2021, Vol. 42
2. 国家能源集团科学技术研究院有限公司, 南京 210023;
3. 中国气象局科技与气候变化司, 北京 100081;
4. 湖南中环领航环保科技有限公司, 长沙 410011
2. China Energy Investment Corporation Science and Technology Research Institute Co., Ltd., Nanjing 210023, China;
3. Department of Science & Technology and Climate Change, China Meteorological Administration, Beijing 100081, China;
4. Hunan Zhonghuan Linghang Environmental Protection Technology Co., Ltd., Changsha 410011, China
长期以来, 火电行业一直是我国烟尘、二氧化硫(SO2)和氮氧化物(NOx)等大气污染物排放的主要来源.经多年努力, 火电厂大气污染物减排总量可观, 但是随着经济发展, 因各行各业各类污染源排放的各种大气污染物, 形成复合污染的危害仍然存在, 环境形势依然严峻[1, 2].
2014年, 所有现有火电厂均已全部执行被称为“史上最严”的火电厂大气污染物排放标准(GB 13223-2011)[3, 4], 2015年全面实施燃煤电厂超低排放和节能改造工作方案(环发[2015]164号)[5]发布, 标志着我国燃煤发电行业正式踏入“超低排放时代”, 一大批火电企业积极响应, 率先进行了超低排放改造, 全国火电行业烟尘、SO2和NOx的排放量以及排放绩效均出现显著下降, 随着超低排放的全面推进, 在随后几年中, 火电大气污染物总体排放水平保持着持续下降的趋势[6~9].
然而, 在习近平新时代生态文明思想和“绿水青山就是金山银山”理论指导下, 继续加强大气污染防治, 未来电力行业究竟还有多少减排潜力, 在碳达峰与碳中和的国家战略下, 火电厂污染物排放标准又将如何发展等问题, 在政府管理部门、电力与污染治理行业和科研机构, 以及社会公众等各方面都受到广泛关切[10~17].本研究以超低排放开始全面推行的2016年火电行业烟尘、SO2和NOx排放水平为基准, 从我国“十四五”及2035年远景目标经济发展[18]预测出发, 结合碳减排战略目标下能源与电力发展的既有与强化政策情景[19, 20], 基于弹性系数法[21]预测电力需求, 根据污染物排放标准约束要求的发展趋势, 测算火电大气污染物排放情况及减排潜力, 对火电厂污染物排放标准限值的修订进行探讨.
1 材料与方法 1.1 预测模型的建立影响火电行业大气污染物的排放的因素主要包括: 社会经济发展及其对电力的需求程度、电力产业结构、大气污染防治科技支撑能力、环保产业发展与污染治理工程水平, 以及大气污染防治政策实施、监督执法等环境管理措施等.综上, 火电行业大气污染物的减排, 是在全国电力需求1个增项和通过结构减排、科技减排、工程减排、管理减排这4个减项的综合作用下来实现, 其中电力需求的增项又分解为经济增长及其对电力增长的需求度两个指标, 即:
|
(1) |
式中, ΔEi为第i年电力行业某大气污染物相对于基准年的减排量, E0为基准年电力行业某大气污染物排放量, Elc为基准年电力行业火电发电量, G为经济增长率(GDP因素), e为电力消费弹性系数(经济增长对电力增长的需求度, 其值为年度电力消费增长率与当年GDP增长率之比), S为结构减排因素, ST为科技减排因素, EN为工程减排因素, M为管理减排因素.
其中, 依靠科技进步, 采取经济、技术、工程和法律等手段来减少污染物产生与排放, 即科技、工程和管理减排最终均以执行更低的污染物排放标准并实现达标排放来体现, 其转化为可量化的污染物排放强度指标, 即公式(1)中的ST、EN和M综合转化为排放绩效(ep), 预测某年某大气污染物排放总量可表述为:
|
(2) |
式中, Ei为第i年电力行业某大气污染物预测排放量, Elci-1为第i-1年电力消费量; Gi为预测第i年GDP增速, ei为预测第i年电力弹性系数, Si为预测第i年火电发电量占发电总量的比例, epi为预测第i年某污染物排放绩效.
某年某大气污染物相对于基准年的减排潜力表述为:
|
(3) |
我国经济在经过改革开放后30多年的高速增长后进入经济发展新常态阶段[22~24], 由过去单一追求GDP数量向追求GDP数量和质量协调发展方向转变, 在经济结构调整[25]上主要体现为对高耗能落后产业的不断淘汰, 逐步改变传统的不平衡、不协调和不可持续的粗放增长模式, 低能耗环保友好可持续发展的新兴产业得到发展.转向新常态不是短期的调整, 而是中央对当前中国经济增长阶段变化规律更加深刻认识, 而确定的我国今后经济发展的阶段特征.因此, 本文以经济发展新常态为基本立足点, 预测我国“十四五”乃至今后更长时间段的经济增长速度.现以2019年和2020年[26]为基础, 预设“十四五”至2035年期间低速、中速和高速这3种GDP增长情景如表 1所示.
|
表 1 GDP增速、电力消费弹性系数和火电比重情景预测 Table 1 Scenario prediction of GDP growth, electricity consumption elasticity coefficient, and thermal power proportion |
1.3 电力消费弹性系数的确定 1.3.1 电力消费弹性系数历史规律
电力消费弹性系数[21]是指一段时间内电力消费增长速度与国民生产总值增长速度的比值, 用以评价电力与经济发展之间的总体关系.在同一国家的不同发展阶段, 电力消费弹性系数会出现较大的差别, 其受到能源结构、产业结构、居民生活水平和科技进步等多个因素的综合影响, 反映出社会经济发展对电力工业和电力生产需求的宏观特征.经查国家统计局年度数据[27], 图 1展示了我国自2001年以来我国电力消费弹性系数的变化情况.
|
图 1 我国2001~2019年电力消费弹性系数 Fig. 1 Electricity consumption elasticity coefficient of China from 2001 to 2019 |
本世纪初期, 在经济持续高速增长和电力工业、电气化水平快速发展的背景下, 以电力消费拉动经济增长的现象明显[16, 28~31].从图 1中可以看出, 在进入21世纪的前几年, 我国电力消费快速增长, 其增速大于GDP增速, 电力消费弹性系数最高达1.56, 随后回落至1以下, 2009年后又再次出现升高-回落-升高的现象, 呈现出以7 a为周期的波动规律, 但随着经济结构不断优化调整, 我国国民经济发展对电力需求增长的依赖逐步减小, 尤其是进入经济新常态后, 总体上呈逐渐下降趋势, 2012~2019年间电力需求弹性系数平均值降至0.79左右, 经济社会发展与电力消费的关联性逐渐趋于弱化.本文对2001年以来电力消费弹性系数7 a移动平均值采用线性回归模型建模, 经模型比较发现样本数据显示出良好的半对数线性关系, 构建模型为:
|
(4) |
式中, Y为自2001年起第X个7年移动平均电力消费弹性系数; X取自然数列1, 2, 3, …, 如2007年X取1、2008年X取2, 以此类推; μ为误差项.
通过模型计算, α1=1.288 9, α2=-0.172, 模型的样本相关系数R2=0.98, 预测平均误差μ=±0.02, 进一步对模型进行总体相关性t-检验, 令:
|
(5) |
式中, t为t-检验统计量; R2为模型样本相关系数; n为样本量, 本文取13.
经计算得到预测模型t值为23.58, 大于在0.01显著性水平下的t0.01(13)=3.01, 预测模型通过了总体的线性相关性检验.
1.3.2 既有政策情景下的趋势预测随着经济结构调整的持续深入及能源利用效率的提高, 在不改变既有的能源、电力发展政策, 即本文所称“既有政策”的情况下, 我国电力需求弹性系数将进一步降低, 且保持如1.3.1节所预测的相对稳定的周期性变化规律, 假设该周期性规律可持续到2030年前后, 利用公式(4)的模型预测出2001年后第X个7 a移动平均电力消费弹性系数后, 可计算出2020年及以后逐年电力消费弹性系数, 再计算得到“十四五”和“十五五”期间平均电力消费弹性系数, 并假设“十六五”期间继续延续前两个5 a阶段的平均变化趋势(如表 1).
1.3.3 碳减排强化政策情景下的趋势修正2020年9月22日, 习近平主席在第75届联合国大会一般性辩论上郑重宣布[19], 中国CO2排放力争在2030年前达到峰值, 努力争取2060年前实现碳中和, 在12月12日的气候雄心峰会上进一步宣布到2030年[20], 单位国内生产总值CO2排放将比2005年下降65%以上.在此宏伟的碳达峰碳中和目标下, 我国在能源、电力发展领域将采取一系列政策调整, 即本文所称“强化政策”, 能源消费结构必然将发生重大变化[32~34], 居民生活、交通运输和工业生产等方方面面将迎来新一轮的去碳化和电气化发展高潮, 社会经济发展将再次提高与电力消费的密切关联.在碳达峰与碳中和强化政策情景下, 预测我国电力消费弹性系数需在1.3.2节预测基础上进行适当修正, 居民生活和交通运输领域的电气化和去碳化过程将率先进行, 其他工业行业也将逐步加快进程, 本文假设“十四五”、“十五五”和“十六五”期间平均电力消费弹性系数在1.3.2节预测基础上分别提高0.05、0.10和0.15(如表 1).
1.4 火电发电量占比的确定 1.4.1 火电发电量占比历史规律经查国家统计局年度数据[35], 统计出如图 2所示的自2001年以来我国火电发电量占发电总量比例的变化情况.在21世纪的前10 a, 火电发电量占比长期稳定在80%以上, 到2010年后出现了明显的逐年下降趋势.电源结构的调整带动电量结构的变化, 近年来我国非化石能源发电比重持续上升[36], 火电发电量占比年均下降约1.2%, 2012年开始火电比重降至80%以下, 并保持着稳定的降幅, 根据我国“十三五”能源发展规划和电力发展规划, 非化石能源发电加快发展, 煤电规划进一步优化建设时序, 加快淘汰落后产能, 促进煤电清洁高效发展, 到2020年煤电装机规模实际达成了控制在11亿kW以内的目标.本文以2011年后火电发电量占比采用线性回归模型建模:
|
(6) |
|
图 2 我国2000~2019年火电发电量占发电总量的比例 Fig. 2 Proportion of thermal power generation in total power generation in China from 2000 to 2019 |
式中, Y为X年度我国火电发电量占全国发电总量的比例; X取自然数列2011, 2012, 2013, …; μ为误差项.
通过模型计算, β1=2 891.7, β2=-1.398, 模型相关系数R2=0.96, 预测平均误差μ=±0.84, 预测模型同样通过了如1.3节所述的总体线性相关性t-检验, 计算t值为12.98＞3.25[t0.01(9)].
1.4.2 既有政策情景下的趋势预测在当前电力结构发展形势及既有政策情景下, “十四五”至2035年期间, 火电建设将进一步放缓、大量老旧小火电机组退役, 火电发电量占发电总量的比例预计将以相对稳定的线性速度逐年降低, 利用公式(6)的模型预测出2020年以后逐年火电发电量占比, 到“十四五”、“十五五”和“十六五”期末将分别降至60.8%、53.8%和46.8%(如表 1).
1.4.3 碳减排强化政策情景下的趋势修正习近平主席在2020年气候雄心峰会上提出“到2030年中国非化石能源占一次能源消费比重将达到25%左右”和“风电、太阳能发电总装机容量将达到12亿kW以上”等提高国家自主贡献力度的具体政策和措施.能源消费结构的变化必须建立在能源生产结构变化的基础上, 电力生产势必要率先进入去碳化的重大调整轨道[37], 以清洁可再生的低碳、零碳电力推动全社会生产生活活动的电气化、去碳化进程加速.因此, 在碳达峰与碳中和强化政策情景下, 我国火电发电量占比预测也需在1.4.2节的预测基础上进行适当修正, 通过清洁可再生电力优先上网与加快风电和光伏发电[38]等大规模建设投运等措施, 本文假设“十四五”、“十五五”和“十六五”期间火电发电量占比将在1.4.2节预测基础上分别以每年0.5、1.0和2.0个百分点的累积速度加速降低, 到“十四五”、“十五五”和“十六五”期间期末将分别降至58.3%、46.3%和29.3%(如表 1).
1.5 污染物排放绩效的确定污染物排放绩效是用于衡量火电行业大气污染控制水平重要的综合性指标, 是对国家及地方污染防治政策约束及行业、企业污染防治技术水平最直观地体现.
根据文献[5]的要求, 到2020年, 全国所有具备改造条件的燃煤电厂力争实现超低排放(在基准氧含量6%条件下, 烟尘、SO2和NOx排放浓度分别不高于10、35和50 mg·m-3, 此限值对燃煤机组SO2和NOx的要求已与《火电厂大气污染物排放标准》(GB13223-2011)燃气机组一致, 对燃煤机组烟尘的限值虽比燃气机组高, 但实际控制水平已基本相当, 且部分省份发布的地方标准中对燃煤机组烟尘的限值也进一步降低至5mg·m-3(与燃气机组一致), 其中东部地区2017年前总体完成, 中部地区力争在2018年前基本完成, 西部地区在2020年前完成, 全国总共完成改造5.8亿kW.对此, 各地积极落实, 河南、天津、河北和江苏等省市均提前1~2 a完成全部具备条件机组的超低排放改造, 截至2019年底, 全国已累计完成超低排放改造8.9亿kW[39], 远超原计划2020年的改造目标, 已达到占全国煤电机组的75%左右, 建成了全球最大清洁煤电供应体系[40].河北、上海、河南、山东、山西、天津和浙江等省市发布了地方火电厂大气污染物排放标准, 将超低排放限值确定为法定排放标准, 上述省市火电污染物排放绩效明显优于北京以外的其他地区.
根据上述分析, 到2020年底全国实现超低排放煤电机组容量将占全部煤电装机容量的80%以上, 估算全国火电发电量的80%以上为超低排放机组贡献, 其余发电量至少满足火电厂大气污染物排放标准(GB 13223-2011)要求或保持各地现有平均水平, 其中: ①已发布执行地方排放标准的地区(天津、河北、山西、山东、浙江、上海和河南等)煤电装机全部实现超低排放; ②东部沿海及重点地区(北京、辽宁、江苏、福建、广东和海南等)煤电装机全部实现超低排放; 北方地区煤电大省及中部地区(内蒙古、吉林、黑龙江、安徽、湖北、湖南、江西、陕西、甘肃、宁夏和新疆等)2016年现有全部煤机容量的80%实现超低排放, 新增装机全部按超低要求建设; ③其他地区(四川、重庆、贵州、云南、西藏和广西等)2016年现有全部煤机容量的70%实现超低排放, 新增装机全部按超低要求建设.
2020年之后排放要求分3种标准约束情景进行分析, 如下.
(1) 约束情景一 保持模式, 即保持2020年现状, 但若根据1.2~1.4节关于火电发电量的预测, 火电发电量在预测期内达到峰值, 之后则优先减少在该情景下非执行最严排放限值机组发电量.
(2) 约束情景二 超低模式, 即继续推动超低排放, 将超低排放限值确定为国家排放标准, 并分步执行, 若在电量达峰后若仍有未执行该情境下最严排放限值的, 该类机组发电量优先退出: ①2025年之前, 对“十三五”期间仍未进行超低改造的机组进行70%以上的替代关停或改造; ②2030年全国所有火电机组全部实现超低排放, 烟尘、SO2和NOx排放浓度分别不高于10、35和50mg·m-3, 排放绩效分别约为0.03、0.11和0.15g·(kW·h)-1, 2020年以前达到超低及以下水平的, 排放水平保持.
(3) 约束情景三 收严模式, 即进一步强化减排, 参照本项目调研的已于2017年完全实现超低排放的中部地区某省燃煤机组实际排放情况, 以其80%机组可达到的水平为参考, 设定至2030年烟尘、SO2和NOx国家排放标准逐步收严至5、25和40mg·m-3, 并分步执行, 若在电量达峰后若仍有未执行该情境下最严排放限值的, 该类机组发电量优先退出: ①2025年, 全国所有火电机组全部实现超低排放, 烟尘、SO2和NOx排放浓度分别不高于10、35和50mg·m-3, 排放绩效分别约为0.03、0.11和0.15g·(kW·h)-1; ②2030年, 全国所有火电机组烟尘、SO2和NOx排放浓度分别不高于5、25和40 mg·m-3, 即排放绩效分别降至约0.015、0.075和0.130g·(kW·h)-1.
通过设定的上述3种排放限值约束情景, 预测各省(自治区、直辖市)在目标年可能达到的排放绩效水平, 同时设定各地区火电发电量在全国总量中的比例基本维持稳定, 将预测目标年全国火电电量分解到各地区, 由此可测算目标年各省排放量及全国排放总量, 并以此计算得全国平均排放绩效, 计算公式如下:
|
(7) |
式中, epi为某年全国火电大气污染物i的平均排放绩效, 单位为g·(kW·h)-1; Elc′j为当年j省(自治区、直辖市)火电发电量, 单位为kW·h; epij为当年j省(自治区、直辖市)火电大气污染物i的平均排放绩效, 单位为g·(kW·h)-1.
2 我国火电大气污染物排放预测 2.1 我国火电大气污染物排放现状根据文献[41], 因大量超低排放机组改造完成投入运行, 2016年全国火电大气污染物排放总量显著下降, 烟尘、SO2和NOx排放量分别约为35万、170万和155万t, 平均排放绩效分别约0.08、0.39和0.36g·(kW·h)-1.而根据2016年全国火电行业大气污染源在线监测浓度数据估算纳入统计的火电厂烟尘、SO2和NOx排放总量分别约为27万、110万和123万t, 平均排放绩效分别为0.06、0.25和0.28g·(kW·h)-1, 折算为排放浓度分别约为18.6、75.4和84.5mg·m-3, 总体离超低排放水平仍有较大差距.同时, 随着火电行业大气污染防治技术水平的整体提升, 已逐步显示出投资效益的边界效应, 进一步通过工程技术手段降低污染物排放水平将面临巨大的改造投资和运行成本[42, 43].2000年~2019年我国火电行业烟尘、SO2和NOx排放量与排放绩效变化情况见图 3.
|
图 3 我国火电行业烟尘排、SO2和NOx排放量与排放绩效 Fig. 3 Emissions and performance of PM, SO2, and NOx in China's thermal power industry |
根据电力工业统计快报[44], 2019年底全国全口径发电装机容量20.1亿kW, 全口径发电量72 253万亿kW·h, 同比增长4.7%, 全社会用电量72 255万亿kW·h.全国全口径火电装机11.9亿kW, 火电发电量50 450万亿kW·h.根据1.2~1.4节的预设及预测模型计算, 我国火电发电量变化情况如图 4所示.
|
图 4 2016~2035年我国GDP总量与火电发电量需求预测 Fig. 4 Forecast of GDP and demand for thermal power generation from 2016 to 2035 in China |
在既有政策情景下, 我国火电发电量占比稳定下降, 2035年降至约46.8%, 发电量在经济中、低速增长时可在2030年前后达到峰值, 到2035年分别回落至5.73万亿kW·h和5.24万亿kW·h, 而在经济高速增长时2030年后仍将持续缓慢增长, 2035年升高至6.26万亿kW·h; 在实施碳减排的强化政策情景下, 火电发电量占比将加速下降, 2035年降至30%以下, 发电量在经济高、中、低速增长时均可在2025年前后达到峰值, 到2035年分别降至4.30万亿、3.87万亿和3.49万亿kW·h.
2.3 污染物排放绩效预测根据1.5节预设的3种排放标准约束情景, 预测2020~2035年全国火电排放绩效在既有政策及强化政策情景下的变化趋势如图 5所示.
|
图 5 不同情景模式下大气污染物平均排放绩变化趋势 Fig. 5 Variation trend of average emission performance of air pollutants under different scenarios |
由于大规模煤电机组超低排放环保设施的改造, 2020年燃煤火电厂3种主要大气污染物排放绩效值与2016年比较均有较大幅度地下降. 2020年后, 在设定的政策情景、经济发展和排放标准约束情景模式下, 煤电大气污染物排放绩效值将呈现出不同的发展趋势.
在超低和收严模式的标准约束下, 经济增速对3种污染物排放绩效的影响无差异, 为避免图中线条重叠影响, 图 4和图 5均只以低GDP增速下的情景进行对比分析, 而既有政策和强化政策对3种污染物排放绩效的影响也无差异, 其中: 超低模式下, 先以较明显的趋势下降到2025年, 随后放慢下降速度并持续到2030年, 之后基本趋于稳定, 烟尘、SO2和NOx排放绩效将分别在2020年水平基础上继续降低约19%、20%和11%; 收严模式下将以更明显的幅度持续下降至2030年, 之后以显著低于2020年的水平保持稳定, 烟尘、SO2和NOx排放绩效较2020年水平降低约51%、43%和22%.
在保持模式的标准约束下, 既有政策和强化政策对3种污染物排放绩效变化趋势的差异将在电量达峰时开始显现: 在既有政策模式下火电电量达峰晚(经济高速增长情况下未达峰), 高污染物排放机组的发电量退出较少, 甚至未退出, 污染物排放绩效将基本保持2020年水平; 而在强化政策模式下, 因高污染物排放的电量退出更早、累积退出量更大, 到2035年, 火电污染物排放绩效将趋于接近采取超低模式的水平, 在经济高速增长情况下, 烟尘、SO2和NOx排放绩效将分别较2020年水平降低约15%、17%和10%, 在经济中、低速增长情况时下降幅度会更加明显地接近, 甚至于达到超低模式下的水平; 同时还可看出, 既有政策和强化政策也可通过对电量结构的影响来实现对污染物排放绩效的影响.
2.4 火电大气污染物排放量预测根据上述分析, 通过公式(2)可估算“十四五”至2035年火电行业烟尘、SO2和NOx在我国既有政策及采取碳减排强化政策情景、经济发展不同增速, 以及不同污染物排放标准约束情景下的排放量, 如图 6~8所示.
|
图 6 不同情景模式下烟尘排放总量变化趋势 Fig. 6 Variation trend of total PM emission under different scenarios |
|
图 7 不同情景模式下SO2排放总量变化趋势 Fig. 7 Variation trend of total SO2 emission under different scenarios |
|
图 8 不同情景模式下NOx排放总量变化趋势 Fig. 8 Variation trend of total NOx emission under different scenarios |
从图 6~8可看出, 因煤电机组超低排放改造的大规模实施, 2020年火电厂烟尘、SO2和NOx排放总量较2016年大幅降低, 但之后, 在设定的不同情景下污染物排放量的变化趋势呈现出显著差异.通过2.2节及2.3节的分析, 政策情景与标准约束情景分别通过影响火电发电量结构与污染物排放绩效来影响火电污染物排放量, 而在保持模式的排放标准约束下, 政策情景模式同样通过对火电发电量结构的变化产生了降低污染物排放绩的效果, 进而影响污染物排放量.
在既有政策情景下: 经济高速增长时火电发电量将持续缓慢增长, 标准约束采取保持模式将无法控制污染物排放总量的增长, 超低模式降低的排放绩效也无法抵消电量增长带来的排放量增长, 即使采取收严模式, 在2030年后排放绩效不再持续降低时, 污染物排放量仍会略微反弹; 只有在经济中、低速增长时, 3种污染物的排放总量才能够得到有效控制, 随着火电发电量在2030年达峰, 采取保持模式标准约束污染物排放量可在经历二次反弹后在2030年再次达峰后转而下降, 而在超低和收严模式下, 除NOx排放量会在GDP中速增长超低模式下反弹到2030年达峰之外, 其余情况下3种污染物排放量均呈现出持续下降趋势.
在强化政策情景下: GDP高、中、低速增长情况下火电发电量都可在2025年前后达峰, 若采取超低和收严模式的标准约束, 除NOx排放量会在GDP高、中速增长时2020年后仍略有反弹, 到2025年再次达峰外, 其余情况下3种污染物排放量均以明显的幅度持续下降; 即使标准约束采取保持模式, 3种污染物排放量也都将随火电发电量的达峰而再次达峰后转而下降, 并随着高污染物排放机组发电量的逐步退出, 到2035年, 污染物排放量将逐步趋于接近超低模式的标准约束情景.
3 我国火电大气污染物减排潜力分析结合上述分析, 从图 6~8可以看出, 以2016年为基准年, 无论在何种情景下, 到“十四五”期末及2035年, 火电行业烟尘、SO2和NOx排放量均有所下降, 但减排趋势和幅度在不同情景模式下呈现出显著的差异.
在既有政策情景下: 根据预设的不同经济增速和排放标准约束条件, 2025年相对于2016年烟尘可减排17.45万~21.21万t, SO2减排95.22万~114.01万t, NOx减排59.75万~76.33万t; 到2030年烟尘可减排16.25万~27.00万t, SO2减排90.12万~129.91万t, NOx减排53.26万~85.00万t; 到2035年烟尘可减排16.09万~27.32万t, SO2减排89.44万~131.49万t, NOx减排52.39万~87.76万t.
在强化政策情景下: 2025年相对于2016年烟尘可减排17.89万~22.10万t, SO2减排97.10万~115.67万t, NOx减排62.14万~78.65万t; 到2030年烟尘可减排18.20万~27.88万t, SO2减排98.47万~134.32万t, NOx减排63.62万~92.69万t; 到2035年烟尘可减排24.01万~29.88万t, SO2减排124.09万~144.33万t, NOx减排91.77万~110.18万t.
图 9~11展示了到2035年, 在不同政策情景与污染物排放标准约束情景下, 预测火电行业烟尘、SO2和NOx排放量在2016年基础上的减排率.
|
图 9 不同情景模式下2035年较2016年的烟尘减排率 Fig. 9 PM emission reduction rate in 2035 compared with that in 2016 under different scenarios |
|
图 10 不同情景模式下2035年较2016年的SO2减排率 Fig. 10 SO2 emission reduction rate in 2035 compared with that in 2016 under different scenarios |
|
图 11 不同情景模式下2035年较2016年的NOx减排率 Fig. 11 NOx emission reduction rate in 2035 compared with that in 2016 under different scenarios |
从图 9~11可以看出, 在相同的政策模式和经济发展情景下, 收严的标准约束对3种污染物都具有最大的减排潜力, 对烟尘、SO2和NOx的减排潜力分别可达73.76%~85.37%、72.79%~84.90%和48.14%~71.08%, 较超低模式的标准约束情景烟尘、SO2和NOx减排潜力差异分别在9.81~17.59、6.18~11.07和3.87~6.94个百分点之间, 较保持模式的标准约束情景差异分别在10.37~27.79、6.18~20.31和3.87~14.34个百分点之间.值得注意的是在强化政策模式下, 采取保持模式标准约束情景下的污染物减排潜力已与超低模式基本相当, 尤其是对SO2和NOx的减排潜力甚至超过了既有政策下采取收严模式的标准约束效果, 对烟尘的减排潜力也仅低2.95~5.16个百分点, 此差异相对于全国排放总量而言影响微弱, 由此不难看出来自碳达峰与碳中和战略目标下政策因素带来的减排潜力, 较不同污染物排放标准约束情景带来的效果更为明显.在深入推进生态文明建设, 加快实现碳达峰碳中和的战略目标背景下, 坚持以降碳为总抓手[45], 统筹能源、电力行业应对气候变化与大气污染防治的协调, 实现绿色低碳发展对生态环境质量改善协同增效的发展策略将是必然选择.
4 结论(1) 通过全面推行超低排放, 到2020年, 全国火电行业烟尘、SO2和NOx排放绩效和排放量较2016年均显著下降, 2020年后, 在不同的政策情景和排放标准约束情况下, 3种大气污染物排放水平变化呈现出不同的趋势, 到2035年, 在2016年水平上具有减排潜力分别在45.97%~85.37%、52.61%~84.90%和33.80%~71.08%之间, 其中在强化政策、采取收严模式的标准约束情景下, 且在低GDP增速时减排潜力最大.
(2) 标准约束情景通过直接影响污染物排放绩效来降低火电污染物排放量, 政策情景主要通过影响电力结构来实现, 但也可通过优化火电发电量结构, 即火电发电量需求达峰后, 来自高污染物排放水平机组的发电量优先退出, 来达到降低平均排放绩效的效果, 进而进一步影响污染物排放量, 尤其是在保持模式的排放标准约束下, 其影响效果尤其明显.
(3) 在强化政策情景下, 采取保持模式标准约束情景的污染物减排潜力已与超低模式基本相当, 而对SO2和NOx的减排潜力甚至超过了既有政策下采取收严模式的标准约束效果, 而相对于强化政策、收严模式下烟尘、SO2和NOx的减排潜力也仅分别低10.37~13.41、6.18~8.44和3.87~5.24个百分点, 对全国烟尘、SO2和NOx排放总量减排贡献度有限.
(4) 来自碳减排目标下政策因素带来的减排潜力, 较不同污染物排放标准约束情景带来的减排潜力更为明显, 进一步收严火电厂污染物排放标准所带来的社会环境效益并不理想, 反而将面临工程技术手段上可能存在的技术瓶颈和巨大的建设投资、运行成本, 通过强化实施能源、电力发展政策, 调整电力生产结构, 在加快提升清洁可再生电力比重的同时, 科学、合理引导高污染排放水平的火电机组优先退出生产, 同样可使火电大气污染物排放得到有效控制, 还可避免因火电需求达峰后关停机组造成环保改造投资的浪费和损失.
| [1] |
魏巍贤, 马喜立. 能源结构调整与雾霾治理的最优政策选择[J]. 中国人口·资源与环境, 2015, 25(7): 6-14. Wei W X, Ma X L. Optimal policy for energy structure adjustment and haze governance in China[J]. China Population Resources and Environment, 2015, 25(7): 6-14. DOI:10.3969/j.issn.1002-2104.2015.07.002 |
| [2] |
郦建国, 朱法华, 孙雪丽. 中国火电大气污染防治现状及挑战[J]. 中国电力, 2018, 51(6): 1-10. Li J G, Zhu F H, Sun X L. Current status and challenges of atmospheric pollution prevention and control of thermal power plants in China[J]. Electric Power, 2018, 51(6): 1-10. |
| [3] | GB 13223-2011, 火电厂大气污染物排放标准[S]. |
| [4] | 朱法华, 王圣, 赵国华, 等. GB13223-2011《火电厂大气污染物排放标准》解读[M]. 北京: 中国电力出版社, 2013: 24-28. |
| [5] | 环境保护部, 国家发展和改革委员会, 国家能源局. 关于印发《全面实施燃煤电厂超低排放和节能改造工作方案》的通知[EB/OL]. http://www.mee.gov.cn/gkml/hbb/bwj/201512/t20151215_319170.htm, 2015-12-11. |
| [6] | 国家能源局. 能源清洁发展超低排放异军突起节能改造稳步推进[EB/OL]. http://www.nea.gov.cn/2017-10/17/c_136685136.htm, 2017-10-17. |
| [7] | 国家能源局. 清洁能源消纳难题明显缓解[EB/OL]. http://finance.people.com.cn/n1/2017/1227/c1004-29730884.html, 2017-12-27. |
| [8] | 朱法华. 超低排放: 国家专项行动下的技术突破[J]. 中国电力, 2017, 50(3): 9-10. |
| [9] | 朱法华. 火电厂污染防治技术手册[M]. 北京: 中国电力出版社, 2017: 74-97, 189-197. |
| [10] |
王圣. 我国"十四五"煤电发展趋势及环保重点分析[J]. 环境保护, 2020, 48(3): 61-64. Wang S. Analysis on development trend of coal power and key points of environmental protection in China's 14th five-year plan[J]. Environmental Protection, 2020, 48(3): 61-64. |
| [11] |
张旭, 孙根年. 中国电力工业环境学习曲线与节能减排潜力分析[J]. 哈尔滨工业大学学报(社会科学版), 2008, 10(4): 89-95. Zhang X, Sun G N. Analysis of the environment learning curve and the potentials of saving energy and reducing emission in Chinese electric power industry[J]. Journal of HIT (Social Science Edition), 2008, 10(4): 89-95. DOI:10.3969/j.issn.1009-1971.2008.04.016 |
| [12] |
吴智泉, 张世平, 马美倩, 等. 北京市能源需求预测与污染物排放量变化趋势分析[J]. 能源技术经济, 2011, 23(11): 41-45, 52. Wu Z Q, Zhang S P, Ma M Q, et al. Energy demand forecast and pollution emission tendency in Beijing[J]. Electric Power Technologic Economics, 2011, 23(11): 41-45, 52. |
| [13] |
张根年, 李静, 魏艳旭, 等. 环境学习曲线与我国碳减排目标的地区分解[J]. 环境科学研究, 2011, 24(10): 1194-1202. Zhang G N, Li J, Wei Y X, et al. Environmental learning curves and the allocation of carbon mitigation targets among different provinces in China[J]. Research of Environmental Sciences, 2011, 24(10): 1194-1202. |
| [14] |
刘三省, 黄国和, 王冰, 等. 基于电力结构调整的上海市电力行业大气污染物排放总量研究[J]. 环境污染与防治, 2014, 36(11): 95-99. Liu S X, Huang G H, Wang B, et al. Research of total air pollutants estimations of electric industry in Shanghai based on electric industry structure adjustment[J]. Environmental Pollution and Control, 2014, 36(11): 95-99. DOI:10.3969/j.issn.1001-3865.2014.11.019 |
| [15] |
翟羽佳. 基于LEAP模型的未来大同市环境污染物排放预测[J]. 环境保护科学, 2018, 44(5): 30-35. Zhai Y J. Prediction of future environment pollutants emission in Datong city based on LEAP[J]. Environmental Protection Science, 2018, 44(5): 30-35. |
| [16] |
汪斌. 基于电力需求分析和结构调整的京津冀地区能源调控策略[D]. 北京: 北京科技大学, 2018. 21-57. Wang B. Energy regulation strategy for Beijing-Tianjin-Hebei region based on power demand analysis and structure adjustment[D]. Beijing: University of Science and Technology Beijing, 2018. 21-57. |
| [17] |
王文熹, 于渤. 基于环境学习曲线的工业大气污染物排放强度下降潜力测算[J]. 经济问题, 2018(12): 68-76. Wang W X, Yu B. Measurement of the reduction potential of industrial air pollutants intensity based on environmental learning Curves[J]. On Economic Problems, 2018(12): 68-76. |
| [18] | 中华人民共和国中央人民政府. 中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议[EB/OL]. http://www.gov.cn/zhengce/2020-11/03/content_5556991.htm, 2020-11-03. |
| [19] | 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. |
| [20] | 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. |
| [21] |
单葆国, 张成龙, 王向, 等. 中国电力弹性系数与工业化阶段关系[J]. 中国电力, 2020, 53(7): 1-6. Shan B G, Zhang C L, Wang X, et al. Relationship between electricity elasticity coefficient and industrialization stage in China[J]. Electric Power, 2020, 53(7): 1-6. DOI:10.3969/j.issn.1007-3361.2020.07.001 |
| [22] | 何鹏. 经济新常态与我国产业结构转型升级[J]. 知识经济, 2019(16): 15-16. |
| [23] | 张树阳. 新常态下我国产业经济结构转型研究[J]. 现代经济信息, 2020(14): 14-15. |
| [24] |
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. Zhang W, Zhu Q G, Gao H. Upgrading of industrial structure, optimizing of energy structure, and Low carbon development of industrial system[J]. Economic Research Journal, 2016, 51(12): 62-75. |
| [25] |
李敏辉, 廖程浩, 常树诚. 大气污染排放格局优化方法及案例[J]. 环境科学, 2021, 42(4): 1679-1687. Li M H, Liao C H, Chang S C. Optimization method and case study of air pollution emission spatial pattern[J]. Environmental Science, 2021, 42(4): 1679-1687. |
| [26] | 中华人民共和国中央人民政府. 2.3%! 2020年中国经济逆势增长[EB/OL]. http://www.gov.cn/xinwen/2021-01/18/content_5580785.htm, 2021-01-18. |
| [27] | 国家统计局. 年度数据-能源-能源弹性系数[EB/OL]. https://data.stats.gov.cn/easyquery.htm?cn=C01, 2021-02-10. |
| [28] |
汪行, 范中启, 张瑞. 基于VAR的我国能源效率与能源结构关系的实证分析[J]. 工业技术经济, 2016, 35(9): 128-134. Wang H, Fan Z Q, Zhang R. Empirical analysis on the relationship between energy efficiency and energy structure of VAR[J]. Industrial Technology Economy, 2016, 35(9): 128-134. DOI:10.3969/j.issn.1004-910X.2016.09.017 |
| [29] | 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. |
| [30] |
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. |
| [31] | 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. |
| [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] |
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. |
| [34] |
郝旭, 王贺武, 李伟峰, 等. 基于中国电网结构及一线典型城市车辆出行特征的PHEV二氧化碳排放分析[J]. 环境科学, 2019, 40(4): 1705-1714. Hao X, Wang H W, Li H F, et al. Analysis of PHEV CO2 emission based on China's grid structure and travelling patterns in mega cities[J]. Environmental Science, 2019, 40(4): 1705-1714. DOI:10.3969/j.issn.1000-6923.2019.04.044 |
| [35] | 国家统计局. 年度数据-能源-电力平衡表[EB/OL]. https://data.stats.gov.cn/easyquery.htm?cn=C01, 2021-02-10. |
| [36] |
王圣. 我国非化石能源发电现状及存在问题探析[J]. 环境保护, 2017, 45(21): 52-54. Wang S. Analysis on the current situation and existing problems about non-fossil fuels power in China[J]. Environmental Protection, 2017, 45(21): 52-54. |
| [37] |
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. |
| [38] |
中国气象局风能太阳能资源中心. 2019年中国风能太阳能资源年景公报[R]. 北京: 中国气象局风能太阳能资源中心, 2020. 13-19. CMA, Wind and Solar Energy Resources Center. China wind and solar energy resources bulletin[R]. Beijing: CMA, Wind and Solar Energy Resources Center, 2020. 13-19. |
| [39] | 国务院新闻办公室. 国新办举行"十三五"生态环境保护工作新闻发布会[EB/OL]. http://www.scio.gov.cn/xwfbh/xwbfbh/wqfbh/42311/44005/index.htm, 2020-10-21. |
| [40] | 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. |
| [41] | 中国电力企业联合会. 中国电力行业年度发展报告-2017[M]. 北京: 中国市场出版社, 2017: 78-83, 175-177. |
| [42] |
廖国权, 李皎, 张文龙, 等. 燃煤电厂烟气深度治理探讨[J]. 电力科技与环保, 2019, 35(3): 28-30. Liao G Q, Li J, Zhang W L, et al. Discussions on deep treatment of flue gas from coal-fired power plant[J]. Electric Power Environmental Protection, 2019, 35(3): 28-30. |
| [43] |
顾欣, 施刚夜, 侯新建, 等. 超超低排放技术工程设计方案研究[J]. 电力科技与环保, 2020, 36(1): 6-11. Gu X, Shi G Y, Hou X J, et al. Research on engineering design scheme of ultra-ultra-low emission technology[J]. Electric Power Environmental Protection, 2020, 36(1): 6-11. |
| [44] | 国家能源局. 国家能源局发布2019年全国电力工业统计数据[EB/OL]. http://www.nea.gov.cn/2020-01/20/c_138720881.htm, 2020-01-20. |
| [45] | 中华人民共和国中央人民政府. 国务院新闻办就落实五中全会精神以高水平保护促进绿色发展举行发布会[EB/OL]. http://www.gov.cn/xinwen/2020-12/22/content_5572378.htm, 2020-12-22. |