低碳经济背景下火力发电厂节能减排测度及碳定价问题研究

方久伟　潘丽洁　魏子仪　金英美

摘要：自改革开放以来，中国经济飞速发展，但经济的快速发展所带来的是对环境的破坏。化石能源的大量使用，使环境污染不断加深，而当下所倡导的是“绿水青山，就是金山银山”。经济发展不能以牺牲环境为代价，碳减排问题也因此成为全世界关注的焦点问题。文章首先对中国火力发电厂的碳排量进行测算，找出发电过程中有待提高的环节，以降低碳排放，提高污染脱除效率；其次，对碳价进行测算，利用碳价刺激企业对碳减排问题作出创新性发展。分析结果表明，通过实施碳排放配额交易机制，可以促进火电企业采用新的节能减排技术，提高技术效率，降低二氧化碳排放。

关键词：火力发电；碳排放；投入产出；距离函数；影子价格

一、引言

随着世界低碳经济的倡导，碳交易市场不断扩大，欧洲很多国家已经正在逐步淘汰掉煤炭发电这种方式。由于中国还未真正步入后工业化阶段，对重工业还有一定的依赖，煤炭资源又相对比较廉价，火力发电技术已经较为成熟，所以火力发电依旧是中国主要发电方式。

中国在发电方面，煤炭消费量占比持续高居不下。可见，中国的火力发电厂面临的困境愈加窘迫，由于温室气体的排放导致了温室效应，有关碳定价问题的讨论也在国内持续升温。我国碳排放市场是遵循欧盟碳市场的配额交易机制，通过碳排放配额交易，不仅是引导、约束企业减少温室气体排放，还可以引导资金向低减排成本的企业流动，鼓励企业投资环境友好的技术、使用清洁能源，逐步淘汰高污染高能耗的落后产能，促进企业去开发更为先进的节能减排技术来降低减排成本。为解决中国目前碳交易市场配额多，碳价低的问题，对碳交易价格重新设定已然成为一个比较可取的途径。

火力发电厂作为一种重要的发电方式，目前一直占据电力市场的绝对地位，但同时火电企业所带来的环境污染也是巨大的，如果能节能减排，将给环境带来很大改善，同时碳定价有助于把温室气体排放造成的破坏或损失转回给责任方且有能力减排的相关方。碳定价有利于使经济发展兼顾环境保护，为改善全球变暖提供一份力，从而达成可持续发展的目标。

国内外的学者对于碳价格与火电厂方面也做了很多的研究。Duan Kun，Ren Xiaohang（2021）在关于碳排放权定价机制模型的理论研究中，应用一种新的分位数对分位数回归和分位数因果关系方法，发现对采用和碳减排的有效途径。卜文珂，赵蒙恩（2020）通过采用脉冲响应和方差分析等方法，发现能源企业的股价受到碳排放权价格较大，认为要合理制定碳配额引导能源企业绿色低碳发展。张新华，黄天铭（2020）通过针对碳价、燃煤发电商上网电量和碳减排设施的单位运维成本都随机波动的情况的研究认为：碳价下限政策可能会激励燃煤发电商提早进行碳减排投资，但提高碳价下限不一定能降低碳减排投资阈值。檀勤良，丁毅宏（2019）通过以火电企业碳减排成本最小为目标构建碳减排策略选择模型的研究认为，严苛的交易机制将增加技术应用数量并提早应用时间，而且充足的预算资金有助于企业碳减排成本的降低。

基于距离函数对碳排放的研究，Hailu和Veeman（2000）认为有些非期望产出是没有办法避免的，就算采用了很前沿的技术，也是很难避免的。Li Ying，Lin TaiYu（2021）通过建立一个有界动态方向距离函数（DDF）数据包络分析（DEA）模型，对中国能源和环境效率进行实证研究。Li XiaoNing，Feng Ying（2021）通过采用亚动态方向距离函数（DDF）模型，分析了区域环境污染治理方面的问题，发现我国每个省份的环境治理效率低下都是由投入要素效率低下造成的。李军军，周利梅（2020）首次提出了包含非期望投入和非期望产出的扩展型方向性距离函数模型，分析发现，三个五年规划期间各省份节能减排效率差距比较稳定。刘军航，杨涓鸿（2020）对长三角碳排放绩效进行实证研究时，运用了非角度的混合方向性距离函数模型，发现技术进步是长三角地区碳排放绩效提高的重要驱动力。

本文以中国火力发电厂为研究对象，借鉴了国内外有关距离函数和二氧化碳影子价格的理论，通过理论与实证相结合分析火电行业的碳排放情况。并通过Lingo、Shazam软件等相关软件进行数据建模，采用投入产出距离函数，对中国火电行业的二氧化碳排放量进行测算和分析。并计算分析二氧化碳的影子价格，从中找出对碳排量造成影响的因素，从而展开对碳减排问题的研究；再测算全国层面的碳排放影子价格，分析经济发展水平与碳排量之间的关系。

二、理论模型

火力发电厂在产生电力的同时，也会产生二氧化碳等非期望产出。设投入要素的向量为x∈R■■，产出要素的向量为y∈R■■，x1，x2，x3分别表示资本，劳动力和能源；y1，y2分别表示最终产出和二氧化碳排放量。根据Shephard距离函数，在技术给定，y不变的条件下，Shephard距离函数测量达到输入要求集B（y）边界所需x最小比例收缩。可表示：

Do（y，x）≥1，投入量距离函数的倒数，表示技术效率的程度。（1-技术效率）用于捕捉在不降低y的情况下，通过提高技术可行性，降低投入量。输入距离函数满足正则性和线性齐次性。

而成本函数是从满足输入距离函数约束的成本最小化问题推导的：

y的影子价格表示生产额外单位的y所造成的成本增加。y的影子价格通过微分方程（2）推导得出：

线性规划技术用于获得式（5）中的参数估计，目标函数（技术有效边界的单个观测值偏差之和）通过Min∑n[lnDo（yn，xn）-ln1]達到最小。

三、测算结果

本文以我国2001～2019年的投入产出数据为样本进行分析，包括发电量（q），CO2排放量（u），资本投入量（k），劳动投入量（l），煤炭投入量（c），石油投入量（o），电力价格（pg），计算出了其平均值、标准差、最大值和最小值，数据如下图表一所示。

本文选取煤炭、柴油、石油、原油和燃料油消耗量作为能源消耗指标，并根据各能源的二氧化碳排放系数，运用公式CO2＝wiEi计算出二氧化碳总排放量，其中wi指的是该能源的二氧化碳排放系数，Ei指的是该能源的消耗量，二氧化碳排放量单位为万吨。

本文数据来源于《中国统计年鉴》，《中国能源统计年鉴》，中国碳排放交易网，以及国家统计局。

根据上述的公式（5）和各变量的数据进行参数估计，得到了表2的结果。

表3是2001～2019年每年的技术效率、CO2潜在减排量和减排成本（影子价格）数据。技术效率指的是投入和产出因素之间的最佳配置状态，技术效率越大代表需要改进的地方越少，技术效率为1代表技术效率达到最大。如表3所示，2001年、2002年、2004年、2008年、2009年技术效率达到最大，相应的CO2潜在减排成本为0，投入与产出因素之间达到最优配置。2012和2016年的技术效率相对最低，投入和产出因素之间的配置可改进的地方还很大。2001～2019年间的平均技术效率高于0.95，可见火电企业对于投入和产出因素之间的配置还是很合理的。CO2潜在减排量指的是在技术效率达到最大时，还能够减排的CO2量。从表3中可以看出，2006年的CO2潜在减排量最大，达到了13332.591万吨，说明2006年的非期望产出相对过高，还有很大的减排空间。总体来看，技术效率越高，CO2潜在减排量越少，年与年之间不具备线性关系。大多数年份的CO2潜在减排量还是不小的，还有有待改进的地方。由表3可知，2009年的CO2影子价格最高，达到了357.9元每吨，而且2009年的技术效率已经达到最大，CO2潜在减排量为0。

四、结论及建议

如果在2009年全面实施碳配额交易机制，可以获利很大。除2009年外，还有3年的CO2影子价格每吨超过了100元，平均值每吨超过了50元，可见，实行碳排放配额交易机制还是很有意义的，也很有必要。

碳交易机制的实施能够给火力发电厂经济方面的压力，促使火力发电厂去寻求减排技术，严苛的交易机制将增加技术应用数量，从而达到碳减排的目的。在交易机制实施初始阶段，火电企业即可优先选择初始投资较小的技术以避免缴纳高昂的碳交易成本，而在中后期则更加倾向于选择节能减排量更为庞大的高投资技术。

参考文献：

[1]Duan Kun，Ren Xiaohang，Shi Yukun，Mishra Tapas，Yan Cheng.The marginal impacts of energy prices on carbon price variations：Evidence from a quantile-on-quantile approach[J].Energy Economics，2021，95.

[2]Chenhao Fang，Tieju Ma.Technology adoption with carbon emission trading mechanism：modeling with heterogeneous agents and uncertain carbon price[J].Annals of Operations Research，2021，300（02）.

[3]卜文珂，趙蒙恩.碳排放权价格对能源企业股价的影响研究——基于传统能源和新能源企业的对比分析[J].价格理论与实践，2020（03）：107-110.

[4]张新华，黄天铭，甘冬梅，叶泽.考虑碳价下限的燃煤发电碳减排投资及其政策分析[J].中国管理科学，2020，28（11）：167-174.

[5]檀勤良，丁毅宏，魏咏梅，何晴，刘亚龙，姚洵睿.碳交易及模糊预算下火电企业碳减排最优策略研究[J].电网技术，2019，43（10）：3707-3715.

[6]Hailu A，Veeman T.Non-parametric productivity analysis with undesirable outputs： an application to Canadian pulp and pap er industry[J].American Journal of Agricultural Economics，2000，83（03）：605-616.

[7]Li Ying，Lin TaiYu，Chiu YungHo，Cen Hongyi，Lin YiNuo.Efficiency assessment of coal energy and non-coal energy under bound dynamic DDF DEA[J].Environmental science and pollution research international，2021，28（16）.

[8]Li XiaoNing，Feng Ying，Wu PeiYing，Chiu YungHo. An Analysis of Environmental Efficiency and Environmental Pollution Treatment Efficiency in China’s Industrial Sector[J].Sustainability，2021，13（05）.

[9]李军军，周利梅.基于目标导向的区域节能减排效率评价[J].福建论坛（人文社会科学版），2020（06）：125-135.

[10]刘军航，杨涓鸿.基于混合方向性距离函数的长三角地区碳排放绩效评价[J].工业技术经济，2020，39（11）：54-61.

（作者单位：江苏大学）