政府激励背景下企业绿色交易策略行为演化研究

2024-01-28牛皓玮吕海涛

智慧电力 2024年1期

梁晨，牛皓玮，刘达，吕海涛

（1.华北电力大学经济与管理学院，北京 102206，2.中国能源建设集团安徽省电力设计院有限公司，安徽合肥 230601）

0 引言

为实现碳达峰、碳中和目标，建立绿色能源生产消费的市场体系和有效机制，我国发布《关于进一步深化电力体制改革的意见》（国发〔2015〕9 号）、《可再生能源发展“十三五”规划》和《完善能源消费强度和总量双控制度方案》等政策，将有意愿承担更多社会责任的一部分用户区分出来，与风电、光伏发电项目直接交易，所产生的绿电收益用于支持绿色电力的发展和消纳，以市场化方式引导绿色电力消费，健全绿电交易机制。购电消费侧实现降耗减碳主要有4 个途径：投资分布式可再生能源、采购绿证、进行碳排放权交易和采购绿电。相比之下，绿电交易通过采购绿电实现用电减排，限制较低，且是最实际的减排方式，更加符合市场的需要。

我国绿电交易市场刚刚起步[1]，与之配套的政府激励政策与市场机制尚不成熟[2]，与绿电绑定的配额消纳制对其交易厂商的策略行为也暂未形成有效激励、引导和约束。目前，我国绿电交易以自愿交易市场为主，一些用户对于这种新的交易品种仍持观望态度。因此，为了保障绿电市场的有效运行，提高绿电交易市场需求端的活力，研究企业交易双方策略选择以及消纳比、履约率和政策激励3 个因素与策略选择之间的关系是很有必要的。

针对绿电交易的策略选择问题，现有研究主要集中在绿电交易中企业选择策略研究、影响因素研究以及交易机制研究等方面。其中，对于企业选择策略问题，现有研究从定性视角围绕社会绿色消费意识[3]、碳减排项目[4-5]、企业绿色转型[6-7]等进行了大量研究，从建模的视角构建企业绿色成本疏导机制[8]、对绿电交易运行效益博弈策略选择[9]、绿色发展效率模型[10]等进行了深入的研究。对于影响因素问题，研究主要分为政府政策因素、消纳配额因素和履约率因素。部分学者认为有效实施激励政策[11]对于实现国家碳减排目标[12-13]和促进企业绿色交易[14-15]具有重要作用。随着研究的深入，更多学者发现配额[16-19]和履约率[7，20]同样制约着绿色交易的发展和普及，文献[16-17]认为配额相关参数会对绿证交易主体策略产生影响；文献[7，20]认为企业履约率会对市场交易主体决策产生影响；文献[18]和文献[19]分别构建双层博弈优化模型和协同优化调度模型用于研究碳配额对于电力企业乃至综合能源系统的影响。总体来看，现有研究理论从过程视角研究绿电交易主体的动态演化路径，以及挖掘政府激励、消纳比、履约等影响因素如何影响到绿电交易双方决策的研究较少涉及。

考虑到我国绿电市场在短期内不会发生改变，绿电交易双方主体做决策是一个渐进的长期过程，并非是一次性突变。演化博弈理论为其提供了一个合理的分析方法，描述了参与决策的主体，所做的决定随时间的推移而不断调整适应的动态过程[21-23]。本文以购电企业和新能源发电企业为研究对象，建立演化博弈模型，分析了购电企业购买绿电和新能源发电企业参与绿电交易间演化博弈均衡，研究其在消纳比、履约率和政府激励等因素的影响下，购电企业和新能源发电企业如何做绿色交易决策。为我国绿电交易市场建设，扩大绿电交易规模、增加交易频次、实现绿色低碳发展提供有效建议。

1 演化博弈模型构建

1.1 模型基本假设与参数设置

1.1.1 模型基本假设

演化博弈分析不同参数条件下购电企业和新能源发电企业最终可能的博弈均衡结果与收敛速率。其中，政府通过设计如消纳比、激励系数等政策参数和规则约束来诱导各市场主体都积极参与绿色交易；作为直接参与人的购电企业和新能源发电企业，双方对于绿电交易的抉择，会在消纳责任权重限定的决策空间中以合理盈利为目标进行策略确定。演化博弈具体结构如图1 所示：

图1 政府激励下企业绿色交易系统示意图Fig.1 Schematic diagram of green trading system for enterprises under government incentives

根据演化博弈模型[21-25]，提出以下假设：

1）假设1：绿电交易的需求者是购电企业。假设政府规定消纳比例为α，实施消纳的责任主体为购电企业，此时购电企业为主动愿意为绿色电力环境属性付出额外费用的控制碳排放的用电企业。

2）假设2：绿电交易的供给者是新能源发电企业，即风光发电企业，未来将视情况逐步扩大至水电发电企业。

3）假设3：购电企业和新能源企业均为有限理性的决策主体，且二者间信息均不对称，不影响相互间利益决策。

4）假设4：购电企业的策略选择计集合为{购买绿电，不购买绿电}，设选择“购买绿电”策略的比例为x(0

5）假设5：若新能源发电企业不参与绿电交易，则假设企业生产的绿电将全部参与电力市场交易且均能交易成功，其参与电力市场交易所带来收益为M。

1.1.2 模型参数设置

模型涉及的其余主要参数及含义如表1所示。其中，对于购电企业而言。若购电企业绿电交易成功，则可以获得的政府激励收益V，因收益的大小受到政府激励程度的影响，设政府激励系数为θ，故激励收益为θV，其中0<θ<1。同时，由于选择了绿电交易之后，购电企业将会完成政府规定需要完成的消纳比，所以免受罚金。对于新能源发电企业而言，若新能源发电企业绿电交易成功，将获得绿电交易的收益。相应的，新能源发电企业也需要支付绿电成本；若绿电交易不成功，则新能源发电企业将会参与电力市场获得相应的收益。

表1 参数及含义Table 1 Parameters and its meaning for model

1.2 模型构建

由图1 可以得出购电企业和新能源发电企业的博弈收益支付矩阵如表2 所示。

表2 策略组合下双方博弈收益支付矩阵Table 2 Payoff matrix for power purchasing enterprise and new energy power generation enterprise game with strategy combination

2 稳定性及演化路径分析

2.1 购电企业的博弈均衡分析

由假设可知，购电企业群体中采用购买绿电交易策略方的比例为x，采用不购买绿电交易策略的博弈比例为1-x。那么，购电企业采用2 种策略博弈群体复制动态方程为：

式中：Uep,buy为购电企业的预期收益；Uep为购电企业的平均收益；t为演进时间。

当y×(-γ×Pg×α×Q0+f)-θ×V=0，则意味着x所有水平都是稳定状态。即当购电企业罚金与新能源发电企业参与绿电交易的收益和政府激励收益之和相等的时候，购电企业选择是否购买绿电交易策略不会对博弈均衡产生影响。

当y×(-γ×Pg×α×Q0+f)-θ×V≠0，令F(x)=0，得到2 个均衡点x=0，x=1。对F(x)求导得：F′(x)=(1-2x)[y×(-γPg×α×Q0+f)-θ×V]。演化稳定策略（Evolutionarily Stable Strategy，ESS）要求F′(x)<0，此时有如下2 种情况：

1）若y×(-γ×Pg×α×Q0+f)-θ×V<0，则x=0为演化稳定策略。即购电企业罚金小于新能源发电企业参与绿电交易收益和政府激励收益之和的时候，购电企业会选择不购买绿电交易策略。

2）若y×(-γ×Pg×α×Q0+f)-θ×V>0，则x=1为演化稳定策略。即购电企业罚金大于新能源发电企业参与绿电交易收益和政府激励收益之和的时候，购电企业会选择购买绿电交易策略。

2.2 新能源发电企业的博弈均衡分析

根据假设，新能源发电企业群体中采用绿证交易策略方的比例为y，采用绿电交易策略的博弈比例为1-y。新能源发电企业采用2 种策略博弈群体复制动态方程为：

式中：Unep,sell为新能源发电企业的预期收益；Unep为新能源发电企业的平均收益。

当x(γ×Pg×α×Q0-2M)-γ×Cg×α×Q0=0，则F(y)=0，意味着y所有水平都是稳定状态。即新能源发电企业参与绿电交易的收益与新能源发电企业参与电力市场交易收益和绿电生产成本之和相等的时候，新能源发电企业选择是否参与绿电交易策略不会对博弈均衡产生影响。

当x(γ×Pg×α×Q0-2M)-γ×Cg×α×Q0≠0，令F(y)=0，得到2 个均衡点y=0，y=1。对F(y)求导得：F′(y)=(1-2y)[x(γ×Pg×α×Q0-2M)-γ×Cg×α×Q0]。演化稳定策略要求F′(y)<0，此时有如下2种情况：

1）若x(γ×Pg×α×Q0-2M)-γ×Cg×α×Q0<0，则y=0 为演化稳定策略。即新能源发电企业参与绿电交易的收益小于新能源发电企业参与电力市场交易收益和绿电生产成本之和的时候，新能源发电企业选择不参与绿电交易策略。

2）若x(γ×Pg×α×Q0-2M)-γ×Cg×α×Q0>0，则y=1 为演化稳定策略。即新能源发电企业参与绿电交易的收益大于新能源发电企业参与电力市场交易收益和绿电生产成本之和的时候，新能源发电企业选择参与绿电交易策略。

2.3 整体的博弈均衡分析

联立购电企业、新能源发电企业的复制动态方程，得到复制动态系统成员的复制动态方程组如下：

令各个复制动态方程为零，求得系统的均衡点。对于购电企业、新能源发电企业两方构成的系统，只需讨论均衡点：该动态复制系统的4个局部均衡点依次为E1(0,0)、E2(0,1)、E3(1,0)和E4(1,1) 。当H1>H2和π1>π3时，第5个局部均衡点为E5(x5,y5)。其中：

根据系统的复制动态方程组，得到系统的雅可比矩阵如下：

将均衡点代入系统的雅可比矩阵，求得雅可比矩阵的特征值，如表3 所示。其中，当特征值都为负时，均衡点为演化稳定策略；当特征值至少存在一个正值时，均衡点为不稳定点；当特征值至少存在一个0 时，均衡点为半稳定状态。

表3 均衡点的雅可比矩阵特征值Table 3 Eigenvalues of Jacobi matrix for equilibrium points

本模型研究的最终目的是在双方均利润最大化的情况下促使发电企业选择绿电交易策略，以实现社会可持续发展的目标。由表3 可知，由于政府激励收益、罚金和电力市场收益一定大于0，故E1(0,0)为不稳定点。同理可得，E2(0,1) 为不稳定点，以下不再讨论。

对于E3(1,0)：当2M>r×(Pg-Cg)×α×Q0时，即在新能源发电企业电力市场收益大于绿电市场利润的情况下，E3(1,0)为潜在演化稳定点，系统将朝着{购买绿电，不参与绿电交易}的方向演化。

对于E4(1,1) ：当f+θV>γ×Pg×α×Q0，并且2M

3 数值模拟与分析

3.1 数据选取

根据国家统计局数据统计，我国2022 年全国用电量为8.64×1013kWh，其中绿电占全社会用电量的13.8%。根据中电联发布的2020 年1—9 月数据，并结合全国最新行业成本数据粗略估算，全国风光发电的平均度电成本在0.4 元/（kWh）左右，绿电加权均价0.468 元/kWh。

由国内各区域碳市场交易所数据可得，截至2023 年4 月30 日，全国碳市场碳排放配额累计成交额107.18 亿元。地方碳市场中，深圳、北京、湖北等都采用碳配额市价的倍数进行罚款，增加了处罚的威慑力。故本文的罚金设置为市价的2 倍。具体参数赋值见表4。

表4 参数赋值表Table 4 Parameter assignment

3.2 基准方案分析

在实际参数设定基础上，经实际赋值后f+θV>γ×Pg×α×Q0和 2M

本文运用Matlab2020a 软件对系统参与主体策略演化轨迹进行仿真模拟，刻画博弈主体初始意愿以及不同条件下购电企业和新能源发电企业行为策略，对第2 部分的理论分析进行验证。结果如图2 和图3 所示。由图2 可知，系统将朝着（1，1），即{购买绿电，参与绿电交易}的这一方向演化。

图3 购电企业和新能源发电企业的演化稳定性策略仿真Fig.3 Simulation of evolutionary stability strategies for power purchasing enterprise and new energy power generation enterprise

图3 中，横轴为演进时间，竖轴为交易企业双方分别选择购买绿电和参与绿电交易策略的概率P。在演化博弈的模型中，演进时间可能是离散的（如博弈的轮数）或连续的（如实际的时间流逝），故以下分析中的演进时间的单位统一设定为d。

由图3 可知，购电企业比新能源发电企业选择绿电交易策略的速度要快。从总的趋势来看，购电企业和新能源发电企业的演化稳定性策略朝着{购买绿电，参与绿电交易}的方向趋近。

当符合f+θV>γ×Pg×α×Q0和2M

3.3 敏感性分析

影响企业策略行为博弈的关键参数为α，γ和θ，依次对3 个关键参数进行敏感性分析。

3.3.1α对购电企业策略选择的影响

在其他参数不变的情境下，依次令消纳比增大1 倍、1.5 倍和1.8 倍，研究购电企业策略在不同消纳力度下的演化轨迹。

由图4 可知，当政府规定需要完成的消纳比的水平较低时(α=13.8%)，购电企业消纳的压力较低，购电企业购买绿电意愿随之降低。因为此时的购电企业也可以通过购买绿证或申请国家核证自愿减排量（Chinese Certified Emission Reduction，CCER）来达到自己的消纳目的。随着时间的推移，企业购买绿电的意愿收敛速率低于中消纳比和高消纳比时候的速率。当消纳比扩大至1.5 倍时(α=13.8%×1.5)，购电企业消纳的压力增加，购电企业选择购买绿电的意愿随之增加，企业购买绿电的意愿收敛速率高于低消纳比时的速率。当消纳比更高时(α=13.8%×1.8)，随着演进时间的增加，购电企业购买绿电的意愿也随之增加，且收敛速率较之中、低消纳比时期要快。

图4 α 对购电企业策略选择的影响Fig.4 Impact of α on strategy choice for power purchasing enterprise

因此，若适当增加消纳比例，有利于推进企业之间进行绿色交易。

3.3.2γ对交易双方策略影响

在其他参数不变的情境下，依次令γ变动±30%，研究企业双方策略在不同γ下的演化轨迹。由图5可知，γ的取值分别为0.2，0.5，0.8。研究新能源发电企业和购电企业在γ的演化轨迹。购电企业与新能源企业签订年度及以上的绿电交易合同，可以为新能源企业锁定较长周期并且稳定的价格水平。由图5 可知，γ越高，新能源发电企业选择购买绿电这一策略的速率越快。同理可得，对于购电企业而言，中长期绿电履约率越高，购电企业选择购买绿电这一策略的速率越快。由图5 的曲线趋势可知，随着购电企业和新能源发电企业的履约率增加，交易双方朝着{购买绿电，参与绿电交易}这一策略演进的速度逐渐变快。并且，观察图5 中的曲线的波动可得，购电企业曲线波动幅度较大，这说明购电企业比新能源发电企业更易受到γ的影响。

图5 γ 对企业策略选择影响Fig.5 Impact of γ on strategy choice for enterprise

3.3.3θ对购电企业策略选择的影响

在其他参数不变的情境下，依次令政府激励系数θ变动±30%，研究企业双方策略在不同政府激励系数下的演化轨迹。图6 为θ对企业策略选择的影响，图6 中P′为购电企业购买绿电的概率。由图6可知，θ为0.2，0.5，0.8 时，θ的高低对购电企业的策略选择影响较小，购电企业的决策最终都会趋近于选择购买绿电这一策略。但是，随着政府激励程度的增加，购电企业朝着购买绿电这一策略演进的速度逐渐变快，这说明政府激励对于促进绿电交易的活跃度有着一定的效果。