2024, Vol. 45
当今世界全球变暖问题严重, IPCC发布的第六次评估报告中称2011~2020年期间, 全球地表温度比前10年升高了1.09℃[1], CO2是大气中含量最多的温室气体, 所以碳减排尤为重要.国际能源署发布的《2022年全球二氧化碳排放》报告中显示2022年电力和热力行业的CO2排放量达到146亿t, 约占全球与能源相关的CO2排放量的40%[2].根据中国电力企业联合会公布2018年中国电力行业CO2排放量为41.41亿t, 占全国碳排放总量的44%[3].电力行业碳减排意义重大.
“零碳”电厂是通过改进生产方式、清洁能源替代火力发电等方式减少并抵消电厂产生的CO2或其他的温室气体排放量, 通过正负抵消达到相对的“零碳”排放, 而并不是电厂完全不排放CO2[4].“零碳”企业的建设具有重要的环境、经济和社会意义, 减排措施可分为结构减排、技术减排和工程减排.
结构减排是通过增加清洁能源发电比重实现减排, 清洁能源发电比传统化石燃料燃烧发电要低碳环保[5], 具有很高的碳减排潜力[6].一次能源结构的变化可以降低碳强度[7], 增加清洁能源所占的比重是减少工业生产产生CO2的重要途径.
技术减排是对燃煤电厂设备改造升级降低CO2排放强度, 燃煤电厂改造设备主要是汽轮机和机组.参照《国家重点节能低碳技术推广目录》[8]减排潜力和推广率较高的设备改造技术有汽轮机通流部分现代化改造、火电厂烟气综合优化系统余热深度回收技术和纯凝汽轮机组改造实现热电联产技术等.但仅依靠设备局部改造和优化碳减排量有限, 因此, 电厂可更换高参数发电机组.目前, 我国火力发电主力机组是600℃等级大容量超超临界发电机组, 其发电效率在43.8%~45.4%之间.随着技术进步, 未来火力发电主力机组技术将会是更高参数的630℃、760℃等级超超临界发电技术, 先进的超超临界发电技术发电效率可达到50%以上, 供电煤耗可降低至250 g·（kW·h）-1以下[9].
工程减排是通过实施工程项目降低CO2排放量.CCUS技术是CO2深度减排的关键技术, CCUS技术主要包含碳捕集、碳利用与碳封存技术.现在运行的碳捕集项目大多运用的是化学吸收法与物理吸附法[10].中石化和华能等企业采用的是化学吸收法.在碳利用方面CO2可转化为醇类、胺类和酯类等有机化工产品[11], 最典型的碳资源化利用是合成尿素和水杨酸[12].碳封存技术中目前采用最多的是地质封存[13], 分布地区地质利用与封存条件优良的电厂可采用.CO2驱油（CO2-EOR）封存是一项新兴的碳中和技术[14], 可将电厂排放的烟气中的CO2液化后输送至油区驱油封存.但CCUS技术成本较高, 目前我国的CCUS项目净减排成本（以CO2计）为120~730元·t-1[15].
目前, 针对碳排放量预测、碳中和路径探索方面已有大量研究.现有研究主要集中于国家、省市及行业.在国家层面上, Huang等[16]结合LMDI分解法与LEAP模型预估全国能源消费产生CO2排放量, 并分析研究影响CO2排放量的关键因素. Fang等[17]利用灰色预测和非线性自回归神经网络相结合预测全国碳达峰时间.陈喜阳等[18]运用基于两层“分解-集成”策略的IPSO-MLR-LSTM模型预测在不同情景下我国2021~2035年的碳排放量和能耗.关于省市尺度的研究, 基本集中在碳达峰预测及驱动因素分析等方面.Sun等[19]采用STIRPAT模型预测中国各省的碳排放轨迹, 研究碳达峰的峰值及碳中和的可行性和时间.Zhang等[20]结合情景分析法和STIRPAT模型对2020~2040年安徽省碳排放量进行评价预测, 探索全省低碳发展路径.苗安康等[21]构建了江苏省LEAP-Jiangsu模型, 结合改进的多层对数平均迪氏分解模型、减污降碳协同效应模型和Tapio脱钩模型探索碳达峰路径. Liu等[22]利用LEAP模型分析了不同城市的碳中和路径. Wu等[23]运用STIRPAT模型研究青岛市CO2排放量与不同驱动因素之间的关系. Zhang等[24]以西安市为例利用Kaya恒等式和LMDI分解法研究碳排放的驱动因素, 并运用情景分析法预估碳达峰的大致时间.目前行业领域主要针对电力、钢铁及交通等行业开展研究.在2℃目标下, Liu等[25]运用能源系统模型研究行业层面的低碳转型路径, 预计电力行业碳减排贡献率最大.庞可等[26]构建了兰州市道路交通发展的LEAP模型并利用情景分析法评估各项政策和措施下的能耗及碳减排效果. Wei等[27]借助LEAP模型探讨钢铁行业碳减排政策影响. Zheng等[28]利用时间序列分析方法建立电力行业碳排放预测模型, 分别预测在有碳达峰目标和无碳达峰目标时的CO2排放量.
综上所述, 当前研究集中于国家、省市及行业, 对具体电厂的研究较少.本文通过核算电厂的CO2排放量和清洁能源减排量了解电厂的碳排放现状, 并利用LEAP模型研究电厂的减排潜力与碳中和路径, 以期为选取的典型电厂及相似的综合性电厂制定碳中和路径提供思路.
1 材料与方法 1.1 数据来源本文选取的研究对象为某国有发电企业, 电厂现有发电类型有燃煤发电、水力发电和光伏发电.通过实地考察, 收集整理燃煤电厂的发电煤耗、装机容量等生产数据及典型电厂中清洁能源装机容量、发电量等数据, 核算电厂近几年碳排放量和清洁能源发电减排量.以当地人民政府办公厅印发的可再生能源发展“十四五”规划、《2030年前碳达峰行动方案》[29]和《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》[30]等文件中提出的量化指标为依据结合所在地的地理气候条件对电厂进行碳中和规划和路径探索.
1.2 研究方法 1.2.1 碳排放核算本文运用《中国发电企业温室气体排放核算方法与报告指南（试行）》[31]的核算方法核算燃煤电厂主要的碳排放环节燃料燃烧、脱硫及外购电力过程产生的碳排放量.其中化石燃料燃烧过程产生的CO2排放量按照公式（3）计算：
|
(1) |
|
(2) |
|
(3) |
式中, E燃烧为燃料燃烧过程产生的CO2排放量, t；ADi为燃料种类i的活动水平, GJ；EFi为燃料类型i的排放因子（以CO2计）, t·GJ-1；FCi为核算时间内燃料类型i的消耗量；NCVi为燃料类型i的平均低位发热量, 采用企业实测数值；CCi为燃料类型i的单位热值含碳量（以C计）, t·GJ-1；OFi为燃料类型i的碳氧化率, %；44/12为二氧化碳与碳的分子量之比.单位热值含碳量与碳氧化率运用的是《省级温室气体清单编制指南》[32]的缺省值.
脱硫和外购电环节产生的CO2排放量同样按照《中国发电企业温室气体排放核算方法与报告指南（试行）》[31]中核算方法计算, 脱硫过程的排放因子和脱硫剂中碳酸盐含量数值均采用报告中的缺省值, 计算外购电过程产生的CO2排放量的电力排放因子运用的是《省级温室气体清单编制指南》[32]的缺省值.
1.2.2 清洁能源发电减排量计算对于清洁能源发电减排量计算, 目前的研究主要分为计算清洁能源发电量代替燃煤发电排放量与计算清洁能源系统减排潜力这两种方法[33].
本研究选用估算清洁能源发电减排量的主流方法, 用清洁能源发电代替燃煤发电产生的CO2排放量来计算.由于清洁能源在发电过程中自身不产生CO2排放, 因此对清洁能源减排量的计算可以转化为计算清洁能源的发电量进入电网后所避免当地电厂生产同等电量所产生的CO2排放量[33].
1.2.3 电力企业碳减排潜力分析根据以上“零碳”企业建设各种实施路径, 利用情景分析法和LEAP模型法研究电厂的碳减排潜力.情景分析法是一种定量的预测手段, 可用于预测目标未来的发展趋势[34], 实现具体问题的多角度分析.LEAP模型可根据对未来经济发展趋势和能源需求的预测及相关政策规划, 对不同的减碳方案进行详细的环境分析和预测[35].LEAP模型现在的研究集中于国家[36]、省市[37, 38]及城市[39, 40], 对具体电厂的研究稍有欠缺.使用情景分析法与LEAP模型结合的方法对电厂碳排放进行预测, 可以反映出可持续发展的不同路径选择, 为碳中和计划的制订和实施提供依据.
LEAP模型依据公式（4）计算电力企业CO2排放量：
|
(4) |
式中, TCEpg为发电过程中CO2排放总量（其中pg表示发电过程）；ICkpg为燃料类型为k的装机容量, 包括风电、水电、光伏、煤炭和天然气；EGHk为电源类型k的等效发电小时数；EFk为燃料类型k的排放因子, 表示每单位发电量的碳排放量, 来源于IPCC排放因子数据库.
2 结果与讨论 2.1 碳排放现状 2.1.1 碳排放现状与碳排放强度影响因素目前该电力企业中燃煤电厂具有2组350 MW超临界燃煤发电机组和相关配套设施, 电厂暂无供热, 所用煤通过火车铁路输送.燃煤电厂自2021年6月正式开工, 本文核算了2021年6月至2023年7月燃煤电厂的碳排放量, 主要碳排放环节的月平均碳排放量如图 1所示, 2022年和2023年的月平均碳排放量相对于2021年分别下降了2.93万t和2.64万t, 2022年和2023年外购电过程产生的碳排放量相对于2021年大幅增加, 燃煤是主要的CO2排放环节, 碳排放量占总排放量的98%.
|
图 1 各排放环节的月平均碳排放量 Fig. 1 Monthly average carbon emissions by emission link |
燃煤电厂碳排放强度是单位时间内生产每度电所产生的碳排放量, 碳排放强度受多种因素影响.由图 2可以看出单位月份用煤量多时碳排放强度相对较小, 单位月份用煤量少时碳排放强度相对较大, 即单位时间内燃煤量多时电厂生产每度电所产生的CO2排放量相对较少.除此以外, 碳排放强度还与机组运行负荷、机组类型、燃煤品质、排烟方式和环境温度等有关, 在机组容量增大、机组运行负荷增加、锅炉蒸汽参数提高及运行负荷增大时, 碳排放强度降低[41].所以燃煤电厂可以通过淘汰落后机组, 使用容量大及参数高的机组集中燃烧发电降低碳排放强度, 从而减少电厂碳排放量.
|
图 2 CO2排放强度随用煤量变化 Fig. 2 Change in CO2 emission intensity with coal consumption |
清洁能源发电量所替代的减排潜力计算涉及到CO2排放系数的问题.CO2排放系数是指混合电厂（使用多种化石燃料）发1 kW·h的电能平均产生的CO2排放量, CO2的排放系数（以CO2计, 下同）的单位是kg·（kW·h）-1.《省级温室气体清单编制指南》[32]中南方区域的CO2的排放系数的参考值为0.714 kg·（kW·h）-1, 根据燃煤电厂的CO2排放量与发电量计算燃煤电厂的平均CO2排放系数为0.859 kg·（kW·h）-1.根据参考值计算清洁能源代替所在南方区域发电量的减排潜力, 根据典型电厂中燃煤电厂的平均CO2排放系数计算清洁能源发电代替其燃煤电厂的减排潜力.目前该电厂的清洁能源有水电和光伏发电, 如图 3所示, 比较得知清洁能源代替电厂中燃煤电厂发电的减排潜力大, 所以典型电厂发展清洁能源代替燃煤发电意义重大, 同时需要重视燃煤电厂火电机组灵活性改造和节能减排技术实施.
|
图 3 清洁能源发电量所替代的减排潜力 Fig. 3 Emission reduction potential displaced by clean energy generation |
基于LEAP模型并结合典型国企电厂的具体情况和特点, 本研究建立了LEAP-典型电厂模型, 其路径分析框架如图 4所示.
|
图 4 LEAP-典型电厂模型结构示意 Fig. 4 LEAP-typical power plant model structure schematic |
根据电厂的实际情况和相关政策规划对电厂碳中和路径进行探索, 本文中以2022年为基准年, 分别设置了基准情景、能源结构调整情景、技术进步情景和综合情景4个情景.
基准情景：按照所在地区的政策规划引导的减排情景, 根据企业所在地区已有的“十四五”发展规划和2035年远景目标纲要及能源发展“十四五”规划, 按照过去的发展趋势进行, 没有实施进一步的减排措施.
能源结构调整情景：目前我国还是以火力发电和水力发电为主, 而新能源发电占比还较低.国家统计局数据显示我国清洁能源比重逐年上升, 2021年, 燃煤发电装机容量占总装机的46.7%, 非化石能源装机占比47%. 2022年燃煤发电装机占比降至43.8%, 非化石能源装机占比提高到49.6%.根据我国“双碳目标”, 到2060年, 非石化能源消费比重要占到80%以上, 在未来风、光等新能源发电要占到总发电量的50%以上.
电厂现主要是传统水力发电和燃煤发电, 化石能源装机占比44.37%, 非化石能源装机占比55.63%.选取电厂所在地区水力资源扩大开发空间较小.根据国家能源局《风电场工程风能资源测量与评估技术规范》[42], 该地区大部分属低风速地区, 但山区风能资源较好, 也可发展海上风电.太阳能资源很丰富, 平均太阳辐射量4 000 MJ·m-2左右, 可大力发展光伏发电.
该情景只考虑能源结构调整的情况, 在参照《2030年前碳达峰行动方案》[29]、《“十四五”可再生能源发展规划》[43]及《电力行业“十四五”发展规划研究》[44]等相关政策文件与研究成果中能源结构发展规划的基础上, 根据上述所在地区气候地理条件发展可再生能源代替燃煤发电.留部分燃煤机组可作为备用机组弥补特定时段内的电力的负荷缺口[45]. 具体各装机占比如表 1所示.
|
表 1 能源结构调整情景的装机占比/% Table 1 Proportion of installed capacity in the energy structure adjustment scenario/% |
技术进步情景：国家能源局数据显示, 全国2020~2022年6 000 kW及以上火电厂的供电煤耗（以标准煤计, 下同）分别为305.5、302.5和301.5 g·（kW·h）-1, 供电煤耗持续下降.国家发展改革委发布的《全国煤电机组改造升级实施方案》[46]中指出, 2025年全国火电平均供电煤耗降至300 g·（kW·h）-1以下.经计算典型电厂的煤耗高于全国平均供电煤耗, 为降低电厂煤耗需对火电厂设备进行改造升级.
运用汽轮机通流部分现代化改造技术、火电厂烟气综合优化系统余热深度回收技术和汽轮机汽封改造等技术, 对燃煤发电机组灵活性改造, 满足《全国煤电机组改造升级实施方案》[46]的发展要求, 使电厂供电煤耗降至300 g·（kW·h）-1标准煤以下, 根据煤耗与发电效率换算公式[47], 计算相应的发电效率, 后发展超超临界技术, 把电厂超临界机组换为发电效率为50%的630 ℃等级的超超临界机组[48].
CCUS是国际公认的碳减排最有效和最有潜力的一种碳减排技术[49], 在发电和工业过程中可以大幅度降低化石燃料燃烧产生的碳排放量.国家能源集团、华电和中石化等发电企业已开展CCUS技术研究和项目投产并取得了显著成果[50 ~ 52].设置典型电厂逐步部署CCUS项目.
综合情景：综合情景同时考虑能源结构调整和技术进步情景, 在增加新能源比例的同时, 对电厂技术升级改造.详细的情景设置如表 2所示. 4个情景的电源结构如图 5所示.
|
|
表 2 情景设置 Table 2 Scenario setting |
|
图 5 不同情景下的电源结构 Fig. 5 Power supply structure in different scenarios |
不同情景下主要年份的能源消费结构如图 6所示, 能源消费量均以标煤计.总体来看, 4个情景消费的能源主要是风能、水能和煤炭.在基准情景下基准年消耗131万t标煤, 从基准年到2060年煤炭的能源消费量逐年增加, 到2060年达233万t.在能源结构调整情景下煤炭消费量逐年明显下降, 可再生能源消费比例逐年增加, 到2060年可再生能源消费占比达98.67%.在技术进步情景下, 煤炭消费占比逐年下降, 至2060年煤炭消费占比为19.97%.能源结构调整和电厂设备改造升级等措施的综合作用下, 在综合情景下2060年煤炭的消费量仅占总消费量的1.27%.
|
图 6 不同情景的能源消费结构 Fig. 6 Energy consumption structure in different scenarios |
各情景的CO2排放情况如图 7所示, CO2排放量的变化与能源消费结构中煤炭的消费量变化规律相似.在基准情景下, CO2排放量逐年增加, 2060年排放量达314.3万t.技术进步情景由于供电煤耗降低和CCUS项目开发CO2排放量下降, 但由于未缩减燃煤电厂规模, 后期CO2排放量有上升趋势.能源结构调整情景和综合情景的CO2排放量逐年下降, 尤其综合情景CO2排放量下降趋势明显.与基础情景相比, 2030年能源结构调整情景、技术进步情景与综合情景的CO2减排量分别为76.88万、25.34万和87.33万t.2060年, 在能源结构调整和技术进步情景下发电部门碳排放总量比基准情景分别降低75.97%和54.55%, 综合情景下, 约在2056年电厂的碳排放量为零.
|
图 7 各情景下企业碳排放情况预测 Fig. 7 Projections of corporate carbon emissions under various scenarios |
《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[53]中设定的“十四五”发展目标为单位国内生产总值CO2排放降低18%.综合情景下电厂到2025年CO2排放量较基准年降低19%并可提前实现碳中和目标, 建议企业以综合情景设置进行碳中和规划.
根据典型电厂LEAP模型的预测结果, 能源结构调整情景的碳减排潜力较大, 所以缩减燃煤电厂规模, 增加可再生能源发电占比对“零碳”电厂建设意义重大.电厂所在地区临海, 可大力发展海上风电, 厂区所在地太阳能资源丰富, 可在厂区屋顶安装分布式光伏.同时技术进步情景减排效果也较明显, 现在企业燃煤电厂的供电煤耗较高, 可通过淘汰落后机组更换超超临界发电机组或对电厂机组进行灵活性改造来降低供电煤耗, 并积极开发CCUS项目, 实现绝对减排.电力企业也可通过购买绿电绿证、CCER项目等快捷方式实现企业的相对减排.
3 结论（1）通过核算企业近几年的碳排放量与清洁能源发电减排量了解企业现状, 得到结果：企业供电煤耗高于全国火电厂平均供电煤耗, 电厂的平均CO2排放系数高于所在区域的CO2的排放系数.并探究了碳排放强度影响因素, 发现单位时间内用煤量越多碳排放强度越小, 除此之外碳排放强度还与机组运行负荷、机组类型等有关.
（2）利用LEAP模型, 预测了4种不同情景下典型电力企业的能源消费量与CO2排放量, 预测结果显示在基准情景下电力企业的CO2排放量呈现持续增长趋势.2060年, 在能源结构调整和技术进步情景下发电部门碳排放总量比基准情景分别降低75.97%和54.55%, 可见清洁能源替代对碳减排意义重大.在综合情景下, 在2056年左右电厂可实现“零碳”排放.
（3）根据对典型电厂碳排放预测的分析, 为与典型电厂类似的混合电厂提出以下建议：①缩减燃煤发电规模是电厂实现“零碳”的前提条件, 同时淘汰落后机组, 更换容量大、参数高的超超临界发电机组, 提升机组运行负荷, 并对火电机组灵活性改造降低供电煤耗, 提高发电效率, 使发电CO2排放强度减小.②根据所在的地理气候条件, 发展适合的清洁能源, 增加可再生能源装机占比和发电量.③在为确保发电稳定性而保留一定比例的火力发电的情况下, 开发CCUS项目是建设“零碳”电厂的必要条件.
| [1] | 刘兰. 全球极端天气走向常态化[J]. 生态经济, 2021, 37(9): 5-8. |
| [2] | IEA. CO2 emissions in 2022[EB/OL]. https://iea.blob.core.windows.net/assets/3c8fa115-35c4-4474-b237-1b00424c8844/CO2Emissionsin2022.pdf, 2023-03-02. |
| [3] | 中电联理事会. 中国电力行业年度发展报告2019[EB/OL]. https://fw.cec.org.cn/mall/#/description?goodsId=101, 2019-06-01. |
| [4] |
刘洋. 工业企业创建"零碳"工厂路径研究[J]. 上海节能, 2023(1): 30-34. Liu Y. Research on path of industrial enterprises to create "zero carbon" factories[J]. Shanghai Energy Conservation, 2023(1): 30-34. |
| [5] | Parida B, Iniyan S, Goic R. A review of solar photovoltaic technologies[J]. Renewable and Sustainable Energy Reviews, 2011, 15(3): 1625-1636. DOI:10.1016/j.rser.2010.11.032 |
| [6] |
郭敏晓. 风力、光伏及生物质发电的生命周期CO2排放核算[D]. 北京: 清华大学, 2011. Guo X M. The life cycle accounting of CO2 emissions for wind, PV and biomass power generation in China[D]. Beijing: Tsinghua University, 2011. |
| [7] | Fan Y, Liu L C, Wu G, et al. Changes in carbon intensity in China: Empirical findings from 1980-2003[J]. Ecological Economics, 2007, 62(3-4): 683-691. DOI:10.1016/j.ecolecon.2006.08.016 |
| [8] | 国家发展改革委. 国家重点节能低碳技术推广目录[EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/gg/201601/W020190905485560483834.pdf, 2015-12-30. |
| [9] | 陈硕翼, 朱卫东, 张丽, 等. 先进超超临界发电技术发展现状与趋势[J]. 科技中国, 2018(9): 14-17. DOI:10.3969/j.issn.1673-5129.2018.09.005 |
| [10] |
胡道成, 王睿, 赵瑞, 等. 二氧化碳捕集技术及适用场景分析[J]. 发电技术, 2023, 44(4): 502-513. Hu D C, Wang R, Zhao R, et al. Research on carbon dioxide capture technology and suitable scenarios[J]. Power Generation Technology, 2023, 44(4): 502-513. |
| [11] | Khalilpourmeymandi H, Mirvakili A, Rahimpour M R, et al. Application of response surface methodology for optimization of purge gas recycling to an industrial reactor for conversion of CO2 to methanol[J]. Chinese Journal of Chemical Engineering, 2017, 25(5): 676-687. DOI:10.1016/j.cjche.2016.10.020 |
| [12] |
张娟利, 杨天华. 二氧化碳的资源化化工利用[J]. 煤化工, 2016, 44(3): 1-5, 15. Zhang J L, Yang T H. Chemical utilization of carbon dioxide as a resource[J]. Coal Chemical Industry, 2016, 44(3): 1-5, 15. DOI:10.3969/j.issn.1005-9598.2016.03.001 |
| [13] | Nocito F, Dibenedetto A. Atmospheric CO2 mitigation technologies: carbon capture utilization and storage[J]. Current Opinion in Green and Sustainable Chemistry, 2020, 21: 34-43. DOI:10.1016/j.cogsc.2019.10.002 |
| [14] |
张志升, 吴向阳, 林千果, 等. CO2驱油封存泄漏的环境风险评估和预警体系研究[J]. 环境工程, 2023, 41(S2): 762-766. Zhang Z S, Wu X Y, Lin Q G, et al. Study on environmental risk assessment and warning system of CO2 leakage during CO2-EOR and storage[J]. Environmental Engineering, 2023, 41(S2): 762-766. |
| [15] |
张贤, 李阳, 马乔, 等. 我国碳捕集利用与封存技术发展研究[J]. 中国工程科学, 2021, 23(6): 70-80. Zhang X, Li Y, Ma Q, et al. Development of carbon capture, utilization and storage technology in China[J]. Strategic Study of CAE, 2021, 23(6): 70-80. |
| [16] | Huang Y M, Wang Y, Peng J T, et al. Can China achieve its 2030 and 2060 CO2 commitments? Scenario analysis based on the integration of LEAP model with LMDI decomposition[J]. Science of the Total Environment, 2023, 888. DOI:10.1016/j.scitotenv.2023.164151 |
| [17] | Fang G C, Wang L, Gao Z Y, et al. How to advance China's carbon emission peak?— A comparative analysis of energy transition in China and the USA[J]. Environmental Science and Pollution Research, 2022, 29(47): 71487-71501. DOI:10.1007/s11356-022-20958-9 |
| [18] |
陈喜阳, 周程, 王田. 多情景视角下中国能源消费和碳达峰路径[J]. 环境科学, 2023, 44(10): 5464-5477. Chen X Y, Zhou C, Wang T. China's energy consumption and carbon peak path under different scenarios[J]. Environmental Science, 2023, 44(10): 5464-5477. |
| [19] | Sun L L, Cui H J, Ge Q S. Will China achieve its 2060 carbon neutral commitment from the provincial perspective?[J]. Advances in Climate Change Research, 2022, 13(2): 169-178. DOI:10.1016/j.accre.2022.02.002 |
| [20] | Zhang K R, Jiang L Y, Jin Y Z, et al. The carbon emission characteristics and reduction potential in developing areas: case study from Anhui province, China[J]. International Journal of Environmental Research and Public Health, 2022, 19(24). DOI:10.3390/ijerph192416424 |
| [21] |
苗安康, 袁越, 吴涵, 等. 中国省域碳达峰路径与政策[J]. 环境科学, 2023, 44(8): 4623-4636. Miao A K, Yuan Y, Wu H, et al. Pathway and policy for China's provincial carbon emission peak[J]. Environmental Science, 2023, 44(8): 4623-4636. |
| [22] | Liu Y Y, Chen S, Jiang K J, et al. The gaps and pathways to carbon neutrality for different type cities in China[J]. Energy, 2022, 244. DOI:10.1016/j.energy.2021.122596 |
| [23] | Wu C B, Huang G H, Xin B G, et al. Scenario analysis of carbon emissions' anti-driving effect on Qingdao's energy structure adjustment with an optimization model, Part Ⅰ: Carbon emissions peak value prediction[J]. Journal of Cleaner Production, 2018, 172: 466-474. DOI:10.1016/j.jclepro.2017.10.216 |
| [24] | Zhang Y, Zhang Y X, Zhang Y J, et al. Analysis of the carbon emission driving factors and prediction of a carbon peak scenario--A case study of Xi'an city[J]. Heliyon, 2022, 8(11). DOI:10.1016/j.heliyon.2022.e11753 |
| [25] | Liu J L, Yin M J, Xia-Hou Q R, et al. Comparison of sectoral low-carbon transition pathways in China under the nationally determined contribution and 2 ℃ targets[J]. Renewable and Sustainable Energy Reviews, 2021, 149. DOI:10.1016/j.rser.2021.111336 |
| [26] |
庞可, 张芊, 马彩云, 等. 基于LEAP模型的兰州市道路交通温室气体与污染物协同减排情景模拟[J]. 环境科学, 2022, 43(7): 3386-3395. Pang K, Zhang Q, Ma C Y, et al. Forecasting of emission co-reduction of greenhouse gases and pollutants for the road transport sector in Lanzhou based on the LEAP model[J]. Environmental Science, 2022, 43(7): 3386-3395. |
| [27] | Wei P B, Cui H R, Gang M Q. Scenario analysis of energy conservation and CO2 emissions reduction policies in china's iron and steel sector[J]. Polish Journal of Environmental Studies, 2017, 26(5): 2307-2317. DOI:10.15244/pjoes/70175 |
| [28] | Zheng B, Wang S, Xu J X. A review on the CO2 emission reduction scheme and countermeasures in China's energy and power industry under the background of carbon peak[J]. Sustainability, 2022, 14(2). DOI:10.3390/su14020879 |
| [29] | 国务院. 国务院关于印发2030年前碳达峰行动方案的通知[EB/OL]. https://www.gov.cn/gongbao/content/2021/content_5649731.htm, 2021-10-24. |
| [30] | 国务院. 中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见[EB/OL]. https://www.gov.cn/zhengce/2021-10/24/content_5644613.htm, 2021-09-22. |
| [31] | 国家发展改革委. 中国发电企业温室气体排放核算方法与报告指南(试行)[EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201311/W020190905508183676844.pdf, 2013-10-15. |
| [32] | 国家发展改革委. 《省级温室气体清单编制指南》[EB/OL]. http://www.edcmep.org.cn/tzh/ptfb/zcbz/202106/P020210601177040314696.pdf, 2011-03-17. |
| [33] |
牟初夫, 王礼茂, 屈秋实, 等. 主要新能源发电替代减排的研究综述[J]. 资源科学, 2017, 39(12): 2323-2334. Mou C F, Wang L M, Qu Q S, et al. Review of emission reduction research on major new energy generation[J]. Resources Science, 2017, 39(12): 2323-2334. |
| [34] |
李闻卓, 郭健翔, 王心竹, 等. 基于扩展STIRPAT模型与情景分析法的青岛市能源消费碳排放预测及减碳措施研究[J]. 青岛理工大学学报, 2023, 44(3): 74-82. Li W Z, Guo J X, Wang X Z, et al. Research on energy consumption carbon emission forecasting and carbon reduction strategies in Qingdao based on extended STIRPAT model and scenario analysis method[J]. Journal of Qingdao University of Technology, 2023, 44(3): 74-82. DOI:10.3969/j.issn.1673-4602.2023.03.010 |
| [35] |
马晓明, 段滢, 李鑫, 等. 深圳市电力部门碳减排路径研究[J]. 生态经济, 2018, 34(2): 24-29. Ma X M, Duan Y, Li X, et al. Research on the carbon mitigation path of power sector in Shenzhen[J]. Ecological Economy, 2018, 34(2): 24-29. |
| [36] | Song T, Zou X L, Wang N, et al. Prediction of China's carbon peak attainment pathway from both production-side and consumption-side perspectives[J]. Sustainability, 2023, 15(6). DOI:10.3390/su15064844 |
| [37] | Duan H Y, Zhang S P, Duan S Y, et al. Carbon emissions peak prediction and the reduction pathway in buildings during operation in Jilin province based on LEAP[J]. Sustainability, 2019, 11(17). DOI:10.3390/su11174540 |
| [38] | Yang R P, Wang M, Zhao M X, et al. Synergic benefits of air pollutant reduction, CO2 emission abatement, and water saving under the goal of achieving carbon emission peak: The case of Tangshan City, China[J]. International Journal of Environmental Research and Public Health, 2022, 19(12). DOI:10.3390/ijerph19127145 |
| [39] | Li L, Li J F, Peng L, et al. Optimal pathway to urban carbon neutrality based on scenario simulation: A case study of Shanghai, China[J]. Journal of Cleaner Production, 2023, 416. DOI:10.1016/j.jclepro.2023.137901 |
| [40] | Sun W J, Zhao Y, Li Z, et al. Carbon emission peak paths under different scenarios based on the LEAP Model-A case study of Suzhou, China[J]. Frontiers in Environmental Science, 2022, 10. DOI:10.3389/fenvs.2022.905471 |
| [41] |
马学礼, 王笑飞, 孙希进, 等. 燃煤发电机组碳排放强度影响因素研究[J]. 热力发电, 2022, 51(1): 190-195. Ma X L, Wang X F, Sun X J, et al. Influence factors of carbon emission intensity of coal-fired power units[J]. Thermal Power Generation, 2022, 51(1): 190-195. |
| [42] | NB/T 31147-2018, 风电场工程风能资源测量与评估技术规范[S]. |
| [43] | 国家发展改革委, 国家能源局等. "十四五"可再生能源发展规划[EB/OL]. http://zfxxgk.nea.gov.cn/1310611148_16541341407541n.pdf, 2022-06-01. |
| [44] | 中电联理事会. 电力行业"十四五"发展规划研究[EB/OL]. https://cec.org.cn/detail/index.html?3-297199, 2020-12-31. |
| [45] |
金宇航, 朱佳斌, 刘亦芳, 等. 电力行业碳达峰碳中和实施路径研究[J]. 现代工业经济和信息化, 2023, 13(3): 178-180, 195. Jin Y H, Zhu J B, Liu Y F, et al. Study on the implementation path of carbon reaching peak and carbon neutralization in electric power industry[J]. Modern Industrial Economy and Informationization, 2023, 13(3): 178-180, 195. |
| [46] | 国家发展改革委. 全国煤电机组改造升级实施方案[EB/OL]. https://www.ndrc.gov.cn/xwdt/tzgg/202111/P020211103333106064137.pdf, 2021-11-03. |
| [47] |
蒋明昌, 庄彩丽. 关于发电厂全厂效率计算的探讨[J]. 中国电力, 1997, 30(4): 62-65, 76. Jiang M C, Zhuang C L. Study and discussion on efficiency calculation of whole power plant[J]. Electric Power, 1997, 30(4): 62-65, 76. |
| [48] |
翟璇, 侯明军, 袁永强, 等. 超50%效率的630℃等级燃煤机组关键技术研究[J]. 东方汽轮机, 2021(4): 35-40. Zhai X, Hou M J, Yuan Y Q, et al. Key technology of 630℃ coal-fired units with over 50% efficiency[J]. Dongfang Turbine, 2021(4): 35-40. |
| [49] |
赵震宇, 姚舜, 杨朔鹏, 等. "双碳"目标下: 中国CCUS发展现状、存在问题及建议[J]. 环境科学, 2023, 44(2): 1128-1138. Zhao Z Y, Yao S, Yang S P, et al. Under goals of carbon peaking and carbon neutrality: status, problems, and suggestions of CCUS in China[J]. Environmental Science, 2023, 44(2): 1128-1138. |
| [50] |
魏宁, 姜大霖, 刘胜男, 等. 国家能源集团燃煤电厂CCUS改造的成本竞争力分析[J]. 中国电机工程学报, 2020, 40(4): 1258-1265. Wei N, Jiang D L, Liu S N, et al. Cost competitiveness analysis of retrofitting CCUS to coal-fired power plants[J]. Proceedings of the CSEE, 2020, 40(4): 1258-1265. |
| [51] |
孙路长, 王争荣, 吴冲, 等. 燃煤电厂万吨级碳捕集工程设计与运行优化研究[J]. 华电技术, 2021, 43(6): 69-78. Sun L C, Wang Z R, Wu C, et al. Research on operation optimization of a 10000 t/a carbon capture project for coal-fired power plants[J]. Huadian Technology, 2021, 43(6): 69-78. DOI:10.3969/j.issn.1674-1951.2021.06.009 |
| [52] |
陆诗建, 黄凤敏, 李清方, 等. 燃烧后CO2捕集技术与工程进展[J]. 现代化工, 2015, 35(6): 48-52. Lu S J, Huang F M, Li Q F, et al. Advances in technology and project of post-combustion CO2 capture[J]. Modern Chemical Industry, 2015, 35(6): 48-52. |
| [53] | 国家发展改革委. 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL]. https://www.gov.cn/xinwen/2021-03/13/content_5592681.htm, 2021-03-13. |