2022, Vol. 43
2. 国电环境保护研究院有限公司国家环境保护大气物理模拟与污染控制重点实验室, 南京 210031;
3. 中国气象局科技与气候变化司, 北京 100081
2. State Environmental Protection Key Laboratory of Atmospheric Physical Modeling and Pollution Control, State Power Environmental Protection Research Institute Co., Ltd., Nanjing 210031, China;
3. Department of Science & Technology and Climate Change, China Meteorological Administration, Beijing 100081, China
碳达峰与碳中和战略目标和国家自主贡献具体政策、措施的相继提出[1, 2], 为我国能源消费结构与模式的转型优化指明了方向, 能源低碳化和去碳化过程进入快速轨道[3].有学者在碳达峰与碳中和目标的实现路径、能源结构转型发展策略[4~10]及其对煤炭、电力等能源生产部门[11~15], 以及工业、交通和居民生活等能源终端消费部门的影响[16~21]等方面进行了大量研究, 部分研究还结合能源结构特点和经济发展阶段等因素对我国与其他发达国家或地区进行了对比分析[6, 11, 22].文献[23]指出我国的生态环境问题根本上是高碳的能源结构和高耗能、高碳的产业结构的问题, 必须从能源结构和产业结构转型升级的源头上解决, 但鲜见从是否已碳达峰角度对包含发达国家和发展中国家在内的主要能源消费国家进行全面对比, 尤其是对其从不同产业和行业部门能源消费结构特征进行系统分析.本文进一步就世界主要能源消费国家, 包括已碳达峰和未碳达峰国家, 结合其经济、人口和国土面积等因素, 对其能源消费特征进行对比, 着重从产业结构和分行业部门角度对人均能源消费强度进行分解研究, 采用K均值聚类分析(K-means)方法进行分析, 探究各国在国民经济运行与生产生活中的能源消费模式差异, 提出了能源消费自然碳汇承载负荷比概念, 进而探讨了我国在双碳目标下能源转型具有的优势和面临的挑战, 并提出了应对建议.
1 材料与方法 1.1 数据来源与检验为保证中国能源消费相关数据指标与其他国家数据的可比较性, 本文分析研究所涉及国家的能源、经济、人口和相关基础数据均来源于国家统计局[24]、国际能源署(International Energy Agency, IEA)[25]、世界银行(the World Bank)[26]和文献[27]等官方或被普遍认可的数据库.
根据文献[27]中2020年世界主要国家能源消费总量排名情况, 本文选取了累积消费总量占世界总消费量80%的国家进行分析研究, 共涉及23个国家, 具体情况如图 1所示.其中有13个国家已实现碳排放达峰, 为美国、俄罗斯、日本、加拿大、德国、巴西、韩国、法国、英国、意大利、澳大利亚、西班牙和荷兰, 除巴西外, 均为发达国家; 也包括未碳达峰的中国、印度、伊朗、沙特阿拉伯、印度尼西亚、墨西哥、土耳其、泰国、南非和阿根廷这10个发展中国家, 基本涵盖了不同地区、不同经济发展阶段和不同能源结构特点类型的代表性国家.
|
曲线从下到上依次为中国、美国、印度、俄罗斯、日本、加拿大、德国、伊朗、巴西、韩国、沙特阿拉伯、法国、印度尼西亚、英国、墨西哥、土耳其、意大利、澳大利亚、泰国、西班牙、南非、荷兰、阿根廷和其他国家 图 1 世界主要国家能源消费总量分布情况 Fig. 1 Distribution of total energy consumption in major countries |
为确保分析研究所用中国相关数据的准确性, 本文对文献[27]和世界银行数据库中所提供的中国能源消费基础数据与中国国家统计局数据库中的相应统计数据, 或经单位转换处理为具有可比性的同质数据, 采用ICC组内相关系数法进行一致性检验.ICC组内相关系数是衡量和评价观察者间信度(inter-observer reliability)和复测信度(test-retest reliability)的信度系数(reliability coefficient)指标之一[28], 用于评价不同方法或观察者对同一定量测量结果的一致性或可靠性, 其计算ICC值, 即信度系数介于0~1之间, 一般认为ICC值大于0.75表示可信度良好, 越接近于1可信度或一致性越好.经数据分析, 文献[27]、世界银行和国家统计局数据库中的中国能源生产、消费主要数据和主要经济指标数据的一致性检验结果如表 1所示.检验结果显示两者具有高度一致性, 采用文献[27]和世界银行数据库中的中国数据进行分析研究可保证其可信度.
|
表 1 文献[27]、世界银行中国数据和国家统计局数据一致性检验结果 Table 1 Consistency test results between China's data in reference[27], the World Bank database, and that in the database of National Bureau of Statistics |
1.2 能源消费结构
本文采用一次能源清洁化率、化石能源清洁利用率和电能占终端能源消费率这3个指标来表征能源消费结构.
1.2.1 一次能源清洁化率一次能源清洁化率可以衡量能源消费结构的总体优化程度, 体现清洁低碳转型发展趋势[29~31], 本文以一次能源消费中非化石能源消费量占能源消费总量的比例来表征.其中, 能源消费总量中以发电形式利用的核能、水能、风能和太阳能等统一采用文献[27]方法, 即根据相应年度的平均能源转换效率折算为等效能源消费量进行统计, 非化石能源消费量即能源消费总量扣除石油、煤炭和天然气消费量的部分.计算公式如下：
|
(1) |
|
(2) |
|
(3) |
式中, cl为一次能源清洁化率; Etotal为一次能源消费总量, 单位为TJ; EF为化石能源消费总量, 单位为TJ; Ec、Eo、Eg和Eother分别为煤炭、石油、天然气和其他形式能源消费总量, 单位为TJ; elcnuclear、elchydro和elcother-renewable分别核电、水电和其他可再生能源发电量对应的能源总量, 单位为TJ; η为发电等效能源转化效率.
1.2.2 化石能源清洁利用率化石能源清洁利用率可用于衡量对化石能源利用方式的优化程度.石油、煤和天然气作为能源直接燃烧是历史最悠久和最常规的利用方式, 但同时也是利用效率最低和造成污染最严重的方式, 将化石能源进行集约化和高效率的清洁利用, 最大程度地发挥其能源价值才是更合理的利用方式[32~35].火力发电技术经历100多年的发展, 其能源利用效率已显著高于其他方式, 伴随着火力发电污染物控制技术的迅速发展和普遍应用, 化石能源集中用于电力转化是当前技术水平下最高效、最经济和最清洁的利用方式.本文以用于生产电力的化石能源消费量占化石能源消费总量的比例, 即化石能源发电比来表征一次化石能源清洁化利用率, 参照文献[27]方法, 根据相应年度的平均能源转换效率将来源于石油、煤和天然气的发电量折算为对应的等效能源消费量进行计算.计算公式为：
|
(4) |
式中, clF为化石能源清洁化利用率; elcc、elco、elcg分别为燃煤、燃油和燃气发电量对应的能源总量, 单位为TJ; η为发电等效能源转化效率.
1.2.3 电能占终端能源消费率电能占终端能源消费率即电能占终端能耗比, 是另一项用于衡量该国对能源消费结构优化程度的重要指标, 也是评价电气化率的核心指标[30, 36~38].本文在计算电能占终端能源消费率时, 根据文献[27]中各国发电量数据扣除输配电损失量后, 换算为以焦耳为单位的能量值, 终端能源消费量为一次能源消费总量扣除了电力生产等效能源消费量中的损失和输配电损失部分, 其中中国输配电损失率来自国家统计局统计数据, 其他国家输配电损失率来自国际能源署数据库.相关计算公式如下：
|
(5) |
式中, Eelc为电能占终端能源消费率; elc为发电量对应的能源总量, 单位为TJ; ηloss为输配电损失率.
1.3 能源消费强度本文采用单位国内生产总值(GDP)能源消费量、人均能源消费量和单位国土面积能源消费量这3个指标来表征能源消费强度.
1.3.1 单位GDP能源消费量GDP是用于表征经济发展水平的基本指标, 而单位GDP能源消费量则是经济发展对能源消费依存度的重要体现, 同样也可反映能源生产率水平, 但将其与国家经济发展阶段和产业结构等因素结合分析, 更能充分反映能源消费强度的客观性[39~41].本文所用GDP数据来自为世界银行统计数据库(2015年可比价, Constant 2015 USMYM).
1.3.2 人均能源消费量在脱离人口基数的情况下谈能源、电力消费总量和碳排放总量是对“平等享有生存权发展权”的最基本人权和“利益共生、权利共享、责任共担”的人类命运共同体理念的重大忽视.在实现双碳目标的过程中首先是要关注发展和减排的关系[42], 减排不减生产力, 在降碳的同时要确保能源安全、产业链供应链安全和粮食安全, 确保群众正常生活.本文重点从产业结构出发, 采用K-means聚类分析方法对主要能源消费国家人均能源消费情况进行解析分类讨论, 探讨各国在国民经济运行与生产生活中的能源消费水平和消费模式.K-Means算法[43, 44]是基于划分的聚类算法, 采用欧式距离作为衡量数据对象间相似度的指标, 距离越小相似度越大, 首先从数据集中随机选取k个初始聚类中心Ci(1≤i≤k), 计算其余数据对象与聚类中心Ci的欧氏距离, 找出离目标数据对象最近的聚类中心Ci, 并将数据对象分配到聚类中心Ci所对应的簇中; 然后计算每个簇中数据对象的平均值作为新的聚类中心, 进行下一次迭代, 直到聚类中心不再变化或达到最大的迭代次数停止.空间中数据对象与聚类中心间的欧式距离计算公式为：
|
(6) |
式中, x为数据对象, Ci为第i个聚类中心, m为数据对象的维度, xj和Cij分别为x和Ci的第j个属性值.
数据集的误差平方和SSE计算公式为：
|
(7) |
式中, SSE的大小表示聚类结果的好坏, k为簇的个数.
为保证各国数据的可比性, 本文在分行业部门终端能源消费分析时, 参照国际能源署对分部门终端能源消费的统计方法, 结合我国统计工作对产业行业的分类方式和惯例进行适当调整计算, 并确保研究对象对比项统一可比.如将供气供热供水等环节能源消费纳入商贸及公共事业板块, 能源生产部门生产环节的能源消费纳入工业能源消费部分, 能源的非供能消费单独统计等.
1.3.3 单位国土面积能源消费量国土面积是表征自然环境系统对人类活动造成环境影响承载消纳能力的基本因素, 森林覆盖率是与能源消费自然碳汇能力密切相关的重要因素之一[45~47].本文将结合各主要能源消费国单位国土面积能源消费强度及森林覆盖率, 并考虑不同化石能源的碳排放强度, 对各国能源消费自然碳汇相对负荷进行分析.能源消费自然碳汇相对负荷比计算公式如下：
|
(8) |
|
(9) |
式中, i和j分别为i和j国, Yij为i国相对于j国的能源消费自然碳汇负荷比, 为无量纲值; L为能源消费自然碳汇负荷, 单位为t·km-2, 其实际意义为单位森林面积所承载的能源消费CO2排放量; e为单位国土面积能源消费量, 单位为TJ·km-2; pc、po和pg分别为煤炭、石油和天然气消费比例; ac、ao和ag分别为煤炭、石油和天然气消费的CO2排放强度, 根据政府间气候变化专门委员会(IPCC)国家温室气体清单指南[48], 分别取96.9、73.3和56.1 t·TJ-1; f为森林覆盖率.
所用数据中国国土面积来自民政部中华人民共和国行政区划统计表[49], 其他国家数据来自世界银行统计数据库.
2 结果与讨论 2.1 能源消费结构特征分析中国能源消费总量占世界总消费量的比例从2000年的10.80%左右增长到2020年26.10%(如图 1).到2020年, 我国化石燃料, 尤其是煤炭的消费比重继续保持稳步下降趋势, 15.90%的清洁能源占比在未碳达峰主要国家中处于领先水平, 已高于俄罗斯、日本、韩国、澳大利亚和荷兰等已碳达峰国家(图 2), 但是, 主体能源仍然以煤为主是我国的最主要特征.从图 2中可以看出：世界平均水平及已经碳排放达峰的国家煤炭消费占比均在30%以下, 大部分国家化石能源消费中以石油为主, 煤炭占比低至10%甚至5%以下, 俄罗斯、英国和意大利天然气使用占比最高; 未碳达峰国家中南非、中国、印度和印度尼西亚煤炭消费占比在30%以上, 伊朗和沙特阿拉伯清洁能源占比低, 但基本不使用煤.
|
图 2 世界主要国家能源消费结构 Fig. 2 Energy consumption structure in major countries |
发电用能占比、电能占终端能耗比是电气化率的重要指标[29], 化石能源发电比是直接体现化石能源集约化和清洁化利用水平的重要因子.从图 3可知, 我国在上述3项指标上均处于较高水平, 其中：发电用能占比法国和日本达到60%左右, 我国以53.48%位居第三; 电能占终端能耗比法国和日本达到30%以上, 我国以26.54%位居第三; 化石能源发电比我国位列日本和南非之后(法国数据缺失)为37.51%, 同样位居第三.从图 3还可看出, 已碳达峰国家平均发电用能占比和电能占终端能耗比高于未碳达峰国家, 说明已碳达峰国家在电源结构上整体更加优化, 来自清洁可再生的非化石电源占比更高, 电气化率水平更高; 而未碳达峰国家平均化石能源发电占比更高, 显示出未碳达峰国家, 尤其是中国在化石能源的集约化、清洁化利用方面做出了更大努力.
|
图 3 世界主要国家发电用能和电能占终端能耗比例 Fig. 3 Proportion of power generation energy consumption in total energy consumption and proportion of electric energy in terminal energy consumption in major countries |
2020年, 中国GDP占世界总量的比例从2000年的5.80%左右增长到17.90%, 经济增幅大于能源消费增幅, 说明能源生产率在持续提高, 经济增长对能源消费的依赖性较20世纪前后已明显降低[39, 40], 2011~2019年间能源消费弹性系数在0.19~0.76之间, 平均值为0.45.受新冠疫情影响, 2020年全球整体及各主要经济体出现经济负增长, 能源消费总量有所下降, 中国成为唯一经济正增长的主要经济体, 能源消费总量小幅上升, 能源消费弹性系数稍有回升.图 4展示了2020年主要国家单位GDP能源消费量, 可以看出我国单位GDP能耗目前仍处于相对高位, 约为世界平均水平的1.46倍, 与已碳达峰的传统发达国家相比还有较大差距, 但单位GDP能耗较2000年显著下降达35%以上.
|
图 4 世界主要国家单位GDP能源消费量 Fig. 4 Energy consumption per unit GDP in major countries |
造成单位GDP能耗差距的原因一方面与能源综合利用效率有关, 更主要的原因在于不同国家之间产业结构的差异, 工业尤其是重工业和传统制造业能源消费强度远高于农业、服务业和高新技术制造业等.根据国家统计局数据, 中国2018年第二产业对GDP的贡献率为34.40%, 但消费了全国总能耗的67.66%.从世界主要能源消费国产业结构的变化情况来看, 本文分析的主要能源消费国中, 未碳达峰国家第二产业增加值占世界第二产业增加值比重从1997年的17.25%增长到2017年的36.69%, 其中中国从8.12%增长到24.93%, 而已碳达峰国家该比例从60.93%降至47.32%.1997年以来, 未碳达峰国家第二产业产值占本国GDP的比重总体呈现出先升后降的趋势, 到2017年为约33%, 而已碳达峰国家该比值持续下降, 2017年已降至约23%, 累积降幅约为未碳达峰国家的1.5倍, 尤其是美国、法国、英国和荷兰已低至18%左右.通过单因素方差分析检验, 如表 2所示的检验结果显示已碳达峰与未碳达峰国家第二产业产值占本国GDP比重自1997年以来一直存在显著差异, 是已碳达峰与未碳达峰国家之间最重要的特征性差异之一.各国各产业产值比重的变化, 直观地反映出经济全球化和生产活动世界化推动全球产业链新格局的形成过程, 传统经济大国迈入后工业化发展阶段, 将处于产业链前端或低端、低附加值的劳动密集型、资源能源密集型传统制造业逐步转移向以中国为代表的发展中国家, 这些发展中国家的工业化进程得以加快, 经济快速增长, 但付出的是同样快速增长的资源能源消耗.即便如此, 中国在工业制造业迅速发展, 成为名副其实“世界工厂”的情况下, 单位GDP能耗仍然实现了大幅下降, 节能降耗力度之大、成效之显著可见一斑, 为世界平均能耗强度下降做出了重要贡献.
|
|
表 2 已碳达峰与未碳达峰国家工业产值占本国GDP比重差异性分析结果1) Table 2 Difference analysis results of industrial output value in GDP between carbon peaked and non-carbon peaked countries |
图 5展示了中国与其他主要能源消费国人均能源消费量及世界平均水平的对比情况. 2020年人均能耗排名前10的有8个已碳达峰国家, 分别为加拿大、美国、韩国、澳大利亚、俄罗斯、荷兰、德国和日本, 以及沙特阿拉伯和伊朗2个未碳达峰国家.中国在2009年以后人均能源消费量才赶上了世界平均水平, 2020年以前始终低于除巴西以外的其他已碳达峰国家, 也低于本文研究的其他22个主要能源消费国平均水平, 2004年以前在未碳达峰国家中也仅略高于印度和印度尼西亚两个发展中人口大国.根据文献[6]对已碳达峰国家达峰时间的统计, 从图 6可知无论是2000年以前还是近年才碳达峰的国家, 其人均能源消费量在2000年以后并未显著降低, 韩国和巴西还有所升高. 2020年由于受新冠疫情影响, 本文研究对象中除中国外的所有国家人均能源消费量都较2019年有较大的降低, 其中英国和意大利的人均能源消费量降至和中国基本相当的水平, 中国人均能源消费量仍然远低于绝大多数传统发达国家, 分别相当于美国、德国、日本和法国的38.93%、71.30%、76.65%和80.32%水平.人均能源消费中人均电力消费量从2000年到2019年间的变化, 在已碳达峰和未碳达峰的主要能源消费国中也存在差异, 较早实现碳达峰国家中主要典型发达国家人均电力消费量波动在±10%之间, 处于相对稳定状态, 而未碳达峰国家除南非以外, 各国人均电力消费量都出现明显增长, 其中中国增长了4倍以上, 大大超过了人均能源消费量的增幅, 说明中国人均能源消费的增长量中电力的贡献度十分显著.
|
图例顺序从上到下与2020年人均能耗数值高低对应一致, 其中实线为中国和世界平均, 点线为其他未碳达峰国家, 短划线为已碳达峰国家 图 5 世界主要国家人均能源消费量情况 Fig. 5 Energy consumption per capita of major countries |
|
图 6 世界主要国家分行业终端能源消费比例情况 Fig. 6 Proportion of terminal energy consumption by sectors in major countries |
根据IEA对终端能源消费统计的行业部门分类, 农、工业主要从事粮食、各类工业品和建筑活动, 与其相关的能源消费为人们生活提供所需的基本物资品, 而交通、商贸及其他公共服务、居民生活等则主要反映了工农业生产以外的国家经济运行及居民日常工作生活中的能源消费.进一步分析分行业部门终端能源消费比重可以发现(图 6), 2019年世界主要能源消费国中中国是唯一工业能源消费占本国终端能源消费50%以上的国家, 工农业能源消费合计占到55.38%, 未碳达峰国家平均值为42.18%, 而除巴西以外的已碳达峰发达国家这一比例为32.59%, 其中美国、法国和英国已低至25%以下.同时, 也可由此反观各国在基本物资品生产以外的国家经济运行及居民日常活动能源消费水平上的差异.值得注意的是, 在已碳达峰的主要国家中, 如美国、英国、法国、意大利和西班牙等, 交通已成为最大的能源消费部门, 美国达到37.06%, 西班牙、澳大利亚和巴西超过30%, 英国、法国和意大利接近30%, 未碳达峰国家中墨西哥、印度尼西亚和沙特阿拉伯也超过了30%, 而中国14.09%的交通能源消费占比在23个主要能源消费国中最低, 只有世界平均水平的一半左右, 在我国大力发展新能源汽车的政策推动下[19, 50, 51], 新能源汽车产业规模全球领先, 产销量连续五年位居世界首位[52], 正在加速形成绿色低碳的交通能源消费新格局, 随着清洁电力比例的进一步提高, 为我国交通领域实现低水平碳达峰奠定了良好的基础.
进一步对23个主要能源消费国家分行业人均能源消费量进行K-means聚类分析, 可分为6个类别, 分析结果如表 3.类Ⅰ和类Ⅱ各仅一个国家, 分别为人均能源消费总量超过300 GJ·人-1的加拿大和沙特阿拉伯, 其中加拿大各行业人均能耗均远超过23国平均水平, 沙特阿拉伯除人均农业能耗为各类中最低外, 其余各行业人均能耗也超过23国平均值; 类Ⅲ与类Ⅳ的主要区别在于交通行业和非能源形式消费人均能耗的差异, 类Ⅳ与类Ⅴ的主要区别体现在工业、农业、商贸及其他和非能源形式消费人均能耗的差异; 类Ⅵ则除农业人均能耗高于类Ⅱ之外, 其余均在六个类别中处于最低水平, 且远低于23国平均值.从分类结果不难发现, 类Ⅵ中除巴西外均为未碳达峰国家, 而类Ⅰ到类Ⅴ中也只有沙特阿拉伯和伊朗两个未碳达峰国家, 除去这3个本身具有能源结构和产业结构特殊性的国家之外, 其余已碳达峰国家与未碳达峰国家在分行业人均能源消费特征上体现出明显聚类特征, 尤其在交通、居民生活和商贸及其他3个行业部门已碳达峰国家的人均能源消费量显著高于未碳达峰国家2~5倍.
|
|
表 3 主要能源消费国家分行业人均能源消费量K-means聚类分析结果1) Table 3 K-means cluster analysis results of energy consumption per capita by industry in major energy-consuming countries |
结合前文分析不难发现, 一些高能耗工业产业已经向外转移, 而人均能源消费量依然处于高位的典型发达国家, 其国家经济运行与居民日常生产生活方式正处于一种极高能源消费水平的模式下.相对而言, 在当前碳约束背景下, 经济仍需进一步增长以提高居民生活水平的发展中国家要探索一条高水平、低能耗的发展之路更是一个极具挑战性的难题.
图 7所示表明世界主要能源消费国单位国土面积能源消费量差异显著, 韩国的单位国土面积能源消费强度最高, 达到117.63 TJ·km-2, 约为世界平均水平的27.46倍, 中国是7.79倍, 其次荷兰、日本、德国、英国、意大利和法国单位国土面积能源消费强度也分别是中国的5.34、2.98、2.24、1.87、1.29和1.04倍.除美国、加拿大、俄罗斯和澳大利亚少数几个国土幅员辽阔的国家以外, 已碳达峰的发达国家的国土面积相对于未碳达峰的主要能源消费国普遍较小, 其单位国土面积能源消费强度明显较高, 也就意味着更大的能源消费碳排放负荷.
|
图 7 世界主要国家单位国土面积能耗、森林覆盖率和其相对于世界平均的能源消费自然碳汇负荷比 Fig. 7 Energy consumption per unit land area, forest coverage, and natural carbon sink load ratio relative to the average level of the world in major countries |
根据1.3.3节关于国家或地区之间能源消费自然碳汇相对负荷比的定义, 该无量纲比值大于1则表示前者能源消费自然碳汇承载负荷高于后者, 在气候变化及自然碳汇的全球性效应下, 能源消费自然碳汇承载负荷更高的区域将占用承载负荷较低区域的自然碳汇能力空间.从图 7可知, 只有巴西、加拿大和俄罗斯等少数几个主要能源消费国的能源消费自然碳汇承载负荷低于世界平均水平.沙特阿拉伯、荷兰相对于世界平均水平的比值分别达到80和50以上, 远高于其他国家, 韩国和英国也达到10以上.沙特阿拉伯主要是因为森林覆盖率极低, 荷兰主要是单位国土面积能源消费量较高, 英国则是单位国土面积能源消费量高, 而森林覆盖率不高, 韩国虽然森林覆盖率较高, 但单位国土面积能源消费量极高.森林覆盖率是影响能源消费自然碳汇承载负荷的重要因素, 但其在一段时期内很难有较大幅度的变化, 2000年以来, 只有中国森林覆盖率增幅度超过20%, 净增4.56个百分点, 贡献了全球1/4的新增绿化面积, 其他净增3个百分点以上的仅有意大利、法国, 其他国家基本处于相对稳定状态, 7个国家出现森林覆盖率降低情况, 其中原本森林覆盖率较高的巴西和印度尼西亚分别降低了6.84个和6.52个百分点.
相对于森林覆盖率, 能源消费结构对于能源消费自然碳汇承载负荷的影响也十分显著, 以单位国土面积能源消费量基本相当的中国和法国进行对比, 由于法国能源消费中化石能源占比较低, 且化石能源中煤炭消费比例低, 从而导致中国的能源消费自然碳汇承载负荷反而是法国的2.80倍, 中国与德国之间的比较也存在同样情况, 因化石能源结构中天然气和石油占比的差异, 使得德国原本国土面积能源消费量是中国的2.24倍, 而能源消费自然碳汇承载负荷比降至1.19.
3 建议(1) 积极有序加快清洁能源供应体系建设, 在保证满足社会经济发展需求、能源供应安全的前提下, 充分发挥国土幅员辽阔、水力气象等资源丰富等优势, 科学布局规划清洁能源空间格局, 稳步提升一次能源消费中非化石能源比例, 推进能源供给侧低碳转型升级.
(2) 继续倡导绿色低碳的国民经济运行、生产生活能源消费模式, 建设高水平能源资源节约型社会; 进一步强化化石能源的集约化高效利用, 提高全社会电气化水平, 构建更加清洁高效的绿色低碳能源产供消体系.
(3) 深入优化调整产业结构, 能源资源密集型工业、基本品制造业以满足国内居民生产生活水平提高的需求为主, 充分发挥科技进步的后发优势, 在国际化产业链中以参与低能耗、低物耗、高附加值的高端制造业环节为主, 加快实现制造大国向制造强国的转型.
(4) 持续增加自然碳汇, 开展全国绿化建设, 增加森林面积, 履行碳达峰碳减排与应对气候变化国家自主贡献承诺, 积极拓展草原、湿地等生态碳汇途径, 探索农业用地等具有碳汇潜力的土地利用方式.
4 结论(1) 我国能源消费模式转型的优势
在能源消费结构方面, 近年来我国大力发展风能、太阳能等可再生能源发电, 化石能源占一次能源消费总量的比例稳步下降, 在世界主要能源消费国家中处于中等以上水平, 且具有丰富的风能太阳能资源和已具备良好的开发能力与条件, 在碳达峰与碳中和战略目标强化的能源、电力发展政策引导下, 一次能源清洁化率的提升速度和潜力可观.我国发电用能占比、化石能源清洁化利用率和电能占终端能耗比分别为53.48%、37.51%和26.54%, 均在世界主要能源消费国家中处于前列, 在特殊的能源资源禀赋特点下, 建成了世界最大的清洁煤电供应体系, 在清洁能源占比稳步提升的基础上, 建成了具有全球领先规模的清洁能源交通体系, 已经架构起良好的能源集约化、清洁化利用结构基础.
在能源消费强度方面, 自2000年以来, 我国单位GDP能耗已下降35%以上, 经济增长对能源消费的依赖性已显示出趋弱态势, 仍然偏重的产业结构还有较大的优化空间, 随着工业尤其是高能耗重工业、低端制造业等比重的逐渐降低, 我国总体能源生产率还有较大的提升空间.从人均能源消费量来看, 较传统发达国家在无碳排放约束情况下, 能源消费自然增长出现的高位达峰相比, 我国人均能源消费量仍低于世界主要能源消费国平均水平, 且远低于大多数已碳达峰典型国家的目前水平, 在扣除高能耗工业活动因素后, 非工农业能源消费占比, 尤其是仅为14.09%的交通能源占比在主要能源消费国中最低, 我国在国民经济运行、居民日常生产生活活动中已形成了明显优于其他国家, 尤其是发达国家的绿色低碳的能源消费模式.
(2) 我国能源消费模式转型面临的挑战
相对于在化石能源以油、天然气消费为主的其他国家, 我国高比例的煤炭消费碳排放需要以更高比例的清洁能源来抵消.为满足未来我国经济社会发展和人民生活水平持续提高的能源需求, 在碳达峰与碳中和目标下, 需要一个规模庞大的清洁能源供应体系作为支撑, 清洁能源发展的相对增速和绝对增长规模都将是一个巨大的挑战.另一方面, 在高碳能源结构下, 我国也急需加快提升自然碳汇能力, 以降低能源消费自然碳汇的相对负荷, 然而以森林生态系统为代表的自然碳汇的增长是一个长期缓慢的过程, 决定了在相对较短时期内实现碳达峰与碳中和目标, 降碳必将承担更大的压力.
相对较低的人均能源消费量, 意味着我国能源消费总量仍处于未充分发展的阶段, 且人均能源消费中用于基础物质产品生产的比重较重, 作为“世界工厂”在国际化生产产业链中承担的高能源资源消耗环节生产的比重较重.而在目前碳排放约束的国际背景下, 我国已不再具有其他国家曾采用过的向外转移能源资源密集型产业、低端制造业, 发展低能耗低物耗高附加值高端制造业的去工业化、后工业化发展模式的条件, 产业结构的优化调整已成为一个内部化问题.
| [1] | 中华人民共和国中央人民政府. 习近平在第七十五届联合国大会一般性辩论上的讲话[EB/OL]. http://www.gov.cn/xinwen/2020-09/22/content_5546169.htm, 2020-09-22. |
| [2] | 中华人民共和国中央人民政府. 继往开来, 开启全球应对气候变化新征程——在气候雄心峰会上的讲话[EB/OL]. http://www.gov.cn/gongbao/content/2020/content_5570055.htm, 2020-12-12. |
| [3] |
李辉, 孙雪丽, 庞博, 等. 基于碳减排目标与排放标准约束情景的火电大气污染物减排潜力[J]. 环境科学, 2021, 42(12): 5563-5573. Li H, Sun X L, Pang B, et al. Emission reduction potential of air pollutants of thermal power industry based on carbon emission reduction target and emission standard constraint scenarios[J]. Environmental Science, 2021, 42(12): 5563-5573. |
| [4] | 丁仲礼. 中国碳中和框架路线图研究[J]. 中国工业和信息化, 2021(8): 54-61. |
| [5] |
王志轩. 碳达峰、碳中和目标实现路径与政策框架研究[J]. 电力科技与环保, 2021, 37(3): 1-8. Wang Z X. Research on the pathway and policy framework of achieving carbon peak and carbon neutrality[J]. Electric Power Technology and Environmental Protection, 2021, 37(3): 1-8. |
| [6] |
朱法华, 王玉山, 徐振, 等. 碳达峰、碳中和目标下中国能源低碳发展研究[J]. 环境影响评价, 2021, 43(5): 1-8. Zhu F H, Wang Y S, Xu Z, et al. Research on China's energy low carbon development under the targets of emission peak and carbon neutrality[J]. Environmental Impact Assessment, 2021, 43(5): 1-8. |
| [7] |
朱法华, 王玉山, 徐振, 等. 中国电力行业碳达峰、碳中和的发展路径研究[J]. 电力科技与环保, 2021, 37(3): 9-16. Zhu F H, Wang Y S, Xu Z, et al. Research on the development path of carbon peak and carbon neutrality in China's power industry[J]. Electric Power Technology and Environmental Protection, 2021, 37(3): 9-16. |
| [8] |
赵明轩, 吕连宏, 王深, 等. 中国碳达峰路径的Meta回归分析[J]. 环境科学研究, 2021, 34(9): 2056-2064. Zhao M X, Lü L H, Wang S, et al. Meta regression analysis of pathway of peak carbon emissions in China[J]. Research of Environmental Sciences, 2021, 34(9): 2056-2064. |
| [9] |
洪竞科, 李沅潮, 蔡伟光. 多情景视角下的中国碳达峰路径模拟——基于RICE-LEAP模型[J]. 资源科学, 2021, 43(4): 639-651. Hong J K, Li Y C, Cai W G. Simulating China's carbon emission peak path under different scenarios based on RICE-LEAP model[J]. Resources Science, 2021, 43(4): 639-651. |
| [10] | 王少洪. 碳达峰目标下我国能源转型的现状、挑战与突破[J]. 价格理论与实践, 2021(8): 82-86. |
| [11] |
谢和平, 任世华, 谢亚辰, 等. 碳中和目标下煤炭行业发展机遇[J]. 煤炭学报, 2021, 46(7): 2197-2211. Xie H P, Ren S H, Xie Y C, et al. Development opportunities of the coal industry towards the goal of carbon neutrality[J]. Journal of China Coal Society, 2021, 46(7): 2197-2211. |
| [12] |
陈怡, 田川, 曹颖, 等. 中国电力行业碳排放达峰及减排潜力分析[J]. 气候变化研究进展, 2020, 16(5): 632-640. Chen Y, Tian C, Cao Y, et al. Research on peaking carbon emissions of power sector in China and the emissions mitigation analysis[J]. Climate Change Research, 2020, 16(5): 632-640. |
| [13] |
张小丽, 刘俊伶, 王克, 等. 中国电力部门中长期低碳发展路径研究[J]. 中国人口·资源与环境, 2018, 28(4): 68-77. Zhang X L, Liu J L, Wang K, et al. Study on medium and long-term low-carbon development pathway of China's power sector[J]. China Population, Resources and Environment, 2018, 28(4): 68-77. |
| [14] |
李晖, 刘栋, 姚丹阳. 面向碳达峰碳中和目标的我国电力系统发展研判[J]. 中国电机工程学报, 2021, 41(18): 6245-6258. Li H, Liu D, Yao D Y. Analysis and reflection on the development of power system towards the goal of carbon emission peak and carbon neutrality[J]. Proceedings of the CSEE, 2021, 41(18): 6245-6258. |
| [15] | 李十中. 推动新能源革命促进实现碳中和目标[J]. 人民论坛·学术前沿, 2021(14): 42-51. |
| [16] | 张瑾华, 陈强远. 碳中和目标下中国制造业绿色转型路径分析[J]. 企业经济, 2021, 40(8): 36-43. |
| [17] | 张伟, 朱启贵, 高辉. 产业结构升级、能源结构优化与产业体系低碳化发展[J]. 经济研究, 2016, 51(12): 62-75. |
| [18] |
高玉冰, 邢有凯, 何峰, 等. 中国钢铁行业节能减排措施的协同控制效应评估研究[J]. 气候变化研究进展, 2021, 17(4): 388-399. Gao Y B, Xing Y K, He F, et al. Research on co-control effectiveness evaluation of energy saving and emission reduction measures in China's iron and steel industry[J]. Climate Change Research, 2021, 17(4): 388-399. |
| [19] |
邢有凯, 刘峥延, 毛显强, 等. 中国交通行业实施环境经济政策的协同控制效应研究[J]. 气候变化研究进展, 2021, 17(4): 379-387. Xing Y K, Liu Z Y, Mao X Q, et al. Research on co-control effect of environmental economic policies in China's transportation sector[J]. Climate Change Research, 2021, 17(4): 379-387. |
| [20] |
何峰, 刘峥延, 邢有凯, 等. 中国水泥行业节能减排措施的协同控制效应评估研究[J]. 气候变化研究进展, 2021, 17(4): 400-409. He F, Liu Z Y, Xing Y K, et al. Co-control effect evaluation of the energy saving and emission reduction measures in Chinese cement industry[J]. Climate Change Research, 2021, 17(4): 400-409. |
| [21] |
姜克隽, 向翩翩, 贺晨旻, 等. 零碳电力对中国工业部门布局影响分析[J]. 全球能源互联网, 2021, 4(1): 5-11. Jiang K J, Xiang P P, He C M, et al. Impact analysis of zero carbon emission power generation on China's industrial sector distribution[J]. Journal of Global Energy Interconnection, 2021, 4(1): 5-11. |
| [22] |
朱松丽, 高世宪, 崔成. 美国气候变化政策演变及原因和影响分析[J]. 中国能源, 2017, 39(10): 19-24, 31. Zhu S L, Gao S X, Cui C. Evolution, reason and impacts of US's climate policies[J]. Energy of China, 2017, 39(10): 19-24, 31. |
| [23] | 黄润秋. 生态环境问题根本上还是高碳能源结构问题[J]. 电力设备管理, 2021(8): 1. |
| [24] | 国家统计局. 年度数据-能源[EB/OL]. https://data.stats.gov.cn/easyquery.htm?cn=C01, 2021-10-10. |
| [25] | The World Bank Group. Data-indicators[EB/OL]. https://data.worldbank.org/indicator, 2021-10-10. |
| [26] | IEA. Balance(2019)[EB/OL]. https://www.iea.org/sankey/, 2021-10-10. |
| [27] | BP. Statistical review of World energy 2020[R]. London, 2020. |
| [28] | 王维, 陈青山, 刘治民. 应用Excel完成组内相关系数ICC的计算和评价[J]. 中国卫生统计, 2008, 25(3): 314-315. |
| [29] |
张运洲, 鲁刚, 王芃, 等. 能源安全新战略下能源清洁化率和终端电气化率提升路径分析[J]. 中国电力, 2020, 53(2): 1-8. Zhang Y Z, Lu G, Wang P, et al. Analysis on the improvement path of non-fossil energy consumption proportion and terminal electrification rate under the new energy security strategy[J]. Electric Power, 2020, 53(2): 1-8. |
| [30] |
屈博, 刘畅, 李德智, 等. "碳中和"目标下的电能替代发展战略研究[J]. 电力需求侧管理, 2021, 23(2): 1-3, 9. Qu B, Liu C, Li D Z, et al. Research on the development strategy of electricity substitution under the target of "carbon neutral"[J]. Power Demand Side Management, 2021, 23(2): 1-3, 9. |
| [31] |
杨春桃. 制度创新、结构调整和电力低碳发展[J]. 经济与管理研究, 2016, 37(7): 37-46. Yang C T. System Innovation, Structural adjustment and low carbon power development[J]. Research on Economics and Management, 2016, 37(7): 37-46. |
| [32] | 江亿. 我国可尝试直接向电气化时代转型[J]. 中国石油企业, 2020(10): 11-12. |
| [33] | 国家能源局. 我国已建成全球最大清洁煤电供应体系[EB/OL]. http://www.nea.gov.cn/2019-02/12/c_137815509.htm, 2019-02-12. |
| [34] | Leslie M. The next energy battle: cheap natural gas versus renewables[J]. Engineering, 2021, 7(2): 133-135. |
| [35] |
刘志坦, 李玉刚, 杨光俊, 等. 低碳转型背景下我国气电产业发展路径[J]. 天然气工业, 2021, 41(6): 152-161. Liu Z T, Li Y G, Yang G J, et al. Development path of China's gas power industry under the background of low-carbon transformation[J]. Natural Gas Industry, 2021, 41(6): 152-161. |
| [36] | 汤芳, 张宁, 代红才. 两个50%: 能源革命背景下的深度解析[J]. 能源, 2020(2): 23-26. |
| [37] | 熊长虹, 王丽丽. 从电力数据看地区经济结构调整[J]. 大众用电, 2017, 32(10): 7-8. |
| [38] |
叶彬, 秦丹丹, 杨欣, 等. 电力占终端能源消费比重分析预测方法及应用[J]. 电力与能源, 2014, 35(2): 156-161. Ye B, Qin D D, Yang X, et al. Analysis & forecasting method and application of electric energy proportion in final energy consumption[J]. Power & Energy, 2014, 35(2): 156-161. |
| [39] | 郭晶, 王涛. 中国能源消费与经济增长关系的实证分析[J]. 统计与决策, 2017(4): 138-141. |
| [40] |
陈操操, 张妍, 刘春兰, 等. 北京市能源消费与经济增长关系的协整检验分析[J]. 环境科学, 2012, 33(6): 2139-2144. Chen C C, Zhang Y, Liu C L, et al. Energy consumption and GDP growth in Beijing: cointegration and causality analysis[J]. Environmental Science, 2012, 33(6): 2139-2144. |
| [41] | 刘仁厚, 王革, 黄宁, 等. 中国科技创新支撑碳达峰、碳中和的路径研究[J]. 广西社会科学, 2021(8): 1-7. |
| [42] | 共产党员网. 习近平: 深入分析推进碳达峰碳中和工作面临的形势任务扎扎实实把党中央决策部署落到实处[EB/OL]. https://www.12371.cn/2022/01/25/ARTI1643102781802738.shtml, 2022-01-25. |
| [43] |
杨俊闯, 赵超. K-Means聚类算法研究综述[J]. 计算机工程与应用, 2019, 55(23): 7-14, 63. Yang J C, Zhao C. Survey on K-Means clustering algorithm[J]. Computer Engineering and Applications, 2019, 55(23): 7-14, 63. |
| [44] | Saroj, Kavita. Review: Study on simple K mean and modified K mean clustering technique[J]. International Journal of Computer Science Engineering and Technology, 2016, 6(7): 279-281. |
| [45] |
刘魏魏, 王效科, 逯非, 等. 全球森林生态系统碳储量、固碳能力估算及其区域特征[J]. 应用生态学报, 2015, 26(9): 2881-2890. Liu W W, Wang X K, Lu F, et al. Regional and global estimates of carbon stocks and carbon sequestration capacity in forest ecosystems: a review[J]. Chinese Journal of Applied Ecology, 2015, 26(9): 2881-2890. |
| [46] | 张连凯, 金鑫. 实现碳达峰、碳中和的自然碳汇解决方案[N]. 中国矿业报, 2021-07-30(03). |
| [47] | Climate Council. Deforestation and the carbon cycle[EB/OL]. https://www.climatecouncil.org.au/deforestation/, 2021-08-19. |
| [48] | The Intergovernmental Panel on Climate Change. 2006 IPCC guidelines for national greenhouse gas inventories[EB/OL]. https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol2.html, 2021-10-19. |
| [49] | 中华人民共和国民政部. 中华人民共和国行政区划统计表[EB/OL]. http://xzqh.mca.gov.cn/statistics/2020.html, 2020-12-31. |
| [50] |
林婷, 吴烨, 何晓旖, 等. 中国氢燃料电池车燃料生命周期的化石能源消耗和CO2排放[J]. 环境科学, 2018, 39(8): 3946-3953. Lin T, Wu Y, He X Y, et al. Well-to-wheels fossil energy consumption and CO2 emissions of hydrogen fuel cell vehicles in China[J]. Environmental Science, 2018, 39(8): 3946-3953. |
| [51] | 中华人民共和国财政部, 中华人民共和国工业信息化部, 中华人民共和国科技部, 等. 财政部工业和信息化部科技部、发展改革委关于进一步完善新能源汽车推广应用财政补贴政策的通知[EB/OL]. http://www.mof.gov.cn/gkml/caizhengwengao/wg2021/wg202101/202106/t20210604_3714689.htm, 2021-06-04. |
| [52] | 国务院新闻办公室. 国新办举行上半年工业通信业发展情况新闻发布会[EB/OL]. http://www.scio.gov.cn/xwfbh/xwbfbh/wqfbh/42311/43346/index.htm, 2020-07-31. |