2024, Vol. 45
2. 鄂尔多斯市碳中和研究应用有限公司, 鄂尔多斯 017004
, LIU Biao1
, ZHU Xiao-hong1 , ZHANG Jun-yu1 , WANG Bing-hao2 , WANG Ming-pei2 , YANG Jian-gong2 , BAI Yang2 , YANG Fu-yuan1
2. Ordos Carbon Neutral Research and Application Co., Ltd., Ordos 017004, China
以CO2为主的温室气体排放所导致的全球气候变暖, 已成为全球性的非传统安全问题, 严重威胁着人类的生存和可持续发展[1, 2]. 我国在国际上多次展示对于碳中和的决心, 并将碳中和作为一项基本决策纳入国家政策中[3, 4]. 在此背景下, 国内外开展了大量碳排放趋势预测及相关研究. 碳排放预测的前提是构建能源经济环境系统模型, 目前主要的建模方法包括自上而下、自下而上和混合模型[5]. 自上而下的方法对主要的碳排放源分类, 逐级构建子目录, 层层分解, 属于偏宏观的核算方法, 适用于宏观经济分析领域, 而难以细化到某项具体技术或措施[6~9]. 自下而上的方法从工程技术出发, 进一步分析能源过程, 再计算排放量, 属于偏微观的核算方法, 适用于工程学领域, 可以评估某项具体技术或措施的影响[10~14]. 混合模型同时考虑经济和技术两个层面, 结构较复杂, 使用难度较大[15].
LEAP（long-range energy alternatives planning system）模型作为一种经典的自下而上模型, 在碳排放预测的研究领域被广泛使用. 在国家层面上, 洪竞科等[15]发现在供给侧结构性改革情景下, 我国碳排放在2029年最早达峰. 在省市级层面上, 学者们使用LEAP模型研究了北京市[16]、江苏省[17]、浙江省[18]、上海市[19, 20]、成都市[21]、张家口市[22]和镇江市[23]的碳排放达峰情况以及减排潜力与路径. 具体到某部门更细化的研究, 现有研究使用LEAP模型, 分别对不同城市的交通[24~26]、电力[27~30]和建筑[31~33]等部门等在不同情景下的碳排放进行了预测.
上述文献没有开展对于我国碳排放贡献很高的煤化工基地城市的研究[34]. 煤化工行业作为典型的高耗能、高污染行业, 2019年煤炭消耗量9.0亿t, 约占我国煤炭消费总量的22.5%；二氧化碳排放量5.4亿t, 约占全国二氧化碳排放总量的5%[35~37]. 研究煤化工基地城市的低碳发展路径对于指导煤化工地区低碳转型发展, 助力我国双碳战略实现具有重要的意义. 其中, 鄂尔多斯市风能、太阳能资源丰富, 具备大力发展新能源发电的条件[38, 39]. 同时, 鄂尔多斯市又是煤炭生产重地, 大量外送煤炭和电力, 燃煤发电比例高, 工业部门呈现出高耗能、高排放的特点, 面临巨大的减排压力[40]. 因此, 依据当地的资源禀赋以及经济发展规划, 找到一条符合鄂尔多斯市实际情况的低碳发展路径, 对于鄂尔多斯市实现碳达峰、碳中和具有重要的意义.
LEAP模型作为一种基于情景分析法的预测模型, 便于直观分析减排技术的效果, 对省市进行低碳路径规划. 本文基于LEAP模型进行鄂尔多斯市碳排放量的预测, 梳理了鄂尔多斯市政府文件, 分析相关政策, 以指导低碳发展路径的研究. 在基准情景、低碳情景和强化低碳情景这3种情景下, 分能源品种、分部门和分阶段分析碳排放, 得出减排目标、减排路径和减排潜力. 定量分析不同举措对于降低碳排放的贡献, 最后给出推动鄂尔多斯市碳达峰、碳中和的总体、分部门政策建议. 本研究结果对于鄂尔多斯市双碳目标的实现具有重要的推动作用, 对于煤化工基地的碳减排具有重要的指导意义.
1 材料与方法 1.1 LEAP模型LEAP模型自下而上的测算各情景下的能源需求量、污染物排放量. 本研究构建的模型如图 1所示, 首先由鄂尔多斯市GDP、人口、工业产品产量等数据得到各部门的能源活动水平, 结合能耗强度计算出各部门的终端用能, 总和即为能源需求量. 如式（1）所示.
|
(1) |
|
图 1 LEAP模型计算框架 Fig. 1 Calculation framework of LEAP model |
式中, m=1, 2, 3…6, 对应模型中的终端部门划分为居民生活、商业与其他、交通、工业、农业和建筑业, 其中重点排放部门为工业和交通. 根据鄂尔多斯市2020年温室气体清单, 能源活动的温室气体排放量占全社会总排放量的93.26%, 其余领域占比较低. 因此, 本研究仅对能源活动领域的温室气体排放进行测算, 工业部门不考虑工业生产过程的排放. n表示子部门. ECk表示k品种能源的需求量, ALm, n表示m部门n子部门的能源活动水平, EIm, n表示m部门n子部门单位活动水平的能耗强度, Sm, n, k表示终端用能的能源结构（即k品种能源在电力和煤炭、石油等各种能源的占比）.
终端能源需求量的结果结合各种能源的碳排放因子, 得出终端部门的碳排放量. 如式（2）所示, EFk为k品种能源的碳排放因子.
|
(2) |
能源需求量中电力的部分除以输电效率得到本地发电量, 加上外调发电量得到总的发电量. 能源需求量中热力的部分即为总的供热量（不考虑热力输送损失）. 发电量的结果结合发电结构（火力发电、风光发电等各种发电技术的占比）、各技术的碳排放因子和发电效率, 得出电力部门的碳排放量. 供热量结合热力生产结构（燃煤供热、电热的占比）、各技术的碳排放因子和生产效率, 得到热力部门的碳排放量. 终端部门排放量、电力部门碳排放量、热力部门碳排放量的和为本研究考虑的总碳排放量.
1.2 情景与参数设置 1.2.1 宏观参数设置本研究以2020年为基准年, 预测2020~2050年鄂尔多斯的碳排放趋势, 探索鄂尔多斯低碳发展路径. 宏观参数设置如表 1所示, 包括人口增速、GDP增速和产业结构, 分别参考了鄂尔多斯历史数据和文献中使用的预测参数. 产业结构的预测中包含了工业和农牧业减少、商业与服务业增加的趋势, 是一个向绿色经济发展转型的减排措施. 根据上述参数计算, 到2050年时, 总GDP较2020年将增加到3倍以上, 其中第三产业（商业与服务业）占比将增加到50%以上.
|
表 1 宏观参数 Table 1 Macro parameters |
1.2.2 终端用能参数设置
各终端部门的用能为活动水平×能耗强度, 参数设置如表 2所示. 本研究构建的模型以人口、GDP、产量和施工面积来分别代表各部门的活动水平. 居民生活、商业与其他、交通用能、农业用能和建筑业这5个部门的基准年能耗强度的设置参考了文献[18]的方法, 为能耗除以活动水平, 能耗由鄂尔多斯市2020年能源平衡表计算得到；工业用能部门由于细分到工业产品, 而各工业产品的能源消费量无法直接从能源平衡表得到, 因此部分使用了GREAT模型（green resources and energy analysis tool）中对应值.
|
|
表 2 终端用能参数 Table 2 End-use energy parameters |
能耗强度变化趋势预测参数的具体取值如表 3所示, 相关参数综合参考现有研究中的取值, 主要参照洪竞科等[15]的研究, 在强化低碳情景的工业部门参照文献[21]. 与基准情景相比, 低碳情景在2020~2030年能耗强度下降得更快, 2030~2050年下降速率维持不变；进一步地, 在低碳情景之上, 强化低碳情景工业部门的能耗强度分别在2020~2025年、2025~2050年以不同速率下降得更快.
|
|
表 3 能耗强度预测参数 Table 3 Energy intensity prediction parameters |
1.2.3 情景描述与参数设置
本研究设计了3种情景对碳排放进行预测.
基准情景：基准情景保持目前鄂尔多斯的减排力度, 以现有的减碳趋势进行预测, 主要考虑《鄂尔多斯市“十四五”能源综合发展规划》[43]和《鄂尔多斯市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》[44]中提到的政策, 包括控制能耗强度、调整能源结构和调整产业结构. 具体的减排措施主要为：①风光发电装机量的增加, 到2050年一共达到100 GW的装机量, 开发到鄂尔多斯风光资源总量128 GW的78%；②火电效率提升到42.5%；③能耗强度降低（表 3）；④终端电气化, 2050年工业部门用电占比提升至20%, 交通部门用电占比提升至34%；⑤经济转型, 工业和农牧业减少、商业与服务业增加；⑥供热清洁化, 到2050年, 燃煤供热全部由消耗电力的绿色供热技术（热泵等）取代. 该情景反映延续现有政策下的经济增长、能源消费和CO2排放过程.
低碳情景：低碳情景在基准情景的基础上进一步增强减排力度, 主要增加了水电和生物质发电的装机量, 其他减排措施也进一步加强：①风光发电装机量的增加, 到2050年一共达到128 GW的装机量, 开发完全部鄂尔多斯风光资源总量；②水电装机量2050年增加到2.28 GW；③生物质发电装机量2050年增加到9.5 GW, 替代部分传统燃煤火电；④火电效率提升到43.25%；⑤能耗强度降低（表 3）；⑥终端电气化, 2050年工业部门用电占比提升至60%, 交通部门用电占比提升至50%. 低碳情景是介于基准情景和强化低碳情景之间的过渡.
强化低碳情景：强化低碳情景以实现碳中和为目标, 在低碳情景的基础上增加了燃氢发电和火电CCUS技术来完全替代传统火电, 进一步提高了终端电气化率：①生物质发电装机量2050年增加到7.1 GW（由于增加燃氢发电和CCUS火电, 传统火电剩余量有限, 因此生物质发电装机量略少于低碳情景）；②燃氢发电装机量2050年增加到1 GW；③2030年开始新增CCUS火电, 2050年装机量达到0.5 GW；④终端电气化, 2050年工业部门用电占比提升至80%, 交通部门用电占比提升至75%. 强化低碳情景反映综合调控作用下的经济增长、能源消费和气候变化动态演进路径.
3种情景逐步加强减排力度, 增加低碳技术. 根据预测结果和减排目标调整情景参数, 探索碳达峰、碳中和路径. 情景参数的设置与来源汇总如表 4所示.
|
|
表 4 情景参数设置1） Table 4 Scenario parameters |
2 结果与讨论 2.1 鄂尔多斯市整体低碳发展路径分析 2.1.1 终端能源需求量
3种情景下, 鄂尔多斯终端能源需求量的预测结果如图 2所示, 结果以当量值表示, 其中工业部门包含了用作原料、材料的量（该部分的碳排放即工业生产过程的碳排放, 不纳入计算）. 2020年的能源需求量（以标准煤计, 下同）为4 990.30万t, 与鄂尔多斯市2020年能源平衡表中终端消费量总量4 990.69万t一致. 其中, 能源种类分为煤炭、石油、天然气、电力、热力和生物质这6类.
|
图 2 不同情景下终端能源需求量 Fig. 2 End-use energy demand under different scenarios |
基准情景下, 能源需求量在2035年达到峰值6 700万t之后开始下降, 2050年下降到5 600万t；低碳情景下, 能源需求量在2035年达到峰值6 000万t之后开始下降, 2050年下降到5 000万t；强化低碳情景下, 能源需求量更早地在2025年达到峰值5 200万t之后开始下降, 2050年下降到4 000万t. 从2020年到2050年, 能耗强度逐渐下降, 超过产业GDP增长（即终端用能活动水平上升）的影响, 因此在能源需求量上体现出先上升后下降的变化趋势. 3种情景下能源需求量的依次下降, 是由于降低能耗强度的措施逐步增强.
在能源结构上, 低碳和强化低碳情景下, 电力的占比显著增加, 这种变化趋势与各情景中设置的工业部门和交通部门终端电气化减排措施相符. 强化低碳情景下, 2050年时煤炭的占比仍有约40%, 是由于包含了用作原料的部分. 能源需求量中用作原料的占比, 以及除去该部分后的能源结构如图 3所示, 用作原料的能源占比为33%, 用作燃料的煤炭仅占5%, 用作燃料的石油和天然气分别占5%和3%.
|
图 3 强化低碳情景下2050年的终端能源结构 Fig. 3 End-use energy structure under the enhanced low carbon scenario in 2050 |
3种情景下, 碳排放量的预测结果如图 4所示. 2020年的碳排放量（以CO2计, 下同）为15 615.55万t, 与鄂尔多斯市2020年能源活动温室气体排放清单汇总表中化石燃料燃烧的碳排放总量17 567.92万t相比略低. 原因可能为：①计算范围不同, 未将煤炭、石油、天然气开采和固体燃料加工等能源加工转化过程的化石燃料燃烧纳入计算；②计算方法不同；③排放因子数据的选取不同.
|
图 4 碳排放量情景预测结果 Fig. 4 Prediction of carbon emissions under different scenarios |
基准情景下, 碳排放量在2030年达到峰值19 400万t之后开始下降, 2050年下降到8 200万t；低碳情景下, 碳排放量在2030年达到峰值17 100万t之后开始下降, 2050年下降到3 600万t；强化低碳情景下, 碳排放量更早地在2025年达到峰值16 300万t之后开始下降, 2050年下降到1 600万t, 较2020年降低88%. 随着减排措施逐步增强, 3种情景下碳排放量依次下降. 2050年时, 低碳情景的碳排放量比基准情景下降61%, 强化低碳情景下降80%. 在2030~2050年, 3种情景下的碳排放量有较大差别, 原因包括：①清洁电力装机量不同；②强化低碳情景下的工业部门能耗强度不同；③工业、交通部门电气化率不同. 在碳排放结构上, 到2050年, 3种情景下电力、热力部门的碳排放均大幅下降, 工业部门、交通部门和其他部门的碳排放占比相对增加. 这是由于电力、热力部门进行了清洁化技术的完全替代, 而工业部门、交通部门和其他部门仍存在少量化石燃料的使用.
2.1.3 各措施的减排贡献分析到2050年, 各措施的减排贡献如图 5所示. 可再生能源发电装机量增加（包括风光发电、水电、生物质发电）、能耗降低和终端电气化均起到了显著的减排作用. 此外, 火电效率提升、燃氢发电装机量增加和碳捕集与碳封存技术也起到了减排的作用. 结果证明了鄂尔多斯大力发展可再生能源、氢能以及推进终端电气化的必要性. 同时, 工业、交通等各部门也必须承担降低能耗、提升能源利用效率的减排任务. 另外, 在3种情景中均设置了相同的经济转型和供热清洁化的措施, 虽然未在图 5的贡献分析中得到体现, 但不可忽视其减排作用.
|
1.基准情景；2. 火电效率提升；3. 可再生能源发电装机量增加；4. 能耗降低；5. 终端电气化；6. 燃氢发电装机量增加；7. 碳捕集与碳封存；8.强化低碳情景 图 5 各措施减排贡献 Fig. 5 Contribution of emission reductions by various measures |
3种情景中, 低碳情景的结果离碳中和目标仍有差距, 强化低碳情景下预估能在2060年前实现碳中和. 同时, 电力、工业和交通这3个部门为碳排放重点部门. 因此, 接下来针对电力、工业和交通这3个部门, 仅对比基准情景和强化低碳情景, 分析各影响因素的减排效果, 得出各部门的低碳发展路径.
2.2 鄂尔多斯市分部门低碳发展路径分析 2.2.1 电力部门低碳发展路径如图 6所示, 基准情景下, 由于风光发电装机量增加, 光伏风电发电量也按装机量增加, 逐渐替代大部分的火力发电. 强化低碳情景下, 由于终端电气化率升高, 总发电量增加. 到2050年时低碳发电技术取代了传统的火力发电, 除光伏风电占大部分的发电量外, 还有燃氢发电、CCUS火电、生物质发电和水电.
|
图 6 分技术发电量预测 Fig. 6 Prediction of power generation by different technologies |
如图 7所示, 由于原有发电结构中火力发电占比高, 终端电气化会使火力发电量增加, 进而使电力部门碳排放量增加. 能耗降低、可再生能源发电装机量增加起到了明显的减排效果. 能耗降低起到降低发电量的作用, 可再生能源发电装机量增加和燃氢发电装机量增加改善发电结构. 火电效率提升和CCUS技术也起到了火电降碳的作用. 另外, 输电效率提升未在图中体现, 但也起到减排作用.
|
图 7 电力部门各影响因素累计减排趋势 Fig. 7 Cumulative emission reductions by various factors in the power sector |
为实现电力部门的低碳发展, 最首要的措施是调整发电结构, 对现有火电厂进行改造. 调整发电结构需要大力发展可再生能源发电, 包括占主导的风光发电, 以及生物质发电、水力发电；火电厂改造包括燃料从煤炭到氢气等清洁燃料的改造、CCUS技术的覆盖和火力发电效率提升；使零碳、低碳发电技术取代传统火力发电. 另外, 终端用能部门的能源利用效率提升有助于降低电力部门的发电量, 从而促进电力部门实现碳中和.
2.2.2 工业部门低碳发展路径如图 8所示, 2020~2030年终端电气化和能耗降低都起到明显的减排作用, 2030~2050年终端电气化减排作用更明显. 另外, 经济转型未在图 8中体现, 但也起到减排作用.
|
图 8 工业部门各影响因素累计减排趋势 Fig. 8 Cumulative emission reductions by various factors in the industrial sector |
为了实现工业部门的低碳发展, 最首要的措施是优化能源结构, 提高终端电气化率, 从传统的煤炭石油为主转向电力等非化石能源为主, 仅保留原料型化石燃料的使用. 同时, 调整行业结构, 在降低第二产业占比的基础上, 进一步提高电子、机械、医药等高附加值低能耗行业比重, 降低化工（精甲醇、合成氨）、冶金和建材（水泥）等高能耗高排放行业比重. 另外, 降低能耗强度, 大规模推广先进的节能技术.
2.2.3 交通部门低碳发展路径如图 9所示, 2020~2030年终端电气化和能耗降低都起到明显的减排作用, 2030~2050年终端电气化减排作用更明显. 终端电气化虽然会引起电力部门发电量增加, 但对于终端部门减排后期起到了至关重要的作用, 是一项关键的减排举措.
|
图 9 交通部门各影响因素累计减排趋势 Fig. 9 Cumulative emission reductions by various factors in the transportation sector |
为了实现交通部门的低碳发展, 最首要的措施是提高终端电气化率, 大力推动新能源汽车发展, 逐步取代燃油车, 包括电动汽车、新能源公交车、燃料电池重卡和换电重卡等. 同时, 提高交通能效, 推动技术升级, 提升交通管理水平, 从而降低交通部门能耗.
3 鄂尔多斯市低碳发展政策建议在分析了3种情景下的碳排放趋势, 包括峰值、达峰路径和减排潜力, 以及不同举措减排贡献的基础上, 本文给出的鄂尔多斯市低碳发展政策建议如下.
（1）大力发展可再生能源, 充分利用鄂尔多斯市丰富的风光资源禀赋.
（2）经济转型, 逐步提高产业结构中高附加值低耗能产业的比重.
（3）对于电力部门, 调整发电结构, 对现有火电厂进行改造, 使零碳、低碳发电技术取代传统火力发电.
（4）对于工业部门, 优化能源结构, 提高终端电气化率, 同时, 调整行业结构, 降低能耗强度.
（5）对于交通部门, 提高终端电气化率, 大力推动新能源汽车发展, 同时, 提高交通能效.
4 结论（1）在强有力的政策支持下, 鄂尔多斯市未来的能源消费和碳排放的增长趋势可以得到有效控制. 3种情景下, 碳排放的变化趋势均呈现“倒U型”曲线, 且均能在2030年及2030年以前达到峰值.
（2）只有在强化低碳情景下, 2050年已接近零碳排放, 有望在2060年前实现碳中和. 因此, 为了实现鄂尔多斯市碳中和目标, 在现有政策的基础上还需进一步加大力度, 全面推进更多减排举措.
（3）设置的各项减排措施均能降低2050年的碳排放量, 其中可再生能源发电装机量增加、终端用能的能耗降低和终端电气化率提高起到了关键的作用, 分别贡献了43%、25%和24%的减排量.
| [1] |
周天军, 陈晓龙, 左萌, 等. 地球气候敏感度研究的现状和未来[J]. 第四纪研究, 2023, 43(2): 604-624. Zhou T J, Chen X L, Zuo M, et al. Earth's climate sensitivity: methods, climate feedback processes, progresses and prospects[J]. Quaternary Sciences, 2023, 43(2): 604-624. |
| [2] |
黄震, 谢晓敏. 碳中和愿景下的能源变革[J]. 中国科学院院刊, 2021, 36(9): 1010-1018. Huang Z, Xie X M. Energy revolution under vision of carbon neutrality[J]. Bulletin of Chinese Academy of Sciences, 2021, 36(9): 1010-1018. |
| [3] | 新华社. 习近平在第七十五届联合国大会一般性辩论上发表重要讲话[EB/OL]. http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm, 2020-09-22. |
| [4] |
程晓勇. 中国在全球气候治理进程中的角色进阶[J]. 现代国际关系, 2023(6): 124-142. Cheng X Y. China's evolving role in global climate governance[J]. Contemporary International Relations, 2023(6): 124-142. |
| [5] | 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. DOI:10.3969/j.issn.1674-1021.2021.07.026 |
| [6] | Cai B F, Lu J, Wang J N, et al. A benchmark city-level carbon dioxide emission inventory for China in 2005[J]. Applied Energy, 2019, 233-234: 659-673. DOI:10.1016/j.apenergy.2018.10.016 |
| [7] | Cai B F, Li W X, Dhakal S, et al. Source data supported high resolution carbon emissions inventory for urban areas of the Beijing-Tianjin-Hebei region: spatial patterns, decomposition and policy implications[J]. Journal of Environmental Management, 2018, 206: 786-799. DOI:10.1016/j.jenvman.2017.11.038 |
| [8] | 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 |
| [9] |
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. |
| [10] | Xu Q, Dong Y X, Yang R, et al. Temporal and spatial differences in carbon emissions in the Pearl River Delta based on multi-resolution emission inventory modeling[J]. Journal of Cleaner Production, 2019, 214: 615-622. DOI:10.1016/j.jclepro.2018.12.280 |
| [11] | 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 |
| [12] | Dagnachew A G, Poblete-Cazenave M, Pachauri S, et al. Integrating energy access, efficiency and renewable energy policies in sub-Saharan Africa: a model-based analysis[J]. Environmental Research Letters, 2020, 15(12). DOI:10.1088/1748-9326/abcbb9 |
| [13] | Allena-Ozolina S, Pakere I, Jaunzems D, et al. Integrated MARKAL-EFOM System (TIMES) model for energy sector modelling[A]. In: 2020 IEEE 61th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON)[C]. Riga: IEEE, 2020. 1-7. |
| [14] | Pradhan B B, Shrestha R M, Limmeechokchai B. Achieving the Paris Agreement's 2 degree target in Nepal: the potential role of a carbon tax[J]. Climate Policy, 2020, 20(3): 387-404. DOI:10.1080/14693062.2020.1740149 |
| [15] |
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. |
| [16] | Zhang D Y, Liu G Y, Chen C C, et al. Medium-to-long-term coupled strategies for energy efficiency and greenhouse gas emissions reduction in Beijing (China)[J]. Energy Policy, 2019, 127: 350-360. DOI:10.1016/j.enpol.2018.12.030 |
| [17] |
王春春, 王远, 朱晓东. 基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平[J]. 应用生态学报, 2019, 30(10): 3535-3543. Wang C C, Wang Y, Zhu X D. Peak volume and time of energy-related CO2 emissions in Jiangsu Province, China based on long-range energy alternatives planning system model[J]. Chinese Journal of Applied Ecology, 2019, 30(10): 3535-3543. |
| [18] |
吴唯, 张庭婷, 谢晓敏, 等. 基于LEAP模型的区域低碳发展路径研究——以浙江省为例[J]. 生态经济, 2019, 35(12): 19-24. Wu W, Zhang T T, Xie X M, et al. Research on regional low carbon development path based on LEAP model: taking Zhejiang province as an example[J]. Ecological Economy, 2019, 35(12): 19-24. |
| [19] |
吴琼, 马昊, 任洪波, 等. 基于LEAP模型的临港新片区中长期碳排放预测及减排潜力分析[J]. 环境科学, 2024, 45(2): 721-731. Wu Q, Ma H, Ren H B, et al. Medium and long-term carbon emission projections and emission reduction potential analysis of Lingang special area based on the LEAP model[J]. Environmental Science, 2024, 45(2): 721-731. |
| [20] |
张哲, 任怡萌, 董会娟. 城市碳排放达峰和低碳发展研究: 以上海市为例[J]. 环境工程, 2020, 38(11): 12-18. Zhang Z, Ren Y M, Dong H J. Research on carbon emissions peaking and low-carbon development of cities: a case of Shanghai[J]. Environmental Engineering, 2020, 38(11): 12-18. |
| [21] | 清华四川能源互联网研究院能源战略与低碳发展研究中心. 成都市低碳发展路径分析研究报告[R]. 中国: 世界自然基金会, 2020. |
| [22] | 深圳市建筑科学研究院股份有限公司. 张家口市碳排放总量控制方法学及政策建议[R]. 中国: 世界自然基金会, 2020. |
| [23] | 国家应对气候变化战略研究和国际合作中心. 镇江市碳排放总量控制工作方案研究研究报告[R]. 中国: 世界自然基金会, 2020. |
| [24] | Wang J J, Li Y, Zhang Y. Research on carbon emissions of road traffic in Chengdu city based on a LEAP model[J]. Sustainability, 2022, 14(9). DOI:10.3390/su14095625 |
| [25] |
杨森, 黄莹, 焦建东, 等. 基于LEAP模型的广州交通领域能耗及空气污染物排放分析[J]. 新能源进展, 2021, 9(1): 69-75. Yang S, Huang Y, Jiao J D, et al. Analysis of energy consumption and air pollutant emission in Guangzhou transportation field based on LEAP model[J]. Advances in New and Renewable Energy, 2021, 9(1): 69-75. |
| [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] | Conteh F, Furukakoi M, Rangarajan S S, et al. Long-term forecast of Sierra Leone's energy supply and demand (2019-2040): a LEAP model application for sustainable power generation system[J]. Sustainability, 2023, 15(15). DOI:10.3390/su151511838 |
| [28] |
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. |
| [29] |
陈恒蕤. 甘肃省电力源碳达峰路径与污染物协同控制模拟研究[D]. 兰州: 兰州大学, 2023. Chen H R. Simulation Studies on Carbon Peaking Path and Pollutant Collaborative Control of Power Sources in Gansu Province[D]. Lanzhou: Lanzhou University, 2023. |
| [30] |
陈传敏, 何宇, 蔡萱, 等. 基于LEAP模型的电网企业碳排放情景预测及减排潜力分析[J/OL]. 华北电力大学学报(自然科学版), 2023: 1-8. http://kns.cnki.net/kcms/detail/13.1212.TM.20230921.1004.004.html, 2023-11-11. Chen C M, He Y, Cai X, et al. Carbon emission scenario prediction and reduction potential analysis for grid companies based on LEAP model[J/OL]. Journal of North China Electric Power University (Natural Science Edition), 2023: 1-8. http://kns.cnki.net/kcms/detail/13.1212.TM.20230921.1004.004.html, 2023-11-11. |
| [31] |
王钦章. 基于LEAP模型的安徽省建筑领域碳排放预测及技术路径研究[D]. 合肥: 安徽建筑大学, 2023. Wang Q Z. Research on the Prediction and Technical Path of Carbon Emissions in the Construction Sector of Anhui Province Based on LEAP Model[D]. Hefei: Anhui Jianzhu University, 2023. |
| [32] |
胡浩威, 王钦章, 朱力, 等. 基于LEAP模型和LMDI分解的建筑碳排放预测分析[J]. 北京建筑大学学报, 2023, 39(3): 80-87. Hu H W, Wang Q Z, Zhu L, et al. Prediction and analysis of carbon emissions in building sector based on LEAP model and LMDI decomposition[J]. Journal of Beijing University of Civil Engineering and Architecture, 2023, 39(3): 80-87. |
| [33] |
李沅潮. 全产业链视角下的建筑碳排放路径研究——基于RICE-LEAP模型[D]. 重庆: 重庆大学, 2022. Li Y C. Simulating Buliding Carbon Emission Path from the Perspective of Supply Chain Based on RICE-LEAP Model[D]. Chongqing: Chongqing University, 2022. |
| [34] |
陈传龙, 李泽浩. 中国城市群碳转移及责任分担[J]. 热带地理, 2022, 42(11): 1855-1865. Chen C L, Li Z H. Carbon transfer and responsibility sharing of Chinese urban agglomerations[J]. Tropical Geography, 2022, 42(11): 1855-1865. |
| [35] |
黄晟, 杨振丽, 李振宇. 氢产业链发展的路径分析[J]. 化工进展, 2024, 43(2): 882-893. Huang S, Yang Z L, Li Z Y. Analysis of optimization path of developing China's hydrogen industry[J]. Chemical Industry and Engineering Progress, 2024, 43(2): 882-893. |
| [36] |
张鸿宇, 王媛, 郝成亮, 等. 双碳约束下煤化工行业节煤降碳减污协同[J]. 环境科学, 2023, 44(2): 1120-1127. Zhang H Y, Wang Y, Hao C L, et al. Coal-carbon-pollutant coordinated control of coal chemical industry under carbon peak and carbon neutrality constraints[J]. Environmental Science, 2023, 44(2): 1120-1127. |
| [37] | 朱妍. 现代煤化工如何应对"三高"挑战?[N]. 中国能源报, 2021-09-06(16). |
| [38] | 杜汇良. 鄂尔多斯推进能源产业绿色创新发展的实践探索[J]. 新经济导刊, 2022(4): 50-54. DOI:10.3969/j.issn.1009-959X.2022.04.006 |
| [39] |
王杰, 吴昊, 熊力, 等. 内蒙古自治区氢电耦合助力构建新型能源体系实证研究[J]. 水力发电, 2023, 49(9): 1-5, 89. Wang J, Wu H, Xiong L, et al. Study on new energy system construction assisted by hydrogen-electric coupling in Inner Mongolia Autonomous Region[J]. Water Power, 2023, 49(9): 1-5, 89. |
| [40] |
于光军. 论区域共同富裕和"双碳"目标在碳资源富集区的实现——以内蒙古为例[J]. 内蒙古社会科学, 2021, 42(6): 187-193. Yu G J. On the realization of regional common prosperity and double carbon target in the carbon resource rich areas--take Inner Mongolia as an example[J]. Inner Mongolia Social Sciences, 2021, 42(6): 187-193. |
| [41] | 鄂尔多斯统计局. 数据鄂尔多斯[EB/OL]. http://sj.tjj.ordos.gov.cn/datashow/easyquery/easyquery.htm?cn=B010203, 2023-08-03. |
| [42] | 鄂尔多斯市统计局, 国家统计局鄂尔多斯调查队. 鄂尔多斯市2020年国民经济和社会发展统计公报[EB/OL]. http://tjj.ordos.gov.cn/dhtjsj/tjgb_78354/202103/t20210330_2864855.html, 2021-03-30. |
| [43] | 鄂尔多斯市能源局, 中国国际工程咨询有限公司. 鄂尔多斯市"十四五"能源综合发展规划[EB/OL]. http://nyj.ordos.gov.cn/xxgg/202306/W020230607512878579373.pdf, 2022-06-23. |
| [44] | 鄂尔多斯市人民政府. 鄂尔多斯市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.ordos.gov.cn/protect/P0202201/P020220110/P020220110241202184935.pdf, 2022-01-09 |
| [45] | 许文强, 史志呈. 基于LEAP模型的近零碳排放区示范工程技术路径研究——以广东城镇为例[J]. 广东科技, 2019, 28(9): 51-59. DOI:10.3969/j.issn.1006-5423.2019.09.016 |