綠電綠證交易對電力碳排放因子影響分析

李威武 LI Wei-wu；梁琛 LIANG Chen；董曉陽 DONG Xiao-yang；李亞昕 LI Ya-xin；李樹德 LI Shu-de

（①國網甘肅省電力公司發展事業部，蘭州 730030；②國網甘肅省電力公司電力科學研究院，蘭州 730050；③國網英大碳資產管理（上海）有限公司，上海 200126）

0 引言

電力是大部分企業的主要消耗能源，電力碳排放是企業制定減碳目標的關鍵之一；同時消費者也需要了解電力消費的間接排放，推動個人低碳行動和選擇低碳產品，市場化行為也能反向加速企業低碳轉型。隨著電能替代不斷加強，2030 年電能占終端能源消費比重將達到35%左右[1]，相應的用能碳排放將出現逐步從終端用能部門向電力行業轉移的趨勢。

為減少電力行業碳排放，我國全面升級了可再生能源綠色電力證書（綠證）制度[2]，擴大綠證核發和交易范圍，并推動中央企業、地方國有企業、機關和事業單位發揮先行帶頭作用，穩步提升綠電消費比例。這對于準確計算“電力平均碳排放因子”至關重要，當前“電力平均碳排放因子”將電力相關碳排放平攤至全部電量，無法區分不同類型電源及外送電力的綠色環境價值，無法引導企業主動消納綠色電力問題。

目前，天津[3]、北京[4]、上海[5]試點碳市場均允許綠電抵扣用電碳排放，此外天津試點碳市場還允許綠證抵扣。使用“電力平均碳排放因子”核算外購電力碳排放時，若將綠電綠證電量在用電碳排放計算中扣減，就會出現環境屬性被雙重計算，為了避免這一問題，就需要調整“電力平均碳排放因子”，扣除可再生能源電力的環境屬性。

本文基于場景計算來證明綠電綠證交易對電力平均碳排放因子的影響，說明這一問題可能會導致電力用戶未支付環境溢價，就享受了用電碳排放的下降，即搭便車效應，以及綠電綠證與用電碳排放核算方法無法銜接造成政策失效，并提出了消除爭議、促進綠證消納的建議。

1 材料與方法

1.1 電力平均碳排放趨勢

國家主管部門先后公布了2010、2012、2015、2016 年省級電力平均碳排放因子[6-9]，主要用途是支撐各級政府“十二五”和“十三五”時期碳強度下降目標考核。圖1 顯示，省級電力平均碳排放因子相差較大，這主要與各省份的發電能源結構有關，華北地區和東北地區火力發電占比較高，相應的電力平均碳排放因子較高，中部地區和西部地區的可再生能源豐富，相應的電力平均碳排放因子較低。總體上，各省級電力平均碳排放因子呈下降趨勢，云南和四川下降幅度較大，分別下降了78%和64%，主要在于非化石能源電力發展較快；廣東和上海均下降了29%，主要在于加大外調電力度，70%左右電力來自四川、湖北等水電大省。

圖1 各省電力平均碳排放因子歷年變化圖

1.2 綠電綠證交易趨勢

綠證用于跟蹤和證明所購買的電力來自可再生能源，是物理屬性（即實際發電方式）與其環境屬性（即碳排放水平）的分離。2017 年，我國開始實行綠證自愿認購制度。據統計，2022 年我國綠證認購量384.9 萬張[10]，是2021 年的6.7 倍，見圖2。

圖2 綠證認購歷年變化圖

綠電交易以綠色電力產品為標的物的電力中長期交易，用以滿足電力用戶購買、消費綠色電力需求，并提供相應的綠證。2021 年，我國綠電交易試點啟動。據統計，2022年全國綠色電力省內交易量227.8 億千瓦時[11]，是2021 年的36 倍，但是綠電交易電量的比重還比較小，僅占全國交易電量比重約0.4%。

1.3 情景設定

情景1：電力平均碳排放因子計算的基本思路為對應地理范圍內所有因發電消耗化石燃料產生是總排放量與凈調入電量隱含的碳排放量之和，除以對應地理范圍內的總發電量與凈調入電量之和。

以省級電力平均碳排放因子計算[12]為例，其計算方法如下：

式中：

EFp，y-第y 年本省電力平均碳排放因子，噸二氧化碳/萬千瓦時；

Ep，y-第y 年本省電力系統化石燃料燃燒排放，噸二氧化碳；

EFi，y-第y 年i 省的電力平均碳排放因子，噸二氧化碳/萬千瓦時；

EGi，y-第y 年從i 省凈調入電量，萬千瓦時；

EFj，y-第y 年區域電網j 的電力平均碳排放因子，噸二氧化碳/萬千瓦時；

TEGy-第y 年省內總電量。

其中，

EGj，y-第y 年從區域電網j 凈調入電量，萬千瓦時；

EFk，y-第y 年k 國的電力平均碳排放因子，噸二氧化碳/萬千瓦時；

EGk，y-第y 年從k 國凈調入電量，萬千瓦時；

EGp，y-第y 年本省所有電力系統發電量，萬千瓦時。

情景2：在綠電綠證交易情況下，電力平均碳排放因子應進行調整，以考慮可再生能源對減少二氧化碳排放的積極貢獻，電網總供給電量中應扣除綠電綠證相對應的綠電電量。

2 結果與討論

情景1：基于《甘肅統計年鑒2022》[13]，按式（1）、式（2）計算2021 年甘肅電力平均碳排放因子為0.4467kgCO2/kWh。在這種情景下，采購綠電綠證的企業使用清潔能源發電而產生較低的碳排放量，而其他電力用戶則基于電力平均碳排放因子計算自身用電碳排放，從而享受了低碳電力，但并沒有為此支付相應的環境溢價成本，這就造成了搭便車效應，造成了可再生能源碳減排貢獻的雙重計算。

情景2：據統計，2021 年甘肅省可再生能源直接交易電量43.75 億千瓦時[14]，按式（1）、式（3）計算2021 年甘肅電力平均碳排放因子為0.4571kgCO2/kWh。扣除綠電綠證交易影響后，更準確地反映電力系統的實際碳排放情況，解決重復計算可再生能源碳減排貢獻的問題；同時，有利于鼓勵企業積極支持和投資可再生能源，促進可持續能源發展。

要準確計算電力平均碳排放因子，考慮綠電綠證交易是非常必要的，因為它能夠反映清潔能源在電力系統中的實際貢獻，鼓勵清潔能源的發展和使用，推動減少碳排放的目標的實現。為清楚闡明綠電綠證交易的影響，表1 總結了綠電綠證交易電量是否扣除情況下的電力平均碳排放因子和電力用戶的碳排放變化。

表1 不同情景下電力平均碳排放因子和用戶碳排放變化

電力平均碳排放因子未修正情況下，電力用戶A 采購了500kWh 綠電綠證，并作為零排放電力抵銷自身用電量，剩余電量在計算排放時，存在雙重計算可再生能源碳減排貢獻，因為電力平均排放因子已經包括了綠電綠證交易電量。此外，電力用戶A 和B 則均低估了用電碳排放量。

扣除綠電綠證交易電量影響后，電力平均碳排放因子增加，電力用戶A 和B 均準確的計算了用電排放，避免了雙重計算可再生能源碳減排貢獻。

目前，政府主管部門沒有及時更新電力平均碳排放因子，并且沒有考慮綠電綠證的碳減排貢獻雙重計算問題。按照目前的電力平均碳排放因子計算方法，隨著新型電力系統的建設，可再生能源裝機規模越來越大，則電力平均碳排放因子會越來越小，如不及時更新電力平均碳排放因子計算方法，則會造成搭便車效應，對于采購綠電綠證的用戶來說不公平。

此外，綠證是物理屬性和環境屬性的分離，但是目前的綠證政策只給可再生能源發電上網電量發放綠證，這對于離網電廠也存在不公平，離網電廠無法享受環境溢價帶來的激勵，不利于離網可再生能源的可持續投資和建設。

3 結論

本文提出了電力平均碳排放因子修正的建議，并以案例形式論證了綠電綠證交易對電力平均碳排放因子的影響，證實可再生能源碳減排貢獻的雙重計算問題，這一問題可能會削弱綠電綠證相關政策，不利于可再生能源電廠的可持續發展。

正確并及時計算電力平均碳排放因子，發布不含綠電綠證交易電量的排放因子，是解決環境價值重復計算的最簡單直接方式，以準確反映可再生能源的碳減排的貢獻。隨著綠電綠證交易電量的擴大，修正后的電力平均碳排放因子主要體現火力發電的碳排放，電力平均碳排放因子將會持續變大。

加強對電力平均碳排放因子計算方法的透明度，向公眾公開相關數據和計算方法，使人們能夠了解綠電綠證交易的作用和影響，更好地了解電力來源和排放差異，激發公眾參與和企業自愿采取措施減少碳排放，并采購綠電綠證。

建立綠電消費追蹤系統和認證機制，加強綠電綠證核發和消費數據的透明度，驗證企業申報的綠電消費電量的真實性和準確性，有助于建立消費者和投資者對企業的信任，推動綠電市場的發展和繁榮。同時，加強綠電認證機構的監管，確保其獨立性和專業性。

此外，對于離網可再生能源發電項目，建議納入綠證核發范圍，這有利于激勵企業投資分布式可再生能源發電項目，促進能源低碳化發展，加快雙碳目標的實現。