中国碳市场下发电企业碳成本传导率及动态特征

魏亿钢 朱荣琦 谭泷砚

摘要 深化中国碳市场建设、促进发电企业碳排放成本向下游需求侧科学传导是加快经济社会全面绿色低碳转型的重要政策着力点。合理的碳成本传导率不仅能激发企业减排动力，还可以将碳排放成本通过提高电力价格的方式向消费端转嫁，引导其节约用电，从而推动碳市场在更大范围内形成减排效应。该研究基于发电企业经营行为的微观视角，将碳排放成本纳入企业的投资决策范畴，在充分考虑排放强度、风险偏好和采纳低碳技术意愿等异质性因素的基础上，构建了基于Agent的碳成本传导评估模型。通过模拟发电企业在面对有限信息时的策略选择，探讨了2021—2030年中国碳市场下发电企业碳成本传导率的变化趋势，并分析了不同的市场机制设计和低碳技术对碳成本传导率的作用影响。研究发现：①发电企业碳成本传导率呈现“缓慢增长—快速上升—保持高位”的动态特征。②初始碳价、市场规制系数和拍卖比例等市场机制设计均对发电企业碳成本传导率产生正向作用。具体地，初始碳价的增长会在短期内推高碳成传导率，作用效果在中长期将逐渐减弱；市场规制系数对碳成本传导率的推动作用存在门槛效应；随着拍卖比例的提高，企业的排放成本将会增加，进而引起碳成本传导率升高。③低碳技术能够缓解碳排放约束下发电企业的经营成本压力，避免碳成本传导率过度上升。该研究不仅为发电企业碳成本传导问题的探究提供了理论支撑，还为健全中国碳市场的机制设计提供了实践指引。

关键词 碳市场；发电企业；碳排放成本；传导率；低碳技术

中图分类号 F426. 2 文献标志码 A 文章编号 1002-2104（2024）03-0050-10 DOI：10. 12062/cpre. 20230722

为积极应对气候变化，中国政府庄严承诺“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”（简称“双碳”目标）［1］。碳排放权交易市场（以下简称碳市场）具有灵活透明、优化资源配置、降低全社会减排成本和激励企业技术创新等特点［2-4］，被广泛认为是推动中国实现“双碳”目标的关键政策工具［5］。2021年7月，中国碳市场正式启动上线交易，发电行业成为首个纳入对象。同时，随着中国深化电价市场化改革，电力交易价格上下浮动范围逐步扩大，这将对发电企业的生产经营造成直接且深远的影响［6］。发电企业的碳成本传导是指在碳市场中，企业将一定比例的碳排放成本以电力价格的形式转嫁至下游需求侧的现象［7］，其程度大小一般用碳成本传导率表示［8］。过高或过低的碳成本传导率均会引起发电企业与下游需求侧减排责任分担的公平性问题［9］。一方面，传导率过高意味着发电企业通过提高电价的方式将碳排放成本向下游传递，利用免费碳配额获得“意外收益”（Windfall Profit）［10］。另一方面，传导率过低则意味着发电企业将承担较高的碳排放成本，挤压其合理利润。因此，如何在中国碳市场下适时适度优化机制设计以保证碳成本传导率在合理区间是当下亟待解决的问题，具有重要的政策及理论价值。本研究利用2020年1 107家发电企业的生产和排放数据，通过设定各类基于智能体（Agent）在中国碳市场中的决策行为和复杂交互规则，探讨了2021—2030年发电企业碳成本传导率的动态特征。与以往实证研究大多依靠即期比较或事后分析不同［11-12］，基于Agent的建模方法能够准确刻画现实市场运行中的诸多不确定性和决策行为过程［13］，进而更好地探讨各类Agent复杂交互所产生的“涌现”现象。本研究将为政府从碳成本传导角度优化中国碳市场机制设计提供参考建议。

1 文献综述

现有文献关于碳排放成本向电价传导的研究主要从理论分析和传导率估计两个方面展开。在理论分析领域，Sijm等［14-15］、Kim等［16］、何姣等［17］从市场结构方面归纳出影响碳成本传导的主要因素，包括市场竞争程度，供需弹性、可用容量水平和企业数量等。进一步地，Chernyavs等［18］探讨了其他影响因素，包括峰时与谷时的载荷曲线、不同类型企业的进入顺序等。同时，市场机制设计也会对碳成本传导产生影响［19-21］。Jouvet等［22］指出碳成本传导取决于地区实际碳排放量、碳配额总量和分配方式的变化。

针对碳成本传导率的估计，现有文献主要采用计量经济分析和技术经济仿真两种研究方法。由于欧盟碳市场较为成熟，有关计量研究大多基于欧盟国家的面板数据展开［23］。Hintermann［9］基于结构计量模型，评估了欧盟碳市场中价格变化对电力供需关系的影响，进而测算出相应的碳成本传导率。在其他国家地区碳市场，Nelson等［24］、Nazifi等［25-26］研究了澳大利亚市场内碳价与电价之间的相互关系。李兴等［6］基于中国试点碳市场的面板数据，估算了碳价对工业电价和居民电价的传导率。技术经济优化模拟方法则是基于市场运行机制，依托不同的参数假设和情景设计来评估碳排放成本对电价的影响［27］。例如，Kara等［23］使用随机动态规划来模拟电力市场的运行。结果发现，芬兰等北欧国家碳价每增加1 欧元/t，电价将上升0. 74 欧元（/ MW·h）。仿真研究能够清晰地展现碳成本传导的动态变化趋势，为碳市场与电力市场之间的协同优化提供参考建议。

关于碳成本传导的技术经济模拟，相关研究取得了重要进展，但仍存在一些不足：首先，现有研究大多从宏观层面分析完全竞争市场下发电企业碳成本传导应达到的理想均衡状态，并未将碳排放成本纳入微观决策行为的考虑范畴。其次，针对中国碳市场的研究经验和应用不足。大多国外文献仅针对西方市场经济而论，缺少基于中国市场机制下碳成本传导率的估计，特别是对中国碳市场参数体系全面系统的模拟，包括碳价水平、基于强度的配额分配方法和拍卖机制的设计等。最后，忽略了碳市场与电力市场间的耦合作用。一些文献仅仅对单一市场进行建模或者对模型进行高度简化，导致市场规则与实际情况存在差异，难以真实反映市场机制设计对发电企业碳成本传导率的作用差异。鉴于此，本研究对中国碳市场下发电企业碳成本传导率的变化趋势展开深入研究，主要边际贡献在于：第一，从决策行为角度出发，模拟发电企业在面对排放约束时的策略选择，包括产量调整、低碳技术采纳和配额交易等，并充分考虑碳价与电价之间的内生关联，构建符合中国国情的碳市场参数体系和运行机制。第二，着重细化发电企业的诸多异质性技术经济属性，包括排放强度、风险偏好、采纳低碳技術意愿等因素。特别是在企业边际减排成本方面，区别于传统模型中将其忽略［28］或者是将其模拟成相同的减排成本曲线［29-30］。本研究基于发电企业主流的节能减排技术和企业排放强度数据，运用对数边际减排成本曲线估算出每家企业的边际减排成本［31］。第三，引入强化学习算法［32］，使得发电企业具备学习能力，可以根据市场中历史竞标策略和收益情况来调整自身竞标配额价格。自适应算法的引入为提高模型的准确性和稳健性提供了强有力的支撑。

2 发电企业碳成本传导原理

图1展示了碳排放成本传导过程中电价和社会福利的变化情况。假设市场需求弹性为0，即电力需求曲线为线性递减直线D，电力供给曲线为右上方递增直线S0。在碳排放约束下，碳排放成本将包含至企业总成本中，此时电力供给曲线将由S0 上移至S′。相应地，电力价格由P0上移至P′。从社会福利的角度分析，在引入碳市场前，发电企业的生产者剩余为三角形abP0 的面积。在引入碳市场后，发电企业的生产者剩余仅为三角形cdP′的面积，小于未引入碳市场时的生产者剩余，企业成本负担加重。

4 数值模拟

4. 1 参数值和数据来源

本研究企业数据来自Global Energy Monitor数据库中2020年1 176家正在运行的发电企业。为提升数据质量，剔除了部分数据存在缺失、明显错误且无法修正的企业，并进行上下1%的缩尾处理，在排除极端值干扰的同时，更大程度保留样本信息。最终，共得到1 107 家企业数据，总装机容量为928 731 MW，占2020年火电装机总容量的74. 6%。针对单位燃料消耗，参考Wang等［38］研究中采用的火电企业供电标准煤耗（约315 g（/ kW·h）），并转化为原始燃料，即5 500 K动力煤的消耗量（约为400. 99g（/ kW·h））。针对碳排放强度，则根据动力煤的碳排放因子来计算其碳排放强度［39］，约为841 g（/ kW·h）。此外，参考孙启星等［40］对火电企业度电成本的测算研究，假设2020 年火电企业初始的固定发电成本Ecostj，t 为0. 359元（/ kW·h）。

在情景设置方面，结合相关文献中碳成本传导率范围的界定［41］，以100%完全傳导作为基准，当传导率低于100% 时定义为欠传导，超过100% 时定义为超额传导。假设市场规制系数α（样本内所有企业碳排放强度的分位数）决定碳排放基准线。α 越高代表碳排放基准线越低，免费发放的碳配额总量越少。针对配额拍卖比例μ，参照欧盟碳市场与中国试点碳市场的经验，初期阶段拍卖比例大多设置在0到10%之间［42-43］。依据真实市场场景，假设初始碳价为50元/t，市场规制系数为0. 4，拍卖比例为5%时为基准情景。此外，模型中涉及的市场交易和发电企业的决策行为是由非均衡环境演变而来，由于初始解的随机性和模型中的某些参数，可能会导致结果出现偏差。因此，本研究将各类情景重复计算10次并取均值以确保模型的稳定性。

4. 2 结果讨论

如图4（a）所示，基准情景下，2021—2030年碳价由于配额需求持续增长而不断上涨，平均价格从2021 年的47. 09元/t增长到2030年的71. 44元/t，提升了1. 52倍，其中，2022 年和2023 年的平均碳价分别为49. 39 元/t 和54. 15元/t。历史数据显示，2021—2023年中国碳市场真实碳价在41. 46～69. 52元/t范围内波动［44］，说明该模型能够较好地反映中国碳市场的真实情况。同时，如图4（b）所示，基准情景下，2021—2030年电价呈现稳步上升趋势，平均价格从2021年的0. 39元（/ kW·h）增长到2030年的0. 50元（/ kW·h），提升了1. 28倍，其中，2022年平均电价为0. 43元（/ kW·h），与真实值0. 45元（/ kW·h）的误差仅为4. 6%。

如图5所示，基准情景下，随着中国碳市场不断完善，碳成本传导率呈现“缓慢增长—快速上升—保持高位”的动态特征。借鉴张希良等［5］对中国碳市场发展的场景分析，本研究将碳成本向电价的传导分为三个阶段：第一阶段为2021—2022年，中国碳市场处于建设阶段，配额发放较为宽松，碳成本对电价的传导能力不足，传导率缓慢增长。第二阶段为2023—2025年，中国碳市场机制设计逐步完善，碳成本对电价的传导能力也快速上升，传导率升高至50%～80%区间。第三阶段为2026—2030年，在严格的排放约束下，碳成本传导率进一步增加，逐步升高至100%，甚至出现超额传导现象。已有研究中，李兴等［6］为求解出不同碳减排目标下中国碳市场的最优碳价，针对碳成本传导率变化构建了反事实场景，其假设与上文描述的变化趋势相似，进一步论证了本研究模型和参数设定的合理性。本研究还分析了基准情景下不同装机规模和碳排放强度企业在碳成本传导率上的差异。由表4可知，由于碳配额采用基准线法进行发放，企业获得的免费配额与其历史碳排放强度直接相关，因此，装机规模的大小并不会影响企业碳成本传导率。相较而言，碳排放强度较低的“先进企业”能够获得较多配额，进而通过碳市场获取利益，其碳成本传导率相对较低。相反，碳排放强度高的“落后企业”则需要承担更多的配额购买压力，此时企业会选择调高自身电力报价来减轻经营压力，导致其碳成本传导率偏高。

4. 3 敏感性分析

为后续进一步完善中国碳市场机制设计，本研究尝试探讨市场机制设计参数的敏感性，考察了初始碳价、市场规制系数、拍卖比例和低碳技术对发电企业碳成本传导率的影响。

4. 3. 1 初始碳价PC 对碳成本传导率的影响

选取初始碳价分别为45、50、55、60元/t进行模拟。如图6所示，初始碳价对发电企业碳成本传导率的影响在短期内较为明显。2021年，初始碳价为45元/t和60元/t时，碳成本传导率分别为25. 1%和47. 3%，相差22. 2个百分点。中长期来看，初始碳价对碳成本传导率的作用差异不断收窄，在4 种情景下，2030 年碳成本传导率分别为103. 4%、106. 2%、106. 9%和107. 3%，最大仅相差3. 9个百分点。由上述可知，在碳市场初期，企业短时间内无法通过其他策略缓解碳排放带来的成本压力，其会尽可能地将额外的碳成本向下游传导。但市场本身存在价格发现功能，内生形成的碳价将逐步能够反映配额供需关系和真实的减排成本，企业也可根据市场供需情况灵活地调整自身经营策略。因此，不同的初始碳价并不会在中长期对发电企业碳成本传导率产生明显的差异性影响。

4. 3. 2 市场规制系数α 对碳成本传导率的影响

选取市场规制系数分别为0. 2、0. 4、0. 6和0. 8进行模拟。如图7所示，当α 为0. 4时，2021年发电企业碳成本传导率为31. 8%，较α 为0. 2时的28. 5%仅上升3. 3个百分点，而当α 为0. 6时，碳成本传导率提高至43. 6%，增长了11. 8个百分点。后续年份也存在同样的趋势。由上述可知，市场规制系数越大，碳成本传导率越大，且存在明显的门槛效应。市场规制系数表示排放约束，市场规制系数过高意味着发电企业无法获得充足的免费配额，企业排放空间被不断压缩。此时，由于减排手段有限，企业只能通过提升电力报价的方式将碳成本向下游传导，缓解自身经营压力，从而导致碳成本传导率大幅提升。

4. 3. 3 拍卖比例μ 对碳成本传导率的影响

选取拍卖比例分别为3%、5%、7% 和9% 进行模拟。如图8所示，拍卖比例μ 越大，发电企业碳成本传导率越大。当μ 为3%时，碳排放传导率较低，到2030年时仅为97. 3%，仍处于欠传导状态。随着拍卖比例不断增大，碳成本传导率不断增加。当μ 为9%时，2026年企业碳成本传导率便达到100%，处于完全传导状态。由上述可知，调高市场拍卖比例，将导致企业消耗更多成本在一级市场中竞拍配额，自身碳排放成本占比将显著增加。此时，为确保自身利益，企业会将部分配额竞标的额外成本转嫁至下游需求侧，从而导致碳成本传导率上升。

4. 3. 4 低碳技术对碳成本传导率的影响

碳排放主体面临的成本压力要转化为减排的实际效果，需要依靠低碳技术的创新驱动。本研究假设發电企业主体在一个周期内采纳的低碳技术数量作为衡量发电企业技术创新的关键指标。如图9（a）所示，企业可采纳低碳技术越多，企业的碳排放强度越低。当企业能采纳一项技术时，2030年企业平均碳排放强度为747 g（/ kW·h），而当企业能采纳3项技术时，平均碳排放强度降至591 g（/ kW·h），降幅高达26. 4%。进一步地，如图9（b）所示，低碳技术能够降低企业碳成本传导率。到2030年，当允许采纳1项、2项和3项低碳技术时，企业碳成本传导率分别为106. 3%、100. 5%和95. 3%，较不采纳低碳技术情景时分别降低了18. 2%、25. 0%和31. 8%。由上可知，采纳低碳技术能够显著降低企业的碳排放强度，企业将不需要花费大量成本购买配额，从而避免碳成本过度向下游传导。

5 结论与启示

本研究利用2020年1 107家发电企业的生产与排放数据，自下而上地模拟了中国碳市场下各类Agent的决策行为和复杂交互过程，旨在深入探讨发电企业碳成本传导率的变化趋势。主要结论如下：①中国碳市场下碳成本传导率呈现“缓慢增长—快速上升—保持高位”的动态特征。碳市场初期，发电企业履约压力较小，仅将少部分碳排放成本转嫁至下游需求侧；随着配额逐步缩紧，碳价持续上升，发电企业将通过调整电力报价的方式维持自身利润，传导率也将快速上升，最终实现碳成本对电价的完全传导，甚至出现超额传导现象。②初始碳价、市场规制系数和拍卖比例等市场机制设计，对发电企业碳成本传导率均产生正向作用。具体地，初始碳价的增长会对碳成本传导率产生短期的推动作用，中长期内作用效果将逐步减弱；市场规制系数对碳成本传导率的作用存在门槛效应。市场规制系数较小时，企业拥有充足的免费配额，碳排放约束并未对其经营产生显著影响，碳成本传导率相对较低。而当市场规制系数较大时，企业排放空间压缩，为缓解成本压力，其将上调自身电力报价，此时碳成本传导率将快速升高；随着拍卖比例提高，企业会将更多竞标配额所产生的额外成本转嫁至下游需求侧，进而导致碳成本传导率升高。③激励发电企业尽可能多地采纳低碳技术，可以降低自身碳排放强度，缓解自身排放约束压力，进而避免碳排放成本向下游大幅度传导。

根据上述结论，针对中国碳市场建设，给出如下建议：①适时适度优化市场机制设计。随着市场价格机制逐步完善，需要更加重视配额分配的公平性。通过调整配额分配基准线和引入拍卖机制，来避免碳排放成本出现超额传导现象。此外，政府应注重各类市场机制的侧重点和偏向性，动态制定市场机制设计组合，确保碳成本传导率处于合理区间。②鼓励低碳技术创新。市场机制将激励企业发现资源配置的非效率因素，通过内部激励的方式发现潜在的技术创新机会，从而改善生产效率，缓解环境成本压力。政府需通过多样性的成本配套补偿手段，如财政补贴、税收减免和资金技术支持等，激励企业采纳低碳技术，减轻其成本压力的同时，避免碳成本过度传导。

参考文献

［1］ 林伯强. 碳中和进程中的中国经济高质量增长［J］. 经济研究，

2022，57（1）：56-71.

［2］ YU S M，FAN Y，ZHU L，et al. Modeling the emission trading

scheme from an agent?based perspective：system dynamics emerging

from firms' coordination among abatement options［J］. European

journal of operational research，2020，286（3）：1113-1128.

［3］ 王梅，周鹏. 碳排放权分配对碳市场成本有效性的影响研究

［J］. 管理科学学报，2020，23（12）：1-11.

［4］ WEI Y G，LI Y，WANG Z C. Multiple price bubbles in global major emission

trading schemes：evidence from European Union，New Zealand，

South Korea and China［J］. Energy economics，2022，113：106232.

［5］ 张希良，张达，余润心. 中国特色全国碳市场设计理论与实践

［J］. 管理世界，2021，37（8）：80-95.

［6］ 李兴，刘自敏，杨丹，等. 电力市场效率评估与碳市场价格设计：

基于电碳市场关联视角下的传导率估计［J］. 中国工业经济，

2022（1）：132-150.

［7］ DAGOUMAS A S，POLEMIS M L. Carbon pass?through in the electricity

sector：an econometric analysis［J］. Energy economics，2020，

86：104621.

［8］ 冯永晟，周亚敏.“双碳”目标下的碳市场与电力市场建设［J］.

财经智库，2021，6（4）：102-123，143.

［9］ HINTERMANN B. Pass?through of CO2 emission costs to hourly

electricity prices in Germany［J］. Journal of the Association of Environmental

and Resource Economists，2016，3（4）：857-891.

［10］ FABRA N，REGUANT M. Pass?through of emissions costs in electricity

markets［J］. American economic review，2014，104（9）：

2872-2899.

［11］ HE Y N，WEI Y G，FANG Y M，et al. Booming or sinking：how does

an emission trading scheme affect enterprise value［J］. Chinese journal

of population， resources and environment， 2022， 20（3）： 227-236.

［12］ WEI Y G，LIANG X，XU L，et al. Trading，storage，or penalty： uncovering

firms' decision?making behavior in the Shanghai emissions

trading scheme：insights from agent?based modeling［J］. Energy

economics，2023，117：106463.

［13］ WEI Y G，ZHU R Q，TAN L Y. Emission trading scheme，technological

innovation，and competitiveness：evidence from China's

thermal power enterprises［J］. Journal of environmental management，

2022，320：115874.

［14］ SIJM J，NEUHOFF K，CHEN Y. CO2 cost pass?through and windfall

profits in the power sector［J］. Climate policy，2006，6（1）：49-72.

［15］ SIJM J，CHEN Y，HOBBS B F. The impact of power market structure

on CO2 cost pass?through to electricity prices under quantity

competition：a theoretical approach［J］. Energy economics，2012，

34（4）：1143-1152.

［16］ KIM W，CHATTOPADHYAY D，PARK J B. Impact of carbon cost

on wholesale electricity price：a note on price pass?through issues

［J］. Energy，2010，35（8）：3441-3448.

［17］ 何姣，叶泽. 电力行业碳成本传导的基本原理及均衡模型［J］.

生态经济，2019，35（9）：45-49.

［18］ CHERNYAVS'KA L，GULL? F. Marginal CO2 cost pass?through

under imperfect competition in power markets［J］. Ecological economics，

2008，68（1/2）：408-421.

［19］ 何崇恺，顾阿伦. 碳成本传递原理、影响因素及对中国碳市场

的启示：以电力部门为例［J］. 气候变化研究进展，2015，11（3）：

220-226.

［20］ WANG M，ZHOU P. Does emission permit allocation affect CO2

cost pass?through： a theoretical analysis［J］. Energy economics，

2017，66：140-146.

［21］ YU S Y，CHEN Y K，PU L C，et al. The CO2 cost pass?through and

environmental effectiveness in emission trading schemes［J］. Energy，

2022，239：122257.

［22］ JOUVET P A，SOLIER B. An overview of CO2 cost pass?through to

electricity prices in Europe［J］. Energy policy，2013，61：1370-1376.

［23］ KARA M，SYRI S，LEHTIL? A，et al. The impacts of EU CO2

emissions trading on electricity markets and electricity consumers

in Finland［J］. Energy economics，2008，30（2）：193-211.

［24］ NELSON T，KELLEY S，ORTON F. A literature review of economic

studies on carbon pricing and Australian wholesale electricity

markets［J］. Energy policy，2012，49：217-224.

［25］ NAZIFI F. The pass?through rates of carbon costs on to electricity

prices within the Australian National Electricity Market［J］. Environmental

economics and policy studies，2016，18（1）：41-62.

［26］ NAZIFI F，TR?CK S，ZHU L X. Carbon pass?through rates on spot

electricity prices in Australia［J］. Energy economics，2021，96：

105178.

［27］ CHERNYAVS'KA L，GULL? F. Marginal CO2 cost pass?through

under imperfect competition in power markets［J］. Ecological economics，

2008，68（1/2）：408-421.

［28］ TANG L，WU J Q，YU L A，et al. Carbon allowance auction design

of China's emissions trading scheme： a multi?agent?based approach

［J］. Energy policy，2017，102：30-40.

［29］ BAKER E，CLARKE L，SHITTU E. Technical change and the marginal

cost of abatement［J］. Energy economics，2008，30（6）：2799-2816.

［30］ BAUMAN Y，LEE M，SEELEY K. Does technological innovation

really reduce marginal abatement costs： some theory，algebraic evidence，

and policy implications［J］. Environmental and resource

economics，2008，40（4）：507-527.

［31］ NORDHAUS W D. The cost of slowing climate change：a survey

［J］. Energy journal，1991，12（1）：37-65.

［32］ EREV I，ROTH A E. Predicting how people play games：reinforcement

learning in experimental games with unique，mixed strategy equilibria

［J］. American economic review，1998，88（4）：848-881.

［33］ CONG R G，WEI Y M. Potential impact of （CET） carbon emissions

trading on China's power sector：a perspective from different allowance

allocation options［J］. Energy，2010，35（9）：3921-3931.

［34］ CHEN H D，WANG C，CAI W J，et al. Simulating the impact of investment

preference on low?carbon transition in power sector［J］.

Applied energy，2018，217：440-455.

［35］ 李现忠，蔡兴国，付春梅. 碳交易机制下考虑节能减排的竞价

交易模式［J］. 电力系统自动化，2011，35（10）：48-52.

［36］ ZHU L，WANG X，ZHANG D Y. Identifying strategic traders in

China's pilot carbon emissions trading scheme［J］. Energy journal，

2020，41（2）：123-142.

［37］ 朱磊，梁壮，谢俊，等. 全国统一碳市场对电力行业减排的影响

分析［J］. 环境经济研究，2019，4（2）：28-43.

［38］ WANG C，YE M H，CAI W J，et al. The value of a clear，long?term climate

policy agenda：a case study of China's power sector using a multiregion

optimization model［J］. Applied energy，2014，125：276-288.

［39］ CHEN H D，WANG C，YE M H. An uncertainty analysis of subsidy

for carbon capture and storage （CCS） retrofitting investment in

China's coal power plants using a real?options approach［J］. Journal

of cleaner production，2016，137：200-212.

［40］ 孙启星，张超， 李成仁，等.“碳达峰、碳中和”目标下的电力系

统成本及价格水平预测［J］. 中国电力，2023，56（1）：9-16.

［41］ FABRA N，REGUANT M. Pass?through of emissions costs in electricity

markets［J］. American economic review，2014，104（9）：2872-2899.

［42］ 张宁，庞军，冯相昭. 全国碳市场引入配额拍卖机制的经济影

响：基于CGE 模型的分析［J］. 中国环境科学，2022，42（4）：

1901-1911.

［43］ 张文秀，邓茂芝，周剑. 拍卖机制在碳市场配额分配中的应用回

顾和比较分析［J］. 气候变化研究进展，2019，15（3）：246-256.

［44］ 田鹏. 全国碳市场碳排放配额累计成交逾111亿元市场扩容有

序推进［N］. 证券日报，2023-08-15（A03）

（责任编辑：田红）