锁定碳排放约束下我国煤电搁浅资产风险评估

王艳华,王 克*,刘俊伶,邹 骥

锁定碳排放约束下我国煤电搁浅资产风险评估

王艳华1,王 克1*,刘俊伶2,邹 骥1

(1.中国人民大学环境学院,北京 100872；2.哈尔滨工业大学(深圳)经济管理学院,广东 深圳 518055)

通过细化机组级燃煤发电财务状况建模,测算了提前退役、灵活性调整、限制和停止新增等情景下煤电搁浅资产风险,明确了不同情景下导致搁浅资产规模及时空分布情况.结果表明:存量煤电机组是引起搁浅资产的主体,控制新增煤电有助于降低搁浅资产风险,提前退役、灵活性调整情景下中国现存和新增煤电搁浅资产总规模分别为1.90万亿和3.98万亿元;不同转型情景导致煤电搁浅资产的年际分布差异明显,提前退役搁浅压力主要集中于2030～2040年间,灵活性调整情景下则集中于2021～2035年间;煤电搁浅资产空间分布极不均衡,山东、内蒙古、江苏等10个煤电大省搁浅资产规模占全国的67%和70%.因此,煤电低碳转型需审慎决策,重视提前退役造成的煤电资产搁浅,更要防范和控制灵活性调整导致的煤电资产减值,重点关注山东、内蒙古、新疆、江苏等重点省份,制定因地制宜的煤电转型策略,帮助电力相关企业及政府等进行减排政策选择.

燃煤发电；搁浅资产；锁定碳排放；煤电转型

电力部门是我国碳排放占比最大的部门,电力和热力生产的碳排放占全国能源消费总排放的51.44%,且大多来自燃煤发电[1].从减排潜力来看,我国电力部门较其他部门减排贡献最大[2],且从技术和经济角度煤电行业更容易脱碳[3],煤电转型是我国在2060年前努力争取实现碳中和的关键点.同时,我国燃煤发电仍然占据电力供应的主体地位,煤电机组平均服役年限仅为11a,煤电机组预期寿命在30年以上,运行寿命周期内产生的累积碳排放量较高,即带来高碳锁定效应[4-5].煤电行业需加速转型,减少煤电的锁定碳排放,严格控制煤电增量,对存量机组采取提前退役、灵活性调整等转型措施[6-8].

受碳排放约束影响,煤电行业低碳转型将造成煤电企业盈利能力下降,导致燃煤发电机组等高碳基础设施的资产价值下降即资产搁浅,进而对企业和金融机构的资产质量造成不良影响,甚至可能引起宏观经济危机[9].碳排放约束和转型政策影响下的能源资产搁浅已逐渐引起关注,将其定义为预期使用寿命之前丧失经济价值的资产[10].随后,搁浅资产概念逐步发展,主要是指由气候政策、市场监管等导致无法获得经济回报的基础设施投资[11-12],更加强调资产价值的减记、贬值或转为负债的损失[13-14].燃煤发电在低碳转型中的搁浅资产逐步成为能源基础设施搁浅的研究重点.

在搁浅资产定义的基础上,诸多研究开展了气候目标下全球煤电搁浅资产的测算,Pfeiffer等[15-16]认为全球51%～58%的燃煤电厂将面临搁浅风险.我国煤电装机总量大,机组年龄小,占全球煤电搁浅资产的45%以上[17].目前,搁浅资产的主要计算方法有3种,分别为成本法、账面价值法和现金流量法,我国搁浅资产的价值量因计算方法和参数值不同存在差异较大.Caldecott等[18]采用成本法测算了2021～2036年中国煤电机组完全退役的搁浅资产价值在3.1～7.2万亿元.账面价值法测算搁浅资产的研究中,搁浅资产规模相对较小,Saygin等[17]认为中国煤电搁浅资产介于2631～4169亿美元,而李政等[6]将煤电搁浅资产定义为提前退役时的固定资产残值,计算得到2℃情景下搁浅资产规模仅为373～1583亿元,1.5℃情景下达到6551亿元.目前,采用现金流量法核算中国煤电搁浅资产的研究相对较多,搁浅资产规模基本在0.3～3.16万亿元[14,19-20],但对煤电机组类别划分等存在较大差异,且参数选择上大多采用全国统一参数,未考虑我国煤电运营状况的地区差异.

国际视角中关于电力部门搁浅资产的研究较多[21-22],普遍注重于因气候目标约束而提前退役的燃煤发电机组[23-24],但较少考虑灵活性调整及碳市场等政策因素或市场因素造成的煤电资产收益下降或资产贬值等带来的影响[25],且基于我国国情的不同规模、不同技术、不同地区煤电搁浅资产测算较少.为弥补以上研究不足,本文在搁浅资产定义、计算方法和情景设计等方面进行了改进:首先,在原有搁浅资产定义的基础上进行了补充,即搁浅资产包含了灵活性调整等政策或市场因素导致的预期收益下降部分;计算方法方面,根据我国煤电机组的技术特征、装机规模、地区特征等为单个燃煤发电机组的财务状况进行建模,探究我国煤电搁浅资产的地区间差异和年际分布等特点;情景设计上,采用碳预算约束目标倒逼煤电转型路径,转型情景中煤电碳锁定效应不超过碳预算约束值,设计了提前退役、灵活性调整、限制和停止新增等多组情景.通过对比不同转型措施对煤电资产的影响,以期帮助电力相关企业及政府等进行减排路径选择,有利于防范和控制煤电部门巨额搁浅资产导致的社会风险.

1 研究方法与数据来源

1.1 锁定碳排放约束下的煤电发展情景设计

考虑到煤电高碳排放锁定效应的特征,煤电行业低碳转型不仅需要关注关键时点的排放量要求,还应重视煤电整体的累积碳排放量,避免延迟减排路径[5].在不依赖负排放技术和技术改造的情况下,中国煤电减排力度需大幅度提高,燃煤发电机组的退役寿命大幅度降低,年运行小时数维持在较低水平,并控制新增煤电规模[26-28].因此,本文综合锁定碳排放约束下不同类型煤电新增规模、发电小时数及运行寿命的动态变化,设定我国煤电惯性发展情景和锁定碳排放约束下转型发展情景.

表1 煤电发展情景设计

根据我国2060年碳中和目标和IPCC AR5中1.5℃温升目标确定中国累积碳排放量即碳预算,从自上而下角度推算煤电行业碳配额.因此,根据碳预算要求和多因素燃煤电厂锁定碳排放[29-30],本文设计了基准情景(BAU)、提前退役(ER)和灵活性调整(LU)3类主要情景,并在主要情景下细分了煤电增量的子情景(表1).新增煤电机组的情景设计中,考虑了发展新增煤电、限制新增煤电、无新增煤电等3种情景:发展新增煤电情景(Add),即保持在建和拟建机组正常建设并投入运营;控制新增机组情景(RA),保证在建机组的正常建设和投入使用,其他拟建机组停止建设;无新增机组情景(NA),停止所有拟建和在建煤电机组的建设.

1.2 煤电机组级财务分析框架

自下而上的成本分析(BUCM)是核算煤电机组现金流量、厘清煤电机组搁浅资产的重要方法,通过工程的财务成本模型可以确定运行年限、发电小时数、材料价格、资本折旧等对整体现金流量影响,并将各成本要素和经济变量联系起来[31].现有煤电搁浅资产核算采用的煤电成本核算框架较为简单,大多忽略了融资成本、资产折旧、税费等内容,且对中国煤电机组地区差异的关注度不够.为更准确的测算不同类型机组和不同地区之间煤电搁浅资产的差异,需建立不同规模、不同技术、不同地区中国煤电机组成本分析框架,更清晰评估各类型机组搁浅资产分布情况.

为尽可能贴近煤电机组实际运行情况,本文根据煤电机组的技术特征、装机规模、地区特征等,为全国2991个现存机组和460个新增机组的财务状况进行建模,并在成本分析框架中进行了成本细化,纳入了融资成本、折旧、税费等部分,考虑规模、技术、空间差异对机组现金流的影响(图1).机组级财务分析框架具有较高的技术准确性和时空分辨率,充分体现燃煤发电机组转型的地区差异、技术差异等,识别资产搁浅风险较高的机组和区域,从而为煤电转型实施提供有效精准对策.燃煤发电机组收入主要为售电收入,成本部分主要包括初始建设投资和运营成本两类,其中,初始建设投资包括建筑安装工程费、建筑安装人工费、设备购置费和其他费用4种,运营成本则包括燃料费、运营维护费、保险费、员工工资及福利费、税费、贷款利息和折旧费等.税费又细分为增值税、城市维护建设税及教育附加、所得税等.我国热电联产机组数量多,占现存机组的1/3左右,财务分析框架中将热电联产机组进行了单独核算,收入部分加入热电联产机组的售热收入部分,充分考虑了各地区供热价格差异,并在成本中增加余热锅炉及相关设备的建设成本和运营维护费用等.

图1 煤电机组级财务成本分析框架

各类燃煤发电机组的财务状况主要受到装机容量、技术类型、所在省份等3个主要因素影响,因此,本文对燃煤发电机组细致分类,并选取相应的成本参数.根据机组规模大小,将燃煤发电机组分为6类,<100MW、100～200MW、200～300MW、300～ 600MW、600～1000MW、³1000MW (区间为前闭后开).根据燃煤发电机组的技术类型,又细分为亚临界、超临界、超超临界、整体煤气化联合循环发电(IGCC)、循环流化床(CFB)等5种,部分机组技术情况不明,以同等规模机组的平均水平代替.

1.3 搁浅资产价值评估

搁浅资产价值评估方法主要有净现值法(NPV)、净账面价值(NBV)和成本法等.NBV法和成本法更多体现资产的历史价值,无法体现未来不同运营情景下煤电机组的经营状况,NPV法则弥补了这一缺陷,NPV估值是常用的资产价值评估方法,即资产价值等于预期未来所产生的全部现金流现值总和.因此,本文采用NPV法测算不同发展情景下中国燃煤发电机组的搁浅资产情况,即与基准情景相比,预期寿命期内净现金流缩减导致的资产损失.值得注意的是,灵活性调整情景下煤电机组运行小时数下降导致现金流量缩减,将导致煤电资产价值下降,这部分资产损失也视为搁浅资产.

不同情景下的NPV计算如下:

式中:NCF为未来煤电运行期内第年的净现金流;为折现率,参考折现率常用指标中国加权平均资本成本指标WACC,此处取8%.

对于现存机组而言,NCFt计算如下:

式中:R为运营期间现金流入;C为运营期间的成本支出.

对于新增机组而言,主要有在建、拟建2种类型,建设期间现金流为初始建设成本的现金流出,运营期间现金流与现存机组一致.

1.4 数据来源

煤电机组级数据主要来自Global Coal Plant Tracker数据库、中国拟在建项目网、北极星电力网等进行交叉整合,截止到2021年1月,收集机组信息3451条,现存机组装机规模为10.43亿kW(表2),不含30MW以下机组,与中国电力企业联合会2020年全国全口径煤电装机容量10.8亿kW基本一致.机组级数据包含各机组装机容量、技术类型、所在省份、建设年份等信息,基于此对单个燃煤发电机组的财务状况进行建模,成本数据来源详见表3.

表2 煤电机组级数据基本情况

表3 煤电机组成本数据来源

对于在规划、设计、核准3种状态的新增待建机组,建设投入初始时间分别在3、2、1a后,且建成投入运营时间与根据机组规模相关,不同规模机组建设时间与期间建设投入占比见表4.

表4 不同规模机组建设期间投入比例(%)

2 结果与讨论

2.1 中国煤电搁浅资产规模

中国煤电转型将导致数万亿搁浅资产,大量新增机组投入投资和建设的情况下,提前退役、灵活性调整将使中国搁浅资产规模累计达到1.90万亿和3.98万亿,存量机组的资产损失是煤电搁浅风险的主要部分(表5).灵活性调整情景要求1000MW以下机组满发小时数下降50%～60%,且机组存在固定的运营维护成本,将导致我国大部分煤电机组的净现金流量缩减,造成搁浅资产风险较高.新增煤电主要包含在建机组和拟建机组2个部分,提前退役情景下二者搁浅资产风险分别为759.46,432.66亿元,搁浅资产规模与装机总量呈正相关关系;灵活性调整情景下,在建机组和拟建机组装机总量差异大,但搁浅资产规模基本一致,分别为1679.54, 1823.29亿元,这是由于拟建机组的规模较小(平均装机仅为315.88MW),灵活性调整情景下煤电资产损失相对更明显.

表5 存量和增量机组搁浅资产规模对比情况

注:搁浅资产规模均为2020年折现值,下同.

提前退役和灵活性调整对不同规模机组的现金流入的影响差异明显:提前退役情景下,规模越大的机组搁浅资产风险越高,以300～600MW和600～ 1000MW两类机组来看,现存装机规模相近,分别为388.80GW和403.51GW,但600～1000MW机组搁浅资产规模却高出了49.38%;灵活性调整情景则恰好相反,规模较大机组的单位装机搁浅资产损失是逐渐降低的,即规模越小机组的现金流入受影响更高.值得注意的是,100MW以下机组在提前退役的情景下搁浅资产为负值,即资产价格出现一定程度增值,原因是该类机组基准情景下整体处于亏损状态,煤电机组为负资产,提前退役将减少机组亏损时间.

2.2 煤电搁浅资产的年际分布情况

如图2所示, 提前退役和灵活性调整情景下,搁浅资产的时间分布上存在一定错位互补关系.提前退役情景下我国煤电搁浅风险压力主要集中于2030～2040年间,搁浅资产规模最高出现在2035年,该年度煤电净现金流损失为3132亿元,达到电力、热力行业2018年工业增加值的13.88%.2045～2050年间,一批新增煤电机组的提前退役,将造成又一次搁浅资产风险高峰.灵活性调整情景下,搁浅资产主要集中于近15a间(即2035年前),煤电机组面临整体现金流损失,随着时间推移,搁浅资产风险逐渐下降.

图2 提前退役和灵活性调整情景下搁浅资产年度变化

搁浅资产的年际分布与我国煤电机组的年龄结构有关.我国煤电机组的平均服役年限短,仅为12a,新疆、青海、宁夏等省份存在大量运营尚不足10a的机组,尤其是2015年我国煤电审批程序的行政变更导致新增煤电产能回升明显,年新增装机容量达到80GW.若这部分机组将于2035年左右提前退役,造成高额的煤电资产损失,当前在建和待建煤电机组将造成2045～2050年间搁浅资产风险压力再次加大.灵活性调整情景将影响大部分机组的运行小时数,随着煤电机组的服役期满,资产损失规模将逐步缩减.

2.3 搁浅资产空间差异情况

从煤电搁浅资产规模的地域分布来看,与各省煤电装机规模密切相关.现存煤电装机前10的省份主要有山东、内蒙古、江苏、广东、河南、新疆、陕西、安徽、河北、陕西,占全国煤电总装机的63.81%,贡献了电力部门2/3的碳排放,提前退役和灵活性调整情景下,搁浅资产规模占全国的67%和70%,山东和内蒙古是全国煤电装机规模最大的省份,也是面临巨额搁浅资产风险.从全国整体来看,灵活性调整情景导致搁浅资产风险更高,将导致全国煤电机组搁浅规模翻倍,同样的情况也体现在山东和内蒙古等多个省份,灵活性改造情景山东、内蒙古搁浅资产高达4374,4734亿元.

我国各省由于煤电装机结构差异较大,提前退役和灵活性调整导致的搁浅资产规模存在明显差异.内蒙古、新疆、山西、河北等省份1000MW以上机组占比低于5%,降低发电小时数导致搁浅资产较提前退役情景更大,新疆尤为明显,降低发电小时数导致的搁浅资产规模为提前退役情景的15倍以上;而江苏、广东等省份大型机组占比高,1000MW以上机组在34%～38%,灵活性调整情景下搁浅资产规模和提前退役基本一致,与其他省份相比灵活性调整方案具有明显的比较优势(图3).

图3 我国各省煤电机组特征与搁浅资产规模

图4 基于搁浅资产的燃煤发电机组转型措施选择

因此,煤电低碳转型过程中,需关注不同地区转型风险的差异,尽量避免地区不均衡现象加剧.另外,由于蒙西-晋北-天津南、陕电外送等一系列特高压输电线路的规划建设,内蒙古、山西、陕西、安徽等省份新增煤电装机规模大,搁浅资产风险也远高于其他省份,停止或限制新增煤电将给各省造成千亿级煤电搁浅资产,内蒙古受影响尤为严重,全面停止新增煤电将造成2518.67亿元.

通过对比各机组在提前退役情景和灵活性改造情景的搁浅资产规模,识别了燃煤发电机组适合的转型措施(图4).结果发现,全国3451个燃煤发电机组中,有279个机组灵活性调整情景搁浅资产低于提前退役情景5亿元以上,即灵活性调整优势明显,该类机组主要是位于东部沿海地区的大规模机组,技术先进、运行年限短;同时,全国大多数机组在提前退役情景下搁浅资产风险较低,1704个机组提前退役优势明显,其中包含了新疆、甘肃等省份的运营亏损机组,提前退役.

2.4 敏感性分析

折现率、煤炭价格、初始建设成本、煤电电价、运行小时数等因素是影响煤电机组净现金流的重要因素,建设成本、煤炭价格是燃煤发电机组初始建设和运行成本的主要部分,燃煤发电上网电价是影响煤电盈利的主要因素,运行小时数则同时影响机组运行成本和盈利情况,本文进一步选取5项指标对煤电机组搁浅资产规模进行了敏感性分析,结果如表7所示.从各影响因素来看,煤电价格和运行小时数增加10%,将大幅提高煤电净现金流水平,即对煤电搁浅资产风险有改善作用;建设成本、煤炭价格和折现率等因素变动对搁浅资产规模的影响程度较小,核算结果的稳健性较强.

表7 煤电搁浅资产的敏感性分析(%)

2.5 建议

我国拥有世界上最年轻、最高效的煤电机组,要充分考虑现有煤电机组的运营状况、预期寿命、锁定碳排放等实际情况,稳妥设计煤电转型路径和政策措施,努力实现在绿色转型过渡期平稳过渡,避免巨额资产损失.长期以来,搁浅资产测算注重于提前退役机组,但在煤电锁定排放相同情况下,灵活性调整产生搁浅资产规模较提前退役更高,对煤电企业和地区经济的影响也更大,需对灵活性调整对煤电资产减值的作用引起重视.煤电转型需实现碳预算约束下的搁浅资产风险可控,考虑不同转型情景下资产搁浅时间上的错位互补,制定灵活性调整和提前退役相结合的转型路径,控制煤电机组规模在合理范畴,既保障电力供应,尽量避免搁浅资产在短期内的急剧攀升,减少经济损失.基于煤电在可再生能源消纳和电力系统供应稳定性的关键作用,且我国大装机容量机组的比较优势,因此选择小装机规模高煤耗机组更大幅度参与调峰.此外,为控制煤电整体规模,需削减煤电存量,提前退役措施优先选择技术落后、规模较小、服役年限较长机组,尤其是100MW以下机组;同时,采取增量管控措施,限制或禁止新增煤电机组的规划建设,谨防新建机组挤压现存煤电生存空间.

煤电搁浅资产将直接造成煤电相关企业收益减少,进而影响从业人员收入、银行等金融机构信贷安全,甚至将对地方财政、经济发展等造成一定损害,考虑到煤电转型导致搁浅资产的空间分布,需关注煤电地区转型路径差异,制定因地制宜的煤电转型策略,尽量避免煤电转型加剧地区间不均衡.山东、内蒙古等省份煤电装机总量大、小机组占比高,可以适度推进此类型煤电机组的有序逐步退役;江苏、广东、浙江等省份灵活性调整方案比较优势明显,灵活性调整措施优先选择该类省份的大规模机组.

3 结论

3.1 在煤电锁定排放相同情况下,全面停止在建和拟建煤电机组将使搁浅资产规模减少1192.12, 3502.83亿元,存量机组的资产损失是煤电搁浅风险的主要部分,提前退役、灵活性调整情景下存量煤电机组搁浅资产规模分别为1.78万亿和3.63万亿元,灵活性调整对煤电机组的资产损失影响更大.

3.2 不同机组受到提前退役和灵活性调整的影响有明显差异,规模较大机组在提前退役情景下搁浅资产风险较高,尤其是100MW以下机组提前退役将减少亏损,灵活性调整情景则恰好相反,规模较大机组的单位装机搁浅资产损失逐渐降低.

3.3 不同转型路径造成煤电搁浅资产压力高峰期有所差异,提前退役情景下搁浅风险最高的时间段为2030～2040年间,而灵活性调整情景下则集中于2021～2035年间,此后呈现出明显的下降趋势.

3.4 搁浅资产空间分布上极不均衡,且各省份对不同的转型路径存在较大差异,主要与各省煤电装机结构和规模、盈利能力等有较强关联,山东、内蒙古、新疆等煤电装机大省搁浅资产风险较高,其中江苏、广东等大型机组占比高的省份在灵活性调整方案上具有明显的比较优势.

[1] International Energy Agency. CO2emissions from fuel combustion 2020 [R]. Paris: International Energy Agency, 2021.

[2] Liu J, Yin M, Xia-Hou Q, et al. Comparison of sectoral low-carbon transition pathways in China under the nationally determined contribution and 2°C targets [J]. Renewable and Sustainable Energy Reviews, 2021,149:111336.

[3] Davis S J, Lewis N S, Shaner M, et al. Net-zero emissions energy systems [J]. Science, 2018,360(6396).

[4] Cui R Y, Hultman N, Edwards M R, et al. Quantifying operational life times for coal power plants under the Paris goals [J]. Nature Communications, 2019,10(1):1-9.

[5] 张小丽,崔学勤,王 克,等.中国煤电锁定碳排放及其对减排目标的影响[J]. 中国人口·资源与环境, 2020,30(8):31-41.

Zhang X L, Cui X Q, Wang K, et al. Committed CO2emissions of China’s coal-fired power plants and their implications for mitigation targets [J]. China Population, Resources and Environment, 2020,30 (8):31-41.

[6] 李 政,陈思源,董文娟,等.碳约束条件下电力行业低碳转型路径研究[J]. 中国电机工程学报, 2021,41(12):3987-4001.

Li Z, Chen S Y, Dong W J, et al. Low carbon transition pathway of power sector under carbon emission constraints [J]. Proceedings of the CSEE, 2021,41(12):3987-4001.

[7] 项目综合报告编写组.《中国长期低碳发展战略与转型路径研究》综合报告 [J]. 中国人口·资源与环境, 2020,30(11):1-25.

Project comprehensive report preparation team. China’s long-term low- carbon development strategy and pathway [J]. China Population, Resources and Environment, 2020,30(11):1-25.

[8] 张小丽,刘俊伶,王 克,等.中国电力部门中长期低碳发展路径研究[J]. 中国人口·资源与环境, 2018,28(4):68-77.

Zhang X L, Liu J L, Wang K, et al. Study on medium and long－term low-carbon development pathway of China’s power sector [J]. China Population, Resources and Environment, 2018,28(4):68-77.

[9] Ansar A, Caldecott B L, Tilbury J. Stranded assets and the fossil fuel divestment campaign: what does divestment mean for the valuation of fossil fuel assets? [R]. Oxford: Smith School of Enterprise and the Environment at University of Oxford, 2013.

[10] Generation Foundation. Stranded Carbon Assets: Why and how carbon risks should be incorporated in investments analysis [R]. London: Generation Foundation, 2013.

[11] IEA-International Energy Agency. Redrawing the energy climate map: world energy outlook 2013 special report [R]. Paris: International Energy Agency, 2013.

[12] Carbon Tracker Initiative. Unburnable carbon 2013: Wasted capital and stranded assets [R]. London: Carbon Tracker Initiative, 2013.

[13] Caldecott B, Tilbury J, Ma Y. Stranded down under? Environment- related factors changing China’s demand for coal and what this means for Australian coal assets [R]. Oxford: Smith School of Enterprise and the Environment at University of Oxford, 2013.

[14] Gray M, Ljungwaldh S, Watson L, et al. Powering down coal-Navigating the economic and financial risks in the last years of coal power [J]. London: Carbon Tracker Initiative, 2018.

[15] Pfeiffer A, Millar R, Hepburn C, et al. The 2℃ capital stock for electricity generation: Committed cumulative carbon emissions from the electricity generation sector and the transition to a green economy [J]. Applied Energy, 2016,179:1395-1408.

[16] Pfeiffer A, Hepburn C, Vogt-Schilb A, et al. Committed emissions from existing and planned power plants and asset stranding required to meet the Paris Agreement [J]. Environmental Research Letters, 2018, 13(5):054019.

[17] Saygin D, Rigter J, Caldecott B, et al. Power sector asset stranding effects of climate policies [J]. Energy Sources, Part B: Economics, Planning, and Policy, 2019,14(4):99-124.

[18] Caldecott B, Dericks G, Tulloch D J, et al. Stranded assets and thermal coal in China: An analysis of environment-related risk exposure [R]. Oxford: Smith School of Enterprise and the Environment at University of Oxford, 2017.

[19] Spencer T, Berghmans N, Sartor O. Coal transitions in China’s power sector: A plant-level assessment of stranded assets and retirement pathways [R]. Paris: IDDRI, 2017.

[20] 张为荣,袁家海.全球2℃温升碳约束下中国煤电搁浅资产研究 [J]. 气候变化研究进展, 2021,17(1):36-44.

Zhang W R, Yuan J H. China’s coal power sector stranded assets under the 2℃ global carbon constraint [J]. Climate Change Research, 2021, 17(1):36-44.

[21] McGlade C, Ekins P. The geographical distribution of fossil fuels unused when limiting global warming to 2°C [J]. Nature, 2015,517: 187–190.

[22] Curtin C, McInerney B Gallachóir Ó, et al. Quantifying stranding risk for fossil fuel assets and implications for renewable energy investment: A review of the literature [J]. Renewable and Sustainable Energy Reviews, 2019,116:1-13.

[23] Linquiti P, Cogswell N. The Carbon Ask: effects of climate policy on the value of fossil fuel resources and the implications for technological innovation [J]. Journal of Environmental Studies & Sciences, 2016, 6(4):662-676.

[24] Javier F, Breyer C. Structural changes of global power generation capacity towards sustainability and the risk of stranded investments supported by a sustainability indicator [J]. Journal of Cleaner Production, 2017,141:370-384.

[25] Mo J, Cui L, Duan H. Quantifying the implied risk for newly-built coal plant to become stranded asset by carbon pricing [J]. Energy Economics, 2021,99:105286.

[26] He G, Avrin A P, Nelson J H, et al. SWITCH-China: a systems approach to decarbonizing China’s power system [J]. Environmental Science & Technology, 2016,50(11):5467-5473.

[27] Chen S, Liu P, Li Z. Low carbon transition pathway of power sector with high penetration of renewable energy [J]. Renewable and Sustainable Energy Reviews, 2020,130:109985.

[28] Cui R Y, Hultman N, Cui D, et al. A plant-by-plant strategy for high-ambition coal power phaseout in China [J]. Nature Communications, 2021,12(1):1-10.

[29] Yin M, Liu J, Wang K, et al. Uncertainties in committed CO2emissions from coal power plants in China and the implications for climate targets [Z]. twelfth annual meeting of IAMC, 2019.

[30] 王 克,刘芳名,尹明健,等.1.5℃温升目标下中国碳排放路径研究 [J]. 气候变化研究进展, 2021,17(1):7-17.

Wang K, Liu F M, Yin M J, et al. Research on China’s carbon emissions pathway under the 1.5℃ target [J]. Climate Change Research, 2021,17(1):7-17.

[31] McNerney J, Farmer J D, Trancik J E. Historical costs of coal-fired electricity and implications for the future [J]. Energy Policy, 2011, 39(6):3042-3054.

China’s coal power stranded assets under carbon lock-in constraint.

WANG Yan-hua1, WANG Ke1*, LIU Jun-ling2, ZOU Ji1

(1.School of Environment and Natural Resources, Renmin University of China, Beijing 100872, China；2.School of Economics and Management, Harbin Institute of Technology (Shenzhen), Shenzhen 518055, China)., 2022,42(3)：1427～1434

By modelling of the financial situation of coal-fired plants in unit level, the Net Present Value method was used to calculate stranded assets under the scenarios of early retirement, low utilization, restriction et al. Then temporal and spatial distribution of stranded assets were clarified to provide some support for the transition pathway of coal power. The stock of coal-fired power units was the main cause of stranded assets. Controlling the new coal-fired power would help to reduce stranded assets risk. Under the scenario of early retirement and low utilization, the value of operating and new stranded assets in China was CNY 1.90 trillion and CNY 3.98 trillion respectively; Early retirement and low utilization led to obvious interannual distribution differences of coal power stranded assets. The risk of early retirement was mainly concentrated in 2030～2040, while low utilization was concentrated primarily in 2021～2035; The spatial distribution of coal power stranded assets is extremely uneven. The ten major coal power provinces, including Shandong, Inner Mongolia and Jiangsu, accounted stranded assets for 67% and 70%. Therefore, the low-carbon transition of coal power needed cautious decision-making, paying attention to the stranding of coal-fired power assets caused by early retirement. More importantly, we should prevent and control the impairment of stranded assets caused by flexible transformation. The key provinces such as Shandong, Inner Mongolia, Xinjiang and Jiangsu should be focused especially. Formulate coal power transformation strategies according to local conditions to help power related enterprises and the government choose emission reduction policies.

coal-fired plants；stranded asset；carbon lock-in；coal power transition

X321

A

1000-6923(2022)03-1427-08

王 克(1979-),男,江西进贤人,副教授,博士,主要从事能源与气候经济学相关研究.发表论文40余篇.

2021-08-13

全球能源互联网集团有限公司科学技术项目(SGGEIG00JYJS 2100049)

*责任作者, 副教授, wangkert@ruc.edu.cn