邱碩,王雪強(qiáng),畢勝山,吳江濤,宋雨田

(西安交通大學(xué)能源與動力工程學(xué)院,710049,西安)

?

LEAP模型下的陜西省節(jié)能與溫室氣體減排潛力分析

邱碩,王雪強(qiáng),畢勝山,吳江濤,宋雨田

(西安交通大學(xué)能源與動力工程學(xué)院,710049,西安)

為應(yīng)對日益嚴(yán)峻的氣候變化及能源危機(jī),探索高效的節(jié)能減排政策,完成相關(guān)政策的定量評價,基于陜西省統(tǒng)計年鑒,結(jié)合陜西省實(shí)際情況,建立了包含終端能源需求、能源加工轉(zhuǎn)換、資源供應(yīng)及溫室氣體排放4模塊的陜西省LEAP模型。在對陜西省未來人口、經(jīng)濟(jì)發(fā)展情況進(jìn)行預(yù)測的基礎(chǔ)上,利用該模型對不同政策情景下未來陜西省的能源消耗及溫室氣體排放情況做出了預(yù)測,完成了相關(guān)政策的定量評價及節(jié)能減排潛力分析。結(jié)果表明:隨著各項節(jié)能減排政策的實(shí)施,陜西省的能源消耗量及溫室氣體排放量均有所降低,在所建立的節(jié)能減排綜合情景下,2030年陜西省一次能源消耗量與基準(zhǔn)情景相比可望降低20.35%,溫室氣體排放量將降低27.29%;從節(jié)能減排技術(shù)來看,可再生能源發(fā)電技術(shù)節(jié)能減排成效顯著;從用能部門來看,工業(yè)、交通及發(fā)電部門貢獻(xiàn)水平最高。總體來說,陜西省節(jié)能減排潛力巨大。

節(jié)能;減排;LEAP模型

工業(yè)革命以來,人類大量使用石油、煤炭等化石燃料,造成了CO2的大規(guī)模排放,加劇了溫室效應(yīng),帶來了海平面上升、生物鏈斷裂、干旱等一系列災(zāi)難。按目前的消費(fèi)水平,石油、天然氣最多只能維持不到半個世紀(jì),煤炭也只能維持一二百年[1]。人類正面臨著嚴(yán)重的能源危機(jī)與環(huán)境危機(jī),尋求高效節(jié)能的減排措施是維持人類可持續(xù)發(fā)展的重要途徑。

長期能源替代規(guī)劃(LEAP)模型是由瑞典斯德哥爾摩環(huán)境研究所及美國波士頓大學(xué)共同研究開發(fā)的一個基于情景分析的能源-環(huán)境-經(jīng)濟(jì)模型[2],目前該模型已被廣泛應(yīng)用于全球、國家和城市的能源消費(fèi)研究及溫室氣體減排評價,Stephane等應(yīng)用LEAP模型對全球工業(yè)、交通和建筑部門的能耗及CO2排放進(jìn)行了情景分析[3];王燦等應(yīng)用LEAP模型研究了中國電力行業(yè)及鋼鐵行業(yè)的CO2減排潛力[4-5];常征等應(yīng)用LEAP模型對上海市的能源消費(fèi)及CO2排放進(jìn)行了情景分析[6]。但是,目前有關(guān)LEAP模型的應(yīng)用多集中于城市或國家層面的能源需求與排放預(yù)測,由于省級層面下社會、經(jīng)濟(jì)發(fā)展等宏觀影響因素的不確定性較大,所以目前相關(guān)研究多局限于單一部門的討論,對所有產(chǎn)業(yè)部門進(jìn)行節(jié)能減排分析的研究很少。

陜西省礦產(chǎn)資源豐富,煤、石油、天然氣的保有儲量均列全國前茅,是我國的能源大省之一,是我國西煤東運(yùn)、西氣東輸、西電東送的主要基地,因此對其能源消費(fèi)及溫室氣體排放進(jìn)行預(yù)測分析,探索高效節(jié)能的減排政策很有必要。本文以陜西省為例,在對陜西省未來人口、經(jīng)濟(jì)發(fā)展情況進(jìn)行預(yù)測的基礎(chǔ)上,應(yīng)用LEAP模型對各項節(jié)能減排政策進(jìn)行分析,定量評價這些政策的優(yōu)劣及蘊(yùn)藏的節(jié)能減排潛力,為陜西省節(jié)能減排政策的制定提供理論依據(jù)。

1 陜西省LEAP模型構(gòu)建

本文在不考慮能源進(jìn)出口的情況下,以2012年為基期,以2013～2030年為預(yù)測期建立了包含終端能源需求、能源加工轉(zhuǎn)換、資源供應(yīng)及溫室氣體排放4大模塊的LEAP模型,如圖1所示,并利用該模型來計算陜西省能源消耗量與溫室氣體排放量。

圖1 陜西省LEAP模型結(jié)構(gòu)

陜西省LEAP模型從終端能源需求出發(fā),基于對陜西省人口、經(jīng)濟(jì)參數(shù)的假設(shè),通過模擬能源的加工、轉(zhuǎn)換、運(yùn)輸?shù)拳h(huán)節(jié)來計算能源消耗量及溫室氣體排放量。LEAP模型內(nèi)部的主要模塊為終端能源需求模塊、能源加工轉(zhuǎn)換模塊、資源供應(yīng)模塊和溫室氣體排放模塊。

終端能源需求模塊主要基于陜西省人口、經(jīng)濟(jì)等核心參數(shù)假設(shè)計算各能源消費(fèi)部門所需的各能源數(shù)量。根據(jù)陜西省的能源消費(fèi)特點(diǎn),本文將陜西省能源需求模塊分為農(nóng)業(yè)、工業(yè)、建筑業(yè)、交通、商業(yè)、其他及城市居民生活、農(nóng)村居民生活8大終端能源消費(fèi)部門。依據(jù)各需求部門的活動水平及對應(yīng)的能源強(qiáng)度,可得各品種一次、二次能源的需求總量

(1)

(2)

式中:Lx,i為x部門i子部門活動水平;Ix,i為對應(yīng)的單位活動水平能源消費(fèi)量,即能源強(qiáng)度;Sf為x部門i子部門能源消費(fèi)中f品種能源占比;Ss為x部門i子部門能源消費(fèi)中s品種能源占比。最終終端能源消費(fèi)部門的能源需求總量為

D=Ds+Df

(3)

能源加工轉(zhuǎn)換模塊主要根據(jù)加工轉(zhuǎn)換效率等參數(shù)模擬能源的加工、轉(zhuǎn)換、運(yùn)輸?shù)拳h(huán)節(jié)。本文將陜西省的能源加工轉(zhuǎn)換模塊分為發(fā)電、煉油、煉焦、供熱等。通過模擬各部門能源加工轉(zhuǎn)換過程,可得加工轉(zhuǎn)換部門各品種能源投入量

(4)

(5)

式中:Oy,j為y部門j子部門二次能源產(chǎn)出量;ey,j,s為y部門j子部門單位二次能源產(chǎn)出所需s品種二次能源的數(shù)量;ey,j,f為y部門j子部門單位二次能源產(chǎn)出所需f品種一次能源的數(shù)量。

根據(jù)終端能源需求模塊及能源加工轉(zhuǎn)換模塊的計算結(jié)果,可知最終陜西省的一次能源消耗量為

(6)

溫室氣體排放主要來源于終端消費(fèi)部門和加工轉(zhuǎn)換部門,溫室氣體排放量分別為

(7)

(8)

式中:Dx,i,k為x終端消費(fèi)部門i子部門的k品種能源消費(fèi)量;Ty,j,k為y加工轉(zhuǎn)換部門j子部門的k品種能源投入量;Fx,i,k,p、Fy,j,k,p分別為對應(yīng)能源消費(fèi)的p污染物排放因子。可知,能源利用相關(guān)溫室氣體排放總量

(9)

2 情景設(shè)置

為了研究各節(jié)能減排政策對陜西省能源消耗及溫室氣體排放的影響,根據(jù)陜西省社會經(jīng)濟(jì)發(fā)展,通過相關(guān)計算及對節(jié)能減排政策的分析,完成了不同假設(shè)情景下模型中的主要參數(shù),例如終端能源需求模塊的人口數(shù)、人均GDP、能源強(qiáng)度,能源加工轉(zhuǎn)換模塊的轉(zhuǎn)換效率等的預(yù)測。

2.1 基準(zhǔn)情景參數(shù)設(shè)定

基準(zhǔn)情景是延續(xù)當(dāng)前節(jié)能減排政策措施的情景,已有學(xué)者從不同的角度對基準(zhǔn)情景下人均GDP、人口數(shù)等參數(shù)的發(fā)展趨勢做出了預(yù)測。本文在調(diào)研前人研究結(jié)果的基礎(chǔ)上,根據(jù)陜西省統(tǒng)計年鑒提供的最新數(shù)據(jù),對參數(shù)做出更為貼近實(shí)際的預(yù)測。

Verhulst認(rèn)為在一定的環(huán)境中種群的增長存在上限,當(dāng)種群的數(shù)量逐漸上升時實(shí)際增長率就會逐漸減少,并據(jù)此提出了Logistic模型[7]。鑒于Logistic模型應(yīng)用的普遍性及在中長期人口數(shù)預(yù)測過程中的優(yōu)勢,本文依據(jù)不同時間序列的劃分利用最小二乘法建立了6種不同的Logistic模型,并最終選擇其中精度最高、相對誤差均值最小的模型對陜西省未來的人口發(fā)展情況做出預(yù)測。

Logistic模型也適用于城鎮(zhèn)率的預(yù)測,目前已有專業(yè)人員利用Logistic完成了區(qū)域及國家的城鎮(zhèn)率預(yù)測。根據(jù)國內(nèi)外的研究成果,本文以80%為上限,依據(jù)陜西省2000～2012年城鎮(zhèn)率數(shù)據(jù)建立了陜西省城鎮(zhèn)率演進(jìn)的Logistic模型,并對陜西省未來城鎮(zhèn)率的發(fā)展做出預(yù)測。

ARIMA模型(autoregressive integrated moving average model)是70年代初提出的著名時間序列預(yù)測方法,具有結(jié)構(gòu)簡單、預(yù)測精度高等優(yōu)點(diǎn),但該模型的預(yù)測精度會隨著預(yù)測期的延長而逐漸降低[8]。因此,本文利用ARIMA(p,d,q)模型來預(yù)測2013～2017年陜西省人均GDP,利用發(fā)展研究中心的李善同對中國未來GDP增長率的預(yù)測[9]來計算2018～2030年陜西省人均GDP,以提高預(yù)測參數(shù)的準(zhǔn)確度。

已知陜西省2012年人均GDP為8 468.86美元(文中所有美元均以1990年美元為度量標(biāo)準(zhǔn)折算),且根據(jù)上述人均GDP計算結(jié)果可知,2030年陜西省人均GDP為26 827.39美元。本文截取工業(yè)化國家及地區(qū)人均GDP 8 000～27 000美元之間的各部門能源消費(fèi)強(qiáng)度曲線,分析其變化趨勢,利用趨勢線法[10],計算出2012～2030年各部門能源消費(fèi)強(qiáng)度變化率。

根據(jù)陜西省十二五產(chǎn)業(yè)結(jié)構(gòu)調(diào)整規(guī)劃,2015年陜西省三次產(chǎn)業(yè)比例由2010年的9.2∶54.6∶36.2調(diào)整為8∶50∶42,本文設(shè)定在第三產(chǎn)業(yè)生產(chǎn)總值占比達(dá)到42%前,二、三產(chǎn)業(yè)生產(chǎn)總值占比變化率分別為-0.015%、0.03%。此外,陜西省低碳試點(diǎn)工作實(shí)施方案計劃到2020年第三產(chǎn)業(yè)生產(chǎn)總值占比由2015年的42%提升到45%,設(shè)定陜西省第三產(chǎn)業(yè)生產(chǎn)總值占比達(dá)到42%后,其變化率為0.013 9%。

陜西省LEAP模型基準(zhǔn)情景參數(shù)設(shè)定如表1所示,對表1所述部分參數(shù)的預(yù)測準(zhǔn)確性進(jìn)行驗證,結(jié)果如表2所示,參數(shù)的預(yù)測值與真實(shí)值相對誤差較小,均在5%以下,預(yù)測可靠性較高。因此,根據(jù)核心參數(shù)的預(yù)測值并利用陜西省LEAP模型來計算基準(zhǔn)情景下的能源消耗量與溫室氣體排放量,可為后續(xù)的節(jié)能減排潛力分析提供有力的參考。

2.2 節(jié)能減排情景設(shè)置

本文參考國家能源與碳排放發(fā)展情況,依照我國已經(jīng)出臺的相關(guān)政策法規(guī),根據(jù)與未來能源需求及二氧化碳排放密切相關(guān)的主要驅(qū)動因素,設(shè)定了5個節(jié)能減排情景:大力推進(jìn)清潔能源替代、加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、加工轉(zhuǎn)換效率提高、消費(fèi)終端能源利用效率提高及節(jié)能減排綜合情景,節(jié)能減排技術(shù)指標(biāo)和部分情景參數(shù)設(shè)定如表3、4所示。

表1 LEAP模型基準(zhǔn)情景參數(shù)設(shè)定

表2 主要核心參數(shù)的預(yù)測準(zhǔn)確性檢驗

目前陜西省能源消費(fèi)主要以化石能源為主,可再生能源占比較小,能源結(jié)構(gòu)不合理。針對這種現(xiàn)象,設(shè)定了大力推進(jìn)清潔能源替代情景,在此情景下,未來陜西省將大力推廣可再生能源發(fā)電、工業(yè)鍋爐煤改氣、汽車油改氣等節(jié)能減排技術(shù),逐步削減煤炭的使用量,優(yōu)化能源結(jié)構(gòu),構(gòu)建安全穩(wěn)定、經(jīng)濟(jì)綠色的城市能源支撐體系。

近年來,隨著第一產(chǎn)業(yè)在陜西省國民經(jīng)濟(jì)中的占比大幅下降,第二產(chǎn)業(yè)占比飛速上升,陜西省逐漸進(jìn)入到工業(yè)化中期階段,但第三產(chǎn)業(yè)比重有所下降,陜西省產(chǎn)業(yè)結(jié)構(gòu)演變過程還存在一定程度的非均勻性,從而加劇了陜西省的能源消費(fèi)與污染物排放。本文設(shè)定了加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整情景,在此情景下,未來陜西省將進(jìn)一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),推進(jìn)第三產(chǎn)業(yè)發(fā)展,加快實(shí)現(xiàn)三次產(chǎn)業(yè)協(xié)調(diào)發(fā)展。

陜西省煉油、煉焦等技術(shù)已達(dá)到較高水平,提升空間不大,未來陜西省將積極推進(jìn)汽輪機(jī)通流部分現(xiàn)代化改造,推廣超臨界機(jī)組、超超臨界機(jī)組及整體煤氣化聯(lián)合循環(huán)發(fā)電系統(tǒng)的應(yīng)用,并采用新型節(jié)能導(dǎo)線應(yīng)用技術(shù),全面提高發(fā)電效率。

根據(jù)國務(wù)院2014年發(fā)布的《能源發(fā)展戰(zhàn)略行動計劃(2014～2020年)》,未來我國將堅持節(jié)能優(yōu)先,以工業(yè)、建筑和交通領(lǐng)域為重點(diǎn),創(chuàng)新發(fā)展方式,形成節(jié)能型生產(chǎn)和消費(fèi)模式。陜西省正處于全面進(jìn)入工業(yè)化中期階段,重工業(yè)的迅速發(fā)展使得能源消費(fèi)總量快速增長,這成為制約陜西節(jié)能減排的一個瓶頸。因此,未來陜西省將嚴(yán)格限制高耗能產(chǎn)業(yè)和過剩產(chǎn)業(yè)擴(kuò)張,加快淘汰落后產(chǎn)能,積極調(diào)整工業(yè)行業(yè)結(jié)構(gòu)[12]。交通運(yùn)輸?shù)奶嘉廴九欧攀悄壳肮?jié)能減排面臨的巨大難題,未來陜西省將加快淘汰黃標(biāo)車和老舊車輛,提高公路貨運(yùn)中柴油車、鐵路運(yùn)輸中電力機(jī)車占比,并優(yōu)先發(fā)展公共交通[13]。

表3 節(jié)能減排技術(shù)指標(biāo)簡介[11]

表4 部分情景參數(shù)設(shè)定

我國正在大力發(fā)展低碳生態(tài)城市和綠色生態(tài)城區(qū),并計劃到2020年,城鎮(zhèn)綠色建筑占新建建筑的比例達(dá)到50%。陜西省也在推行綠色建筑標(biāo)準(zhǔn),加強(qiáng)公共建筑節(jié)能管理,并計劃到“十二五”末,實(shí)現(xiàn)20%的城鎮(zhèn)新建建筑達(dá)到綠色建筑標(biāo)準(zhǔn),并完成既有居住建筑供熱計量及節(jié)能改造8×106m2,公共機(jī)構(gòu)建筑節(jié)能改造107m2,實(shí)施農(nóng)村危房改造節(jié)能示范住房2萬戶。

3 節(jié)能減排潛力分析

3.1 政策節(jié)能減排潛力分析

在核心參數(shù)預(yù)測及情景設(shè)置的基礎(chǔ)上,本文利用陜西省LEAP模型對不同政策情景下未來陜西省的能源消耗量與溫室氣體排放量做出了預(yù)測。計算結(jié)果表明,基準(zhǔn)情景下未來陜西省的一次能源消耗量將隨著時間推移快速增長,而各項節(jié)能減排政策的實(shí)施對一次能源消耗量的快速增長具有一定的控制作用,其中消費(fèi)終端能源利用效率提高政策的節(jié)能效果最為明顯,如圖2所示。2030年陜西省一次能源消耗量為4.51×103PJ,與基準(zhǔn)情景相比,降低了10.38%;大力推進(jìn)清潔能源替代政策及加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策次之;加工轉(zhuǎn)換效率提高政策成效最低,僅降低了2.16%。此外,由圖2可知,綜合情景下2030年陜西省一次能源消耗量僅為4.01×103PJ,與基準(zhǔn)情景相比,降低了20.35%,18年間累計降低能耗1.03×104PJ,節(jié)能效果顯著。但是,未來陜西省一次能源消耗量依舊呈現(xiàn)著上升趨勢,要遏制這一趨勢需要較長的時間。

圖2 陜西省一次能源消耗量

圖3 陜西省溫室氣體排放量

隨著能源消耗量的變化,陜西省溫室氣體的排放量也在逐年變化,如圖3所示?；鶞?zhǔn)情景下陜西省的溫室氣體排放量(本文以100年全球變暖潛能來衡量)隨著時間推移呈現(xiàn)快速增長的趨勢,并于2030年達(dá)到了268.0 Mt,而在實(shí)施各項節(jié)能減排政策時,溫室氣體排放量明顯下降。初期消費(fèi)終端能源利用效率提高政策減排效果最為顯著,后期隨著大力推進(jìn)清潔能源替代情景下清潔能源的占比不斷提高,其減排成效逐漸超過了消費(fèi)終端能源利用效率提高情景。在節(jié)能減排綜合情景下,溫室氣體排放量在2021年會達(dá)到峰值247.5 Mt,溫室效應(yīng)將得到有效控制。

隨著節(jié)能減排工作的開展,陜西省的一次能源結(jié)構(gòu)也在逐漸變化,如表5所示。在節(jié)能減排綜合情景下,2030年天然氣與可再生能源在一次能源中占比分別可達(dá)到27.7%和17.2%,清潔能源占比高達(dá)45.4%,能源結(jié)構(gòu)顯著優(yōu)化。同時,單位熱值CO2排放量也隨之降低,到2030年時,在節(jié)能減排綜合情景下,單位熱值CO2排放量僅為62.44 t/TJ,與基準(zhǔn)情景相比,降低了8.62%。在各個節(jié)能減排政策中,只有大力推進(jìn)清潔能源替代政策貢獻(xiàn)水平較高,大力推進(jìn)清潔能源替代是實(shí)現(xiàn)溫室氣體減排的實(shí)質(zhì)性手段。

3.2 技術(shù)節(jié)能減排潛力分析

根據(jù)政策情景設(shè)定,本文對以技術(shù)為導(dǎo)向的大力推進(jìn)清潔能源替代情景及加工轉(zhuǎn)換效率提高情景中主要技術(shù)的節(jié)能減排潛力做了定量分析,如表6所示。在大力推進(jìn)清潔能源替代情景下,可再生能源發(fā)電技術(shù)的節(jié)能減排成效最為顯著,與基準(zhǔn)情景相比,2030年共節(jié)能348.2 PJ,減排35.15 Mt,工業(yè)鍋爐煤改氣技術(shù)次之,汽車油改氣技術(shù)成效最低,2030年僅可節(jié)能2.3 PJ,減排0.841 Mt。由此可見,可再生能源發(fā)電技術(shù)是大力推進(jìn)清潔能源替代政策的主要支撐,也是減少能源消費(fèi)及碳排放的最佳手段。此外,工業(yè)鍋爐煤改氣技術(shù)、汽車油改氣技術(shù)雖然節(jié)能效果不佳,但對碳減排很有意義。在加工轉(zhuǎn)換效率提高的情景下,超超臨界發(fā)電機(jī)組技術(shù)節(jié)能減排效果最佳,與基準(zhǔn)情景相比,2030年可節(jié)能38.5 PJ、減排2.295 Mt?？傮w來說,5種技術(shù)節(jié)能量均在10～40 PJ之間,減排量在0.9～2.3 Mt,節(jié)能減排成效相差不大。加工轉(zhuǎn)換效率提高情景是在5種技術(shù)的共同支撐下,達(dá)到最終節(jié)能減排的目的。

表5 各情景下陜西省2030年一次能源結(jié)構(gòu)

表6 相關(guān)技術(shù)2030年節(jié)能減排成效

3.3 部門節(jié)能減排潛力分析

除對各政策及技術(shù)進(jìn)行節(jié)能減排成效分析外,本文還從用能部門出發(fā),對不同部門的節(jié)能減排潛力進(jìn)行了分析。從能源消費(fèi)終端來看,工業(yè)及交通部門節(jié)能減排成效最佳,如圖4、5所示。與基準(zhǔn)情景相比,節(jié)能減排綜合情景下2030年工業(yè)部門共節(jié)能476.9 PJ,減少溫室氣體排放46.2 Mt;交通部門共節(jié)能112.9 PJ,減少溫室氣體排放8.1 Mt。

圖4 節(jié)能減排綜合情景與基準(zhǔn)情景相比各終端消費(fèi)部門能源消費(fèi)量變化

圖5 節(jié)能減排綜合情景與基準(zhǔn)情景相比各終端消費(fèi)部門溫室氣體排放量變化

此外,能源加工轉(zhuǎn)換模塊也有著一定的節(jié)能減

排潛力,且主要體現(xiàn)在發(fā)電部門。本文對發(fā)電部門的節(jié)能減排潛力進(jìn)行了具體分析,如圖6、7所示。與基準(zhǔn)情景相比,節(jié)能減排綜合情景下2030年發(fā)電部門共節(jié)約能源497.8 PJ,隨著太陽能利用比重的增加,預(yù)計節(jié)約天然氣476.9 PJ、節(jié)約煤121.3 PJ。同時,溫室氣體排放量也隨之下降,共計減少溫室氣體排放39.1 Mt。由此可見,發(fā)電部門蘊(yùn)藏著巨大的節(jié)能減排潛力,未來陜西省可以從發(fā)電部門著手開展節(jié)能減排工作。

圖6 節(jié)能減排綜合情景與基準(zhǔn)情景相比發(fā)電部門能源消費(fèi)量變化

圖7 發(fā)電部門節(jié)能減排綜合情景與基準(zhǔn)情景相比溫室氣體排放量變化

4 結(jié) 論

本文基于陜西省實(shí)際情況,通過大量的數(shù)據(jù)統(tǒng)計,建立了包含終端能源需求、能源加工轉(zhuǎn)換、資源供應(yīng)及溫室氣體排放4大模塊的陜西省LEAP模型,并從不同節(jié)能減排政策出發(fā),研究了包含大力推進(jìn)清潔能源替代情景、加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整情景、加工轉(zhuǎn)換效率提高情景等5大情景下未來陜西省的能源消耗及溫室氣體排放情況,得出以下結(jié)論。

(1)從節(jié)能減排政策來看,各項節(jié)能減排政策的實(shí)施均有一定的節(jié)能減排成效。其中,提高消費(fèi)終端能源利用效率及大力推進(jìn)清潔能源替代政策的節(jié)能減排效果最好,與基準(zhǔn)情景相比,2030年提高消費(fèi)終端能源利用效率情景節(jié)能10.38%,減排10.55%;大力推進(jìn)清潔能源替代情景節(jié)能7.31%,減排15.01%。此外,大力推進(jìn)清潔能源替代情景下與基準(zhǔn)情景相比,2030年時單位熱值CO2排放量降低了8.62%,從根本上達(dá)到了溫室氣體減排的目的。

(2)節(jié)能減排綜合情景下,2030年一次能源消耗量與基準(zhǔn)情景相比降低了20.35%,溫室氣體排放量降低了27.29%,且溫室氣體排放量在2021年將達(dá)到了峰值,節(jié)能減排政策成效顯著,陜西省節(jié)能減排潛力巨大。

(3)從節(jié)能技術(shù)來看,可再生能源發(fā)電技術(shù)節(jié)能減排成效顯著,是大力推進(jìn)清潔能源替代政策的主要技術(shù)支撐,也是減少能源消費(fèi)及碳排放的實(shí)質(zhì)性手段。

(4)從用能部門來看,能源消費(fèi)終端中工業(yè)部門及交通部門節(jié)能減排貢獻(xiàn)水平較高,能源加工轉(zhuǎn)換模塊中發(fā)電部門節(jié)能減排潛力最大,未來陜西省可從這些部門著手開展節(jié)能減排工作。

[1] 李建剛. 生物質(zhì)成型設(shè)備優(yōu)化設(shè)計及實(shí)驗研究 [D]: 青島: 青島大學(xué), 2012.

[2] 李延峰. 不確定優(yōu)化方法在能源規(guī)劃中的應(yīng)用 [D]: 北京: 華北電力大學(xué), 2010.

[3] STEPHANE DE IA R D, LYNN P. Sectoral trends in global energy use and greenhouse gas emissions [J]. Energy Policy, 2008, 36(4): 1386-1403.

[4] 張穎, 王燦, 王克, 等. 基于LEAP的中國電力行業(yè)CO2排放情景分析 [J]. 清華大學(xué)學(xué)報(自然科學(xué)版), 2007, 47(3): 365-368. ZHANG Ying, WANG Can, WANG Ke, et al. CO2emission scenario analysis for China’s electricity sector based on LEAP software [J]. Journal of Tsinghua University (Science & Technology), 2007, 47(3): 365-368.

[5] 王克, 王燦, 呂學(xué)都, 等. 基于LEAP的中國鋼鐵行業(yè)CO2減排潛力分析 [J]. 清華大學(xué)學(xué)報(自然科學(xué)版), 2006, 46(12): 1982-1986. WANG Ke, WANG Can, LU Xuedu, et al. Abatement potential of CO2emissions from China’s iron and steel industry based on LEAP [J]. Journal of Tsinghua University (Science & Technology), 2006, 46(12): 1982-1986.

[6] 常征, 潘克西. 基于LEAP模型的上海長期能源消耗及碳排放分析 [J]. 當(dāng)代財經(jīng), 2014(1): 98-106. CHANG Zheng, PAN Kexi. An analysis of Shanghai’s long-term energy consumption and carbon emission based on LEAP model [J]. Contemporary Finance & Economics, 2014(1): 98-106.

[7] 王學(xué)保, 蔡果蘭. Logistic模型的參數(shù)估計及人口預(yù)測 [J]. 北京工商大學(xué)學(xué)報(自然科學(xué)版), 2009, 27(6): 75-77. WANG Xuebao, CAI Guobao. Parameter evaluation of Logistic model and population prediction [J]. Journal of Beijing Technology and Business University(Natural Science Edition), 2009, 27(6): 75-77.

[8] 孫彩云, 楊曉靜. 乘積ARIMA模型的建立及應(yīng)用 [J]. 華北科技學(xué)院學(xué)報, 2008(2): 85-89. SUN Caiyun, YANG Xiaojing. Establish and application of multiply ARIMA model [J]. Journal of North China Institute of Science and Technology, 2008(2): 85-89.

[9] 李善同. “十二五”時期至2030年我國經(jīng)濟(jì)增長前景展望 [J]. 經(jīng)濟(jì)研究參考, 2010(43): 2-27. LI Shantong. Prospects of China’s economic growth in the period of 12th Five-Year to 2030 [J]. Review of Economic Research, 2010(43): 2-27.

[10]徐銘辰, 王安建, 陳其慎, 等. 中國能源消費(fèi)強(qiáng)度趨勢分析 [J]. 地球?qū)W報, 2010(5): 720-726. XU Mingchen, WANG Anjian, CHEN Qishen, et al. Trend analysis of China’s energy consumption intensity [J]. Acta Geoscientica Sinica, 2010(5): 720-726.

[11]劉貞, 朱開偉, 閻建明. 電力行業(yè)碳減排情景設(shè)計與分析評價 [J]. 電網(wǎng)技術(shù), 2012, 36(6): 1-7. LIU Zhen, ZHU Kaiwei, YAN Jianming. Scenario design, analysis and evaluation on carbon emission reduction in power industry [J]. Power System Technology, 2012, 36(6): 1-7.

[12]齊志新, 陳文穎, 吳宗鑫. 工業(yè)輕重結(jié)構(gòu)變化對能源消費(fèi)的影響 [J]. 中國工業(yè)經(jīng)濟(jì), 2007(2): 35-42. QI Zhixin, CHEN Wenying, WU Zongxin. The influence of industrial weight structure changes on energy consumption [J]. China Industrial Economy, 2007(2): 35-42.

[13]潘鵬飛. 基于LEAP模型的河南省交通運(yùn)輸節(jié)能減排潛力分析 [D]. 鄭州: 河南農(nóng)業(yè)大學(xué), 2014.

[本刊相關(guān)文獻(xiàn)鏈接]

聞德生,甄新帥,陳帆,等.變頻電機(jī)-多輸出泵調(diào)速回路速度特性分析.2016,50(10):99-103.[doi:10.7652/xjtuxb201610 015]

薛洪武,吳愛國,董娜.制冷系統(tǒng)自抗擾解耦控制.2016,50(9):85-90.[doi:10.7652/xjtuxb201609014]

崔寧,秦四成,趙丁選.液壓挖掘機(jī)并聯(lián)混合節(jié)能動力系統(tǒng)多目標(biāo)優(yōu)化控制策略.2016,50(6):116-121.[doi:10.7652/xjtuxb201606018]

賴歡,陳振華,高榮,等.大型高速低溫風(fēng)洞冷量回收的方法研究.2016,50(6):136-142.[doi:10.7652/xjtuxb201606021]

汪映,黃智勇,柯希春,等.液化石油氣對二甲醚-柴油雙燃料發(fā)動機(jī)燃燒和排放特性的影響.2016,50(5):19-23.[doi:10.7652/xjtuxb201605003]

吳建華,雷源,王剛,等.往復(fù)式冰箱壓縮機(jī)曲軸動態(tài)特性與軸承潤滑計算分析.2015,49(2):55-61.[doi:10.7652/xjtuxb201502010]

李季碧,李賓,任智,等.自適應(yīng)動態(tài)功率控制的機(jī)會網(wǎng)絡(luò)節(jié)能高效路由算法.2014,48(12):49-56.[doi:10.7652/xjtuxb 201412008]

文鍵,楊輝著,王斯民,等.旋梯式螺旋折流板換熱器優(yōu)化結(jié)構(gòu)的數(shù)值模擬.2014,48(11):8-14.[doi:10.7652/xjtuxb 201411002]

文鍵,楊輝著,杜冬冬,等.螺旋折流板換熱器換熱強(qiáng)化的數(shù)值研究.2014,48(9):43-48.[doi:10.7652/xjtuxb201409008]

張憶文,郭銳鋒.硬實(shí)時系統(tǒng)周期任務(wù)低功耗調(diào)度算法.2014,48(7):90-95.[doi:10.7652/xjtuxb201407016]

李鵬,楊玉龍,黃越輝,等.綜合熱電負(fù)荷控制下的省級電網(wǎng)風(fēng)電并網(wǎng)研究.2014,48(2):69-73.[doi:10./xjtuxb201402 012]

張雷,車立新,畢勝山,等.天然氣膨脹預(yù)冷混合制冷劑液化流程操作條件優(yōu)化.2014,48(2):111-117.[doi:10.7652/xjtuxb201402019]

李千軍,劉光耀,韓偉,等.采用噴射式熱泵提高火電機(jī)組給水溫度的理論研究.2013,47(11):25-28.[doi:10.7652/xjtuxb201311005]

(編輯 趙煒 荊樹蓉)

Analysis of Energy Conservation and GHG Emission Reduction Potential of Shaanxi Province under the LEAP Model

QIU Shuo,WANG Xueqiang,BI Shengshan,WU Jiangtao,SONG Yutian

(School of Energy and Power Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

In order to deal with the increasingly severe climate change and energy crisis, explore efficient energy conservation and GHG emission reduction policies and complete the quantitative evaluation of relevant policies, the LEAP model of Shaanxi Province is established according to the Shaanxi statistical yearbook and combined with the actual situation of Shaanxi Province. This LEAP model includes four parts: energy demand module, energy transformation module, resources supply module and GHG emission module. And based on the forecast of the development in population and economy of Shaanxi Province this paper has made a prediction on the energy consumption and GHG emission of Shaanxi Province in different policy scenarios, and conducted an analysis of the energy conservation and GHG emission reduction potential of the relevant policies. The results show that with the implementation of various policies, Shaanxi Province’s energy consumption and GHG emission will be decreased with the implementation of various energy conservation and emission reduction policies. The primary energy consumption of Shaanxi Province in 2030 is expected to be decreased by 20.35% compared with the baseline scenario; the GHG emission will be reduced by 27.29% The renewable energy generation technology has made a great progress in energy conservation and GHG emission reduction, and most contribution to energy conservation and emission reduction was made in industry, transportation and power generation. So, generally speaking, Shaanxi Province has enormous potential in energy conservation and GHG emission reduction.

energy conservation; emission reduction; LEAP model

2016-05-18。 作者簡介:邱碩(1992—),女,碩士生;吳江濤(通信作者),男,教授。 基金項目:國家自然科學(xué)基金資助項目(41590855)。

10.7652/xjtuxb201611005

TK01

A

0253-987X(2016)11-0028-08