peoples Republic of China[R]. Beijing： Department of Climate Change， NDRC， 2014.]

[3]International Energy Agency. Energy technology perspectives 2015[R]. Paris：International Energy Agency，2015.

[4]CAI W J， WANG C， WANG K， et al. Scenario analysis on CO₂ emissions reduction potential in Chinas electricity sector [J]. Energy policy， 2007， 35： 6445-6456.

[5]GU B H， TAN X C， ZENG Y， et al. CO₂ emission reduction potential in Chinas electricity sector： scenario analysis based on LMDI decomposition[J]. Energy procedia， 2015， 75： 2436-2447.

[6]CHEN Q， KANG C， XIA Q， et al. Preliminary exploration on low-carbon technology roadmap of Chinas power sector[J]. Energy， 2011， 36（3）： 1500-1512.

[7]ZHAO C， ZHANG W， WANG Y， et al. The economics of coal power generation in China[J]. Energy policy， 2017， 105： 1-9.

[8]STEENHOF P A， FULTON W. Scenario development in Chinas electricity sector[J]. Technological forecasting and social change， 2007， 74（6）： 779-797.

[9]YUAN J， LEI Q， XIONG M， et al. The prospective of coal power in China： will it reach a plateau in the coming decade？[J]. Energy policy， 2016， 98： 495-504.

[10]STEENHOF P A. Decomposition for emission baseline setting in Chinas electricity sector[J]. Energy policy， 2007， 35（1）： 280-294.

[11]ZHANG M， LIU X， WANG W， et al. Decomposition analysis of CO₂ emissions from electricity generation in China[J]. Energy policy， 2013， 52： 159-165.

[12]MENG M， JING K Q， MANDER M. Scenario analysis of CO₂ emissions from Chinas electric power industry[J]. Journal of cleaner production， 2017， 142： 3101-3108.

[13]HEAPS C G. Long-range Energy Alternatives Planning （LEAP） system[CP]. Somerville MA， USA： Stockholm Environment Institute. 2017.https：//www.energycommunity.org.

[14]United Nations， Department of Economic and Social Affairs， Population Division. World population prospects： the 2015 revision， DVD edition [R].2015.

[15]中电联. 中国电力行业年度发展报告（2011—2016）[M]. 北京： 中国市场出版社， 2011—2016.[China Electricity Council. China power industry annual development report （2011-2016） [M]. Beijing： China Market Press， 2011-2016.]

[16]International Energy Agency. ETSAP-technology brief： CO₂ capture and storage[R]. 2011. http：//iea-etsap.org/E-TechDS/PDF/E14_CCS_oct2010_GS_gc_AD_gs.pdf.

[17]International Energy Agency. World energy investment outlook[R]. 2014. http：//iea.org/publications/freepublications/publication/WEIO 2014.pdf.

[18]国家发改委， 建设部. 建设项目经济评价方法与参数[M]. 北京：中国计划出版社， 2006. [National Development and Reform Commission， Ministry of Housing and Urban-Rural Development of the Peoples Republic of China. Economic evaluation methods and parameters of construction projects [M]. Beijing： China Planning Press， 2006.]

[19]国家发改委， 国家能源局.电力发展“十三五”规划（2016—2020年）[R]. 2016. [National Development and Reform Commission， National Energy Administration. Chinas power sector 13th Five Year Plan （2016-2020）[R]. 2016.]

[20]IPCC. Climate change 2014： mitigation of climate change， Working Group III Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [M]. Cambridge： Cambridge University Press， 2014.

[21]国务院.节能与新能源汽车产业发展规划（2012—2020年）[R].2012.[The State Council. The planning for the development of the energy-saving and new energy automobile industry （2012-2020）[R]. 2012.]

[22]SU Q H， WANG Q X， WANG D J，et al. Spatial and temporal variation of energy carbon emissions in Yantai from 2001 to 2011[J]. Chinese journal of population， resources and environment， 2016， 14（3）：182-188.

[23]CAI B F， WANG J N， YANG S Y， et al. 2017. Carbon dioxide emissions from cities in China based on high resolution emission gridded data [J]. Chinese journal of population， resources and environment， 2016，15（1）：58-70.

[24]绿色和平.弃风弃光地图[EB/OL]. [2017-10-25]. http：//www.greenpeace.org.cn/site/climate-energy/2017/china_wind_and_solar_curtailment_map/.[GreenPeace. The map of abandoned wind and light[EB/OL]. [2017-10-25]. http：//www.greenpeace.org.cn/site/climate-energy/2017/china_wind_and_solar_curtailment_map/.]

[25]國家能源局. 2016年风电并网运行情况[EB/OL].（2017-01-26）[2017-10-15]http：//www.nea.gov.cn/2017-01/26/c_136014615.htm.[National Energy Administration. Wind power grid operation in the year of 2016 [EB/OL].（2017-01-26）[2017-10-15]http：//www.nea.gov.cn/2017-01/26/c_136014615.htm.]