基于系統動力學的電–碳–綠證多尺度市場耦合交易研究

鄒鑫，韋雨晨

基于系統動力學的電–碳–綠證多尺度市場耦合交易研究

鄒鑫，韋雨晨

（華北電力大學 經濟管理系，河北 保定 071003）

雖然綠色證書交易機制（Tradable green certificate，TGC）和碳交易機制（Carbon emissions trading，CET）在實現碳達峰及碳中和方面發揮著關鍵作用，但目前這2項政策間的耦合作用對電力中長期市場和現貨市場的影響仍不確定。基于系統動力學原理，對比分析了不同政策參數下CET和TGC機制單獨或協同作用時對電力市場及碳減排的影響，以期為市場主體的策略調整及參數設定提供理論依據。研究結果表明，CET機制能提高現貨電價，促進可再生能源進入現貨市場；TGC機制能促進高比例可再生能源消納，但會使現貨電價長期處于較低水平；CET機制及TGC機制的協同實施，能增強電力市場對高比例可再生能源的適應性，但也可能會產生政策冗余。

電力市場；綠色證書市場；碳市場；碳減排政策；系統動力學

0 引言

面對溫室氣體排放造成的全球變暖和環境污染問題，國家制定了到2030年達到碳排放峰值和到2060年實現碳中和的兩階段計劃[1]。電力行業是碳排放占比最高的行業，因此改善電力行業能源結構是實現“雙碳”目標的關鍵途徑[2]。

隨著可再生能源的大力發展，可再生能源補貼、消納等矛盾也日益凸顯[3]。市場機制是解決上述問題并實現能源綠色低碳轉型的重要手段[4,5]。我國正逐步建立起現貨與中長期市場相結合、可再生能源和常規能源共同參與的電力市場[6]。通過碳交易機制（Carbon emissions trading，CET）可降低全社會碳排放、實現溫室氣體排放控制[7,8]。在可再生能源配額政策（Renewable portfolio standard，RPS）和綠色證書交易機制（Tradable green certificate，TGC）下，可再生能源發電可以得到適當補貼[9]。目前，火電仍占據電力行業的主導地位[10]，離國家碳減排和電力轉型目標還有一定距離。為使綠色證書交易和碳排放權交易與電力中長期市場及現貨市場有效融合，最大限度地發揮TGC機制和CET機制的效用，有必要對電力市場化背景下的碳減排政策進行研究。

由于CET和TGC機制在發展階段和成熟度方面存在顯著差異，因此關于這兩類政策研究的關注點也有較大的差別。

對于碳交易政策，學者大多聚焦于碳市場內部因素對電力市場的影響，主要討論電力行業的碳配額分配及上限制定，一致認為應將碳配額進行拍賣，而非免費配發[11-13]。鑒于碳市場易受到其他市場的影響，有學者認為碳市場在運行過程中存在諸多風險[14,15]，這會導致碳市場無法提供穩定的價格信號，從而抑制碳減排效率并影響市場可持續發展，不利于遠期碳減排目標的實現[16,17]。

對于綠色證書交易政策，由于RPS和TGC是互補機制[18]，學者主要集中討論可再生配額機制及制定問題[19,20]。同時，也有學者聚焦于TGC機制對電力市場的影響，研究TGC機制引入電力市場后的成本效益和對溫室氣體減排的貢獻[21,22]，并指出上網電價和綠證價格都會隨著RPS比例的增加而上漲。文獻[23]分析了CET機制及TGC機制下發電企業的決策行為，但缺乏從市場機制的角度整體考慮TGC機制及CET機制對電力市場的影響。

盡管目前對CET機制及TGC機制的研究已取得了一些成果，但從研究內容上來看，更多討論的是TGC機制或CET機制等單一政策對電力市場的影響，對于二者協同實施與單一實施的對比研究較少。當前，關于將電力市場細分，進而分析電力中長期市場及現貨市場并存時兩類減排政策對電力市場的影響的相關研究很少。另一方面，當前研究幾乎只考慮了綠色證書與電能解綁的情況，鮮有考慮到綠色證書與電能捆綁情況下CET機制及TGC機制對電力市場及市場主體的決策行為的影響。

從研究方法上來看，現有的研究從微觀角度以優化模型[24]、一般均衡模型[25,26]等方法為主，多側重靜態或單一層面，故將這些研究成果用于分析政策間相互影響時存在一定的局限性。

系統動力學（System dynamics，SD）已被廣泛應用于電價分析、負荷預測等領域，其優點是能揭示復雜系統間的因果關系，并可在長時間尺度上分析各系統的動態變化趨勢[27,28]。

鑒于此，本文考慮RPS配額比例、碳配額拍賣比例、碳配額基準價格這些政策參數，建立電–碳–綠證多尺度市場耦合交易SD模型，對比分析單一政策及組合政策下TGC機制和CET機制對電力中長期市場、現貨市場及碳減排的影響。

1 電力市場化背景下多尺度市場耦合交易體系

電–碳–綠證多尺度市場耦合交易的本質是以電力交易為核心的多級市場交易。電–碳–綠證多尺度市場耦合交易體系如圖1所示。

圖1梳理了在電力市場化背景下，綠證市場、碳市場、電力中長期市場及現貨市場間的耦合關系及信息傳遞過程。

1.1 電力市場

根據電力種類及時間尺度，本文將電力市場劃分為可再生能源中長期市場、常規能源中長期市場及現貨市場。

在可再生能源中，長期電力與綠證捆綁出售，其價格反映了電能和環境的雙重價值。

圖1 電–碳–綠證多尺度市場耦合交易體系

現貨市場在進行電力交易時并不附帶綠證，故其價格僅體現電能價值。

1.2 碳市場

在一級碳市場中，根據政府設定的碳減排目標，碳配額被分配給相應的不同企業。在常規能源發電商中，高碳排機組通常需要向低碳排機組購買額外的碳配額。低碳排機組則因其先進的技術和較強的碳減排能力，通常在完成碳減排指標后仍持有多余的碳配額。這些多余的碳配額可在二級碳市場上出售以實現價值的轉化，在給低碳排機組帶來額外收入的同時也為高碳排機組提供了購買碳配額的機會以確保其達到碳減排要求。

1.3 綠證市場

消納責任主體需購買綠證來履行可再生能源消納義務，而可再生能源發電商可通過出售綠證來獲得額外的收益。RPS的承擔者通常是供電公司或終端用戶等[29,30]。售電商是連接電力生產和市場化電力交易的紐帶，同時也是RPS的主要承擔者；這樣可以確保售電商準確地反映市場價格信號，履行其在可再生能源市場中的責任。

2 電力市場化背景下電–碳–綠證多尺度市場耦合交易模型

2.1 系統邊界及假設條件

2.1.1 綠證市場假設條件

假設1：1 MW·h的可再生電量可兌換1張綠色證書，有效期為12個月。根據成本定價法，將綠證的基準價格設定為220元/MW·h。

假設2：綠證供給者為可再生能源發電商，綠證需求者為售電商，如電網企業、直購電用戶等。

假設3：可再生能源機組建設周期為12個月，RPS配額比例按照一定比率平均增長。

假設4：售電商能通過簽訂可再生能源中長期合約獲得與其捆綁銷售的綠證，也能直接在綠證市場上購買綠證。

2.1.2 碳市場假設條件

假設5：本系統僅考慮電力行業的碳配額交易，碳配額的需求者為常規能源發電商。

假設6：常規能源機組建設周期為12個月。碳排放強度按照一定比率降低，電力需求、國內生產總值（Gross domestic product，GDP）按照一定比率增長。

2.1.3 電力市場假設條件

假設7：假設有A、B共2類發電商參與市場交易，其中A為常規能源發電商，B為可再生能源發電商。為簡化模型，僅考慮火電、風電及光伏機組的發電及建設情況。

假設8：售電商可以通過簽訂中長期合約來滿足電力需求，也能從現貨市場購買電力以確保供需平衡。

假設9：在仿真周期內，中長期合約價格固定，而現貨電價則基于各發電商報價形成。

2.2 SD模型搭建

電–碳–綠證多尺度市場耦合交易的因果回路如圖2所示。圖中，模型主要包括5個子模塊：電力中長期市場模塊、現貨市場模塊，碳市場模塊、綠證市場模塊及發電商投資模塊。RPS比例決定了綠色證書需求量，綠色證書供給曲線主要受可再生能源的中長期合約比例及現貨市場出力影響。綠色證書供需數量關系影響綠證價格，綠證價格越高，可再生能源發電商收益越高。同時，碳配額拍賣比例及常規能源發電量直接影響碳配額的需求量，從而引起碳價波動，影響常規能源發電商的收益。發電商的單位收益變化及發電成本共同影響發電商的現貨報價及中長期合約價格和比例。

圖2 電–碳–綠證多尺度市場交易的因果回路圖

2.2.1 電力市場模塊

1）電力中長期市場模塊。

本文將電力中長期市場設置為年度合約市場，即一年內簽訂的中長期合約價格固定。買賣雙方將通過雙方協商的方式開展電力交易，根據自身需求簽訂中長期合約比例及價格。合約到期后，常規能源發電商會根據其在現貨市場及中長期市場的單位收入變化來調整下一年的合約價格及比例；可再生能源發電商則對比其在現貨+綠證市場與中長期市場的單位收入變化來進行調整。

電力中長期市場合約形成的存量流量圖如圖3所示。

圖3 電力中長期市場合約形成存量流量

圖3中的主要函數關系式如下：

如等式（3）和（4）所示，發電商在進行電力交易時會優先滿足中長期合約。若其發電量還有剩余，則可將剩余電量在現貨市場中出售以獲取額外收入。

2）現貨市場模塊。

在現貨市場中，發電機組按照邊際成本由低到高排序，采用“報價不報量”的集中競價方式進行電力交易。可再生能源發電的邊際成本幾乎為零。若其報價過高則可能無法爭取足夠的負荷，加劇棄風、棄光現象。因此，可再生能源發電商通常放棄定價權，采取低價策略以確保獲得盡可能多的市場份額，實現利潤最大化。

現貨電價形成的存量流量圖如圖4所示。

圖4 現貨電價形成存量流量

圖4中，現貨電價主要由各發電商的現貨市場實際報價及電力供需變化決定，具體函數表達式如下：

2.2.2 碳市場模塊

圖5為碳市場存量流量圖。

如圖5所示，在碳市場中，GDP和碳排放強度共同設定政府的碳減排目標，從而影響碳配額供給。碳配額需求與常規能源發電量有關，發電量越高，對碳配額的需求越高。主要的函數關系式如下：

2.3.3 綠證市場模塊

綠證市場存量流量圖如圖6所示。

圖5 碳市場存量流量

圖6 綠證市場存量流量

綠色證書是衡量可再生能源發電量的指標，且與綠證捆綁的這部分中長期電量不產生額外的綠證收益。圖6綠證市場中函數關系式如下：

2.3.4 發電商投資模塊

發電商投資存量流量圖如圖7所示。

圖7 發電商投資存量流量

圖7中，常規能源發電商通過電力中長期市場及現貨市場獲得收入，主要函數關系式如下：

此外，可再生能源發電商還可將現貨市場中標電量兌換的綠證出售以獲取額外收益，如式（23）（24）所示。

發電商主要根據其利潤空間及電力需求來調整新建裝機的數量，而機組建設受時間限制有一定的延遲性。具體函數關系式如下：

3 模擬仿真分析

3.1 數據來源

以2018年為基期。模擬時間為4 380 d，即2019年1月1日至2030年12月31日。現貨市場時間步長為1 d，中長期合約市場時間步長為365 d。根據文獻[31]，本文將常規能源中長期初始合約比例設置為占電力需求的60%，而可再生能源中長期合約比例為5%。SD模型的主要參數設定及數據來源見表1所示。

表1 主要參數設置及數據來源

3.2 情景設計

本文基于碳配額拍賣比例、碳配額基準價格及可再生能源配額比例的不同組合，對比分析碳排放市場、綠色證書市場、電力中長期市場及現貨市場中關鍵因素的變化趨勢。

參考當前中國碳市場和碳減排政策[32,33]，將碳配額拍賣比例設置為0%、50%。根據碳市場八大試點的曲線數據[34]，將碳配額基準價格設置為50元/t、60元/t。根據碳減排政策，到2030年，非化石能源占一次能源比重將達到25%左右[35]，故將可再生配額比例設置為25%、30%。政策情景設計如表2所示。表2中，基準情景對應全國碳市場運行初期；情景1、3為單獨實施CET機制的情景；情景2為單獨實施TGC機制的情景；情景4、5分別為低減排協同政策及高減排協同政策。

表2 政策情景設計

3.3 仿真結果分析

3.3.1 碳價及綠色證書價格

圖8展示了不同政策情景下碳價及綠色證書價格的變化趨勢。

由圖8可知，在情景1中，通過增加碳配額拍賣比例，可引導碳配額的需求增加，使碳價上漲。這一政策的實施增加了常規能源的發電成本，導致各發電商更趨向于投資可再生能源項目，間接提高了可再生能源的發電量，從而增加了綠色證書的供應，使綠色證書價格的下降。同樣，在情景3中，通過提高碳配額基準價格可抬高碳價，也間接導致了綠色證書價格下降。

圖8 不同政策情景下碳價及綠色證書價格的變化趨勢

然而，值得注意的是，情景3中的綠色證書價格最低，且其碳價水平遠高于情景1。這表明，相較于碳配額拍賣機制，碳配額基準價格的設定對未來碳價及綠證價格的變化趨勢有更大的影響。

情景2通過提高RPS比例，增加了綠色證書的需求量，從而刺激了綠色證書價格的上漲；而其碳價波動情況與基準情景較為接近，說明綠色證書市場中的參數變化對碳市場的影響相對較小。

情景4中的綠色證書價格遠高于情景3、略低于情景2，說明無論是單一政策還是組合政策，綠色證書價格主要取決于綠色證書市場參數的設置，且CET機制會在一定程度上削弱TGC機制對綠色證書交易產生的市場激勵作用。

對比情景5可知，組合政策中CET機制越強，對TGC機制的削弱作用就越強。

3.3.2 電力市場

圖9展示了不同政策情景下電力市場的變化趨勢。

圖9 不同政策情景下電力市場的變化趨勢

從圖9中基準情景可知，在2019—2020年，現貨電價快速上漲至0.43元/kW·h，同時常規能源和可再生能源的中長期合約比例出現顯著下跌。原因為市場初期對碳配額的較高需求，導致常規能源的發電成本急劇上升。為避免虧損，常規能源發電商將提高報價，使現貨電價迅速上漲，進而吸引大量發電商參與現貨市場交易。2020—2022年間，現貨電價快速下跌，同時常規能源中長期合約比例有所增加。這是現貨市場優先調度邊際成本較低的發電機組，從而迫使大量高碳低效火電機組退出現貨市場所致。2022年后，現貨電價趨于平穩，圍繞0.323元/kW·h水平波動。

圖9中，情景3的常規能源及可再生能源的中長期合約比例均低于情景1。原因為較高的碳配額基準價格及碳配額免費分配的方式，會在大幅度抬高現貨電價的同時，將碳排放成本全部傳導到終端用戶，增加所有發電商的現貨市場收益。情景3的現貨電價遠高于情景1，說明碳配額基準價格的變化對現貨電價的影響更為強烈。這一現象是由于碳配額基準價格的改變會直接影響到電力生產的碳成本。這個影響是相對長期和穩定的。碳配額拍賣比例的變化更多地涉及碳配額的供給和需求，其主要通過供需平衡來影響碳價，所帶來的影響通常較小，且相對容易適應。因此，這種差異在導致碳配額基準價格變化時，電力生產的碳成本會受到直接和較大規模的影響，更容易引起電價波動。

情景2中的現貨電價最低，常規能源中長期合約比例高于基準情景。RPS比例的增加會提高綠證價格，從而增加可再生能源發電商在“現貨+綠證”市場中的盈利能力。這擠壓了常規能源發電機組的競價空間，使常規能源發電商不得不降低報價以爭取更多的市場份額。

在組合政策中，情景5的現貨電價最高，而情景4的現貨電價低于情景1。這表明TGC機制會一定程度上削弱CET機制對現貨市場的影響，緩解現貨電價上漲；但隨著CET機制的增強，TGC機制對CET機制的削弱程度也隨之減弱。此外，情景5中的常規能源及可再生能源中長期合約比例遠低于情景4。這說明在CET機制及TGC機制協同作用時，提高碳配額基準價格能降低現貨市場交易風險、增強電力市場對高比例可再生能源的適應性，有效推進現貨市場建設。

3.3.3 電源結構及碳減排

圖10顯示了不同政策情景下各能源裝機容量的變化趨勢。

圖10 不同政策情景下裝機容量變化趨勢

從圖10可以看出，在單一政策情況下，情景1對常規能源裝機容量的抑制作用最強，能在一定程度上促進可再生能源的發展。情景2的可再生能源裝機容量上漲，而常規能源裝機容量與基準情景相近，說明RPS機制能有效提高可再生能源的盈利能力，但對常規能源發展的影響較小。情景3抬高了現貨電價并將碳成本完全傳導至終端用戶，使常規能源機組不僅不用承擔相應的碳成本，還能從現貨市場中獲利。因此，這一政策措施雖然有效刺激了可再生能源的發展，卻同時促進了常規能源裝機容量的增長，無法有效降低碳排放量。

情景4中的可再生能源裝機容量略低于情景2，說明在2項政策協同實施時，CET機制會一定程度上削弱TGC機制對可再生能源的促進作用。情景5對可再生能源發展的促進作用最強，但其通過提高碳配額基準價格增加了低碳高效機組的現貨市場收入，導致其對常規能源裝機容量的抑制作用不如情景4。因此，不是所有政策參數都調至最高，其所產生的政策效果就越好。綜上所述，CET機制及TGC機制協同作用時可能會產生政策冗余，削弱其他政策產生的市場激勵。

表3展示了不同政策下電力行業在2030年的電源結構及碳排放變化情況。

表3 不同情景下電源結構及碳排放仿真結果

由表3可知，在單一政策下，情景1中的可再生能源機組占比最高，且累計碳排放量最低，政策效果好于情景2。情景3中的可再生機組占比增加，導致了碳排放量的上漲。這說明提高碳配額基準價格雖然能優化電源結構，但無法有效促進碳減排。

情景4對電源結構的調整及碳減排效果明顯優于各單一情景，這說明CET機制及TGC機制的協同作用能有效降低碳排放量，推進電源結構綠色化轉型。情景5對電源結構的調整效果明顯優于情景4，但其碳減排效果卻不如情景1。這是因為情景5中2個政策設置的參數均高于情景1，碳配額基準價格的提高在促進可再生能源發展的同時也增加了常規能源發電商的單位收入，從長期來看削弱了CET市場的作用，從而影響了多政策的綜合作用效果。

除了碳減排及電源結構優化的效果外，在實施組合政策時還應考慮其他因素。電力資源的供應始終是我國面臨的一大難題，特別是在某些貧困落后地區，其用電量仍有一定的限制[36]。除情景1、4外，所有政策情景的總發電量均上漲，能夠緩解我國的電力供應危機。情景4的總發電量高于情景1，說明組合政策能緩解碳配額拍賣機制對常規能源發電商的沖擊。因此，若考慮到我國當前的實際情況及需求，組合政策的綜合作用效果強于其中一項單一政策的效果，能實現可再生能源對常規能源的穩步替代。

4 結論

本文利用系統動力學，模擬了市場主體在碳市場、綠證市場、電力中長期市場及現貨市場中的交易情況，對比分析了不同政策情景下TGC機制及CET機制對電力市場及碳減排的影響。結論及建議如下：

1）應建立適應高比例可再生能源的電力交易體系。CET機制能通過提高現貨電價促進可再生能源進入現貨市場，但可能會導致碳排放量上漲。而TGC機制能促進高比例可再生能源消納，但會導致現貨電價長期處于較低水平，無法反映綠色電力的價值，從長期來看會拉低所有中標者的單位收入，不利于發電側的可持續發展。綜合而言，有必要建立適應高比例可再生能源的電力交易體系，逐步擴大綠色電力參與市場化交易的比重。

2）應重視政策間的相互影響，合理設定政策目標。不是組合政策中的所有參數越高，政策效果就越明顯。TGC機制及CET機制協同實施時可能存在政策冗余。因此，應分階段劃分不同減排政策的優先級，合理設置相關參數以最大限度地發揮政策間的協同效用。

3）應建立區域電–碳–綠價聯動機制，推動電力現貨市場建設。應通過監管部門實時監測現貨電價、碳價及綠證價格的變動情況，科學測算發電機組的實時邊際成本，合理確定價格上限和下限，從而使價格信號可以更快、更準確地反映市場供需變化，促使可再生能源有序進入現貨市場。

4）應逐步提高碳配額拍賣比例，鼓勵機組技術進步。大幅提高碳配額拍賣比例會使常規能源發電商喪失發電積極性，不利于電力市場的可持續發展。逐步提高碳配額拍賣比例能鼓勵企業積極發展低碳減排技術，加快碳減排目標的實現。

[1] MALLAPATY S. How China could be carbon neutral by mid-century[J]. Nature, 2020, 586(7830): 482-483.

[2] 陳麗霞, 周云, 方陳, 等. 考慮碳交易的發電商和電力用戶競價博弈[J]. 電力系統及其自動化學報, 2019, 31(10): 66-72.

CHEN LIXIA, ZHOU YUN, FANG CHEN, et al. Bidding game between power generation companies and consumers considering carbon trade[J]. Proceedings of the CSU-EPSA, 2019, 31(10): 66-72(in Chinese).

[3] 張金良, 周秀秀. 基于系統動力學的發電行業市場型碳減排政策影響分析[J]. 中國電力, 2020, 53(6): 114-123.

ZHANG JINLIANG, ZHOU XIUXIU. Impact analysis of market-driented carbon emission reduction policies in power generation industry based on system dynamics[J]. Electric Power, 2020, 53(6): 114-123(in Chinese).

[4] TU Q, MO J, BETZ R, et al. Achieving grid parity of solar PV power in China—The role of Tradable Green Certificate[J]. Energy Policy, 2020, 144: 111681.

[5] YU B, ZHAO Z, ZHAO G, et al. Provincial renewable energy dispatch optimization in line with Renewable Portfolio Standard policy in China[J]. Renewable Energy, 2021, 174: 236-252.

[6] 國家發展改革委, 國家能源局. 國家發展改革委國家能源局關于印發電力體制改革配套文件的通知[EB/OL]. (2015-11-26)[2023-08-13]. http://www.nea. gov.cn/2015-11/30/c_134867851.htm.

[7] 胡玥, 徐鋼, 段棟偉, 等. 碳減排技術發展現狀[J]. 熱力發電, 2017, 46(2): 1-6.

HU YUE, XU GANG, DUAN DONGWEI, et al. Current situation and performance comparison of carbon capture technologies[J]. Thermal Power Generation, 2017, 46(2): 1-6(in Chinese).

[8] CUI L B, FAN Y, ZHU L, et al. How will the emissions trading scheme save cost for achieving China’s 2020 carbon intensity reduction target?[J]. Applied Energy, 2014, 136: 1043-1052.

[9] 國家發展改革委, 國家能源局. 國家發展改革委國家能源局關于建立健全可再生能源電力消納保障機制的通知[EB/OL]. (2019-05-10)[2023-08-13]. https:// www.gov.cn/zhengce/zhengceku/2019-09/25/content_5432993.htm.

[10] 國家能源局. 2021年全國電力工業統計數據[EB/OL]. (2022-01-26)[2023-08-13]. https://http://www.nea.gov. cn/2022-01/26/c_1310441589.htm.

[11] SCHMALENSEE R, STAVINS R N. Lessons learned from three decades of experience with cap and trade[J]. Review of Environmental Economics and Policy, 2017, 11(1): 59-79.

[12] ZHANG L, LI Y, JIA Z. Impact of carbon allowance allocation on power industry in China’s carbon trading market: computable general equilibrium based analysis[J]. Applied Energy, 2018, 229: 814-827.

[13] VENMANS F M J. The effect of allocation above emissions and price uncertainty on abatement investments under the EU ETS[J]. Journal of Cleaner Production, 2016, 126: 595-606.

[14] LIN B, JIA Z. What are the main factors affecting carbon price in Emission Trading Scheme? A case study in China[J]. Science of the Total Environment, 2019, 654: 525-534.

[15] TAN X, WANG X. The market performance of carbon trading in China: a theoretical framework of structure-conduct-performance[J]. Journal of Cleaner Production, 2017, 159: 410-424.

[16] BALIETTI A C. Trader types and volatility of emission allowance prices. Evidence from EU ETS Phase I[J]. Energy Policy, 2016, 98: 607-620.

[17] HINTERMANN B, PETERSON S, RICKELS W. Price and market behavior in Phase II of the EU ETS: a review of the literature[J]. Review of Environmental Economics and Policy, 2016.

[18] ZENG L, WANG J, ZHAO L. An inter-provincial tradable green certificate futures trading model under renewable portfolio standard policy[J]. Energy, 2022, 257: 124772.

[19] 馬子明, 鐘海旺, 譚振飛, 等. 以配額制激勵可再生能源的需求與供給國家可再生能源市場機制設計[J]. 電力系統自動化, 2017, 41(24): 90-96.

MA ZIMING, ZHONG HAIWANG, TAN ZHENFEI, et al. Incenting demand and supply of renewable energy with renewable portfolio standard: mechanism design of national renewable energy market[J]. Automation of Electric Power Systems, 2017, 41(24): 90-96(in Chinese).

[20] ZHAO X G, FENG T T, CUI L, et al. The barriers and institutional arrangements of the implementation of renewable portfolio standard: a perspective of China[J]. Renewable and Sustainable Energy Reviews, 2014, 30: 371-380.

[21] CHOI G, HUH S Y, HEO E, et al. Prices versus quantities: comparing economic efficiency of feed-in tariff and renewable portfolio standard in promoting renewable electricity generation[J]. Energy Policy, 2018, 113: 239-248.

[22] BARBOSE G, WISER R, HEETER J, et al. A retrospective analysis of benefits and impacts of US renewable portfolio standards[J]. Energy Policy, 2016, 96: 645-660.

[23] 劉敦楠. 電力市場、碳排放權市場和綠色證書市場的協調發展[J]. 電器工業, 2017(7): 44-46.

[24] 林曉凡, 曾佳妮, 馮冬涵. 可再生能源消納責任權重制下電力市場優化決策模型[J]. 電力系統自動化, 2021, 45(6): 158-168.

LIN XIAOFAN, ZENG JIANI, FENG DONGHAN. Optimization decision model of electricity market under renewable portfolio standards[J]. Automation of Electric Power Systems, 2021, 45(6): 158-168(in Chinese).

[25] 張寧, 龐軍, 馮相昭. 全國碳市場引入配額拍賣機制的經濟影響——基于CGE模型的分析[J]. 中國環境科學, 2022, 42(4): 1901-1911.

ZHANG NING, PANG JUN, FENG XIANGZHAO. The economic impacts of introducing auction into carbon allowance allocation mechanism in the national carbon market: simulation based on CGE model[J]. China Environmental Science, 2022, 42(4): 1901-1911(in Chinese).

[26] 湯鈴, 張亮, 余樂安. 基于動態CGE模型的碳交易政策減排成本影響研究[J]. 系統科學與數學, 2019, 39(1): 51-64.

TANG LING, ZHANG LIANG, YU LEAN. The impact of carbon emission trading scheme on emission abatement cost based on dynamic CGE model[J]. Journal of Systems Science and Mathematical Sciences, 2019, 39(1): 51-64(in Chinese).

[27] 劉曉龍, 崔磊磊, 李彬, 等. 碳中和目標下中國能源高質量發展路徑研究[J]. 北京理工大學學報(社會科學版), 2021, 23(3): 1-8.

LIU XIAOLONG, CUI LEILEI, LI BIN, et al. Research on the high-quality development path of China’ s energy industry under the target of carbon neutralization[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2021, 23(3): 1-8(in Chinese).

[28] 王凌誼, 王志敏, 錢紋, 等. 適應供給側結構性改革的中長期負荷預測拓展索洛模型研究[J]. 電力系統保護與控制, 2019, 47(18): 49-59.

WANG LINGYI, WANG ZHIMIN, QIAN WEN, et al. Extended Solow regression model for mid/long-term load forecasting adapted to supply-side structural reform[J]. Power System Protection and Control, 2019, 47(18): 49-59(in Chinese).

[29] 趙新剛, 梁吉, 任領志, 等. 能源低碳轉型的頂層制度設計: 可再生能源配額制[J]. 電網技術, 2018, 42(4): 1164-1169.

ZHAO XIN’GANG, LIANG JI, REN LINGZHI, et al. Top-level institutional design for energy low-carbon transition: renewable portfolio standards[J]. Power System Technology, 2018, 42(4): 1164-1169(in Chinese).

[30] 丁峰, 李曉剛, 梁澤琪, 等. 國外可再生能源發展經驗及其對我國相關扶持政策的啟示[J]. 電力建設, 2022, 43(9): 1-11.

DING FENG, LI XIAOGANG, LIANG ZEQI, et al. Review of foreign experience in promoting renewable energy development and inspiration to China[J]. Electric Power Construction, 2022, 43(9): 1-11(in Chinese).

[31] 楊立兵, 張汀薈, 李雅超, 等. 基于配額制的可再生能源電力交易系統動力學仿真[J]. 全球能源互聯網, 2020, 3(5): 497-507.

YANG LIBING, ZHANG TINGHUI, LI YACHAO, et al. System dynamics simulation of renewable energy power trading based on renewable portfolio standard[J]. Journal of Global Energy Interconnection, 2020, 3(5): 497-507(in Chinese).

[32] 張素芳, 呂書賀. 基于系統動力學方法的碳市場拍賣比例對我國電源結構的影響研究[J]. 華北電力大學學報(社會科學版), 2020(3): 16-25.

ZHANG SUFANG, LV SHUHE. The influence of different allowance allocation auction ratios on China’s power supply structure: a system dynamics approach[J]. Journal of North China Electric Power University (Social Sciences), 2020(3): 16-25(in Chinese).

[33] 張益綱, 樸英愛. 世界主要碳排放交易體系的配額分配機制研究[J]. 環境保護, 2015, 43(10): 55-59.

ZHANG YIGANG, PIAO YING’AI. Research on allowance allocation mechanism of main carbon emission trading systems in the world[J]. Environmental Protection, 2015, 43(10): 55-59(in Chinese).

[34] 碳交易網. 全國各地區試點碳交易市場配額價格最新行情數據庫[EB/OL]. (2021-06-04)[2023-08-13]. http:// k.tanjiaoyi.com.

[35] 國家光熱聯盟. 中國雄心: 2030年風光總裝機12億千瓦以上, 非化石能源占一次能源消費比重將達25%左右[EB/OL]. (2020-12-13)[2023-08-13]. http://www.cnste. org/html/xiangmu/2020/1213/7300.html.

[36]中國電力網. 電煤與電力供應緊張原因分析及有關建議[EB/OL]. (2023-02-03)[2023-08-13]. http://www.chinapower. com.cn/zx/zxbg/20230203/186425.html.

Research on Multi-scale Electricity-carbon-green certificate Market Coupling Trading Based on System Dynamics

ZOU Xin, WEI Yuchen

(Department of Economics Management, North China Electric Power University, Baoding 071003, China)

While tradable green certificate trading (TGC) and carbon emissions trading (CET) play a key role in achieving peak carbon and carbon neutrality, however, the coupling effect between these two policies on the medium-and long-term electricity market and spot market is still uncertain. Based on system dynamics principles, the impacts of CET and TGC mechanisms on the electricity market and carbon emission reduction under different policy parameters were compared and analyzed when two mechanisms act individually or synergistically, in order to provide the theory basis for the market main body's strategy adjustment and the parameter establishment. The results show that the CET can increase the spot electricity price and promote renewable energy to enter the spot market, while TGC can promote the high proportion of renewable energy consumption, but make spot electricity price lower for a long time. The coordinated implementation of the CET and the TGC mechanisms can enhance the adaptability of power market to a high proportion of renewable energy, but it may also result in policy redundancy.

electricity market; green certificate market; carbon market; carbon-reduction policies; system dynamics

[TK-9]；F224

A

1672-0792(2023)11-0032-13

10.3969/j.ISSN.1672-0792.2023.11.004

國家自然科學基金資助項目（72171081）；中央高校基本科研業務費資助項目（2023MS153）。

2023-08-17

鄒鑫（1988—），男，副教授，研究方向為技術經濟及管理、項目調度、組合優化；

韋雨晨（1998—），女，碩士研究生，研究方向為技術經濟及管理、電力市場、能源政策研究。

韋雨晨