碳市场风险的分析与控制(一)框架设计
2018-06-21薛禹胜
黄 杰, 薛禹胜, 蒋 超, 薛 峰, 钱 锋
(1. 南瑞集团(国网电力科学研究院)有限公司, 江苏省南京市 211106;2. 南京理工大学自动化学院, 江苏省南京市 210094)
0 引言
随着全球气候变化与人类工业活动的关系逐步被证实,气候变化已成为人类可持续发展面临的核心挑战,减少人类工业活动所产生温室气体排放的呼声愈演愈烈[1]。无论是全球气候变化的严峻性、国家政治承诺的严肃性、抑或是行业可持续发展的迫切性,都要求各国、各地区、各行业、各企业积极实施碳排放总量控制。1997年由联合国气候变化框架公约参加国制定的《京都议定书》提供了三种减排机制供签约国选择,即排放交易、联合履约及清洁发展机制,其中基于市场行为的排放交易已得到较广泛的认可[2]。一般约定俗成地将温室气体减排统称为碳减排,将排放交易称为碳交易,相应的交易市场称为碳市场。采用“总量控制与交易”模式的碳市场被广泛认为是一种有效、可信、透明的基于市场机制的政策工具,能以较低的成本实现减排目标[3]。截至2017年,全球已有35个国家、15个州或省,以及7个城市建立碳市场[4]。中国从2011年开始实施碳市场试点,并于2017年12月19日正式启动全国碳市场。作为能源和排放密集型行业,电力既是碳减排的重要行业,也是碳市场的主要参与者。
目前全球范围内碳市场的实际运行情况并未达到设计预期,市场风险已现端倪。已有研究将监管目标聚焦于保证碳市场价格的稳定性,主要控制碳价波动范围(应对过低/过高碳价),抑或控制碳价波动幅度(应对价格的剧烈振荡),以稳定市场参与者对未来碳价趋势的预期[5]。实践中,一般不设置硬性的最高/最低碳价,而是通过其他手段设定弹性价格限制,包括:配额调节机制、拍卖预留价格、价格涨跌幅限制、抵消信用使用规定、额外费用征收、履约期调整等。此外,其他能源政策与碳市场的配合,也能起到调控市场的作用,但也可能引入新的风险因素[6-7]。文献[3]指出碳市场设计必须适配其所处环境,并从确定覆盖范围、设定市场总量、配额分配、抵消机制、灵活性措施、市场稳定措施、监督与履约、能力建设、市场链接、评估与改进十个步骤详细阐述碳市场的设计思路。目前,关于碳市场风险防控框架的讨论鲜见报告,尤其是风险量化分析、多道防线设计、防线内部优化及防线间协调优化方法等几方面。急需完备的风险防控框架来应对相关领域不确定性因素引入的风险,进行可靠有效的事前校核,推演决策后效与系统态势,尽早识别风险、评估风险、并防控风险。
针对上述问题,由两篇文章组成的系列论文,借鉴电力系统大停电防御的理论框架和研究手段,将灾害防御的普遍规律推广应用于碳市场风险分析与控制,通过定义关键特征划分了碳市场风险防控的多道防线,并提供了多道防线的协调优化思路。基于自主研发的大能源系统动态仿真平台(dynamic simulation platform for macro-energy systems,DSMES),建立了模拟微观交易行为的碳市场动态仿真模型,对实际碳市场演化态势进行了仿真模拟,并进一步推演了预防控制、紧急控制及其协调控制降低碳市场风险总成本的效果,以验证所提的碳市场风险防控框架及沙盘推演技术用于监管决策支撑的可行性和有效性。
作为系列论文的首篇,本文讨论了碳市场约束及其风险机理;基于灾害防御的普遍规律,设计了碳市场风险防控的多道防线;通过对“扰动凸显”“参量违约”和“功能丧失”三个关键特征的定义,划分了碳市场风险防控的多道防线;阐述了控制目标及关键技术需求,为后续的沙盘推演和优化决策研究提供理论依据及研究手段。
1 碳市场约束及其风险机理
1.1 约束来源
政府间气候变化专门委员会(IPCC)第5次评估报告指出“能95%地确定,人为影响是造成感测到的20世纪中叶以来变暖的主要原因”[8]。气候系统的可修复能力存在上限,如果累积碳排放量超过可修复能力,全球的灾害性变暖将给人类带来不可逆的负面影响。基于人类目前对于气候系统的认知水平,其可恢复域的描述是极为困难的问题,目前全球认可度最高的灾害性变暖阈值是“2 ℃目标”,是IPCC认可的防止全球灾难性变暖的远期约束。基于“2 ℃目标”,气候学家基于气候模型推演,推算出为达成“2 ℃目标”本世纪末全球累积碳排放量的上限值(1.5×1012t)。自工业革命以来人类已经排放了5×1011t,因此只有不到1×1012t的排放空间。
上述指标是联合国气候变化框架公约下各国谈判的依据,需要将减排目标在全球范围及不同时段进行分解,共同应对气候变化(见图1)。除气候变化的科学依据之外,各国(地区)减排阈值设定还需要考虑社会、经济发展水平,以及公平性等伦理问题。一些国家(地区)立足自身国情已经承诺了自身的减排目标,2015年巴黎气候大会上,联合国气候变化框架公约195个缔约国达成了共识,参会各方将以“国家自主贡献(intended nationally determined contribution,INDC)”方式参与全球气候变化。中国所提交的INDC中提出“碳排放量于2030年左右达峰,单位GDP碳排放量比2005年下降60%～65%”,这也将作为中国的远期减排目标。为确保远期减排目标的实现,远期减排目标在中国的五年规划中作为约束性指标强化落实。中华人民共和国国务院于2016年10月27日印发了《“十三五”控制温室气体排放工作方案》,明确了中期减排目标:到2020年,单位GDP碳排放量比2015年下降18%。
图1 全球气候约束的时空分解Fig.1 Space-time decomposition of global climate constraints
为达成各阶段减排目标,需寻求多种管控机制的协同。《“十三五”控制温室气体排放工作方案》明确了众多减排措施，如建立全国碳市场,加快发展非化石能源,建设低碳交通运输体系,及完善应对气候变化法律法规等,其中全国碳市场是实现碳减排目标最重要的举措之一。自2013年起,七个省市陆续启动碳市场试点(深圳、北京、上海、广东、湖北、重庆、天津)。2016年1月,国家发改委发布《关于切实做好全国碳排放权交易市场启动重点工作的通知》[9],提出全国碳市场第一阶段拟涵盖石化、化工、建材、钢铁、有色、造纸、电力、航空等重点排放行业,控排企业需要在履约时刻提交与之实际排放量相等的配额。2017年12月19日,全国碳市场以发电行业为突破口正式启动,拟分阶段、有步骤地推进碳市场建设,在平稳有效运行的基础上,逐步扩大参与碳市场的行业范围和交易主体范围、增加交易品种,最终建立起归属清晰、保护严格、流转顺畅、监管有效、公开透明的碳市场[10]。
根据国际能源署的统计,人类能源活动所产生的温室气体排放是全球人类活动所产生碳排放量的最主要贡献者(约占全球碳排放总量的58%)。而在人类能源活动当中,电力和热力生产所产生的温室气体排放约占42%[11]。中国的能源革命和经济转型正在推动能源行业朝着新方向发展。能源需求增速明显放缓,年均增速从2000年到2012年的8%降低到2012年以来的不足2%,并预计到2040年降低至1%[12]。中国已全面进入对能源消费和碳排放严格控制的低碳发展时代。
1.2 风险机理
风险来源于不确定性,碳市场环境下不同主体面临的风险可能包括资产风险、金融风险、法律风险、信用风险等。在本文中,将聚焦碳市场的设计目标,从市场监管视角来讨论相关不确定性对碳市场减排效果的影响。
一方面,碳市场直接控制碳排放总量,由供求关系决定碳市场价格。目前碳市场中的供应取决于总量控制目标下的当期配额分配量、前期“储存”或后期“预借”配额量、可使用抵消信用量、与外部碳市场的衔接互通等。这些参量随市场设计方案而确定,供应量相对固定,并缺乏价格弹性;另一方面,市场覆盖范围内的碳排放水平易受自然环境、社会发展、技术进步、经济活动、多方博弈等内外部因素影响,碳排放需求具有极强的不确定性。可见,众多内外部因素作用下,相对确定的碳排放配额供应与高度不确定的碳排放需求之间的矛盾,是当前碳市场风险的主要诱因,这将导致碳市场无法提供稳定的、由市场驱动的价格信号,对低碳技术投资激励不足,不利于远期减排目标的达成。
文献[13]指出在固定配额总量模式下,碳价取决于配额分配量相对于实际减排量的差额,若缺乏有效的市场管制措施,碳市场价格将呈现剧烈波动态势。文献[14]预计极高或极低价格现象极有可能在全球大部分碳市场中出现。
1.3 实际案例
欧洲碳市场(European Union Emission Trading Scheme,EU ETS)自建立至今发生多次碳价剧烈波动。2006年4月,核查结果显示2005年发放配额数量大大超出实际碳排放量,该信息的披露导致碳价在短期内由30欧元/t跌至10欧元/t;2008年第二阶段启动后,通过减少配额供应,碳价一度攀升,然而,全球金融危机爆发导致欧盟工业产能下降,配额需求再次下降,导致碳价由25欧元/t下跌至15欧元/t左右;随着欧盟债务危机持续恶化,碳价由15欧元/t跌至5欧元/t左右(如图2所示)。
图2 主要事件对EU ETS价格动态的影响(基于2005—2014年实际数据)Fig.2 EU ETS price dynamics under major events (based on 2005—2014 actual data)
观察到上述事件对市场的负面影响后,欧盟开始着手制定EU ETS改革方案。2012年11月,欧盟委员会提出“折量拍卖”计划,即在2016年底前冻结近9×108t碳配额,推迟至2019—2020年再进行拍卖。然而,由于缺乏配额调节的法律依据,该计划经历了欧洲议会反复的投票和修改之后,才于2014年3月迟迟出台,此时,已经错过了市场管制的最佳时机。
可见,即便是在经济增长较为平稳、产业结构和碳排放结构相对稳定的欧盟,“绝对总量配额—动态排放需求”之间的矛盾仍然十分突出[13]。EU ETS中配额总量一经确定难以更改,而碳配额的过度分配、宏观经济扰动及抵消信用的过度使用则是配额供大于求的主要诱因,低迷的碳价水平也正是这一供求关系的表征。在市场规则制定时,EU ETS没有充分考虑各类潜在关联事件对供求关系的影响,且在扰动发生后,缺乏有效的预警和响应机制。
2 碳市场风险防控框架设计
2.1 灾害防御的普遍规律
文献[15]探讨了现代互联电网稳定分析、三道防线的现状及发展方向,文献[16]讨论了大停电防御系统的要素,基于该框架研发的综合防御系统已在中国广泛应用,显著提升了电力系统的经济性及安全性。基于该防御框架,可提炼灾害防御的一般性规律(如图3所示),通过确定关键事件触发点,将灾害防御的多道防线划分为:扰动前的预防控制(包括规划及运行过程中的预防控制)、扰动发生后尽早消除扰动源、检测到扰动后的紧急控制、发现参量违约后的校正控制,以及系统功能丧失后的恢复控制。利用关键事件触发点来划分各道防线,有助于明确各道防线的控制时机、控制空间和控制目标,更清晰地反映控制机理。例如,预防控制是决策者在决策支撑工具辅助下发出的控制,紧急控制是自主预测后果后的前馈控制,校正控制是基于反馈信息的反馈控制,恢复控制则是经验与沙盘推演相结合的综合博弈。在此防御框架中,不仅各道防线内部的控制决策存在优化问题,防线间控制决策还存在协调问题[17]。
图3 灾害防御框架的构成Fig.3 Structure of disaster defense framework
碳市场风险防控也符合灾害防御框架的普遍规律:灾害发生前可以加强市场机制结构、实施预防控制;在扰动发生后及时消除扰动源,并在扰动恶果呈现前实施主动控制措施;恶果一旦呈现,为避免其不受控的扩大,应实施被动的控制措施;若扰动导致系统机能受损,则需进行恢复控制使系统机能尽快恢复正常。
2.2 多道防线的框架设计
电力系统物理约束来自系统本身安全稳定约束的刚性要求,既有持续越限时间型约束(如电压稳定性),又有时间断面型约束(如功角稳定性),其控制实时性要求非常高。碳排放约束源自碳排放源不能满足社会环境福利的弹性要求,为碳排放累积量在履约时刻的断面型约束,对履约时刻前各分时段值无严格显性限制要求,控制实时性要求较低。文献[18]已经从约束源头、引入途径、时间特性、风险计算、管理实时性等方面对碳排放约束与电力系统物理约束两者的差异进行了详细阐述。考虑到碳市场风险机理和时空特性,可重点从“扰动凸显”“参量违约”“功能丧失”这三个关键特征出发,划分碳市场风险防控的多道防线。
1)“扰动凸显”——扰动场景的辨识
来自包括经济环境、自然环境、信息系统等相关领域的扰动都会影响碳市场的运营:①经济环境。在金融危机和欧债危机影响期间,欧洲大部分工业活动处于停滞状态,配额需求量显著下降,致使2008年7月至2012年4月期间欧洲碳市场价格下跌超过80%[19]。②自然环境。2001—2010年,美国加州由山火引发的累计碳排放量约1.2×108t,长期还会显著降低森林植被的碳吸收能力[20]。2011年日本地震引发的福岛核泄漏事故,致使日本于2012年5月进入“零核电”状态,这使得日本2013年度的碳排放量相较2010年增加了约1×108t[21]。③信息系统。2011年1月欧洲碳交易系统发生严重的配额网络盗窃,失窃价值超过5×107欧元的配额。事发后,欧盟委员会采取一系列补救措施,包括临时终止成员国配额登记系统[22]。碳市场的硬性约束是阶段碳排放总量上限,对运行过程中的某个时间断面或时间窗口内的碳排放量不敏感。这一约束特性使得扰动对目标函数的影响方向和强度不易辨识。根据扰动的时间尺度及扰动后果的可预见性,可将扰动分为“突发型”扰动和“缓变型”扰动。
碳市场对控制的实时性要求不高,因此,碳市场中的紧急控制可采用开环控制,识别到扰动后,由计算机进行决策分析,向相关监管人员提供建议,由后者实施决策。针对能够明确辨识其后效的“突发性”扰动,可尽早实施紧急控制。一些扰动则是经过一段时间后的累积效果产生影响(如能源需求,燃料价格缓慢变化的持续影响),难以明确相关影响触发的具体时间点,针对此类“缓变型”扰动,可关注“参量违约”特征,实施校正控制。此外,在碳市场中也有类似“消除扰动源”,例如冻结存在恶意操纵市场行为的市场主体账户。
2)“参量违约”——运行态势的监测
在碳市场运行过程中并没有明确的碳排放约束性参量,这需要监管者根据相关参数的动态轨迹构建参量违约指标。需要加强对碳市场运行过程中相关状态参量的监视,并在参量波动时有针对性地进行控制,以确保在履约时刻达成总量减排的目标。可基于当前碳排放动态所预估全年排放总量与控排目标之间的比率来构建指标,根据该指标是否超出某一阈值来判定参量是否违约,指导校正控制的实施。可以是单一指标,也可以是具有不同时空尺度、不同量纲的指标集。
以本文所建议框架重新审视可知,目前碳市场调控措施以校正控制为主,所选择的运行态势监测参量以碳市场价格及配额流通量为主,校正控制手段既包括对碳价涨跌幅的连续断面约束,也包括针对某一价格阈值的持续越限约束,配额流通量的连续断面约束等。然而,缺乏对碳市场未来演化态势的事前推演和感知。此外,虽然价格是碳市场的重要状态变量,也不能准确反映最终的减排效果或市场效率。
3)“功能丧失”——违约风险的评估
在某一履约期内,碳市场的刚性约束是其设定的碳排放总量上限(绝对总量或强度总量)。系统累计碳排放总量超出碳市场的总量上限,可视作该阶段碳市场管制“功能丧失”,需要实施恢复控制以恢复碳市场的管制功能。由于远期减排目标一般被分解为多个阶段减排目标,因此某一阶段减排目标的达成(或未达成)并不意味着远期目标的达成(或不能达成)。碳市场多阶段约束的特性意味着不仅需要评估超额排放所带来的环境损失,若超额完成减排任务,超额减排部分所获得经济或社会效益也需要评估。
碳市场风险防控应当在控制成本与剩余风险之间协调,一方面,若控制成本过高,对社会造成较大影响,可保留一部分剩余风险,在后续阶段弥补;另一方面,若控制成本较低,也可以进行超额控制,获取超额减排效益,缓解后续阶段减排压力。
2.3 多道防线的协调优化
基于关键特征的划分,在扰动发生前识别不同扰动场景及其潜在影响,制定风险最小的市场机制设计与运营方案,属于“预防控制”防线;辨识扰动后,在扰动后果尚未充分表现前实施控制,属于“紧急控制”防线,在出现相关状态参量的违约后实施控制,属于“校正控制”防线;若市场阶段性减排目标未达成,则需要进行“恢复控制”,恢复碳市场的管控功能。
文献[17]对不同防线在决策方式、控制方式和实施时间上的差异进行了详细讨论。预防控制在扰动发生前实施,采用预测控制律,将影响其后发生的任何扰动。紧急控制在故障发生后实施,采用预测控制率,是由扰动信号驱动的前馈控制。校正控制是检测到相关参量违约后的反馈型控制,是对付小概率严重扰动的重要手段。每道防线都有其他防线不可替代的重要性,但各道防线之间的相互影响使多道防线的协调十分重要。
就碳市场风险防控而言,虽然对控制实时性要求不高,但众多相关扰动对碳市场的中长期影响不易辨识和评估,对碳市场态势推演能力提出了更高要求,需要在扰动场景辨识,市场态势推演,以及控制效果评估几方面开展深入研究。
3 控制目标及技术需求
上述内容为碳市场风险防控提供了控制框架。本节将进一步明确碳市场风险防控的目标,从沙盘推演和量化评估两方面论述关键技术需求,以夯实后续分析与控制工作的基础。
3.1 数学模型
碳市场风险防控问题均可抽象为式(1)所示形式,即满足给定约束下的控制成本最小问题。
(1)
式中:Xt为t时刻的控制向量;C(Xt)为t时刻的控制成本;G(Xt)=0和Z(Xt)≤0分别为从碳排放、资金、资源、技术等方面引入的等式和不等式约束集合。
碳排放监管需要制定分阶段目标及相应控制措施,基于分阶段减排目标的碳排放约束本质上具有一定弹性。根据文献[23]所提出的广义阻塞管理思路,针对此类约束条件,可转而评估控制不足所带来的风险成本(Re>0),或超额控制所获得的风险收益(Re<0),以风险总成本(控制成本与风险之和)为控制目标,剩余的硬性约束集合可用Z′(Xt)≤0表示,如式(2)所示。
(2)
潜在扰动识别及风险评估是优化控制的前提。根据风险的定义,若扰动发生的可能性可用概率衡量,则其风险值即为扰动概率与所引发损失的乘积,如式(3)所示:
(3)
3.2 演化态势的沙盘推演
碳市场演化态势的沙盘推演是典型的信息—能源—社会系统问题[24],其中既有客观物理规律和理性统计规律,也有主观博弈行为,涉及多个子系统的复杂系统整体具有子系统不具有的现象。对于包含参与者多方博弈行为的多领域复杂大系统的研究,仿真方法是目前唯一的解决方案。文献[25-26]提出应当融合统计关系数据、因果关系数据及博弈行为数据,使得当前基于常规数据及主观经验的决策模式,发展为基于数学模型、参与者及多代理模型的混合仿真的沙盘推演模式。为实现碳市场演化态势的准确刻画,需要从多源异构海量一次数据中,融合统计分析、因果分析和行为分析手段,抽取高效的二次数据资源,建立支持数学模型、多代理模型,以及反映特殊人群或非理性行为的少量真实人之间的动态交互仿真环境,以便有效评估碳市场在复杂内外部不确定性因素影响下的演化态势[27]。
笔者所在研究团队从最初的动力学模型开始,逐步构建起DSMES,并以电力经济、物理系统的交互为立足点,接入电力系统周边领域的数据和模型,支持复杂跨领域交互问题研究的仿真环境,以及多人多角色的实验经济学仿真。为提升实验经济学方法的工程应用能力,文献[28]基于DSMES提出一种混合仿真方法,将多代理模型与实验经济学相结合,利用前者反映指定人群决策模式的统计分布,代替大量参与者,同时,利用后者反映其他人群的主观意愿及博弈行为。其中,确保多代理模型的统计结果与某指定人群的意愿统计分布相吻合是混合仿真的关键技术。通过设计仿真场景来反映不确定性,即可基于该仿真系统获取大能源系统对不同扰动及控制措施的动态响应轨迹,使得计及市场参与者决策行为的沙盘推演成为可能。
3.3 违约风险的量化评估
已有评估方法包括:基于碳排放社会成本(social cost of carbon,SCC)、基于边际减排成本(marginal abatement cost,MAC)以及基于碳市场价格。
1)美国环境保护署对SCC的定义是:新增单位二氧化碳排放所带来损害在某年的货币价值[29]。综合评估模型(integrated assessment model,IAM)是计算SCC的主流工具[30],美国、加拿大、英国、法国等国政府都采用IAM模型计算SCC,辅助制定气候及能源政策。美国政府采用三种主流IAM模型(DICE,PAGE,FUND模型)计算结果的均值来确定SCC。然而,由于对气候变化损害机理认识的局限,IAM模型不可能完整计及气候变化所引起的物理、生态和经济影响,模型中忽略了大量可能增加气候变化损失的因素,此外,经验参数(如折现率)的选取也对评估结果有较大的影响。
2)MAC是指额外减少单位二氧化碳排放所需付出的经济成本,侧重技术减排措施的实施成本。
通过绘制MAC曲线,能够明确不同减排技术的减排潜力和减排成本,以支撑技术决策。常用的备选减排措施包括:清洁能源技术、减少森林采伐、改进农业耕作方法等。由于MAC侧重技术减排成本,尚无法评估相关措施对于社会成本的影响,难以支撑监管机构制定控制措施。
3)碳市场价格是碳市场中配额供求关系的反映。然而,目前碳市场中配额供应量设定并无机理研究支撑,未与环境安全勾连,无法反映碳排放对社会成本的影响。
综上,三类评估方法中,SCC方法直接评估气候变化引发的损失,最能够直接反映碳排放对社会成本的影响,然而由于需要采用大量模型简化和经验参数,不同机构对SCC的评估结果从数十美元到数千美元每吨不等;MAC方法从技术层面来货币价值化碳排放减排成本,对企业制定转型战略比较有帮助,但由于缺乏对边际社会减排成本的评估手段和评估结果,难以为监管者提供决策支撑;由于碳市场价格与气候安全的弱联系,更多应用于企业运营战略,极少用于支撑监管层面的控制决策。笔者认为,从监管机构层面,通过对边际社会减排成本的评估来代替对超额排放所引发损失的评估,是值得探索的技术方法。
4 结语
本文论述了气候系统与碳市场的关系,并以EU ETS的实际价格动态为例,讨论了风险防控体系缺失产生的负面影响。基于在电力系统大停电防御上的理论和实践基础,归纳提炼了灾害防御框架的普通规律,并讨论了将其应用于碳市场风险防控的可行性。考虑到碳市场约束与电力系统的物理约束在约束机理、约束时间尺度、管控实时要求几方面的本质差异,本文建议基于“扰动凸显”“参量违约”“功能丧失”这三个关键特征来构建碳市场风险防控的多道防线。最后,构建了碳市场风险防控的数学模型,建议在仿真中应计及多领域系统的相关因果型和统计型数学模型,以及市场经济中参与者复杂决策行为。笔者所在研究团队已研发成功的DSMES能够支撑相关数学模型、行为代理、参与者博弈在同一平台上交互动态仿真,为后续沙盘推演奠定了基础。基于本文所提出的防控框架,所开展的碳市场仿真模拟及沙盘推演工作,将在系列论文的续篇中报道,以论证本文所提出框架对监管机构的决策支撑效果。
参考文献
[1] 段居琦,徐新武,高清竹.IPCC第五次评估报告关于适应气候变化与可持续发展的新认知[J].气候变化研究进展,2014,10(3):197-202.
DUAN Juqi, XU Xinwu, GAO Qingzhu. Understanding of climate change adaptation and sustainable development for IPCC fifth assessment report[J]. Progressus Inquisitiones de Mutatione Climatis, 2014, 10(3): 197-202.
[2] SHISHLOV I, MOREL R, BELLASSEN V. Compliance of the parties to the Kyoto protocol in the first commitment period[J]. Climate Policy, 2016, 16(6): 1-15.
[3] 市场准备伙伴计划(PMR),国际碳行动伙伴组织(ICAP).碳排放交易实践手册:碳市场的设计与实施[EB/OL].[2018-01-03].https://icapcarbonaction.com/zh/?option=com_attach&task=download&id=409.
[4] 国际碳行动伙伴组织(ICAP).全球碳市场进展2017年度报告[EB/OL].[2018-02-28].https://icapcarbonaction.com/en/?option=com_attach&task=download&id=442.
[5] WOOD P J, JOTZO F. Price floors for emissions trading[J]. Energy Policy, 2011, 39(3): 1746-1753.
[6] 魏庆坡.碳交易与碳税兼容性分析——兼论中国减排路径选择[J].中国人口·资源与环境,2015(5):35-43.
WEI Qingpo. Study on the pathway of china to mitigate emissions based on the compatibility of carbon tax and ets[J]. China Population, Resources and Environment, 2015(5): 35-43.
[8] 秦大河,STOCKER T.IPCC第五次评估报告第一工作组报告的亮点结论[J].气候变化研究进展,2014,10(1):1-6.
QIN Dahe, STOCKER T. Highlights of the IPCC working group. I. fifth assessment report[J]. Progressus Inquisitiones de Mutatione Climatis, 2014, 10(1): 1-6.
[9] 国务院.十三五控制温室气体排放工作方案[EB/OL].[2018-01-04].http://www.gov.cn/zhengce/content/2016-11/04/content_5128619.htm.
[10] 国家发展改革委员会.全国碳排放权交易市场建设方案(发电行业)[EB/OL].[2018-01-04].http://www.ndrc.gov.cn/gzdt/201712/W020171220577386656660.pdf.
[11] International Energy Agency (IEA). CO2emissions from fuel combustion highlights 2017 edition[EB/OL].[2018-02-01].https://www.iea.org/publications/freepublications/publication/CO2EmissionsfromFuelCombustionHighlights2017.pdf.
[12] International Energy Agency.2017世界能源展望[EB/OL].[2018-01-04].https://www.iea.org/publications/freepublications/publication/WEO_2017_Executive_Summary_Chinese_version.pdf.
[13] 深圳市碳排放权交易研究课题组.建设可规则性调控总量和结构性碳排放交易体系——中国探索与深圳实践[J].开放导报,2013(3):7-17.
Shenzhen Carbon Trading Task Group. On a trading system for carbon emission by macro and structural regulating[J]. China Opening Journal, 2013(3): 7-17.
[14] BORENSTEIN S, BUSHNELL J, WOLAK F. Expecting the unexpected: emissions uncertainty and environmental market design[EB/OL].[2018-01-03].https://ssrn.com/abstract=2575485.
[15] 薛禹胜.时空协调的大停电防御框架:(一)从孤立防线到综合防御[J].电力系统自动化,2006,30(1):8-16.
XUE Yusheng. Space-time cooperative framework for defending blackouts: Part Ⅰ from isolated defense lines to coordinated defending[J]. Automation of Electric Power Systems, 2006, 30(1): 8-16.
[16] 薛禹胜.时空协调的大停电防御框架:(二)广域信息、在线量化分析和自适应优化控制[J].电力系统自动化,2006,30(2):1-10.
XUE Yusheng. Space-time cooperative framework for defending blackouts: Part Ⅱ reliable information, quantitative analyses and adaptive controls[J]. Automation of Electric Power Systems, 2006, 30(2): 1-10.
[17] 薛禹胜.时空协调的大停电防御框架:(三)各道防线内部的优化和不同防线之间的协调[J].电力系统自动化,2006,30(3):1-10.
XUE Yusheng. Space-time cooperative framework for defending blackouts: Part Ⅲ optimization and coordination of defense-lines[J]. Automation of Electric Power Systems, 2006, 30(3): 1-10.
[18] 薛禹胜,黄杰,文福拴,等.排放阻塞与输电阻塞的交互影响[J].电力系统自动化,2011,35(15):6-12.
XUE Yusheng, HUANG Jie, WEN Fushuan, et al. Mutual influences between emission congestion and transmission congestion[J]. Automation of Electric Power Systems, 2011, 35(15): 6-12.
[19] 张敏思,范迪,郑爽.欧盟排放交易体系“折量拍卖”计划遭否决的影响与启示[EB/OL].[2018-01-04].http://www.ncsc.org.cn/article/yxcg/yjgd/201404/20140400000857.shtml.
[20] CART J. In California’s wildfires, a looming threat to climate goals[EB/OL].[2018-01-04].https://calmatters.org/articles/californias-wildfires-looming-threat-climate-goals/.
[21] 上海市气象局.日本2013年碳排放量达历史最高[EB/OL].[2018-01-04].http://www.smb.gov.cn/sh/qhbh/qxkp2/qhbhcs/infodetail/0bcfcec9-5c3d-453f-bf44-e5de89690787.html.
[22] 薛彦平.2011年欧盟气候变化政策重大事件回顾[EB/OL].[2018-01-03].http://ies.cass.cn/wz/yjcg/ozkj/201207/t20120731_2458481.shtml.
[23] XUE Yusheng, LI Tianran, YIN Xia, et al. Managements of generalized congestions[J]. IEEE Transactions on Smart Grid, 2013, 4(3): 1675-1683.
[24] XUE Yusheng, YU Xinghuo. Beyond smart grid—cyber-physical-social system in energy future[J]. Proceedings of the IEEE, 2017, 105(12): 2290-2292.
[25] 薛禹胜,赖业宁.大能源思维与大数据思维的融合:(一)大数据与电力大数据[J].电力系统自动化,2016,40(1):1-8.DOI:10.7500/AEPS20151208005.
XUE Yusheng, LAI Yening. Integration of macro energy thinking and big data thinking: Part Ⅰ big data and power big data[J]. Automation of Electric Power Systems, 2016, 40(1): 1-8. DOI: 10.7500/AEPS20151208005.
[26] 薛禹胜,赖业宁.大能源思维与大数据思维的融合:(二)应用及探索[J].电力系统自动化,2016,40(8):1-13.DOI:10.7500/AEPS20160311004.
XUE Yusheng, LAI Yening. Integration of macro energy thinking and big data thinking: Part Ⅱ applications and explorations[J]. Automation of Electric Power Systems, 2016, 40(8): 1-13. DOI: 10.7500/AEPS20160311004.
[27] 黄杰,薛禹胜,薛峰.电力系统碳排放态势推演中的大数据思维[C]//中国工程院/国家能源局第四届能源论坛,2017年9月21日至22日,中国北京:6p.
[28] HUANG Jie, XUE Yusheng, JIANG Chao, et al. An experimental study on emission trading behaviors of generation companies[J]. IEEE Transactions on Power Systems, 2015, 30(2): 1076-1083.
[29] United States Environmental Protection Agency. The social cost of carbon-estimating the benefits of reducing greenhouse gas emissions[EB/OL].[2017-01-19].https://19january2017snapshot.epa.gov/climatechange/social-cost-carbon.html.
[30] METCALF G E, STOCK J. The role of integrated assessment models in climate policy: a user’s guide and assessment[JB/OL]. [2017-01-19].https://www.belfercenter.org/sites/default/files/legacy/files/dp68-metcalf-stock.pdf.
