基于LMDI-SD方法的火电行业碳排放峰值预测
第
36卷第
10期计算机仿真
2019年10月
文章编号：1006 -9348(2019)10 -0116 -05
基于LMDI-SD
方法的火电行业碳排放峰值预测
赵亚涛，南新元，王伟德
(新疆大学电气工程学院，新疆乌鲁木齐830047)
摘要:利用对数均值迪氏分解法建立中国火电行业碳排放7因素分解模型，并以分解结果为蓝本建立系统动力学模型对我
国未来火电行业碳排放峰值进行预测。结果显示，能源结构、经济规模和人口规模对火电行业C
02排放产生正向驱动作
用，其中经济规模累积贡献率最大为190. 68% ;电源结构、供电煤耗和电力强度对火电行业C
02排放产生负向驱动作用，其
中电力强度的累积贡献率最大为63. 66%
。系统动力学模型模拟结果显示，当设定火电比重为55%和50%时，碳排放峰值
在2029年出现，而设定火电比重为45%时，碳排放峰值则在2021年出现，不同的电源结构对我国火电行业碳排放达峰时间
和达峰排放量具有显著影响。与电源结构相比，设定不同供电煤耗率对我国火电行业碳排放达峰时间几乎没有影响。
关键词:对数均值迪氏因素分解法;系统动力学；电源结构;供电煤耗;峰值
中图分类号:X
51 文献标识码：B
Prediction of Carbon Emission Peak in Thermal
Power Industry Based on LMDI - SD Method
ZHAO Ya - tao，NAN Xin - yuan，WANG Wei - de
(School
of
Electrical
Engineering,
Xinjiang
University,
Urumqi
Xinjiang 830047,
China)
ABSTRACT：
The
seven -
factor
decomposition
model
was
established
by
Log
Mean
Divisia
Index (
LMDI)
method.
And
based
on
the
decomposition
results,
a
system
dynamics (
SD)
model
was
set
up
to
predict
the
carbon
emission
peak
of
China’s
thermal
power
industry
in
the
future.
The
empirical
results
revealed
that
energy
structure，the
scale
of
economy,
and
population
size
were
three
important
positively
driving
C02
emissions
of
thennal
power
industry,
the
scale
of
economy
contributed 190. 68%.
Power
supply
structure,
net
coal
consumption,
and
electricity
intensity
were
three
important
negatively
driving
C02
emissions
of
thermal
power
industry,
the
electricity
intensity
contributed
63. 66%.
The
simulation
of
SD
model
shows
that,
when
the
specific
proportion
of
thermal
power
is 55%
and 50% ,
the
peak
of
C02
emissions
appears
in 2029
,and
the
peak
value
of
C02
emissions
appears
in 2021
when
the
specific
proportion
of
thermal
power
is 45%.
Different
power
supply
structure
has
a
significant
impact
on
the
peak
time
and
peak
amount
of
C02
emissions
in
thermal
power
industry
in
China.
Compared
with
the
power
supply
structure,
setting
different
net
coal
consumption
rate
has
little
effect
on
the
peak
time
of
C02
emissions
in
thermal
power
industry
in
China.
KEYWORDS：
LMDI
decomposition
method；
System
dynamics；
Power
supply
structure；
Net
coal
consumption；
Peak
value
i引言
目前，我国
co2排放量居世界第一 m，其中电力部门是
中国
C02排放的主要贡献部门之一
[2]。2016年，全国碳排
放总量为101.5亿
t,其中煤电行业
C02排放占比达到
基金项目：国家自然科学基金项目（61463047)
收稿日期:2018 -07 -09修回日期:2018 - 08 - 2934. 2%。因此，研究和预测煤电行业
C02排放量及确定
C02
排放峰值出现时间是亟待解决的重要问题。
对数均值迪氏
（Log
Mean
Divisia
Index,
LMDI)分解法因
其可以克服指数分解存在残差项的缺陷、不产生余值等优
点[3]，国内外学者利用
LMDI分解法对碳排放影响因素开展
大量的研究。文献[4-7]利用
LMDI分解法对我国各行业
进行碳排放因素分析，其中文献[6-7]利用
LMDI指数分解
法对中国电力行业碳排放因素进行研究。但以上研究重点
—
116 —在于根据历史数据对碳排放因素分解，分析各因素贡献率，
未对火电行业未来
co2排放预测。王喜平等[8M°]通过构建
系统动力学模型
（System
Dynamics，
SD)对中国电力行业未来
碳排放进行仿真模拟，但未对碳排放影响因素进行分析，建
模依据不够充分。
本文在现有研究的基础上，利用
LMDI分解法并基于扩
展
Kaya恒等式对中国2001 ~2015年火电行业
C02排放影
响因素进行分解，分析各个影响因素对火电行业
C02排放量
的贡献度。并根据
LMDI分析结果为依据应用系统动力学
原理在充分考虑各个影响因素的基础上对电力行业碳排放
系统进行建模，对2018 ~2030年电力行业
C02排放量进行
预测。
2模型与方法
2.1 Kaya
恒等式分解模型
在对碳排放驱动因素研究方面，
Kayaml恒等式在碳排
放研究领域得到了广泛的应用。本文对
Kaya提出的碳排放
分解公式进行扩展,在考虑能源消费量、
GDP和人口的基础
上，针对电力行业自身特点，将供电煤耗、火力发电比例、单
位
GDP电耗等因素纳人碳排放分解公式中，电力行业扩展
Kaya恒等式如式（1)所示
C,V ^
A
4- ' E,
Fr,, F, G, P,P, (1)
式中:
c,为第
t年电力行业
co2排放总量，万为第 < 年
第；种能源产生的
C02排放量，万为第
t年火电能源总
投人量，万为第/年火力发电第
i种能源投人，万
为第
t年总发电量，万
AIT • /
t;。.,为第 < 年火力发电量，万
人疋• /!;
G,为第
t年国内生产总值,万元;
P,为第
t年人口总
量，万人;[' =1,2表示火电生产初始能源投人种类，分别为煤
炭、石油。
令能源排放因子
C£,,, = 火电能源结构=
供电煤耗= £,/屺.,；电源结构
FF,=厂 /
f,;电力
强度
FG, =
F,/
G,;经济规模
GP, =
G,/
P, ;
P,为人口规模。则
电力行业
C02排放分解模型可表示为：
C, =
X CE,, • ££,, • EF, ■ FF, ■ FG, ■ GP, ■ P, (2)
2.2 LMDI
分解法
为测量火电行业碳排放的7个因素效应，本文基于
Ang[n]提出的
LMD丨分解法对火电行业碳排放进行分解，
LMDI分解如式(3)所示
AC, =
C, -
C〇
=
ACC£
i + \CEEt +
ACiT< + ^CFFi +
ACre； + ACCPi +
ACP;
(3)
本文假定各能源碳排放系数为定值，因此能源碳排放因
子效应，为零，其它6种因素的分解结果如下
2 EE
^CEE, = (4)
i = 1 ^^0^EF,
=
i =
l,EFt
KXnw0(5)
么c FF
丨=
t=i,Ff.
)‘inyr〇(6)
△
CfG,
=
i =
l,
fg,
(7)
△
Qp,
=
i =
l,GP,
—瓦(
B)
么cp
丨2
=
i =
I,P,
(9)
其中
=
(CM -Ci<0)/(\nCitl -
lnC,〇)
(10)
通过上述各式可以得到火电行业
C02排放变化量，以及
能源结构、供电煤耗、电源结构、电力强度、经济规模和人口
规模效应对
C02排放量变化的贡献值。
2.3火电行业碳排放SD
模型
2.3.1系统因果关系分析
系统动力学中的因果关系图能够简洁的表达出火电行
业
C02排放系统中各变量之间相互作用关系，确定系统动态
模型的范围，图1为火电行业
SD因果关系图。
该因果回路图主要由4个负反馈回路和1个正反馈回
路组成，分别是：
1) 人口总数—（+)净增长率->(+)人口总数。
人口自然增长模式中随着人口总数的增加人口净增长
率增加，而人口净增长率增加又促使人口总数增加。
2)
C02排放总量—（+ )气候变化->(+ )
C02减排压力
—(+ )非化石能源发电比例—（-）
C02排放总量。
电力行业
C02排放量增加导致气候变化剧烈，使我国减
排压力增大。通过增加非化石能源发电比例减少电力行业
C02排放量降低减排压力。
117
—
基于LMDI的中国碳排放驱动因素研究
第２６卷第１１期 Ｖｏ１．２６ Ｎｏ．１１ 统计与信息论坛 Ｓｔａｔｉｓｔｉｃｓ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｆｏｒｕｍ ２０１１年１１月 Ｎｏｖ．，２０１１
【统计理论与方法】
基于ＬＭＤＩ的中国碳排放驱动因素研究
唐建荣，张白羽，王育红
（江南大学商学院，江苏元锡２１４１２２）
摘要：基于扩展的Ｋａｙａ恒等式及对数平均迪氏指数（ＬＭＤＩ）分析法构建了一个包括能源规模、能源结 构、二氧化碳排放因子、能源强度、经济规模、产业结构、人口规模、城乡人口结构和生活水平在内的二氧化碳 排放驱动因素叠加分解模型。该模型对碳排放的驱动因素作了完整的分解和系统的量化，可为碳减排路径 的选择及政策的制定提供理论依据。实证分析结果表明：经济规模与能源强度是二氧化碳排放最强且稳健 的驱动因素；能源结构、生活水平也显示了较强的驱动作用；产业结构、人口规模、城乡结构的历史驱动贡献 度相对较小，但驱动力巨大，应予以足够重视。 关键词：碳排放；驱动因素；Ｋａｙａ恒等式；对数平均迪氏指数 中图分类号：Ｘ２２ 文献标志码：Ａ 文章编号：１ｏＯ７—３１１６（２０１１）１１一Ｏ０１９—０７
一引 ÷ 、 Ｉ 口
全球温室气体增加的主要来源是化石能源消
费，其导致的二氧化碳排放在全球碳排放中占据主 导地位［１］。有研究表明，中国能源消费产生的二氧 化碳占中国总排放量的７５ ［２］。研究中国能源消
费碳排放的特征，分析其主要影响因素的作用机理
并量化其贡献度，有助于提高碳减排政策制定的科 学性和可操作性。 目前，在能源消费与碳排放分解分析领域通行
的分解方法主要有结构分解分析法（Ｓｔｒｕｃｔｕｒａｌ Ｄｅ— ｃｏｍｐｏｓｉｔｉｏｎ Ａｎａｌｙｓｉｓ，ＳＤＡ）和指数分解分析法
（Ｉｎｄｅｘ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ Ａｎａｌｙｓｉｓ，ＩＤＡ）两种。相较 于ＳＤＡ利用消耗系数矩阵对各影响因素进行细致
分析而言，ＩＤＡ利用各部门指标的加总数据，更适
基于LMDI
龙源期刊网
基于LMDIAttribution分析方法
作者：赵涛等
来源：《中国人口·资源与环境》2015年第07期
摘要
引入对数平均迪式分解模型及其归因分析（LMDIAttribution）方法，从细分行业角度对2000-2012年天津市工业部门的碳排放强度变化进行研究，首先对碳排放强度作产业结构、能源强度和排放因子三因素LMDI乘法分解，其后，基于三个分解因素在2000-2006年和2006-2012年两个时间段对碳排放强度下降的影响效应，对其作归因分析，量化36个细分行业对分解因素影响效应的贡献。得到以下主要结论：天津市工业部门的碳排放强度从2000-2012年累计下降了66.87%，产业结构和能源强度是其下降的主导因素，累计影响值分别为-44.53%和-47.39%，排放因子对其下降起抑制作用，累计影响值为15.39%；产业结构对碳排放强度的影响主要依赖于高耗能行业产值占比的变化，化工行业和黑色金属行业产值的占比越高，产业结构的减排效应越差， 因此在调整产业结构时，应大力发展服务业和高新技术产业，严格控制高耗能行业发展；黑色金属行业和非金属矿物制品业是能源强度效应变化的主导行业，由于技术进步和能源效率的提高，黑色金属行业的负值贡献在2006-2012年相对前七年增大了2.56倍，非金属矿物制品业从最大的正值贡献行业转为第二大负值贡献行业，使得2006-2012年能源强度对碳排放强度的拉低影响相对前七年增大了近1倍；排放因子对碳排放强度下降的抑制作用在2006年之后呈现减弱的趋势，主要是因为“十一五”期间化工行业能源结构优化与能源再利用体系的建立，有效抑制了排放因子对碳排放强度的拉升作用。综上可见，黑色金属行业、化工行业和非金属矿物制品业是天津市碳排放强度分解因素变化的主要贡献行业，以这些高耗能行业为主要研究对象， 根据行业特点及其所处的发展阶段，严格控制其粗放型发展、鼓励新技术研发、循环利用资源及优化用能结构等措施，针对性的制定节能减排办法，才能在保持经济快速发展的同时做到碳排放强度的降低。
基于LMDI的中国建筑碳排放增长影响因素研究
基于LMDI的中国建筑碳排放增长影响因素研究
对数平均迪氏指数法（LMDI， Logarithmic Mean Divisia
Index）是研究能源消费和碳排放变化影响因素的常用方法。Donglan等对1991年～2004年中国城乡住宅碳排放进行LMDI研究，发现收入效应和能源密度效应分别是最大增排和减排因素。Nie和Kemp针对2002年～2010年北京居住能源消费量进行因素分解，发现能源消费增长是能源消费增加的主要因素，而单位人均面积增加是第二大驱动因素。Lin和Liu对1995年～2012年中国各省市的商业和居住建筑的碳排放进行LMDI分解，结果显示生活标准的提高是主要碳排放驱动因素。上述文献仅针对我国部分建筑类型或部分地区的建筑能耗或碳排放开展研究，并未从全国整体及所有主要建筑类型角度全面地分析我国建筑碳排放增长的主要影响因素。
为解决上述问题，本文基于宏观统计数据估算了1996年～2014年中国公共建筑、城镇住宅建筑及农村住宅建筑的运行能耗及碳排放。利用LMDI方法，对1996年～2014年各类建筑碳排放进行因素分解，识别影响碳排放变化的主要因素。
一、 方法与数据
1. LMDI分解法。参考清华大学建筑节能研究中心对建筑的划分方法，本文将建筑分为公共建筑和住宅建筑两大类。考虑到我国城乡住宅的巨大差异，将住宅建筑进一步细分为城镇住宅和农村住宅，见公式（1）。各类建筑排放包含的影响因素见公式（2）至公式（4）。
其中，C为建筑碳排放总量，C公、C城及C农分别为公共建筑、城镇住宅建筑及农村住宅建筑碳排放量；、E公i、E城i及E农i为各类建筑对第i类能源的消耗量，C公i、C城i及C农i是与上述能耗相对应的碳排放量，E公、E城及E农为各类建筑的总能耗，S公、S城及S农为各类建筑总面积，G公为第三产业增加值，G城为城镇居民可支配收入总额（简称“城镇居民总收入”），G农为农村居民纯收入总额（简称“农村居民总收入”），P城和P农分别为城镇总人口和农村总人口；Ui表示第i类能源的碳排放因子，D公i、D城i及D农i表示第i类能源占各类建筑总能耗的比重，I公、I城及I农表示各类建筑单位面积能耗，A公、A城及A农表示单位增加值或单位收入的建筑面积，Q城和Q农分别表示城镇居民人均可支配收入（简称“城镇人均收入”）以及农村居民人均纯收入（简称“农村人均收入”）。
广东能源消费碳排放影响因素分解分析——基于LMDI方法
广东能源消费碳排放影响因素分解分析——基于LMDI方法
秦翊;侯莉
【摘 要】采用IPCC (2006)建议的方法,计算1995-2010年广东能源消费碳排放量.根据扩展的Kaya恒等式,综合考察人口、经济规模、产业结构、能源强度、能源结构等因素的作用,应用LMDI分解法对广东能源消费碳排放进行分解,量化各因素贡献并探讨其作用机理.研究表明,广东能源消费碳排放不断增加最主要的驱动因素是经济规模效应,能源结构调整则是降低二氧化碳排放的最主要因素；能源强度下降使碳排放快速降低,人口因素则促使能源碳排放增长,产业结构的贡献最小.因此,广东省节能减排应该重点优化能源结构,提高能源效率,加快产业升级和结构调整.%In
this paper,the amount of carbon emissions from energy consumption in
Guangdong Province from 1995 to 2010 is calculated.The calculating
method is recommended by IPCC (2006).To study the impact of indicators
such as population,economy of scale,industrial structure,energy
intensity,energy structure comprehensively,the LMDI factorization model is
constructed.It is based on expanded Kaya identical
equation.Decomposition analysis on carbon emission of Guangdong
Province aims to quantify main factors contribution and investigate their
中国农业碳排放驱动因素分析——基于LMDI分解法
中国农业碳排放驱动因素分析——基于LMDI分解法
张艺敏;吴海文
【期刊名称】《农村经济与科技》
【年(卷),期】2024(35)2
【摘 要】为了进一步了解中国各区域农业碳排放的来源,采用LMDI因素分解模型,研究中国近年来农业碳排放量变化的驱动因素。结果表明,农地规模对于农业碳排放的影响具有区域性差异,受水稻种植比例、化肥、农药、农膜使用量以及农业机械化水平等多方面因素共同制约;产出规模是农业碳排放增加的主要因素;能源强度对于农业碳排放量具有显著抑制作用。
【总页数】4页(P19-22)
【作 者】张艺敏;吴海文
【作者单位】首都经济贸易大学经济学院;国家市场监督管理总局认证认可技术研究中心
【正文语种】中 文
【中图分类】X22
【相关文献】
1.辽宁省碳排放增长的驱动因素分析——基于LMDI分解法的实证2.基于LMDI分解法的碳排放驱动因素贡献分析3.甘肃省碳排放驱动因素的实证分析——基于LMDI分解法4.中国农业能源消耗碳排放变化驱动因素及其贡献研究——基于Kaya恒等扩展与LMDI指数分解方法5.中国农业碳排放变化因素分解研究——基于能源消耗与贸易角度的LMDI分解法 因版权原因，仅展示原文概要，查看原文内容请购买
中国火电企业碳排放测算及预测分析
中国火电企业碳排放测算及预测分析
摘要：我国碳交易市场建立时间较短，资产评估行业仍待发展，针对碳排放交易的资产评估文献相对较少。而碳资产评估又与传统的资产评估专业在理论方法、评价体系有诸多不同，利用资产评估的理论研究方法对碳排放交易开展研究工作就显得尤为重要。
关键词：中国火电企业碳排放测算；预测；
一、意义
早在2009年，中国政府就确定了控制温室气体排放的目标，即到2020年单位GDP的二氧化碳排放量比2005年减少40-45％。2014年，中美两国在北京发布《中美气候变化联合声明》，进一步提出了新的二氧化碳减排目标，即到2030年左右，中国的二氧化碳排放达到峰值且将努力早日达峰，并计划到2030年非化石能源占一次能源消费比重提高到20％左右。电力工业是维系国民经济的重点基础工业，也是我国二氧化碳排放的最主要来源之一。由于我国“多煤少油缺气”的能源禀赋结构，煤电在我国的发电结构中始终占据主导地位，由于煤炭燃烧产生的二氧化碳远大于石油和天然气，无形中加剧了我国二氧化碳的排放量。虽然各种清洁能源，如水电、核电、风力发电、太阳能发电、生物质发电等，在过去几十年取得了快速发展，但规模仍然有限，短期内无法大量替代火力发电。
1.
中国火电企业碳排放测算及预测
1数据说明与指标选取。本文使用的是企业级微观数据，主要来自两个数据库。一个是中国工业企业数据库，另一个是中国电力工业统计资料汇编。中国工业企业数据库由国家统计局进行搜集整理，该数据库提供了企业的一些基本信息，比如公司名称，所有权，员工数量等；电力工业统计资料汇编由国家电力监管委员会搜集整理而成，该数据提供了发电企业的装机容量、能源消耗、电力产出等信息。本文将这两个数据库中的发电企业相关的信息进行整理拟合，得到了实证分析中所需要的投入产出数据。由于数据中同时提供了发电煤耗和电力产出两个指标，将二者相乘，便得到了每家火电厂的能源投入；同时，本文直接将每家火电厂的电力产出作为合意产出。虽然数据并没有直接提供每家火电厂的二氧化碳排放数据，但提供了每家火电厂所使用的燃料类型，比如石油、煤炭、天然气。并且根据所有权，本文将火电厂分为国有火电厂和非国有火电厂，并且，总计有452家非国有火电厂，164家国有火电厂。国有火电厂包括国有企业、国有独资企业及国有联营企业；非国有火电厂包括外资企业、外资联营企业、集体企业、集体联营企业、港澳台企业以及私人企业。而对于一家代表性国有火电厂，其资本投入为733082．9千瓦的装机容量，劳动力投入为655．1128人，能源消耗为1116379吨标准煤，二氧化碳排放量为2742609吨，发电量为369305．6万千瓦时。而对于一家代表性非国有火电厂，其资本投入为573216．2千瓦的装机容量，劳动力投入为535．8761人，能源消耗为913780．6吨标准煤，二氧化碳排放量为2244885吨，发电量为304886．6万千瓦时。就平均而言，非国有火电厂的投入产出均小于国有火电厂相应的投入产出值，这也从侧面反映我国当前的火电行业中，中大型规模的火电厂仍然以国有火电厂为主，考虑到火电这一特殊的支撑国家经济生活的行业，虽然近年来对私人资本开放，但对电机装备等设施的投资，并非是一般的私人企业可以承担的，因此，我国的小型规模的火电厂仍以非国有火电厂为主。