2024, Vol. 45
2. 国网上海市电力公司经济技术研究院, 上海 200120
2. Economic and Technological Research Institute, State Grid Shanghai Electric Power Company, Shanghai 200120, China
2019年8月, 中国（上海）自由贸易试验区临港新片区成立, 目标成为中国特色国际领先的特殊经济功能区, 形成一个包括集成电路、人工智能、生物医药和智能新能源汽车等在内的世界级、开放型和现代化的产业体系.在“四个革命、一个合作”的能源安全新战略及“双碳”目标双重推动下, 如何在保障经济高速增长的同时实现低碳绿色发展是新片区必须面对的一项重要课题.因此, 探索临港新片区中长期低碳发展路径对其高质量发展具有重要意义.
近年来, 随着碳减排压力的日益增加, 国内外学者围绕城市和行业碳排放预测、低碳发展路径设计等方面开展了大量研究[1~5].构建能源经济环境系统模型是系统、科学分析碳排放与减碳路径的重要方式.按照建模方法的差异性, 上述模型可分为自上而下模型、自下而上模型以及由此发展而成的混合模型[6].各类模型在功能、结构及使用方法上均有各自特色.自上而下模型属于经济学领域, 便于进行宏观经济分析, 但不能对技术进行详细描述, 无法明晰具体的减碳策略, 大多应用于国家乃至世界范围内的减碳政策规划研究[7, 8].自下而上模型属于工程学领域, 拥有较丰富的技术信息, 可从实际出发进行低碳发展路径研究及技术替代效应评估[9~11].而混合模型结合了上述两种模型的特点, 可同时对宏观经济及能源技术进行详细描述, 但由于结构相对复杂, 且需要大量数据支撑, 使用难度较高.为此, 对于城市尺度或城市内某片区的碳减排分析, 自下而上模型具有更强的适应性.瑞典斯德哥尔摩环境研究所开发的LEAP（long-range energy alternatives planning system）模型是自下而上模型的典型代表.该模型从技术视角出发, 可充分反映能源生产、转换、输送、终端消费等全生命周期过程, 便于直观洞察技术革新对整个能源系统影响, 具有更好的能源、环境整体结构性以及较强的情景分析能力.临港新片区作为新成立的独立片区, 历史数据量不足且难以收集整合, LEAP模型可根据研究对象数据的可得性灵活调整数据框架, 更好地评估各种减碳措施的贡献度.
目前, LEAP模型主要应用于省市等较为宏观区域或具体行业能源需求预测、碳排放影响分析、碳减排路径设计等方面[12~18].陈睿等[19]基于LEAP模型研究了GDP增速和产业结构等对长沙市能源消费总量及能源强度的影响.Hu等[20]通过分析不同情景下深圳市能流图, 定量探讨了应用节能减排技术改善能源效率和能源结构对城市能源系统的影响.刘惠等[21]采用LEAP模型分析了鹤壁市农村生活部门未来碳排放趋势.周伟铎等[22]探索了雄安新区的零碳建设路径, 结果表明碳汇政策、能源强度政策和能源结构转型政策的耦合对零碳城市路径设计影响显著.随着绿色低碳转型的深入推进, 近年来, 有学者开始应用LEAP模型探讨城市节能减排技术对减污降碳协同增效的推进作用.庞可等[23]以兰州市道路交通领域为例, 模拟分析了温室气体和污染物的协同减排情景.吴乐敏等[24]则分析了加速电气化对东莞市CO2和污染物协同减排的影响.总体而言, 既有研究大多侧重于城市整体能耗和碳排放的演化分析, 对减碳技术的考虑相对单一, 鲜见考虑氢能和碳捕集等新兴降碳技术.此外, 对于中长期视角下各项减排技术的经济性相关分析也缺乏深入探讨.
因此, 本文根据临港新片区功能定位和产业结构, 以及对经济社会发展和能源技术进步等方面的分析, 构建了LEAP-临港模型, 设置了3类典型情景.采用Logistic人口生长模型对临港未来人口发展趋势进行预测；充分考虑氢能、碳捕获和利用与封存（CCUS）技术等减碳技术, 基于大量调研确定不同情景下模型关键输入参数.同时, 构建学习曲线模型对典型降碳技术成本变化进行分析, 并采用边际减排成本曲线对降碳技术的经济成本及碳减排潜力进行评估.通过情景对比分析, 本文探索临港新片区“双碳”目标达成的关键影响因素、各类减排手段贡献度及典型减排技术的经济成本, 以期为临港新片区及相似地区的绿色发展路径提供理论依据.
1 材料与方法 1.1 LEAP模型架构作为一种自下而上型分析方法, LEAP模型基于历史发展关键驱动力及人口、资源、技术等关键数据, 在碳排放目标引导下, 设定不同发展情景进行能源需求量及碳排放预测分析, 其整体结构如图 1所示.不同情景下的碳排放总量可由终端部门能源需求量及能源转换部门的能源消耗量, 结合对应的碳排放因子计算得出.其中, 能源需求预测值取决于终端需求部门活动水平及对应能耗强度；加工转换模块包括一、二次能源转换、存储及运输过程等.
|
图 1 LEAP模型技术路线 Fig. 1 Technology roadmap of the LEAP model |
（1）终端能源需求量 根据各部门活动水平（如工业部门行业增加值和建筑部门的建筑面积等）与相应终端能源强度计算得到不同类型的一、二次能源消费量, 如式（1）所示.
|
(1) |
式中, ECk表示k类能源终端需求量（以标煤计, t）.ALm, n表示m部门n子部门能源需求的经济活动水平（m表示4个部门, 分别为居住建筑、公共建筑、工业部门和交通部门）, EIm, n表示对应单位活动水平的能耗强度, Sm, n, k表示m部门n子部门能源消费中k品种能源（电能、天然气、油品和氢能等）占比.在居住建筑、公共建筑、工业部门和交通部门, AL分别表示家庭总数、建筑面积、工业产值和行驶里程数.
（2）能源损失量 能源损失量指在能源输送、分配过程中所发生的损失, 如式（2）所示.
|
(2) |
式中, EOk表示k种能源损失量（以标煤计, t）；ECk表示k种能源的终端需求量（以标煤计, t）；λk表示k种能源的输送效率, 单位为%.
（3）加工转换消耗量 加工转换部门一般有发电和制氢等部门.能量在转换过程中不可避免会存在损失, 可表示为在一定时期内投入加工总能源量与产出量之间的差额.转换过程中损失和消耗的能量可表示为：
|
(3) |
式中, ETk表示k种能源加工转换所消耗的总能量（以标煤计, t）.ηk表示k种能源的转换效率, 单位为%.
（4）能源需求总量 能源需求总量是终端部门能源需求量、加工转换消耗量及能源损失量之和, 如式（4）所示.
|
(4) |
式中, Ek表示k种能源需求总量（以标煤计, t）.
1.1.2 碳排放量计算模型根据不同能源消费量和对应碳排放因子, 可确定每种能源的碳排放量, 如式（5）所示.
|
(5) |
式中, CEC表示二氧化碳排放总量（以CO2eq计, t）, EFk表示对应能源消费量的碳排放系数（以CO2eq计, t·t-1）.
1.2 LEAP-临港模型构建本文基于临港新片区能源、经济、人口和产业等发展现状, 以2020年为基准年, 2021~2060年为预测期, 综合考虑临港新片区资源禀赋、战略定位及未来发展规划, 构建LEAP-临港模型, 对新片区未来能源消费及碳排放趋势进行分析和预判.考虑到临港新片区未来将是一个以工商业为主体的产城融合区域, 而且其产业布局中矿石、化学和金属等生产过程中会产生温室气体的行业相对较少, 为此本研究中碳核算过程仅考虑能源活动产生的CO2排放.如图 2所示, LEAP-临港模型包含基本条件、需求模块、转化模块和资源模块.需求模块分为居住建筑、公共建筑、工业部门和交通部门, 转化模块反映出临港新片区的能源生产和传输过程.结合新片区自身能源资源赋存特点, 电力供应主要依赖于区域内风光等可再生能源发电、氢能发电、天然气发电和区域外调入电.
|
图 2 LEAP-临港模型结构示意 Fig. 2 Structure of the LEAP-Lingang model |
本研究采用Logistic人口生长模型[25, 26]预测临港新片区未来人口增长情况.考虑到人口增长会受环境资源及自然条件限制, 不会无止境增加, 最终将达到与环境承载力相适应的人数极值.这种约束力作用在人口增长率r上, r会随着人口数量x增多而减小.如果将r表示为关于人口总数x（t）的函数r（x）, 那么它是减函数, 则有方程：
|
(6) |
假设r（x）与x（t）为线性关系：
|
(7) |
式中, r0表示固有增长率, 由于受到人口容量限制, 当人口总数x达到xm时, 人口停止增长, 即r（xm）= 0, 则有
|
(8) |
解微分方程得到：
|
(9) |
学习曲线模型又称经验曲线效应, 可用来描述单位生产成本与累积产量之间的关系[27], 表现为产品生产过程中, 单位成本随着累积产量的提升按照一定比例下降.根据学习曲线模型, 可分析能源技术未来成本发展趋势, 从而为政策制定提供参考.学习曲线模型方程可表示为：
|
(10) |
|
(11) |
|
(12) |
式中, C表示单位成本, C0表示初始时刻单位发电成本；X表示累积装机容量, b表示学习率指数, 取值范围为0 < b < 1, b越接近1表示学习效应越明显[28]；LR表示学习率；PR表示成本下降率即技术进步率, 当生产数量翻倍时, 新产品的单位成本按上述比例递减.
1.4 减碳技术经济性评价模型为量化分析不同政策和措施的碳减排成本, 本文将针对所考虑的各项减排措施中典型减碳技术进行碳减排边际成本计算, 以分析各项减碳技术推广的经济代价[29, 30].同时, 为确定最优减碳路径, 将通过绘制边际减排成本曲线, 以清晰呈现不同减碳技术的减排效果及经济性, 有利于政策制定者确定各项减碳技术推广的优先级.各减碳技术单位碳减排成本计算方法如式（13）所示.
|
(13) |
式中, TCws表示规划情景中实施技术w所需的全生命周期成本, 包括设备投资成本、运行成本及可变成本.TCwb表示基准情景中采用传统技术或措施所需的全部成本, CRwb-CRws表示实施减排技术w后的全生命周期累计减排量.UCw即为技术w单位碳减排成本, 单位为元·t-1.
2 情景设计及数据来源人口数量、产业结构、GDP和能源强度等因素均会影响区域能源需求及碳排放量.为探寻影响临港新片区中长期碳排放的关键驱动因素, 本研究结合新片区“十四五”规划目标及能源利用状况, 设计了基准情景、低碳情景和强化低碳情景这3种典型情景, 并详述了关键参数的来源.
2.1 情景设计基准情景、低碳情景和强化低碳情景的差异性主要是通过表 1所示的8种减碳措施的导入与否及实施强度差别进行量化区分.
|
表 1 3种情景与各类减碳措施的对应关系1） Table 1 Relationship between three scenarios and various carbon reduction measures |
（1）基准情景 在实现既定经济社会发展目标的前提下, 延续当前节能减排政策措施, 各部门能源强度在基准年基础上小幅降低, 能源结构变化较小.
（2）低碳情景 综合考虑临港未来经济社会可持续发展和节能减排潜力, 各部门能源效率有所提高, 居民节能意识加强, 产业结构及能源结构进一步优化, 节能减碳技术得到较广泛应用.
（3）强化低碳情景 在低碳情景基础上, 深入挖掘各部门减碳潜力, 电动汽车和氢能交通比例大幅增加；风能、太阳能和氢能等清洁能源发电比例进一步扩大；电解水制氢、CCUS技术等先进技术得到应用；居民节能意识显著提升, 进入强化低碳发展模式.
2.2 主要数据及来源合理的参数设定直接影响LEAP-临港模型的预测精准度, 本研究采用文献调研和数学模型相结合的方法对输入数据进行设定.社会经济指标（人口和GDP）等数据来源于《中国（上海）自由贸易试验区临港新片区发展“十四五”规划》[31]、《2021上海浦东新区统计年鉴》[32]和《浦东新区2020年12月统计月报》[33], 并采用Logistic人口生长模型预测新片区2036~2060年人口增长情况.由于本文旨在重点探讨临港新片区产业结构优化和能源系统转型对区域低碳发展的支撑作用, 为此各情景下人口和GDP均保持一致.具体而言, 2020、2035和2060年人口分别为30.5万人、250万人和326万人；GDP分别为1 000亿元、10 000亿元和20 000亿元.
工业产值数据来源于《中国（上海）自由贸易试验区临港新片区发展“十四五”规划》[31]、《上海临港新片区统计月报》等相关地区规划文件以及部门统计数据, 工业产值能耗来源于《上海产业能效指南（2021版）》[34]等报告.交通部门年均行驶里程参考《上海市第六次综合交通调查报告》[35], 燃油经济性、能耗数据参考相关研究报告[36, 37], 交通运输结构参考《中国（上海）自由贸易试验区临港新片区综合交通“十四五”规划》[38]及相关报告[39]. 建筑部门人均面积参考文献[40, 41], 建筑用能比例及能耗数据等参考《上海产业能效指南（2021版）》[34].供能部门风能发电、太阳能发电等相关数据参考《中国（上海）自由贸易试验区临港新片区综合能源“十四五”规划》[42]、《临港新片区综合能源发展指标体系研究报告》等规划文件.氢能相关数据参考《上海临港新片区打造高质量氢能示范应用场景实施方案（2021-2025年）》[43]及行业研究报告[44, 45].CCUS技术数据参考相关文献和报告[46, 47].能源输送损失参考《上海市统计年鉴》等统计数据.此外, 相关技术成本采用学习曲线方法进行预测.模型各情景关键指标参数设置如表 2所示.
|
|
表 2 不同情景主要参数设置1） Table 2 Main parameter settings for different scenarios |
3 结果与讨论 3.1 不同情景下的能源消费预测分析
图 3为2020~2060年临港新片区3种情景下的总能耗演化结果.3种情景下, 能源消费总量均呈逐渐增长趋势.其中, 基准情景下, 在2020~2035年间, 由于新片区人口大量流入及产业批量化落地, 用能总量（以标煤计）呈明显增长趋势, 2035后增势放缓, 2060年达1 941.3万t, 约为2020年的7.2倍, 年均增速约5.06%, 呈现出“准线性”增长特征.低碳情景下, 得益于各种节能措施的实施, 能源消费总量从2020年的269.3万t增长至2060年的1 304.3万t, 年均增速为4.02%, 低于基准情景.相比于低碳情景, 强化低碳情景下各类节能减排措施协同增效, 力度进一步强化和提升.通过充分挖掘新片区各种节能潜力, 能源消费总量从2020年起小幅稳定增长至2035年的880.8万t, 而后进入平台期, 缓慢增长至2060年的1 020.2万t, 较基准情景下同年份节能47.4%, 降幅为921.1万t.
|
图 3 2020~2060年不同情景下临港能源消费总量预测 Fig. 3 Total energy consumption forecast under different scenarios from 2020 to 2060 |
为进一步深入探讨临港新片区中长期能源结构演化特性, 图 4为3种情景下典型年份的一次能源消费构成.基准情景下, 能源消费主要以化石能源为主, 煤炭占比将从21%增长至2060年的40.5%, 可再生能源占比从2020年的10%缓慢增长至2060年的16.5%, 天然气及石油消费量均将持续上升.低碳情景下, 煤炭等化石能源消费量将从2020年快速增长至2035年, 随后进入平台期缓慢增长, 可再生能源在一次能源消费中占比将从2020年的10%持续增长至2060年的30%.强化低碳情景下, 能源结构将发生根本性转变, 化石能源消费量远低于其他两种情景且占比将持续降低, 可再生能源消费量大幅攀升, 2060年可再生能源占比将达到一次能源消费总量的69%, 能源结构逐步趋于清洁化和低碳化.
|
图 4 不同情景下典型年份一次能源消费构成 Fig. 4 Primary energy consumption in typical years under different scenarios |
图 5为不同情景下典型年份终端能源消费结构.在产业结构优化和终端能效提升等措施的作用下, 低碳情景和强化低碳情景下的终端能源需求相比基准情景明显降低.3种情景中, 电能始终为最主要的能源需求, 且占比不断增加.2060年, 基准情景下电能在终端能源消费中占比为78%, 而低碳情景和强化低碳情景的占比分别达到85%和91%, 相比基准情景分别提高7%和13%, 这归因于在能源消费侧采取的电气化加速措施所带来的能源消费转型效果.虽然引入了氢能交通, 但目前主要考虑其在公共交通领域的应用, 私家车的更替还是以电气化为导向, 为此氢能在终端能源消费中占比相对较低.
|
图 5 不同情景下典型年份终端能源需求结构 Fig. 5 Terminal energy consumption in typical years under different scenarios |
图 6为临港新片区2020~2060年3种情景下的碳排放趋势.结果表明, 2020~2025年间, 3种情景下的碳排放均呈较快增长趋势, 这主要归因于“十四五”期间新片区新兴产业大量进驻、人口快速扩张和GDP高速增长.2025年后, 基准情景下新片区碳排放量将继续呈现较高水平, 2035年后进入稳定期, 2035年和2060年碳排放量分别达到2 741.4万t和3 282.9万t.低碳情景下, 由于能源结构优化, 碳排放量相较基准情景大幅降低, 2035年达到峰值, 随后进入平台期, 排放量稳中略降, 2035年和2060年分别为2 081.7万t和1 657.9万t, 相比基准情景分别下降24%和49.4%.在强化低碳情景下, 各类新兴减碳技术潜能充分发挥, 能源结构进一步优化, 新片区碳排放达峰时间提前至2030年左右, 峰值水平降低至1 350.9万t.峰值拐点后碳排放在CCUS碳捕集技术等先进减碳技术加持下迅速下降.2060年降至194.5万t, 相比基准情景降低94%, 趋于碳中和目标.
|
图 6 2020~2060年不同情景下临港碳排放量预测 Fig. 6 Prediction of carbon emissions under different scenarios from 2020 to 2060 |
与基准情景相比, 强化低碳情景下临港新片区不同减碳措施对减排的贡献率如图 7和图 8所示.总体而言, 清洁能源替代、产业结构优化、终端能效提升及CCUS应用等措施对新片区减碳意义重大.到2035年, 清洁能源替代的贡献度最高, 减碳量（以CO2eq计）达527.5万t, 可达到2035年总减排量的35.1%；产业结构优化次之, 实现410.7万t减排量, 减排贡献率为27.3%；终端能效提升和CCUS应用的减碳贡献率分别为16.2%和7.24%.到2060年时, 清洁能源替代减排贡献率进一步提升, 达50.6%；CCUS应用减排贡献率跃升到第二位, 达到17.1%；电气化加速的贡献率提升至10.7%, 产业结构优化和终端能效提升的减排贡献率分别为8.75%和7.7%；交通出行方式优化和能源传输效率提升等减排措施贡献率相对较小.
|
1.基准情景, 2.清洁能源替代, 3.产业结构优化, 4.终端能效提升, 5.CCUS应用, 6.电力需求侧管理, 7.电气化加速, 8.能源传输效率提升, 9.交通出行方式优化, 10.强化低碳情景；正值表示对应情景下年碳排放量, 负值表示对应减碳措施的减碳量；百分数表示对应减碳措施的减碳贡献率 图 7 2035年临港新片区各减碳措施的减排贡献率 Fig. 7 Contribution level of emission reduction by various measures in 2035 |
|
1.基准情景, 2.清洁能源替代, 3.产业结构优化, 4.终端能效提升, 5.CCUS应用, 6.电力需求侧管理, 7.电气化加速, 8.能源传输效率提升, 9.交通出行方式优化, 10.强化低碳情景；正值表示对应情景下年碳排放量, 负值表示对应减碳措施的减碳量；百分数表示对应减碳措施的减碳贡献率 图 8 2060年临港新片区各减碳措施的减排贡献率 Fig. 8 Contribution level of emission reduction by various measures in 2060 |
图 9所示为中长期视角下不同减碳措施叠加后新片区的碳排放情况.为实现从基准情景到强化低碳情景的转型, 即从图 9的上边界排放轨迹至下边界排放轨迹, 新片区需协同推进各项减碳措施.整体来看, 各种减碳措施的实施均可降低碳排放峰值.其中, 清洁能源替代措施的实施大大促进了临港新片区碳达峰时间的提前, 40年间累积实现30 343.9万t碳减排量, 贡献了42.2%的减排, 是实现中长期减排的最主要驱动力.终端能效提升及产业结构优化分别达成8 336.1万t和12 465.2万t的碳减排量, 是中短期减排的主要驱动力, 通过终端能效提升及产业结构优化措施的推进使得碳达峰时间进一步提前.其他措施虽未对达峰时间提前起到关键性作用, 但对碳达峰后临港新片区碳中和目标的实现起到了重要作用.CCUS技术的应用是中长期减排的主要驱动力之一, 累积减排10 445万t碳, 贡献率达14.5%.然而, 仅仅使用节能和减排措施并不能使临港新片区在2060年完全实现碳中和, 还需要利用碳汇等措施促成目标的实现.
|
图 9 各种减碳措施的贡献演变 Fig. 9 Evolution of contributions of various mitigation measures |
本文通过分析各类减碳技术成本, 采用边际减排成本曲线对临港新片区强化低碳情景下不同减排措施中典型减碳技术的经济成本进行评估, 直观展现各项减碳技术的减排潜力及代价.
表 3和图 10所示为典型减碳技术的减排潜力和边际成本.就单项技术的减排潜力而言, CCUS技术的减排效果最为显著, 累积减排量（以CO2eq计）达到了10 445万t, 是未来实现碳减排的有力支撑.风能发电的减排效果同样十分显著, 达到了6 293.1万t, 其原因在于临港新片区滨海城市的区位优势, 具有较大的深远海风电发展潜力.氢能交通推广同样拥有较大的减排成效, 累积减排量达到了2 179万t, 可以有效降低交通部门碳排放水平.建筑节能技术和太阳能发电技术也具有一定的减排空间, 累积减碳量分别达到2 386万t和926.4万t.此外, 氢能发电技术及电解水制氢技术由于氢能总体应用规模较小, 所以减排效果难以彰显, 但从长远来看, 是我国未来实现净零排放的强有力支撑.
|
|
表 3 不同减碳措施下典型减碳技术的减排潜力和边际成本1） Table 3 Emission reduction potential and marginal cost of typical emission reduction technology |
|
图 10 典型减碳技术的减排潜力和边际成本 Fig. 10 Emission reduction potential and marginal cost of typical emission reduction technology |
从减排经济效益的角度考虑, 所分析的8项减碳技术中经济效益最好的是降低线损技术, 每减排1t碳, 可节省84.4元, 达成了经济性和环境性的双赢.另外7项技术则需要额外付出减排成本, 成本较高的几项措施为氢能发电、电解水制氢及CCUS技术, 分别达到了1 438.7、549和405元·t-1.这主要是因为氢能及CCUS技术在国内尚处于示范推广阶段, 作为新兴技术还不太成熟, 因此前期投资成本较高.虽然这3项技术的成本较高, 但对实现净零排放具有重要意义.太阳能发电及风能发电的减排成本分别为90.1元·t-1和192元·t-1, 未来仍有较大下降空间.节能及氢能车的边际减排成本分别为93.5元·t-1和123.6元·t-1, 减排潜力及减排成本均处于中等水平.
4 政策建议作为上海经济新的增长极, 临港新片区面临经济高速发展背景下实现“碳达峰、碳中和”目标的巨大挑战, 基于本研究成果, 提出以下4点建议.
（1）情景对比分析结果表明, 不同的政策导向与减碳技术推广力度将导致完全迥异的碳排放演化路径.为此, 为打破区域经济、能源与环境的三重困境, 需要尽快确立顶层设计思路, 制定临港新片区“双碳”规划总体目标与路径, 明确提出碳达峰和碳中和时间节点.
（2）减排贡献度分析表明, 清洁能源替代是临港新片区中长期碳减排的最主要驱动力.为此, 新片区应结合资源条件, 加快构建以新能源为主体的现代能源体系和新型电力系统.一方面, 充分结合区内产业园区开发、商业楼宇建设以及交通港口等基础设施, 形成多业态融合的“光伏+”应用场景, 推进分布式光伏整区域开发；另一方面, 利用滨海城市优势, 全面布局近海和深远海风电基地, 并因地制宜推动陆上分散式风电建设.
（3）典型减碳技术的经济性分析表明, 氢能、CCUS等技术目前成本相对较高, 但在中长期视角下是不可或缺的减碳技术.为此, 临港新片区应充分发挥在氢能领域的技术集聚优势, 以公共交通、集卡和环卫用车等为切入口, 加快氢能交通推广力度, 并完善加氢站等相关基础设施；同时, 加快可再生能源电解水制氢、燃料电池等核心技术研发, 降低技术成本, 支撑新能源比例的逐渐提升.碳达峰后可结合本地燃气电站运行, 开展CCUS技术的示范应用, 进一步降低本地碳排放.
（4）充分发挥临港新片区开放的政策优势, 构建灵活的能源和碳市场机制, 在减碳技术推广应用的同时, 叠加有效的市场手段, 从而以最低的成本实现全社会节能降碳.
5 结论（1）随着经济快速增长, 若未加引导措施, 临港新片区能源消费总量将持续增长至较高水平, 在2060年达到1941.3万t, 且主要以化石能源消费为主, 占比达83.5%；而通过各种强有力节能降碳措施干预, 有望达成能源消费与经济增长的脱钩, 并且实现能源消费的清洁化与电气化.
（2）未来临港新片区的碳排放量在基准情景下将呈现持续增长趋势, 在各项减碳措施的促进下, 低碳情景及强化低碳情景的碳排放量相比基准情景将大幅下降, 在2060年将分别下降49.4%和94%.强化低碳情景下临港新片区可在2030年与全国同步实现碳达峰目标.
（3）所考虑的各项减碳措施均能够降低二氧化碳峰值排放, 但只有清洁能源替代、产业结构优化和终端能效提升可使达峰时间提前, 中期（至2035年）分别贡献35.1%、27.3%和16.2%的碳减排量, 长期（至2060年）分别贡献50.6%、8.75%和7.7%的碳减排量.CCUS是长期碳减排的主要驱动力之一, 可为新片区碳中和目标的实现提供有力支撑.
（4）强化低碳情景下典型减碳技术的经济性分析表明, 降低线损在实现碳减排的同时具有较好的经济效益, 可实现无悔减排, 但减排潜力一般.长期来看, CCUS技术和风力发电的累积碳减排潜力最大；氢能发电、电解水制氢及CCUS技术减排成本较高, 但对于实现净零排放意义重大.
| [1] |
王力, 冯相昭, 马彤, 等. 典型城市减污降碳协同控制潜力评价研究: 以渭南市为例[J]. 环境科学研究, 2022, 35(8): 2006-2014. Wang L, Feng X Z, Ma T, et al. Evaluation of co-controlling air pollutants and carbon emission potential in typical cities: a case study in Weinan city[J]. Research of Environmental Sciences, 2022, 35(8): 2006-2014. |
| [2] |
洪竞科, 李沅潮, 郭偲悦. 全产业链视角下建筑碳排放路径模拟: 基于RICE-LEAP模型[J]. 中国环境科学, 2022, 42(9): 4389-4398. Hong J K, Li Y C, Guo S Y. Simulating building carbon emission path with a RICE - LEAP model from the perspective of the whole supply chain[J]. China Environmental Science, 2022, 42(9): 4389-4398. |
| [3] |
宋鹏, 张慧敏, 毛显强. 面向碳达峰目标的重庆市碳减排路径[J]. 中国环境科学, 2022, 42(3): 1446-1455. Song P, Zhang H M, Mao X Q. Research on Chongqing's carbon emission reduction path towards the goal of carbon peak[J]. China Environmental Science, 2022, 42(3): 1446-1455. |
| [4] | Huo T F, Xu L B, Feng W, et al. Dynamic scenario simulations of carbon emission peak in China's city-scale urban residential building sector through 2050[J]. Energy Policy, 2021, 159: doi: 10.1016/j.enpol.2021.112612.. |
| [5] | Fang K, Li C L, Tang Y Q, et al. China's pathways to peak carbon emissions: new insights from various industrial sectors[J]. Applied Energy, 2022, 306: doi: 10.1016/j.apenergy.2021.118039.. |
| [6] | 燕东, 刘枫, 叶鹏飞, 等. 碳达峰情景预测的主要方法及模型[J]. 环境保护与循环经济, 2021, 41(7): 97-101. |
| [7] | Liang S, Lin X Y, Liu X X, et al. The pathway to China's carbon neutrality based on an endogenous technology CGE model[J]. International Journal of Environmental Research and Public Health, 2022, 19(10). DOI:10.3390/ijerph19106251 |
| [8] |
许鸿伟, 汪鹏, 任松彦, 等. 基于CGE模型的电力低碳转型速度调控策略研究——以粤港澳大湾区为例[J]. 气候变化研究进展, 2022, 18(1): 81-96. Xu H W, Wang P, Ren S Y, et al. Research on the speed control strategy of low carbon power transition based on CGE model—take the GBA as an example[J]. Climate Change Research, 2022, 18(1): 81-96. |
| [9] | Allena-Ozolina S, Pakere I, Jaunzems D, et al. Integrated MARKAL-EFOM system (TIMES) model for energy sector modelling[A]. In: Proceedings of the IEEE 61st International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON)[C]. Riga: IEEE, 2020. 1-7. |
| [10] |
刘睿, 姚西龙. 山西省电力部门实现碳中和的路径研究[J]. 中国煤炭, 2021, 47(8): 8-16. Liu R, Yao X L. Study on the realizing path of carbon neutrality in power sector of Shanxi province[J]. China Coal, 2021, 47(8): 8-16. |
| [11] | Comodi G, Cioccolanti L, Gargiulo M. Municipal scale scenario: analysis of an Italian seaside town with MarkAL-TIMES[J]. Energy Policy, 2012, 41: 303-315. DOI:10.1016/j.enpol.2011.10.049 |
| [12] |
朱淑瑛, 刘惠, 董金池, 等. 中国水泥行业二氧化碳减排技术及成本研究[J]. 环境工程, 2021, 39(10): 15-22. Zhu S Y, Liu H, Dong J C, et al. Mitigation technologies and marginal abatement cost curves for cement industry in China[J]. Environmental Engineering, 2021, 39(10): 15-22. |
| [13] |
许绩辉, 王克. 中国民航业中长期碳排放预测与技术减排潜力分析[J]. 中国环境科学, 2022, 42(7): 3412-3424. Xu J H, Wang K. Medium- and long-term carbon emission forecast and technological emission reduction potential analysis of China's civil aviation industry[J]. China Environmental Science, 2022, 42(7): 3412-3424. |
| [14] |
杨柏, 秦广鹏, 邬钦. "双碳"目标下中国省域碳排放核算分析[J]. 环境科学, 2022, 43(12): 5840-5849. Yang B, Qin G P, Wu Q. Analysis of provincial CO2 emission accounting in China under the carbon peaking and carbon neutrality goals[J]. Environmental Science, 2022, 43(12): 5840-5849. |
| [15] |
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. |
| [16] |
付佩, 兰利波, 陈颖, 等. 面向2035的节能与新能源汽车全生命周期碳排放预测评价[J]. 环境科学, 2023, 44(4): 2365-2374. Fu P, Lan L B, Chen Y, et al. Life cycle prediction assessment of energy saving and new energy vehicles for 2035[J]. Environmental Science, 2023, 44(4): 2365-2374. |
| [17] |
李建豹, 黄贤金, 揣小伟, 等. "双碳"背景下长三角地区碳排放情景模拟研究[J]. 生态经济, 2022, 38(11): 13-18, 35. Li J B, Huang X J, Chuai X W, et al. Scenario simulation of carbon emissions in the Yangtze River Delta under the background of "Dual Carbon"[J]. Ecological Economy, 2022, 38(11): 13-18, 35. |
| [18] | Cai L Y, Duan J L, Lu X J, et al. Pathways for electric power industry to achieve carbon emissions peak and carbon neutrality based on LEAP model: a case study of state-owned power generation enterprise in China[J]. Computers & Industrial Engineering, 2022, 170: doi: 10.1016/j.cie.2022.108334.. |
| [19] |
陈睿, 饶政华, 刘继雄, 等. 基于LEAP模型的长沙市能源需求预测及对策研究[J]. 资源科学, 2017, 39(3): 482-489. Chen R, Rao Z H, Liu J X, et al. Prediction of energy demand and policy analysis of Changsha based on LEAP model[J]. Resources Science, 2017, 39(3): 482-489. |
| [20] | Hu G X, Ma X M, Ji J P. Scenarios and policies for sustainable urban energy development based on LEAP model - a case study of a postindustrial city: Shenzhen China[J]. Applied Energy, 2019, 238: 876-886. DOI:10.1016/j.apenergy.2019.01.162 |
| [21] |
刘惠, 王真, 曹丽斌, 等. 基于LEAP模型的鹤壁市农村生活碳排放研究[J]. 环境科学与技术, 2020, 43(11): 25-35. Liu H, Wang Z, Cao L B, et al. Research of rural living carbon emission in Hebi based on LEAP model[J]. Environmental Science & Technology, 2020, 43(11): 25-35. |
| [22] |
周伟铎, 庄贵阳. 雄安新区零碳城市建设路径[J]. 中国人口·资源与环境, 2021, 31(9): 122-134. Zhou W D, Zhuang G Y. Zero-carbon city construction pathways of Xiongan New area[J]. China Population, Resources and Environment, 2021, 31(9): 122-134. |
| [23] |
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. |
| [24] |
吴乐敏, 陈丙寅, 欧林冲, 等. 东莞市低碳路径下加速电气化对CO2和污染物协同减排影响[J]. 环境科学, 2023, 44(12): 6653-6663. Wu L M, Chen B Y, Ou L C, et al. Impact of accelerated electrification under the low carbon path in Dongguan city on the coordinated emission reduction of CO2 and pollutants[J]. Environmental Science, 2023, 44(12): 6653-6663. |
| [25] |
王沛林. 四类预测人口方法的对比及Logistic人口生长模型的改进[J]. 保定学院学报, 2022, 35(3): 87-98. Wang P L. Comparison of four kinds of population prediction methods and improvement of Logistic population growth model[J]. Journal of Baoding University, 2022, 35(3): 87-98. |
| [26] |
陈霞, 肖岚. Logistic模型的改进与中国人口预测[J]. 成都信息工程大学学报, 2020, 35(2): 239-243. Chen X, Xiao L. Improved Logistic model and China population forecast[J]. Journal of Chengdu University of Information Technology, 2020, 35(2): 239-243. |
| [27] |
王彦哲, 欧训民, 周胜. 基于学习曲线的中国未来制氢成本趋势研究[J]. 气候变化研究进展, 2022, 18(3): 283-293. Wang Y Z, Ou X M, Zhou S. Future cost trend of hydrogen production in China based on learning curve[J]. Climate Change Research, 2022, 18(3): 283-293. |
| [28] |
阮前途, 陈赟, 潘智俊. 新型电力系统对实现沿海城市双碳目标贡献的探讨[J]. 电力系统自动化, 2022, 46(14): 11-18. Ruan Q T, Chen Y, Pan Z J. Discussion on contributions of novel power system to achieving carbon emission peak and carbon neutrality of coastal city[J]. Automation of Electric Power Systems, 2022, 46(14): 11-18. |
| [29] |
刘耕源, 郭丽思, 陈钰, 等. 城市碳中和措施的边际减排成本分析——以北京市为例[J]. 北京师范大学学报(自然科学版), 2023, 59(2): 249-259. Liu G Y, Guo L S, Chen Y, et al. Marginal abatement cost analysis of urban carbon neutralization measures: taking Beijing as a case[J]. Journal of Beijing Normal University (Natural Science), 2023, 59(2): 249-259. |
| [30] |
董金池, 汪旭颖, 蔡博峰, 等. 中国钢铁行业CO2减排技术及成本研究[J]. 环境工程, 2021, 39(10): 23-31, 40. Dong J C, Wang X Y, Cai B F, et al. Mitigation technologies and marginal abatement cost for iron and steel industry in China[J]. Environmental Engineering, 2021, 39(10): 23-31, 40. |
| [31] | 上海市人民政府. 上海市人民政府关于印发《中国(上海)自由贸易试验区临港新片区发展"十四五"规划》的通知[EB/OL]. https://www.shanghai.gov.cn/nw12344/20210812/bd6b7c5e895d42ac8885362bd0ae6e0c.html, 2021-08-12. |
| [32] | 上海市浦东新区统计局. 2021上海浦东新区统计年鉴[M]. 北京: 中国统计出版社, 2020. |
| [33] | 上海市浦东新区人民政府. 浦东统计月报[EB/OL]. https://www.pudong.gov.cn/zwgk/tjj_gkml_ywl_tjsj_yb/2022/326/298309/287583d0d6954bab8438dfc320c8f503.pdf, 2021-02-18. |
| [34] | 秦宏波, 陶然, 薛恒荣, 等. 上海产业能效指南(2021版)[R]. 上海: 上海市节能中心, 2021. |
| [35] | 上海市交通委员会. 小客车使用强度持续下降, 总出行量维持增长态势!上海市第六次综合交通调查成果发布[EB/OL]. https://mp.weixin.qq.com/s/2A8vz-Wx3vGkJVTSj8RQCg, 2022-01-30. |
| [36] | 薛露露, 靳雅娜, 禹如杰, 等. 中国道路交通2050年"净零"排放路径研究[R]. 北京: 世界资源研究所, 2019. 1-51. |
| [37] | 奚文怡, 蒋慧, 鹿璐, 等. 城市的交通"净零"排放: 路径分析方法、关键举措和对策建议[R]. 北京: 世界资源研究所, 2020. 1-48. |
| [38] | 中国(上海)自由贸易试验区临港新片区管理委员会. 中国(上海)自由贸易试验区临港新片区综合交通"十四五"规划[EB/OL]. https://www.lingang.gov.cn/upload/files/2021/2/67db551efb9563a3.pdf, 2021-01-26. |
| [39] | International Energy Agency (IEA). An energy sector roadmap to carbon neutrality in China[R]. Paris: IEA, 2021. |
| [40] |
潘毅群, 魏晋杰, 汤朔宁, 等. 上海市建筑领域碳中和预测分析[J]. 暖通空调, 2022, 52(8): 18-28. Pan Y Q, Wei J J, Tang S N, et al. Prediction and analysis of carbon neutrality in building sector in Shanghai[J]. Heating Ventilating & Air Conditioning, 2022, 52(8): 18-28. |
| [41] |
戚仁广, 凡培红, 丁洪涛. 碳中和背景下我国建筑面积预测[J]. 建设科技, 2021(11): 14-18. Qi R G, Fan P H, Ding H T. Forecast of China's building area under background of carbon neutrality[J]. Construction Science and Technology, 2021(11): 14-18. |
| [42] | 中国(上海)自由贸易试验区临港新片区管理委员会. 关于印发《中国(上海)自由贸易试验区临港新片区综合能源"十四五"规划》的通知[EB/OL]. https://www.lingang.gov.cn/html/website/lg/index/government/file/1481569823465238530.html, 2021-01-27. |
| [43] | 中国(上海)自由贸易试验区临港新片区管理委员会. 关于印发《临港新片区打造高质量氢能示范应用场景实施方案(2021-2025年)》的通知[EB/OL]. https://www.lingang.gov.cn/pdfs/2021-09-18/0f486d887649453d9487d0ecaedd9004.pdf, 2021-09-18. |
| [44] | 李婷, 刘玮, 李抒苡, 等. 开启绿色氢能新时代之匙: 中国2030年"可再生氢100"发展路线图[R]. 北京: 落基山研究所, 中国氢能联盟研究院, 2022. |
| [45] | 张永伟, 张真, 苗乃乾, 等. 中国氢能产业发展报告2020[R]. 北京: 中国电动汽车百人会, 2020. |
| [46] | 蔡博峰, 李琦, 张贤, 等. 中国二氧化碳捕集利用与封存(CCUS)年度报告(2021)—中国CCUS路径研究[R]. 北京: 生态环境部环境规划院, 中国科学院武汉岩土力学研究所, 中国21世纪议程管理中心, 2021. |
| [47] |
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. |