何立華等

摘要

優(yōu)化能源結構降低碳強度是建立環(huán)境友好型、資源節(jié)約型低碳經(jīng)濟發(fā)展模式的有效途徑之一?；谏綎|省總人口、地區(qū)生產(chǎn)總值、居民消費水平、能源生產(chǎn)量、工業(yè)產(chǎn)值占比等社會經(jīng)濟指標的歷史數(shù)據(jù)和不同組合情景下的預測數(shù)據(jù)，研究了能源結構優(yōu)化對低碳山東的貢獻潛力問題。首先運用情景預測、GM（1，1）預測與多元回歸組合預測模型對2013年到2020年的一次能源消費量及其相關變量進行了預測；其次，采用馬爾可夫鏈模型預測了2013年到2020年山東省能源消費結構的變化趨勢；最后，考慮到技術進步、經(jīng)濟結構以及產(chǎn)業(yè)結構等對碳強度目標的實現(xiàn)也具有顯著作用，當將能源結構作為一個驅動因素分析其變化對實現(xiàn)碳強度目標的貢獻時，需將其他因素的作用剔除，因此，本文重新界定了能源結構優(yōu)化對碳強度目標“貢獻潛力”的定義，即指不同能源結構調整幅度情景中碳強度的“下降幅度”相對于不調整時碳強度“下降幅度”的增加值與碳強度“目標下降幅度”的比值。并在此基礎上，分9種組合情景評估了2020年能源結構優(yōu)化對實現(xiàn)山東省碳強度目標的貢獻潛力。結果表明：在相同的經(jīng)濟增速下，能源結構調整幅度越大，碳強度“下降幅度”越大，能源結構優(yōu)化對碳強度目標的“貢獻潛力”也越高；在相同的能源結構調整幅度下，經(jīng)濟增速越低，碳強度“下降幅度”越小，但是能源結構優(yōu)化對碳強度目標的“貢獻潛力”越高。在每種情景下能源結構優(yōu)化對實現(xiàn)山東省碳強度目標均有一定的貢獻潛力，但是，能源結構優(yōu)化對實現(xiàn)山東省碳強度目標貢獻潛力作用有限，即使在優(yōu)化能源結構對碳強度目標“貢獻潛力”最大的情景（大幅調整能源結構、經(jīng)濟低速增長）中，其貢獻潛力也僅為10.953 3%。因此，能源結構優(yōu)化對實現(xiàn)低碳山東有一定的貢獻，但是僅靠能源結構優(yōu)化無法完全實現(xiàn)碳強度目標，政府、企業(yè)及社會還需要采取產(chǎn)業(yè)結構調整、碳排放技術升級等措施。

關鍵詞能源結構；碳強度目標；碳排放；貢獻潛力；山東省

中圖分類號F416.22 文獻標識碼A文章編號1002-2104（2015）06-0089-09doi：10.3969/j.issn.1002-2104.2015.06.013

隨著中國工業(yè)化和城市化進程的不斷推進，能源需求持續(xù)快速增長。與此同時，以煤炭為主的能源消費結構帶來了過度的二氧化碳排放，導致環(huán)境污染、氣候變暖等重大問題。在應對全球氣候變暖問題已達成國際共識的大背景下，中國提出到2020年二氧化碳排放強度比2005年降低40%-45%。要實現(xiàn)2020年碳強度目標，中國必須走低碳經(jīng)濟發(fā)展道路，低碳經(jīng)濟是以低消耗、低排放、低污染為特征的可持續(xù)發(fā)展模式，其實質是利用技術進步與制度革新轉變能源利用方式，提高能源效率，優(yōu)化能源結構[1]。由于中國地域遼闊，資源稟賦各異，各地區(qū)的經(jīng)濟發(fā)展極不平衡，導致了各地區(qū)的能源消費結構和碳排放水平存在顯著性差異。因此，從省區(qū)層面研究低碳經(jīng)濟約束下中國一次能源消費結構優(yōu)化問題具有重要的意義。山東省是全國經(jīng)濟發(fā)展的佼佼者，2014年地區(qū)生產(chǎn)總值達59 426.6億元。山東省在如此大的經(jīng)濟成就下，依賴的是大量的能源消耗與不合理能源結構，2012年山東省一次能源消耗總量高達40 035.78萬噸標準煤，2000年到2012年間煤炭占全部能源持續(xù)高達70%以上，并且二氧化碳的排放量一直居于全國前列，優(yōu)化能源結構對實現(xiàn)低碳山東具有重要的理論與實際意義。

近年來，國內外學者為發(fā)展低碳經(jīng)濟，對碳強度問題展開了深入研究。岳超等[2]指出未來碳強度控制應從產(chǎn)業(yè)結構調整、能源政策改革、可再生能源發(fā)展等方面著手。林伯強等[3]提出在維持經(jīng)濟增長的前提下，提高能源效率是減少碳排放的主要途徑；張友國[4]基于投入產(chǎn)出結構分解法得出1987年至2007年經(jīng)濟發(fā)展方式變化使中國的GDP碳排放強度下降了66.02%；郭國峰等[5]基于回歸與ARMA組合模型對“十二五”時期中國工業(yè)節(jié)能潛力進行了分析。結果表明，僅工業(yè)領域就實現(xiàn)節(jié)能6.7億 t標準煤和重點行業(yè)節(jié)能降耗的目標。郝珍珍等[6]構建了行業(yè)CO2排放增長驅動力模型，結果顯示：影響碳排放的主要驅動力是能源強度效應和行業(yè)貢獻效應，而產(chǎn)業(yè)結構調整在短時間內對CO2減排效力不大。林伯強等[7]選用協(xié)整方法研究CO2排放量與其變量之間的長期均衡關系，并采用Monte Carlo模擬法，在各解釋變量服從既定概率分布的前提下預測了中國CO2排放量的增長情形。結果表明，實現(xiàn)低碳轉型應當在保證GDP增長的前提下，通過控制城市化速度和將城市化進程作為低碳發(fā)展的機會，以及通過降低能源強度和改善能源結構來實現(xiàn)；徐盈之等[8]指出不同類型能源實現(xiàn)同等減排效果的成本存在很大的差異。因此，推動結構節(jié)能減排，是中國低碳經(jīng)濟發(fā)展的必由之路。

大量文獻通過不同切入點研究能源結構優(yōu)化對碳排放及低碳經(jīng)濟的影響。Gabriel S A等[9]考慮經(jīng)濟、環(huán)境等因素的影響構建宏觀模型分析能源消費結構的變化情況。Nakata T[10]研究發(fā)現(xiàn)調整能源消費結構應該考慮經(jīng)濟、人口增長和環(huán)境等的影響，構建“低碳經(jīng)濟”應大力加強可再生能源的開發(fā)利用。Li H Q等[11]分兩種情景評估了綠色能源的發(fā)展?jié)摿蛠碓?，并在此基礎之上分析了綠色能源在實現(xiàn)中國碳強度目標的貢獻潛力；王鋒等[12]采用協(xié)整技術和馬爾可夫鏈模型預測了2011-2020年中國的碳強度趨勢，分9個情景分析優(yōu)化能源結構對實現(xiàn)中國碳強度目標的貢獻潛力進行了評估；Dagoumas A S等[13]設置了三種情景，運用宏觀經(jīng)濟綜合模型將英國作為一個地區(qū)，以自上而下的方式估計能源需求總量及需求結構，以自下而上的方式模擬電力部門，結果表明，電力部門和交通部門是實現(xiàn)大幅度減排目標的主要部門范德成等[14]以碳強度最小化為目標，經(jīng)濟增長、能源供給、技術進步為約束條件構建了單目標線性規(guī)劃優(yōu)化模型，對我國2009-2020年的能源消耗結構進行預測，結果表明：在“十二五”能耗強度目標水平下，優(yōu)化能耗結構并不能完全實現(xiàn)碳強度目標，其貢獻潛力為77.12%。王韶華等[15]運用通徑分析研究了一次能源的相互關系及其消費比例與碳強度的關系，在此基礎上計算一次能源結構對碳強度和GDP的貢獻，并分析了能源結構調整對碳強度的靈敏度，結果表明：降低煤炭消費比例，提高水核風電等能源消費比例對降低碳強度的貢獻最大，可以降低碳強度4.57個百分點，對實現(xiàn)碳強度目標的貢獻潛力為26.9%。

由于各個省區(qū)的碳強度變動、碳排放份額變動、能源強度變動、能源結構調整以及產(chǎn)值份額變動共同決定了全國碳強度的變動[16]，而不同省區(qū)的節(jié)能減排的潛力差異很大[17]，為了順利實現(xiàn)全國碳強度目標，需要及時評估各省區(qū)對全國碳強度下降的貢獻，對此，岳超等[2]通過對中國各省區(qū)的碳排放量、人均碳排放和碳排放強度分析，得出中西部地區(qū)具有較高的碳強度，并運用逐步線性回歸分析指出能源資源稟賦、工業(yè)行業(yè)結構和能源消費結構是省區(qū)碳強度的決定因素；李陶等[18]在總減排成本最小的目標下，基于非線性規(guī)劃優(yōu)化模型得到了各省市的減排配額分配方案；王平等[19]運用情景預測、成分數(shù)據(jù)模型等方法探討了廣東省能源結構優(yōu)化對碳強度目標的貢獻潛力。

綜述所述，學者們已對能源結構優(yōu)化對碳強度目標的實現(xiàn)進行了一系列研究，然而，上述文獻

未將技術進步、經(jīng)濟結構以及產(chǎn)業(yè)結構等其他影響因素的作用剔除，對此，本文對能源結構優(yōu)化對碳強度目標的貢獻潛力賦予新定義，在運用組合模型進行2013-2020年山東省一次能源消費需求預測的基礎上，采用馬爾可夫鏈模型預測了能源消費結構的變化趨勢，分9種組合情景評估了2020年能源結構優(yōu)化對山東省碳強度目標的貢獻潛力，以期為碳減排相關政策及措施的制定提供決策參考。

1山東省一次能源消費及其變量預測

1.1變量選擇與數(shù)據(jù)說明

影響能源消費需求的變量眾多，但學界尚未給出影響能源需求具體因素的定論。從直接影響因素分析，居民人口數(shù)量、居民消費水平的變化都會直接影響能源消費需求。而間接影響因素主要包含國內或地區(qū)生產(chǎn)總值、工業(yè)產(chǎn)值占比、國家或地區(qū)能源生產(chǎn)總值及能源進口總值、能源利用效率等。本文選擇以下五個影響因素對山東一次能源消費需求進行研究分析。

1.1.1人口數(shù)量

人口數(shù)量是影響能源消費需求的直接因素之一，人口數(shù)量越多，能源需求越大。劉蘭鳳等[20]及郭菊娥等[21]的研究證明了人口數(shù)量的確是影響能源消費需求的最主要因素之一。所以本文把山東省人口數(shù)量作為影響一次能源消費需求的變量之一。

1.1.2收入水平

居民收入水平的變化間接影響一次能源消費的需求，諸多文獻研究國家收入水平時以GDP來代替，且GDP的增速直接反應收入水平的變動情況[3]，由于本文研究山東省一次能源消費需求的預測，因此本文選用山東省的地區(qū)生產(chǎn)總值作為解釋變量引入能源消費需求函數(shù)。

1.1.3居民消費水平

居民消費水平與收入水平高度相關，但又有所不同，收入水平的提高一定程度上使得居民消費水平增加，但收入水平是國家或地區(qū)經(jīng)濟的宏觀表示，居民消費水平更多的從微觀上改變一次能源消費需求量。居民消費水平的提高，不僅使得居民在生活能源方面的消費量增加，而且居民對各行業(yè)產(chǎn)品特別是第二、三產(chǎn)業(yè)的消費支出有較大的增長，從而帶動各生產(chǎn)領域的能源消費增加。所以本文將山東省居民消費水平也作為影響能源消費需求的變量之一。

1.1.4能源生產(chǎn)總量

能源生產(chǎn)總量是國家或地區(qū)在一定時期內能源生產(chǎn)量的總和，此處的能源生產(chǎn)量僅包括一次能源如：原煤、原油、天然氣，風水核電等，它是描述能源生產(chǎn)水平和規(guī)模的重要衡量標準，它的增加或降低會引起能源消費的加大或減少，所以本文選取地區(qū)能源生產(chǎn)總量作為一個變量。

1.1.5工業(yè)產(chǎn)值占比

自我國提出工業(yè)化、城鎮(zhèn)化的發(fā)展方向后，我國的工業(yè)生產(chǎn)總值持續(xù)升高。其特征也逐漸顯現(xiàn)出來：一是工業(yè)、建筑業(yè)等第二產(chǎn)業(yè)帶來的經(jīng)濟價值占國民收入的比率提高；二是工業(yè)等第二產(chǎn)業(yè)的勞動人口占總人口的比例也有所增加；三是在以上兩種比率增加的同時，工業(yè)人口的人均收入也在相應的增加。隨著工業(yè)化、城鎮(zhèn)化的持續(xù)推進和居民收入與消費水平的提高，能源的消費需求也相應的會增加。因此，工業(yè)指標應該被引入到能源需求函數(shù)中。這一指標用工業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比例表示。

以上所涉及的變量中，山東省人口數(shù)量、地區(qū)居民消費水平指數(shù)、地區(qū)生產(chǎn)總值、地區(qū)能源消費總量和地區(qū)工業(yè)生產(chǎn)總值來源于《中國統(tǒng)計年鑒》（2013）。

1.2GDP及其他變量預測

1.2.1GDP及居民消費水平情景預測

由于將收入水平的預測轉換為對地區(qū)生產(chǎn)總值的預測，而對地區(qū)生產(chǎn)總值或GDP的預測往往轉換為對經(jīng)濟增長速度的預測。本文借鑒李善同等[22]思路運用情景預測的方法，結合山東省21世紀以來的經(jīng)濟情況，將山東省未來經(jīng)濟增長速度設定為高速、中速和低速三種情景，并把每一個情景劃分為2013-2016年和2013-2020年兩個時間段。在第一階段經(jīng)濟增長速度由高到低依次為12%、9%和7%，第二個階段則為10%、7.8%和6%。

居民消費水平與收入水平是直接相關的，要預測居民消費水平，先應該建立居民消費水平與地區(qū)生產(chǎn)總值的相關方程，已利用Excel得到趨勢線方程X3=0.227 598X2+1 000.758 983?；诰用裣M水平與地區(qū)生產(chǎn)總值相關性與地區(qū)生產(chǎn)總值變動速率設定值，對2013-2020年山東省生產(chǎn)總值和居民消費水平進行預測（見表1）。

1.2.2人口、能源生產(chǎn)量與工業(yè)產(chǎn)值比灰色預測

在五個自變量中，總人口、能源生產(chǎn)總量，工業(yè)產(chǎn)值占比三個因素更多的受歷史各年數(shù)據(jù)的影響，是社會、經(jīng)濟諸多因素相互影響和制約的結果，因果關系復雜并具有灰色特性和一定的規(guī)律性，所以本文利用灰色預測GM（1，1）模型對山東省總人口，能源生產(chǎn)總量，工業(yè)產(chǎn)值占比進行預測（見表1）。

1.3基于多元回歸的一次能源消費預測

1.3.1多元回歸分析

在多個變量進行多元回歸分析時，變量之間經(jīng)常存在著嚴重的多重共線性，所得到的回歸系數(shù)的方差會很大，從而預測出的一次能源消費需求的誤差也會增大、穩(wěn)定性也變差。因此，本文首先利用SPSS19.0對人口數(shù)量、地區(qū)生產(chǎn)總值、居民消費水平、地區(qū)能源生產(chǎn)總量、工業(yè)產(chǎn)值占比五個變量進行相關性分析（見表2）。

由表2可知，數(shù)據(jù)相關陣的特征值大于1的只有一個，所以提取第一主成分值，將其代表的原始變量作為影響能源消費結構的自變量進行多元回歸。則主成分表達式為：

其中：ZX1、ZX2、ZX3、ZX4、ZX5，分別為標準化后的總人口，地區(qū)生產(chǎn)總值，居民消費水平，能源生產(chǎn)總量，工業(yè)產(chǎn)值占比。Z表示第一主成分值。對2000年到2012年的五個因素數(shù)據(jù)進行標準化處理，將標準化后的各年數(shù)據(jù)（由于篇幅有限，標準化后的數(shù)據(jù)不再列出）代入到主成分表達式，得出2000-2012各年主成分值，分別為-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。

對主成分值進行多元回歸分析時，非線性回歸、對數(shù)函數(shù)和冪函數(shù)都要求自變量非負，因此對主成分值Z進行坐標變換，最小主成分值為-3.148 32，即變換坐標公式為z′=z+4。運用SPSS19.0得到分析結果，并查詢F分布表進行比較分析。得到結論：線性函數(shù)、對數(shù)函數(shù)、二次函數(shù)、三次函數(shù)、冪函數(shù)、指數(shù)函數(shù)等六種函數(shù)的回歸效果都非常顯著。具體選擇哪種函數(shù)要根據(jù)一次能源消費預測值進行分析選取。

1.3.2一次能源消費預測

將表1中山東省總人口、地區(qū)生產(chǎn)總值、居民消費水平、能源生產(chǎn)量、工業(yè)產(chǎn)值占比五個影響因素的預測值代入根據(jù)2000年到2012年五個因素實際數(shù)據(jù)求得的標準化公式中進行標準化，將標準化后的五個因素預測結果代入主成分表達式中，得到主成分預測值，主成分預測值按照前文的多元回歸分析中坐標變換（z′=z+4）進行處理，詳細的過程因篇幅較長不再給出，只列出利用處理后的主成分預測值擬合的回歸方程：

對三種經(jīng)濟狀況下2020年的預測值進行初步分析，三次函數(shù)到2020年，能源消費為負值，不可取，指數(shù)函數(shù)預測值遠遠大于其他函數(shù)，也不可取。二次函數(shù)2020年預測結果，經(jīng)濟增長能源消費量反而降低，也不可取。將線性函數(shù)，對數(shù)函數(shù)，冪函數(shù)三種函數(shù)2000年到2012年的預測值與實際值比較，計算其相對誤差，并根據(jù)相對誤差選取最準確的函數(shù)方程進行多元回歸。相對誤差如表3所示。

在相對誤差表中，線性函數(shù)與冪函數(shù)相對誤差都較小，但到2010年后，冪函數(shù)的相對誤差要更小，且冪函數(shù)的相對誤差平均值較小，因此判定情景預測、灰色預測與冪函數(shù)回歸組合模型最合適，預測的擬合效果最佳。

用情景預測、灰色預測與多元冪函數(shù)回歸組合模型首先預測出山東省2000-2012年的能源消費量，并與中國統(tǒng)計年鑒中實 際數(shù)據(jù)比較，并從平方和誤差、均方誤差、平均絕對誤差等方面進行效果評價，結果表明本文的預測結果與實際數(shù)據(jù)具有較高的擬合程度，說明在一定程度上該預測值是可信的。因此，對2013年到2020年的一次能源消費量進行預測（見表4）。

由表4可知，在未來幾年山東省的一次 能源消費量具有較高的增長率，而由于不同類型的能源燃燒時具有不同的碳排放系數(shù)，要想根據(jù)能源消費量來預測碳排放量，必須預測能源結構。

2山東省能源消費結構預測

2.1馬爾可夫鏈模型

由于未來的能源消費結構通常根據(jù)能源消費結構的過去情況和現(xiàn)在情況來進行預測，且能源消費結構的變動符合馬爾科夫鏈無后效性的特點，因此，本文采用馬爾可夫鏈模型進行能源結構預測。用S1（n），S2（n），S3（n），S4（n），分別表示煤炭、石油、天然氣、風水核電（為了便于說明問題，將風能、水能、核能和電能四種非石化能源簡稱為“風水核電”）等四類能源在n時刻占一次能源消費總量比例，用p（n）表示n時刻到n+1時刻，x能源轉移為y能源的概率，則中國能源消費結構從n時刻到n+1時刻的一步轉移概率矩陣為：

如果根據(jù)目前的能源消費結構來預測未來的能源消費結構，首先需要通過各年能源消費結構及其狀態(tài)變化確定每步的狀態(tài)轉移概率矩陣，然后求出平均轉移概率矩陣，再利用平均轉移矩陣預測未來一次能源消費結構的變化趨勢。假設從初始時刻到n時刻，能源消費結構在每步的轉移概率矩陣分別為p（1），p（2），p（3），…，p（n），平均轉移概率矩陣的計算式為p=[p（1）·p（2）·…·p（n）]1/n根據(jù)n時刻的能源消費結構以及平均轉移概率矩陣，就可以預測出n+m時刻的能源消費結構：S（n+m）=S（n）·pm。

2.2確定轉移概率矩陣

根據(jù)《山東省統(tǒng)計年鑒》（2013）中關于能源的數(shù)據(jù)，選擇2000-2012年能源結構數(shù)據(jù)計算轉移概率矩陣。在確定轉移概率矩陣時，根據(jù)對一次能源消費結構歷史數(shù)據(jù)的觀察，可以發(fā)現(xiàn)，煤炭、石油、天然氣、核水風電之間都存在相互轉移份額的可能性。據(jù)此，根據(jù)能源結構轉移概率矩陣的算法，從n時刻到n+1時刻，如果一種能源占總能源消費量的比例增加，那么該能源的保留概率為1，同時該能源不向其他能源進行轉移，且根據(jù)轉移概率矩陣的設定，每一行的元素之和為1，那么該能源向其他能源的轉移概率元素都為0；如果一種能源占總能源消費量的比例減少，那么該能源的保留概率為n+1時刻的比例除以n時刻的比例，同時該能源不會吸收其他能源的轉換，即該列的吸收概率元素值為0。再根據(jù)每一行的元素之和必須為1，計算出該能源向其他能源的轉移概率元素，計算得2000年到2012年的轉移概率矩陣。

矩陣的開方運算是數(shù)學難題，一些矩陣的開多次方在理論上是難以實現(xiàn)的，由于是對2020年的能源結構進行預測，且對中間年份的能源結構沒有具體要求，那么可以不再計算平均轉移概率矩陣，而直接將多年的能源消費結構轉移概率矩陣作為乘數(shù)，對未來能源消費結構進行預測，這樣將N年作為一個時間段來構建轉移概率矩陣。反而更符合馬爾科夫過程要求的平穩(wěn)性及長期性要求。