中国火电行业能源消费碳排放的时空演变特征

徐国泉，封士伟

（苏州科技大学 商学院，江苏 苏州 215009）

电力行业是我国最大的煤炭消费和碳排放部门。根据能源基金会发布的《中国碳中和综合报告2020》，电力行业占中国煤炭消费总量的54%，2020 年占能源行业二氧化碳排放总量的42.5%左右。电力行业煤炭消费的总量控制将直接影响我国碳达峰、碳中和目标实现的进程。根据国家统计局2020 年公开的数据显示，全社会总发电量为7.42 万亿千瓦时，其中以燃煤发电为主的火力发电量在总发电量中占比达71.19%，火电在发电占比中的主导地位在未来很长一段时间内不会发生改变。2021 年4 月，我国在气候领导人峰会上宣布，“中国将严控煤电项目，‘十四五’时期严控煤炭消费增长、‘十五五’时期逐步减少”。未来几年，火电行业面临着既要保障全国用电需求，又要实现减排目标的双重压力。研究我国火电行业碳排放影响因素的时空特征，找出主要影响因素，有针对性地制定减排策略，对实现我国节能减排具有重要意义。

1 文献综述

目前，国内外对碳排放影响因素有一定的研究成果。指数分解法由于其原理简单、易于操作，且能够定量分析各影响因素对碳排放的贡献，因此在碳排放影响因素的研究中得到广泛应用。

LMDI 分解法是由ANG 等[1]提出的，它既有效解决了分解过程中残差值问题，又有效处理了出现0 值的情况，不管是从理论背景、适用性、实用性、可操作性等角度衡量，还是从最终结果简易的表达形式来考量，LMDI 都是一种较好的指数分解方法[2]。在国家层面的研究方面，宋辉等[3]采用LMDI 分解法对2005—2016年中国能源消费量增量的影响因素进行分解分析。刘小丽等[4]运用LMDI 完全分解模型研究了2000—2018 年中国制造业碳排放的驱动因素，认为经济增长和产业结构效应是促进碳排放增加的主要因素。郭玉杰等[5]利用灰色GM(1, 1)模型对我国能源消费总量进行预测，并通过LMDI 构建碳排放分析模型，分析各效应对能源系统碳排放量的影响程度。何迎等[6]基于LMDI 方法得出影响我国电力行业碳排放变化的7 个因素的贡献值及贡献率，并用象限法分析了经济规模、火电能耗强度、电力结构、用电强度在区域上的差异。赵亚涛等[7]通过LMDI-SD 方法对中国火电行业碳排放因素进行分解，并构建模型来预测我国未来火电行业碳排放峰值。

除了国家层面，一部分学者也基于区域[8-9]及省级[10-12]层面来对碳排放的影响因素进行研究。王凤婷等[13]运用LMDI 模型探究京津冀产业碳排放增长的驱动因素，通过脱钩模型分析经济增长与碳排放之间的同步关系。黄琳琳等[14]以闽三角地区为研究对象，通过LMDI 分解方法从时间维度和典型年份空间维度对驱动因素进行分解分析，探讨了闽三角地区碳排放变化影响因素的时空差异。宋府霖等[15]基于LMDI 分解法和修正STIRPAT 模型，分析得出经济产出和人口规模是长三角地区能源消费碳排放正向驱动因素。韩钰铃等[16]运用LMDI 方法，分析江苏省2002—2015 年规模以上工业企业能源消费二氧化碳排放变动因素及各因素对碳排放变动的影响。门丹等[17]采用LMDI 分解方法，通过测算产业部门的碳排放以及居民消费的碳排放，研究碳排放效率效应、能源消耗强度效应、产业结构效应、经济效率效应4 个效应对江西省碳排放的影响。江文渊等[18]对天津市产业碳排放进行测算，运用LMDI 模型计算产业碳排放各影响因素的贡献，结果表明水资源经济产出为天津市各产业碳排放主要促进因素，水土资源因素抑制所有产业碳排放。

综上所述，现有文献对于碳排放影响因素的研究越来越丰富，但大多数文献仅从时间或空间单一维度去研究，同时研究时间和空间维度的文献相对较少。本文以全国30 个省份（西藏及港澳台地区除外）为研究对象，以2010—2020 年为研究期，利用Kaya 恒等式拓展模型和LMDI 模型来对中国火电行业碳排放变动的时序影响因素和区域差异性进行分解研究，通过时间维度的纵向比较和研究节点空间维度的横向比较，找出影响火电行业碳排放的关键因素，针对性地制订减排措施。

2 研究方法及数据处理

2.1 研究方法

2.1.1 Kaya恒等式分解模型

Kaya 恒等式因其较强的碳排放影响因素解释能力及公式的简单理解，在碳排放研究领域被广泛应用，本文在恒等式基础上，考虑到火电行业自身的特点，将火电行业Kaya 恒等式拓展模型为:

式中：Ct表示第t年火电行业二氧化碳排放总量；Ci,t表示第t年第i种能源产生的二氧化碳排放量；Ei,t表示第t年火电行业第i种能源投入量；Et表示第t年火电行业能源消耗总量；Dt表示第t年火力发电量；Ft表示第t年总发电量；Gt表示第t年国内生产总值；Pt表示第t年年末人口数；i表示火电行业发电投入能源种类，i=1, 2, …。

式中：CEi,t表示能源碳排放系数效应；EEi,t表示火电能源结构效应；EDt表示供电煤耗效应；DFt表示电力结构效应；FGt表示电力强度效应；GPt表示经济规模效应；Pt表示人口规模效应。为了更好地分析理解，将火电能源结构效应、供电煤耗效应和电力结构效应归为结构因素，将电力强度效应归为效率因素，将经济规模效应和人口规模效应归为规模因素。

2.1.2 LMDI时间指数分解公式及定义

基于以上拓展模型，根据ANG 提出的LMDI 分解法对火电行业碳排放因素进行分解，目标年相对于基准年0 的碳排放变化因素分解结果为：

式中：由于研究年份较短，假定各能源碳排放系数不变，即； 表示基准年到t年火电行业二氧化碳的变化量；表示火电能源结构对火电行业碳排放变化的影响；表示供电煤耗对火电行业碳排放变化的影响；表示电力结构对火电行业碳排放变化的影响；表示电力强度对火电行业碳排放变化的影响；

表示经济规模对火电行业碳排放变化的影响；表示人口规模对火电行业碳排放变化的影响。

根据LMDI 分解方法，得到各因素对火电行业碳排放总量变化的影响如下：

2.1.3 LMDI空间指数分解公式

在碳排放空间差异研究上，有学者提出B-R 与R-R模型，但相较于两两地区比较的B-R 模型受比较次数和比较地区增加的限制，以及选择一个地区为基准与其他地区比较的R-R 模型的主观性限制[19]，ANG 等[20]提出的M-R 模型选择以所有地区均值作为基准，避免了主观性。根据M-R 模型，以选择年份的全国平均水平作为基准，火电行业碳排放因素空间分解结果如下：

2.2 数据处理

2.2.1 相关数据来源

火电行业发电各类型能源消费量来自2011—2021年《中国能源统计年鉴》，为了方便可比与相加，将实物量按各能源折算系数折合成标准煤（见表1）。火力发电量及总发电量均来自2011—2021 年《中国电力年鉴》，国内生产总值和人口均来自2011—2021 年《中国统计年鉴》，为剔除价格影响，国内生产总值以2010 年为不变价格折算。

2.2.2 二氧化碳核算

在计算火电行业二氧化碳排放总量时，本文选择使用排放系数法来测算2010—2020 年我国火力发电产生的直接二氧化碳量。二氧化碳排放计算公式如下：

式中：Cij表示i省份消耗能源j产生的二氧化碳量；Eij表示i省份消耗能源j的标煤量；Nj表示第j种能源的平均低位发热量；Hj表示第j种能源的单位热值含碳量；Oj表示第j种能源的碳氧化率；为二氧化碳转换系数，火力发电主要消耗的能源相关数据见表1，数据均来自《省级温室气体清单编制指南》、2006 年《IPCC 国家温室气体指南》及《综合能耗计算通则》。

2.2.3 碳排放演化特征

以2010—2020 年为研究期，根据排放系数法计算出火电行业二氧化碳排放总量及年增长率，结果如图1所示。2010—2015 年火电行业二氧化碳排放总量波动式上升，2015—2019 年二氧化碳总量持续增加，2019—2020 年总量小幅度下降。从增长率来看，2011 年增长率达到最高值15.09%，2011 年后开始下降，这是由于2011 年前我国处于工业经济快速发展阶段，国家用电量增加，同时由于我国火力发电占比较大，导致火力发电产生的二氧化碳急剧增加。2011 年后，除了2013 年二氧化碳排放总量年增长率为正外，一直到2015 年都是负增长，这得益于“十二五”期间继续提倡节能减排政策，推广清洁能源，减少煤炭使用，使得火电行业二氧化碳的排放得到有效控制。2016—2019 年碳排放总量增长率均为正，说明火电行业二氧化碳排放总量仍在增加。现阶段我国的减排工作还需坚持，加快缩减火电占比。受到疫情的影响，工业用电量下降，2019—2020 年火电行业二氧化碳排放总量年增长为负，火电行业二氧化碳排放总量有所下降。

图1 2010—2020年火电行业二氧化碳排放总量及年增长率趋势图

3 因素分解结果分析

3.1 基于时间维度的因素分解分析

将火电行业二氧化碳排放影响因素分解为火电能源结构效应、供电煤耗效应、电力结构效应、电力强度效应、经济规模效应以及人口规模效应。其中，将火电能源结构效应、供电煤耗效应以及电力结构效应归为结构因素，将电力强度效应归为效率因素，将经济规模效应和人口规模效应归为规模因素，以2010 年为基期，分解分析各影响因素对火电行业二氧化碳排放变化的贡献值及贡献率，结果如表2、图2 所示。

图2 火电行业二氧化碳排放各影响因素贡献率

表2 2010—2020年火电行业二氧化碳排放因素分解结果单位：百万吨

3.1.1 结构因素的结果分析

根据表2 结果显示，结构因素整体上对火电行业二氧化碳排放起负向抑制作用，整体负向贡献率为-74.88%。结构因素中各影响因素对火电行业二氧化碳排放的贡献值结果分析如下：

（1）火电能源结构效应贡献值结果分析。火电能源结构效应对二氧化碳排放起负向抑制作用。由表2 和图2 可知，火电能源结构效应是所有负向抑制影响因素中贡献率最小的，仅有-2.2%。我国目前主要发电方式仍旧是火力发电，发电所消耗的能源结构没有较大变化，但随着节能减排政策的推广，火力发电量占发电总量的比重由2010 年的80.9%下降到2020 年的68%，未来随着火力发电占比的持续下降，火电能源结构对火电行业二氧化碳排放的抑制作用将越来越大。

（2）供电煤耗效应贡献值结果分析。供电煤耗效应对火电行业二氧化碳排放起负向抑制作用，抑制二氧化碳的增加。供电煤耗从2010 年的346 gce/kW·h 降低到2020 年的315 gce/kW·h。在表2 火电行业二氧化碳排放因素分解结果中，2016—2017 年及2017—2018 年连续两个阶段的负向贡献值有所减小，这是由于供电煤耗在这两个阶段逆向小幅度增加导致的结果。随着国家大力推广节能降耗政策，逐步淘汰高耗能火电设备，加大对火电技术改造力度，大大降低了在发电过程中产生的煤耗。

（3）电力结构效应贡献值结果分析。电力结构效应对碳排放起负向抑制作用，且在负向贡献中占比最大，在2010—2020 年对火电行业二氧化碳累计贡献值-2 264.89百万吨，累计贡献率为-45.54%。火力发电占比逐年减小，火电占比已从2010 年的80.9%下降到2020 年的68%。自“十一五”规划以来，我国坚持实施节能减排政策，后又提出中国的二氧化碳排放力争于2030 年前达到峰值、努力争取2060 年前实现碳中和，电力行业的减排效果将直接影响到“双碳”目标的进展。继续大力发展水电、风电、核电等新型清洁电力能源，逐步取代火力发电在发电中的主导地位，实现电力行业的碳减排。

3.1.2 效率因素的结果分析

将电力强度效应归为效率因素，整体上电力强度效应对碳排放起负向抑制作用，2010—2020 年累计贡献值为-1 284.62 百万吨，累计贡献率为-25.83%。在工业生产以及个人生活中，都离不开电力，随着国民经济的发展，对电力的需求在不断增加。由表2 结果可以看出，2011 年后，电力强度持续起着负向抑制作用，说明现阶段由于科技进步以及节能减排政策的推广，工业开始走向规模化、低碳化生产，用电消耗量逐渐降低。

3.1.3 规模因素的结果分析

从表2 结果来看，整体上规模因素对火电行业二氧化碳排放量的增加起正向驱动作用，整体正向贡献率为200.71%。规模因素中各影响因素对火电行业二氧化碳排放的贡献值结果分析如下：

（1）经济规模效应贡献值结果分析。经济规模效应对碳排放起正向驱动作用，促进了火电行业二氧化碳的增加。由表2 和图2 可知，经济规模效应对整体火电行业二氧化碳排放量的增加贡献最大，累计贡献率达到182.79%，2010—2020 年累计贡献值为9 090.59 百万吨。目前我国经济发展快速，不可避免地大量使用能源，造成二氧化碳的增加，但又不能停止对我国经济的发展，因此需要大力推广节能降耗，调整产业结构，依靠科技创新及技术进步来发展经济，实施经济的高质量及绿色发展。

（2）人口规模效应贡献值结果分析。人口规模效应对火电行业二氧化碳排放起正向驱动作用，研究期内的累计贡献值为891.19 百万吨，贡献率为17.92%。我国作为世界人口大国，人口还处于逐年递增阶段，除了日常生活需求外，还要保证一定的生活质量，这就产生了大量的生活用电和工业用电，相应的能源需求也不断增加，不可避免地产生大量二氧化碳。按照联合国方案预测，中国的人口负增长将出现在2030 年，且随着节能减排政策的深入人心，人口规模对二氧化碳排放量的正向驱动作用将得到控制。

3.2 基于空间维度的因素分解分析

时间维度的因素分解仅能分析各影响因素对整体火电行业二氧化碳排放量变化的影响趋势，并不能在各省域之间进行比较，因此还需从空间维度进一步分析火电行业能源消费碳排放各影响因素的省域贡献布局及演变特征。为了更好地进行分析对比，本文选取“十一五”“十二五”和“十三五”规划的最后一年作为研究节点，以节点的全国平均水平作为基准，分析火电能源结构、供电煤耗、电力结构、电力强度、经济规模以及人口规模对火电行业二氧化碳排放的省域贡献布局，研究节点火电行业碳排放各影响因素区域及省级贡献值结果见表3、表4，各影响因素的省级贡献差异性结果见图3 ～图8。

表4 研究节点火电行业碳排放效率因素和规模因素区域及省级贡献值单位：百万吨

3.2.1 结构因素的结果分析

由表3 结果可知，三个节点时期的结构因素对火电行业碳排放均起负向抑制作用，有利于火电行业减排。结构因素在东部和中部起正向驱动作用，在西部地区起负向抑制作用，且对火电行业碳排放抑制效果呈现“西部＞东部＞中部”格局。分析结构因素中各影响因素的省域贡献布局及演变特征，结果如下：

（1）火电能源结构效应省域贡献布局。首先，从区域层面来看，根据表3 结果显示，东部地区火电能源结构效应对碳排放由正向影响转变为负向影响，表明东部地区火电能源结构效应对火电行业碳排放抑制作用在增强。西部地区火电能源结构效应均起负向抑制作用，这与四川、云南等西部地区水电、风电等清洁能源发电占比较大有关。其次，进一步拓展到省级层面，由图3 结果可以看出，江苏、浙江、吉林、上海、内蒙古、福建、广东的火电能源结构效应起正向驱动作用，这些省份火力发电的能源消费结构没有发生较大变化，燃油、燃气占比短时间内不会有较大提升。北京的负向抑制作用增加较为明显，根据数据结果显示，其火电能源消耗燃煤占比从2010 年的69.4%到2020 年的1.7%，燃煤占比大幅度下降。这是因为北京市政府印发的《北京市2013—2017 年清洁空气行动计划》提出的北京要开展能源结构调整减排工程，实现电力生产无煤化，北京火电能源结构效应的负向抑制作用增强，为东部地区对火电行业碳排放由正向影响转变为负向影响贡献巨大。

（2）供电煤耗效应省域贡献布局。首先，从区域层面上来看，东部地区供电煤耗效应对碳排放均起负向抑制作用，而中西部地区供电煤耗效应均起正向驱动作用，东部地区经济发展水平较高，低碳理念及火电设备低碳技术先进，发电产生的煤耗较低。其次，由图4 对供电煤耗效应进行地区差异性分析，北京、上海、江苏、浙江、安徽、山东、广东等省份供电煤耗起负向抑制作用，其中山东的抑制作用增加较大，对火电行业碳排放负向贡献值由2010 年-0.27 百万吨增加到2020 年的-25.23百万吨。内蒙古、云南、宁夏、青海、新疆等省份供电煤耗效应对火电行业碳排放起正向驱动作用，其中内蒙古供电煤耗效应由2010 年的正向贡献值24.42 百万吨增加到2020 年的60.52 百万吨，增长幅度较大。

图4 供电煤耗效应贡献值

（3）电力结构效应省域贡献布局。首先，由表3 可以看出，电力结构效应对火电行业碳排放起抑制作用。“十一五”规划提出节能减排以来，火电占比逐年降低，但从结果趋势来看，整体电力结构效应抑制作用在减弱，反映出电力结构减排空间正在不断缩减。这是因为我国经济还在高速发展，工业及生活用电增加，清洁能源发电远不能满足我国用电需求，火力发电仍是当前电力的主要供应方式。东部和中部地区电力结构效应对碳排放起正向驱动作用，西部地区电力结构起负向抑制作用，东部和中部地区经济发展水平较高，电力需求大，特别是东部地区很多省份火力发电占比达到90%以上，而西部地区清洁能源发电占比较大，导致西部整体电力结构对火电行业碳排放呈现负向抑制作用。其次，根据图5 结果，从省级层面来看，内蒙古、上海、江苏、山东等省份的电力结构效应对碳排放为正向影响，而重庆、贵州、云南、四川等西部省份的电力结构呈现负向抑制作用。其中，云南和四川对区域整体减排贡献巨大，云南和四川对火电行业碳排放贡献值分别由2010 年的-40.66 百万吨、-47.93 百万吨增加到2020 年的-101.55百万吨、-94.18 百万吨。

图5 电力结构效应贡献值

3.2.2 效率因素的结果分析

将电力强度效应归为效率因素，分析电力强度效应的省域贡献布局及演变特征。首先，根据表4 结果显示，电力强度效应在三个时期整体上均呈正向驱动作用，是火电行业碳排放增加的主要因素。电力强度在东部地区起负向抑制作用，在中部和西部地区起正向驱动作用，对火电行业碳排放抑制效果呈现“东部＞中部＞西部”格局，东部地区经济发展水平较高，工业逐步走向低碳化。其次，由图6 结果可知，北京、天津、上海、江苏、浙江、江西、广东等省份电力强度均起着负向抑制作用，这些省份大多位于经济发达的东部地区，低碳理念先进，经济发展所消费的电力减少。山西、内蒙古、贵州、甘肃、宁夏等省份电力强度效应均起正向驱动作用，其中内蒙古正向贡献值更是由2010 年101.03 百万吨增加到2020 年301.43 百万吨，这些省份高耗能产业较多，不利于碳减排。

图6 电力强度效应贡献值

3.2.3 规模因素的结果分析

由表4 结果显示，规模因素在三个节点时期整体上对火电行业碳排放均起负向抑制作用，且负向抑制作用逐渐增加，其中人口规模效应对规模因素的负向抑制作用贡献比经济规模效应大。规模因素在东部地区起正向驱动作用，在中部和西部起负向抑制作用，且在研究节点内对火电行业碳排放抑制效果均呈现“东部＜中部＜西部”格局，经济规模效应和人口规模效应的省域贡献布局及演变特征如下：

（1）经济规模效应省域贡献布局。首先，从表4 结果来看，经济规模效应整体上均呈负向抑制作用。从区域上来看，东部地区均呈现正向驱动作用，这是由于东部地区经济发展水平较高，经济规模高于全国平均水平，产出水平的提高必会带来二氧化碳排放量的增加，中西部地区经济规模贡献值均为负值，呈现负向抑制作用。其次，从省级层面来看，根据图7 结果显示，北京、天津、内蒙古、上海、江苏、浙江、福建、山东、广东等省份经济规模效应对碳排放正向驱动贡献较大，其中内蒙古、山东经济规模效应贡献在缩减，上海、江苏以及浙江对火电行业碳排放正向驱动贡献最大。河北、黑龙江、四川、贵州、甘肃等省份均呈负向抑制作用，其中贵州及甘肃对区域整体经济规模减排效果贡献较大。

图7 经济规模效应贡献值

（2）人口规模效应省域贡献布局。由表4 结果显示，人口规模效应均为负向抑制作用。从区域层面来看，东部地区人口规模均为正向驱动作用，说明人口规模大于全国平均水平，且处于递增趋势。中部地区人口规模由2010年正向驱动转变为2015年及2020年负向抑制作用，西部地区人口规模均为负向抑制作用。由图8 可以看出，人口规模起正向驱动作用的省份大多位于经济发达的东部地区，这些地方人口聚集性强，工业密集，如河北、江苏、山东、广东等省份，不利于减少碳排放。中西部地区人口聚集性较小的省份，如内蒙古、宁夏等省份人口规模起负向抑制作用，对整体性减排效果贡献较大。

图8 人口规模效应贡献值

由此看出，我国火电行业碳排放省份之间各影响因素存在较大差异。区域之间亦是影响差异较大，东部、中部和西部地区对火电行业碳排放增加的贡献呈递减格局，西部地区对碳排放起抑制作用，区域碳排放的贡献两极分化，各区域应根据自身实际情况，加快推进地区火电行业实现落后产业淘汰和技术提升，制订差异化的减排计划，实现区域间的协调减排。

4 结论与建议

本文以2010—2020 年为研究期，将火电行业碳排放影响因素分解为碳排放系数效应、火电能源结构效应、供电煤耗效应、电力结构效应、电力强度效应、经济规模效应以及人口规模效应七个因素。其中，由于研究周期较短，假定碳排放系数不变，将火电能源结构效应、供电煤耗效应以及电力结构效应归为结构因素，将电力强度效应归为效率因素，将经济规模效应和人口规模效应归为规模因素，通过LMDI 方法从时间维度和空间维度分解分析各因素对火电行业碳排放的贡献值及分布特征。主要结论如下：

（1）就时间维度来看，结构因素和效率因素中各影响因素均起负向抑制作用，规模因素中各影响因素均起正向驱动作用。结构因素中火电能源结构效应负向贡献最小，累计贡献率仅为-2.2%，电力结构效应负向贡献最大，累计贡献率为-45.54%，是抑制火电行业碳排放量增加的主要因素。规模因素中的经济规模效应和人口规模效应研究期内均呈现正向驱动作用，其中经济规模正向驱动贡献最大，累计贡献率达到182.79%，也是火电行业碳排放量增加的主要因素。

（2）从区域来看，结构因素在东部和中部起正向驱动作用，在西部起负向抑制作用，其中供电煤耗效应2010 年和2015 年对火电行业碳排放呈正向驱动作用，2020 年转变为负向抑制作用；电力强度效应在东部起负向抑制作用，在中部和西部起正向驱动作用，是火电行业碳排放增加的主要因素；规模因素在东部地区起正向驱动作用，在中部和西部起负向抑制作用，且对火电行业碳排放抑制效果呈现“东部＜中部＜西部”格局。中西部地区应加强节能减排政策推广，加快淘汰落后高耗能设备，东部地区应加快实现经济与碳排放脱钩。

（3）从省级层面来看，结构因素中，北京火电能源结构效应抑制作用显著，其减排效果较为突出；浙江、山东、江苏、上海等省份供电煤耗效应对火电行业抑制作用较大，其中浙江、山东的抑制作用显著增强，而江苏、上海等抑制作用在下降，需持续研发火电设备低碳技术；云南、四川等省份火电占比较小，电力结构效应对火电行业减排效果力度较大；内蒙古在结构因素中对火电行业碳排放增加贡献较大，应加快发电能源结构调整，持续优化用煤结构。效率因素和规模因素中，上海、江苏、浙江、广东等省份电力强度效应的减排效果显著，但其经济规模效应对火电行业碳排放增加的影响较大，应加快实现经济与碳排放的脱钩；内蒙古、宁夏等省份人口规模效应对火电行业碳排放抑制作用较为显著，各地区各因素对火电行业碳排放的贡献存在较大差异。

基于以上结论，本文提出以下几点对策建议：

（1）优化发电能源结构，缩小火电占比。深化能源供给侧结构性改革，优先发展非化石能源，提升清洁能源比重，保证能源结构持续优化。优化供电结构，增加工业水电、核电、风电、太阳能发电等发电方式占比，西部地区利用天然清洁能源优势，进行西电东输，逐步取代火力发电在发电中的主导地位。

（2）加大技术改造力度，降低碳排放强度。经济发展水平有利于科技的创新，加大对火电行业技术人才引进和资金投入，利用经济和人才优势，进行火电设备低碳技术的研发与推广，淘汰落后的高耗能设备，提高在发电过程中燃煤利用率，提高地区的火力发电技术水平。

（3）发展绿色经济，实现经济与碳排放脱钩。政府应制定科学合理的环境规制政策，调整产业结构，加快产业结构升级，降低第二产业占比。发展绿色经济，大力发展低能耗、高附加值产业，优化发电用煤的结构，使用清洁煤，加快低碳化进程，从而实现经济与碳排放脱钩。

（4）加强区域协同合作，实现区域间的协调减排。区域间及省份间碳排放变化的影响因素差异性较大，针对不同区域间的差异性及互补性，通过区域协同合作，实现区域间的协同减排。