面向临港新片区的碳排放核算与预测研究

2022-12-23张华富李博文王海冰

自动化仪表 2022年12期

陈赟,张华富,罗潇,李博文,王海冰

(1.国网上海浦东供电公司，上海 200122；2.上海理工大学机械工程学院，上海 200093)

0 引言

全球气候变化是人类社会实现可持续性发展所面临的重要挑战之一。人类进行生产活动消耗化石能源所排放的CO2及其他温室气体是导致气候变暖的根本原因。电力产业作为排放大户，已成为施行碳减排工作的首要对象。实现我国双碳目标，不仅需要新兴的碳减排技术，还需要科学的碳减排政策。制定科学的碳减排政策的重要前提是实现合理的碳排放预测。

在此背景下，国内外众多学者对如何实现碳排放的有效核算和预测展开了大量研究。针对全国性的碳排放核算，有学者建立了覆盖全国性城市CO2排放核算数据库[1-2]。针对地方性区域碳排放核算，有学者从生命周期视角出发构建完整的区域碳足迹核算框架及方法学模型[3]。针对不同行业(如快递[4]、石化[5]、污水处理[6]等)产生的碳排放核算，有学者分别建立碳排放模型，对各阶段的碳排放进行评估。

针对CO2排放量的预测，有学者采用支持向量机模型，建立了燃煤电厂煤质及运行参数与CO2排放量的关系模型[7]，并加入Adaboost算法[8]对模型进行优化提升。目前，主流碳预测的预测模型有Logistic 回归预测模型[9]、灰色模型(gray model,GM)[10]、理想点多属性决策算法[11]等。可拓展的随机性环境影响评估(stochastic impacts by regression on population,affluence,and technology，STIRPAT)模型由于对碳排放与各影响因素之间的关系进行定量分析，具有较好的灵活性和一定的拓展空间，成为研究碳排放峰值问题的认可度较高的模型。

本文基于各类能源用户和社会生产的多元化能源数据开展电力碳排放预测研究，实现电力能源碳排放的有效预测，结合临港新片区双碳目标，制定合理的降碳策略，助力国家双碳计划。本文首先从宏观层面和特定场景分别对临港新片区的直接和间接碳排放的核算方法进行研究；然后分析了临港新片区人口、人均国内生产总值(gross domestic product,GDP)、城镇化率、产业结构、能源强度和能源结构对区域产生碳排放量的影响，并通过改进的STIRPAT模型对影响显著的因素进行建模分析；最后根据临港新片区城市规划、产业发展规划和综合能源规划，对影响模拟结果关键要素的未来变化趋势进行预测分析，实现未来区域电力能源碳排放量的有效预测。

1 临港新片区的能源电力碳排放核算方法

世界资源研究所和可持续发展工商理事会于2011年底发布的《企业价值链标准》提出了测量企业产品温室气体排放的核算范围。核算范围具体可分为3个。

①范围1是发生在指定区域边界内部的所有直接碳排放过程(包括本地电力、热力供应，工业生产，本地固体废弃物处理，本地污水处理等)。

②范围2是指定区域外购电力和热力引起的间接碳排放。

③范围3是除范围1和范围2之外产生的一切碳排放，包括购买产品的上游排放和交通运输排放等间接排放。

2019年8月20日，临港新片区正式成立。新片区内采用集中统一规划模式，打造临港新片区一体化信息管理服务平台，同时集聚发展集成电路、人工智能、生物医药和航空航天四大重点产业，形成了先进智造片区、滴水湖核心片区、新兴产业片区、浦东国际机场南侧片区和综合产业片区的五大片区。由于不同区域、行业的碳排放强度不同，因此针对临港新片区的碳排放核算，需从宏观层面和特定产业场景分别进行计算。

1.1 基于清单分析法的碳核算

在宏观层面，对于范围1和范围2中的直接碳排放和外购电力和热力部分的间接碳排放进行核算。根据清单分析法中所列写的清单收集的相关数据，选取对应的碳排放因子，研究估算碳排放量。直接碳排放量清单中包括指定范围内的火电机组发电、热力供应、固废焚烧/填埋、污水处理。因此，直接碳排放E直为：

E直=xQ发电+yQ热力+zQ固废+wQ污水

(1)

式中：Q发电为火电机组指定时间段内发电量，万千瓦时；Q热力为指定时间段内热力供应量，百万千焦；Q固废为指定时间段内掩埋/焚烧的固废质量，万吨；Q污水为指定时间段内污水处理总量，万立方米；x、y、z、w为对应的碳排放因子。

间接碳排放量清单中包含外购电力和外购热力。间接碳排放E间为：

E间=(E电耗-E清洁能源)×(1-β)+E燃气

(2)

式中：E电耗为外购电能消耗碳排放，由临港新片区指定时间段内外购电量乘以对应碳排放因子计算得出；E清洁能源为本地清洁能源消纳减排量，由临港新片区指定时间段内本地清洁能源消纳量乘以对应碳排放因子计算得出；β为外购电力清洁能源占比；E燃气为天然气碳排放，由临港新片区指定时间段内外购天然气量乘以对应碳排放因子计算得出。

碳汇减排清单中目前包括自然碳汇、技术降碳以及碳排放权购入。因此，碳汇量E汇为：

E汇=E自然+E固碳+E购入

(3)

式中：E自然为自然碳汇量，由临港新片区指定时间段内绿地面积乘以对应碳排放因子计算得出；E固碳为指定区域指定时间段内采用降碳技术减少的碳排放总量；E购为指定区域指定时间段内购入的碳排放权额度总量。

结合式(1)～式(3)可知，在指定区域的指定时间段内，碳排放总量E总为：

E总=E直+E间-E汇

(4)

运用清单分析法，按照月度或者年度统计临港新片区的电能消耗、燃气消耗、本地清洁能源发电量、火电机组发电量、固废处理量、污水处理量、绿植面积、固碳量以及碳排放配额购入量，研究碳排放的直接和间接的核算方法，从宏观层面对临港新片区展开不同维度的碳排放核算和分析。

1.2 基于投入产出法的碳核算

对于临港新片区管委会关注的重点企业，尤其是在生产过程中会造成除了能源消耗以外的大量碳排放的企业，使用清单分析法难以准确核算其碳排放量，为政府制定相关碳排放限制措施造成了不便。因此，本文采取投入产出法对特定企业的碳排放量展开核算，以弥补清单分析法的局限性。

通过投入产出法计算，某企业在指定时间段内的碳排放总量E总为：

E总=V碳系×M企业

(5)

式中：V碳系为投入产出表中各环节的碳排放系数矩阵，包含了范围1和范围2的范畴；M企业为某企业的列昂惕夫逆矩阵(完全需要系数矩阵)，表征各部门中间的生产需求结构。

本文利用投入产出法，收集特定企业指定时间内的投入清单和产出清单，结合《中国投入产出表》提供的消费品载能碳排放分析基础数据，建立行业投入产出宏观经济数据与物质消耗模型，从而衡量不同行业产出产品与碳排放量之间的关系。这有利于减少对微观层面物质消耗数据的依赖，实现对特定碳排放较多的企业的精准碳排放核算。

2 基于扩展STIRPAT模型的碳排放预测

2.1 STIRPAT模型

STIRPAT模型通过对人口、财产、技术3个自变量和因变量之间的关系进行评估。STIRPAT模型是1类可拓展的环境影响评估模型，是由Dietz和Rosa在传统IPAC模型的基础上，考虑了人口规模、富裕程度、技术水平对于环境因素的单独影响，而拓展得到的非线性模型。该模型有效地避免了同比例因素变动引起的误差，定量研究环境评估与各影响因素之间的关系，具有较好的灵活性和一定的拓展空间，已成为应用较广泛、公认度较高的预测模型。其基本计算式为：

Q=aPbAcTde

(6)

式中：Q为环境压力;P为人口规模;A为富裕程度;T为技术水平;a为模型的系数;b、c、d为各自变量指数;e为误差。

指数的引入使得STIRPAT模型可用于分析各类因素对环境的非比例影响。

对式(6)两边取自然对数，得到线性方程:

lnI=lna+blnP+clnA+dlnT+lne

(7)

式中：I为二氧化碳排放。

由弹性系数的概念可知,方程回归系数反映的是解释变量与被解释变量之间的弹性关系。

2.2 扩展的STIRPAT模型

为了实现对碳排放更加精确的预测、更加全面地研究不同因素对于碳排放的影响，除了基本模型中人口、财富和技术这3个变量外，本文将城镇化率、产业结构和能源结构这3个对区域碳排放强度影响较为明显的因素纳入扩展模型中。扩展的STIRPAT模型计算式为：

lnI=lna+blnP+clnA+dlnU+flnG+glnE+

hlnS+lne

(8)

式中：U为城镇化率;G为产业结构;E为能源强度;S为能源结构;b、c、d、f、g、h分别为各变量弹性系数。

通过对扩展的STIRPAT模型进行研究，结合临港新片区的实际发展情况，临港新片区内规上企业中制造业规上企业较多，约占全部规上企业的75%，能源消耗比重较大，碳排放强度较高，因此使用第二产业产值占GDP的比重来衡量产业结构。临港新片区的能源结构以火电为主、可再生能源为辅，并且在未来规划中清洁能源的占比将不断提高。因此，本文以煤炭消费占能源消费总量的比重来衡量能源结构，并将其分解为终端能源消费占比(电/气比)和绿电占比。临港新片区的人口和人均GDP可通过规划中的GDP总值直接反映，作为一个已知系数进行考虑。城镇化率指标主要用于国家层面碳排放预测。临港新片区正处于集中规划阶段，致力打造世界级制造业集群、发展配置全球高端要素的服务业，城镇化率指标不适用于临港新片区碳排放趋势预测。因此，针对于临港新片区的碳排放趋势预测，目前主要考虑的影响因素包括产业结构、能源结构水平以及能耗强度。

经过上述分析研究，将式(8)改进为：

lnI=lna+blnP+clnA+dlnG+flnE+glnS+lne

(9)

3 临港新片区的碳排放预测

3.1 数据来源

由于临港新片区于2019年挂牌成立，缺乏相应历史统计数据，所以本文以上海市历史数据为基准、以临港新片区的未来规划设置预测指标。依据STIRPAT模型不同指标的可获得性，人口数据、GDP数据来源于2010—2020年《上海市统计年鉴》。产业结构、能源强度和能源结构来源于《中国能源统计年鉴》、《中国技术统计年鉴》、《中国(上海)自由贸易试验区临港新片区国土空间总体规划(2019—2035 年)》。能源结构依据煤炭消费量占总能源消费的比重计算得到。终端能源结构根据电、气消费所占比重计算得到。绿电占比消费根据总发电量中可再生能源发电占比计算得到。能源强度根据能源消费总量与GDP的比值计算得到。个别的缺失数据采用插值法补齐。

碳排放核算温室气体清单数据根据《省级温室气体清单编制指南》得到。电力和热力排放因子根据上海市2010年能源平衡表和温室气体清单编制数据计算得到。电力数据来源于浦东公司。清洁能源数据来源于上海市电力公司。企业产品投入产出温室气体的核算根据《温室气体议定书-企业核算与报告准则》计算得到。其余数据来源于政府相关部门。

根据所收集的研究数据，可通过上述核算方法计算得到上海市历年的碳排放核算结果。2010—2020年上海地区碳排放各相关变量统计情况如表1所示。表1中，样本数均为11个。

表1 2010—2020年上海地区碳排放各相关变量统计情况

3.2 预测结果和分析

基于临港新片区2010—2020年碳排放核算的数据，利用改进后的STIRPAT模型对CO2排放量与各影响因素之间进行拟合。将对数化后的各组变量进行共线性验证，发现变量P的方差膨胀因子为148.227；变量A的方差膨胀因子为43.024；变量G的方差膨胀因子为776.451；变量E的方差膨胀因子为161.849；变量S的方差膨胀因子为35.052。各组变量之间的方差膨胀因子均远大于10。

为避免各变量之间可能出现的多重共线性问题，本文采用岭回归的方法对数据进行有偏估计的回归分析，将总人口、人均GDP、产业结构、能源强度和能源结构定义为自变量，能源产生的碳排放量作为因变量，在SPSS19.0软件中编写调用 Ridge Regression程序的语法进行拟合回归，得到不同岭参数K值和拟合优度R2值之间的图像关系。岭回归K值与R2值的对应关系如图1所示。

由图1可知，R2与K之间呈现负相关。当K的取值越小时，则丢弃的信息与精度越小，预测模型的精度越高。因此，K的取值应当尽可能小。通过岭回归中的岭迹图来判断K的取值范围。图2为岭迹图。

由图2可知，当K处于0.2～0.8时，岭回归系数基本趋于稳定，拟合程度较好。因此，K的选取应该在此范围内。结合图1，当K=0.2时，对应的模型拟合效果最佳。

将模型中的岭回归参数设置为K=0.2，再次进行岭回归拟合分析。岭回归方差分析如表2所示。

表2 岭回归方差分析

当K=0.2时，模型中的R2=0.858 8，说明当K取值为0.2时，拟合模型可以将因变量引起的方差波动减少85.88%。基于以上分析，本文构建出临港新片区碳排放预测模型。模型方程为：

lnI=-14.316+1.123lnP+0.529lnA+0.162lnG+

0.745lnE+0.816lnS

(10)

岭回归模型系数即STIRPAT模型的弹性系数。式(10)中，各主要因素均对临港新片区CO2排放总量有正相关的促进作用。各影响因素间的弹性系数存在一定差异。首先，人口规模对碳排放的影响处于第一，说明人口数量的增加对能源的需求产生了较大的影响。人口每增长1%，碳排放强度增加1.123%。其次，能源结构也是影响碳排放强度的重要因素，但其弹性系数与人口相比较小。上海的能源结构以传统能源为主、可再生能源为辅，能源结构中煤炭占比较大，而清洁能源发展潜力较大。此外，能源强度和人均GDP也是重要的影响因素，上海GDP增量与能源消费位居全国前列，而能源消费与其他因素相比对碳排放的影响较小，说明上海地区能源消费以优质高效为主、能源利用率较高。产业结构对碳排放的影响较小。由历年数据可以看出，上海地区的产业结构不断升级，第二产业的比重逐年下降，对能源的消费需求变小。

3.3 碳排放预测影响因子分析

碳排放的强度受到不同因素的共同影响。依据临港新片区发展规划和“十四五”发展计划，将不同的因素分别设置不同的值进行碳排放峰值的预测，并对模型中可预测的部分进行系统、科学的分离，从而有效降低预测的误差和不确定性。

3.3.1 影响因子分析预测

①人口规模。一方面，自临港新片区成立以来，开放各项自由贸易区的实验政策，吸引了大量中外企业的入驻，常住人口规模实现较大幅度的增加，人口增长趋于平稳。另一方面，依据《中国(上海)自由贸易试验区临港新片区总体方案》，在2019—2035年期间临港新片区加大力度引进各类高新技术企业和创新型机构，必将引起人口的持续增长，人口规模将不断加大。预计到2035年，临港新片区人口至少达250万。根据这一预设，将2020—2030年人口的增长速率设定为7.26%，在2030年到2035年逐步放缓。

②GDP规模。随着临港新片区各类优惠政策的推出，临港新片区在成立第一年就吸收投资超过2 700亿元。特别是《关于以“五个重要”为统领加快临港新片区建设的行动方案(2020—2022年)》提出，从2020年到2022年，临港新片区地区增加值年均增速达到25%。临港新片区“十四五”规划明确临港新片区到2025年要实现地区生产总值较2018年翻两番，并提出“2026年到2035年这10年里，如果临港新片区总产值能再翻两番，就能达到一万亿元”。由于临港新片区在未来二十年建成规模将迅速扩张，各种优惠政策必将吸引众多企业前来入驻，洋山港作为重要的对外贸易港口，对外贸易需求也必将上升，带来的社会红利不断释放，未来的经济必将急剧增长。同时，考虑全球新冠疫情带来的经济增长阻力，将临港新片区的GDP历史数据进行拟合。2021—2035年临港新片区GDP产值预测趋势如图3所示。

③产业结构。临港新片区一期工程中，重点碳排放主要集中在第二产业，能源碳排放量占临港新片区全部产业结构排放总量的近70%。其中，制造业为主要的碳排放来源。临港新片区初步聚集了新能源装备、海洋工程、智能制造、生物医药、人工智能等一批骨干企业，培育形成智能新能源汽车、集成电路、高端装备制造3个千亿级产业集群。在未来一段时间，制造业碳排放量将保持高速增长。同时，临港新片区“十四五规划”指出，发展配置全球高端要素资源的现代服务业，推动跨境金融服务、新型国际贸易、现代航运服务、数字信息服务、科技创新服务等新兴产业的发展。基于此，临港新片区的产业结构变化率设定为低速-0.5%。

④能源结构。临港新片区的煤炭资源匮乏，风能、光伏等可再生资源丰富。近年来，煤炭消费占能源消费总量比重不断降低，清洁能源产业发展迅速。临港新片区“十四五”规划指出，2025年清洁能源占能源消费比重 50%。基于2020年临港新片区清洁能源占比为 42.33%，综合考虑区域清洁能源发展趋势，本文以2025年区域清洁能源占比可达50%为目标，对临港新片区2021—2035年清洁能源发电量趋势进行拟合预测。清洁能源预测趋势如图4所示。

⑤能源强度。响应国家节能减排号召，国家大力发展绿色能源技术，产业技术不断升级，低碳绿色的观念深入人心。人们的生活方式发生转变，更加倾向于低碳绿色和高能效产品，产品的单位能效不断下降。本文基于区域总体能源碳排放量和清洁能源碳减排量，得出临港新片区2020—2035年单位GDP能耗趋势。单位能耗预测趋势如图5所示。

3.3.2 碳排放峰值预测

本文基于上海地区碳排放预测模型，结合临港新片区各类影响因子的规划和预测指标，测算出临港新片区2021—2035年实际能源电力碳排放预测趋势。能源电力碳排放预测趋势如图6所示。

由图6可知，临港新片区在2032年进入能源电力“碳达峰”阶段，未在2030年前实现“碳达峰”目标。从趋势上看，2028—2030年度能源电力碳排放增长已进入平缓期。其中，区域能源电力碳排放增速预计将于2028年进入明显下降阶段。若想在2030年前实现能源电力碳排放的达峰，需进一步提升清洁能源占比，合理配置区域能源结构，加快产业结构升级以及产业技术升级带来的单位 GDP 能耗下降，使得区域能源电力碳排放按时或提前进入“碳达峰”阶段。