能源结构优化对低碳山东的贡献潜力_何立华.pdf

收 稿日期 : 2015 －03 －29 作者简介 : 何立华 ， 博士 ， 副教授 ， 主要研究方向为能源经济与管理 、项目管理 。 基金项目 : 国家社会科学基金项目 “低碳经济下我国天然气产业发展战略研究 ”( 编号 : 12BJY075) ; 山东省软科学项目 “低碳经济下山 东省 产业转型升级路径选择及对策研究 ”( 编号 : 2014RKE28031) ; 中 央高校基本科研业务费专项资金项目 “基于遗传算法的中国天然气消费需求 预测研究 ”( 编号 : 11CX04003B) 。 能源结构优化对低碳山东的贡献潜力 何 立华 杨 盼 蒙雁琳 孔 渊 ( 中 国石油大学 ( 华东 ) 经济管理学院 ， 山东 青岛 266580) 摘 要 优化能源结构降低碳强度是建立环境友好型 、资源节约型低碳经济发展模式的有效途径之一 。基于山东省总人口 、地区生产 总值 、居民消费水平 、能源生产量 、工业产值占比等社会经济指标的历史数据和不同组合情景下的预测数据 ， 研究了能源结构优化对 低碳山东的贡献潜力问题 。首先运用情景预测 、GM( 1， 1) 预测与多元回归组合预测模型对 2013 年到 2020 年的一次能源消费量及其 相关变量进行了预测 ; 其次 ， 采用马尔可夫链模型预测了 2013 年到 2020 年山东省能源消费结构的变化趋势 ; 最后 ， 考虑到技术进步 、 经济结构以及产业结构等对碳强度目标的实现也具有显著作用 ， 当将能源结构作为一个驱动因素分析其变化对实现碳强度目标的贡 献时 ， 需将其他因素的作用剔除 ， 因此 ， 本文重新界定了能源结构优化对碳强度目标 “贡献潜力 ”的定义 ， 即指不同能源结构调整幅度 情景中碳强度的 “下降幅度 ”相对于不调整时碳强度 “下降幅度 ”的增加值与碳强度 “目标下降幅度 ”的比值 。并在此基础上 ， 分 9 种 组合情景评估了 2020 年能源结构优化对实现山东省碳强度目标的贡献潜力 。结果表明 : 在相同的经济增速下 ， 能源结构调整幅度越 大 ， 碳强度 “下降幅度 ”越大 ， 能源结构优化对碳强度目标的 “贡献潜力 ”也越高 ; 在相同的能源结构调整幅度下 ， 经济增速越低 ， 碳强 度 “下降幅度 ”越小 ， 但是能源结构优化对碳强度目标的 “贡献潜力 ”越高 。在每种情景下能源结构优化对实现山东省碳强度目标均 有一定的贡献潜力 ， 但是 ， 能源结构优化对实现山东省碳强度目标贡献潜力作用有限 ， 即使在优化能源结构对碳强度目标 “贡献潜 力 ”最大的情景 ( 大幅调整能源结构 、经济低速增长 ) 中 ， 其贡献潜力也仅为 10．953 3%。因此 ， 能源结构优化对实现低碳山东有一定 的贡献 ， 但是仅靠能源结构优化无法完全实现碳强度目标 ， 政府 、企业及社会还需要采取产业结构调整 、碳排放技术升级等措施 。 关键词 能源结构 ; 碳强度目标 ; 碳排放 ; 贡献潜力 ; 山东省 中图分类号 F416．22 文献标识码 A 文章编号 1002 －2104( 2015) 06 －0089 －09 doi: 10．3969/j． issn．1002 －2104．2015．06．013 随着中国工业化和城市化进程的不 断推进 ， 能源需求 持续快速增长 。与此同时 ， 以煤炭为主的能源消费结构带 来了过度的二氧化碳排放 ， 导致环境污染 、气候变暖等重 大问题 。在应对全球气候变暖问题已达成国际共识的大 背景下 ， 中国提出到 2020 年二氧化碳排放强度比 2005 年 降低 40% －45%。要实现 2020 年碳强度目标 ， 中国必须 走低碳经济发展道路 ， 低碳经济是以低消耗 、低排放 、低污 染为特征的可持续发展模式 ， 其实质是利用技术进步与制 度革新转变能源利用方式 ， 提高能源效率 ， 优化能源结 构 ［ 1］ 。由 于中国地域辽阔 ， 资源禀赋各异 ， 各地区的经济 发展极不平衡 ， 导致了各地区的能源消费结构和碳排放水 平存在显著性差异 。因此 ， 从省区层面研究低碳经济约束 下中国一次能源消费结构优化问题具有重要的意义 。山 东省是全国经济发展的佼佼者 ， 2014 年地区生产总值达 59 426．6 亿元 。山东省在如此大的经济成就下 ， 依赖的是 大量的能源消耗与不合理能源结构 ， 2012 年山东省一次 能源消耗总量高达 40 035．78 万吨标准煤 ， 2000 年到 2012 年间煤炭占全部能源持续高达 70% 以上 ， 并且二氧化碳 的排放量一直居于全国前列 ， 优化能源结构对实现低碳山 东具有重要的理论与实际意义 。 近年来 ， 国内外学者为发展低碳经济 ， 对碳强度问题 展开了深入研究 。岳超等 ［ 2］ 指出未来碳强度控制应从产 业 结构调整 、能源政策改革 、可再生能源发展等方面着手 。 林伯强等 ［ 3］ 提出在维持经济增长的前提下 ， 提 高能源效率 是减少碳排放的主要途径 ; 张友国 ［ 4］ 基 于投入产出结构分 解法得出 1987 年至 2007 年经济发展方式变化使中国的 GDP 碳排放强度下降了 66． 02%; 郭国峰等 ［ 5］ 基 于回归与 ARMA 组合模型对 “十二五 ”时期中国工业节能潜力进行 ·98· 中 国人口 ·资源与环境 2015 年 第 25 卷 第 6 期 CHINA POPULATION， RESOURCES AND ENVIRONMENT Vol．25 No．6 2015 了 分析 。结果表明 ， 仅工业领域就实现节能 6． 7 亿 t 标准 煤和重点行业节能降耗的目标 。郝珍珍等 ［ 6］ 构 建了行业 CO 2 排 放增长驱动力模型 ， 结果显示 : 影响碳排放的主要 驱动力是能源强度效应和行业贡献效应 ， 而产业结构调整 在短时间内对 CO 2 减 排效力不大 。林伯强等 ［ 7］ 选 用协整 方法研究 CO 2 排放量与其变量之间的长期均衡关系 ， 并 采 用 Monte Carlo 模拟法 ， 在各解释变量服从既定概率分布 的前提下预测了中国 CO 2 排放量的增长情形 。结 果表明 ， 实现低碳转型应当在保证 GDP 增长的前提下 ， 通过控制 城市化速度和将城市化进程作为低碳发展的机会 ， 以及通 过降低能源强度和改善能源结构来实现 ; 徐盈之等 ［ 8］ 指 出 不同类型能源实现同等减排效果的成本存在很大的差异 。 因此 ， 推动结构节能减排 ， 是中国低碳经济发展的必由之 路 。 大量文献通过不同切入点研究能源结构优化对碳排 放及低碳经济的影响 。Gabriel S A 等 ［ 9］ 考 虑经济 、环境等 因素的影响构建宏观模型分析能源消费结构的变化情况 。 Nakata T ［ 10］ 研究发现调整能源 消费结构应该考虑经济 、人 口增长和环境等的影响 ， 构建 “低碳经济 ”应大力加强可 再生能源的开发利用 。Li H Q 等 ［ 11］ 分两种情景评估了绿 色 能源的发展潜力和来源 ， 并在此基础之上分析了绿色能 源在实现中国碳强度目标的贡献潜力 ; 王锋等 ［ 12］ 采 用协 整技术和马尔可夫链模型预测了 2011 －2020 年中国的碳 强度趋势 ， 分 9 个情景分析优化能源结构对实现中国碳强 度目标的贡献潜力进行了评估 ; Dagoumas A S 等 ［ 13］ 设 置 了三种情景 ， 运用宏观经济综合模型将英国作为一个地 区 ， 以自上而下的方式估计能源需求总量及需求结构 ， 以 自下而上的方式模拟电力部门 ， 结果表明 ， 电力部门和交 通部门是实现大幅度减排目标的主要部门范德成等 ［ 14〗 以 碳强度最小化为目标 ， 经 济增长 、能源供给 、技术进步为约 束条件构建了单目标线性规划优化模型 ， 对我国 2009 － 2020 年的能源消耗结构进行预测 ， 结果表明 : 在 “十二五 ” 能耗强度目标水平下 ， 优化能耗结构并不能完全实现碳强 度目标 ， 其贡献潜力为 77．12%。王韶华等 ［ 15］ 运 用通径分 析研究了一次能源的相互关系及其消费比例与碳强度的 关系 ， 在此基础上计算一次能源结构对碳强度和 GDP 的 贡献 ， 并分析了能源结构调整对碳强度的灵敏度 ， 结果表 明 : 降低煤炭消费比例 ， 提高水核风电等能源消费比例对 降低碳强度的贡献最大 ， 可以降低碳强度 4． 57 个百分点 ， 对实现碳强度目标的贡献潜力为 26．9%。 由于各个省区的碳强度变动 、碳排放份额变动 、能源 强度变动 、能源结构调整以及产值份额变动共同决定了全 国碳强度的变动 ［ 16］ ， 而不同省区的节能减排的潜力差异 很 大 ［ 17］ ， 为了顺利实现全国 碳强度目标 ， 需要及时评估各 省区对全国碳强度下降的贡献 ， 对此 ， 岳超等 ［ 2］ 通 过对中 国各省区的碳排放量 、人均碳排放和碳排放强度分析 ， 得 出中西部地区具有较高的碳强度 ， 并运用逐步线性回归分 析指出能源资源禀赋 、工业行业结构和能源消费结构是省 区碳强度的决定因素 ; 李陶等 ［ 18］ 在总减排成本最小的目 标 下 ， 基于非线性规划优化模型得到了各省市的减排配额 分配方案 ; 王平等 ［ 19］ 运 用情景预测 、成分数据模型等方法 探讨了广东省能源结构优化对碳强度目标的贡献潜力 。 综述所述 ， 学者们已对能源结构优化对碳强度目标的 实现进行了一系列研究 ， 然而 ， 上述文献未将技术进步 、经 济结构以及产业结构等其他影响因素的作用剔除 ， 对此 ， 本文对能源结构优化对碳强度目标的贡献潜力赋予新定 义 ， 在运用组合模型进行 2013 － 2020 年山东省一次能源 消费需求预测的基础上 ， 采用马尔可夫链模型预测了能源 消费结构的变化趋势 ， 分 9 种组合情景评估了 2020 年能 源结构优化对山东省碳强度目标的贡献潜力 ， 以期为碳减 排相关政策及措施的制定提供决策参考 。 1 山东省一次能源消费及其变量预测 1．1 变量选择与数据说明 影 响能源消费需求的变量众多 ， 但学界尚未给出影响 能源需求具体因素的定论 。从直接影响因素分析 ， 居民人 口数量 、居民消费水平的变化都会直接影响能源消费需 求 。而间接影响因素主要包含国内或地区生产总值 、工业 产值占比 、国家或地区能源生产总值及能源进口总值 、能 源利用效率等 。本文选择以下五个影响因素对山东一次 能源消费需求进行研究分析 。 1．1．1 人口数量 人口数量是影响能源消费需求的直接因素之一 ， 人口 数量越多 ， 能源需求越大 。刘兰凤等 ［ 20］ 及 郭菊娥等 ［ 21］ 的 研究证明了人口 数量的确是影响能源消费需求的最主要 因素之一 。所以本文把山东省人口数量作为影响一次能 源消费需求的变量之一 。 1．1．2 收入水平 居民收入水平的变化间接影响一次能源消费的需求 ， 诸多文献研究国家收入水平时以 GDP 来代替 ， 且 GDP 的 增速直接反应收入水平的变动情况 ［ 3］ ， 由 于本文研究山东 省一次能源消费需求的预测 ， 因此本文选用山东省的地区 生产总值作为解释变量引入能源消费需求函数 。 1．1．3 居民消费水平 居民消费水平与收入水平高度相关 ， 但又有所不同 ， 收入水平的提高一定程度上使得居民消费水平增加 ， 但收 入水平是国家或地区经济的宏观表示 ， 居民消费水平更多 的从微观上改变一次能源消费需求量 。居民消费水平的 ·09· 中 国人口 ·资源与环境 2015 年 第 6 期 提 高 ， 不仅使得居民在生活能源方面的消费量增加 ， 而且 居民对各行业产品特别是第二 、三产业的消费支出有较大 的增长 ， 从而带动各生产领域的能源消费增加 。所以本文 将山东省居民消费水平也作为影响能源消费需求的变量 之一 。 1．1．4 能源生产总量 能源生产总量是国家或地区在一定时期内能源生产 量的总和 ， 此处的能源生产量仅包括一次能源如 : 原煤 、原 油 、天然气 ， 风水核电等 ， 它是描述能源生产水平和规模的 重要衡量标准 ， 它的增加或降低会引起能源消费的加大或 减少 ， 所以本文选取地区能源生产总量作为一个变量 。 1．1．5 工业产值占比 自我国提出工业化 、城镇化的发展方向后 ， 我国的工 业生产总值持续升高 。其特征也逐渐显现出来 : 一是工 业 、建筑业等第二产业带来的经济价值占国民收入的比率 提高 ; 二是工业等第二产业的劳动人口占总人口的比例也 有所增加 ; 三是在以上两种比率增加的同时 ， 工业人口的 人均收入也在相应的增加 。随着工业化 、城镇化的持续推 进和居民收入与消费水平的提高 ， 能源的消费需求也相应 的会增加 。因此 ， 工业指标应该被引入到能源需求函数 中 。这一指标用工业产值占地区生产总值的比例表示 。 以上所涉及的变量中 ， 山东省人口数量 、地区居民消 费水平指数 、地区生产总值 、地区能源消费总量和地区工 业生产总值来源于 《中国统计年鉴 》( 2013) 。 1．2 GDP 及其他变量预测 1．2．1 GDP 及居民消费水平情景预测 由于将收入水平的预测转换为对地区生产总值的预 测 ， 而对地区生产总值或 GDP 的预测往往转换为对经济 增长速度的预测 。本文借鉴李善同等 ［ 22］ 思路运用情景预 测 的方法 ， 结合山东省 21 世纪以来的经济情况 ， 将山东省 未来经济增长速度设定为高速 、中速和低速三种情景 ， 并 把每一个情景划分为 2013 － 2016 年和 2013 － 2020 年两 个时间段 。在第一阶段经济增长速度由高到低依次为 12%、9%和 7%， 第二个阶段则为 10%、7．8%和 6%。 居民消费水平与收入水平是直接相关的 ， 要预测居 民消费水平 ， 先应该建立居民消费水平与地区生产总值 的相关方程 ， 已利用 Excel 得到趋势线方程 X 3 = 0． 227 598X 2 +1 000． 758 983。基 于居民消费水平与地区生产 总值相关性与地区生产总值变动速率设定值 ， 对 2013 － 2020 年山东省生产总值和居民消费水平进行预测 ( 见 表 1) 。 1．2．2 人口 、能源生产量与工业产值比灰色预测 在五个自变量中 ， 总人口 、能源生产总量 ， 工业产值占 比三个因素更多的受历史各年数据的影响 ， 是社会 、经济 诸多因素相互影响和制约的结果 ， 因果关系复杂并具有灰 色特性和一定的规律性 ， 所以本文利用灰色预测 GM( 1， 1) 模型对山东省总人口 ， 能源生产总量 ， 工业产值占比进 行预测 ( 见表 1) 。 1．3 基于多元回归的一次能源消费预测 1．3．1 多元回归分析 在多个变量进行多元回归分析时 ， 变量之间经常存在 着严重的多重共线性 ， 所得到的回归系数的方差会很大 ， 从而预测出的一次能源消费需求的误差也会增大 、稳定性 也变差 。因此 ， 本文首先利用 SPSS19． 0 对人口数量 、地区 生产总值 、居民消费水平 、地区能源生产总量 、工业产值占 比五个变量进行相关性分析 ( 见表 2) 。 由表 2 可知 ， 数据相关阵的特征值大于 1 的只有一 个 ， 所以提取第一主成分值 ， 将其代表的原始变量作为影 响能源消费结构的自变量进行多元回归 。则主成分表达 式为 : 表 1 变 量预测值 Tab．1 Forecasting value of every variable 年 份 Year 地 区生产总值 GRP( 亿元 ) 居 民消费水平 ( 元 ) Consumption level of residents 高 速 High speed 中速 Medium speed 低速 Low speed 高速 High speed 中速 Medium speed 低速 Low speed 总 人口 ( 万人 ) Total population 能源生产总量 ( 万 tce) Total energy production 工业产值比 ( %) Ratio of industrial output and GRP 2013 56 014．83 54 514．44 53 514．17 13 749．62 13 408．14 13 180．48 9 743．964 01 17 155．803 04 0．496 236 2014 62 736．61 59 420．74 57 260．16 15 279．49 14 524．80 14 033．06 9 807．213 511 17 598．323 77 0．498 010 2015 70 265．01 64 768．60 61 268．38 16 992．93 15 741．96 14 945．32 9 870．873 572 18 052．258 97 0．499 792 2016 78 696．81 70 597．78 65 557．16 18 912．00 17 068．67 15 921．44 9 934．946 862 18 517．903 09 0．501 579 2017 86 566．49 76 104．40 69 490．59 20 703．12 18 321．97 16 816．68 9 999．436 06 18 995．558 14 0．503 372 2018 95 223．14 82 040．55 73 660．03 22 673．35 19 673．02 17 765．63 10 064．343 87 19 485．533 94 0．505 172 2019 104 745．45 88 439．71 78 079．63 24 840．61 21 129．46 18 771．53 10 129．673 00 19 988．148 28 0．506 979 2020 115 220．00 95 338．01 82 764．41 27 224．60 22 699．50 19 837．77 10 195．426 19 20 503．727 17 0．508 792 ·19· 何 立华等 : 能源结构优化对低碳山东的贡献潜力 表 2 解 释总方差 Tab．2 Total variance explained 成 份 Component 初 始特征值 Initial eigenvlues 提取平方和载入 Extraction Sums of Squared Loadings 合 计 方差的 % 累积 合计 方差的 % 累 积 1 3．861 77．227 77．227 3．861 77．227 77．227 2 0．941 18．826 96．053 3 0．194 3．877 99．930 4 0．003 0．065 99．995 5 0．000 0．005 100．000 Z =0．505 9 × ZX 1 +0．498 1 × ZX 2 +0．495 3 × ZX 3 +0．467 8ZX 4 +0．178 8 × ZX 5 其 中 : ZX 1 、ZX 2 、ZX 3 、ZX 4 、ZX 5 ， 分 别为标准化后的总 人口 ， 地区生产总值 ， 居民消费水平 ， 能源生产总量 ， 工业 产值占比 。Z 表示第一主成分值 。对 2000 年到 2012 年的 五个因素数据进行标准化处理 ， 将标准化后的各年数据 ( 由于篇幅有限 ， 标准化后的数据不再列出 ) 代入到主成 分表达 式 ， 得 出 2000 － 2012 各 年 主 成 分 值 ， 分 别 为 －3．148 32， － 2． 559 71， － 1． 981 51， － 1． 313 95， －0．834 78， －0．490 12， － 0． 028 82， 0． 472 28， 0． 946 48， 1．179 75， 1．992 73， 2．582 59和 3．183 38。 对主成分值进行多元回归分析时 ， 非线性回归 、对数 函数和幂函数都要求自变量非负 ， 因此对主成分值 Z 进行 坐标变换 ， 最小主成分值为 － 3． 148 32， 即变换坐标公式 为 z = z +4。运用 SPSS19．0 得到分析结果 ， 并查询 F 分布 表进行比较分析 。得到结论 : 线性函数 、对数函数 、二次函 数 、三次函数 、幂函数 、指数函数等六种函数的回归效果都 非常显著 。具体选择哪种函数要根据一次能源消费预测 值进行分析选取 。 1．3．2 一次能源消费预测 将表 1 中山东省总人口 、地区生产总值 、居民消费水 平 、能源生产量 、工业产值占比五个影响因素的预测值代 入根据 2000 年到 2012 年五个因素实际数据求得的标准 化公式中进行标准化 ， 将标准化后的五个因素预测结果代 入主成分表达式中 ， 得到主成分预测值 ， 主成分预测值按 照前文的多元回归分析中坐标变换 ( z = z + 4) 进行处理 ， 详细的过程因篇幅较长不再给出 ， 只列出利用处理后的主 成分预测值拟合的回归方程 : 线性 : y =5 332．266 3z +4 631．913 1 对数 : y =16 182．645 1lnz +5 957．152 8 二次 : y =7 587．062 7z －280．888 6z 2 +1 108．206 8 三 次 : y = －1 810．199 9z +2 454．931 6z 2 －226．952 9z 3 +9 427．109 6 幂 函 : y =9 271．097 0z 0．753 937 指 数 : y =9 127．865 7e 0．236 910z 对 三种经济状况下 2020 年的预测值进行初步分析 ， 三次函数到 2020 年 ， 能源消费为负值 ， 不可取 ， 指数函数 预测值远远大于其他函数 ， 也不可取 。二次函数 2020 年 预测结果 ， 经济增长能源消费量反而降低 ， 也不可取 。将 线性函数 ， 对数函数 ， 幂函数三种函数 2000 年到 2012 年 的预测值与实际值比较 ， 计算其相对误差 ， 并根据相对误 差选取最准确的函数方程进行多元回归 。相对误差如表 3 所示 。 表 3 相 对误差分析 Tab．3 Relative error analysis 年 份 Year 线性函数 Linear function 对数函数 Logarithmic function 幂函数 Power function 2000 －0．080 57 －0．663 32 －0．176 61 2001 0．253 53 0．380 86 0．275 89 2002 0．225 96 0．397 0．257 63 2003 0．118 91 0．294 4 0．152 37 2004 0．019 48 0．176 88 0．049 84 2005 －0．125 12 －0．007 23 －0．102 75 2006 －0．127 54 －0．036 48 －0．111 5 2007 －0．109 15 －0．047 2 －0．100 61 2008 －0．033 98 －0．008 65 －0．035 9 2009 －0．033 14 －0．037 87 －0．043 48 2010 0．002 62 －0．040 34 －0．019 2 2011 0．043 17 －0．048 16 0．006 27 2012 0．083 54 －0．049 54 0．033 07 在 相对误差表中 ， 线性函数与幂函数相对误差都较 小 ， 但到 2010 年后 ， 幂函数的相对误差要更小 ， 且幂函数 的相对误差平均值较小 ， 因此判定情景预测 、灰色预测与 幂函数回归组合模型最合适 ， 预测的拟合效果最佳 。 用情景预测 、灰色预测与多元幂函数回归组合模型首 先预测出山东省 2000 － 2012 年的能源消费量 ， 并与中国 统计年鉴中实 际数据比较 ， 并从平方和误差 、均方误差 、 平均绝对误差等方面进行效果评价 ， 结果表明本文的预测 结果与实际数据具有较高的拟合程度 ， 说明在一定程度上 该预测值是可信的 。因此 ， 对 2013 年到 2020 年的一次能 源消费量进行预测 ( 见表 4) 。 由表 4 可知 ， 在未来几年山东省的一次 能源消费量 具有较高的增长率 ， 而由于不同类型的能源燃烧时具有不 ·29· 中 国人口 ·资源与环境 2015 年 第 6 期 表 4 2013 －2020 年山东省能源消费预测值 ( 万 tce) Tab．4 Energy consumption prediction value of Shandong province ( 2013 －2020) 年 份 Year 高速 High speed 中速 Medium speed 低速 Low speed 2013 42 606．137 7 42 199．565 2 41 927．805 7 2014 45 472．535 5 44 591．477 3 44 014．328 7 2015 48 505．332 6 47 072．933 8 46 153．308 3 2016 51 721．847 1 49 651．333 5 48 348．401 7 2017 54 749．087 1 52 120．134 7 50 435．714 7 2018 57 930．262 9 54 673．696 2 52 570．229 2019 61 278．481 8 57 317．936 2 54 754．705 5 2020 64 807．777 3 60 059．054 56 991．965 1 同的碳排放系数 ， 要想根据能源消费量来预测碳排放量 ， 必须预测能源结构 。 2 山东省能源消费结构预测 2．1 马尔可夫链模型 由 于未来的能源消费结构通常根据能源消费结构的 过去情况和现在情况来进行预测 ， 且能源消费结构的变动 符合马尔科夫链无后效性的特点 ， 因此 ， 本文采用马尔可 夫链模型进行能源结构预测 。用 S 1 ( n) ， S 2 ( n) ， S 3 ( n) ， S 4 ( n) ， 分 别表示煤炭 、石油 、天然气 、风水核电 ( 为了便于 说明问题 ， 将风能 、水能 、核能和电能四种非石化能源简称 为 “风水核电 ”) 等四类能源在 n 时刻占一次能源消费总 量比例 ， 用 p( n) 表示 n 时刻到 n +1 时刻 ， x 能源转移为 y 能源的概率 ， 则中国能源消费结构从 n 时刻到 n + 1 时刻 的一步转移概率矩阵为 : p( n) = P c→c ( n) P c→o ( n) P c→g ( n) P c→e ( n) P o→c ( n) P o→o ( n) P o→g ( n) P o→e ( n) P g→c ( n) P g→o ( n) P g→g ( n) P g→e ( n) P e→c ( n) P e→o ( n) P e→g ( n) P e→e ( n             ) 如 果根据目前的能源消费结构来预测未来的能源消 费结构 ， 首先需要通过各年能源消费结构及其状态变化确 定每步的状态转移概率矩阵 ， 然后求出平均转移概率矩 阵 ， 再利用平均转移矩阵预测未来一次能源消费结构的变 化趋势 。假设从初始时刻到 n 时刻 ， 能源消费结构在每步 的转移概率矩阵分别为 p( 1) ， p( 2)， p( 3)， …， p( n)， 平 均 转移概率矩阵的计算式为 p = ［ p ( 1) ·p ( 2) ·… ·p( n)］ 1/n 根 据 n 时刻的能源消费结构以及平均转移概率 矩阵 ， 就可以预测出 n + m 时刻的能源消费结构 : S( n + m) = S( n) ·p m 。 2．2 确定转移概率矩阵 根 据 《山东省统计年鉴 》( 2013) 中关于能源的数据 ， 选择 2000 －2012 年能源结构数据计算转移概率矩阵 。在 确定转移概率矩阵时 ， 根据对一次能源消费结构历史数据 的观察 ， 可以发现 ， 煤炭 、石油 、天然气 、核水风电之间都存 在相互转移份额的可能性 。据此 ， 根据能源结构转移概率 矩阵的算法 ， 从 n 时刻到 n +1 时刻 ， 如果一种能源占总能 源消费量的比例增加 ， 那么该能源的保留概率为 1， 同时 该能源不向其他能源进行转移 ， 且根据转移概率矩阵的设 定 ， 每一行的元素之和为 1， 那么该能源向其他能源的转 移概率元素都为 0; 如果一种能源占总能源消费量的比例 减少 ， 那么该能源的保留概率为 n + 1 时刻的比例除以 n 时刻的比例 ， 同时该能源不会吸收其他能源的转换 ， 即该 列的吸收概率元素值为 0。再根据每一行的元素之和必 须为 1， 计算出该能源向其他能源的转移概率元素 ， 计算 得 2000 年到 2012 年的转移概率矩阵 。 矩阵的开方运算是数学难题 ， 一些矩阵的开多次方在 理论上是难以实现的 ， 由于是对 2020 年的能源结构进行 预测 ， 且对中间年份的能源结构没有具体要求 ， 那么可以 不再计算平均转移概率矩阵 ， 而直接将多年的能源消 费结构转移概率矩阵作为乘数 ， 对未来能源消费结构 进行预测 ， 这样将 N 年作为一个时间段来构建转移概 率矩阵 。反而更符合马尔科夫过程要求的平稳性及长 期性要求 。 根据预测年份与已知年份的时间间隔 ， 预测 2020 年 的能源消费结构 ， 现已知 2000 年到 2012 年的一次能源消 费结构 ， 2012 到 2020 年共八年时间间隔 ， 那么将八年看作 一个能源结构调整的时段 ， 计算 2004 年到 2012 年的能源 结构转移概率矩阵 ， 即将 04 年到 12 年的转移概率矩阵相 乘得 : P = 0．921 1 0．060 2 0．016 7 0．002 0 0．221 8 0．764 3 0．011 8 0．002 1 0．080 9 0．004 4 0．914 6 0．000 2 0．000 0 0．000 0 0．000 0 1．           000 0 将 2012 年 能源结构矩阵与八年转移概率矩阵相乘 ， 得到 2020 年山东省一次能源消费构成为 : 煤炭 74． 42%， 石油 21．64%， 天然气 3．54%， 核水风电 0．40%。 2．3 能源结构优化对低碳山东的贡献潜力评估 2．3．1 无规划约束无消费引导的一次能源消费结构预测 通过资料得知我国在哥本哈根会议前提出 2020 年中 国碳强度比 2005 年下降 40% －45%， 在 2005 年后全国的 能源结构都已进行政策调整 ， 山东省也不例外 。因此在计 算能源结构不调整情况下 2020 年的山东省的碳强度值 ·39· 何 立华等 : 能源结构优化对低碳山东的贡献潜力 时 ， 选 取 2005 年后的数据不可取 ， 则选取 2000 － 2005 年 的转移概率矩阵 ， 其概率转移矩阵为 : p = 0．942 3 0．053 5 0．004 2 0．000 0 0．417 7 0．566 5 0．015 8 0．000 0 0．642 5 0．036 4 0．321 1 0．000 0 0．178 4 0．685 4 0．136 2 0．           000 0 根 据以上方法计算能源消费结构 。本文把这一情景 称为 “不调整 ”。到 2020 年预测的能源结构为 : 煤 炭 87. 20%， 石油 11．95%， 天然气 0．85%， 风水核电 0%。 2．3．2 无规划约束的一次能源消费结构预测 不考虑山东省中长期能源发展规划的影响 ， 仅从历史 数据预测得 2020 年的能源结构作为 “小幅调整 ”模式下的 预测值 。使用上文中对 2020 年能源结构的预测值 。即煤 炭 74． 42%， 石油 21． 64 %， 天然气 3． 54 %， 风水核电 0．40%。 2．3．3 石油和天然气消费引导的一次能源消费结构预测 石油 、天然气虽然也是化石能源 ， 但其燃烧时产生的 二氧化碳远低于燃烧煤炭所产生的 ， 是两种较为清洁的能 源 。2005 年后 ， 山东省石油 、天然气占总能源消费中的比 例逐步升高 ， 一定程度上缓解了山东省的碳减排压力 。山 东省政策对石油 、天然气消费有促进作用 ， 并充分考虑石 油 、天然气的消费引导作用 ， 将山东省 2020 年石油 、天然 气在一次能源结构中的比例分别设定为 25% ， 5% ， 则 可预测出新的有石油 、天然气消费比例目标引导的能 源结构 ， 本文把这一情景称为 “中幅调整 ”。其 消费结 构为 : 煤炭 69． 6% ， 石油 25% ， 天然气 5% ， 风水核电 0. 40%。 2．3．4 既有规划约束又有消费引导的一次能源消费结构 预测 根据山东省中长期能源发展规划纲要 ， 到 2020 年山 东省煤炭消费总需求量目标为 47 800 万 t， 但对石油 ， 天 然气 ， 非化石能源的需求量没有预测 。且煤炭需求量预测 是基于 2008 年中长期规划对 GDP 的预测下做出的 ， 但事 实情况是 2011 年后 GDP 实际增长率已远低于预测值 ， 所 以此数据并不可取 。如果使用中国统一目标 ， 即 2020 年 非化石能源占比达 15%， 但山东省 2012 年非化石能源占 比仅 0．20%， 远远低于国家平均水平的 9． 4%， 所以本文 将 2020 年山东省非化石能源规划设定为 5%。并假设山 东省调整能源结构的主要方法是降低煤炭在一次能源消 费中的比例 ， 提高风水核电等非化石能源的占比 ， 而石油 、 天然气一次消费比例仍然按消费引导变动 ， 则 2020 年能 源结构为 : 煤炭 65%， 石油 25%， 天然气 5%， 风水核电 5%。此时能源结构作为 “大幅调整 ”。 3 能 源结构优化对山东省碳强度目标的贡 献潜力评估 3．1 山东省碳强度测算 碳强度是指单位 GDP 内 的二氧化碳排放量 。由于周 葵等 ［ 23〗 对碳排放的测算公式为 : C =∑ 4 i =1 E × S i × K i 蒋 金荷 ［ 24］ 指 出 CO 2 排 放量与碳排放量 ， 两者的结果 相差很大 。碳排放量到 CO 2 排放量的转换系数为 44/12， 即 单位质量碳排放相当于 44/12 的 CO 2 排 放 ， 同时结合 IPCC《国家温室气体清单指南 ( 2006) 》中关于化石能源燃 烧消费产生二氧化碳的具体规定 ， 因此采用 CO 2 排 放 量 ［ 19］ 计 算式为 : CO 2 =∑ 4 i =1 E × S i × K i × 44 12 其 中 ， CO 2 为 能源消费碳排放量 ; E 表示能源消费总 量 ; S i 代 表第 i 种能源消费在一次能源消费总量中的占 比 ; K i 表 示第 i 种能源的碳元素排放系数 ; 44/12 表示碳氧 化成二氧化碳分子量从 12 变为 44。 能源消费总量与各能源在总量中的占比在上文中已 经进行了预测 ， 下一步要确定的是煤炭 、石油 、天然气等各 类能源的排放系数 ， 但目前中外各个研究机构所确定的排 放系数并不一致 。为了增强数据结果的准确性 ， 充分考虑 到中国的实际情况 ， 采用中国国家发展和改革委员会能源 研究所推荐的碳元素排放系数 ( 煤炭 、石油 、天然气 、非化 石能源依次为 0．747 6， 0．582 5， 0．443 5， 0， 单位 : t 碳 /t 标 准煤 ) 。根据一次能源消费量预测与上述公式 ， 计算出 12 种情形下山东省 2020 年二氧化碳排放量见表 5。 由于我国尚属于发展中国家 ， 工业化 、城市