环境科学  2023, Vol. 44 Issue (7): 3637-3648   PDF    
引用本文
向梦宇, 王深, 吕连宏, 张楠, 白梓函. 基于不同电力需求的中国减污降碳协同增效路径[J]. 环境科学, 2023, 44(7): 3637-3648.
XIANG Meng-yu, WANG Shen, LÜ Lian-hong, ZHANG Nan, BAI Zi-han. Synergistic Paths of Reduced Pollution and Carbon Emissions Based on Different Power Demands in China[J]. Environmental Science, 2023, 44(7): 3637-3648.
基于不同电力需求的中国减污降碳协同增效路径
向梦宇, 王深, 吕连宏, 张楠, 白梓函     
中国环境科学研究院, 北京 100012
收稿日期: 2022-07-27; 修订日期: 2022-10-08
基金项目: 中央级公益性科研院所基本科研业务专项(2021YSKY-07); 中央财政科技计划结余经费专项(2021-JY-29)
作者简介: 向梦宇(1998~), 女, 硕士研究生, 主要研究方向为能源与环境经济, E-mail: xiangmycraes@163.com
通信作者: 王深, E-mail: wshen1581@163.com
摘要: 当前我国同时面临改善生态环境质量和实现碳达峰碳中和两大战略任务, 协同推进减污降碳已成为我国经济社会发展全面绿色转型的必然选择, 电力部门在转型过程中将发挥重要作用.面向不同的电力需求情景, 构建低成本实现碳达峰、碳中和的多目标模型, 求解得出减污降碳协同增效最优路径方案.结果表明, 在如期实现碳达峰、碳中和目标的前提下, 减污和降碳协同性较好, 两者协同控制可高效助力低碳转型的实现; 优化电力部门发电结构是实现减污降碳协同增效的关键措施, 研究期火电占比不断下降, 清洁电力占比超过92.5%; 不同电力需求下二氧化碳和主要大气污染物排放量有明显差异, 其中二氧化碳排放量受电力需求影响最大, 低电力需求、中等电力需求和高电力需求情景下峰值二氧化碳排放量分别为94.16亿、104.09亿和107.46亿t, 主要污染物二氧化硫、氮氧化物和颗粒物的排放同样表现出在低电力需求、中等电力需求和高电力需求情景下依次递增的趋势.电力需求的提高仅增加了电力部门内部发电结构调整的压力, 未影响到其他部门的产量和活动水平, 即电力需求导致的电力部门减排压力未表现出部门间传递的趋势.
关键词: 碳达峰      碳中和      减污降碳      多目标规划模型      电力需求     
Synergistic Paths of Reduced Pollution and Carbon Emissions Based on Different Power Demands in China
XIANG Meng-yu , WANG Shen , LÜ Lian-hong , ZHANG Nan , BAI Zi-han     
Chinese Research Academy of Environmental Sciences, Beijing 100012, China
Abstract: Nowadays, China is faced with two strategic tasks: improving ecological environmental quality and realizing carbon neutrality and carbon peaking. Synergy to reduce pollution and carbon emissions has become an inevitable choice for the comprehensive green transition of economic and social development in China. The electric power sector will play an important role in the transition process. Based on different power demand scenarios, a multi-objective model was constructed to achieve carbon peaking and carbon neutrality at a low cost, and the optimal path scheme of carbon emission reduction synergy was obtained. The results showed that under the premise of achieving carbon peaking and carbon neutrality as scheduled, pollution reduction and carbon reduction had good synergies, and their synergistic control could effectively facilitate the realization of the low-carbon transition. Optimizing the power generation structure of the electric power sector was the key measure to achieving the synergistic effect of pollution reduction and carbon reduction. During the study period, the proportion of thermal power decreased continuously, and the proportion of clean power exceeded 92.5%. The emissions of carbon dioxide and major air pollutants were significantly different under different power demands. Carbon dioxide emissions were most affected by power demand. The peak carbon dioxide emissions under low power demand, medium power demand, and high power demand were 9.416 billion, 10.409 billion, and 10.746 billion t, respectively. The emissions of sulfur dioxide, nitrogen oxide, and particulate matter also showed an increasing trend in the low power demand, medium power demand, and high power demand scenarios. The increase in power demand only increased the pressure of power generation structure adjustment within the electric power sector, without affecting the output and activity level of other sectors, that is, the pressure of emission reduction in the electric power sector caused by power demand did not show the trend of transmission between sectors.
Key words: carbon peaking      carbon neutrality      reduce pollution and carbon emissions      multi-objective programming model      demand for electricity     

工业革命后, 全球气温升高速度正在加快, 温室气体导致的气候变化问题成为了世界各国必须面对的重大非传统安全挑战[1].有研究认为温室气体浓度的增加主要由人类活动造成, 世界各国纷纷采取措施, 制定本国温室气体减排目标, 积极应对气候变化问题[2, 3].从总量来看, 中国的二氧化碳排放量约占全球总排放量的30.7%, 位于世界之首[4], 中国的低碳转型迫在眉睫.2020年9月, 中国宣布了2030年前实现碳达峰、2060年前实现碳中和的目标, 将减碳纳入了中国的生态文明整体布局中, 是中国主动应对气候变化的战略之举, 也体现了中国负责任大国的担当.

不同于发达国家先解决污染问题再强化碳排放控制的顺序[5], 我国同时面临着减污和降碳两大环境任务.当前我国正处于打好污染防治攻坚战的关键时期, 污染治理必须摆在生态环境治理的重要位置, 同时碳达峰碳中和目标的实现也面临着巨大的现实挑战[6].考虑到温室气体和主要大气污染物的排放有着同根、同源和同过程的特征[7], 同时实现减污和降碳两大环保任务具有可操作性.2020年7月30日, 国民经济和社会发展“十四五”规划中明确提出“协同推进减污降碳”的要求.这也意味着我国的生态环境保护进入了以降碳为重点, 减污降碳协同治理的新阶段[8].面对新阶段, 我国各部门因能源结构和排放特点不同[9], 将应对不同的挑战.我国各部门中, 电力部门是当前最主要能源消费部门, 我国以煤炭为主的能源结构导致了以火电为主的电力结构, 使其存在巨大的减排潜力.以钢铁和水泥行业为代表的工业部门结构相对稳定, 减排潜力相对固定.建筑供热和交通部门正逐步向新能源转型.

一方面, 电力部门的转型升级在生态环境治理中发挥着至关重要的作用.高煤耗的电力结构以及我国巨大的电力需求使得电力部门成为我国最主要的二氧化碳排放部门和大气污染物排放部门[10].根据IEA报告, 2020年我国电力部门贡献了当年能源行业47%的二氧化碳排放量[11].各部门用能电力化是未来的发展趋势, 因此, 电力部门在减污降碳协同增效的新治理阶段中发挥着重要作用.多个学者和机构从预测未来排放情景、部门能源结构转型和发展低碳技术等方面, 对电力部门的低碳转型进行考察.郝鑫等[12]从电力供应方角度提出了电力行业低碳转型的路径.吴郧等[13]组合多种技术情景, 对电力部门的低碳转型路径和转型成本收益进行了考察.李晖等[14]在碳中和目标下, 对我国电力系统的未来发展进行研判.黄雨涵等[15]梳理了电力部门能源供给、消费侧碳减排和碳移除等技术, 分析了电力部门低碳化技术的发展现状和应用前景.

另一方面, 减污降碳协同增效的研究正在深入开展.现阶段关于“减污降碳协同增效”的研究已经认识到了污染减排措施和减碳措施的正负协同效应[16, 17], 并对协同效应进行定量化评估[18, 19]和实现机制分析[20, 21], 评估减排潜力[22]以及由此产生的环境、健康和社会福利效应等[23].国内研究对重点地区的减污降碳协同效应进行了评估分析[24~26], 也有研究考察了重点排放行业的减污降碳协同效果[27, 28], 如周颖等[29]利用能源环境经济投入产出模型研究了水泥行业主要常规污染物和二氧化碳之间的协同减排方式.同时, 注意到构建减污降碳协同治理制度体系的重要性[30], 李海生等[31]提出以制度建设为保障, 从“源头-过程-末端”全过程一体化构建减污降碳协同制度体系.郑逸璇等[32]梳理了大气环境治理与碳减排的关键协同路径, 并且针对性提出政策措施建议.

考虑电力部门的重要性, 需要考察不同电力需求情景下减污降碳协同增效的路径.因此, 本文设置不同电力需求情景, 构建基于低成本碳中和、碳达峰路径的多目标模型, 考察不同电力需求情景下, 如何推进各部门调整的同时使经济增长保持合理速度, 并求出各情景下成本最低的减污降碳协同增效路径规划方案.

1 材料与方法 1.1 数据来源和情景设定

全规划期为2030~2060年, 包括2030年前碳达峰以及2060年前碳中和目标年份.数据来源于中国统计年鉴(人口、二氧化硫、氮氧化物、颗粒物、森林资源情况、能源消费总量及构成、万元国内生产总值能源消费量、不同类发电装机容量和工业产品产量等数据); 各部门行业发展规划、电力集团公告报告、能源统计年鉴(分行业能源消费总量、人均电力消费量、能源折标准煤参考系数、分行业电力消费总量、消费与国内生产总值增长速度、人均能源生产量和消费量、人均生活用能量和分地区废气中主要污染物排放情况)、电力年鉴和中国低碳年鉴(森林资源面积)[33~37].经过整理, 本研究数据为跨度30 a的面板数据, 来自不同文献的同类或同质性数据以中国统计年鉴为准, 且数据全部来自2020年官方年鉴公布最新数据.

模型以减污降碳协同增效为目标, 在各情景下对能源、交通、工业生产和居民生活等部各门产业结构进行优化, 将资源在各个产业之间优化配置, 实现各部门产业结构低成本绿色转型以及经济高质量增长.

首先依据人口总量、经济增长、能源结构和能源强度等与能源活动和污染物排放的关系, 预测中国未来的能源活动和污染物排放情况, 根据人口总量和经济总量与电力需求的关系来预测未来电力需求, 具体预测方法详见文献[38].进一步, 以预测得出的电力需求结果上下浮动10%为标准[39], 本文设置了基于人口、能源活动和经济状况的高电力需求、中等电力需求和低电力需求3种需求情景, 3种情景之间的差异来源于对我国中长期经济发展速度的考虑.高需求代表的是中国未来保持较快的经济发展速度, 中需求代表较为稳健的经济发展速度, 低需求代表缓慢的经济发展速度.其中, 中等电力需求情景主要预测指标取值如表 1所示.

表 1 主要预测指标取值 Table 1 Value of main predictor

1.2 模型构建

在投入产出模型结果基础上, 建立多目标规划模型, 通过产业结构优化实现GDP稳定、各部门产业绿色转型成本最低、高能耗高排放产业减少、社会能源消费减少、污染物以及碳排放的减少等多个目标, 为我国各部门结构调整提供不同情景下的优化路径.模型以我国2030年前碳达峰以及2060年前碳中和为研究目的设置相应约束条件, 并设置不同电力需求以及各行业的用能新能源比例、污染物控制和碳排放控制等约束条件, 以GDP稳定、各部门产业绿色转型成本最低、高能耗高排放产业减少、社会能源消费减少、污染物以及碳排放的减少等为模型多目标.本研究思路如图 1所示.为了避免重复计算问题, CO2和污染物间接排放的计算均使用处理的排污系数.

图 1 基于不同电力需求的中国减污降碳协同增效路径研究思路 Fig. 1 Research ideas on synergistic paths of pollution reduction and carbon reduction based on different power demands in China

成本最小目标为：

(1)

式中, t表示2021~2060年的跨度, t=1, …, 40; i表示碳排放的主要产业, 其中i=1, …, 4; 1、2、3和4分别表示钢铁、化工、建材和其他用煤产业; j表示发电方式, 其中j=1, …, 4; 1、2、3、4和5分别代表火电、核电、水电、风电和太阳能; k表示供热方式, 其中k=1, 2, 1和2分别表示燃煤供热和非燃煤供热; v表示交通方式, 其中v=1, 2, 1和2分别表示汽油车和新能源汽车; Ei, t表示各行业产业能耗量, t; CEi, t表示行业单位能耗成本, 万元·t-1; Qj, t表示发电量, kW·h; CQj, t表示各发电方式的发电成本, 万元·(kW·h)-1; Hk, t表示供热量, 109 J; CHk, t表示供热成本, 万元·(109 J)-1; TRv, t表示交通运输能耗量, 汽油车为L, 电动汽车为kW·h; CTRv, t表示单位车辆能源成本, 汽油车为万元·L-1, 电动汽车为万元·(kW·h)-1; VEt表示森林面积, m2; CVt表示森林养护成本, 万元·m-2; CCSt表示碳捕集量, t; CSt表示单位碳捕集量的建设以及运行成本, 万元·t-1; ENi, t表示新增产业的生产能耗量, t; CENi, t表示各行业新增生产量单位耗能配套设施建设成本, 万元·t-1; QINj, t表示电力系统新增装机容量, kW; CQNj, t表示电力系统新增装机容量成本, 万元·kW-1; HNk, t表示新增供热量, 109 J; CHNk, t表示单位新增供热量建设成本, 万元·109 J-1; TRNv, t表示新增交通工具能耗量, 汽油车为L, 电动汽车为kW·h; CTRNv, t表示单位新增交通能源成本, 汽油车为万元·L-1, 电动汽车为万元·(kW·h)-1; VENt表示新增植树造林面积, m2; CVNt表示植树造林成本, 万元·m-2.

污染物排放最小目标为：

(2)

式中, p表示污染物种类, p=1, 2, 其中1和2分别表示二氧化硫和氮氧化物; PEi, t, p表示单位各行业产业生产量排污系数; PQj, t, p表示单位发电量排污系数; PHk, t, p表示单位供热量排污系数; PTRv, t, p表示单位交通量排污系数.

碳排放最小目标为：

(3)

式中, CNEi, t表示单位各行业产业生产量二氧化碳排放系数; CNQj, t表示单位发电量二氧化碳排放系数; CNHk, t表示单位供热量二氧化碳排放系数; CNRTv, t表示单位交通量二氧化碳排放系数; βt表示森林单位面积的二氧化碳汇集量, t·m-2.

约束条件如下.

产业能源需求供应约束为：

(4)
(5)
(6)
(7)

式中, DEi, t表示各行业产业生产能源需求量, t; EOi, t表示各行业产业生产自然淘汰量能耗, t.

电力需求供应约束为：

(8)
(9)
(10)
(11)
(12)
(13)
(14)

式中, DQj, t表示需求发电量, kW·h; QIj, t表示实际电力系统装机量, kW; QIOj, t表示自然淘汰发电装机量kW; QIDj, t表示非自然拆除装机量, kW; T表示单位年电力系统机组运行时长, h; ηt表示新能源比例.

供热需求平衡为：

(15)
(16)
(17)
(18)
(19)

式中, DHt表示供热需求, PJ; HNk, t表示新增供热量, PJ; HOk, t表示自然淘汰供热量, PJ; σ表示新能源供热比例.

交通能源供需约束为：

(20)
(21)
(22)
(23)

式中, DTRv, t表示交通能源需求, 汽油车和新能源汽车的交通能源需求单位分别为L和kW·h; TRNv, t表示新增交通能源消费量, 汽油车和新能源汽车的交通能源需求单位分别为L和kW·h; TROv, t表示自然淘汰交通能源消费量, 汽油车和新能源汽车的交通能源需求单位分别为L和kW·h.

植被面积约束为：

(24)
(25)
(26)
(27)

式中, DVEt表示植被需求, m2; VENt表示新增植树造林; γt表示单位面积植被蓄积量的碳汇量, t·m-2; CNVt表示碳汇量下限值, t.

煤炭消费总量控制约束为:

(28)
(29)

式中, CAEi, t表示单位各行业产业生产量煤炭消费量, t; CAQj, t表示单位发电量煤炭消费量, t; CAHk, t表示单位供热量煤炭消费量, t; CAMt表示年煤炭消费总量上限值, t; ψt表示电力系统煤炭消耗规划占比.

污染物排放总量限制为：

(30)
(31)
(32)
(33)
(34)

式中, PMt, p表示各大气污染物总量控制上限, t; PEMt, p表示产业大气污染物总量控制上限, t; PQMt, p表示电力系统大气污染物总量控制上限, t; PHMt, p表示供热系统大气污染物总量控制上限, t; PTRMt, p表示交通大气污染物总量控制上限, t.

各行业碳排放总量控制约束为：

(35)
(36)
(37)
(38)

式中, CMEt表示产业二氧化碳总量控制上限, t; CQMt表示电力系统二氧化碳总量控制上限, t; CHMt表示供热系统二氧化碳总量控制上限, t; CTMt表示交通系统二氧化碳总量控制上限, t.

上述所涉及的约束条件取值均利用kaya方程的扩展形式所得.

2030年碳达峰约束为：

(39)
(40)

2060年碳中和约束为：

(41)
2 结果与讨论

构建多目标规划模型, 计算得出在3种电力需求情景下, 二氧化碳和主要大气污染物减排路径, 在保证行业需求, 满足各项约束情景下得出电力、钢铁、水泥、建筑和交通为代表的各行业结构优化路径.

2.1 重点行业

以钢铁和水泥为代表的工业部门通过强产能控制, 优化生产制造流程, 走高质量和减量化的发展道路.钢铁部门的粗钢生产量和水泥生料的生产量在3种电力需求情景下表现一致, 都呈现出下降趋势(图 2), 说明钢铁和水泥为代表的工业部门产量相对独立, 基本不受电力需求量影响.2030、2035、2040、2045、2050、2055和2060年粗钢生产量分别为: 12.98亿、11.57亿、10.92亿、10.24亿、9.46亿、8.52亿和5.86亿t.2030、2035、2040、2045、2050、2055和2060年水泥生料生产量分别为: 27.17亿、23.99亿、22.55亿、21.01亿、16.46亿、14.22亿和10.09亿t.

图 2 重点年份粗钢产量、水泥产量 Fig. 2 Crude steel output and cement output in key years

钢铁和水泥等传统工业部门结构稳定, 电力需求的变化对其产量和活动水平没有造成明显影响, 因此工业部门依靠调整产量和结构转型应对电力需求变化的潜力有限, 优化用能结构提高终端电力化水平是实现工业部门减污降碳的根本途径.结合已有研究, 保证产量的情况下, 促进能源结构转型有望使工业部门2050年排放量减少5亿t[40], 其中, 对于钢铁部门而言, 短流程电炉炼钢可在2030年贡献减排量59%~72%[41].

电力部门的低碳转型是实现碳中和的重要抓手, 随着主要能源需求部门的电气化水平提高, 零碳电力的实现是能源系统零碳转型的重中之重[42].电力部门在用电需求构成方面发生了很大变化(图 3).本文考察了不同电力需求情景下对于火电、核电、风电、水电和太阳能发电规划发电量的数量和比例变化趋势.燃煤发电是电力部门碳排放的主要来源, 碳中和情景下, 应该严格控制常规煤电项目的建设, 保证燃煤发电所占比例逐渐降低.

图 3 重点年份发电结构 Fig. 3 Power generation structure in key years

低电力需求情景下, 火电规划发电量从2030年的60 627.21亿kW·h下降为2060年的4 350.15亿kW·h, 同时火电规划发电量所占比例逐步下降, 由70.34%下降至6.78%.在中等电力需求的情景下, 2030~2060年, 火电规划发电量从2030年的6 0627.21亿kW·h下降为2060年的5 199.68亿kW·h, 火电规划发电量所占比例分别为63.31%、52.01%、38.77%、25.34%、15.07%、10.18%和7.29%.高电力需求情景下, 火电规划发电量在2030~2035年间先略有上升, 而后显著下降, 从2030年的64 545.29亿kW·h下降为2060年的5 199.68亿kW·h, 2030、2035、2040、2045、2050、2055和2060年火电规划发电量分别为: 64 545.29亿、65 120.52亿、41 929.85亿、24 112.07亿、11 594.21亿、7477.62亿和5 199.68亿kW·h, 火电规划发电量所占比例分别由61.27%下降为6.63%.

2030~2060年是电力部门碳排放快速下降和实现碳中和的阶段[43], 电力生产侧可再生能源的发电量和装机占比不断增加, 灵活电网技术基本成熟.电力部门的碳排放量随着高比例可再生能源的应用而显著下降.碳中和目标下, 核电、风电、水电和太阳能发电规划发电量的数量和比例变化明显, 低电力需求情景下, 核电规划发电量从2030年的1 762.45亿kW·h上升为2060年的3524.90亿kW·h, 水电规划发电量在前期略微上升, 但在2045年后下降.风电规划发电量和太阳能发电规划发电量在前期大幅度上升, 2045~2050年略有下降而后缓慢上升.核电规划发电量所占比例较为稳定; 水电规划发电量所占比例有所波动, 但总体趋势比较稳定.风电和太阳能发电规划发电量所占比例有大幅度增加, 其中风电规划发电量所占比例从2030年的5.81%上升至2060年的38.01%, 太阳能发电规划发电量所占比例由2030年的5.59%上升至2060年的34.22%.

中等电力需求情景下, 核电规划发电量从2030年的1 762.45亿kW·h上升为2060年的3 524.90亿kW·h.水电规划发电量从2030年的13 975.77亿kW·h上升为2060年的15 589.72亿kW·h.风电规划发电量和太阳能发电规划发电量在前期大幅度上升, 2045年后略有下降.核电规划发电量所占比例较为稳定, 略有上升; 水电规划发电量所占比例有所波动, 但总体而言略有上升.风电和太阳能发电规划发电量所占比例有大幅度增加, 其中风电规划发电量所占比例从2030年的7.86%上升至2060年的34.21%, 太阳能发电规划发电量所占比例由2030年的12.4%上升至2060年的31.68%.

高电力需求情景下, 核电规划发电量略有上升, 从2030年的1 762.45亿kW·h上升为2060年的3 524.90亿kW·h.水电规划发电量略微上升, 从2030年的13 975.77亿kW·h上升为2060年的15 589.72亿kW·h.风电和太阳能发电规划发电量在前期大幅度上升, 2045年后略有下降.核电规划发电量在总用电需求中所占比例较小, 并且有小幅度上升, 从2030年的1.67%上升为2060年的4.5%; 水电规划发电量所占比例有所波动, 但总体占比有所上升.风电规划发电量所占比例在2030~2035年间略有下降, 随后大幅度上升, 太阳能发电规划发电量所占比例有大幅度增加, 其中风电规划发电量所占比例从2030年的12.52%上升至2060年的31.10%, 太阳能发电规划发电量所占比例有2030年的11.27%上升至2060年的37.89%.

在建筑部门的建筑供热方面(图 4), 北方冬季的供暖和供热是建筑部门主要的碳排放来源.碳达峰碳中和目标下, 建筑供热进行电力化和清洁化改造, 燃煤供热量不断下降而新能源供热量不断增加.从总量来看, 在2045年, 新能源供热量为6 494.65亿kW·h超过供热量为5 944.7亿kW·h的燃煤供热量.从燃煤供热和新能源供热所占比例来看, 燃煤供热所占比例不断下降而新能源供热所占比例不断上升, 在2045年, 新能源供热所占比例为52%, 超过所占比例为48%的燃煤供热, 成为主要供热来源.

图 4 重点年份建筑供热构成 Fig. 4 Building heating composition in key years

在交通方面(图 5), 客货运周转量与国民经济有着密切的相关关系[44], 交通需求量的增加要求从燃料替代、交通运输结构优化和降低能耗这3个方面入手, 实现交通部门低碳转型.其中, 电气化是交通运输的重要减排手段, 电动汽车能效比传统汽车高出一半[45], 新能源汽车尤其是电动汽车的推广对交通业的二氧化碳减排贡献最为显著, 到2030年可贡献55%的碳减排量[46].3种情景下, 燃油汽车与新能源汽车能耗量和能耗所占比例不断变化.受碳达峰目标约束, 燃油汽车能耗量于2030年实现达峰, 燃油汽车能耗量(以标准煤计, 下同)在2040年前呈现下降趋势, 2030年为3.62亿t, 2035年为3.24亿t, 在2040年以后稳定在0.8亿t; 同时新能源汽车作为传统燃油汽车的替代品, 其能耗量在2030~2060年间不断上升, 能耗量所占比例不断上升, 而燃油汽车能耗量所占比例不断下降.

图 5 重点年份交通能耗构成 Fig. 5 Composition of transportation energy consumption in key years

各部门结构差异较大, 考虑部门联动效应可发现, 电力需求的增加造成了一定程度的二氧化碳排放量和主要大气污染物的增加, 但因电力部门内部结构调整以及减污降碳协同控制措施, 污染物排放可控制在合理的范围内, 二氧化碳和大气污染物排放量增加的压力并没传递到别的部门, 因此保证了部门间减排压力的相对独立, 减排问题的复杂性与难度也保持在可控范围内.

2.2 大气污染物排放特征

人类的能源生产和消费活动是大气污染物的主要排放来源.不同电力需求情景下能源使用数量与结构的差别使得大气污染物呈现出不同排放路径.

从二氧化硫排放量来看(图 6), 低电力需求情景下, 二氧化硫排放量呈现下降趋势, 并在2040~2045年间出现大幅度下降.2030、2035、2040、2045、2050、2055和2060年的二氧化硫排放量分别为: 383.73万、363.34万、330.57万、179.06万、149.79万、130.41万和98.47万t.中等电力需求和高电力需求情景下, 二氧化硫排放量同样呈现下降趋势, 并在2040~2045年间出现大幅度下降.逐年排放量略高于低电力需求情景下排放量.

图 6 二氧化硫排放量 Fig. 6 Sulfur dioxide emissions

在氮氧化物排放中(图 7), 工业源排放占比为42%, 交通源排放占比为35%, 火力发电排放占比为19%, 民用源排放占比为4%. 3种电力需求情景下氮氧化物排放量均在2045年前呈现快速下降趋势, 在2045~2060年呈现平稳下降趋势.不同电力需求对于氮氧化物的排放量影响较小, 2050年后, 3种电力需求下氮氧化物排放量的差距不超过1万t.

图 7 氮氧化物排放量 Fig. 7 Nitrogen oxide emissions

从颗粒物排放量来看(图 8), 3种情景下颗粒物排放量呈现出相同下降趋势, 并在2040~2045年间出现大幅度下降, 大气污染物末端治理技术的成熟使得污染物排放量下降幅度增加.如在低电力需求情景下, 2030、2035、2040、2045、2050、2055和2060年颗粒物排放量分别为: 857.55万、813.08万、775.14万、381.17万、326.03万、292.35万和227.09万t.但比较而言, 电力需求情景下的颗粒物排放量差距较小, 最大差距不超过2.5万t, 在减排后期, 差距不足0.5万t, 电力需求影响可忽略不计.

图 8 颗粒物排放量 Fig. 8 Particulate emissions

2.3 二氧化碳排放特征

从二氧化碳排放量来看(图 9), 在低电力需求的情景下, 2030~2060年期间, 二氧化碳排放量呈现明显的下降趋势, 2030、2035、2040、2045、2050、2055和2060年的二氧化碳排放量分别为: 94.16亿、87.50亿、73.58亿、52.18亿、37.01亿、27.88亿和21.68亿t.在中等电力需求的情景下, 二氧化碳排放量呈现明显的下降趋势, 2030、2035、2040、2045、2050、2055和2060年的二氧化碳排放量分别为: 104.09亿、97.91亿、73.58亿、52.18亿、37.01亿、30.29亿和22.02亿t.高电力需求的情景下, 二氧化碳排放量呈现明显的下降趋势, 2030、2035、2040、2045、2050、2055和2060年的二氧化碳排放量分别为: 107.46亿、103.00亿、73.58亿、52.18亿、37.01亿、30.29亿和22.02亿t.根据多阶段混合主导型碳中和实现模式碳中和目标实现过程分解(MMCN)[47], 可将2020~2060年按照减排特征划分为3个阶段, 其中可将本文研究期间划分为2个阶段, 2031~2045阶段的目标是快速大幅降低碳排放量, 2046~2060阶段目标是深度脱碳和低碳, 本研究结果显示前期阶段受到电力需求的影响明显大于后期阶段, 因此应抓住前期减排关键期, 控制合理电力需求.

图 9 二氧化碳排放量 Fig. 9 Carbon dioxide emissions

3种电力需求情景下二氧化碳排放量均在2030年到达顶峰后, 随后可实现平稳下降, 避免了断崖式下降现象的出现, 证明我国2030年、2060年的碳达峰、碳中和时间节点设定合理.本文得出峰值碳排放量为94.16~107.46亿t, 对比已有研究和报告, 结果比较一致, 皆认为中国可在2025~2030年间实现碳达峰, 峰值碳排放量在94~110亿t之间[48~50].到2060年剩余碳排放量为21.68~22.02亿t[51, 52], 考虑各项负排放技术, 中国可以在承诺年份实现全社会碳中和.

3 结论

(1) 减污和降碳协同效果较好, 减碳目标约束下, 二氧化碳、二氧化硫、氮氧化物和颗粒物的排放都呈现出明显的下降趋势, 减污和降碳具有协同治理的巨大潜力.其中二氧化碳排放量受电力需求影响最大, 受电力需求影响最为显著的阶段是碳中和前期阶段, 此阶段的目标是大幅度降低碳排放量.由于减污工作起步较早, 减污技术发展成熟, 不同电力需求情景下其他大气污染物排放量差距不大.因此应该将减污降碳协同增效的重点放在降碳环节.

(2) 减污降碳协同增效的关键举措在于优化电力部门能源结构.减污和降碳目标下, 用电需求结构发生很大变化, 火电规划发电量明显下降, 到2060年, 低电力需求情景下, 火电规划发电量占比由70.34%下降至6.78%, 中等电力需求情景下, 火电规划发电量占比由63.31%下降至7.29%.高电力需求情景下, 火电规划发电量占比由61.27%下降至6.63%.3种情景下清洁电力规划发电量占比均超过92.5%, 低电力需求情景下, 清洁电力规划发电量占比为93.22%, 中等电力需求情景下, 清洁电力规划发电量占比为92.71%, 高电力需求情景下, 清洁电力规划发电量占比为93.37%, 其中太阳能发电和风电是主要的清洁电力来源.

(3) 电力部门的低碳转型对于碳排放和大气污染物总量控制起着较大作用.低电力需求情景下峰值二氧化碳排放量为94.16亿t, 中等电力需求情景下峰值二氧化碳排放量为104.09亿t, 高电力需求情景下峰值二氧化碳排放量为107.46亿t.因此, 控制用电总量和改善发电结构是控制污染物排放的关键影响因素, 且电力行业转型技术成熟, 电力结构转型可行性高.减污降碳需形成以电力转型为主的规划路径.

(4) 各部门结构差异较大, 电力需求的增加造成了一定程度的二氧化碳排放量和主要大气污染物排放量的增加, 对于电力部门而言, 部门内部发电能源结构调整可行性大, 电力部门需要及时调整发电结构来分散电力需求增加造成的减污降碳压力.观察不同情景下其他部门的产量和活动水平, 工业、建筑和交通部门结构稳定, 减排潜力有限, 电力需求的变化对于工业、建筑和交通等部门活动基本没有造成影响, 因此可认为部门间减排压力独立性较强, 本文研究的电力需求变化幅度造成的电力部门减排压力没有传导给其他部门.因此, 在满足人口变化和经济发展的电力需求的前提下, 想要保证减污降碳, 可优先考虑由电力部门承担相应减排压力.

参考文献
[1] 李政, 张东杰, 潘玲颖, 等. "双碳"目标下我国能源低碳转型路径及建议[J]. 动力工程学报, 2021, 41(11): 905-909, 971.
Li Z, Zhang D J, Pan L Y, et al. Low-carbon transition of China's energy sector and suggestions with the 'carbon-peak and carbon-neutrality' target[J]. Journal of Chinese Society of Power Engineering, 2021, 41(11): 905-909, 971.
[2] 张楠, 吕连宏, 王斯一, 等. 基于文献计量分析的碳中和研究进展[J]. 环境工程技术学报, 2023, 13(2): 464-472.
Zhang N, Lü L H, Wang S Y, et al. Analysis of research progress in carbon neutrality based on bibliometrics[J]. Journal of Environmental Engineering Technology, 2023, 13(2): 464-472.
[3] 邓明君, 罗文兵, 尹立娟. 国外碳中和理论研究与实践发展述评[J]. 资源科学, 2013, 35(5): 1084-1094.
Deng M J, Luo W B, Yin L J. A systematic review of international theory, Research and Practice on Carbon Neutrality[J]. Resources Science, 2013, 35(5): 1084-1094.
[4] BP. Statistical review of world energy[EB/OL]. https://www.bp.com/en/global/corporate/energy-economics/statistical-review-of-world-energy/downloads.html, 2022-05-10.
[5] 熊华文. 减污降碳协同增效的能源转型路径研究[J]. 环境保护, 2022, 50(1-2): 35-40.
Xiong H W. The study on energy transformation path of achieving synergizing the reduction of pollution and carbon emissions[J]. Environmental Protection, 2022, 50(1-2): 35-40.
[6] 张楠, 张保留, 吕连宏, 等. 碳达峰国家达峰特征与启示[J]. 中国环境科学, 2022, 42(4): 1912-1921.
Zhang N, Zhang B L, Lü L H, et al. Peaking characteristics and enlightenment based on carbon peak countries[J]. China Environmental Science, 2022, 42(4): 1912-1921. DOI:10.3969/j.issn.1000-6923.2022.04.049
[7] 顾斌杰, 赵海霞, 骆新燎, 等. 基于文献计量的减污降碳协同减排研究进展与展望[J]. 环境工程技术学报, 2023, 13(1): 85-95.
Gu B J, Zhao H X, Luo X L, et al. Research progress and prospect of collaborative emissions reduction of pollution and carbon dioxide emissions based on bibliometrics[J]. Journal of Environmental Engineering Technology, 2023, 13(1): 85-95.
[8] 于雷, 牛韧, 薛强, 等. "三线一单"减污降碳协同管控的基本思路与建议[J]. 环境影响评价, 2022, 44(2): 28-33, 38.
Yu L, Niu R, Xue Q, et al. Fundamental considerations and suggestions of synergetic control of the "three lines one permit" and pollution and carbon reduction[J]. Environmental Impact Assessment, 2022, 44(2): 28-33, 38.
[9] Zhang N, Lv L H, Zhao M X, et al. A comparative study of stage characteristics and factorial decomposition of CO2 emissions between China and the USA[J]. Environmental Science and Pollution Research, 2022, 29(32): 48769-48783. DOI:10.1007/s11356-022-18811-0
[10] 王丽娟, 张剑, 王雪松, 等. 中国电力行业二氧化碳排放达峰路径研究[J]. 环境科学研究, 2022, 35(2): 329-338.
Wang L J, Zhang J, Wang X S, et al. Pathway of carbon emission peak in China's electric power industry[J]. Research of Environmental Sciences, 2022, 35(2): 329-338.
[11] IEA. An energy sector roadmap to carbon neutrality in China[EB/OL]. https://www.iea.org/reports/an-energy-sector-roadmap-to-carbon-neutrality-in-china, 2022-06-12.
[12] 郝鑫, 孔英. 电力行业碳中和的实现路径与对策[J]. 开放导报, 2021(5): 28-36.
Hao X, Kong Y. Path and solution of carbon neutralization in electric power industry[J]. China Opening Journal, 2021(5): 28-36. DOI:10.3969/j.issn.1004-6623.2021.05.005
[13] 吴郧, 余碧莹, 邹颖, 等. 碳中和愿景下电力部门低碳转型路径研究[J]. 中国环境管理, 2021, 13(3): 48-55.
Wu Y, Yu B Y, Zou Y, et al. The path of low-carbon transformation in China's power sector under the vision of carbon neutrality[J]. Chinese Journal of Environmental Management, 2021, 13(3): 48-55.
[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] 黄雨涵, 丁涛, 李雨婷, 等. 碳中和背景下能源低碳化技术综述及对新型电力系统发展的启示[J]. 中国电机工程学报, 2021, 41(S1): 28-51.
Huang Y H, Ding T, Li Y T, et al. Decarbonization technologies and inspirations for the development of novel power systems in the context of carbon neutrality[J]. Proceedings of the CSEE, 2021, 41(S1): 28-51.
[16] 郑佳佳, 孙星, 张牧吟, 等. 温室气体减排与大气污染控制的协同效应——国内外研究综述[J]. 生态经济, 2015, 31(11): 133-137.
Zheng J J, Sun X, Zhang M Y, et al. Review of researches on the synergistic effect of GHGs mitigation and air pollution control at home and abroad[J]. Ecological Economy, 2015, 31(11): 133-137. DOI:10.3969/j.issn.1671-4407.2015.11.030
[17] 叶芳羽, 单汨源, 李勇, 等. 碳排放权交易政策的减污降碳协同效应评估[J]. 湖南大学学报(社会科学版), 2022, 36(2): 43-50.
Ye F Y, Shan M Y, Li Y, et al. An evaluation of the synergistic effect of air pollutants and carbon reduction of the carbon emissions trading policy[J]. Journal of Hunan University (Social Sciences), 2022, 36(2): 43-50.
[18] Liu T L, Song Q J, Lu J Q, et al. An integrated approach to evaluating the coupling coordination degree between low-carbon development and air quality in Chinese cities[J]. Advances in Climate Change Research, 2021, 12(5): 710-722.
[19] 贾璐宇, 王艳华, 王克, 等. 大气污染防治措施二氧化碳协同减排效果评估[J]. 环境保护科学, 2020, 46(6): 19-26, 43.
Jia L Y, Wang Y H, Wang K, et al. Evaluation of carbon dioxide coordination emission reduction based on national air pollution control plan[J]. Environmental Protection Science, 2020, 46(6): 19-26, 43.
[20] 白梓函, 吕连宏, 赵明轩, 等. 中国对外直接投资的减污降碳效应及其实现机制[J]. 环境科学, 2022, 43(10): 4408-4418.
Bai Z H, Lü L H, Zhao M X, et al. Pollution and carbon reduction effect of OFDI in China and its mechanism[J]. Environmental Science, 2022, 43(10): 4408-4418.
[21] 田丹宇, 常纪文. 大气污染物与二氧化碳协同减排制度机制的建构[J]. 法学杂志, 2021, 42(4): 101-107.
Tian D Y, Chang J W. Construction on collaborative emission reduction of air pollutants and carbon dioxide[J]. Law Science Magazine, 2021, 42(4): 101-107.
[22] 谢元博, 李巍. 基于能源消费情景模拟的北京市主要大气污染物和温室气体协同减排研究[J]. 环境科学, 2013, 34(5): 2057-2064.
Xie Y B, Li W. Synergistic emission reduction of chief air pollutants and greenhouse gases based on scenario simulations of energy consumptions in Beijing[J]. Environmental Science, 2013, 34(5): 2057-2064.
[23] 毛显强, 曾桉, 胡涛, 等. 技术减排措施协同控制效应评价研究[J]. 中国人口·资源与环境, 2011, 21(12): 1-7.
Mao X Q, Zeng A, Hu T, et al. Study of coordinate control effect assessment of technological measures for emissions reduction[J]. China Population, Resources and Environment, 2011, 21(12): 1-7.
[24] 刘茂辉, 岳亚云, 刘胜楠, 等. 基于STIRPAT模型天津减污降碳协同效应多维度分析[J]. 环境科学, 2023, 44(3): 1277-1286.
Liu M H, Yue Y Y, Liu S N, et al. Multi-dimensional analysis of the synergistic effect of pollution reduction and carbon reduction in Tianjin based on the STIRPAT model[J]. Environmental Science, 2023, 44(3): 1277-1286.
[25] 俞珊, 张双, 张增杰, 等. 北京市减污降碳协同控制情景模拟和效应评估[J]. 环境科学, 2023, 44(4): 1998-2008.
Yu S, Zhang S, Zhang Z J, et al. Scenario simulation and effects assessment of co-control on pollution and carbon emissions reduction in Beijing[J]. Environmental Science, 2023, 44(4): 1998-2008.
[26] 唐湘博, 张野, 曹利珍, 等. 中国减污降碳协同效应的时空特征及其影响机制分析[J]. 环境科学研究, 2022, 35(10): 2252-2263.
Tang X B, Zhang Y, Cao L Z, et al. Spatio-Temporal characteristics and influencing mechanism of synergistic effect of pollution and carbon emission reduction in China[J]. Research of Environmental Sciences, 2022, 35(10): 2252-2263.
[27] Zhou K L, Yang S L, Shen C, et al. Energy conservation and emission reduction of China's electric power industry[J]. Renewable and Sustainable Energy Reviews, 2015, 45: 10-19.
[28] Uherek E, Halenka T, Borken-Kleefeld J, et al. Transport impacts on atmosphere and climate: land transport[J]. Atmospheric Environment, 2010, 44(37): 4772-4816.
[29] 周颖, 张宏伟, 蔡博峰, 等. 水泥行业常规污染物和二氧化碳协同减排研究[J]. 环境科学与技术, 2013, 36(12): 164-168.
Zhou Y, Zhang H W, Cai B F, et al. Synergetic reduction of local pollutants and CO2 from cement industry[J]. Environmental Science & Technology, 2013, 36(12): 164-168.
[30] 姜华, 高健, 阳平坚. 推动减污降碳协同增效建设人与自然和谐共生的美丽中国[J]. 环境保护, 2021, 49(16): 17-19.
Jiang H, Gao J, Yang P J. Promote co-control of air pollutants and GHGs to build a beautiful China with harmonious coexistence between human and nature[J]. Environmental Protection, 2021, 49(16): 17-19.
[31] 李海生, 陈胜, 吴丰成, 等. 协同创新科技助力打赢蓝天保卫战[J]. 环境保护, 2021, 49(7): 8-11.
Li H S, Chen S, Wu F C, et al. Collaborative innovations and technological boost to beat air pollution[J]. Environmental Protection, 2021, 49(7): 8-11.
[32] 郑逸璇, 宋晓晖, 周佳, 等. 减污降碳协同增效的关键路径与政策研究[J]. 中国环境管理, 2021, 13(5): 45-51.
Zheng Y X, Song X H, Zhou J, et al. Synergetic control of environmental pollution and carbon emissions: pathway and policy[J]. Chinese Journal of Environmental Management, 2021, 13(5): 45-51.
[33] 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2005-2020.
[34] 国家统计局能源统计司. 中国能源统计年鉴[M]. 北京: 中国统计出版社, 2005-2020.
[35] 《中国电力年鉴》编辑委员会. 中国电力年鉴[M]. 北京: 中国电力出版社, 2005-2020.
[36] 《中国低碳年鉴》编委会. 中国低碳年鉴[M]. 北京: 中国财政经济出版社, 2005-2020.
[37] 国家电网公司. 国家电网有限公司社会责任报告[EB/OL]. http://www.sgcc.com.cn/html/files/2022-07/21/20220721120427708767768.pdf, 2022-04-20.
[38] 王深, 吕连宏, 张保留, 等. 基于多目标模型的中国低成本碳达峰、碳中和路径[J]. 环境科学研究, 2021, 34(9): 2044-2055.
Wang S, Lü L H, Zhang B L, et al. Multi objective programming model of low-cost path for China's peaking carbon dioxide emissions and carbon neutrality[J]. Research of Environmental Sciences, 2021, 34(9): 2044-2055.
[39] 邱波, 赵勇, 夏清. 我国中长期电力需求增长趋势研究[J]. 中国能源, 2018, 40(11): 21-27.
Qiu B, Zhao Y, Xia Q. Research on the growth trend of medium and long-term power demand in China[J]. Energy of China, 2018, 40(11): 21-27.
[40] 刘俊伶, 夏侯沁蕊, 王克, 等. 中国工业部门中长期低碳发展路径研究[J]. 中国软科学, 2019(11): 31-41, 54.
Liu J L, Xiahou Q R, Wang K, et al. Study on mid-and long-term low carbon development pathway of China's industry sector[J]. China Soft Science, 2019(11): 31-41, 54.
[41] 汪旭颖, 李冰, 吕晨, 等. 中国钢铁行业二氧化碳排放达峰路径研究[J]. 环境科学研究, 2022, 35(2): 339-346.
Wang X Y, Li B, Lü C, et al. China's iron and steel industry carbon emissions peak pathways[J]. Research of Environmental Sciences, 2022, 35(2): 339-346.
[42] 丁甜甜, 李玮. 经济增长与减排视角下电力行业碳峰值预测[J]. 科技管理研究, 2019, 39(18): 246-253.
Ding T T, Li W. Peak forecast of carbon emissions in the power industry from the perspective of economic growth and emission reduction[J]. Science and Technology Management Research, 2019, 39(18): 246-253.
[43] Wang C, Sun R S, Zhang J T. Supportive technologies and roadmap for China's carbon neutrality[J]. China Economist, 2021, 16(5): 32-70.
[44] 刘建翠. 中国交通运输部门节能潜力和碳排放预测[J]. 资源科学, 2011, 33(4): 640-646.
Liu J C. Energy saving potential and carbon emissions prediction for the transportation sector in China[J]. Resources Science, 2011, 33(4): 640-646.
[45] 袁志逸, 李振宇, 康利平, 等. 中国交通部门低碳排放措施和路径研究综述[J]. 气候变化研究进展, 2021, 17(1): 27-35.
Yuan Z Y, Li Z Y, Kang L P, et al. A review of low-carbon measurements and transition pathway of transport sector in China[J]. Climate Change Research, 2021, 17(1): 27-35.
[46] 黄志辉, 纪亮, 尹洁, 等. 中国道路交通二氧化碳排放达峰路径研究[J]. 环境科学研究, 2022, 35(2): 385-393.
Huang Z H, Ji L, Yin J, et al. Peak pathway of China's road traffic carbon emissions[J]. Research of Environmental Sciences, 2022, 35(2): 385-393.
[47] 李勇, 高岚. 中国"碳中和"目标的实现路径与模式选择[J]. 华南农业大学学报(社会科学版), 2021, 20(5): 77-93.
Li Y, Gao L. Implementation path and mode selection of China's carbon neutralization goal[J]. Journal of South China Agricultural University (Social Science Edition), 2021, 20(5): 77-93.
[48] 中国碳中和与清洁空气协同路径年度报告工作组. 中国碳中和与清洁空气协同路径(2021)[EB/OL]. http://www.ccapp.org.cn/dist/reportInfo/276, 2022-05-30.
[49] 项目综合报告编写组. 《中国长期低碳发展战略与转型路径研究》综合报告[J]. 中国人口·资源与环境, 2020, 30(11): 1-25.
[50] 全球能源互联网发展合作组织. 《中国2060年前碳中和研究报告》[EB/OL]. https://www.geidco.org.cn/html/qqnyhlw/zt20210120_1/index.html, 2022-05-30.
[51] 张希良, 黄晓丹, 张达, 等. 碳中和目标下的能源经济转型路径与政策研究[J]. 管理世界, 2022, 38(1): 35-51.
Zhang X L, Huang X D, Zhang D, et al. Research on the pathway and policies for China's energy and economy transformation toward carbon neutrality[J]. Journal of Management World, 2022, 38(1): 35-51.
[52] WRI. 零碳之路: "十四五"开启中国: 绿色发展新篇章[EB/OL]. https://wri.org.cn/research/accelerating-net-zero-transition-strategic-action-for-china%E2%80%99s-14th-five-year-plan, 2022-06-17.