第 ３４卷 第 ４期２０１７年 ８月现代电力Ｍｏｄｅｒｎ Ｅｌｅｃｔｒｉｃ ＰｏｗｅｒＶｏｌ．３４ Ｎｏ．４Ａｕｇ．２０１７现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ文章编号 １００７－２３２２（２０１７）０４－００８６－０９ 文献标志码Ａ 中图分类号Ｆ２０５全国性碳交易市场对电力行业的潜在影响基于多Ａｇｅｎｔ模型蒋泽辉 ，赵涛 ，王娟 ，王悦（天津大学管理与经济学部 ，天津３０００７２）Ｐｏｔｅｎｔｉａｌ Ｅｆｆｅｃｔｓ ｏｆ Ｃａｒｂｏｎ Ｅｍｉｓｓｉｏｎｓ Ｔｒａｄｉｎｇ ｏｎ Ｃｈｉｎａ ＰｏｗｅｒＧｅｎｅｒａｔｉｏｎ Ｓｅｃｔｏｒ Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ－ａｇｅｎｔ ＭｏｄｅｌＪＩＡＮＧ Ｚｅｈｕｉ，ＺＨＡＯ Ｔａｏ，ＷＡＮＧ Ｊｕａｎ，ＷＡＮＧ Ｙｕｅ（Ｃｏｌｅｇｅ ｏｆ Ｍａｎａｇｅｍｅｎｔ ａｎｄ Ｅｃｏｎｏｍｉｃｓ，Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ ３０００７２，Ｃｈｉｎａ）基金项目 教育部哲学社会科学研究重大课题攻关项目（１５ＪＺＤ０２１）；教育部人文社会科学规划基金项目（１５ＹＪＡ７９００９１）摘要 建立全国性碳排放交易机制之前 ，需要设计合理的碳排放交易机制 ，尤其是初始碳配额分配 。采用基于多Ａｇｅｎｔ方法，结合目前使用广泛的统一定价拍卖方式研究初始配额分配中不同的拍卖比例对电力价格 、碳价格 、碳排放量和发电能源结构的影响 。本文还进一步对统一定价拍卖方法和免费分配方法进行了对比 。模拟仿真结果表明 随着拍卖比例的增加 ，电价小幅上涨 。同时高比例的拍卖将导致碳价降低 、碳排放减少 。在发电电源结构中 ，清洁能源方面将获得快速发展 。而且 ，拍卖方法比免费分配方法在减排方面更加激进 ，随着拍卖比例提高 ，拍卖方法对电力行业的影响更加明显 。基于以上结果 ，本文对碳排放交易市场中的拍卖比例提出政策建议 。关键词 碳排放交易 ；碳配额分配 ；电力市场 ；多 Ａｇｅｎｔ仿真模型 ；拍卖ＡｂｓｔｒａｃｔＢｅｆｏｒｅ ｔｈｅ ｆｏｒｍａｌ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ＧＥＴ ｔｒａｄｉｎｇｍｅｃｈａｎｉｓｍ，ｉｔｓ ｒｅａｓｏｎａｂｌｅ ｄｅｓｉｇｎ，ｅｓｐｅｃｉａｌｙ ｔｈｅ ｃａｒｂｏｎ ａｌ－ｌｏｗａｎｃｅ ａｌｏｃａｔｉｏｎ，ｉｓ ｎｅｃｅｓｓａｒｙ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｔｈｅ ｐｏｔｅｎｔｉａｌｉｍｐａｃｔｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ａｕｃｔｉｏｎ ｐｒｏｐｏｒｔｉｏｎｓ ｆｏｒ ｉｎｉｔｉａｌ ａｌｏｗａｎｃｅａｌｏｃａｔｉｏｎ ｏｎ ｅｌｅｃｔｒｉｃｉｔｙ ｐｒｉｃｅ，ｃａｒｂｏｎ ｐｒｉｃｅ，ｃａｒｂｏｎ ｅｍｉｓ－ｓｉｏｎｓ ａｎｄ ｐｏｗｅｒ ｓｏｕｒｃｅ ｓｔｒｕｃｔｕｒｅ ａｒｅ ａｎａｌｙｚｅｄ ｂｙ ｃｏｍｂｉｎｉｎｇｃｕｒｒｅｎｔ ｗｉｄｅｌｙ ａｐｐｌｉｅｄ ｕｎｉｆｏｒｍ ｐｒｉｃｉｎｇ ａｕｃｔｉｏｎ ｍｏｄｅ ｂａｓｅｄｏｎ ｍｕｌｔｉ－ａｇｅｎｔ ｍｅｔｈｏｄ．Ｉｎ ａｄｄｉｔｉｏｎ，ｔｈｅ ｄｉｆｆｅｒｅｎｃｅ ｂｅｔｗｅｅｎｕｎｉｆｏｒｍ ｐｒｉｃｉｎｇ ａｕｃｔｉｏｎ ｍｅｔｈｏｄ ａｎｄ ｆｒｅｅ ａｌｏｃａｔｉｏｎ ｍｅｔｈｏｄｉｓ ｃｏｍｐａｒｅｄ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｅｌｅｃｔｒｉｃｉｔｙｐｒｉｃｅ ｒｉｓｅ ｓｌｉｇｈｔｌｙ ｗｉｔｈ ｔｈｅ ｉｎｃｒｅａｓｉｎｇ ｏｆ ａｕｃｔｉｏｎ ｐｒｏｐｏｒｔｉｏｎ，ａｎｄ ｈｉｇｈ－ｐｒｏｐｏｒｔｉｏｎ ａｕｃｔｉｏｎ ｗｉｌ ｒｅｄｕｃｅ ｃａｒｂｏｎ ｐｒｉｃｅ ａｎｄｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ．Ｉｎ ｔｅｒｍｓ ｏｆ ｐｏｗｅｒ ｓｏｕｒｃｅ ｓｔｒｕｃｔｕｒｅ，ｃｌｅａｎｐｏｗｅｒ ｗｉｌ ｄｅｖｅｌｏｐ ｆａｓｔｅｒ ａｎｄ ｆａｓｔｅｒ，ａｕｃｔｉｏｎ ｍｅｔｈｏｄ ｈａｓｍｏｒｅ ｓｕｐｅｒｉｏｒｉｔｙ ｏｎ ｅｍｉｓｓｉｏｎ ｒｅｄｕｃｔｉｏｎ ｔｈａｎ ｆｒｅｅ－ａｌｏｃａｔｉｏｎｍｅｔｈｏｄ，ａｎｄ ｉｔｓ ｅｆｆｅｃｔｓ ｏｎ ｐｏｗｅｒ ｇｅｎｅｒａｔｉｏｎ ｓｅｃｔｏｒ ａｒｅ ｍｏｒｅｏｂｖｉｏｕｓ ｗｉｔｈ ｔｈｅ ｉｎｃｒｅａｓｉｎｇ ｏｆ ａｕｃｔｉｏｎ ｐｒｏｐｏｒｔｉｏｎ．Ｂａｓｅｄ ｏｎａｂｏｖｅ ｒｅｓｕｌｔ，ｔｈｅ ａｐｐｒｏｐｒｉａｔｅ ａｕｃｔｉｏｎ ｐｒｏｐｏｒｔｉｏｎｓ ｉｎ ｔｈｅｐｒｏｃｅｓｓ ｏｆ ＣＥＴ ａｒｅ ｓｕｇｇｅｓｔｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ｋｅｙｗｏｒｄｓｃａｒｂｏｎ ｅｍｉｓｓｉｏｎｓ ｔｒａｄｉｎｇ；ｃａｒｂｏｎ ａｌｏｗａｎｃｅ ａｌｏ－ｃａｔｉｏｎ；ｅｌｅｃｔｒｉｃｉｔｙ ｍａｒｋｅｔ；ｍｕｌｔｉ－ａｇｅｎｔ－ｂａｓｅｄ ｍｏｄｅｌｉｎｇ；ａｕｃ－ｔｉｏｎ０ 引言面临巨大的减排压力 。为了缓解全球变暖趋势 ，政府承诺在２０３０年左右达到ＣＯ２排放的顶峰 ，并实现碳强度６０％～６５％的下降［１］。建立统一的碳排放交易市场被认为是减排最为经济的工具［２］。中国政府力争在２０１７年建立一个全国性碳排放交易市场 。目前关于市场的排放权交易机制的研究正广泛进行 。在现有的碳排放交易机制的研究中 ，碳排放初始配额的分配是设计碳排放交易系统的基础 。目前主要有两种类型初始分配方案 ，一种是免费分配 ，包括祖父制和基准线法 ；另一种是付费分配 ，主要是拍卖分配方法 。拍卖可以将碳配额配分配给那些最需要配额的单位或者企业 。并且 ，拍卖还能减少相关税费的不合理［３］。当前欧盟的碳排放交易体系正逐渐过度到拍卖所有配额的１００％。随着中国经济的快速发展 ，用电量从１９９１年的７７．６３Ｍｔｃｅ（万 吨 标 准 煤 ），增 加 到２００９年 的４２７．３７Ｍｔｃｅ，年平均增长速度达９．９３％［４］。截止现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ２０１２年底 ，火电 （主要是燃煤发电 ）的装机容量为１ １４５ＧＷｈ，占总装机容量的７１．５％［５］，是最多的发电类型 。此外 ，２００９年电力行业占中国的ＣＯ２排放量的４８．３％［６］。因此 ，对中国电力行业的碳排放量进行更深入的了解非常重要 。目前国内外有大量针对电力行业的碳排放交易机制的研究 。初始配额分配方案是碳排放交易机制中最重要的组成部分之一［７］。其中大部分碳排放交易机制的研究是基于祖父制［８］或者基准线［９］等免费分配方法 。拍卖是另一种有效的碳配额分配 ，并且能以较低的成本实现减排的目标［１０］，近年来已经引起了广泛的研究 。Ｃｏｎｇ［３］等人使用实验经济学的方法比较了统一价格拍卖 、区别价格拍卖 、英式拍卖３种不同的碳排放拍卖策略 ；曾鸣［１１］等提出了标准增价拍卖方式的碳排放交易市场的设计方案 ；Ｌｏｐｏｍｏ［１２］评估了美国的两种候选的拍卖 方式 ，统一密封拍卖和动态出价拍卖方式 ；Ｚｅｔｔｅｒ－ｂｅｒｇ［１３］使用经济分析方法比较了祖父制 、拍卖和基准线法的分配方式 。对于建立全国性的碳排放交易市场的意义研究也有不少文献 ，Ｈｅｒｍｅｌｉｎｇ［１４］等人应用可计算一般均衡 （ＣＧＥ）的方法评估了欧盟２０２０年气候政策的目标 ；Ｚｈｏｕ［１５］研究了中国的省际减排配额交易方案的经济表现 ；Ｔａｎｇ［１６］等人使用基于多Ａｇｅｎｔ模型的方法探索了中国合适的碳排放交易市场 。此外 ，由于电力行业对ＣＯ２排放贡献巨大 ，也有大量文献研究了碳排放交易机制对电力行业的影响 。Ｚｈａｏ［１７］提出了一种非线性互补模型研究了碳排放交易对发电市场的长期影响 ；Ｃｏｎｇ［１８］等人使用基于Ａｇｅｎｔ的方法研究碳排放权交易机制对中国电力市场的潜在影响 ；许小虎［１９］等从发电侧和电网侧探索了碳交易市场对我国电力行业的关键影响因素 。国际上 ，Ｌａｍｂｉｅ［２０］等人分析了澳大利亚排放权交易机制对发电行为和投资行为的潜在影响 ；Ｂｏｎｅｎｔｉ［２１］等研究了欧美排放交易机制对意大利电力市场经济上的冲击 。基于多Ａｇｅｎｔ的仿真技术被认为是适用于多个领域的仿真建模技术［２２］，目前在电力领域也有广泛的研究 。Ｚｈａｎｇ［２３］等人使用基于自适应的Ａｇｅｎｔ技术研究了碳排放交易系统对火电厂的影响 ；葛炬［２４］等人使用基于Ａｇｅｎｔ方法研究了碳排放权交易机制下对发电商报价策略的影响 ；Ｓｉｃｈａｏ［２５］等使用多Ａｇｅｎｔ技术研究了免费ＣＯ２对电力市场影响的评估 。本文同样采用基于多Ａｇｅｎｔ的技术研究了在碳排放交易机制的不同初始配额方案的情景下 ，对发电行业的电源结构产生的潜在影响 ，包括统一价格拍卖设计和不同拍卖比例的设计 。本文在总结相关研究的基础上提出了一些改进 。首先对不同配额分配方法进行比较 。其次 ，中国的碳排放交易市场的设计中配额拍卖以及与免费分配的若干比例结合尚未研究 。为了填补这些空白 ，本文主要分析了拍卖与最流行的免费分配方法（如祖父制 ）对电力行业产生的效果的比较 ，并探讨在碳排放交易机制初始配额分配中拍卖的适当比例 。本文是首个研究了全国性碳排放交易市场中不同碳配额拍卖比例对电力行业的影响 。１ 基于Ａｇｅｎｔ的碳排放交易系统基于多Ａｇｅｎｔ的技术是能够研究不同的决策实体之间相互作用的有效工具 。在碳排放交易系统中存在许多不同的实体交互 ，因此使用基于多Ａｇｅｎｔ的系统可以很方便地对碳排放交易系统进行建模 。本文构建了一个基于多Ａｇｅｎｔ技术的仿真模型来模拟中国全国性的碳排放交易系统在统一价格拍卖的初始碳配额分配机制下对电力行业的影响 。１．１ 模型框架本文的研究对象主要是电力发电行业 ，不包括电力运行 ，分配和终端使用 。模型提出了４种不同的ａｇｅｎｔｓ类 型 ，分 别 是 发 电ａｇｅｎｔ，电 网 公 司ａｇｅｎｔ，政府ａｇｅｎｔ以及其它行业ａｇｅｎｔ。在碳排放交易机制中 ，所有不同类型的若干ａｇｅｎｔｓ通过两个市场 （电力市场 、碳市场 ）以及初始配额分配平台进行交互 。不同ａｇｅｎｔｓ通过交互行为 ，最终对系统产生影响 。模型的框架如图１所示 ，中国电力市场被视为一个封闭的市场 。不同的ａｇｅｎｔｓ通过两个市场和一个拍卖平台进行交互 。在本文的模型中 ，电力市场部分有一个代表着电力需求侧电网公司ａｇｅｎｔ，以及若干代表着供给侧的发电企业 ，包括五大发电集团 、四小豪门 ，以及代表着其它发电小企业的３０家小电力企业 。政府ａｇｅｎｔ负责市场的建设和管理 。在拍卖平台中 ，所有的发电公司通过拍卖获取初始碳配额 。政府设置配额上限 ，并获得拍卖所得的收入 。在碳交易市场中 ，发电公司和其它产业ａｇｅｎｔｓ互相交换配额 。当初始配额超过了所需 ，发７８第４期 蒋泽辉等 全国性碳交易市场对电力行业的潜在影响 基于多Ａｇｅｎｔ模型现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ电ａｇｅｎｔｓ可以出售其配额 ，否则他们需要购买额外的配额来排出ＣＯ２。Ａｇｅｎｔｓ是本文模型的最主要部分 ，系统行为是ａｇｅｎｔｓ行为聚合产生的结果 。在每一轮仿真的最后 ，发电ａｇｅｎｔｓ需要基于之前的市场表现来对下一阶段购买配额的量以及销售电力作出决策 。每一步仿真过程如下所述 ①更新外部情景参数 。随着时间的变化 ，一些技术或者经济参数将会改变 。②配额分配 。在每个模拟阶段的开始 ，政府分配ＣＯ２限额至拍卖平台 。③电力交易 。电力交易在电力市场中发生 。根据若干发电公司ａｇｅｎｔｓ和电网ａｇｅｎｔ提交的发电量和电力价格连接供给和需求 。④碳排放交易 。在完成电力交易之后 ，ａｇｅｎｔｓ需要获得所需的ＣＯ２排放配额 ，发电公司ａｇｅｎｔｓ可以购买或者出售这些配额 。⑤投资和折旧 。在每一次仿真的最后 ，ａｇｅｎｔｓ需要基于电力交易和碳排放交易来对是否投资新的发电厂 或 淘 汰 掉 一 些 太 老 或 者 无 法 取 得 利 润 的设备 。图 １模型框架１．２ 系统主要Ａｇｅｎｔｓ在碳排放交易制度的统一拍卖机制下 ，经济系统中所有模型中的ａｇｅｎｔｓ需要尝试取得最优的决策 。各类ａｇｅｎｔｓ的行动规则如下所示 。１．２．１ 发电ａｇｅｎｔｓ发电公司的主要目的是获取利润 。在本文的模型中 ，每一个发电ａｇｅｎｔ拥有６种不同的发电厂 ，包括煤电厂 、燃气电厂 、水电厂 、核电厂 、风电厂和太阳能发电厂 ，本文假定每个ａｇｅｎｔ下的每类发电厂的行为决策统一 ，看成是１个发电厂［２６］。发电ａｇｅｎｔｓ的决策行为主要分为两类 运营行为 ，主要是报价行为如电力商品报价和初始配额拍卖报价等 ；和投资决策行为 。发电ａｇｅｎｔｓ的主要行为过程如图２所示 。在每个模拟阶段的开始 ，发电ａ－ｇｅｎｔ通过拍卖获得碳配额 。如果拍卖成功发电厂获得拍卖结果的正反馈 ，降低下一年度的投标价格 ；如果失败 ，则发电企业获得负反馈 ，提高下一年度的投标价格 。之后结合拍卖所得的配额以及发电ａ－ｇｅｎｔｓ的实际电力供给量和发电成本 ，发电厂在电力市场 上 进 行 交 易 并 得 出 实 际 的 供 给 量 （详 见１．３．１），从而能够根据碳需求对是否买或者卖出配额作出决策 。在每个模拟的最后阶段 ，发电ａｇｅｎｔｓ根据供给和需求信息决定其喜好 ，可能是投资行为（详见图２），也可能会淘汰旧产能 ，淘汰旧产能的原则包括电厂到设计寿命和连续亏损５ａ以上的设备［２６］。发电公司ａｇｅｎｔｓ的两类行为描述如下 ①运营行为每一次模拟运行的周期是１ａ，发电ａｇｅｎｔｓ对其所拥有的发电厂作出决策 。除了电力的价格 ，发电ａｇｅｎｔｓ还需要在每一个初始模型阶段在碳配额拍卖平台进行报价 。对每一个发电ａｇｅｎｔ而言 ，只有其燃煤电厂和燃气电厂参与碳配额拍卖 。首先 ，我们给出每个报价主体的私有价值 （ｐｖ），其含义是参与配额报价的每个发电厂为单位碳配额所能够支付的最大价格 ，定 义如下［３］ｐｖｉ，ｊ（ｔ）＝ｅｐｉ，ｊ（ｔ－１）－ｖｃｉ，ｊ（ｔ－１）ｃａｒ＿ｉｎｊ（１）式中 ｅｐｉ，ｊ表示第ｉ个ａｇｅｎｔ第ｊ类发电厂在上一拍卖周期的电力价格 ；ｖｃｉ，ｊ表示第ｉ个ａｇｅｎｔ的第ｊ类发电厂的变动成本 ；ｃａｒ＿ｉｎｊ代表了第ｊ类发电厂的碳强度 （单位发电产生的碳排放量 ）。碳配额拍卖之前发电厂需要确定其自身的私有价值 ，也可理解为其最大报价额度 ，假设各个发电厂是理性的 ，并且在拍卖刚刚施行阶段不会为碳配额付出较大代价 ，本文假设每个发电厂的初始报价介于０到一半私有价值 （０．５ｐｖ）之间［２７］。并且每一个ａｇｅｎｔ只知道其自身的拍卖 。拍卖的结算价格在拍卖平台最终形成 。下一个阶段的拍卖价格的调整由Ｒｏｔｈ－Ｒｅｖ强化学习确定［２８］。由于一个发电厂其私有价值的计算不会发生很大变化 ，出于简化计算的考虑 ，本文假设初始报价的间隔为０．１，总共Ｎ种报价行为决策 。在第ｔ轮 ，发电厂ｊ具有ｑｊ，ｋ（ｔ）的倾向选择第ｋ个报价 。最开始 ，每个发电厂选择各个报价的概８８现代电力２０１７年现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ图 ２发电 ａｇｅｎｔｓ行为流程图率相等 ，见式 （２）。∑Ｎｋ＝１ｑｊ，ｋ（１）＝Ｓｊ（１）＝Ｓ（１） （２）式中 Ｓｊ表示第ｊ类发电厂的总倾向 ，Ｓ（１）表示对各个发电厂的初始倾向 ，并且均为相同值 。发电厂ｊ选择报价策略ｋ的概率如公式 （３）所示 ｐｊ，ｋ（ｔ）＝ｑｊ，ｋ（ｔ）∑Ｎｋ＝１ｑｊ，ｋ（ｔ）（３）式中 ｐｊ，ｋ表示发电厂ｊ选择策略ｋ的概率 。发电厂ｊ在阶段ｔ的倾向值的更新规则见公式 （４）ｑｊ，ｋ（ｔ＋１）＝（１－）ｑｊ，ｋ（ｔ）＋Ｅｋ（ｊ，ｋ）（４）式中 代表着近邻参数 ；Ｅｋ（ｊ，ｋ）是发电厂ｊ的利润 。②投资行为发电ａｇｅｎｔｓ的投资决策包含两个关键步骤 。首先 ，发电ａｇｅｎｔｓ需要决定是否建设新的发电机组 。当电力需求接近电力供给的时候 ，新的投资一定会发生 。投资界限的值在触发投资时非常重要 ，如式 （５）所示 。ｉｎｖ＿ｂａｒｒｉｅｒ＝ＤＴｏ＿ｓｕ（５）式中 ｉｎｖ＿ｂａｒｒｉｅｒ是指定的投资界限 ；Ｄ代表着电力顾客的总需求 ；Ｔｏ＿ｓｕ表示发电ａｇｅｎｔｓ的总电力供给 。其次 ，如果发电ａｇｅｎｔｓ决定建设新的发电厂 ，选择什么样的发电技术和多少的装机量也需要决定 。什么类型的发电厂基于一系列准则确定［２９］。本文重点考虑了两个准则 ，经济准则和环境友好度准则 。经济准则可以由发电厂的年预期收益确定 。在本文中 ，发电ａｇｅｎｔ ｉ的发电厂ｊ的年预期利润由年预期收益减去年预期成本 。如公式 （６）所示ｅｙｐｉ，ｊ（ｔ）＝ｓｉ，ｊ（ｔ）ｅｐｉ，ｊ（ｔ）－ｉｎｃｏｊｌｉｆｅｔｉｍｅｊ－ｓｉ，ｊ（ｔ）ｖｃｉ，ｊ（ｔ）－ｃａｒ＿ｆｅｅｉ，ｊ（ｔ） （６）式中 ｅｙｐｉ，ｊ表示第ｉ个ａｇｅｎｔ的第ｊ个发电厂的期望年收益 ；ｓｉ，ｊ是第ｉ个ａｇｅｎｔ的第ｊ个发电厂的实际供给 ；ｉｎｃｏｊ表示发电厂ｊ的投资成本 ；ｌｉｆｅｔｉｍｅｊ是第ｊ类发电厂的预计使用寿命 ；ｃａｒ＿ｆｅｅｉ，ｊ（ｔ）是获得初始配额的成本 。选择新发电技术的概率使用经济因子来进行表达 ｅｃｏ＿ｆａｃｉ，ｊ（ｔ）＝ｅｙｐｉ，ｊ（ｔ）∑ｍｊ＝１ｅｙｐｉ，ｊ（ｔ）（７）式中 ｅｃｏ＿ｆａｃｉ，ｊ是发电厂的经济因子 ；ｍ是总的发电厂数目 ，每一个发电厂在该ａｇｅｎｔ中年预期收益占比就是该发电厂的经济因子 。本文假定每种发电技术的环保因子如表１所示 。表 １不同发电技术的环保因子煤电 气电 水电 风电 核电 太阳能０．２ ０．４ ０．６ ０．８ ０．６ ０．８不同的发电ａｇｅｎｔｓ对于这两种准则因子拥有不同的喜好 。本文将发电ａｇｅｎｔｓ根据其不同喜好程度分为３类 利益趋向型发电ａｇｅｎｔ，环保型ａ－ｇｅｎｔ和中等ａｇｅｎｔ［１８］，其经济因子权重和环保因子权重分 别 设 置 为 （０．７，０．２），（０．３，０．８）ａｎｄ（０．５，０．４）。最终 ，投资总因子如公式 （８）所示 ｉｎｖ＿ｆａｃｉ，ｊ（ｔ）＝ｅｃｏ＿ｆａｃｉ，ｊ（ｔ）ｅｃｏ＿ｗｇｔｉ，ｊ＋ｅｎｖｉｒ＿ｆａｃｉ，ｊ（ｔ）ｅｎｖｉｒ＿ｗｇｔｉ，ｊ（８）式中 ｅｃｏ＿ｆａｃ和ｅｎｖｉｒ＿ｆａｃ分别表示经济因子和环保因子 ；ｅｃｏ＿ｗｇｔ ａｎｄ ｅｎｖｉｒ＿ｗｇｔ分别表示经济因子权重和环保因子权重 。１．２．２ 政府ａｇｅｎｔ政府的行为包括设定总碳排放上限 ，管理配额拍卖 ，引进环保的发电技术以及控制电力价格 。除了配额拍卖机制 ，本文重点集中在拍卖并将其同免费分配方案进行对比 。拍卖的方式主要有两种 ①统一价格拍卖 如图３所示 ，每一个发电厂首先设置拍卖价格 ，然后政府将这些价格由高到９８第４期 蒋泽辉等 全国性碳交易市场对电力行业的潜在影响 基于多Ａｇｅｎｔ模型现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ低进行排列 。当拍卖中的总配额接近总交易上限时 ，政府将最终价格作为结算价格 。报价高于结算价格的发电ａｇｅｎｔ将获得碳配额量 。图 ３统一拍卖价格说明②基于产出的分配 基于产出的分配方式是一种祖父制的分配规则 ，该方案被证明是比基于排放的方案在减少排放方面更加有效［１８］。排放配额是由上一年度的电力供给比例决定的 ，见式 （９）ｃａｒ＿ｑｕｉ（ｔ）＝ｓｉ（ｔ－１）∑ｎｉ＝１ｓｉ（ｔ－１）ｔｏ＿ｃａｐ（ｔ）γ（９）式中 ｃａｒ＿ｑｕｉ（ｔ）是ａｇｅｎｔ ｉ的所有发电厂在第ｔ个阶 段 的 碳 排 放 配 额 ；ｎ是 总 的ａｇｅｎｔｓ数 目ｓｉ（ｔ－１）是发电ａｇｅｎｔ ｉ在第ｔ－１次模拟过程的真实电力供给 ；ｔｏ＿ｃａｐ是年度总配额 ；γ是总配额减少的比率 ，式 （９）中的ｓｉ，ｊ（ｔ－１）的计算公式见式（１０）ｃａｒ＿ｑｕｉ，ｊ（ｔ）＝ｓｉ，ｊ（ｔ－１）ｔｏ＿ｃａｐ（ｔ）γ∑ｎｉ＝１∑ｍｊ＝１ｓｉ，ｊ（ｔ－１）（１０）ｃａｒ＿ｑｕｉ，ｊ（ｔ）是ａｇｅｎｔ ｉ的第ｊ个发电厂在第ｔ个阶段的碳排放配额 ，ｃａｒ＿ｑｕｉ（ｔ）ａｎｄ ｃａｒ＿ｑｕｉ，ｊ（ｔ）之间的关系式为ｃａｒ＿ｑｕｉ（ｔ）＝∑ｍｊ＝１ｃａｒ＿ｑｕｉ，ｊ（ｔ） （１１）１．２．３ 电网公司ａｇｅｎｔ电网公司ａｇｅｎｔ代表着电力的消费者 。本文假定碳排放交易机制不是电力需求的一个因素 ，并且需求对价格是没有弹性的 。电力消费被外部的环境所影响 。当前中国的电力需求主要受到国内生产总值的影响 （ＧＤＰ）［１８］。电力需求增长的速度也会放缓 。电力需求的公式如式 （１２）所示 Ｄ（ｔ）＝Ｄ（ｔ－１）（１＋β（ｔ－１）α）（１２）Ｄ（ｔ－１）表示上一年度的电力需求 ；β（ｔ－１）代表ｔ－１时期的增速 ；α是增长率的下降百分比 。１．３ 市场环境本文提出的模型包含两个市场 ，电力市场和碳交易市场 。所有的发电ａｇｅｎｔｓ在市场中通过电力交易和碳排放配额交易这两种交易方式在系统中进行交互 。１．３．１ 电力市场本文假设所有电力在电力市场交易 。中国在２００５年实施了上网电价定价机制 。并在之后制订了两部制电价定价方案 ，电价分为电量电价和容量电价 。然而当前在中国并未真正的两部制定价方案 ，并且应用范围有限 ，电费计收不完善 。本文描述的是对未来的研究 ，考虑到两部制定价方案是未来中国电力的政策导向 ，为了更加深入地研究碳交易机制以及拍卖的影响 ，也为了在方法上和市场环境同前文的研究保持一致［１８，２６］，本文的电力市场模型参考自文献 ［１８］。假定中国电力市场存在两部制定价方案 ，并且基于电力市场的竞争性假设 ，假定中国电力市场是一个竞争性市场 ，但是竞争程度很小 ，电力价格由电力市场决定 。因此 ，本文的模型并不使用当前国际上完整的市场竞价和出清模型 。本文的电力市场模型的具体规则如下 在每个模拟运行周期ｔ，每个发电厂首先计算出的电力供应ｓ＿ｃｉ，ｊ（ｔ）。当发电的预期收益比出售碳排放配额少时 ，机组停止发电 。所以电力供应为零 ；否则 ，电力供给等于其装机容量 。根据每个发电厂收到不同的电价 ，这是基于平均电价投标价格与自己的出价决定的 。平均电力投标价格ａｖｅ＿ｂｉｄ（ｔ）以式 （１３）所示 ａｖｅ＿ｂｉｄ（ｔ）＝∑ｎｉ＝１∑ｍｊ＝１ｓ＿ｃｉ，ｊ（ｔ）ｂｉｄｉ，ｊ（ｔ）∑ｎｉ＝１∑ｍｊ＝１ｓ＿ｃｉ，ｊ（ｔ）（１３）在式 （１３）中 ，平均电力投标价格是电力投标的加权 。ｓ＿ｃｉ，ｊ表示第ｉ个ａｇｅｎｔ的第ｊ类发电厂的电力供给 ；ｂｉｄ表示相应的电力报价 ；ａｇｅｎｔ ｉ的发电厂ｊ电力投标价格考虑各种可变成本 ，如发电成本 ，运营成本和碳排放成本 。在本文的模型中 ，电力竞０９现代电力２０１７年现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ价是由４个不同的部分 ，包括可变成本 ，拍卖碳成本 ，碳交易的成本和环保型发电厂的补贴费用 ，使用下面的公式 （１４）ｂｉｄｉ，ｊ（ｔ）＝［ｖｃｊ（ｔ）ｃａｐａｊ（ｔ）＋ａｃｊ（ｔ）ａｕ＿ａｍｏｕｎｔｊ（ｔ）＋ｃａｒ＿ｉｎｊｃａｒ＿ｐ（ｔ）（ｃａｐａｊ（ｔ）－ａｕ＿ａｍｏｕｎｔｊ（ｔ））－ｓｕｂｊ（ｔ）ｃａｐａｊ（ｔ）］（１＋ｍａｒｉａｖｅ＿ｍａｒ）／ｃａｐａｊ（ｔ）（１４）式中 ｖｃｉ，ｊ代表发电厂ｊ的可变成本 （发电成本和运营成本 ）；ａｃ表示碳配额拍卖费用 ；ａｕ＿ａｍｏｕｎｔｊ代表发电厂ｊ的拍卖金额 ；ｃａｒ＿ｉｎｊ表示发电厂ｊ的具体发电技术的碳强度 ；ｃａｒ＿ｐ是第ｔ期的碳交易价格 ；ｓｕｂｊ表示对第ｊ类发电厂补贴 ；ａｖｅ＿ｍａｒ表示发电行业的平均利润率 ，是由外部环境设定的 ；ａｖｅ＿ｍａｒ是发电ａｇｅｎｔ ｉ的利润率和发电行业的比例 。按照平均电价投标价格和总需求 ，电力市场结算电力交易价格和发电厂的实际供应量 ，平均电力交易价格以式 （１５）所示 ａｖｅ＿ｅｐ（ｔ）＝ａｖｅ＿ｂｉｄ（ｔ）Ｄ（ｔ）∑ｎｉ＝１∑ｍｊ＝１ｓ＿ｃｉ，ｊ（ｔ）θ（１５）其中θ是一个有助于控制供给和需求之间的不平衡校准系数 ，用来产生实际的价格 。发电ａｇｅｎｔ ｉ的发电厂ｊ的真实供给如式 （１６）所示 ｓｉ，ｊ（ｔ）＝ｓ＿ｃｉ，ｊ（ｔ）Ｄ（ｔ）∑ｎｉ＝１∑ｍｊ＝１ｓ＿ｃｉ，ｊ（ｔ）ａｖｅ＿ｂｉｄｉ（ｔ）ｂｉｄｉ，ｊ（ｔ）（１６）式中 ｓｉ，ｊ表示发电厂ｊ的实际供给 ，实际电力价格受到其投标价格影响 。相对较高的竞标导致更高的价格 。每个发电厂ｊ的电价见公式 （１７）ｅｐｉ，ｊ（ｔ）＝ａｖｅ＿ｅｐ（ｔ）ｂｉｄｉ，ｊ（ｔ）ａｖｅ＿ｂｉｄ（ｔ）（１７）式中 ｅｐ表示电价 ；ａｖｅ＿ｅｐ是所有发电厂的平均交易 价 格 ；ａｖｅ＿ｂｉｄ是 所 有 发 电 厂 的 平 均 电 力报价 。１．３．２ 碳市场碳市场的碳价格由总供给与总需求决定 。由于在大多数情况下发电ａｇｅｎｔ从拍卖获得主要的碳排放配额 ，额外的排放配额必须从碳市场购买 。碳交易市场上实际价格是未知的 。本文将初始的碳价设为５０元 ／ｔ，在每个模拟周期ｔ内 ，碳价格由公式（１８）确定 ｃａｒ＿ｐ（ｔ）＝ｃａｒ＿ｐ（０）λｔｏｔａｌ＿ｅｍｉｔ（ｔ－１）ｔｏｔａｌ＿ｃａｐ（ｔ－１）（１＋εｔ），εｔ～Ｎ（０，０．０１２） （１８）式中 ｃａｒ＿ｐ（ｔ）是第ｔ阶段的碳价格 ；ｔｏｔａｌ＿ｃａｐ总上限是第ｔ时期国内电力行业的上限 ；ｔｏｔａｌ＿ｅ－ｍｉｔ是总排放量 ，表示电力部门总发电的碳排放量 ，它们的比值是市场稀缺性的指标 ；λ为比例系数科 ；εｔ表示随机扰动因素 。１．４ 模型实现本文设置五大电力集团公司 ，四小豪门和共享剩下的装机容量的３０家小型发电公司 。模型的主要假设是电力市场中拥有静态的电力生产商以及有限类型的发电厂 。这些ａｇｅｎｔｓ交互４０个周期 ，每个周期的时长为１ａ。我们设定２０１４年是起始年 。主要输入数据列于如表２所示 。表 ２发电厂的主要参数类型总装机容量 ／ＭＷ年平均发电时长 ／ｈ单位发电成本 ／（元 ／ＭＷｈ）碳强度（ＣＯ２）／（ｔ／ＭＷｈ）煤电厂 ８２５２４０ ５ ２００ ３５０ １．３气电厂 ５５６７０ ５ ２００ ８００ ０．７水电厂 ３０１８３０ ３ ８００ ２４０ ０风电厂 ９５８１０ ２ ０００ ６２０ ０核电厂 １９８８０ ８ ０００ ４４０ ０太阳能电厂 ２６５２０ ２ ０００ １ ９００ ０数据来源 中国电力统计年鉴及文献 ［１８］。２ 模型仿真结果本文基于多ａｇｅｎｔ的碳排放交易机制的模型 ，研究了初始碳配额拍卖的不同比例对中国的发电行业和环境的影响 ，以寻找一个合适的碳排放交易方案 。本文考虑５种不同的拍卖比例 ，每个选定的比例都是参考当前世界主流碳排放交易系统或用于与其它系 统 进 行 比 较 。拍 卖 的 比 例 分 别 设 定 为０，２０％，５０％，８０％和１００％。２．１ 对电力价格的影响首先 ，本文研究了不同碳交易的拍卖配比的设置下对中国的电价产生的影响 。我们使用基于产出的碳配额分配即无拍卖 （占比为０）为基准情景 。在新颖性和数据可用性的角度来看 ，我们选择２０１４１９第４期 蒋泽辉等 全国性碳交易市场对电力行业的潜在影响 基于多Ａｇｅｎｔ模型现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ年为基础年 。更重要的是 ，我们通过从中国的经济发展和电力生产情况的真实数据校正我们的模型 。从图４可以看出 ，碳交易机制在不同的拍卖比例 ，电力价格的波动比较平缓 ，基本保持在３８０元 ／ＭＷｈ和４２０元 ／ＭＷｈ之间 。并且 ，当拍卖比例较高时 ，整体价格水平也比较高 。由于中国的电力价格主要由中国政府监管 ，中国的电价是不可能发生巨大的变化 。可以看出 ，在碳排放交易机制下拍卖确实对中国发电市场的清算价格有一定影响 。例如 ，电力价格水平随着拍卖比例增加而升高 。并且 ，当拍卖比例较低时 ，不同拍卖比例 （如０％和２０％）产生的电力价格差异并不明显 。然而 ，当拍卖的比例比较大的时候 ，价格水平发生了很大变化 ，通过１００％的情景与８０％的情景对比可以看到这一点 。图 ４碳排放交易机制下不同拍卖比例的电力价格２．２ 对碳价格影响的比较本文还考虑了碳排放交易市场机制在不同的拍卖比例情景下对碳价格的影响 。本文假定碳价格是由总需求和总供给决定的 。该价格不同于在碳配额初始分配阶段的拍卖价格 。在一些文献碳价格也被认为是二级碳市场的碳价格［１６］。模型中设定的初始碳价为５０元 ／ｔ。这也非常接近当前中国的各个碳排放交易市场试点 。从图５中可以看出 。碳价格的波动情况与电力价格的变化相似 ，但呈现不同方向的变化趋势 。碳价随着拍卖比例的增加而降低 。并且 ，最终的碳价稳定在大约５０～７０元 ／ｔ之间 。正如拍卖对电力价格的影响 ，无拍卖情景和２０％的拍卖情景下的碳价差别并不明显 。当拍卖比例超过５０％的时候 ，碳价格水平要低得多 。在无拍卖的基准情景下 ，碳价水平几乎保持在一条线上的５５元 ／ｔ。由于碳初始配额的稀缺性 ，所有的发电ａｇｅｎｔｓ希望他们能够得到的配额尽可能得多 。碳交易市场图 ５碳排放交易机制下不同拍卖比例的碳价上的碳价格是随着拍卖比例的增加而降低的 。２．３ 对总碳排放影响的比较本文还对不同碳配额拍卖比例的情景下产生的不同效果进行了比较 。总碳排放量是显示碳排放交易市场机制效果的重要指标 。由于单位发电产生的碳排放 （碳强度 ）和总电力需求被设定为相同 ，碳配额的拍卖比例是影响总碳排放的程度的唯一因素 。本文模型中 ，１００％的拍卖情景比无拍卖节省约４亿ｔ的二氧化碳排放 。除了高拍卖比例的有效性 ，低拍卖比例之间的碳排放差别不大 。例如 ，无拍卖情景与２０％的拍卖差别不大 。由此我们可以看到在碳排放交易市场中增加拍卖比例有助于减少二氧化碳的排放 。发电厂商在进行投资时更倾向于那些清洁能源的发电类型 。此外 ，随着拍卖比例的扩大 ，总碳排放水平之间的差异也在不断增加 。图 ６碳排放交易机制下不同拍卖比例的总碳排放量２．４ 对电力结构影响的比较最后 ，本文比较了不同能源结构比例的影响 ，并与初始年２０１４年的电力结构进行对比 。在无拍卖情景下煤电比较稳定呈现缓慢下降 ，风力发电和太阳能发电的比例略有增加 ；天然气发电 ，水电和核能发电在电源结构中所占比例无明显变化 。这表明碳排放交易机制具有改善能源结构 ，发展清洁发电的作用 。并且引入拍卖后这种作用更２９现代电力２０１７年现代电力 ，２０１７，３４（４）ｈｔｔｐ∥ｘｄｄｌ．ｎｃｅｐｕ．ｅｄｕ．ｃｎ Ｅ－ｍａｉｌｘｄｄｌ＠ｖｉｐ．１６３．ｃｏｍ加明显 。在后面的变化中 ，其中风力发电的增长不少 ，其它发电技术所占比例的变化比较小 ，随着拍卖比例的增加 ，各发电能源种类的变化越来越明显 。各种发电能源的装机量不断上涨 ，并且以一个降低的速度增长 。然而 ，不同的拍卖场景有不同的表现 。例如 ，在低拍卖比例的情景下 ，总装机容量收敛至更大的电力容量 ，收敛的时间点也更早 。表 ３２０１４年中国发电公司装机容量 ＭＷ发电公司 煤电 气电 风电 水电 核电 太阳能国电大唐华能华电中电投华润神华国投中广核其它中国９５ ４８１８６ ４３７１０８ ６６４８２ ２５５６１ １３０２７ ４２０４０ ９０７９ ０３００３１３ ９１６８２５ ２４０５６３ ９１１７ ８９９８ １３５３ ７８１７７７８０６６０３０ ９６５５５ ６７０１９ ９０８１０ ０６５１１ ５０４８ ３２１６ ５２４３ ５５３１６６０２６ ９００２８ ４１７９５ ８１１１２ ９４５１９ ７４１２０ ４４５２３ ２８６２０ ６９９２８０１２５．５１６ １２０１ ４７０１８６ ７１８．５３０１ ８３０００００２ １０００００１１ ６２０６ １６０１９ ８８０７２０６２０８５０１ ２２０３ ７２００００６１０１８ ７８０２６ ５２０数据来源 中国电力统计年鉴以及各个电力公司官方网站 。３ 结束语在本文中 ，我们基于多Ａｇｅｎｔ模型研究拍卖设计探讨ＣＥＴ机制对中国的发电行业的影响 。我们主要考察了碳排放交易机制在不同拍卖比例下的设计 。相关结论及政策建议如下 ①引进拍卖带来电价上涨 ，物价上升与拍卖份额的增加 。主要的原因是拍卖成本内化为一种发电成本 ，使发电ａｇｅｎｔｓ在计算其利润和投资新的发电厂时考虑这些成本 。当在碳排放交易市场中设计无拍卖时 ，电价大部分时间保持跟初始阶段一个较低的价格水平 。拍卖比例增加后 ，整体价格水平提高 。②与祖父制配额分配方法 （没有拍卖的情况 ）相比 ，配额拍卖在控制二氧化碳排放 ，保护环境显得更加激进 、快速 。如引进拍卖后 ，碳价格碳市场降低 ，总碳排放变得更小 。而且 ，较高的拍卖比例能减少排放 。③碳排放交易市场机制的拍卖设计对中国的经济有很大的影响 ，我们可以从装机容量的变化看出来 。１００％的拍卖情景与低比例的拍卖情景相比 ，减少了１００ＴＷ电力 。由于发电行业在中国是非常重要的 ，由此必然带来对中国经济的深刻影响 。④比照这些详细的拍卖比例 ，本文尚不能阐述哪个拍卖的百分比是最好的选择 。但是本文可以明确在碳排放交易市场中碳配额低水平的拍卖带来的各类影响不大 ，如２０％的拍卖方案和无拍卖的情况 。结合经济增长的必要性 ，本文建议在全国性碳排放交易市场建立的初期设置一个低级别的 （不超过２０％）的拍卖比例 ，从而平稳过渡到一种比较严格的环境的保护和更高比例的配额拍卖 。之后可以尝试设置一个高比例的拍卖 。然后 ，文中的数据结果也表明在１００％的配额拍卖情景下仍然是具有风险的 ，因为它给电力行业带来的电价 、装机容量等变化可能非常不稳定 ，需要专家学者进一步研究 。参 考 文 献［１］Ｚｈａｎｇ Ｚｈｏｎｇｘｉａｎｇ．Ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎｓ ｔｒａｄｉｎｇ ｉｎ Ｃｈｉ－ｎａｔｈｅ ｅｖｏｌｕｔｉｏｎ ｆｒｏｍ ｐｉｌｏｔｓ ｔｏ ａ ｎａｔｉｏｎｗｉｄｅ ｓｃｈｅｍｅ［Ｊ］．Ｃｌｉｍａｔｅ Ｐｏｌｉｃｙ，２０１５，１５Ｓ１０４－Ｓ１２６．［２］Ｚｈａｎｇ Ｂｉｎｇ，Ｚｈａｎｇ Ｙｏｎｇｌｉａｎｇ，Ｂｉ Ｊｕｎ．Ａｎ ａｄａｐｔｉｖｅａｇｅｎｔ－ｂａｓｅｄ ｍｏｄｅｌｉｎｇ ａｐｐｒｏａｃｈ ｆｏｒ ａｎａｌｙｚｉｎｇ ｔｈｅ ｉｎｆｌｕ－ｅｎｃｅ ｏｆ ｔｒａｎｓａｃｔｉｏｎ ｃｏｓｔｓ ｏｎ ｅｍｉｓｓｉｏｎｓ ｔｒａｄｉｎｇ ｍａｒｋｅｔｓ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍｏｄｅｌｉｎｇ ＆Ｓｏｆｔｗａｒｅ，２０１１，２６（４）４８２－４９１．［３］Ｃｏｎｇ Ｒｏｎｇｇａｎｇ，Ｗｅｉ Ｙｉｍｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｃｏｍｐａｒ－ｉｓｏｎ ｏｆ ｉｍｐａｃｔ ｏｆ ａｕｃｔｉｏｎ ｆｏｒｍａｔ ｏｎ ｃａｒｂｏｎ ａｌｏｗａｎｃｅｍａｒｋｅｔ［Ｊ］．Ｒｅｎｅｗａｂｌｅ ＆ Ｓｕｓｔａｉｎａｂｌｅ Ｅｎｅｒｇｙ Ｒｅ－ｖｉｅｗｓ，２０１２，１６（６）４１４８－４１５６．［４］Ｚｈａｎｇ Ｍｉｎｇ，Ｌｉｕ Ｘｉａｏ，Ｗａｎｇ Ｗｅｎｗｅｎ，ｅｔ ａｌ．Ｄｅ－ｃｏｍｐｏｓｉｔｉｏｎ ａｎａｌｙｓｉｓ ｏｆ ＣＯ２ｅｍｉｓｓｉｏｎｓ ｆｒｏｍ ｅｌｅｃｔｒｉｃｉｔｙｇｅｎｅｒａｔｉｏｎ ｉｎ Ｃｈｉｎａ［Ｊ］．Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ，２０１３，５２１５９－１６５．［５］林伯强 ．中国能源发展报告 ［Ｍ］．北京 北京大学出版社 ，２０１３．［６］ＩＥＡ．ＣＯ２ｅｍｉｓｓｉｏｎｓ ｆｒｏｍ ｆｕｅｌ ｃｏｍｂｕｓｔｉｏｎ＇２０１１．［７］Ｃｈｉｕ Ｙ Ｈ，Ｌｉｎ Ｊ Ｃ，Ｓｕ Ｗ Ｎ，ｅｔ ａｌ