“雙碳”目標下中國清潔能源目標差異再評估

廖茂林 毛梓年 王國峰

摘 要：基于Meta文獻分析方法，對清潔能源生產與消費預測的既有研究成果進行綜合分析，并對“雙碳”目標背景下中國清潔能源發展目標進行再評估。研究結果表明，中國清潔能源平均生產量將在2025年、2030年、2035年、2050年、2060年分別達到8.94億噸標準煤（占比34.97%）、12.69億噸標準煤（占比44.24%）、16.45億噸標準煤（占比53.50%）、27.71億噸標準煤（占比81.29%）和35.22億噸標準煤（占比99.82%）。另外，未來中國清潔能源平均消費量將從2025年的13.31億噸標準煤（占比26.71%）增長到2030年、2035年、2050年、2060年的17.06億噸標準煤（占比35.98%）、20.82億噸標準煤（占比45.24%）、32.08億噸標準煤（占比73.03%）和39.59億噸標準煤（占比91.56%）。為實現“雙碳”目標，提出進一步深化清潔能源預測與研究、加大系列綜合政策實施力度推進清潔能源轉型、科學構建清潔能源發展目標的動態調整機制三個方面的政策建議。

關鍵詞：“雙碳”目標；清潔能源；Meta分析

基金項目：國家自然科學基金面上項目“碳中和目標下清潔能源省域消納機理及路徑研究：基于多尺度空間視角”（72173133）。

［中圖分類號］ F426 ［文章編號］ 1673-0186（2024）006-0070-016

［文獻標識碼］ A? ? ? ［DOI編碼］ 10.19631/j.cnki.css.2024.006.005

能源危機與氣候變化是當前和今后一個時期全球重點關注的議題。在第28屆聯合國氣候變化大會（COP28）上，超過117個國家同意到2030年將全球可再生能源的裝機容量提升3倍。會議還指出采取公正、有序和公平的方式在能源系統轉型中脫離化石燃料的重要性，清潔能源大范圍開發與全球能源的清潔化轉型已是大勢所趨［1］。2020年，習近平總書記正式提出我國“碳達峰”“碳中和”（簡稱“雙碳”）目標，并在黨的二十大報告中強調，要推動工業、建筑、交通等領域能源清潔高效利用，助力低碳轉型。中國能源的清潔化轉型將成為未來很長一段時期的重點工作。

一、中國清潔能源發展現狀與文獻綜述

當前中國的能源生產和消費模式正在發生劇烈變化。根據國家統計局統計，從生產側來看，2022年，中國的一次能源生產總量達到46.6億噸標準煤，清潔能源（包括天然氣、水電、核電、風電和太陽能等）生產量（或發電量）占能源生產總量的14.1%。從消費側來看，中國能源消費總量為54.1億噸標準煤，其中清潔能源消費量占能源消費總量的25.9%①。清潔能源在總能源生產、消費中的占比穩步增長，中國高耗能行業也已經進入能源清潔化轉型的關鍵期［2］。2022年，國家發展改革委? 國家能源局發布《“十四五”現代能源體系規劃》，對“十四五”時期中國能源體系發展做出規劃。具體來看，中國現代化能源體系建設的主要目標為：到2025年，國內能源年綜合生產能力達到46億噸標準煤以上，天然氣年產量達到2 300億立方米以上，非化石能源消費比重提高到20%左右；到2035年，非化石能源消費比重在2030年達到25%的基礎上進一步大幅提高，可再生能源發電成為主體電源②。

在學術研究領域，眾多學者致力于對中國的未來的能源生產、消費結構或總量進行預測，部分學者如毛亞林利用CHINAGEM模型對2020—2040年間中國中短期能源消費總量及其構成進行了預測［3］；王（Wang）等運用改進的灰色模型預測了2025年之前中國一次能源的生產總量［4］；曾（Zeng）等則利用支持向量模型對2030年以前中國的能源消費結構進行預測模擬［5］。何則、蔡立亞、陳金祥還對政策情景進行了區分，得出了不同政策驅動情景下的能源生產與消費結構［6-8］。還有學者對能源類別進行了細化，任（Ren）等預測了中國2022—2025年的水能生產總量［9］；王（Wang）等對2020—2024年中國風能、核能、生物質能的生產量進行預測［10］；程（Cheng）等預測了中國2025年以前的清潔能源消費總量［11］；而肖和肖（Xiao and Xiao）則對中國2023—2030年的清潔能源的生產總量進行預測［12］。還有學者對不同的區域內未來的能源生產、消費進行預測，劉（Liu）等預測了2020—2030年山西省的煤炭需求總量［13］；苗安康等預測了2030年以前江蘇省的能源需求量［14］。預測方法方面，與清潔能源相關的預測方法模型主要包括灰色預測模型（Grey Forecasting Model）［10，12，15］、馬爾可夫模型（Markov? Model）［8，16］、支持向量模型（Support Vector Model）［17］、彈性系數法（Elasticity Coefficient Method）［18］等，這些預測方法模型各具特點，在不同的預測類別與數據類型上表現出有差異的適應性。還有學者如孟、袁（Meng、Yuan）等綜合利用上述方法模型作為對單一模型的改進進行能源預測［16，19］。總體而言，學術界與清潔能源預測相關的文獻，其預測結果存在較大的差異性，難以形成統一口徑從而形成有效的政策指導。為此，本文將對現有同清潔能源生產、消費預測相關的文獻進行統計學再分析，對“雙碳”目標下中國清潔能源目標的差異性進行再評估。

Meta分析（Meta-analysis）又稱“薈萃分析”“元分析”，是一種對同一課題的多項獨立研究的結果進行系統的、定量的綜合性分析的統計學研究方法，用于解決研究的不一致性［20］。最早由格拉斯（Glass）提出用于研究心理治療效果［21］，隨后在醫學界、教育學、經濟學、管理學等研究領域得到廣泛運用。不同于傳統文獻綜述對文獻的定性描述與總結，Meta分析利用統計學方法針對同一問題各種存在的不同研究結果進行系統性定量分析，探究不同研究結果的異質性［22］，從而得出具有穩健性的結果和一般性結論。近年來，Meta分析在社會科學研究中應用廣泛。許騫騫等利用Meta分析方法對森林的碳匯潛力與增匯成本的預測進行了評估，討論了不同文獻中對中國森林碳匯潛力與增匯成本的預測結果及差異原因［23］；何勤和劉明澤探究了人工智能對就業規模的小幅度擴大及勞動收入的降低等方面的影響［24］；孫瑤等從五個層面探索了農業補貼政策對農戶綠色生產存在的調節效應［25］；顏儼等比較了不同文獻中對中國內陸河流域生態系統服務價值及影響因素的研究結果，分析了研究結果異質性的主要原因［26］。為了對“雙碳”目標下中國清潔能源目標差異進行再評估，本文將對現有文獻進行Meta分析，探究導致不同文獻預測結果差異化的因素，為更加科學地進行清潔能源預測，并為在“雙碳”目標下科學制定中國能源清潔化轉型相關政策提供科學依據。

二、研究方法與數據來源

本文將采用Meta回歸方法對來源于不同數據庫中提取文獻的相關信息進行分析。

（一）Meta回歸分析

Meta回歸分析（Meta-Regression Analysis）是Meta分析在經濟學方向的運用分支，由美國學者斯坦利和賈雷爾（Stanley and Jarrell）于1989年提出，是將傳統Meta分析同計量經濟學相結合，通過多元回歸模型分析不同的實證研究結果的差異性［27］。Meta回歸分析的被解釋變量通常選取為對同一問題的來自多個實證分析文獻的研究結果，解釋變量則為文獻來源、研究方法、數據選擇、模型設計等體現差異性的文獻特征，通過對文獻的編碼得到。Meta回歸分析的一般形式為：

Yi=α+βjXij+γkZik+εi，i=1，2，…M（1）

其中，Yi為第i篇文獻中的研究結果；Xij為第i篇文獻中諸如數據文獻來源、研究方法、模型設計等可能對研究結果產生影響的特征變量；βj為各指標的邊際影響；Zik為控制變量；γk為控制變量的邊際影響；α為常數項；εi為隨機擾動項；M為樣本總數。

為了說明Meta回歸的有效性，參考許騫騫等［23］的做法，本文采取樣本觀測值同模型預測值之間的平均誤差進行檢驗。平均誤差的計算公式為：

Error=（2）

其中，Error為模型的平均誤差值；yi為樣本值，i為模型預測值。相關研究表明，Error在20%～40%內屬于合理范圍［28-29］，此時Meta分析結果具有可信性。

（二）模型建立

綜合考慮文獻數據特征和Meta回歸方法，構建中國未來清潔能源在能源生產、消費總量中占比的Meta回歸模型如下：

Yi=α0+α1X1+α2X2+α3X3+α4X4+α5X5+εi（3）

其中，被解釋變量Yi為中國未來清潔能源在能源生產、消費總量中的占比（用百分數表示）；解釋變量X1為文獻中進行預測的方法；X2為預測類別；X3為文獻特征；X4為預測情景；X5為預測時段；α1-α5分別為解釋變量系數；α0為常數項；εi為隨機擾動項。

構建中國未來清潔能源生產、消費量的Meta回歸模型如下：

Zi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+i（4）

其中，Zi為中國未來清潔能源生產、消費總量；X1為文獻中進行預測的方法；X2為預測類別；X3為文獻特征；X4為預測情景；X5為預測時段；β1-β5分別為解釋變量系數；β0為常數項；i為隨機擾動項。

（三）數據獲取

進行Meta分析需要對現有研究結果進行收集整理，并編碼成為可供回歸分析的數據。數據獲取部分通過文獻初篩、文章次選、數據提取、變量編碼四個部分進行。

1.文獻初篩

本文選取文獻主要來源于Springer Link、Elsevier Science、Google Scholar、Web of Science、CNKI、萬方數據庫等六個中英文數據庫。本文所選定的清潔能源的范圍包括：天然氣、水電、核電、風電、太陽能和生物質能。由于“雙碳”政策的提出時間為2020年，考慮到文獻發表周期，本文從上述數據庫中選取2017年以來對中國未來清潔能源生產、消費和能源結構預測的公開發表文獻作為文獻檢索范圍。為提升Meta分析的可信度，本文以“能源（energy）”“清潔能源（clean energy）”“可再生能源（renewable energy）”“能源結構（energy structure）”“生產（generation）”“消費（consumption）”“供給（supply）”“需求（demand）”“預測（forecasting、prediction）”等詞語組合作為中英文關鍵詞、主題詞進行檢索。初步檢索到與主題相關的中文文獻725篇，英文文獻1 207篇。

2.文章次選

為了獲取本研究所需要的數據，本文對初步檢索的文章依照以下規則進行再次篩選。首先，文獻的研究對象必須是對中國2023年以后能源生產、消費進行的預測。其次，能源預測結果中至少包含除天然氣外的其他清潔能源生產、消費總量或清潔能源在能源生產、消費總量中占比的預測。此外，文獻必須有對應年份的明確數據預測結果。依據以上規則，通過對理論、綜述研究等定性研究文獻以及無法提取準確預測數值的示意圖、圖表報告等文獻的剔除，最終獲取49篇中英文相關文獻，共131個觀測樣本。

3.數據提取

再篩選文獻之后，按照標準提取相關數據信息，提取標準包括預測對象、預測數值、預測方法、文章發表年份、能源生產及消費情況、中英文數據庫、作者發文特征、預測時間等。在此基礎上，建立Meta回歸數據庫，具體過程見圖1。

（四）變量編碼

在建立Meta回歸數據庫后，需要將相關數據轉化為虛擬變量用于回歸分析。本節將對用于模型回歸的解釋變量進行編碼，將其轉化為控制變量。以清潔能源生產、消費占比作為被解釋變量進行回歸分析的描述性統計，結果見表1-a。

1.清潔能源占比

對清潔能源預測的文獻主要分為兩類：第一類，是對中國未來清潔能源生產、消費量在能源生產、消費總量中的占比進行預測。第二類，是直接對清潔能源生產、消費量進行預測。本文首先將清潔能源在一次能源生產、消費總量中的占比（下稱清潔能源占比，單位：%）作為被解釋變量進行Meta回歸。

2.預測方法

數據庫中對清潔能源占比的預測方法主要分為灰色預測模型、馬爾可夫模型、支持向量模型和其他模型。其中灰色預測方法是對清潔能源的相關預測最常用的方法。數據庫中的文獻多是對傳統灰色預測模型GM（1，1）的優化與改進，故將此類文獻統一歸類為灰色預測模型。在此之外，相關文獻中還提及一些其他預測模型，這些模型難以在統計學意義上進行差異比較，故將其歸納為其他模型作為對照組。針對上述不同的方法，構造虛擬變量如下：灰色預測模型（1=預測方法為灰色預測模型，0=預測方法為其他模型）、馬爾可夫模型（1=預測方法為馬爾可夫模型，0=預測方法為其他模型）、支持向量模型（1=預測方法為支持向量模型，0=預測方法為其他模型）。

3.預測類別

本文將不同文獻中清潔能源的預測類別進行分類，構建虛擬變量：清潔能源生產（1=預測類別為生產，0=預測類別為消費）。

4.文獻特征

Meta分析中的文獻分析是重要的組成部分，并且文章發表偏差是Meta分析研究中普遍存在的問題［30］。關于清潔能源預測的文獻中，來自中、英文數據庫的文獻在文章結構、預測方法、預測結果等方面都存在差異性。因此構造虛擬變量：英文文獻（1=文獻來源于英文數據庫，0=文獻來源于中文數據庫）作為識別文獻特征的變量。同時，為了區分不同作者的文獻以及同一作者的不同預測結果，將文獻與作者編號作為控制變量進行回歸分析。

5.預測時段

由于研究背景、預測方法存在差異，過往研究成果清潔能源預測的時間段不同。一方面，由于能源系統的復雜性，大多數模型只進行中短期預測，預測時間通常截至2030年，而長期則傾向于不預測或不匯報具體結果。另一方面，由于大多數文獻在“雙碳”背景下進行研究，因而文獻會傾向于報告2035年、2050年和2060年等關鍵時間節點的預測結果。因此本文將2024—2030年間各年以及2035年、2050年、2060年作為控制變量，研究不同年份清潔能源占比預測值的差異性。

以清潔能源生產、消費總量作為被解釋變量進行回歸分析的描述性統計結果如表1-b所示。

1.清潔能源總量

與清潔能源占比類似，本文將清潔能源的生產、消費總量（下稱清潔能源總量）的預測值分別作為被解釋變量進行Meta回歸。考慮不同種類的能源可比性，本文將用于回歸分析的所有能源的預測值轉化為萬噸標準煤當量（10 000 tons of standard coal equivalent， 10 000 tce）。

2.預測方法

數據庫中對清潔能源總量的預測方法主要為灰色預測模型、彈性系數法和其他模型。本文將其他不便分類的方法作為對照組，構造虛擬變量為灰色預測模型（1=預測方法為灰色預測模型，0=預測方法為其他模型）、彈性系數法（1=預測方法為彈性系數法，0=預測方法為其他模型）。

3.預測類別

本文將不同文獻中清潔能源的預測類別進行分類，構建虛擬變量：清潔能源生產（1=預測類別為生產，0=預測類別為消費）。

4.文獻特征

除中外文數據庫差異外，研究表明期刊類文獻存在發表的偏倚性，期刊偏好于接收和發表更顯著的統計結果，而對能源總量進行預測的文獻中存在部分學位論文，可能存在文章發表的偏倚［30-31］。因此，本文構造虛擬變量：英文文獻（1=英文數據庫，0=中文數據庫）、期刊文獻（1=期刊文獻，0=非期刊文獻）作為識別文獻特征的變量。同時將文獻與作者編號作為控制變量進行回歸分析，考察不同樣本來源的差異性。

5.預測時段

將2024—2030年間各年以及2035年、2050年、2060年作為解釋變量，研究不同年份清潔能源總量預測值的差異性。

三、結果分析

回歸結果依據清潔能源占比和總量分別進行分析。

（一）清潔能源占比回歸結果

圖2為基于已有文獻對清潔能源占比預測的估計結果，即中國未來清潔能源占比將持續提升，逐漸改變現有能源生產、消費格局。根據擬合結果預測，中國清潔能源生產平均占比預計在2025年將達到34.97%，清潔能源消費占比26.71%。預計到2030年“碳達峰”時期清潔能源生產平均占比達到44.24%，消費占比35.97%。隨后清潔能源占比將迅速擴大，預計到2035年清潔能源生產占比達到53.50%，消費占比45.24%。2050年清潔能源生產預計占比為81.82%，消費占比為73.03%。到2060年“碳中和”時期，預計清潔能源生產占比將達到99.82%，消費占比為91.57%，基本實現清潔能源全覆蓋。

1.現有文獻對清潔能源占比預測差異明顯

具體而言，預計2025年清潔能源占比區間為17.64%到40.6%，差幅22.96%；2035年清潔能源占比區間為27.23%到49.99%，差幅22.76%；2060年清潔能源占比區間為85.6%到92.9%，差幅7.3%。總體而言，隨著預測時期的向后推移，不同文獻對清潔能源占比的預測差異性也在縮小。回歸結果如表2所示，可決系數R^2=0.9498，表明模型對被解釋變量的擬合程度良好，且在1%顯著性水平上通過了模型檢驗，說明模型所選擇解釋變量對清潔能源占比預測結果的差異性解釋在統計學上顯著。

2.預測模型方法差異對清潔能源占比的預測結果有顯著影響

使用灰色預測模型與馬爾可夫模型進行預測的結果較其他作為對照組的模型預測結果顯著降低；在其他條件不變時，預測文獻在使用灰色預測模型時，預測結果平均降低4.53%；使用馬爾可夫模型的平均預測結果差異較大，為降低12.96%；使用支持向量模型的預測結果平均降低1.72%，但沒有表現出統計學上的顯著差異。可能的原因為，灰色預測模型的運行機理是通過對離散數據進行動態的微分方程變換［32］；馬爾可夫模型則是利用狀態轉移的概率建立的隨機型時序模型［33］；而支持向量模型的運行機理是通過機器學習訓練對樣本進行凸二次規劃問題的求解［34］；三種模型在機理上都存在明顯的異質性，故可能表現出較大的預測結果差異。

3.清潔能源的生產與消費的預測結果具有顯著差異

清潔能源生產占能源總生產量的比率較其消費量占總能源消費量的比率平均高出8.26%。預測結果說明未來中國能源系統在生產端的清潔化程度可能較消費端更高，與“雙碳”目標下火電安全保供的戰略定位相符。

4.不同的文獻作者和同一作者的不同預測組合對預測結果差異明顯

這種差異可能來源于不同作者對數據來源、模型選擇、研究目的等方面的差異性以及同一作者對情景設定、模型參數、方法改進等方面的調整。

5.文獻的發表年份、文獻來源、預測年份等特征對預測結果存在顯著差異

在其他條件不變時，文章的發表年份每增加一年，清潔能源占比的預測結果便會降低4.18%。這可能是由于新發表的文獻獲取了更新的數據從而帶來預測結果的差異性。同時，文獻來源于外文數據庫的文獻預測結果要平均高出國內數據庫14.56%。另外，預測年份每增加一年，中國清潔能源占比平均增加1.85%。這說明不同文獻對中國清潔能源占比的平均估計結果逐年上升。

6.建立的 Meta模型是有效的

從平均誤差來看，Error=0.101<0.4，根據前文說明回歸模型的預測值同諸文獻對清潔能源占比的預測結果（觀測值）之間存在動態一致性，模型擬合結果良好，結果可信。

（二）清潔能源總量回歸結果

總體而言，中國未來清潔能源總量將持續上升。如圖3所示，根據擬合結果預測，中國清潔能源生產總量預計在2025年將達到8.94億噸標準煤，消費總量13.31億噸標準煤。預計到2030年“碳達峰”時期清潔能源生產總量平均達到12.69億噸標準煤，消費總量17.06億噸標準煤。隨后，清潔能源總量將持續上升，到2035年清潔能源生產總量預計達到16.48億噸標準煤，消費總量20.82億噸標準煤。2050年預期清潔能源生產總量為27.71億噸標準煤，消費總量32.08億噸標準煤。到2060年“碳中和”時期，預計清潔能源生產占比平均將達到35.22億噸標準煤，消費總量為39.59億噸標準煤。模型總體程度良好（表3），在1%顯著性水平上通過了模型檢驗，表明模型所選擇解釋變量對清潔能源總量預測結果的差異性解釋在統計學上顯著。

1.預測模型方法差異對清潔能源總量的預測結果不存在顯著差異

在其他條件不變時，利用彈性系數法與使用灰色預測模型的文獻在預測結果上沒有表現出與對照組預測結果在統計學意義上的顯著差異。說明對于清潔能源生產、消費總量的預測結果不會因模型選擇而出現較大的偏差。

2.清潔能源的生產與消費量的預測結果具有顯著差異

不同于能源結構預測，清潔能源生產量的預測結果較消費量更低，在平均水平上低4.37億噸標準煤。可能的原因在于，在統計能源生產時，通常以清潔能源的發電量作為清潔能源生產量，發電過程中會出現能源損耗從而導致清潔能源消費量大于生產量的情況。結合事實來看，近年來中國一次能源總量表現出能源生產大于能源消費的狀態，在對清潔能源的預測上表現出類似的結果是合理的。

3.不同的文獻作者和同一作者的不同預測組合對預測結果差異明顯

與能源結構預測的回歸結果類似，這種差異可能來源于不同作者的對數據來源、模型選擇、研究目的的差異以及同一作者對情景設定、模型參數、方法改進等方面的調整。

4.文獻的發表年份對預測結果不存在顯著差異

在其他條件不變時，文章的發表年份每延后一年，文獻對清潔能源生產、消費量的預測結果便會平均-5 138.29萬噸標準煤，但在統計學上不顯著。這說明不同年份發表的文獻對未來中國清潔能源生產、消費總量預測結果存在一致性。

5.文獻來源、預測年份等特征對預測結果存在顯著影響

一方面，文獻來源于外文數據庫的預測結果要顯著高于國內數據庫，平均高出21.31億噸標準煤。另一方面，文獻是否是期刊文獻并沒有表現出對回歸結果的顯著影響，這可能因為在方法選定時，清潔能源生產、消費量的預測結果很少受主觀因素所影響，從而不受期刊發表傾向的影響。同時，回歸結果表明，預測年份每增加一年，中國清潔能源生產、消費量平均增加7 510.06萬噸標準煤。這說明不同文獻對中國清潔能源生產、消費量的平均估計結果逐年上升。

6.建立的Meta模型是有效的

從平均誤差來看，Error=0.172<0.4，說明回歸模型的預測值同諸文獻對清潔能源生產、消費量的預測結果（觀測值）之間存在動態一致性，模型擬合結果良好，結果具有可信性。

（三）清潔能源目標

根據Meta回歸結果，可以得出“雙碳”目標下特定年份清潔能源占比及總量的歷年平均預測結果及95%置信區間的上、下限。

根據模型計算中國未來清潔能源生產將持續上升（表4）。2025年中國清潔能源預計生產8.94億噸標準煤，約占一次能源生產總量的34.97%。到2030年“碳達峰”時期，中國清潔能源預計生產12.69億噸標準煤，約占一次能源生產總量的44.24%。2035年中國清潔能源預計生產16.45億噸標準煤，約占一次能源生產總量的53.50%。2050年中國清潔能源預計生產27.71億噸標準煤，約占一次能源生產總量的81.29%。2060年“碳中和”時期，中國清潔能源預計生產35.22億噸標準煤，約占一次能源生產總量的99.82%。

根據模型計算中國未來清潔能源消費也將穩步提高（表5）。2025年中國清潔能源預計消費13.31億噸標準煤，約占一次能源消費總量的26.71%。到2030年“碳達峰”時期，中國清潔能源預計消費17.06億噸標準煤，約占一次能源消費總量的35.98%。2035年中國清潔能源預計消費20.82億噸標準煤，約占一次能源消費總量的45.24%。2050年中國清潔能源預計消費32.08億噸標準煤，約占一次能源消費總量的73.03%。2060年“碳中和”時期，中國清潔能源預計消費39.59億噸標準煤，約占一次能源消費總量的91.56%。

四、結論與政策建議

通過對中國清潔能源目標差異再評估，本文得出以下結論與政策建議：

（一）結論

本文基于對中國未來能源生產、消費量與占比進行研究預測的中英文文獻，通過Meta回歸分析，對中國中短期內清潔能源發展目標進行了再評估，對有關中國未來清潔能源預測結果的文獻進行的Meta回歸分析的模型選定效果良好：中國未來清潔能源在能源總生產、消費中的占比和生產、消費總量的Meta回歸模型的擬合優度分別為0.95和0.91，平均誤差分別為0.101和0.172。說明Meta回歸分析有效，結論具有參考意義。

具體來看，中國未來清潔能源發展穩定迅速，能源結構清潔化態勢良好。根據模型預測結果，未來中國清潔能源生產量將平均從2025年的8.94億噸標準煤（占比34.97%），穩步上升至2030年的12.69億噸標準煤（占比44.24%）、2035年的16.45億噸標準煤（占比53.50%），在2050年和2060年將分別達到27.71（占比81.29%）和35.22（占比99.82%）億噸標準煤。未來中國清潔能源消費量將平均從2025年的13.31億噸標準煤（占比26.71%）增長到2030年的17.06億噸標準煤（占比35.98%）、2035年的20.82億噸標準煤（占比45.24%），且在2050年和2060年將分別達到32.08（占比73.03%）和39.59（占比91.56%）億噸標準煤，基本實現全覆蓋。此外，對于中國未來清潔能源生產、消費占比及總量的諸多預測結果是存在差異性的。不同的文獻、作者、文獻的發表年份、文獻來源、預測方法、接收年份等因素都是對中國清潔能源的預測產生顯著影響的關鍵因素。

（二）政策建議

結合上述研究結論，本文提出如下建議：

首先，進一步深化清潔能源預測與研究。一是在清潔能源政策的研究與制定過程中，積極借鑒國際上成功的案例和經驗，綜合經濟學分析，深化清潔能源成本—效益研究，尤其是關注清潔能源發展的成本效益、長期經濟影響以及市場動態變化。二是加強同清潔能源相關的基礎數據庫的建設，確保數據的可獲得性與質量，為學術研究與政策制定提供扎實的數據支撐。

其次，加大系列綜合政策實施力度推進清潔能源轉型。一是盡快實施綜合政策，推動能源結構向清潔能源轉型，為清潔能源相關基礎設施加大投資力度和政策扶持，對太陽能板、風力、水力發電機組的購置和安裝給予直接補貼和政策關照，為投資清潔能源項目的企業和個人提供明確的稅收減免優惠，激勵清潔能源投資。二是制定清潔能源標準和配額制度，鼓勵清潔能源的使用和發展，對相關企業予以獎懲，確保傳統能源企業逐步減少污染排放。三是加大對清潔能源技術創新的支持力度，促進能源技術的技術進步，建立與高校和研究機構的合作項目，推動理論研究向實際應用的轉化。

最后，科學構建清潔能源發展目標的動態調整機制。一是清潔能源發展的短期和長期發展目標可立足“雙碳”目標，考慮結合前沿研究成果進行動態調整，全面考慮宏觀經濟增長模式、能源市場需求預測以及氣候目標等條件變化，構建一個綜合多維度考量的目標設定框架，確保能源發展目標的全面性和前瞻性。二是建立清潔能源發展的動態評估機制，定期綜合分析清潔能源的發展進度、市場變化以及相關技術的演進，從而在經濟發展與氣候變化關鍵節點，根據實際情況靈活調整發展目標和策略，建立目標實現的監測和反饋機制，確保清潔能源政策的靈活性和長期有效性。三是確保清潔能源目標的實際可操作性與適用性，立足真實行業背景和市場環境，引入可行性評估環節，健全與政府部門、企業界、科研機構以及公眾等的溝通機制，增加政策的接受度和實施的有效性。

參考文獻

［1］? 崔守軍.全球清潔能源轉型與中國技術標準話語權建構［J］.人民論壇，2022（9）：50-54.

［2］? 魯賀玉，吳宗法.用能權政策與能源消費結構低碳化轉型的關系［J］.資源科學，2023（6）：1181-1195.

［3］? 毛亞林.碳中和背景下中國能源中短期預測研究［J］.技術經濟，2021（8）：107-115.

［4］? WANG Y， YANG Z， YE L， ET AL. A novel self-adaptive fractional grey Euler model with dynamic accumulation order and its application in energy production prediction of China［J］. Energy， 2023， 265： 126384.

［5］? ZENG S， SU B， ZHANG M， ET AL. Analysis and forecast of China's energy consumption structure［J］. Energy Policy，2021，159： 112630.

［6］? 何則，周彥楠，劉毅.2050年中國能源消費結構的系統動力學模擬——基于重點行業的轉型情景［J］.自然資源學報，2020（11）：2696-2707.

［7］? 蔡立亞，郭劍鋒，石川，等.“雙碳”目標下中國能源供需演變路徑規劃模擬研究［J］.氣候變化研究進展，2023（5）：616-633.

［8］? 陳金祥，鄭銳鋒，王彬.基于情景分析改進馬爾可夫的能源消費結構預測［J］.科技創新與應用，2022（36）：1-8.

［9］? REN Y， XIA L， WANG Y. Forecasting China's hydropower generation using a novel seasonal optimized multivariate grey model［J］. Technological Forecasting and Social Change， 2023， 194： 122677.

［10］? WANG Y， CHI P， NIE R， ET AL. Self-adaptive discrete grey model based on a novel fractional order reverse accumulation sequence and its application in forecasting clean energy power generation in China［J］. Energy， 2022， 253： 124093.

［11］? CHENG M， LI J， LIU Y， ET AL. Forecasting clean energy consumption in China by 2025： using improved grey model GM （1，N）［J］. Sustainability，2020（2）： 698.

［12］? XIAO J， XIAO X. Forecast of clean energy generation in China based on new information priority nonlinear grey Bernoulli model［J］. Environmental Science and Pollution Research， 2023（51）：110220-110239.

［13］? LIU Y， DU R， NIU D. Forecast of Coal Demand in Shanxi Province Based on GA—LSSVM under Multiple Scenarios［J］. Energies， 2022（17）： 6475.

［14］? 苗安康，袁越，吳涵，等.中國省域碳達峰路徑與政策［J］.環境科學，2023（8）：4623-4636.

［15］? YE L， YANG D， DANG Y， ET AL. An enhanced multivariable dynamic time-delay discrete grey forecasting model for predicting China's carbon emissions［J］. Energy， 2022， 249： 123681.

［16］ MENG Z， SUN H， WANG X. Forecasting Energy Consumption Based on SVR and Markov Model： A Case Study of China［J］. Frontiers in Environmental Science， 2022， 10： 883711.

［17］? XU L， HOU L， ZHU Z， ET AL.Mid-term prediction of electrical energy consumption for crude oil pipelines using a hybrid algorithm of support vector machine and genetic algorithm［J］. Energy， 2021， 222： 119955.

［18］? 劉衛東，仲偉周，石清.2020年中國能源消費總量預測——基于定基能源消費彈性系數法［J］.資源科學，2016（4）：658-664.

［19］? YUAN C， LIU S， FANG Z. Comparison of China's primary energy consumption forecasting by using ARIMA（the autoregressive integrated moving average） model and GM（1，1） model［J］. Energy， 2016， 100： 384-390.

［20］? 王永貴，張言彩.元分析方法在國內外經濟管理研究中的應用比較［J］.經濟管理，2012（4）：182-190.

［21］? GLASS G V. Primary， secondary， and meta-analysis of research. Educational Researcher， 1976（10）： 3-8.

［22］? 張敏，石磊.Meta回歸模型的異常值識別及其修正［J］.數理統計與管理，2023（3）：449-462.

［23］? 許騫騫，曹先磊，孫婷，等.中國森林碳匯潛力與增匯成本評估——基于Meta分析方法［J］.自然資源學報，2022（12）：3217-3233.

［24］? 何勤，劉明澤.人工智能對就業規模及勞動收入的影響——來自Meta分析的證據［J］.首都經濟貿易大學學報，2023（4）：54-68.

［25］? 孫瑤，馬睿澤，梁亞文，等.基于Meta分析的農業補貼政策對綠色生產的影響問題［J/OL］.系統管理學報：1-21［2024-06-28］.http：//gfagzcadd5f6184ce4461hvcokx9xk66fc6vvf.fzfy.oca.swupl.edu.cn/kcms/detail/31.1977.N.20240126.1847.004.html.

［26］? 顏儼，姚柳楊，郎亮明，等.基于Meta回歸方法的中國內陸河流域生態系統服務價值再評估［J］.地理學報，2019（5）：1040-1057.

［27］? STANLEY T D， JARRELL S B. Meta-regression analysis： a quantitative method of literature surveys［J］. Journal of economic surveys， 1989， 3（2）： 161-170.

［28］? 朱曉磊，張建軍，程明芳，等.基于Meta分析的礦業城市生態服務價值轉移研究［J］.自然資源學報，2017（3）：434-448.

［29］? READY R，NAVRUD S.International benefit transfer： Methods and validity tests［J］. Ecological economics，2006（2）：429-434.

［30］? HARBORD R M，WHITING P. Metandi： Meta-analysis of diagnostic accuracy using hierarchical logistic regression［J］. The Stata Journal， 2009（2）： 211-229.

［31］? CHAIKUMBUNG M， DOUCOULIAGOS H， SCARBOROUGH H. The economic value of wetlands in developing countries： A meta-regression analysis［J］. Ecological Economics 2016， （124）： 164-174.

［32］? 劉思峰.灰色系統理論的產生與發展［J］.南京航空航天大學學報，2004（2）：267-272.

［33］? 谷秀娟，李超.基于馬爾科夫鏈的房價預測研究［J］.消費經濟，2012（5）：40-42+48.

［34］? 陳垚，毛保華，柏赟，等.基于支持向量回歸的地鐵牽引能耗預測［J］.系統工程理論與實踐，2016（8）： 2101-2107.

Reassessment of China's Clean Energy Objectives under the "Dual Carbon" Goal — Based on the Meta-analysis Method

Liao Maolin? ? MaoZinian? ?Wang Guofeng

（Institute of Ecological Civilization， Chinese Academy of Social Sciences， Beijing 100006; Institute of Regional Economy， Sichuan Academy of Social Sciences; School of International Trade， Shanxi University of Finance and Economics， Taiyuan， Shanxi 030006）

Abstract： Based on the Meta-Analytical Method， this paper conducts a comprehensive analysis of research outcomes related to the prediction of clean energy production and consumption， and reassesses the development objectives of China's clean energy under the context of the “Dual Carbon” goal. The research results show that China's average clean energy production is expected to reach 894 million tce （accounting for 34.97%）， 1.269 billion tce （accounting for 44.24%）， 1.645 billion tce （accounting for 53.50%）， 2.771 billion tce （accounting for 81.29%）， and 3.522 billion tce （accounting for 99.82%） in 2025， 2030， 2035， 2050， and 2060， respectively. Additionally， the future average consumption of clean energy in China is expected to grow from 1.331 billion tce （accounting for 26.71%） in 2025 to 1.706 billion tce （accounting for 35.98%）， 2.082 billiontce （accounting for 45.24%）， 3.208 billiontce （accounting for 73.03%）， and 3.959 billion tce （accounting for 91.56%） in 2030， 2035， 2050， and 2060， respectively. To achieve the "Dual Carbon" targets， the paper proposes policy recommendations in three areas： further deepening the forecast and research on clean energy， intensifying the implementation of a series of comprehensive policies to advance the clean energy transition， and scientifically constructing a dynamic adjustment mechanism for clean energy development objectives.

Key Words： "Dual Carbon" targets; Clean energy; Meta-analysis