可再生能源投资的政企随机演化博弈研究--基于动态碳价视角

李艳梅,杨 冲,任恒君,牛丹丹(华北电力大学经济管理系,河北 保定 071003)

全世界范围内的能源需求持续扩大.当下,使用最多的是化石能源,化石能源的开发运用虽然方便,但大范围的燃烧化石能源势必使得二氧化碳过度排放,从而导致一系列环境问题.可再生能源是十分有效的节能减排途径,但在实际推广运用中却遇到了一定的困难.由于可再生能源具有开发困难,采购应用成本较高的特点,企业对于可再生能源的投资使用意愿不够强烈,可再生能源在实际生产中依然处于劣势地位.可再生能源投资是实现能源转型的重要途经,提高企业对于可再生能源投资的意愿,已经成为现阶段中国应对能源安全和气候变化双重挑战的重要抓手[1].

2021年7月16日,全国碳排放权交易市场(简称“碳市场”)开市,碳交易机制为可再生能源的发展和利用带来了新的契机,同时也带来了新的挑战.碳排放权交易价格(简称“碳价”)是随着时间和市场变化而不断波动的,即碳价具有动态特征,碳价波动性导致可再生能源投资的收益具有不确定性,使可再生能源投资面临一大挑战,同时全国碳市场刚刚起步,同样面临诸多问题和挑战[2].故本文拟探究碳交易机制下政府与发电企业的互动机理,研究促进发电企业投资可再生能源的边界条件,为政企的决策提供指导.

对于可再生能源投资的问题,从研究内容来看,现有研究者主要集中在影响因素研究,可再生电力标准和可再生能源证书的政策[3],收入增长、外国直接投资、国内投资、城市化、物质基础设施和制度质量[4],公众吸引力[5],较高的经济增长和不断上升的失业率和政府债务水平[6],财政发展[7]等因素均对可再生能源投资有积极影响.从研究方法来看,ARDL 方法[8]、计量经济学方法[9-12]、实物期权理论[13]以及实物期权理论和博弈理论[14-15]等是研究可再生能源投资的常用理论和方法.

演化博弈方法是研究碳交易驱动下政府与企业之间作用机制的有效工具,传统博弈论如囚徒困境[16]等的基本假设均为完全理性,然而完全理性下个体理性与集体理性存在明显冲突,严格来说无法解决现实世界中的问题.为解决这一情况,Smith等[17-18]首先提出了演化博弈以及演化稳定策略等概念,假定博弈主体是有限理性的,通过不断试错达到最优策略.

演化博弈中基于微分方程的复制动态模型是最为著名的,它最早是在1978年由Taylor 等[19]提出,是一种确定性的演化模型.Friedman[20]认为演化博弈在经济领域有着极大的应用前景,这一演化动态已被广泛地应用于社会科学的博弈模型的分析中.部分学者利用演化博弈模型研究动态奖惩机制对企业减排行为的影响[21-22],陆秋琴等[23]采用演化博弈方法探索发现动态碳规制策略会直接影响重污染企业碳减排策略选择.有学者利用演化博弈方法研究发现环境政策(如碳配额、排放交易机制)有利于企业进行绿色技术创新和绿色产品的生产[24-28].

然而传统的演化博弈理论仅能对确定状态下各主体的策略演化进行研究,无法描述现实中的不确定性,因此有必要引入随机干扰,对不确定环境下随机演化的稳定性进行判断[29],Foster 等[30]率先将随机性引入复制动态方程中,提出了随机微分方程模型,近年来随机演化博弈在经济管理领域快速发展,绿色、低碳技术创新[31-32],可持续发展[33],碳减排[34]均是研究的热点问题.

现有文献在运用传统演化博弈方法进行碳市场下政企之间作用机制的相关研究时,往往把碳价当作一个稳定不变的因素进行考虑,没有考虑到实际碳价具有波动性的特点,而这将使研究结果与现实存在一定的偏差.

综上所述,现有的研究存在一定的不足,少有学者使用演化博弈模型研究碳市场背景下关于可再生能源投资的政企互动机制,同时现有的使用演化博弈方法研究碳市场的文献多聚焦于传统的确定性演化博弈,未能考虑到碳价的波动.因此本文应用几何布朗运动(GBM)模型模拟碳价,考虑碳价的动态特征,在全国碳交易市场背景下构建政府与发电企业关于可再生能源投资的随机演化博弈模型,研究政企双方的策略选择的演化规律以及各因素对演化的影响.本研究有利于发展可再生能源,推动电力行业能源清洁转型,实现碳达峰、碳中和目标.

本文的贡献如下:1.应用GBM 模型模拟碳价,构建考虑碳价波动性的随机演化博弈模型,为碳交易机制下政企间演化博弈模型的构建提供新思路,同时考虑碳价的波动性使演化博弈模型更加贴合现实.2.通过仿真模拟,探究了静态碳价和动态碳价情景下政企的演化过程.基于考虑碳价动态特征的随机演化博弈模型,采用情景模拟法研究了政府、碳市场、火力发电和可再生能源的相关因素对政企双方策略选择的影响,为政企的决策提供指导.

1 演化博弈模型构建

1.1 模型假设与指标描述

演化博弈论是在有限理性的条件下,博弈群体基于获得的信息和经验不断调整其策略的复杂动态博弈过程,其核心内涵是进化稳定策略和复制动力学[19].政府和发电企业作为演化系统的博弈方,双方为有限理性,其中的发电企业属于被纳入全国碳市场第一个履约周期的发电行业中的重点排放单位[35].

全国碳市场的主体主要有三类:中央政府、地方政府和发电企业.中央政府负责碳市场的政策制定,包括制订配额分配方案、核查技术规范及排放报告管理办法以及碳市场稳定机制等,同时监督地方政府的行为;地方政府执行中央政府制订的分配方案,对发电企业的进行监督,可采取作为或不作为两种策略引导企业的低碳行为;发电企业根据减排成本和配额价格采取投资可再生能源的减排方式,或在碳市场购买配额.本文不考虑中央政府和地方政府之间存在的委托-代理问题,认为两者具有完全信息、目标一致的特点,将其视为同一博弈主体.政府与发电企业的相互作用关系如图1所示.

图1 全国碳市场背景下政府与发电企业互动机制Fig.1 Interaction mechanism between government and power generation enterprises under the National Carbon Emission Trading Market

假设1:根据政府与发电企业的互动机制,发电企业有{EG1,EG2}={投资;不投资}两种策略,其概率分别是x 和1-x.如果选择不投资则继续使用火力发电,如果选择投资策略则投资并使用可再生能源发电.政府有{RG1,RG2}={作为;不作为}两种策略,其概率分别是y 和1-y.

假设 2:奖惩政策是政企演化博弈模型的常用策略[21,36-39].政府选择“作为”策略时,会积极实施奖惩政策,即政府对投资可再生能源的发电企业给予投资补贴,记为补贴S,而对继续使用火力发电的企业征收环境保护税,记为罚款F.政府为维持此策略,必然会消耗人力物力财力,故产生一定的成本,记为C.当政府选择“不作为”策略时,不会对发电企业进行补贴和罚款,也无需付出成本.

假设3:火力发电存在负外部性,可再生能源存在正外部性[40],根据经济学的外部性理论,外部性通常由整个社会承担.无论政府是否选择作为策略,当发电企业选择投资策略时,社会都会因为环境改善而获得环境方面的额外收益N,当发电企业选择不投资策略时,社会因为环境污染而受到损失M.本研究中外部性全部由政府承担,即发电企业选择投资策略,则政府获得收益N,发电企业选择不投资策略,则政府受到损失M.

假设4:参考文献[41-44]的碳排放量,发电收益以及配额分配的计算方法,设置发电企业选择不投资策略时,火力发电收益为Rf,碳排放量为Q,选择投资策略时收益为Rn,计算方法如下所示.

式中:pf代表火力发电的上网电价,元/(MW·h);cf代表火力发电的平均成本,元/(MW·h);w 代表发电企业发电机组总功率,MW;h 代表机组平均利用小时数,h;e 代表碳排放强度,t/(MW·h).pn代表可再生能源发电的上网电价,元/(MW·h);cn代表可再生能源发电的平均成本,元/(MW·h);ci是可再生能源机组投资建设的平均单位成本,元/MW;n 为可再生能源发电机组平均使用寿命,d.可再生能源发电几乎不会产生碳排放,其碳排放量远远小于火力发电,所以认为可再生能源碳排放量为0.

假设5:碳市场可以对发电企业产生有效约束,当期分配给发电企业的初始碳配额为I=iQ,i 是碳配额分配基准值.设碳排放配额(CEA)交易价格为P.发电企业采取投资策略,可以出售多余的碳配额.发电企业采取不投资策略,碳排放量高于免费分配的碳排放额度(Q＞I),其需要承担碳排放成本,在碳交易市场购买碳配额.政府与发电企业双方博弈的相关参数和解释见表1.

表1 模型指标及定义Table 1 Model indicators and definitions

1.2 静态碳价下的确定性演化博弈模型

1.2.1 模型构建 政府与发电企业的博弈矩阵见表2,政府选择作为策略(RG1)的概率为x,选择不作为策略(RG2)的概率为1-x(0

发电企业选择“投资”、“不投资”策略的期望收益,以及采取不同策略的平均期望收益可以分别表示为EP1、EP2和EP:

根据Malthusian 方程[20],政府和发电企业的复制动态方程如式(7)和式(8)所示.

令 F(x)=0 可得,x=0,1 或 y*=(F-C)/(S+F).令F(y)=0 可得,y=0,1 或 x*=-(Rn+QP-Rf)/(S+F).设π=Rn+QP-Rf,其代表的含义是发电企业选择投资可再生能源的总收益与火力发电的总收益的差值.

当F(x)=0 且F(y)=0 时,系统不随时间t 的变化而变化,达到稳定状态,系统的局部均衡点(LEP)为E1(0,0),E2(0,1),E3(1,0),E4(1,1).

当F-C

1.2.2 稳定性分析 LEP 不一定是演化稳定策略(ESS),LEP 的稳定性可以由雅可比矩阵判断,用J 表示确定性演化博弈系统的雅克比矩阵:

利用复制动态方程,可以分析政府和发电企业的演化博弈过程:

根据表2 中所示的矩阵,可得政府选择策略{RG1,RG2}的收益分为{EG1,EG2}、发电企业选择策略{RP1,RP2}的收益分为{EP1,EP2}.由博弈矩阵可得,政府选择“作为”、“不作为”策略的期望收益,以及采取不同策略的平均期望收益可以分别表示为EA1、EA2和EA:

矩阵J 的行列式为:

矩阵J 的迹为:

其中:

若系统的LEP 满足条件Det(J)>0 和Tr(J)<0,则是 ESS.特别的,当 E(x*,y*)满足 Tr(J)=0 以及Det(J)>0 时,(x*,y*)是演化的中心点,政企选择作为和投资策略的概率(x,y)围绕(x*,y*)上下周期波动.LEP的Det(J)和Tr(J)结果如表3所示.

表3 LEP 的Det(J)和Tr(J)结果Table 3 Results of Det(J)and Tr(J)of the LEP

由于参数的取值不确定,局部均衡点是否为系统的演化稳定策略需要待进一步分析.当政府的监管成本C和发电企业投资可再生能源的额外收益π在区间内变动时,双方在6 种情形下的演化稳定性分析结果见表4.其中‘+’代表大于0,‘-’代表小于0.

表4 6 种情况下的演化稳态Table 4 Evolutionary steady state under six scenarios

(1)情形 1:当π=Rn+QP-Rf<-(S+F)且 0

(2)情形2:当-(S+F)<π=Rn+QP-Rf<0 且0

(3)情形3:当π=Rn+QP-Rf＞0 且0＜C＜F 时,(0,1)是系统的ESS.此时发电企业投资可再生能源发电与出售碳配额的收益之和大于火力发电的收益,系统将趋向于(不作为,投资),是一种理想的状态.政府不需要采取奖惩政策,碳交易机制发挥作用,促进发电企业投资可再生能源.

(4)情形4:当π=Rn+QP-Rf<-(S+F)且C>F 时,(0,0)是系统的ESS.

(5)情形5:当-(S+F)<π=Rn+QP-Rf＜0 且 C＞F时,(0,0)是系统的ESS.情形4 与情形5 一致,发电企业的火力发电收益较大,政府监管成本较高,双方选择(不作为,不投资)策略.

(6)情形6:当π=Rn+QP-Rf＞0且C>F时,(0,1)是系统的ESS.与情形3 一致是期望达到的最优情景,即政府不行动,发电企业自觉投资可再生能源.

1.3 考虑碳价波动的随机演化博弈模型

1.3.1 动态碳价模型 假设碳价遵循非平稳随机过程,由GBM 控制,本文按照文献[45-48]的方法,建立碳价模型,如式(12)～(14)所示.

式中:p 表示碳价,μp代表碳价的年化增长率,σp代表碳价的年化波动率.zp是标准维纳过程,其服从均值为0,方差为dt 的正态分布.

上式可以表示为:

1.3.2 考虑限价的碳价模型 全国碳市场刚刚建立,目前尚未出台市场稳定调节机制的细则,建立碳价限制政策等市场调节机制和工具十分必要[49].参考文献[50]中的碳价模型,建立考虑碳价下限的碳价模型.

式中:PFloor是碳价的下限.

1.3.3 改进的复制动态方程 生物学领域的郑秀灯率先提出了在随机环境中演化的随机进化稳定性(SES)和随机收敛稳定性(SCS)的概念,为建立随机演化博弈理论的基本框架奠定了重要的基础[51],本文将动态碳价引入演化博弈中,构建具有随机支付矩阵的演化博弈模型(表5).

表5 政企双方的随机支付矩阵Table 5 Stochastic payment matrix of government and enterprises

改进后的具有随机支付的复制动态方程如式(17)和(18)所示.

2 仿真分析

模型求解和模拟使用python 语言,运行在具有Intel(R)Core(TM)i5-8300H CPU @ 2.30GHz 2.30GHz 处理器、8GB RAM 和64 位的Windows操作系统上.

2.1 随机演化博弈模型算法设计

基于随机演化博弈理论,设计政企双方策略选择的演化算法,对模型求解,具体的算法步骤如下:

步骤3:根据式(15)计算本期碳价格P(t).

步骤7:重复步骤2～6,达到设定的博弈迭代次数后终止仿真.

算法流程如图2所示.

图2 算法流程图Fig.2 Flow chart of algorithm of stochastic evolution game model

2.2 初始参数设置

为了验证本文构建的模型,参考文献[44,52-54]所用的典型算例,并结合政策文件,设置仿真的初始参数,仿真步长设置为1d.

以1年为365d 对参数进行折算处理,以1d 为单位进行仿真模拟.发电企业总装机容量w=1600MW,机组年平均利用小时数为4000h,平均每天利用小时数为h=4000/365h.火力发电的平均发电成本cf=300元/MW·h,火力发电的碳排放强度e=0.9t/MW·h.可再生能源机组平均建设成本ci=3.5×106元/MW,平均使用寿命n=20年(即20×365d),可再生能源平均发电成本cn=360 元/MW·h.根据《国家发展改革委关于2021年新能源上网电价政策有关事项的通知》(发改价格〔2021〕833 号)规定,新能源平价上网,设上网电价pf=pn=450 元/MW·h.初始碳价取全国碳市场2022年1月至2023年7月的平均价格,即P0=57.6 元/t.设置政府每年的补贴金额S=1 亿元,罚款金额F=1 亿元,作为成本C=0.5 亿元.将政企双方策略选择的初始概率设置为(0.5,0.5).

2.3 演化博弈均衡仿真

2.3.1 确定性演化博弈均衡仿真 将参数代入确定性演化博弈模型,调整x和y的初始值,进行多次模拟,演化结果见图3 和图4.x 代表政府选择作为策略的概率,y 代表发电企业选择投资策略的概率.t 代表时间(d),用于描述概率的收敛速度.

图3 初始参数条件下政府的多次演化结果Fig.3 Government’s evolution results under initial parameter conditions

图4 初始参数条件下发电企业的多次演化结果Fig.4 Power generation enterprises’ evolution results under initial parameter conditions

根据2.2.2 节的稳定性分析可知,设定的初始参数满足情形1 的条件,故演化结果将收敛于(1,0),此时政企双方的最优策略为(作为,不投资).图3的模拟结果显示演化结果均收敛于(1,0),与稳定性分析结果一致,验证了确定性演化博弈模型和均衡分析的准确性和有效性,说明x 和y 的初始值不会影响演化的最终结果.

2.3.2 随机演化博弈均衡仿真 根据2022年1月至2023年7月的碳价数据,设碳价的初始年化增长率和波动率分别为μP=0.0809 和σP=0.2754.将参数代入随机演化博弈模型,进行100 次随机模拟实验,模拟的碳价见图5,政企双方策略选择的演化过程见图6 和图7.

图5 100 次随机模拟实验的碳价Fig.5 Carbon prices extracted from random simulation experiments repeated 100 times

图6 政府的演化路径Fig.6 The evolutionary pathways of government

图7 发电企业的演化路径Fig.7 The evolutionary pathways of power generation enterprises

观察图6 和图7 可知,相比于确定性演化博弈模型,随机演化博弈呈现出更加复杂的动态演化过程.0

在“双碳”目标背景下,未来将逐步增加纳入碳交易市场的企业和行业,并加强对国内碳配额的管控.当前全国碳市场的碳价呈现上升趋势,预计未来将逐步上升.基于上述背景抽取随机模拟实验中上升的碳价路径,进一步研究x 和y 的初始值对随机演化博弈的影响.碳价路径如图8所示.

图8 抽样的碳价路径Fig.8 The curve of carbon price derived from the sampling

在设定的初始参数和抽样的碳价路径下,调整x和y 的初始值,进行多次仿真模拟,演化结果见图9至图10.

图9 政府的演化路径Fig.9 The evolutionary pathway of government

图10 发电企业的演化路径Fig.10 The evolutionary pathway of power generation enterprises

结果显示演化最终均收敛于(0,1),说明在同一碳价路径下,x 和y 的初始值不会影响演化的最终收敛结果.观察图9 和图10 政企的演化路径发现,由于0

3 情景模拟

考虑到现实的复杂性和多变性,本节采用情景模拟法,首先分析不同因素对演化的影响,然后结合政策设置4 种组合情景,研究影响因素组合对政企双方的影响.

3.1 不同因素对演化的影响

在初始仿真参数的基础上,设置政府的奖励力度S、惩罚力度F、作为成本C、火力发电成本cf、火力发电收益pf、碳排放系数e、可再生能源发电成本cn、可再生能源发电收益pn、可再生能源建设成本c1、碳价增长率up和碳价波动率σp分别增加10%,政企双方的演化结果见图11 和图12.

图11 因素变动后政府演化路径Fig.11 The evolution pathways of government after changes in parameter value

图12 因素变动后发电企业演化路径Fig.12 The evolutionary pathways power generation enterprises after changes in parameter value

根据图11 的结果,政府的奖励力度、惩罚力度、作为成本、火力发电成本、火力发电收益、碳排放系数、可再生能源发电收益、碳价增长率和碳价波动率对政府选择作为策略产生负向影响.当这些参数增加10%后,政府更倾向于选择不作为策略,表现为政府稳定于作为策略的时间缩短,并且政府更早地收敛于不作为策略.另一方面,可再生能源建设成本、可再生能源发电成本和火力发电收益对政府选择作为策略产生正向影响.当可再生能源建设成本增加10%后,政府稳定于作为策略的时间延长,并且政府收敛于不作为策略的时间延后.当可再生能源发电成本或火力发电收益增加10%后,政府收敛于作为策略.

根据图12 的结果,政府的奖励力度、惩罚力度、火力发电成本、碳排放系数、可再生能源发电收益、碳价增长率和碳价波动率对发电企业选择投资策略产生正向影响.当这些参数增加10%后,有利于增强发电企业的投资意愿,表现为发电企业初次选择投资策略的时间提前.另一方面,作为成本、可再生能源建设成本、可再生能源发电成本和火力发电收益对发电企业选择投资策略产生负向影响.当作为成本或可再生能源建设成本增加10%后,发电企业初次选择投资策略的时间延后.当可再生能源发电成本或火力发电收益增加10%后,发电企业将收敛于不投资策略.

综上所述,可再生能源发电成本和火力发电收益增大10%后,改变了政企的收敛结果,政企最终收敛于(作为,不投资)的策略组合,说明可再生能源发电成本和火力发电收益的变动对双方策略选择的影响程度较大.其他参数增大10%后,政企最终仍收敛于(不作为,投资),以10-2的精度判断政府初次选择不作为策略的时间,即x 首次达到<0.01 条件所对应的时间.同样的以10-2的精度判断发电企业初次选择投资策略的时间,即y 首次>0.99 条件的时间,对各情景中政府初次选择不作为策略和企业初次选择投资策略的时间以及相对于初始情景的变动率的绝对值进行整理,可得不同因素对政企演化的影响程度,见图13.

图13 参数值变化前后不同因素对政企演化的影响Fig.13 The impact of different factors on the evolution of government and enterprises before and after the changes in parameter value

由图11、图13 可知,正向因素对政府选择作为策略的影响程度的排序为:可再生能源发电成本和火力发电收益>可再生能源建设成本.负向因素对政府选择作为策略的影响程度的排序为:可再生能源发电收益>火力发电成本>碳排放系数>奖励力度>惩罚力度>碳价波动率>碳价增长率>政府作为成本.

正向因素对发电企业选择投资策略的影响程度的排序为:可再生能源发电收益>火力发电成本>碳排放系数>惩罚力度>奖励力度>碳价波动率>碳价增长率.负向因素对发电企业选择投资策略的影响程度的排序为:可再生能源发电成本和火力发电收益>可再生能源建设成本>政府作为成本.

可以发现火力发电的成本、收益和碳排放系数以及可再生能源发电的成本、收益和建设成本对演化的影响较大,是决定政企决策的关键因素.

设置低、中、较高、高4 种碳价下限,对应的参数为PFloor=0、60、75 和110 元/t,研究碳价下限对政府和发电企业演化的影响,结果见图14 和图15.

图14 四种碳价下限政策情景下政府的演化路径Fig.14 The evolutionary pathways of government under four scenarios of carbon price floor

图15 四种碳价下限政策情景下发电企业的演化路径Fig.15 The evolutionary pathways of power generation enterprises under four scenarios of carbon price floor

由图14 和图15 可知,碳价下限为0 和60 元/t时,随着时间推进,双方的最优策略由(作为,不投资)转变为(不作为,投资).下限是75 和110 元/t 时,双方的策略迅速收敛于(不作为,投资).

随着碳价下限的提高,发电企业更早考虑投资可再生能源发电,而政府更早偏离作为策略.碳价下限的提高使得发电企业需要承担更高的碳排放成本,从而加快了其收敛于投资策略的速度.当碳排放成本上升到一定程度时,企业开始认识到投资可再生能源发电是减少碳排放成本、提高竞争力的有效途径,因此更早地选择投资.

碳价下限的提高使企业需要承担更高的碳排放成本,从而增加了投资可再生能源发电的吸引力.同时政府认识到企业已经有足够的动力和意愿进行投资,不再需要过多的政府干预.

3.2 因素组合对演化的影响

《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》指出,构建以新能源为主体的新型电力系统,提高电网对高比例可再生能源的消纳和调控能力.随着国家对可再生能源的支持,将推动可再生能源技术的进步和成熟,降低成本,提高效率,而政府可以灵活调节奖惩力度.结合上述政策,设置可再生能源的成本小幅度下降(-5%)和大幅度下降(-10%)两种情景,设置政府高(+10%)和低(-10%)两种奖惩力度,四种组合情景如表6所示,四种情景下政企的演化路径见图16 和图17.

表6 四种组合情景(%)Table 6 Four combined scenarios(%)

图16 四种情景下政府的演化路径Fig.16 The evolutionary pathways of government under four scenarios

图17 四种情景下发电企业的演化路径Fig.17 The evolutionary pathways of power generation enterprises under four scenarios

由图16 和图17 可知,四种情景下政企的最终的最优策略均是(不作为,投资).具体而言,情景1 和2,政府存在选择作为策略的倾向,发电企业存在选择不投资策略的倾向.情景3和4,政府则迅速收敛于不作为策略,发电企业也快速收敛于投资策略.

对比情景1 和情景2 可以发现,情景1 的政府作为时长较短且选择作为策略的最高概率相对较小,情景1 中发电企业由不投资转向投资的拐点对应的时间较早,但最终收敛于投资策略的时间较晚.说明同一可再生能源成本下,政府较高的奖惩力度将在短期内提升发电企业由不投资转向投资的速度,但在长期来看不利于发电企业稳定于投资策略.原因是较高的奖惩力度在短期内增强了对发电企业投资的激励作用,但也降低了政府的作为意愿,缩短了其作为时长,最终推迟了发电企业的收敛时间.

政府以及发电企业在情景3 和情景4 中的演化路径重合度较高,但可以发现同一时间节点,情景3中的政府的作为概率略低于情景4,情景3 中的发电企业的投资概率略高于情景4.说明当可再生能源成本大幅度下降时,政府较高的奖惩力度可以增强发电企业的投资意愿,但对双方策略选择的影响较小.

对比情景1 和情景3 以及情景2 和情景4 可以发现,情景3 和4 的发电企业收敛于投资策略时间早于情景1和2.说明同一奖惩力度下,发电企业的可再生能源成本的大幅度降低将加速发电企业收敛于投资策略的时间.原因是可再生能源成本大幅下降增强了可再生能源发电的竞争力,使发电企业有更强的动力进行投资.

4 结论建议

本文构建了考虑碳价波动的政府与发电企业关于可再生能源投资的随机演化博弈模型,以全国碳市场为例,对政企双方的演化进程和策略选择进行了研究,得到以下结论:

(1)碳价是影响政府和发电企业决策的重要因素,在碳价较低时,发电企业投资可再生能源的收益低于火力发电,发电企业的最优策略是不投资,此时政府的最优策略是作为.当碳价足够高时,发电企业选择不投资策略需要承担更高的超额排放所带来的成本,政企双方的最优策略发生转变,政府不作为和发电企业投资是当前的最优策略组合.碳价下限政策是促进发电企业投资行为的有效政策,随着下限的增大,发电企业稳定选择投资策略的时间逐渐提前.

(2)政府选择作为策略和发电企业选择投资策略受多种因素的影响.政府选择作为策略与奖励力度、惩罚力度、作为成本、火力发电成本、火力发电收益、碳排放系数、可再生能源发电收益、碳价增长率和碳价波动率负相关,与可再生能源建设成本、可再生能源发电成本和火力发电收益正相关.发电企业选择投资策略与奖励力度、惩罚力度、火力发电成本、碳排放系数、可再生能源发电收益、碳价增长率和碳价波动率正相关,与作为成本、可再生能源建设成本、可再生能源发电成本和火力发电收益负相关.

(3)火力发电的成本、收益和碳排放系数以及可再生能源发电的成本、收益和建设成本对演化的影响较大.火力发电的电价、发电成本和碳排放系数决定了发电企业选择不投资策略的收益.火电电价增高时,发电企业的投资意愿降低,而火电成本和碳排放系数越高,发电企业的投资意愿越强.可再生能源的电价、发电成本和建设成本是影响发电企业投资策略的直接因素.可再生能源电价越高,发电企业的投资意愿越强烈,而可再生能源发电成本和建设成本的升高将降低投资可再生能源的经济效益,推迟发电企业的投资行为.

(4)可再生能源成本小幅度降低时,政府较高的奖惩力度在短期内可以增强对发电企业投资的激励作用,提升发电企业由不投资转向投资的速度,但在长期来看将降低政府的作为意愿,不利于发电企业的稳定于投资策略.可再生能源成本大幅度降低时,发电企业更有动力进行投资,此时政府的奖惩力度对双方的策略选择影响较小.

根据上述结论,提出以下建议:

(1)若未来的碳价呈上升趋势,在初期碳价较低时,政府积极实行奖惩政策可以弥补碳市场激励作用的不足,待碳价上升后,政府可采取不作为策略,减少成本降低政府支出.若未来碳价日益下降,碳价下限政策是稳定碳市场的有力工具,而碳价的稳定有利于推动发电企业投资可再生能源.

(2)适当提高奖惩力度,可以激励发电企业投资可再生能源.在可再生能源发展初期,实施电价补贴提高可再生能源收益或实施投资补贴降低可再生能源成本,使可再生能源具备足够的竞争力,推动可再生能源迅速发展.未来随着碳市场的推行和稳定发展,逐渐停止补贴,通过碳交易机制,替代补贴政策,同样可保证可再生能源的竞争力.

(3)政府在制定奖惩政策时需要考虑长期稳定性.可再生能源成本小幅度下降时,政府可先采取较高的奖惩力度,加速发电企业的能源转型,然后采取较低的奖惩力度,降低作为策略支出,提高政府作为策略的积极性,进而维持政企策略选择的稳定性.在可再生能源成本大幅度下降时,发电企业将自发选择可再生能源,此时政府可以降低奖惩力度,减轻财政负担.

本文重点讨论了动态碳价下政府和发电企业关于可再生能源投资的随机演化进程和决策问题,研究未涉及公众意愿和第三方核查机构的影响,未来可以进一步探索上述问题.

致谢：本论文的英文内容由同济大学经济与管理学院张超教授帮助修改完成,在此表示感谢.