绿电绿证交易对电力碳排放因子影响分析

李威武 LI Wei-wu；梁琛 LIANG Chen；董晓阳 DONG Xiao-yang；李亚昕 LI Ya-xin；李树德 LI Shu-de

（①国网甘肃省电力公司发展事业部，兰州 730030；②国网甘肃省电力公司电力科学研究院，兰州 730050；③国网英大碳资产管理（上海）有限公司，上海 200126）

0 引言

电力是大部分企业的主要消耗能源，电力碳排放是企业制定减碳目标的关键之一；同时消费者也需要了解电力消费的间接排放，推动个人低碳行动和选择低碳产品，市场化行为也能反向加速企业低碳转型。随着电能替代不断加强，2030 年电能占终端能源消费比重将达到35%左右[1]，相应的用能碳排放将出现逐步从终端用能部门向电力行业转移的趋势。

为减少电力行业碳排放，我国全面升级了可再生能源绿色电力证书（绿证）制度[2]，扩大绿证核发和交易范围，并推动中央企业、地方国有企业、机关和事业单位发挥先行带头作用，稳步提升绿电消费比例。这对于准确计算“电力平均碳排放因子”至关重要，当前“电力平均碳排放因子”将电力相关碳排放平摊至全部电量，无法区分不同类型电源及外送电力的绿色环境价值，无法引导企业主动消纳绿色电力问题。

目前，天津[3]、北京[4]、上海[5]试点碳市场均允许绿电抵扣用电碳排放，此外天津试点碳市场还允许绿证抵扣。使用“电力平均碳排放因子”核算外购电力碳排放时，若将绿电绿证电量在用电碳排放计算中扣减，就会出现环境属性被双重计算，为了避免这一问题，就需要调整“电力平均碳排放因子”，扣除可再生能源电力的环境属性。

本文基于场景计算来证明绿电绿证交易对电力平均碳排放因子的影响，说明这一问题可能会导致电力用户未支付环境溢价，就享受了用电碳排放的下降，即搭便车效应，以及绿电绿证与用电碳排放核算方法无法衔接造成政策失效，并提出了消除争议、促进绿证消纳的建议。

1 材料与方法

1.1 电力平均碳排放趋势

国家主管部门先后公布了2010、2012、2015、2016 年省级电力平均碳排放因子[6-9]，主要用途是支撑各级政府“十二五”和“十三五”时期碳强度下降目标考核。图1 显示，省级电力平均碳排放因子相差较大，这主要与各省份的发电能源结构有关，华北地区和东北地区火力发电占比较高，相应的电力平均碳排放因子较高，中部地区和西部地区的可再生能源丰富，相应的电力平均碳排放因子较低。总体上，各省级电力平均碳排放因子呈下降趋势，云南和四川下降幅度较大，分别下降了78%和64%，主要在于非化石能源电力发展较快；广东和上海均下降了29%，主要在于加大外调电力度，70%左右电力来自四川、湖北等水电大省。

图1 各省电力平均碳排放因子历年变化图

1.2 绿电绿证交易趋势

绿证用于跟踪和证明所购买的电力来自可再生能源，是物理属性（即实际发电方式）与其环境属性（即碳排放水平）的分离。2017 年，我国开始实行绿证自愿认购制度。据统计，2022 年我国绿证认购量384.9 万张[10]，是2021 年的6.7 倍，见图2。

图2 绿证认购历年变化图

绿电交易以绿色电力产品为标的物的电力中长期交易，用以满足电力用户购买、消费绿色电力需求，并提供相应的绿证。2021 年，我国绿电交易试点启动。据统计，2022年全国绿色电力省内交易量227.8 亿千瓦时[11]，是2021 年的36 倍，但是绿电交易电量的比重还比较小，仅占全国交易电量比重约0.4%。

1.3 情景设定

情景1：电力平均碳排放因子计算的基本思路为对应地理范围内所有因发电消耗化石燃料产生是总排放量与净调入电量隐含的碳排放量之和，除以对应地理范围内的总发电量与净调入电量之和。

以省级电力平均碳排放因子计算[12]为例，其计算方法如下：

式中：

EFp，y-第y 年本省电力平均碳排放因子，吨二氧化碳/万千瓦时；

Ep，y-第y 年本省电力系统化石燃料燃烧排放，吨二氧化碳；

EFi，y-第y 年i 省的电力平均碳排放因子，吨二氧化碳/万千瓦时；

EGi，y-第y 年从i 省净调入电量，万千瓦时；

EFj，y-第y 年区域电网j 的电力平均碳排放因子，吨二氧化碳/万千瓦时；

TEGy-第y 年省内总电量。

其中，

EGj，y-第y 年从区域电网j 净调入电量，万千瓦时；

EFk，y-第y 年k 国的电力平均碳排放因子，吨二氧化碳/万千瓦时；

EGk，y-第y 年从k 国净调入电量，万千瓦时；

EGp，y-第y 年本省所有电力系统发电量，万千瓦时。

情景2：在绿电绿证交易情况下，电力平均碳排放因子应进行调整，以考虑可再生能源对减少二氧化碳排放的积极贡献，电网总供给电量中应扣除绿电绿证相对应的绿电电量。

2 结果与讨论

情景1：基于《甘肃统计年鉴2022》[13]，按式（1）、式（2）计算2021 年甘肃电力平均碳排放因子为0.4467kgCO2/kWh。在这种情景下，采购绿电绿证的企业使用清洁能源发电而产生较低的碳排放量，而其他电力用户则基于电力平均碳排放因子计算自身用电碳排放，从而享受了低碳电力，但并没有为此支付相应的环境溢价成本，这就造成了搭便车效应，造成了可再生能源碳减排贡献的双重计算。

情景2：据统计，2021 年甘肃省可再生能源直接交易电量43.75 亿千瓦时[14]，按式（1）、式（3）计算2021 年甘肃电力平均碳排放因子为0.4571kgCO2/kWh。扣除绿电绿证交易影响后，更准确地反映电力系统的实际碳排放情况，解决重复计算可再生能源碳减排贡献的问题；同时，有利于鼓励企业积极支持和投资可再生能源，促进可持续能源发展。

要准确计算电力平均碳排放因子，考虑绿电绿证交易是非常必要的，因为它能够反映清洁能源在电力系统中的实际贡献，鼓励清洁能源的发展和使用，推动减少碳排放的目标的实现。为清楚阐明绿电绿证交易的影响，表1 总结了绿电绿证交易电量是否扣除情况下的电力平均碳排放因子和电力用户的碳排放变化。

表1 不同情景下电力平均碳排放因子和用户碳排放变化

电力平均碳排放因子未修正情况下，电力用户A 采购了500kWh 绿电绿证，并作为零排放电力抵销自身用电量，剩余电量在计算排放时，存在双重计算可再生能源碳减排贡献，因为电力平均排放因子已经包括了绿电绿证交易电量。此外，电力用户A 和B 则均低估了用电碳排放量。

扣除绿电绿证交易电量影响后，电力平均碳排放因子增加，电力用户A 和B 均准确的计算了用电排放，避免了双重计算可再生能源碳减排贡献。

目前，政府主管部门没有及时更新电力平均碳排放因子，并且没有考虑绿电绿证的碳减排贡献双重计算问题。按照目前的电力平均碳排放因子计算方法，随着新型电力系统的建设，可再生能源装机规模越来越大，则电力平均碳排放因子会越来越小，如不及时更新电力平均碳排放因子计算方法，则会造成搭便车效应，对于采购绿电绿证的用户来说不公平。

此外，绿证是物理属性和环境属性的分离，但是目前的绿证政策只给可再生能源发电上网电量发放绿证，这对于离网电厂也存在不公平，离网电厂无法享受环境溢价带来的激励，不利于离网可再生能源的可持续投资和建设。

3 结论

本文提出了电力平均碳排放因子修正的建议，并以案例形式论证了绿电绿证交易对电力平均碳排放因子的影响，证实可再生能源碳减排贡献的双重计算问题，这一问题可能会削弱绿电绿证相关政策，不利于可再生能源电厂的可持续发展。

正确并及时计算电力平均碳排放因子，发布不含绿电绿证交易电量的排放因子，是解决环境价值重复计算的最简单直接方式，以准确反映可再生能源的碳减排的贡献。随着绿电绿证交易电量的扩大，修正后的电力平均碳排放因子主要体现火力发电的碳排放，电力平均碳排放因子将会持续变大。

加强对电力平均碳排放因子计算方法的透明度，向公众公开相关数据和计算方法，使人们能够了解绿电绿证交易的作用和影响，更好地了解电力来源和排放差异，激发公众参与和企业自愿采取措施减少碳排放，并采购绿电绿证。

建立绿电消费追踪系统和认证机制，加强绿电绿证核发和消费数据的透明度，验证企业申报的绿电消费电量的真实性和准确性，有助于建立消费者和投资者对企业的信任，推动绿电市场的发展和繁荣。同时，加强绿电认证机构的监管，确保其独立性和专业性。

此外，对于离网可再生能源发电项目，建议纳入绿证核发范围，这有利于激励企业投资分布式可再生能源发电项目，促进能源低碳化发展，加快双碳目标的实现。