实现中国省级电力系统碳峰值目标的驱动因素

《Sustainable Energy Technologies and Assessments》：Drivers for achieving peak carbon in China’s provincial power systems

中国31个省级电力系统碳排放峰值研究：基于混合投入产出模型与准投入产出模型的动态分析发现，能源资源丰富省份（如西南地区）生产端碳排放强度较高但传输端较低，而工业发达省份（如东部沿海）消费端碳排放显著。2008-2022年 provincial LCE呈现时空异质性，河南和吉林分别率先实现生产与传输环节的峰值。研究强调间接排放强度和输电结构优化对减排的关键作用，提出需根据驱动差异制定区域策略。

　　中国在实现“双碳”目标的过程中，面临着如何评估省级电力系统碳排放峰值状态的挑战。为了解决这一问题，研究团队构建了一个融合模型，将中国的多区域投入产出（MRIO）模型与全球MRIO模型相结合，并引入准投入产出（QIO）模型，用于计算省级电力系统的全生命周期碳排放（LCE）。通过这一方法，研究不仅识别了影响电力系统实现碳排放峰值的关键因素，还揭示了不同省份在电力生产、消费和传输过程中的碳排放特征及其变化趋势。

电力系统的碳排放具有显著的地域和时间差异。资源丰富的省份，如中国西南部的省份，其电力生产过程中的碳排放高于消费环节，且传输相关的碳排放较低。相反，工业发达的省份，如东部和南部沿海省份，其电力消费环节的碳排放高于生产环节，且传输相关的碳排放较高。从2008年至2022年，各省的LCE轨迹呈现出明显分化，导致在碳排放峰值状态方面也出现了显著的区域差异。例如，河南省在电力生产方面实现了碳排放峰值，而吉林省在电力传输方面实现了这一目标。值得注意的是，在吉林省实现碳排放峰值的过程中，电力系统对非电力领域的碳排放影响较大，其中间接排放的减少比例达到了50.9%，这一比例超过了直接排放的减少幅度。因此，不同省份需要根据其自身特点调整碳减排策略，以实现电力生产、消费和传输环节的碳排放峰值。

电力系统的碳排放不仅来源于发电过程中的燃料燃烧，还包括供应链中的高间接排放，这些间接排放同样值得关注。近年来，越来越多的研究开始使用生命周期评估（LCA）方法来追踪电力系统的全生命周期碳排放。LCA的计算原则包括过程分析和投入产出分析。一些研究通过过程分析方法，结合活动数据和相关的碳排放因子，计算电力生产过程中的LCE。另一些研究则采用投入产出模型，追踪全国范围内以及全球供应链中的电力生产碳排放。然而，这些研究大多集中于电力生产环节，忽略了电力消费环节。尽管有少数研究同时考虑了电力生产和消费两个视角，例如Li等人[31]的研究，他们通过使用效率修正的排放因子，估算中国31个省份电力生产环节的LCE，并采用电力节点流量方法估算电力消费环节的LCE，但目前仍缺乏对电力传输环节碳排放的研究。

在电力消费视角下，电力节点流量方法虽然能够估算消费侧的碳排放，但其准确性受到一定限制。该方法假设在每个电力节点上，生产环节和进口环节的碳排放等于消费环节和出口环节的碳排放。然而，当电力网络中存在广泛的跨区域电力传输时，这种方法的复杂性增加，导致结果可能不够精确，难以支持有效的碳排放管理。通过引入QIO模型，可以更准确地计算与电力传输和消费相关的碳排放。目前，尚未有研究将HIO模型与QIO模型结合，以从电力生产、消费和传输三个视角同步计算中国31个省份的电力系统LCE。

为了确保能源政策的有效性，理解人类活动如何驱动碳排放至关重要。指数分解分析（IDA）和结构分解分析（SDA）是常用的工具，用于量化不同驱动因素对碳排放变化的贡献，特别是在电力生产和消费方面。这些驱动因素主要包括经济增长、能源消费、能源结构、技术水平以及电力生产与消费之间的传输关系。大多数研究集中在直接排放上，而少数研究则考虑了间接排放，并利用IDA方法探索电力生产与消费环节的LCE驱动因素。然而，这些方法无法充分揭示实际跨省电力传输结构中的重要驱动因素。为此，研究团队提出了一种基于QIO模型的SDA方法，并将其应用于分析电力消费环节的碳排放驱动因素。然而，这些SDA研究仍然局限于直接排放，忽略了间接排放的影响。

此外，中国东部和南部沿海地区作为经济发达区域，与资源丰富的内陆地区在电力需求和能源资源分布之间存在不匹配，这种不匹配促使跨区域电力传输继续增加。然而，目前尚未有研究分析电力传输环节的LCE驱动因素，更没有采用基于QIO模型的SDA方法来探讨电力消费和传输环节的LCE驱动因素。因此，研究团队在本研究中提出了一种新的方法框架，结合HIO模型与QIO模型，从电力生产、消费和传输三个视角同步计算中国31个省份的电力系统LCE。这一方法不仅填补了现有研究的空白，还为理解如何实现省级电力系统的碳排放峰值提供了新的视角。

本研究的创新点在于，首先，开发了一个HIO模型，将中国的MRIO模型与全球MRIO模型相结合，用于计算中国31个省份电力生产环节的LCE，包括各省电力生产过程中的直接排放以及对全球非电力领域碳排放的影响。其次，基于中国31个省份的跨区域电力传输数据（2008年至2022年），构建了一个QIO模型，利用电力生产环节的LCE来计算电力消费和传输环节的LCE。第三，通过趋势分析，进一步探讨了中国31个省份电力生产、消费和传输环节的碳排放峰值状态，并利用分解分析方法探索了不同省份在碳排放峰值潜力方面的驱动因素差异。第四，识别了实现省级电力系统碳排放峰值的关键驱动因素，特别是两个之前被忽视的因素——间接排放强度和电力传输结构。这些因素的减少对实现省级碳排放峰值具有重要贡献，因此在制定碳减排策略时需要给予特别关注。

研究结果为中国的省级电力系统设计碳排放峰值路径提供了有价值的参考，同时也为各省份电力部门在气候变化背景下承担碳减排责任提供了支持。通过本研究，可以更全面地了解中国省级电力系统对全球碳排放的影响，并据此制定更加科学和有效的碳减排政策。此外，研究还强调了跨区域电力传输在碳排放管理中的重要性，指出在未来的政策制定中，需要更加关注电力传输结构对碳排放的影响，以实现更加精准的区域碳减排目标。

本研究的局限性在于，由于数据获取的限制，仅在2007年、2012年和2017年构建了HIO模型，以连接中国的MRIO模型与全球MRIO模型。未来的研究需要进一步完善数据收集，以涵盖更多年份和更详细的区域信息。此外，虽然本研究引入了QIO模型来计算电力消费和传输环节的LCE，但在实际应用中仍需进一步优化模型参数，以提高计算精度和适用性。同时，研究团队也建议未来的研究应更加关注间接排放和跨区域电力传输的交互作用，以全面评估电力系统对碳排放的影响。

总体而言，本研究通过构建HIO和QIO模型，从电力生产、消费和传输三个视角同步计算中国31个省份的电力系统LCE，并识别了实现碳排放峰值的关键驱动因素。这一研究不仅为中国的省级电力系统碳排放峰值评估提供了新的方法，也为制定更加科学和有效的碳减排政策提供了理论支持。通过本研究，可以更好地理解中国各省份在碳排放管理中的不同角色和责任，并据此制定差异化的减排策略，以实现全国范围内的碳排放峰值目标。同时，研究也强调了在未来的政策制定中，需要更加关注间接排放和跨区域电力传输结构的影响，以推动中国电力系统的可持续发展和碳减排进程。