雙碳目標下電力系統轉型對產業部門影響評估——以粵港澳大灣區為例

許鴻偉,汪 鵬,任松彥,林澤偉,張 聰,趙黛青

雙碳目標下電力系統轉型對產業部門影響評估——以粵港澳大灣區為例

許鴻偉1,2,3,汪 鵬1*,任松彥1,林澤偉1,張 聰1,趙黛青1

(1.中國科學院廣州能源研究所,中國科學院可再生能源重點實驗室,廣東省新能源和可再生能源研究開發與應用重點實驗室,廣東 廣州 510640；2.中國科學院大學,北京 100049；3.廣東省環境科學研究院,廣東 廣州 510045)

為評估雙碳目標路徑實現對產業部門變化的影響,通過構建粵港澳大灣區動態CGE模型,設計基準情景、碳中和情景和強化碳中和情景,評估雙碳目標約束下電力系統轉型對不同等級電力依賴產業微觀及宏觀影響.結果表明:相比基準情景,碳中和情景電力部門2045年實現零碳電力,對大灣區經濟發展和外購電占比帶來一定程度影響,雙碳限制作用將促進2050年能源消耗總量和碳排放量分別降低8.9%、67%,導致外購電力占比提高11%和GDP總量損失3.9%,但各產業部門的電能替代性、碳減排貢獻性和增加值柔韌性存在差異,其中高等電力依賴部門電能替代性和碳減排潛力較小,同時經濟受影響最小,每部門增加值損失約790億元;中等電力和低等電力依賴部門的碳減排貢獻較大,單個部門碳減排空間為400～700萬t,每個部門平均經濟損失為1000～3200億元,經濟發展受限較大,應推動向高電氣化部門和清潔能源替代方向調整.相比碳中和情景,強化碳中和情景電力部門2040年更早實現零碳,綠電增長有利于灣區加強電力供應安全性和社會經濟增長,2050年外購電力占比降低11%,促進GDP增長1.5%,增長來自電力部門和中高等電力依賴產業部門,同時促進各等級電力依賴部門電氣化率提升.

粵港澳大灣區；混合動態CGE；電力系統轉型；雙碳目標；產業部門

中國承諾2030年前實現碳達峰和2060年前實現碳中和,雙碳目標的實現不僅需要能源供應側的調整,也需要需求側產業內能源消費結構的改變.以供應側電力系統主動調整是現階段助力碳達峰目標的優先舉措,電力系統轉型將對全社會各產業部門帶來較大的影響,在雙碳目標約束下不僅激勵電力系統低碳轉型,而且碳目標約束下的碳價和電力系統轉型后的電價變動將對產業部門帶來雙重疊加影響.

針對電力系統低碳轉型研究主要從電力結構優化和經濟環境評估等方面開展.其中,電力結構優化層面上,現有電力結構優化研究層面主要以完成碳排放和能源結構政策指標為目標,滿足產業部門的電力和碳減排需求,從電力行業的資源稟賦、可持續發展、清潔低碳角度考慮供給側電力結構優化[1-5].此類研究提出了碳約束下電力部門的低碳路徑,但側重在供給側的電力部門轉型,缺少對雙碳約束下需求側用電需求的調整反饋,未考慮電力結構演變評估及雙碳目標下零碳電力對需求側產業部門的碳減排和增加值的影響.

在經濟環境評估層面上,現有可計算的一般均衡模型(CGE模型)研究通常以部門碳減排和經濟發展為指標,只考慮碳減排約束或電力轉型對宏觀經濟層面的影響[6-10].此類文獻缺少對不同發電技術的刻畫,無法反映清潔和零碳電力作用下的供應側發電結構調整對需求側的影響,導致雙碳約束下微觀電力部門多種發電技術的結合對供應側與需求側影響的分析不足,較難分析到2050年雙碳目標約束下電力系統率先零碳轉型對產業部門的傳導以及供需相互影響下關鍵指標的變化.

我國各地區整體資源稟賦不同、經濟差距較大、產業特性及競爭力不同,政策實施之前往往選幾個特定地區開展試點,總結試點成功經驗后進行全國推行,以減少政策實施成本和風險.本研究以粵港澳大灣區為例,從戰略層面看,粵港澳大灣區是開放程度高、產業發達、經濟承受能力強的地區.對標國際灣區和面向世界科技創新前沿,大灣區人均GDP較高,無煤炭開采行業,能源對外依賴度較大,非化石能源占比較高,風電、光伏、核電等可再生能源和新能源生產制造基礎雄厚,向低碳經濟和產業轉型優勢明顯,電力改革等體制機制逐步完善,理應在雙碳目標政策實施上先行先試.從現實層面看,2017年粵港澳大灣區電力碳排放1.55億t,占粵港澳大灣區總碳排放40%,與全國碳排放結構相似,且據不同機構預測粵港澳大灣區2035年的電力需求量達到0.7～1億kW×h,應及早謀劃和加快在粵港澳大灣區構建清潔、低碳、安全、高效的現代電力系統[11-12].

本研究通過構建粵港澳大灣區CGE模型,設置基準情景、碳中和情景和強化碳中和情景,以外購電力占比、能源達峰、碳減排和GDP等宏觀指標,以產業部門電力替代性、碳減排貢獻性和增加值柔韌性等微觀指標為評價標準,從能源-經濟-環境3個維度進行系統性分析,研究不同發電結構轉型到終端產業部門電氣化率、碳減排及產業增加值的傳導機制,評估碳限制作用下電力系統間接加速轉型和電力系統主動深度轉型對宏觀社會及微觀部門的影響,為粵港澳大灣區電力低碳轉型的宏觀政策制定和微觀部門調控提供參考.

1 模型方法

1.1 模型架構

本研究以粵港澳大灣區2017年投入產出表為數據基礎,結合能源平衡表和產業統計年鑒數據、2017年粵港澳大灣區發電技術裝機量、發電結構、發電成本等數據,構建粵港澳大灣區混合動態CGE模型.模型由生產部門、居民部門、政府部門、國際部門以及省際貿易5個模板組成,模型架構如圖1.

混合CGE模型將電力部門細分為煤電、氣電、核電和風電等7種技術部門,同時將電力部門投入產出表細分為7個部門的技術投入產出表[13-14],并依據大灣區的各種電力技術與32部門構建投入產出關系,形成不同電力技術的原料投入、資本投入和勞動力投入等成本關聯關系,進而通過各個技術投入產出構成刻畫不同技術組合的成本和增加值情況,研究電力部門自身及對宏觀經濟和環境影響.各技術的生產函數與能源轉化部門的生產函數相同,每一種技術都完全可以被另一種技術替代,電力輸出幾乎與能量輸入呈線性關系.

圖1 模型架構

1.2 電力部門與其他產業部門相互影響

粵港澳大灣區動態CGE 模型的核心機理是以人口、GDP 等社會經濟驅動因子確定各部門的各類能源服務需求,需求進一步驅動生產,價格影響產出.CGE模型模擬處于一般均衡態的經濟系統,對某些變量進行一定程度的政策干擾,投資結構發生轉變.當系統以生產者追求利潤最大化和消費者追求效用最大化原則再次回到均衡態時,各類型能源消費量和能源價格發生改變,部門生產活動也跟隨改變,進而影響全社會各部門增加值和碳排放量發生變化.本研究采取碳排放約束和電力系統轉型2個政策,在此政策干擾下,電力部門通過生產供應電價影響其他產業部門的電力消耗需求量,而其他產業部門的電力消耗需求量的變化反過來會影響電力部門的生產供應電價,進而對各產業部門的生產和用能方式帶來改變及投資結構的調整.

1.3 研究數據

投入產出表是構建社會核算矩陣(SAM)并用于CGE模型的部門間關系建模的重要數據來源.由2018年廣東省統計年鑒[15]僅能獲得珠三角9地市33個部門的總產值和增加值,以及居民消費支出、政府消費支出、資本形成、進出口、調入調出等總量值,無法收集到分部門細致數據.其中,珠三角9地市GDP值占廣東省GDP值的80%,可近似認為珠三角9地市投入產出表規律與廣東省投入產出表規律一致,則珠三角9地市投入產出表中勞動力報酬、固定資產折舊、稅收凈額,以及居民消費支出、政府消費支出、資本形成額、進出口量、調入調出量等分部門值可按照珠三角9地市和廣東省各類型總量值做比例放縮得到.香港、澳門投入產出表由2015年投入產出表[16-17]按照2017年的分行業增加值縮放得到.然后對2017年廣東省9地市投入產出和香港、澳門投入產出表重新進行合并,針對本研究進行部門重新劃分,用交叉熵法平衡構建2017年粵港澳大灣區SAM表.

粵港澳大灣區33個部門的能耗量由珠三角9地市分部門能源平衡表[15]和香港澳門分部門能源平衡表[18-19]整理得到.其中,CGE模型中各個部門均以價值量為單位,而實際需求的能源消耗及CO2排放則是實物物理量的形式,需要根據當年能源平衡表中能源消費總量與當年能源消費價值量得出不同能源品種當年的平均能源價格,進而根據投出產出表和能源碳排放因子轉換得到各個部門的能源消費量及CO2排放量.而33部門的CO2排放由IPCC推薦方法[20]計算,即CO2排放量由化石能源使用量乘以碳排放系數,再乘以碳氧化率得到.

圖2 模型機理

1.4 參數設置

GDP和人口增速設置:2017～2018年GDP增長速度和人口增長速度均按照2018～2019年《廣東省統計年鑒》[15]中廣州、深圳、珠海、東莞、佛山、中山、江門、肇慶、惠州的統計年鑒、香港統計局網站、澳門統計局網站整理計算設置.2019～ 2050年粵港澳大灣區GDP增速參考《廣東省國民經濟和社會發展第十三個五年規劃綱要》[21]以及增速趨勢設置,綜合考慮了2020年疫情下經濟的增速與新基建下未來的增速進行平均獲得.2019～2030年粵港澳大灣區人口增速參考《廣東省人口發展規劃(2017～2030年)》[22]進行設置,2031～2050年人口增速依據2019～2030的增速趨勢以及參考本課題組《粵港澳大灣區能源轉型中長期情景研究》[11]進行設置,參數結果如表1.

表1 粵港澳大灣區GDP、人口增速設定值

圖3 電力結構

發電量設置:(1)2017年各類型發電量設置:按照2018年《廣東省統計年鑒》[15]中廣州、深圳、珠海、東莞、佛山、中山、江門、肇慶、惠州的統計年鑒、香港統計局網站、澳門統計局網站整理計算得到.(2)2018～2050年各類型發電量設置:參考現有政策[23-24]以及本課題前期研究結果[25],設置煤電發電量逐步從2017年3214萬kW機組退役2032年的保底容量值,即1152萬kW機組,年均發電量為518億kW·h,隨后逐步在2045年實現完全退役;氣電發電量逐步上機供電,并考慮氣電在現有規劃下未來最大發電容量和廣東明確規定未來不增添火電機組,設置氣電逐步從2017年1931萬kW機組增長到2038年的達峰容量值,即4292萬kW機組,年均發電量為1931億kW·h,隨后逐步退役,到2050年仍然保持占本地發電量22%,年均發電量1323億kW·h;本地發電總量2035年和2050年本地發電量總量依據往年增速趨勢,以及參考本課題組《粵港澳大灣區能源轉型中長期情景研究》[11]和南方電網能源發展研究院的《粵港澳大灣區能源規劃研究》[12]進行設置;非化石發電量由本地發電總量減去化石電力發電量得到,如圖3.

1.5 情景設計

為分別刻畫粵港澳大灣區電力部門在現行節能減排政策、以及碳中和政策下被動加速轉型和主動深度轉型對宏觀社會和產業部門的經濟環境影響,基于混合CGE模型設計基準情景、碳中和情景和強化碳中和情景,情景設置如表2.

表2 情景設置

1.6 部門歸類

圖4 2017年12個部門的能源消耗情況

為了評估碳限制作用下電力系統被動加速轉型和主動深度轉型對宏觀社會以及產業部門的能源、碳排放和增加值的影響,首先,根據基準年份(2017年)33個部門的能源消耗量進行識別,篩選出粵港澳大灣區高能耗產業部門和高端新興產業部門等,并進一步將33個部門合并成12個部門.其次,依據基準年(2017年)各產業部門的電氣化率大小將其歸類為高、中、低等電力依賴部門.如圖4,其中金屬、機械制造、電子、服務業等4個部門分為高等電力依賴部門;紡織、造紙、石化、其他工業等4個部門分為中等電力依賴部門;農業、非金屬和交通部門等3個部門分為低等電力依賴部門,電力部門設置為單獨部門.

2 結果與討論

2.1 電力供應安全性

由圖5可知,相比基準情景,碳中和情景的煤電和氣電等具有碳排放性質的發電技術均受到碳限制約束影響,灣區電力系統被動加速進行低碳轉型.煤電發電量從2033年開始急劇下降,并在2035年提前實現完全退役;氣電發電量由2038年達峰提前到2037年實現達峰,然后開始下降至2044年實現完全退役;風電、核電和生物質發電及其他等非化石清潔電力的發電量和基準情景一致,如圖5a～c.

碳中和情景下,電力部門本地煤電、氣電生產供應量受限,推動本地電力價格上升,因外購電價格便宜,外購電大量涌入,推動電力供應曲線向下移動,導致電價降低.電價降低促進終端部門需求側對電力需求量的增加,推動電力需求曲線向上移動,價格發生二次變動.價格的變化將導致電力供應曲線和電力需求相互變動,最終電力供應和需求側相互影響和電價變化作用下,當CGE模型以最優化原則求解最優值,最終均衡電價P在1和2之間,電價相比基準情景降低,電力供給量相比基準情景增多,如圖5d.因此,相比基準情景,碳中和情景社會供電量呈現增長趨勢,如圖5f.在本地電力供給側受限情況下,全社會用電需求的增加主要依靠外購電力進行填充供給,外購電力占總供應電量的比例增加.2050年,碳中和情景的外購電量占比達到64%,相比基準情景提高11%,灣區內電力供應安全性降低,如圖5g.

相比基準情景,強化碳中和情景的煤電和氣電也受到碳限制約束影響,但是該情景在碳中和情景的基礎上進一步設置非化石電力發電量填補煤電和氣電發電量受約束的空缺,通過加大本地非化石電力發電量供給,促進電力系統深度低碳轉型.由于非化石清潔電力的優先發電級別高于化石電力,在電力部門投資不變的情況下,當設置煤電和氣電發電量空缺由非化石電力發電填補,非化石電力不能等量替代化石電力,出現非化石電力擠壓化石電力效應.相比于碳中和情景,強化碳中和情景的煤電和氣電發電量受到擠壓效應將進一步減少,同時2043年后非化石電力發電量微小于設置值,如圖5a～c.

圖5 各類電力發電量、電價、發電量總量和外購電力占比變化曲線

強化碳中和情景下,由于本地電力供給側非化石電力增加,本地生產供應價格降低,外購電電力減少,推動電力供應曲線向上移動,導致電價升高.電價升高促進終端部門需求側對電力需求量的減少,推動電力需求曲線向下移動,價格發生二次變動.初始價格的變化將導致電力供應曲線和電力需求相互變動,最終電力供應和需求側相互影響和電價變化作用下,當CGE模型以最優化原則求解最優值,此時均衡電價P在1和P之間,電價相比碳中和情景升高,電力供給量相比碳中和情景減少,如圖5e.因此,碳中和情景的供電總量相比基準情景呈現增長趨勢,但是相比碳中和情景呈現減少趨勢,如圖5f.加大本地非化石電力發電量的供給,促進灣區外購電力需求減少,外購電力占總供應電量的比例減少.2050年,強化碳中和情景的外購電量占比為53%,與基準情景一致,且相比碳中和情景降低了11%,灣區內電力供應安全性升高,如圖5g.

2.2 部門電力替代性

由圖6可知,基準情景下,灣區終端部門電力消耗量呈現增長趨勢,煤炭、石油、天然氣和總量消耗量分別在2030、2026、2032、2032年達峰,達峰消耗量分別為0.46,0.94,0.24,2.47億t標煤.

碳中和情景下,在碳限制直接作用和電力系統被動加速轉型的間接作用影響下,灣區終端部門電力消耗相比基準情景呈現增多趨勢,煤炭、石油、天然氣和總量消耗量分別在2027、2026、2030、2028年達峰,達峰消耗量分別為0.42,0.93,0.23,2.38億t標煤.煤炭、天然氣和終端能源消耗總量的達峰時間節點相比基準情景提前,而石油消耗量達峰時間節點和基準情景一致,但石油達峰消耗量降低.相比基準情景,2050年碳中和情景能源消耗總量降低8.9%.

強化碳中和情景下,在碳限制直接作用和電力系統主動深度轉型的間接作用影響下,煤炭、石油、天然氣消耗量的變化量趨勢和碳中和情景一致,中間過程有微小波動主要由于電力結構中非化石電力發電量無法完全填補化石電力空缺造成.而灣區終端部門電力消耗相比基準情景呈現增多趨勢,但是相比碳中和情景呈現減少趨勢.因此,相比碳中和情景,強化碳中和情景的能源消耗總量的變化主要來自電力消耗量的變化,且電力系統主動深度轉型主要影響灣區電力消耗量,對化石能源消耗量幾乎無影響.相比碳中和情景,2050年強化碳中和情景能源消耗總量降低1.7%.

圖6 煤油氣電消耗量和能源消耗總量變化曲線

從2050年產業部門能源消耗量變化情況角度,分析碳中和情景和強化碳中和情景的部門電力替代性.由圖7可知,碳中和情景下,基于全社會最優化分配原則對所有部門加以碳限制,但是各個部門受到碳限制作用的程度不一致.其中,服務業、電子、金屬、機械制造等高等電力依賴部門的能源消耗主要依賴電力消耗,碳減排承擔責任小,應當放松對該類部門的碳限制管理.相比基準情景,高等電力依賴部門的電力和化石能源消耗量均出現增長趨勢,部門電氣化率整體上反而呈現降低趨勢,其中2050年部門電氣化率平均降低1%,部門電力替代性較弱.紡織、造紙、石油化工、其他工業等中等電力依賴部門在碳限制作用下,部門碳減排承擔責任大,部門電力和化石能源消耗量相比基準情景整體上出現減少趨勢,部門電氣化率提高,其中2050年部門電氣化率平均提高13%,部門電力替代性好.低等電力依賴部門中農業部門碳減排承擔責任小,電力和化石能源消耗量均出現增長趨勢,部門電氣化率有微量上漲;非金屬和交通部門碳減排承擔責任大,化石能源消耗量相比基準情景整體上出現減少趨勢,但非金屬部門電力消耗有所增長,導致交通部門電氣化率上漲幅度較小,非金屬部門電氣化率上漲幅度較大.

由圖8可知,強化碳中和情景下,電力部門主動往非化石電力方向進行深度轉型,各個產業部門的化石能源消耗量基本不產生變化,但是電價的升高導致產業部門的電力消耗量降低,所有產業部門的電氣化率均呈現下降趨勢,2050年部門各類型電力依賴部門的電氣化率平均降低0.8%,部門電力替代性均變差.從整體上來看,各類部門的電氣化率下降趨勢一致,其中高等電力依賴部門中的機械制造業部門和金屬部門、中等電力依賴部門中的石油化工部門、低等電力依賴部門中的非金屬部門的電力替代性較差.

2.3 部門碳減排貢獻性

由圖9a可知,基準情景下,受當前節能減排政策的影響,大灣區內部生產活動的碳排放將在2025年實現達峰,達峰碳排放量為4.48億t,然后碳排放開始逐年下降,到2050年僅剩1.5億t.

由圖9b可知,碳中和情景下,受更嚴碳限制作用的影響,大灣區內部生產活動的碳排放在2025年實現達峰,達峰碳排放量和基準情景一致,為4.48億t.2025年后灣區內部碳排放量下降幅度增大,到2050年灣區碳排放量僅剩0.50億t,相比基準情景降低67%,基本實現碳中和.相比2050年基準情景,碳中和情景灣區碳排放量的減少主要由電力部門、低等電力依賴部門和中等電力依賴部門貢獻.其中,相比2050年基準情景,碳中和情景的高、中和低等電力依賴部門的平均碳減排量為0,4,7百萬t,低等電力依賴部門的碳減排貢獻性最大,中等電力依賴部門的貢獻性次之,高等電力依賴部門幾乎無貢獻.

強化碳中和情景下,電力部門主動深度轉型對全社會以后產業部門的化石能源消耗影響較小,碳排放變化曲線和碳中和情景一致.

2.4 產業增加值柔韌性

碳中和情景下,碳限制作用將導致全社會化石能源消耗降低,部門生產活動受限,大灣區整體GDP增長放緩.到2050年,碳中和情景的GDP相比基準情景損失3.9%,如圖10a.其中,相比2050年基準情景,碳中和情景的高、中和低等電力依賴部門的平均增加值減少量為790,3216,1019億元.因此,高等電力依賴部門受到碳限制作用較小,部門增加值損失最小,部門增加值柔韌性較好.中等電力依賴部門和低等電力依賴部門受到碳限制作用較大,且由于中等電力依賴部門經濟體量大,部門增加值損失大于低等電力依賴部門,如圖10b.

強化碳中和情景下,通過加大本地非化石電力生產量的方式進行電力系統深度轉型,一方面外購電購買量依賴變小,成本支出變小,另一方面促進非化石電力上下游關聯產業鏈發展,減緩了碳限制對GDP負效益作用.相比基準情景,2050年強化碳中和情景的GDP僅損失2.4%.相比碳中和情景,強化碳中和情景的GDP增長了1.5%,相當緩解了碳限制導致GDP損失的7916億元.其中,相比碳中和情景,強化碳中和情景GDP值的增長只要來自于電力部門、高等電力依賴部門和中等電力依賴部門,且高等電力依賴部門的柔韌性更優于中等電力依賴部門,如圖10c.

2.5 政策建議

(1)供應側的電力部門:考慮當前煤炭價格、天然氣價格和CCS成本高居不下,應積極實施低碳轉型,促進粵港澳大灣區2040年前率先實現零碳電力,區內電力全部由核電、風電、光伏、生物質發電和外購電供應.同時,在大灣區積極推進大灣區實現碳達峰和碳中和的進程中,電力部門仍需加大對風電、核電、太陽能發電以及生物質發電等發電技術的研發,推動發電成本的降低,以促進各產業部門的清潔電力能源消耗.

(2)針對高等電力部門如:金屬、機械制造、電子、服務業等高等電力依賴部門初始電氣化率高,部門生產活動主要依靠電力能源.在碳限制作用下,此類部門的碳減排承擔責任小,出現化石能源消耗反彈增加和電力替代性變差現象,未來仍需加大對此類部門碳減排目標的管控.

(3)針對低等和中等電力部門:紡織、造紙、石油化工、其他工業等中等電力依賴部門,以及農業、非金屬和交通部門等低等電力依賴部門是未來碳減排貢獻的主力部門,但是部門電氣化率的提升是以降低化石能源消耗的方式實現,同時也會對部門增加值產生較大的負面影響.未來碳排放約束作用影響,此類部門應積極推動CCS技術和氫能等清潔能源的開發利用,以降低生產成本.

3 結論

3.1 碳中和情景在碳限制作用下,電力部門被動加速轉型.相比基準情景,碳中和情景的電力消耗總量增加,能源消耗總量提前至2028年達峰,且2050年能源消耗總量降低8.9%,灣區能源結構得到優化;碳排放于2025年達峰,且2050年灣區碳排放量降低67%,碳減排效果明顯;但碳限制作用將導致灣區2050年外購電力占比提高11%,電力供應安全性變差;同時部門生產活動受限,大灣區整體GDP增長放緩,2050年GDP總量損失3.9%.

3.2 相比基準情景,碳中和情景的高等電力依賴部門增加值平均僅損失790億元,部門增加值柔韌性較好,但電力替代性和碳減排貢獻性較差;中等電力依賴部門的電氣化率平均提高13%,部門電能替代性較好,但部門碳減排貢獻性和增加值柔韌性較差;低等電力依賴部門的碳排放平均減少700萬t,部門碳減排貢獻性較好,但電力替代性和增加值柔韌性較差.

3.3 強化碳中和情景在碳限制作用下,電力部門主動深度轉型.相比碳中和情景,強化碳中和情景的能源消耗總量達峰時間節點不變,電力消耗量減少,2050年能源消耗總量降低1.7%;碳排放變化曲線基本和碳中和情景一致.而電力部門的主動深度轉型推動灣區2050年外購電力占比降低11%,外購電力占比水平降低到和基準情景一致,電力供應安全性變好;同時外購電購買量成本支出變小和非化石電力上下游關聯產業鏈的發展,減緩了碳限制對GDP負效益作用,2050年GDP相比碳中和情景增長了1.5%.相比碳中和情景,強化碳中和情景的部門碳減排和電力替代影響較小,各類型部門的增加值柔韌性中高等電力依賴部門最好,其次是中等電力依賴部門,最后是低等電力依賴部門.

[1] 國家可再生能源中心.美麗中國2050年的能源生態系統[R/OL]. 2018 [2020-01-01]. https://max.book118. com/html/2018/0420/ 162194247.shtm.

National Renewable Energy Center. Beautiful China’s energy ecosystem in 2050 [R/OL]. 2018 [2020-01-01]. https://max.book118. com/html/2018/0420/162194247.shtm.

[2] 項目綜合報告編寫組.《中國長期低碳發展戰略與轉型路徑研究》綜合報告[J]. 中國人口·資源與環境, 2020,30(11):1-25.

The Report of "China's Long-term low-carbon Development Strategy and Transformation Path" [J]. China Population, Resources and Environment, 2020,30(11):1-25.

[3] 周孝信.能源轉型中我國新一代電力系統技術發展趨勢[J]. 電氣時代, 2018,(1):33-35.

Zhou X X. Development trend of China's new generation power system technology in energy transition [J]. Electric Times, 2018,(1):33-35.

[4] 張 寧,邢 璐,魯 剛.我國中長期能源電力轉型發展展望與挑戰[J]. 中國電力企業管理, 2018,(13):58-63.

Zhang Ning, Xing Lu, Lu Gang.Prospects and challenges of China's mid - and long-term energy and electric power transition development [J]. China Electric Power Enterprise Management, 2018,(13):58-63.

[5] 張運洲,張 寧,代紅才,等.中國電力系統低碳發展分析模型構建與轉型路徑比較 [J]. 中國電力, 2021,54(3):1-11.

Zhang Yun-zhou, Zhang Ning, DAI Hong-cai, et al. Model Construction and Pathways of Low-Carbon Transition of China's Power System [J]. China Electric Power, 2021,54(3):1-11.

[6] 姜紅麗,劉羽茜,馮一銘,等.碳達峰、碳中和背景下“十四五”時期發電技術趨勢分析 [J]. 發電技術:1-12[2021-12-31]. http://kns. cnki.net/kcms/detail/33.1405.TK.20211230.1108.006.html.

Jiang Hong-li, LIU Yu-qian, FENG Yi-Ming, et al. Analysis of power generation technology trend in 14th five-year plan under the background of carbon peak and carbon neutral [J]. Power generation technology: 1-12 [2021-12-31]. http://kns.cnki.net/kcms/detail/33. 1405.TK.20211230.1108.006.html.

[7] O’ryan Raúl, Nasirov Shahriyar, álvarez-Espinosa Andrés. Renewable energy expansion in the chilean power market: A dynamic general equilibrium modeling approach to determine CO2emission baselines [J]. J. Clean Prod., 2020,247:119645.

[8] Yang Xi, Pang Jun, Teng Fei, et al. The environmental co-benefit and economic impact of China's low-carbon pathways: Evidence from linking bottom-up and top-down models [J]. Renewable and Sustainable Energy Reviews, 2021,136:110438.

[9] Li Wei, Lu Can, Zhang Yan-Wu. Prospective exploration of future renewable portfolio standard schemes in China via a multi-sector CGE model [J]. Energy Policy, 2019,128:45-56.

[10] Mu Yaqian, Cai Wenjia, Evans Samuel, et al. Employment impacts of renewable energy policies in China: A decomposition analysis based on a CGE modeling framework [J]. Applied Energy, 2018,210:256-267.

[11] 《粵港澳大灣區能源轉型中長期情景研究》項目組.粵港澳大灣區能源轉型中長期情景研究) [M]. 北京:科學出版社, 2020.

Project group of 《Mid - and long-term Scenario Study on Energy Transformation of Guangdong-Hong Kong-Macao Greater Bay Area》. Medium - and long-term scenario study of energy transformation in Guangdong-Hong Kong-Macao Greater Bay Area [M]. Beijing: Science Press, 2020.

[12] 南方電網能源發展研究院.粵港澳大灣區能源規劃研究[R]. 廣州:南方電網能源發展研究院有限責任公司, 2020.

China Southern Power Grid Energy Development Research Institute. Energy planning in guangdong-Hong Kong-Macao Greater Bay Area [R]. Guangzhou: China Southern Power Grid Energy Development Research Institute Co., LTD., 2020.

[13] Ian Sue Wing. The synthesis of bottom-up and top-down approaches to climate policy modeling: Electric power technologies and the cost of limiting US CO2emissions [J]. Energy Policy, 2006,34(18):3847-3869.

[14] Ian Sue Wing. The synthesis of bottom-up and top-down approaches to climate policy modeling: Electric power technology detail in a social accounting framework [J]. Energy Economics, 2008,30(2):547-573.

[15] 廣東省統計局.廣東省統計年鑒2018 [M]. 北京:中國統計出版社, 2018.

Statistics Bureau of Guangdong Province. Statistical yearbook of Guangdong Province 2018 [M]. Beijing: China Statistics Press, 2018.

[16] 澳門統計局.澳門統計年鑒 [R]. 2016-2019 [2021-01-03]. http: //www.tjcn.org/tjnj/33am/37957.html.

Macao Statistical Bureau. Macao Statistical Yearbook [R]. 2016-2019 [2021-01-03]. http: //www.tjcn.org/tjnj/33am/37957.html.

[17] 經濟合作與發展組織.香港投入產出表2015 [EB/Z]. 2018 [2021- 01-08]. https://stats.oecd.org/Index.aspx?DataSetCode=IOTSI4_2018.

Organization for Economic Cooperation and Development. Hong Kong input-output table 2015 [EB/Z]. 2018 [2021-01-08]. https://stats.oecd.org/Index.aspx?DataSetCode=IOTSI4_2018.

[18] 澳門統計年鑒委員會.澳門能源統計 [R]. 澳門:統計局, 2016—2019. https://www.dsec.gov. mo/ts/#!/step1/zh-MO.

Macao Statistical Yearbook Committee. Energy statistics of Macao [R]. Macao: Bureau of Statistics, 2016-2019. https://www.dsec.gov.mo/ts/ #!/step1/zh-MO.

[19] 香港特別行政區政府統計處.香港能源統計2016年年刊 [EB/OL]. https://www.censtatd.gov.hk/hkstat/sub/sp90_tc.jsp?productCode=B1100002.

Census and Statistics Department, Hksar Government. Hong Kong energy statistics 2016 annual journal [EB/OL]. https:// www.censtatd. gov.hk/hkstat/sub/sp90_tc.jsp?productCode=B1100002.

[20] Ministry of Science and Technology, Economy and Energy. Supply of an instrument for estimating the emissions of green house effect gases coupled with the energy matrix [R/OL]. 2010 [2014-06-11]. http: //ecen.com/ matriz/eee24/coefycin.htm.

[21] 廣東省人民政府關于印發《廣東省國民經濟和社會發展第十三個五年規劃綱要》的通知[J]. 廣東省人民政府公報, 2016:3.

People's Government of Guangdong Provincial. Notice of the People's government of Guangdong Province on printing and distributing the 13th five-year plan of Guangdong Province for national economic and social development [J]. Bulletin of Guangdong Provincial People's Government, 2016:3.

[22] 廣東省人民政府關于印發廣東省人口發展規劃(2017～2030年)的通知[J]. 廣東省人民政府公報, 2018,(7):3-28.

People's Government of Guangdong Provincial. The People's government of Guangdong Province on the issuance of Guangdong Province population development plan (2017～2030) [J]. Bulletin of Guangdong Provincial People's Government, 2018,(7):P.3-28.

[23] 廣東省發展和改革委員會.廣東省能源發展“十二五”規劃 [EB/OL]. 2013 [2014-07-01]. http://www.gddpc.gov.cn/fgzl/fzgh/ zxgh/sewzx/ 201309/t20130926_220199.htm.

Guangdong Provincial Development and Reform Commission. Energy development "twelfth five-year" plan of Guangdong Province [EB/OL]. 2013 [2014-07-01]. http://www.gddpc.gov.cn/fgzl/fzgh/ zxgh/sewzx/ 201309/t20130926_220199.htm.

[24] 香港特別行政區政府新聞公報.香港氣候行動藍圖2030+ [EB/OL]. 2017 [2021- 01-10]. https://sc.isd.gov.hk/TuniS/www.info.gov.hk/gia/ general/201701/20/P2017012000724.htm?fontSize=1.

Hong Kong Special Administrative Region Government Press Release. Hong Kong climate action blueprint 2030+ [EB/OL]. 2017 [2021- 01-10]. https://sc.isd.gov.hk/TuniS/www.info.gov.hk/gia/general/201701/ 20/P2017012000724.htm?fontSize=1.

[25] 許鴻偉,汪 鵬,任松彥,等.基于CGE模型的電力低碳轉型速度調控策略研究——以粵港澳大灣區為例 [J/OL]. 氣候變化研究進展, 1-18[2021-12-31].http://kns.cnki.net/kcms/detail/11.5368.P.20211224. 1634.004.html.

Xu Hong-wei, Wang Peng, Ren Song-yan, et al. Research on the speed control strategy of low carbon power transition based on CGE model—take the GBA as an example [J/OL]. Advances in Climate Change Research.1-18 [2021-12-31]. http://kns.cnki.net/kcms/detail/ 11.5368.P.20211224.1634.004.html.

Impact assessment of power system transition on industrial sectors under dual carbon targets—Take the Greater Bay Area as an example.

XU Hong-Wei1,2,3, WANG Peng1*, Ren Song-yan1, Lin Ze-wei1, ZHANG Cong1, ZHAO Dai-qing1

(1.Key laboratory of Renewable Energy, Chinese Academy of Sciences, Guangdong Provincial Key Laboratory of New and Renewable Energy Research and Development, Guangzhou Institute of Energy Conversion, Chinese Academy of Sciences, Guangzhou 510640, China；2.University of Chinese Academy of Sciences, Beijing 100049, China；3.Guangdong Academy of Environmental Sciences, Guangzhou 510045, China)., 2022,42(3)：1435～1445

This paper develops an empirical assessment of low-carbon electricity transition in China, with specific emphasis on identifying its impact on the industrial sectors associated with three alternative scenarios-baseline, carbon neutrality (CN) and enhanced carbon neutrality (ECN). The case in point for this assessment is provided by Guangdong-Hong Kong-Macao Greater Bay Area (thereafter, the Greater Bay Area). The analytical framework for this assessment is based on a dynamic CGE model. The results suggest that attaining net-zero electricity by 2045 (CN scenario) is likely to reduce energy consumption and CO2emissions by 8.9% and 67%, respectively, for the Greater Bay Area when compared with the baseline scenario. This impact would worsen the region’s reliance on electricity imports, adversely affecting its economic growth (3.9% less than the baseline scenario). This economic impact would, however, vary significantly across industrial sectors, reflecting their difference in terms of electric energy substitution, carbon emission reduction contribution and value-added flexibility. The impact on high electricity-dependent sectors is likely to be small (losses of about 79billion yuan in sectoral value-added), when compared with those sectors that are less dependent on electricity (losses of 100billion to 320billion yuan in sectoral value-added). By implication, this suggests that policymakers should consider promoting electrification and fuel-switching in these sectors, in order to reduce the adverse impact of electricity decarbonisation on their future growth. The electricity sector in the Greater Bay Area will attain net-zero emissions by 2040 in the ECN scenario. The strong growth of local renewable generation in this scenario could help reduce the region’s reliance on electricity imports (11% less than the CN scenario), contributing to energy security and socio-economic development (1.5% higher than the CN scenario). This development would particularly benefit industrial sectors that are highly dependent on electricity and promote electrification in other sectors.

Guangdong-Hong Kong-Macao Greater Bay Area；hybrid dynamic CGE model；power system transition；dual carbon target；industrial sector

X321

A

1000-6923(2022)03-1435-11

許鴻偉(1993-),男,廣東湛江人,中國科學院廣州能源研究所廣東省環境科學研究院碩士研究生,主要能源戰略與低碳發展研究.

2021-07-27

國家自然科學基金(71603248);廣東科技計劃(2017A050501060)

*責任作者, 研究員, wangpeng@ms.giec.ac.cn.