不同经济发展路径下的能源需求与碳排放预测——基于河北省的分析

翁智雄,马忠玉,*,葛察忠,蔡松锋,程翠云,杜艳春

不同经济发展路径下的能源需求与碳排放预测——基于河北省的分析

翁智雄1,马忠玉1,2*,葛察忠3,蔡松锋2,程翠云3,杜艳春3

(1.中国人民大学环境学院,北京 100872；2.国家信息中心,北京 100045；3.生态环境部环境规划院,北京 100045)

运用协整检验和马尔科夫链等方法研究不同经济增长路径下河北省2017~2035年的能源需求与结构、CO2排放情况.结果显示:经济增长对能源需求具有明显的拉动作用.低速增长情景下,河北2035年的人均能源消费量与能源消费总量将分别达到5.261tce和41613.294万tce,而高速情景下则分别为7.618tce和60258.456万tce.河北未来的能源结构将长期保持相对稳定的状态,煤炭在能源结构中的绝对份额短期内难以改变,预计到2035年煤炭的消费占比仍将达到88.16%.河北的CO2排放量将依然长期保持增长趋势.高速情景下,预计CO2排放量将从2017年的87699.314万t增加至2035年的159117.415万t,分别是同期低速增长情景下的1.01倍和1.45倍.应保持经济合理增长,优化能源消费结构,调整产业布局,培育和发展新动能.

能源需求预测；能源结构预测；经济增长；碳排放；河北

河北省是中国的重工业大省,也是大气污染问题最为突出的省份之一[1].2017年,中国74个城市空气质量排名中,空气质量后10位的城市河北就占据了6个[2];京津冀地区碳排放量约占全国的1/5[3],而河北则是京津冀地区的主要“排放大户”.河北的大气污染状况与其以钢铁为主的产业结构和“一煤独大”的能源消费结构密切相关[4-5],钢铁产量长期居于全国首位[6],煤炭占其能源消费的比重长期达85%以上[7].在供给侧结构性改革和京津冀协同发展战略背景下,不合理的产业结构和能源结构已经成为制约河北经济社会发展的主要问题[8],也成为影响解决河北突出大气污染问题的关键因素.能源需求和结构的变化本质上受经济增长、人口规模扩大和工业化发展的驱动,只有识别出河北省能源需求变化的关键因素,才能为其未来的经济与能源发展规划提供参考依据.

能源需求的研究可以划分为3类:一是分析能源需求与经济增长关系,二是研究能源需求的各类影响因素,三是识别不同经济增长方案下的能源需求.能源需求与经济增长的研究较多,国内外大多数研究认为两者之间呈正向关系[9-11].在此基础上,学者们将原先单一的经济增长维度拓展至涵盖城镇化、工业化、能源效率、能源价格等多维度的分析上.何晓萍等[12]将GDP、城市化、工业化、电力使用效率和电价水平纳入考虑,认为中国2020年的人均电力消费量将达到5000KW×h.国内关于不同经济增长方案下的能源需求研究主要集中在国家层面.如刘兰凤等[13]分析了在6.5%的GDP增长方案下,中国2030年的能源需求总量约为66.75亿t, 7.5%的增长下则达到80.20亿t.也有学者研究某一种能源需求在不同增长情景下的变化,如林伯强[14]认为不同增长情景下,2025年中国的煤炭占比将下降至54.8%~59%.这些研究主要运用自回归整合移动平均模型[15]、线性与非线性回归[16]、协整检验[17]等方法.相比前两种方法,协整检验法能有效刻画出能源需求与各影响因素之间的长期关系,在基于历史变化产生的长期协整关系基础上,得到不同增长情景下的能源需求量.

能源结构预测是能源结构研究的重要内容.以能源需求研究为基础,能源结构预测的分析旨在运用一定的方法估算出每一种能源的需求量或需求占比.尽管可以运用的模型和方法较多,但马尔科夫链法是目前对能源消费结构进行预测的主要方法,且多与碳排放分析相结合.从国家层面的研究来看,王峰等[18]运用马尔科夫链法分析了在不同能源规划情景下中国的能源消费结构变化,进而估算出不同能源消费结构对实现碳强度目标的影响.也有学者直接以碳减排为政策目标,运用马尔科夫链法分析在这些减排情景下的能源结构变化[19].从区域层面的研究来看,目前区域层面或省级层面的研究仍然有限,如王彩明等[20]运用马尔可夫链预测了京津冀地区2020年的一次能源消费结构.

综观已有研究,多数集中于分析某个国家或多个国家的能源需求变化,研究中国能源需求问题的文章也大多集中在国家层面,而从省级层面开展的研究仍然不足.此结果既与数据可得性有关,更与中国的能源政策制定过程和经济发展阶段有关.中国能源资源的调配与政策制定长期以国家为单位,受过去经济增长的利益驱动,地方政府对改变传统的能源消费结构的动力不足,导致地方的能源结构调整相对滞后.但近几年来,随着区域性的环境问题日益突出、供给侧结构性改革对产业升级的需求日益迫切,部分区域的能源需求发生了重大改变,最为典型的是京津冀地区,尤其是河北,亟需补充省级层面的相关研究.另一方面,从研究的时间维度来看,大多已有的研究预测时间至2020年和2025年,极少有学者开展更长维度的预测.基于此,本文选择河北为研究对象,基于其1980~2016年的历史数据,运用单位根检验和协整检验法刻画出河北能源需求量与经济增长(GDP)、人口变化、工业化之间的关系,综合运用马尔科夫链法预测河北2017~2035年的能源需求和能源结构变化.考虑到经济增长路径的影响,进一步将经济增长分为低速、中速和高速等3类增长情景,模拟不同经济增长路径下的能源消费、能源结构和碳排放变化,以期为京津冀地区和河北省的能源发展规划提供决策依据.

1 模型构建

1.1 能源需求预测模型

1.1.1 变量选择 本文将河北省能源需求的主要因素归结为3个方面,一是经济发展水平,二是工业化发展水平,三是人口因素.

①人均地区生产总值(GDP)表征经济发展水平.用人均地区生产总值来衡量经济发展水平的大小,大量文献[11,21-22]认为经济增长对能源需求具有显著的正向影响,通常认为能源需求会随着经济增长而增加.为消除通货膨胀等价格因素的影响,本文中的人均地区生产总值按照当年价计算的GDP折算为以1980年为基期的不变价GDP.

②工业产值占地区生产总值的比重表征工业化发展水平.工业生产是能源消费的重要来源[17,23],本文采用河北省工业增加值占其地区生产总值的比重来表征工业化,理论上预期工业化与能源消费之间呈正向关系.

③人口因素的影响隐含在其他变量之中.由于经济发展过程中人是能源消费的主体,一些研究表明,人口对能源需求具有正向影响,即人口数量越大,能源消费需求越大[13,24].本文对GDP、能源消费采用“人均”的处理方式(按常住人口统计),潜在地将人口因素考虑在其中.

尽管按照市场价格理论,价格会影响需求,但由于中国能源要素市场的价格具有一定的特殊性,长期以来政府对能源价格采取管制的方式,导致能源要素的市场价格存在一定程度的“扭曲”.虽然林伯强等[25]尝试采用估算的加权能源价格进行分析,但模拟结果表明能源价格对能源需求的影响并不显著.因此,本文与部分学者一样[26-27],未将能源价格因素考虑至能源需求预测模型之中.

此外,也有部分学者在预测中国能源需求时将能效水平和城镇化水平考虑其中.从能效水平来看,一些学者运用工业增加值占工业部门能源消费之比来衡量中国的能效水平[17,25],这些研究均集中于国家层面,河北的相关统计资料未公布此类或类似的数据结果.另一方面,大量专门研究能源效率的文章,如孙广生等[28]将能源效率看作资本、劳动力、能源和产出的综合结果,由此表明很难用单一指标衡量能源效率.从城镇化水平来看,少数学者如何晓萍[12]用城镇人口在总人口中的比例代表城镇化率,将该变量纳入到中国的电力需求预测模型中.但由于衡量城镇化水平的统计指标归根结底表现为人口的变化,所以大多数学者将城镇化的影响隐含在人口的变化之中.

基于上述考虑,本文构建起如下的河北能源消费需求预测模型:

PERENY=0+1PERGDP+2INDSHE+ε(1)

式中: PERENY表示河北年的人均能源消费需求,tce/人); PERGDP表示年的人均地区生产总值,万元/人; INDSHE表示年的工业产值占地区生产总值的比重,%;表示不同年份(1980~2016年);0表示截距项; ε表示扰动项;1、2表示各变量的系数.

1.1.2 单位根和协整检验 本文着重考察人均能源需求与人均GDP、工业化之间的长期关系,进而运用模拟得到的长期关系预测河北未来的能源需求量.公式(1)若采用简单的时间序列回归,只能得到一个基于历史数据的结果,无法用来衡量时间序列变量之间的长期关系.基于此,本文采用如下方式处理:

(1)进行变量的单位根检验.单位根检验是长期关系检验的前提条件,对于时间序列变量而言,如果变量存在单位根(非平稳),则说明一般的回归结果可能存在一定的偏误,回归结果不可用.这种情况下,需要运用差分的方式对存在单位根过程的变量进行处理,当各变量同阶单整达到平稳时,此时可以进一步使用长期协整关系刻画变量间的长期关系.为确保单位根检验的准确性,本文运用ADF(Augment Dickey-Fuller)检验法[29]和PP(Phillips-Person)检验法[30]开展单位根检验,如表1所示.结果表明,原序列在2种检验法下均无法拒绝原假设,说明原时间序列非平稳,存在单位根.本文对人均能源消费、人均GDP、工业增加值占GDP的比重等3个变量分别进行一阶差分和二阶差分,一阶差分下仍然无法实现时间序列平稳,但在二阶差分下2种检验均通过5%的显著性检验,即均拒绝原假设,说明二阶差分下各变量实现平稳,即该时间序列为二阶单整(I(2)),同阶单整条件下可进一步对其做长期协整关系检验.

表1 单位根检验结果

注: 5%的显著性水平下得到“接受”或“拒绝”的结果.

表2 不同信息准则下VAR模型的滞后阶数

注: LL、LR、FPE、AIC、HQIC、SBIC表示选择滞后阶数时所根据的准则,由stata软件根据其内部算法自动选择;*表示依据某种信息准则选定的最优滞后阶数.

(2)进行长期协整检验.在单位根检验的基础上,本文运用Johansen-Juselius协整法检验各变量之间是否存在长期稳定的协整关系.该方法是以向量自回归(VAR)模型为基础的检验回归系数的方法,是一种对多变量进行协整检验的较好方法[26].协整检验过程中,首先需要确定协整检验的滞后阶数,本文依据表2的结果,确定VAR模型的滞后阶数为2阶.其次,确定协整方程的个数.表3的迹统计量是检验协整向量存在性的常用统计量,原假设为不存在协整关系,在秩数量为“0”时,迹统计量在1%和5%水平上均拒绝原假设,说明存在协整关系;而在“最多1个秩”时接受原假设,由此判断存在1个协整方程.

表3 Johansen-Juselius协整秩检验

注: ***表示通过了1%的显著性检验,当迹统计量为42.56时,既通过了5%的显著性检验,也通过了1%的显著性检验.§ 表示在5%的显著性水平下,无法拒绝“最多一个秩”的原假设,即协整秩结果表明“存在一个协整方程”.

(3)得到能源需求预测模型的方程结果.根据公式(1),在单位根和协整检验的基础上,运用Stata15进行回归,得到人均能源消费量与人均GDP、工业化之间的长期协整关系,如公式(2):

PERENY=-7.3173+3.1297PERGDP+

0.1975INDSHE(2)

式中:0=-7.3173;1=3.1297;2=0.1975;所有系数来自于协整回归结果,均通过了1%的显著性水平.在此方程基础上,结合河北省GDP、工业化水平、人口等指标的未来预测值,即可预测其未来的能源需求量.

1.2 能源结构预测模型

本文运用马尔科夫链法来预测河北未来的能源消费结构变化.马尔科夫链法主要基于某些变量的现在状态及其变化趋势,预测其在未来某一特定期间内可能出现的状态,能源消费结构的变动就是一个马尔可夫过程[18].

假设在时刻,河北省的能源消费结构状态向量为:

()={s(),s(),s(),s()} (3)

式中:s(),s(),s(),s()分别表示煤炭、石油、天然气、一次电力及其他能源在能源消费中的比重.设~+1时刻的转移矩阵如下:

在概率矩阵()中,主对角线上的元素表示4类能源消费保持原有份额的概率,主对角线元素以外的元素表示转移概率.其中,行元素表示该能源消费份额向其他能源消费转化的概率,列元素表示其他能源向该能源转化的概率,转移矩阵中每一行的概率之和为1.根据~+1时刻的能源消费变化,确定每一行、每一列的转移概率元素值.基于河北1980~ 2016年测算得到36个转移概率矩阵,运用算术法求得平均转移概率矩阵P(),见公式(5):

基于平均转移概率矩阵(),可求得+n时刻河北的能源消费结构状态向量,根据能源需求模型预测的每一年能源需求量得到未来每一年的能源消费结构,并通过人口变量将人均结果分别转化为4种能源的消费总量,由于河北2017年的能源消费结构等数据尚未公布,的初始值取2016年.

()()P(6)

在河北2017~2035年能源结构预测结果基础上,本文运用碳排放系数求解得到河北历年的CO2排放量:

Q,t=α,t×all,t(7)

C=SC,t=Sc×Q,t={煤,石油,天然气} (8)

式中:Q,t表示第种能源在年的消费量; α,t表示第种能源在第年总的能源消费中所占的比重;all,t表示年能源消费总量(含煤、石油、天然气、一次电力和其他);C表示第年的CO2排放量; C,t表示第种能源在第年的CO2排放量;对i,t加总可得到总的CO2排放量;c表示煤炭、石油、天然气转化成标准煤当量后的CO2排放因子(本文依据林伯强等[25]的排放系数,分别对煤炭取2.763,石油取2.145,天然气取1.642,单位均为“kg/kg标准煤”).

2 数据来源和情景设定

2.1 数据来源

河北1980~2016年的能源消费量、常住人口、工业增加值占地区生产总值比重、各类能源(煤炭、石油、天然气、一次电力及其他能源)占能源消费总量的比重等数据均来自于《河北经济年鉴2017》[7].地区生产总值指数也来源于《河北经济年鉴2017》,并将年鉴中“上一年为100”的GDP指数折算为以1980年为基期(1980年=100),使河北省的GDP平减至以1980年为基期的GDP.由于2017年的能源消费量与能源消费结构数据尚未公布,本文将2017年作为预测年份,基于模型进行预测.

2.2 情景设定

2.2.1 未来人口规模的设定 《河北省人口发展规划(2018~2035年)》[31]提出:河北省人口总量在2020年调控到7700万人左右,2035年增加至7910万人.本文据此设定(见表4).根据《国家人口发展规划(2016~2030年)》[32]中设定的目标“2020年中国人口总量为14.2亿人,2030年人口总量为14.5亿人”,本文采用国家2020~2030年的人口年均增长率0.21%作为河北该期间的人口年均增长率(见表4).考虑到河北省当前的城镇化发展空间(2017年的城镇化率为55.01%[33])、京津冀协同发展空间和工业化发展空间较大,对外来人口的短期拉动作用明显,本文将2020~2030年的人口增长区间划分为2021~ 2025年、2026~2030年2个阶段,前者设定人口年均增长率为0.25%,后者设定为0.17%,平均增长率为0.21%.

2.2.2 未来GDP规模的设定 由于目前缺乏对河北中长期GDP增长率的直接预测,本文参考李善同[34]的研究思路,并考虑河北省“去产能”等外部政策对未来经济可能产生的影响,将河北未来的GDP增长率设定为高、中、低三档情景.根据发达国家的发展经验,每个情景下的GDP增速在经济发展后期呈现递减趋势.其中,高速增长情景下假设河北未来经济增长动力强劲,城镇化、工业化和京津冀协同发展对经济的拉动作用明显;中速情景主要沿袭当前的经济发展路径,增长速度参考河北和国家的中长期发展规划;低速增长情景认为劳动力、资本推动经济的动力疲软,“去产能”“去库存”等经济转型政策对经济增长的负面冲击作用持续.

情景1:高速增长情景.高速增长情景以中速增长情景为参考,在中速增长情景的基础上每个阶段分别提高0.5%.

情景2:中速增长情景.由于2017年河北的GDP增长率为6.6%[33],与全国同期6.9%的水平相近[35],河北未来的GDP增长率预测可参考中国GDP增速的有关文献.依据《河北省国民经济和社会发展第十三个五年规划纲要》[36]:2017~2020年河北省的年均GDP增长率目标为7%.因此,本文将河北2017~2020年的中速增长情景设定为年均增长率7%.参考白重恩等[37]的预测结果:中国未来各时期的潜在经济增长率分别为2021~2025年达到5.57%,2026~2030年为4.82%,2031~2035年为3.94%.本文分别设定河北2021~2025年的GDP增速为6%,2026~2030年的增速为5%,2031~2035年的增速为4%.

表4 情景设定

注: “人口规模”表示常住人口规模的变化(万人);“经济增长”表示根据不同的经济增长速度设定的3类情景;“工业化水平”表示工业增加值占GDP比重的变化(%).

情景3:低速增长情景.假设河北在该情景下的“人口红利”逐步弱化,投资对经济的拉动疲软,“去产能”等产业政策与环境管理政策持续推进,经济处于低速发展状态.由于经济增长受到的内外部因素十分复杂,尽管也有学者,如李志俊等[38]基于CGE模拟得出“去产能”将给中国2020年的GDP增长带来0.0443%的负面冲击的结论,但对各项政策的负面冲击做出全面精准的判断仍然非常困难.因此,本文对低速情景下的GDP增长采取统一“降速”的方式,即每个阶段的GDP增长率分别比中速增长情景下降1%.

2.2.3 未来工业增加值占比的设定 由河北1980~ 2016年历年的工业占比数据可知[7],河北历年的工业产值占GDP的比重表现为逐年下降的特征.其中,2016年,河北工业增加值占当年地区生产总值的比重为41.74%,高于同期的全国水平(33.31%),占比相当于全国2008年的水平[39].基于此,本文设定河北的工业增加值占比到2020年下降至38%,到2025年下降至34%.2026年后的工业增加值占比进一步下降,2030年和2035年分别下降至30%和25%.

3 结果与讨论

3.1 经济与人口预测结果

本文根据不同的经济增长情景对河北未来的经济与人口进行了预测.由表5可知,不同增长情景下的GDP规模差异明显.低速情景下,河北2035年的GDP规模仅为19137.31亿元,而中速情景和高速情景下,同期的GDP规模分别增加至22936.96亿元和25094.81亿元.由表6可知,2020~2035年,河北的工业增加值占比呈逐年递减趋势,占比由2020年的38.13%下降至2035年的25.35%;常住人口规模不断扩大,规模由2020年的7700万人增加至2035年的7910万人.

表5 河北2020~2035年不同经济增长下的GDP规模

表6 河北2020~2035年工业增加值占比与常住人口

3.2 能源消费量预测结果

3类经济增长情景下,河北人均能源消费量和能源消费总量的趋势基本一致.由表7可知,经济增长对能源需求量的拉动作用明显:低速情景下,人均能源消费量和能源消费总量均保持平缓的增长,2020年,河北人均能源消费量和能源消费总量分别为4.534tce和34911.448万tce,到2035年,分别增加至5.261tce和41613.294万tce,人均量与总量的增长率分别为16.03%、19.20%;高速增长情景下,能源的人均量和总量均显著增加,2020~2035年,分别增长59.24%和63.59%,2035年的水平值分别为7.618tce和60258.456万tce.中速增长情景下的变化趋势与高速情景更加吻合,2035年,该情景下的人均能源消费量和能源消费总量分别达到6.764tce和53505.044万tce.

表7 河北2020~2035年不同经济增长情景下的人均能源消费量与能源消费总量

注:“人均量”表示人均能源消费量(tce/人),“总量”表示能源消费总量(万tce).

3.3 能源消费结构预测结果

图1 河北1980~2035年能源消费结构变化

河北的能源消费结构仍将以煤炭消费为主,尽管煤炭的消费占比会有一定程度的下降,但在其能源消费结构中的绝对地位难以改变.由图1可知,1980~2016年,河北的煤炭消费占比始终维持在85%以上的“高位”水平,尽管2010年出现了一个小幅下降(由2009年的92.51%下降至89.71%),但以后的占比依然居高不下.本文根据马尔科夫法推测,煤炭仍将是其主要能源,预计2035年煤炭的消费占比将达到88.16%.相比煤炭,石油、天然气、电力和其他能源的消费占比有限,预计2016年以后河北的石油、电力及其他能源消费占比有小幅下降,天然气的消费占比呈小幅上升趋势.2035年,预计石油消费、天然气消费、电力及其他能源消费占比分别为6.86%、3.56%和1.42%.

从人均能源消费与能源消费总量的变化趋势来看,如图2所示,3种情景下的人均量与总量的变化趋势保持一致,即煤炭是主要的能源消费来源,其次分别为石油、天然气、电力及其他能源.煤炭的消费阶段性特征明显:①第一阶段(1980~1999年):煤炭消费量平缓增长.此期间,河北的人均煤炭消费量、煤炭消费总量均保持平稳缓慢的增长态势,中速增长情景下,人均量从0.513tce增加至1.276tce,总量从2652.425万tce增加至8442.281万tce;②第二阶段(2000~2013年):煤炭消费快速增长.此期间,煤炭消费的人均量与总量均保持快速增长态势,中速情景下的人均量从1.526tce增加至3.588tce,总量则从10181.38万tce增加至26309.34万tce;③第三阶段(2014~2016):煤炭消费量出现下降,由于此阶段采取严格的环境保护政策,在中央环境保护督察、去产能、去库存等政策的外部冲击下,煤炭的消费量明显下降,中速情景下,人均量从3.513tce下降至3.391tce,相应的煤炭消费总量从25936.66万tce下降至25328.22万tce.④未来煤炭的消费仍将保持增长趋势(2017~2035年),增长的幅度取决于经济增长速度.对比低速增长情景和高速增长情景可知,煤炭消费量的增长趋势受经济发展影响明显:经济低速情景下,煤炭的人均与总量消费量尽管仍将增长,但增长明显放缓,该情景下的煤炭人均消费量从2017年的3.786tce增加至2035年的4.634tce,增长率为22.40%,煤炭消费总量对应从28499.067万tce增加至36652.062万tce,增长率为28.61%;而高速增长情景下,对应的人均煤炭消费量从3.831tce增加至6.710tce,增长率为75.15%,煤炭消费总量对应从28835.129万tce增加至53074.305万tce,增长率为84.06%.

3.4 CO2排放预测结果

如图3所示,河北的CO2排放总量和人均排放量总体上仍保持增长趋势.从历史变化来看,河北CO2排放总量与人均排放量在1980~1999年期间增长缓慢,2000年以后增长加速且持续至2013年,2014~ 2016年出现小幅的波动.1980~2016年期间,CO2排放总量从8289.462万t增加至77033.379万t,增长了729.29倍;对应的人均CO2排放量从1603.998kg增加至10312.367kg,增长了442.92倍.从未来的变化趋势来看,中高速经济增长情景将会显著拉动CO2排放,尤其是高速增长情景下,CO2排放总量将从2017年的87699.314万t增加至2035年的159117.415万t,分别是同期低速增长情景下的1.01倍和1.45倍;人均CO2排放量将从2017年的11651.707kg增加至2035年的20115.861kg,分别是同期低速增长情景下的1.01倍和1.45倍.

3.5 预测的不确定性

尽管本文已考虑多种主要因素影响下的河北能源消费和CO2排放变化,并设定不同的经济增长路径来量化评估影响程度,但由于数据有限,仍然难以完全真实地刻画出能源消费量和CO2排放量的变化.尤其是长期的政策具有不确定性和不可预见性,与其他同类研究一样,经济指标和能源结构的预测具有一定的局限性,相关的数据结果仅提供一定参考.

4 结论与建议

4.1 结论

4.1.1 经济增长拉动能源需求 根据长期协整模型,分析了经济低速增长、中速增长和高速增长等3类情景下,河北1980~2035年的能源需求量.经济增长对能源需求量的拉动作用明显:低速增长情景下,人均能源消费量和能源消费总量均保持平缓的增长;而高速增长情景下的能源需求量增长迅速.

4.1.2 能源消费结构长期稳定 基于马尔科夫链法,河北的能源消费结构将长期保持相对稳定的状态,不同类型的能源消费具有一定的阶段性特征.尽管煤炭在能源消费中的占比会有一些降低,但其在能源消费结构中的绝对份额难以改变;石油、天然气、电力及其他能源的消费占比仍然有限.不同经济增长情景会影响每一种能源的消费量,经济增速越快,对各类能源的消费量越大.

4.1.3 CO2排放量保持长期增长 根据测算,河北CO2排放的人均量与总量将依然长期保持增长趋势.从河北的历史排放趋势来看,河北的CO2排放的阶段性变化与经济增长变化保持一致:经济增长越快,CO2的排放量越大.CO2排放量直接取决于经济增长质量,在粗放的经济增长情景下,必然带来较高的能源消耗和较大的CO2排放.

4.2 建议

4.2.1 保持经济合理增长 经济增长要保持在合理的区间,避免经济过快增长对资源能源的过度消耗.应降低资源能源的消耗,不断提高河北经济发展的质量.

4.2.2 优化能源消费结构 未来应改变河北以煤炭为主的能源消费结构,通过价格补贴等政策,提高清洁电力、可再生能源在能源消费中的比重,不断提高能源利用效率和清洁化程度,通过技术创新推动能源的清洁利用.

4.2.3 调整升级产业结构 能源的消费结构本质上是由产业结构决定的,应加快升级河北的产业结构,改变长期依赖重工业的发展模式,在京津冀协同发展的国家战略机遇下,培育和发展新产业,为产业发展注入新活力.

4.2.4 加强生态环境管理 应继续实施严格的生态环境管理政策,运用各种环境治理手段推动河北减排目标的实现,通过环境管理倒逼产业转型.

[1] 杜 颖.河北省经济增长与大气污染关系研究[D]. 北京:中国地质大学(北京), 2016. Du Y. Study on relationship between economic growth and air pollution in Hebei province [D]. Beijing: China University of Geosciences (Beijing), 2016.

[2] 生态环境部.2017中国生态环境状况公报[R]. 北京:生态环境部, 2018:1-54. Ministry of Ecology and Environment (MEE). China’s ecological and environmental bulletin in 2017 [R]. Beijing: MEE, 2018:1-54.

[3] 闫云凤.京津冀碳足迹演变趋势与驱动机制研究[J]. 软科学, 2016, 30(8):10-14. Yan Y F. The carbon footprint’s trends and its drivers in Beijing- Tianjin-Hebei region [J]. Soft Science, 2016,30(8):10-14.

[4] 伯 鑫,徐 峻,杜晓惠,等.京津冀地区钢铁企业大气污染影响评估 [J]. 中国环境科学, 2017,37(5):1684-1692. Bo X, Xu J, Du X H, et al. Impacts assessment of steel plants on air quality over Beijing-Tianjin-Hebei [J]. China Environmental Science, 2017,37(5):1684-1692.

[5] 伯 鑫,赵春丽,吴 铁,等.京津冀地区钢铁行业高时空分辨率排放清单方法研究 [J]. 中国环境科学, 2015,35(8):2554-2560. Bo X, Zhao C L, Wu T,. Emission inventory with high temporal and spatial resolution of steel industry in the Beijing-Tianjin-Hebei region [J]. China Environmental Science, 2015,35(8):2554-2560.

[6] 陈慧萍.基于供给侧改革的河北钢铁产能过剩研究[J]. 当代经济, 2017(29):141-143. Chen H P. Study on steel overcapacity in Hebei based on the supply-side reform [J]. Contemporary Economics, 2017,(29):141-143.

[7] 河北省统计局.河北经济年鉴2017 [R]. 北京:中国统计出版社, 2017. Hebei Statistical Bureau. Hebei economic yearbook in 2017 [R]. Beijing: China Statistical Press, 2017.

[8] 李云燕,殷晨曦.京津冀地区PM2.5减排实效与影响因素的门限效应 [J]. 中国环境科学, 2017,37(4):1223-1230. Li Y Y, Yin C X. Threshold effect of socio-economic factors influencing PM2.5in Beijing-Tianjin-Hebei [J] China Environmental Science, 2017,37(4):1223-1230.

[9] Lee C C. Energy consumption and GDP in developing countries: a cointegrated panel analysis [J]. Energy economics, 2005,27(3):415- 427.

[10] 林伯强.中国能源需求的经济计量分析[J]. 统计研究, 2001, 10(10):34-39. Lin B Q. Study on the energy demand in China based on econometric theory [J]. Statistical Research, 2001,10(10):34-39.

[11] 林伯强.结构变化、效率改进与能源需求预测—以中国电力行业为例[J]. 经济研究, 2003,(5):57-65. Lin B Q. Structural changes, efficiency improvement and electricity demand forecasting [J]. Economic Research, 2003(5):57-65.

[12] 何晓萍,刘希颖,林艳苹.中国城市化进程中的电力需求预测[J]. 经济研究, 2009,(1):118-130. He X P, Liu X Y, Lin Y P. China’s electricity demand forecast under urbanization process [J]. Economic Research, 2009,(1):118-130.

[13] 刘兰凤,易行健.中国能源需求的估计与预测模拟[J]. 上海财经大学学报, 2008,4(10):84-91. Liu L F, Yi X J. An estimation on forecast of energy demand in China [J]. Journal of Shanghai University of Finance and Economics, 2008,4(10):84-91.

[14] 林伯强,吴 微.中国现阶段经济发展中的煤炭需求 [J]. 中国社会科学, 2018(2):141-161. Lin B Q, Wu W. Demand for coal in current Chinese economic development [J]. Social Science in China, 2018,(2):141-161.

[15] Wang Y Y, Wang J Z, Zhao G,. Application of residual modification approach in seasonal ARIMA for electricity demand forecasting: A case study of China [J]. Energy Policy, 2012,48:284- 294.

[16] Lee C C, Chang C P. The impact of energy consumption on economic growth: evidence from linear and nonlinear models in Taiwan [J]. Energy, 2007,32(12):2282-2294.

[17] Belke A, Dobnik F, Dreger C. Energy consumption and economic growth: New insights into the cointegration relationship [J]. Energy Economics, 2011,33(5):782-789.

[18] 王 锋,冯根福.优化能源结构对实现中国碳强度目标的贡献潜力评估[J]. 中国工业经济, 2011(4):127-137. Wang F, Feng G F. Contribution of improving energy mix to carbon intensity target in China [J]. China Industrial Economics, 2011,(4): 127-137.

[19] 刘金明.基于资源与环境约束的中国能源供需格局发展研究 [D]. 北京:华北电力大学, 2013. Liu J M. Development of the energy supply and demand pattern of China under the constraints of resources and environment [D]. Beijing: North China Electric Power University, 2013.

[20] 王彩明,李 健.一次能源消费结构调整对京津冀碳强度目标的贡献力分析 [J]. 科技管理研究, 2017,(7):226-233. Wang C M, Li J. Potential contribution analysis of primary consumption structure adjustment to the carbon intensity coal of Beijing-Tianjin-Hebei region [J]. Science and Technology Management Research, 2017,(7):226-233.

[21] Lin B Q, Ouyang X L. Energy demand in China: Comparison of characteristics between the US and China in rapid urbanization stage [J]. Energy conversion and management, 2014,79:128-139.

[22] Yuan X C, Sun X, Zhao W G,et al. Forecasting China’s regional energy demand by 2030: A Bayesian approach [J]. Resources, Conservation and Recycling, 2017,127:85-95.

[23] 周 伟,米 红.中国能源消费排放的CO2测算 [J]. 中国环境科学, 2010,30(8):1142-1148. Zhou W, Mi H. Calculation on energy-related CO2emissions in China [J]. China Environmental Science, 2010,30(8):1142-1148.

[24] 马晓君,董碧滢,于渊博,等.东北三省能源消费碳排放测度及影响因素 [J]. 中国环境科学, 2018,38(8):3170-3179. Ma X J, Dong B Y, Yu Y B, et al. Measurement of carbon emissions from energy consumption in three Northeastern provinces and its driving factors [J]. China Environmental Science, 2018,38(8):3170- 3179.

[25] 林伯强,李江龙.环境治理约束下的中国能源结构转变—基于煤炭和二氧化碳峰值的分析[J]. 中国社会科学, 2015,(9):84-107. Lin B Q, Li J L. Transformation of China’s energy structure under environmental governance constraints: A peak value analysis of coal and carbon dioxide [J]. Social Science in China, 2015,(9):84-107.

[26] 马宏伟,刘思峰,袁潮清,等.基于生产函数的中国能源消费与经济增长的多变量协整关系的分析[J]. 资源科学, 2012,34(12):2374- 2381. Ma H W, Liu S F, Yuan C Q,et al. Cointegration analysis of economic growth and energy consumption in China [J]. Resources Science, 2012, 34(12):2374-2381.

[27] 林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分许[J]. 管理世界, 2009,(4):27-36. Lin B Q, Jiang Z J. Projection and factor analysis on China’s Environmental Kuznets Curve of carbon dioxide [J] Management World, 2009,(4):27-36.

[28] 孙广生,黄 祎,田海峰,等.全要素生产率、投入替代与地区间的能源效率[J]. 经济研究, 2012,(9):99-112. Sun G S, Huang W, Tian H F, et al. Total factor productivity, inputs substitution and regional energy efficiency disparity [J]. Economic Research, 2012,(9):99-112.

[29] MacKinnon J G. Numerical distribution functions for unit root and cointegration tests [J]. Journal of applied econometrics, 1996,11(6): 601-618.

[30] Maddala G S, Wu S. A comparative study of unit root tests with panel data and a new simple test [J]. Oxford Bulletin of Economics and statistics, 1999,61(S1):631-652.

[31] 河北省人民政府.河北省人口发展规划(2018~2035年) [R]. 河北:河北省人民政府, 2018. Hebei government. Hebei’s pollution growth plan (2018~2035) [R]. Hebei: Hebei government, 2018.

[32] 国务院.国家人口发展规划(2016~2030年) [R]. 北京:国务院, 2016. State Council. National pollution growth plan (2016~2030) [R]. Beijing: State Council, 2016.

[33] 河北省统计局.河北省2017年国民经济和社会发展统计公报[R]. 河北:河北省统计局, 2018. Hebei Statistical Bureau. Hebei’s economic and social development bulletin in 2017 [R]. Hebei: Hebei Statistical Bureau, 2018.

[34] 李善同.2005~2020年中国经济增长前景分析[J]. 财经界, 2005,(11):10-15. Li S T. Projection on China’s economic growth between 2005 and 2020 [J]. Finance China, 2005,(11):10-15.

[35] 国家统计局.中国2017年国民经济和社会发展统计公报[R]. 北京:国家统计局, 2018. National Statistical Bureau. China’s economic and social development bulletin in 2017 [R]. Beijing: National Statistical Bureau, 2018.

[36] 河北省人民政府.河北省国民经济和社会发展第十三个五年规划纲要[R]. 河北:河北省人民政府, 2016. Hebei government. Hebei’s economic and social development plan during the 13thfive-year period [R]. Hebei: Hebei government, 2016.

[37] 白重恩,张 琼.中国经济增长潜力预测:兼顾跨国生产率收敛与中国劳动力特征的供给侧分析[J]. 经济学报, 2017,4(4):1-27. Bai C E, Zhang Q. China’s growth potential to 2050: A supply-side forecast based on cross-country productivity convergence and its featured labor force [J]. China Journal of Economics, 2017,4(4):1-27.

[38] 李志俊,原鹏飞.去产能战略的影响评价及建议—基于动态CGE模型的研究[J]. 中国软科学, 2018,(1):10-18. Li Z J, Yuan P F. Evaluation and route overcapacity cutting: Analysis based on dynamic computable general equilibrium model [J]. China Soft Science, 2018,(1):10-18.

[39] 国家统计局.中国2008年国民经济和社会发展统计公报[R]. 北京:国家统计局, 2009. National Statistical Bureau. China’s economic and social development bulletin in 2008 [R]. Beijing: National Statistical Bureau, 2009.

Projection on energy demand and carbon emission in various economic developing pathways——A case study in Hebei province.

WENG Zhi-xiong1, MA Zhong-yu1,2*, GE Cha-zhong3, CAI Song-feng2, CHENG Cui-yun3, DU Yan-Chun3

(1.School of Environment & Natural Resources, Renmin University of China, Beijing 100872, China；2.State Information Center, Beijing 100045, China；3.Chinese Academy for Environmental Planning, Beijing 100045, China)., 2019,39(8)：3508~3517

This study uses the cointegration test and the Markov chain method to project Hebei’s future (2017~2035) energy demand and structure, and the associated CO2emissions by considering three distinct economic developing scenarios. The results show that the economic growth has strong pulling effect on energy demand. Under the low-growth scenario, Hebei’s per capita energy consumption and total consumption will reach 5.261tce and 416.13million tce respectively. While these consumptions will be 7.618tce and 602.58million tce respectively under the high-growth scenario. Hebei’s future energy consumption structure will maintain stable in the long term, unlikely to change the percentage of coal in total energy consumption. The coal consumption will reach 88.16% in Hebei’s total energy consumption in 2035. The increasing trend of Hebei’s CO2emissions will continue in the long run. Under the high-growth scenario, Hebei’s total CO2emissions will increase from 876.99million ton in 2017 to 1 591.17million ton, 1.01times and 1.45times higher than the contemporaneous emissions in the low-growth scenario respectively. It’s thus necessary to keep Hebei’s economic growth within a rational range, optimize energy consumption structure, adjust industrial distribution, cultivate and develop new economy.

energy demand projection；energy structure projection；economic growth；carbon emission；Hebei province

X24

A

1000-6923(2019)08-3508-10

翁智雄(1989-),男,浙江杭州人,中国人民大学环境学院博士研究生,主要从事气候变化经济、能源与环境经济研究.发表论文30余篇.

2019-02-27

国家重点研发计划项目(2016YFA0602601);国家社会科学基金项目(18BJL058);国家重点研发计划项目(2018YFC0213700)

* 责任作者, 教授, mazy@sic.gov.cn