上海交通大学学报

上海交通大学学报（自然版）, 2022, 56(3): 293-302 doi: 10.16183/j.cnki.jsjtu.2021.436

新型电力系统与综合能源

粤港澳大湾区电力系统低碳转型

张鹏飞1, 徐静怡2, 郭巍3, 吴蔚4, 钟晨5, 魏文栋,6

1.山东大学 威海蓝绿发展研究院,山东 威海 2642209

2.上海理工大学 管理学院,上海 200093

3.中国城市和小城镇改革发展中心,北京 100045

4.上海市气候中心, 上海 200030

5.上海交通大学 中英国际低碳学院,上海 201306

6.上海交通大学 国际与公共事务学院,上海 200030

Low-Carbon Transformation of the Power System in the Guangdong-Hong Kong-Macao Greater Bay Area

ZHANG Pengfei1, XU Jingyi2, GUO Wei3, WU Wei4, ZHONG Chen5, WEI Wendong,6

1. Institute of Blue and Green Development, Shandong University, Weihai 2642209, Shandong, China

2. Business School, University of Shanghai for Science and Technology, Shanghai 200093, China

3. China Center for Urban Development, Beijing 100045, China

4. Shanghai Climate Center, Shanghai 200030, China

5. China-UK Low Carbon College, Shanghai Jiao Tong University, Shanghai 201306, China

6. School of International and Public Affairs, Shanghai Jiao Tong University, Shanghai 200030, China

通讯作者: 魏文栋,男,副教授;E-mail:wendongwei@sjtu.edu.cn.

责任编辑: 陈晓燕

收稿日期: 2021-11-1  

基金资助: 国家重点研发计划(2019YFC1908501)
国家自然科学基金(72088101)
国家自然科学基金(71904125)
国家自然科学基金(71690241)
国家自然科学基金(71810107001)

Received: 2021-11-1  

作者简介 About authors

张鹏飞(1992-),男,河南省焦作市人,博士生,主要研究方向为能源环境经济学、资源环境管理.

摘要

我国“碳达峰、碳中和”目标的实现在很大程度上依赖于电力系统的低碳转型,而现有研究很少从区域尺度研究电力系统低碳转型.综合使用政府间气候变化专门委员会温室气体清单编制方法、网络模型分析法量化了粤港澳大湾区电力生产和消费引致的碳排放,并使用对数平均迪氏指数分析法分析了社会经济因素对大湾区电力碳排放的影响.结果表明:香港、澳门电力低碳转型进展缓慢,广东省低碳电力份额持续提高;快速扩大的经济规模和电力需求是大湾区排放增长的最主要驱动因素;外部低碳电力的输入以及部门用电效率的提升抵消了部分排放增长.

关键词： 粤港澳大湾区; 电力传输; 碳排放; 碳中和

Abstract

China’s “carbon peaking and carbon neutrality” goal relies greatly on the low-carbon transition of the power system, but the existing research rarely explores the low-carbon transition of the regional power system. By using the intergovernmental panel on climate change (IPCC) greenhouse gas inventory compilation method and the network model analysis, the carbon emissions caused by the power generation and the power consumption in Guangdong-Hong Kong-Macao Greater Bay Area (the Greater Bay Area) was quantified. The logarithmic mean Divisia index (LMDI) method was used to quantify the influence of socio-economic factors on the electricity-related carbon emissions in the Greater Bay Area. The results show that Hong Kong and Macao have made slow progress in the low-carbon transition of the power system, and Guangdong’s share of the low-carbon power continues to increase. The rapidly expanding economic scale and the power demand were the most important drivers of the emissions growth in the Greater Bay Area. The low-carbon electricity imported from outside regions and the improved efficiency in the sectoral electricity consumption offset part of the emission growth.

Keywords： Guangdong-Hong Kong-Macao Greater Bay Area (Greater Bay Area); power transmission; carbon emissions; carbon neutrality

PDF (2818KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张鹏飞, 徐静怡, 郭巍, 吴蔚, 钟晨, 魏文栋. 粤港澳大湾区电力系统低碳转型[J]. 上海交通大学学报（自然版）, 2022, 56(3): 293-302 doi:10.16183/j.cnki.jsjtu.2021.436

ZHANG Pengfei, XU Jingyi, GUO Wei, WU Wei, ZHONG Chen, WEI Wendong. Low-Carbon Transformation of the Power System in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Journal of shanghai Jiaotong University, 2022, 56(3): 293-302 doi:10.16183/j.cnki.jsjtu.2021.436

2020年9月,中国在第七十五届联合国大会上提出“碳达峰、碳中和”目标,计划在2030年前我国二氧化碳(CO2)排放达到峰值,并努力争取2060年前实现“碳中和”[1].我国政府高度重视双碳目标的推进,在2021年全国两会中,将双碳目标写入政府工作报告.电力生产是我国最大碳排放源,达到全国人为源碳排放总量的40%以上[2,3,4,5],实现电力系统脱碳对实现我国双碳目标至关重要.此外,我国不同区域在经济发展水平、电力资源禀赋、电力结构等方面存在巨大差异,因此需要为不同区域制定相适宜的电力系统低碳转型路径.其中,东部沿海地区人口密集、经济发展水平高,具有巨大的电力需求,其电力消费造成大量的直接和间接碳排放[6,7,8],研究我国东部沿海地区电力低碳转型的进展和面临的主要挑战,对于加快我国整体的电力低碳转型以及实现“碳中和”目标具有重要现实意义.

目前已经有很多研究关注电力系统低碳转型,并在全球和国家尺度提出了电力系统脱碳的建议和路径.Tong等[9,10]研究发现,现有发电设施的碳排放锁定效应会危及全球1.5 ℃气候目标的实现,因此必须停止新建燃煤电厂等化石能源基础设施,同时加快已有燃煤电厂的退出.使用光伏、风力发电等低碳电力技术来替代化石能源发电是未来电力系统低碳转型的主要方式,现有研究已经证明将高比例可再生电力整合到欧洲地区[11,12]、美国[13]、菲律宾[14]等国家和地区的电网中以替代燃煤发电是可行的,并探讨了提升地区和国家可再生电力发电占比的方法和路径.一些研究人员指出,融资成本是影响可再生电力的重要因素,降低可再生电力发电设施的贷款利率可以有效刺激可再生电力(包括陆上风力发电、光伏发电)的装机容量增长[15,16].还有一些研究关注中国电力系统低碳转型的进展,并主要从全国层面提出了推动电力系统低碳转型的政策建议和转型路径.Peng等[17]使用脱钩方法和对数平均迪氏指数分析(LMDI)法分析了我国各省电力碳排放强度与发电量之间的脱钩关系,并量化了影响脱钩关系的主要社会经济因素.此外,一些学者基于1.5 ℃和2 ℃的全球气候目标,制定了我国电力系统中燃煤发电的退出路径[18,19,20].然而,现有研究对于次国家区域电力低碳转型的关注不足,缺少针对区域电力系统特征制定适宜的电力低碳转型路径,由于一国内部各地区之间在电力生产和电力消费方面存在诸多方面的差异,全球尺度或国家尺度的电力系统低碳转型建议可能不适用于国家内部的区域电力系统.尤其值得注意的是,不同于国家内部区域间频繁的电力传输活动,国家间电力传输规模非常小,国家层面的研究对区域间电力传输的忽视,会导致严重的碳排放泄露问题,阻碍碳减排目标的实现.同时,我国各地区在发电规模、电力生产结构、电力消费结构等方面存在巨大差异,我国各地区之间电力传输活动密切、频繁,而且电力传输规模持续扩大[21,22,23,24,25,26].因此,聚焦于次国家区域的电力低碳转型、提出适宜的转型方法,有利于弥补现有研究的不足,为我国“碳中和”目标的具体实施提供数据和理论支撑.

考虑到上述研究的不足,本研究选择粤港澳大湾区作为研究对象,探究该区域电力生产和电力消费造成的碳排放,量化分析了主要社会经济因素对电力碳排放的影响,并结合我国“碳中和”目标提出粤港澳大湾区电力系统低碳转型的建议.作为中国开放程度最高、经济活力最强的区域之一,粤港澳大湾区具有巨大的电力消费规模.随着该区域建设国际一流湾区和世界级城市群[27],粤港澳大湾区的电力需求将进一步增长.同时,由于粤港澳大湾区电力资源有限,该区域非常依赖外部省份的电力供给.2017年,广东省、香港和澳门的电力自给率(当地发电量占用电量比率)分别为73%、84%和27%,总购入电量超过200 TW·h.值得注意的是,粤港澳大湾区内部区域也有频繁的电力传输活动.量化分析粤港澳大湾区电力系统低碳转型进展和影响因素,并提出粤港澳大湾区电力系统低碳转型措施和路径,对中国以及其他国家经济发达地区的碳减排具有非常重要的参考价值.然而,由于香港和澳门与内地的社会经济数据统计体系相对独立,现在有关中国电力系统及电力传输的研究几乎没有考虑香港、澳门地区,目前对大湾区(尤其是香港和澳门)电力系统低碳转型进程的了解存在明显不足.此外,关于外部省份对大湾区的电力传输以及大湾区内部的电力传输对大湾区电力系统低碳转型的影响缺少量化分析.

为弥补当前研究空白,本文首先收集整理了香港、澳门地区电力系统的详细数据,包括发电数据、分行业用电数据、燃料投入数据.在此基础上,使用政府间气候变化专门委员会(IPCC)碳排放清单编制方法计算了2007-2017年粤港澳地区与我国其他省份发电造成的碳排放(生产侧排放),然后使用网络模型来追踪粤港澳大湾区电力传输造成的隐含碳排放流动,并得到地区电力消费引致的碳排放(供给侧排放).进一步地,使用分解分析方法量化了社会经济因素对生产侧和供给侧碳排放的影响.最后,基于驱动因素分析以及粤港澳大湾区未来电力系统发展规划,提出了进一步推动粤港澳大湾区电力系统低碳转型的政策建议.

1 研究方法和数据来源

本文参考魏文栋等[8]基于IPCC清单、网络法和多区域的投入产出模型建立的生产侧、供给侧与消费侧相结合的电力碳排放核算框架,来核算粤港澳大湾区生产侧和供给侧电力碳排放.

1.1 区域生产侧电力碳排放核算方法

利用IPCC所列出的燃料缺省排放因子计算地区的直接电力碳排放.以eG表示地区生产侧电力碳排放,则i地区生产电力造成的生产侧电力碳排放量 eiG为

eGi=∑k=1mfkai,k

式中: fk为燃烧一单位的第k种燃料所产生的CO2排放量; ai,k为i地区用于发电的第k种燃料投入量.

以 fG表示地区的生产侧电力碳排放强度,则地区i的生产侧电力碳排放强度 fGi可以计算如下:

fGi=eGipi

式中: pi为地区i发电总量.

1.2 区域间电力传输引致碳排放的计算方法

本研究利用网络法来追踪区域间的电力传输及其造成的隐含碳排放流动.Qu等[28,29]提出网络法(也称为准投入产出模型)来模拟区域间的电力传输并追踪电力传输造成的隐含碳排放.之前的电力流动模拟方法假设一个地区送出的电力完全由本地生产,忽略了该地区购入电力的影响.网络法假设地区生产的电力与购入的电力均匀混合后用于本地消费或者外送,实际上是考虑了通过中转地区的电力流动对电力碳排放的影响,这一方法被用于模拟中国各省[4]以及美国各州[30,31]之间的电力传输.

在网络法中,每个地区被表示为一个节点,每个节点都能够生产和消费电力,节点之间通过电网相互连接,每个节点可以买入或者卖出电力,且输入电力与生产电力的和等于该地区流出电力与消费电力之和,以上关系可用下式表示:

xi=pi+∑j=1nTj,i=ci+∑j=1nTi,j

式中: xi、Ti,j、Tj,i、ci

分别为地区i的总电力流动、地区i流出到地区j的电量、地区j流出到地区i的电量、地区i消费的电量.

定义一个对角矩阵 x^:

x^=x10…00x2…0︙︙⋱︙00…xn

已知n个地区间电力流动情况,构建电力流动矩阵T:

T=0T1,2…T1,nT2,10…T2,n︙︙⋱︙Tn,1Tn,2…0

定义直接流出矩阵B:

B=x^-1T=0T1,2x1…T1,nx1T2,1x20…T2,nx2︙︙⋱︙Tn,1xnTn,2xn…0

B矩阵的元素B(i, j)表示地区i流出到地区j的电力在地区i总电力流动的比率.

根据式(3)可以推导出:

x=p+xB=[p1p2…pn]+[x1x2…xn]B

式中:x为地区的总电力流动向量;p为地区发电量向量.根据上式可得:

x=pI-B-1=pG

式中:I为n阶单位矩阵; G=I-B-1=I+B+B2+B3+…,为n个地区间全部的电力流动,元素G(i,j)为地区i所生产的电力中流到地区j的电力比率.I、B、B_2 、B_3向量为本地区供给的电力、不通过中转地区向其他地区提供的电力、通过一个中转地区向其他地区提供的电力、通过两个电力中转地区向其他地区提供的电力.

然后定义生产-消费矩阵H:

H=Gc^x^-1

式中: c^为电力消耗量构成的对角矩阵,元素 c^i,j为地区i的电力消耗量ci.H矩阵连接各个地区的发电量和电力消费量,H(i, j)=G(i,j)cj/xj是地区i生产电力被地区j消费的比率.

将发电的碳排放量与消费电量建立如下关系:

EC=EGH

以 eCi,j表示元素EC(i,j),若i地区生产的电力中一部分用于满足j地区消费,这部分电力造成的碳排放即为eCi,j.矩阵EG的定义如下:

EG=eG10…00eG2…0︙︙⋱︙00…eGn

以 eC表示地区的供给侧电力碳排放量,则地区i的供给侧电力碳排放量 eCi可以计算如下:

eCi=∑j=1neCi,j

进一步地,可以得到地区i的消费侧电力碳排放强度 fiC:

fCi=eCici

1.3 电力碳排放变动的驱动因素分解分析方法

地区生产侧电力碳排放 eGi可以表示为

eGi=∑k=1mai,kfkFiFiRiRiQiQi=∑k=1mPFiPEiPSiPTi

式中: Fi、Ri、Qi分别为i地区燃料消费总量、火力发电总量、发电总量; PFi=ai,kfkFi为发电的燃料结构;PEi=FiRi为火力发电效率;PSi=Ri/Qi为电力结构;PTi=Qi为发电规模.

当时间 t从t0到t1,eGi的变动为

　　　ΔeGi=eGi,t1-eGi,t0=ΔPFi+ΔPEi+ΔPSi+ΔPTi

根据LMDI法[32,33],以上驱动因素的贡献为

ΔPFi=∑kL(eGi,t1,eGi,t0)lnPFi,t1PFi,t0ΔPEi=∑kL(eGi,t1,eGi,t0)lnPEi,t1PEi,t0ΔPSi=∑kL(eGi,t1,eGi,t0)lnPSi,t1PSi,t0ΔPTi=∑kL(eGi,t1,eGi,t0)lnPTi,t1PTi,t0L(a,b)=(a-b)/lnab

进一步有

　eCi=cifCi=(ci1+ci2+ci3)fCi=ci1fCi+ci2fCi+ci3fCi=∑dfCici,d1Di,dDi,dDiDi+fCici2ririDiDi+fCici3=∑dSFiSEiSSiSTi+SFiSRiSAiSTi+SFiSLi

式中: ci1、ci2、ci3分别为i地区的生产活动用电、日常生活用电、电力损失量; ci,d1为i地区d部门的生产活动用电; Di,d为d部门的总产值;D_i 为生产总值;r_i 为i地区人口; SFi=fCi为电力碳排放强度; SEi=ci,d1Di,d为i地区d部门的用电效率; SSi=Di,dDi为i地区产业结构; STi=Di为i地区经济规模; SRi=ci2ri为人均用电量; SAi=riDi为人均收入水平 ;SLi=ci3为电力损耗.

从 t0到t1,eCi的变化可以表示为7个驱动因素共同作用的结果:

ΔeCi=eCi,t1-eCi,t0=ΔSFi+ΔSEi+ΔSSi+ΔSTi+ΔSRi+ΔSAi+ΔSLi

以上驱动因素的贡献可以计算如下:

　　　ΔSFi=L(eCi,t1,eCi,t0)lnSFi,t1SFi,t0ΔSEi=L((ci1fCi)t1,(ci1fCi)t0)lnSEi,t1SEi,t0ΔSSi=L((ci1fCi)t1,(ci1fCi)t0)lnSSi,t1SSi,t0ΔSTi=L((ci1fCi)t1,(ci1fCi)t0)lnSTi,t1STi,t0ΔSRi=L((ci2fCi)t1,(ci2fCi)t0)lnSRi,t1SRi,t0ΔSAi=L((ci2fCi)t1,(ci2fCi)t0)lnSAi,t1SAi,t0ΔSLi=L((ci3fCi)t1,(ci3fCi)t0)lnSLi,t1SLi,t0

2 数据来源

粤港澳大湾区包括香港和澳门两个特别行政区以及广东省的9个城市,由于数据有限,本文使用广东省的数据代替珠三角9市的数据来计算.粤港澳大湾区的常住人口数量来自于国家统计局[34].本文中2007—2017年广东省发电量、用电量和发电燃料投入数据来源于《中国能源统计年鉴》[35]以及《中国电力年鉴》[36],澳门发电量和用电量数据来源于文献[37],澳门发电碳排放数据来源于2014—2017年《澳门环境状况报告》[38],香港发电量、用电量以及发电燃料投入数据来源于2007—2017年《香港能源统计》[39],区域间电力传输数据根据2007—2017年《电力工业统计资料汇编》[40]整理所得.

3 结果与分析

3.1 粤港澳大湾区电力生产的碳排放

如图1所示(图中Q为发电总量),粤港澳大湾区发电量快速增长,2007—2017年发电量增长了52.7%(从309.9 TW·h增长到473.2 TW·h),增速略低于全国平均水平,大湾区发电量占全国发电总量的比率从9.4%下降到7.3%.由于大湾区以火力发电为主,发电量的快速增长带来生产侧电力碳排放的增长,所以粤港澳大湾区生产侧电力碳排放增长了30.3%(从210.1 Mt增长到274.0 Mt).广东省发电总量占粤港澳大湾区发电总量的85%以上,因此广东省在很大程度上决定了粤港澳大湾区的电力碳排放强度.2007—2017年,粤港澳大湾区发电的碳排放强度从678.1 g/(kW·h)下降到578.8 g/(kW·h),这主要是由于广东省核能发电量的快速增长.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   广东、香港、澳门发电量、电力碳排放、电力碳排放强度

Fig.1   Power generation, related carbon emissions, and emission intensity in Guangdong, Hong Kong, and Macao


2007—2017年,广东省可再生电力(包括水力发电、风力发电及光伏)增长了77.2%,但其占发电总量的比率仅增长了0.9%(从8.9%增长到9.8%).相比之下,核电发电量增长了164.9%,核电发电量比率从11.2%增长到18.4%.广东省火力发电比率从80.0%降低到72.8%.研究期内,香港和澳门以火力发电为主的电力生产结构未发生明显变化.香港所需电力主要由当地的两个大型火力发电电力公司供给,澳门则采用轻柴油、燃油发电和天然气发电3种方式相结合的发电模式.

粤港澳大湾区制定了一系列的电力系统低碳转型计划和措施.广东省“十四五”规划纲要[41]中明确提出将加快构建以新能源为主的电力系统,大力开发海上风力发电,推动大容量风电机组规模化应用,并积极开发光伏发电和陆上风电.香港特别行政区政府在《香港气候行动蓝图2030+》[42]中表示将持续减少燃煤发电,并增加光伏发电设施的投资.此外,2019年发布的《粤港澳大湾区发展规划纲要》[43]明确提出发展绿色低碳能源,不断提高清洁能源占比.随着这些计划的落实,预计粤港澳大湾区生产侧电力碳排放将在短期内迎来碳达峰,并实现电力碳排放的绝对降低.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2017年粤港澳大湾区电力购入与区域内电力传输

Fig.2   Regional power trade and transmission in the Greater Bay Area in 2017


3.2 区域间电力传输对粤港澳大湾区电力碳排放的影响

使用网络法模拟了我国的跨区域电力传输,分析了电力传输造成的碳排放在区域间的流动,并得到了地区供给本地电力消费引致的碳排放(供给侧电力碳排放).供给侧电力碳排放等于当地生产电力的排放加上通过电力传输造成的碳排放净流入.

如图2所示,电力流动整体呈现内地的云南、湖北、广西、贵州等省份向广东省输入电力,而广东省向港澳地区流出电力的供需格局,其中香港为主要的注入地区,香港与广东省之间存在少量的双向流动关系,但香港流出的电力远小于流入的电力,属于净流入地区.而澳门无电力流出,接受来自广东省的电力输入,也属于净流入地区.

粤港澳大湾区属于电力净流入地区,该区域接受来自临近省份的电力输送,如云南、湖北、广西、贵州等.在2007年,外部省份向广东省供给的电力达到73.5 TW·h,占广东省发电量的27%,这些电力产生的CO2排放量为48.78 Mt,占广东省当地发电碳排放的27.7%.2017年,广东省输入电力增长了182%,达到207.9 TW·h,占广东省发电量的48%,但输入电力中隐含的碳排放减少到 46.7 Mt,占广东省发电碳排放的比率下降到20%.这主要是由于广东省的电力供给省份的电力结构发生快速变化,可再生能源发电(主要是水力发电)比率迅速提升.具体而言,在2007年,贵州省、云南省以及湖北省向广东省提供了绝大部分的电力,2017年云贵两省提供了近75%的电力.2007—2017年,贵州、云南、湖北等省份水力发电占比快速提高,其生产电力的碳排放强度持续降低.在2007年,湖北省碳排放强度为433.0 g/(kW·h),而云贵两省的碳排放强度为676.2 g/(kW·h)和744.1 g/(kW·h),高于广东省当地产电碳排放强度,这导致2007年广东省输入电力的碳排放强度略微高于本地生产电力的碳排放强度.在2017年,云贵两省水电比率显著提升,向广东省提供的电力的碳排放强度非常低(分别为96.0 g/(kW·h)以及 482.4 g/(kW·h)),均低于广东省当地生产电力的碳排放强度,因此,外部电力流入使得广东省供给侧电力的碳排放强度低于生产侧(见表1).

表1   电力碳排放强度对比

Tab.1  Comparison of carbon emission intensity kg/(kW·h)

地区2007年2017年
生产侧供给侧生产侧供给侧
广东0.6530.6620.5540.451
香港0.8570.9050.8740.846
澳门0.5510.6220.4730.457

新窗口打开| 下载CSV


在粤港澳大湾区中,广东省承担了电力枢纽的角色,一方面接受来自其他省份的电力输入,另一方面也向香港、澳门、海南省供给电力.2007—2017年,广东省向香港、澳门供给的电力从16.7 TW·h增长至18.3 TW·h,而这些电力中隐含的碳排放却下降了27.1%.其中,广东省向澳门传输的电力增长了134.7%(具体为从1683.4 GW·h增长到 3951.6 GW·h),而电力传输导致的碳排放流动仅增长60.4%.2017年,广东省供给侧电力碳排放强度低于香港、澳门生产电力的碳排放强度,因此广东省向香港、澳门提供的电力使香港和澳门供给侧电力碳排放强度低于其生产侧电力碳排放强度.总体来说,其他省份向粤港澳地区提供的低碳电力促进了该区域供给侧电力碳排放强度的降低.

根据《粤港澳大湾区发展规划纲要》[43],未来粤港澳大湾区将加强周边省份向大湾区以及大湾区城市间的送电通道等主干电网建设,加大电力传输规模.这一举措将有利于云南省、广西省、四川省、湖北省可再生电力的消纳,同时进一步减少大湾区电力的碳排放.值得注意的是,随着可再生电力渗透率的提高,电力系统的稳定性可能会受到影响,因此需要提高备用容量,并强化储能设施建设以及电力需求侧管理.

3.3 粤港澳大湾区电力碳排放变化的驱动因素分析

为了进一步探究影响粤港澳大湾区电力低碳转型的影响因素,本文量化分析了该地区生产侧电力碳排放的影响因素,包括燃料结构、发电效率、电力结构、发电规模4个因素.同时也对地区消费电力(供给侧)碳排放的影响因素进行分析,将地区电力消费分为经济部门用电、居民用电、电力损耗3部分,量化了电力碳排放强度、部门用电效率、经济结构、经济规模、人均用电量、收入水平以及损耗电量共7个因素对地区供给侧电力碳排放的影响.分解分析结果如图3所示.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   粤港澳大湾区电力碳排放驱动因素分解

Fig.3   Decomposition analysis of driving factors of electricity-related carbon emissions in the Greater Bay Area


2007—2017年,粤港澳大湾区生产侧电力碳排放增长了63.88 Mt,生产侧排放的增长由广东省导致,香港和澳门的生产侧排放则有所下降.粤港澳大湾区发电规模的扩大是生产侧排放增长的最主要原因,推动生产侧排放上升了97.75 Mt.燃料结构、发电效率、电力结构的改善在很大程度上抵消了发电规模的排放增长效应,其中发电效率和发电结构分别促进生产侧排放减少了11.46 Mt和21.08 Mt.近年来,作为清洁能源的试点,广东省越来越重视可再生能源以及核能的发展,可再生电力与核能发电的比率从2007年的20.0%增长到了2012年的21.8%,然后快速提升到2017年的27.2%.不同的是,香港和澳门均使用化石燃料来生产电力,包括轻柴油、重油、天然气,对可再生电力的发展较为欠缺.

粤港澳大湾区经济的快速发展也带来供给侧电力碳排放的大幅增长,2007—2017年,供给侧排放增长了88.41 Mt.其中,香港的供给侧排放减少量0.75 Mt,而澳门和广东省分别上涨0.48 Mt和88.67 Mt.2007—2012年,大湾区供给侧排放增长了56.84 Mt,2012—2017年,供给侧排放增速有所降低,增长了31.57 Mt.造成粤港澳大湾区供给侧电力碳排放增长的主要驱动因素是经济规模的扩大(带来217.01 Mt碳排放增长),电力碳排放强度、部门用电效率、经济结构、人均收入水平则推动了大湾区供给侧排放的减少.其中粤港澳大湾区电力碳排放强度的降低抵消了67.14 Mt的供给侧排放增长,这主要得益于外部地区(云南、贵州、湖北等省份)低碳排放强度电力的输入,以及大湾区电力生产结构的优化.

4 结论

本研究收集整理了香港、澳门的详细电力数据,量化分析了粤港澳大湾区生产侧和供给侧的电力碳排放,并分析了跨区域电力传输对粤港澳大湾区电力系统碳排放的影响.本研究加强了对区域电力系统碳排放的认识,有利于推动电力系统全面低碳转型,服务于我国“碳中和”目标的落实.本研究的主要结论和政策建议如下.

(1) 粤港澳大湾区发电量和用电量持续增长,其生产侧和供给侧电力碳排放也随之增长,但生产侧和供给侧电力碳排放强度逐渐降低.广东省低碳能源部署政策初见成效,其光伏、风电、水电、核能发电量占比不断提高.香港和澳门仍以火力发电为主,但是其电力需求规模相对较小,因此除保留部分应急装机容量外,可以逐步关停火力发电机组,依靠广东省提供低碳电力.

(2) 云南、贵州、广西、湖北等省份向粤港澳大湾区提供了大量低碳排放强度的电力,而且电力供给量持续增长.其中,广东省是连接港澳和内地其他地区的电力传输枢纽,一方面接受来自其他省份的低碳电力,另一方面将这些低碳电力输送至香港、澳门.低碳电力的供给既满足了粤港澳大湾区经济发展的能源需求,同时也推动了当地发电产生碳排放的下降.粤港澳大湾区可再生能源发展潜力有限,因此可以对可再生能源丰富的临近省份的电力基础设施建设进行投资,通过外部电力供给来满足大湾区电力系统的低碳转型需求.

(3) 经济规模扩大和地区内发电量的增长是粤港澳大湾区电力碳排放增长的最主要驱动因素,而电力碳排放强度的降低以及经济部门用电效率的提升抵消了部分排放增长.未来,随着大湾区经济的进一步发展以及电气化水平的持续提升,预计电力需求将继续增长.在此背景下,可以通过高耗能产业外迁来控制电力需求增长,并通过提前加大布局可再生电力来满足未来电力需求增长,积极推进在云南、贵州以及广西等省份的清洁能源的部署.

(4) 尽管火力发电占比有所降低,但其仍在粤港澳大湾区电力结构中占据主导地位.在“碳中和”愿景下,粤港澳大湾区的电力系统低碳转型面临巨大挑战.粤港澳大湾区应充分发挥政策引导和市场调节在电力低碳转型中的作用,利用其资金和技术优势,加强区域间合作,推动可再生能源的开发使用.

需要说明的是,本研究存在一些问题有待进一步探讨.首先,本文仅考虑发电过程中燃料燃烧产生的碳排放,未考虑电力基础设施建设、发电设备生产等环节产生的碳排放,因此对粤港澳大湾区电力碳排放的核算不够全面.其次,本研究综合利用多个来源的数据和资料,但2018年及之后的电力数据获取不全,因此缺少对粤港澳大湾区电力系统碳排放最新情况的了解.在未来的研究中,将通过更全面的碳排放核算和数据更新来为我国电力系统低碳转型、“碳中和”目标的实现提供更有力的数据和理论支撑.

参考文献

United Nations. United nations digital library [DB/OL]. (2020-09-22)[2021-07-28]. https://digitallibrary.un.org/record/3893029?ln=en

URL     [本文引用: 1]

CHEN H, KANG J N, LIAO H, et al.

Costs and potentials of energy conservation in China’s coal-fired power industry: A bottom-up approach considering price uncertainties

[J]. Energy Policy, 2017, 104:23-32.

DOI:10.1016/j.enpol.2017.01.022      URL     [本文引用: 1]

ADEDOYIN F F, GUMEDE M I, BEKUN F V, et al.

Modelling coal rent, economic growth and CO2 emissions: Does regulatory quality matter in BRICS economies?

[J]. Science of the Total Environment, 2020, 710:136284.

DOI:10.1016/j.scitotenv.2019.136284      URL     [本文引用: 1]

ZHANG P F, CAI W Q, YAO M T, et al.

Urban carbon emissions associated with electricity consumption in Beijing and the driving factors

[J]. Applied Energy, 2020, 275:115425.

DOI:10.1016/j.apenergy.2020.115425      URL     [本文引用: 2]

TONG D, ZHANG Q, DAVIS S J, et al.

Targeted emission reductions from global super-polluting power plant units

[J]. Nature Sustainability, 2018, 1(1):59-68.

DOI:10.1038/s41893-017-0003-y      URL     [本文引用: 1]

GAVRILOVA O, JONAS M, ERB K, et al.

International trade and Austria’s livestock system: Direct and hidden carbon emission flows associated with production and consumption of products

[J]. Ecological Economics, 2010, 69(4):920-929.

DOI:10.1016/j.ecolecon.2009.11.015      URL     [本文引用: 1]

QU S, WANG H X, LIANG S, et al.

A Quasi-Input-Output model to improve the estimation of emission factors for purchased electricity from inter-connected grids

[J]. Applied Energy, 2017, 200:249-259.

DOI:10.1016/j.apenergy.2017.05.046      URL     [本文引用: 1]

魏文栋, 张鹏飞, 李佳硕.

区域电力相关碳排放核算框架的构建和应用

[J]. 中国人口·资源与环境, 2020, 30:38-46.

[本文引用: 2]

WEI Wendong, ZHANG Pengfei, LI Jiashuo, et al.

Construction and application of regional power related to carbon emission accounting framework

[J]. Chinese Journal of Population, Resources and Environment, 2020, 30:38-46.

[本文引用: 2]

TONG D, ZHANG Q, ZHENG Y X, et al.

Committed emissions from existing energy infrastructure jeopardize 1.5 ℃ climate target

[J]. Nature, 2019, 572(7769):373-377.

DOI:10.1038/s41586-019-1364-3      URL     [本文引用: 1]

CUI R Y, HULTMAN N, EDWARDS M R, et al.

Quantifying operational lifetimes for coal power plants under the Paris goals

[J]. Nature Communications, 2019, 10:4759.

DOI:10.1038/s41467-019-12618-3      URL     [本文引用: 1]

ZAPPA W, JUNGINGER M, VAN DEN BROEK M.

Is a 100% renewable European power system feasible by 2050?

[J]. Applied Energy, 2019, 233/234:1027-1050.

[本文引用: 1]

ZHONG J, BOLLEN M, RÖNNBERG S.

Towards a 100% renewable energy electricity generation system in Sweden

[J]. Renewable Energy, 2021, 171:812-824.

DOI:10.1016/j.renene.2021.02.153      URL     [本文引用: 1]

COLE W J, GREER D, DENHOLM P, et al.

Quantifying the challenge of reaching a 100% renewable energy power system for the United States

[J]. Joule, 2021, 5(7):1732-1748.

DOI:10.1016/j.joule.2021.05.011      URL     [本文引用: 1]

GULAGI A, ALCANZARE M, BOGDANOV D, et al.

Transition pathway towards 100% renewable energy across the sectors of power, heat, transport, and desalination for the Philippines

[J]. Renewable and Sustainable Energy Reviews, 2021, 144:110934.

DOI:10.1016/j.rser.2021.110934      URL     [本文引用: 1]

SCHMIDT T S, STEFFEN B, EGLI F, et al.

Adverse effects of rising interest rates on sustainable energy transitions

[J]. Nature Sustainability, 2019, 2(9):879-885.

DOI:10.1038/s41893-019-0375-2      URL     [本文引用: 1]

EGLI F, STEFFEN B, SCHMIDT T S.

A dynamic analysis of financing conditions for renewable energy technologies

[J]. Nature Energy, 2018, 3(12):1084-1092.

DOI:10.1038/s41560-018-0277-y      URL     [本文引用: 1]

PENG X, TAO X, FENG K, et al.

Drivers toward a low-carbon electricity system in China’s provinces

[J]. Environmental Science & Technology, 2020, 54(9):5774-5782.

DOI:10.1021/acs.est.0c00536      URL     [本文引用: 1]

KANG J D, NG T S, SU B, et al.

Optimizing the Chinese electricity mix for CO2 emission reduction: An input-output linear programming model with endogenous capital

[J]. Environmental Science & Technology, 2020, 54(2):697-706.

DOI:10.1021/acs.est.9b05199      URL     [本文引用: 1]

TONG D, ZHANG Q, LIU F, et al.

Current emi-ssions and future mitigation pathways of coal-fired power plants in China from 2010 to 2030

[J]. Environmental Science & Technology, 2018, 52(21):12905-12914.

DOI:10.1021/acs.est.8b02919      URL     [本文引用: 1]

CUI Y R, HULTMAN N, EDWARDS M, et al.

A high ambition coal phaseout in China: Feasible strategies through a comprehensive plant-by-plant assessment[R]

University of Maryland Center for Global Sustainability: The Energy Research Institute of the National Development and Reform Commission of China, 2020.

[本文引用: 1]

WANG M, YAO M T, WANG S S, et al.

Study of the emissions and spatial distributions of various power-generation technologies in China

[J]. Journal of Environmental Management, 2021, 278:111401.

DOI:10.1016/j.jenvman.2020.111401      URL     [本文引用: 1]

WEI W D, WANG X B, ZHU H, et al.

Carbon emissions of urban power grid in Jing-Jin-Ji region: Characteristics and influential factors

[J]. Journal of Cleaner Production, 2017, 168:428-440.

DOI:10.1016/j.jclepro.2017.09.015      URL     [本文引用: 1]

WANG J X, ZHONG H W, YANG Z F, et al.

Exploring the trade-offs between electric heating policy and carbon mitigation in China

[J]. Nature Communications, 2020, 11:6054.

DOI:10.1038/s41467-020-19854-y      URL     [本文引用: 1]

WEI W D, HAO S J, YAO M T, et al.

Unbalanced economic benefits and the electricity-related carbon emissions embodied in China’s interprovincial trade

[J]. Journal of Environmental Management, 2020, 263:110390.

DOI:10.1016/j.jenvman.2020.110390      URL     [本文引用: 1]

WEI W D, ZHANG P F, YAO M T, et al.

Multi-scope electricity-related carbon emissions accounting: A case study of Shanghai

[J]. Journal of Cleaner Production, 2020, 252:119789.

DOI:10.1016/j.jclepro.2019.119789      URL     [本文引用: 1]

LI W B, LONG R Y, ZHANG L L, et al.

Greenhouse gas emission transfer of inter-provincial electricity trade in China

[J]. International Journal of Environmental Research and Public Health, 2020, 17(22):8375.

DOI:10.3390/ijerph17228375      URL     [本文引用: 1]

中国共产党中央委员会. 中共中央关于制定国民经济和社会发展第十三个五年计划的建议[M]. 北京: 中央文献出版社, 2016.

[本文引用: 1]

Central Committee of the Communist Party of China. Recommendations of the central committee of the communist party of china on the formulation of the 13th five-year plan for national economic and social development[M]. Beijing: Central Literature Press, 2016.

[本文引用: 1]

QU S, LIANG S, XU M.

CO2 emissions embodied in interprovincial electricity transmissions in China

[J]. Environmental Science & Technology, 2017, 51(18):10893-10902.

DOI:10.1021/acs.est.7b01814      URL     [本文引用: 1]

QU S, LI Y, LIANG S, et al.

Virtual CO2 emission flows in the global electricity trade network

[J]. Environmental Science & Technology, 2018, 52(11):6666-6675.

DOI:10.1021/acs.est.7b05191      URL     [本文引用: 1]

DE CHALENDAR J A, TAGGART J, BENSON S M.

Tracking emissions in the US electricity system

[J]. PNAS, 2019, 116(51):25497-25502.

DOI:10.1073/pnas.1912950116      URL     [本文引用: 1]

CHINI C M, DJEHDIAN L A, LUBEGA W N, et al.

Virtual water transfers of the US electric grid

[J]. Nature Energy, 2018, 3(12):1115-1123.

DOI:10.1038/s41560-018-0266-1      URL     [本文引用: 1]

ANG B W.

The LMDI approach to decomposition analysis: A practical guide

[J]. Energy Policy, 2005, 33(7):867-871.

DOI:10.1016/j.enpol.2003.10.010      URL     [本文引用: 1]

ANG B W.

LMDI decomposition approach: A guide for implementation

[J]. Energy Policy, 2015, 86:233-238.

DOI:10.1016/j.enpol.2015.07.007      URL     [本文引用: 1]

国家统计局. 国家数据[DB/OL].(2021-09-20)[2021-10-20]. https://data.stats.gov.cn/

URL     [本文引用: 1]

National Bureau of Statistics of China. National data[DB/OL].(2021-09-20)[2021-10-20]. https://data.stats.gov.cn/

URL     [本文引用: 1]

国家统计局. 中国能源统计年鉴2018[M]. 北京: 中国统计出版社, 2019.

[本文引用: 1]

National Bureau of Statistics. China energy statistical yearbook 2018[M]. Beijing: China Statistics Press, 2018.

[本文引用: 1]

《中国电力年鉴》编辑委员会. 2019中国电力年鉴[M]. 北京: 中国电力出版社, 2019.

[本文引用: 1]

Editorial Committee of China Electricity Yearbook. 2019 China electricity yearbook[M]. Beijing: China Electric Power Press, 2019.

[本文引用: 1]

澳门特别行政区政府统计暨普查局. 能源统计[DB/OL]. (2021-04-25)[2021-07-23]. https://www.dsec.gov.mo/en-US/

URL     [本文引用: 1]

Government of Macao Special Administrative Region Statistics and Census Service. Energy statistics[DB/OL]. (2021-04-25)[2021-07-23]. https://www.dsec.gov.mo/en-US/

URL     [本文引用: 1]

澳门环境保护局.

澳门环境状况报告2018

[M]. 澳门: 环境保护局, 2018.

[本文引用: 1]

Environmental Protection Bureau in Macao Special Administrative Region.

Macao environmental status report 2018

[M]. Macao: Environmental Protection Bureau, 2018.

[本文引用: 1]

香港特别行政区政府统计处. 香港能源统计[M]. 香港: 政府统计处刊物出版组, 2019.

[本文引用: 1]

Census and Statistics Department in Hong Kong Special Administrative Region. Hong Kong energy statistics[M]. Hong Kong: Publications Unit of C&SD, 2019.

[本文引用: 1]

中国电力企业联合会.

电力工业统计资料汇编2017

[M]. 北京: 中国电力企业联合会, 2018.

[本文引用: 1]

China Electricity Council.

Electricity industry statistics compilation 2017

[M]. Beijing: China Electricity Council, 2018.

[本文引用: 1]

广东省人民政府. 广东省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[R/OL]. (2021-04-25) [2021-07-30]. http://www.gd.gov.cn/zwgk/wjk/qbwj/yf/content/post_3268751.html

URL     [本文引用: 1]

The People’s Government of Guangdong Province. The fourteenth five-year plan for national economic and social development of Guangdong province and the outline of long-term goals for 2035[R/OL]. (2021-04-25) [2021-07-30]. http://www.gd.gov.cn/zwgk/wjk/qbwj/yf/content/post_3268751.html

URL     [本文引用: 1]

香港特别行政区政府. 香港气候行动蓝图2030[R/OL]. (2017-01-20)[2021-07-30]. https://sc.isd.gov.hk/TuniS/www.info.gov.hk/gia/general/201701/20/P2017012000724.htm

URL     [本文引用: 1]

Hong Kong Special Administrative Region Government. Hong Kong's climate action plan 2030+[R/OL]. (2017-01-20)[2021-07-30]. https://sc.isd.gov.hk/TuniS/www.info.gov.hk/gia/general/201701/20/P2017012000724.htm

URL     [本文引用: 1]

香港特别行政区政府. 粤港澳大湾区发展规划纲要[R/OL]. (2019-02-20)[2021-07-30]. http://www.shunde.gov.cn/data/2019/05/23/1558575813.pdf

URL     [本文引用: 2]

State Council of the People’s Republic of China. Outline of development plan for Guangdong-Hong Kong-Macao Greater Bay Area[R/OL]. (2019-02-20)[2021-07-30]. http://www.shunde.gov.cn/data/2019/05/23/1558575813.pdf

URL     [本文引用: 2]

/

〈 〉