工業行業能源消費碳排放影響因素分析

趙子清+汪家權+胡淑恒+周洪源+王章明

摘要：指出了碳排放的主要來源是工業的能源消費，研究城市工業能源消費碳排放特征和影響因素具有很強的實際意義。以合肥市為例，首先從能源消費量、CO2排放量、能源結構及能源強度等指標分析了2000～2014年合肥市工業碳排放特征。在此基礎上，運用LMDI方法構建了合肥市工業能源消費碳排放影響因素分解模型，定量分析了合肥市工業33個行業的經濟發展、能源效率、產業結構、能源結構等因素對合肥工業碳排放的影響。研究結果表明：經濟發展是合肥市工業CO2排放量持續增長的主要原因，同時，能源效率、產業結構、能源結構的變動都不同程度地抑制了CO2排放量增加。針對分析結果，提出了相關的建議。

關鍵詞：工業碳排放； 能源消費； 影響因素； 合肥市

中圖分類號：X502

文獻標識碼：A 文章編號：1674-9944（2016）20-0032-06

1 引言

2014年11月12日，作為世界上最大的CO2排放國，中國在《中美聯合氣候變化聯合聲明》中承諾，計劃2030年左右CO2排放達到頂峰且將努力早日達到頂峰，并計劃到2030年非化石燃料能源占能源消費比重1到20%左右。根據氣候變化第二次國家信息通報[1]，我國2005年化石能源消費導致的CO2排放占CO2排放總量的93.66%。工業是國民經濟的基礎產業，同時也是能源密集型行業，因此由工業直接導致的CO2排放量在碳排放中占主導地位，這在國內外眾多學者的研究中得到了佐證[2～5]。因此，研究工業部門碳排放的影響因素對今后節能工作的展開具有重要參考作用。就目前的研究來看，主要是利用SDA 、IDA等因素分解方法討論能源碳排放的影響因素及影響程度。由于SDA對數據有著較高的要求，沒有IDA應用廣泛。Ang[6]綜合分析了眾多IDA，認為LMDI在理論基礎、技術特點、應用領域以及結果表達等方面最具優勢，主要是該法具有時間獨立性、有效處理零值和數據匯集一致性等優點。更重要的是，LMDI的加法和乘法形式易于轉化，能消除殘差項，使模型更加可靠[7]。Wang等[8]通過LMDI分解法對2005～2009年中國水泥行業的溫室氣體排放的驅動因素進行分析，結果表明能源強度在降低溫室氣體排放總量中發揮了積極作用。Xu等[9]通過利用LMDI分析了我國1995～2011年中國化石能源碳排放的影響因素，認為經濟產出、人口規模是碳排放的主要因素。王媛等[10]采用LMDI論證了能源結構效應對天津市碳排放的影響。以上研究為深入研究碳排放量年際變動的不同因素的作用機制打下了基礎，對于研究碳排放動態具有重要作用。以合肥市為例，深入工業內部的各個行業中，全面、系統地剖析工業經濟發展、能源效率提高、能源結構以及產業結構的變動等對CO2排放量的影響，以期確定主要影響因素，然后制定相應的減排措施。

2 數據來源及研究方法

2.1 數據來源

根據《國民經濟行業分類標準》（GB/T 4754—2011）并結合合肥市工業發展的實際情況，將合肥市工業分為采掘業，制造業，電力、熱力、燃氣及水的生產和供應業三大類共33個行業。其中各行業的能源消費數據和經濟發展等相關數據來源于《合肥統計年鑒》[11]，部分數據來源于相關部門調研，有關涉及工業和各行業歷年總產值數據以2000年不變價格折算以剔除價格變動因素；各種能源的平均低位發熱量、折標煤系數參考《中國能源統計年鑒2013》[12]；各種化石能源的碳氧化率、單位熱值含碳量源自《省級溫室氣體清單編制指南（試行）》。

2.2 碳排放計算方法

科學測度CO2排放量是減少CO2排放和制定未來能源戰略的前提和基礎。由于合肥市至今沒有CO2排放監測數據，只能基于能源消費量的基礎上計算CO2排放量。目前，合肥市工業消費的能源有化石能源、熱力、電力以及包括生物質能、核能、風能、水能等在內的其他能源。其中，各行業消費熱力、電力不會直接引起CO2的排放，將熱力能源生產和火力發電的能源消費產生的CO2排放直接計入電力、熱力的生產和供應業，以避免重復計算。由于生物質能生產過程中吸收的CO2與燃燒排放的CO2基本相等，消費生物質能幾乎不會引起CO2凈排放。而核能、風能、水能等能源幾乎不產生CO2。因此，計算工業各個行業能源消費導致的CO2排放只需計算化石能源消費導致的CO2即可。利用的化石能源包括原煤、洗精煤、其他洗煤、煤制品、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、液化石油氣、燃料油、天然氣等14類。綜合衡量CO2排放量估算的相對嚴謹性和可操作性，可以采用公式（1）估算合肥市工業化石能源消費的CO2排放量：

式（1）中：CEFC表示化石能源消費的CO2排放量（tCO2）；FCij表示第i種行業第j種化石能源種類（t，萬Nm3）；CEFj表示第j種化石能源的CO2排放系數（tCO2/t，tCO2/萬Nm3）。

第j種化石能源的CO2排放系數CEFj用以下公式計算：

首先用公式（2）計算第j種化石能源的CO2排放因子EFj：

式（2）中：EFj表示第j種化石能源的排放因子（tCO2/TJ）；CCj表示第j種化石能源的單位熱值含碳量（tC/TJ）；OFj表示第j種化石能源的碳氧化率（%）；4412表示CO2與C的分子量之比。

結合公式（2），利用公式（3）計算第j種化石能源的CO2排放系數：

式（3）中：NCVj表示第j種化石能源的平均低位發熱值（MJ/t，MJ/萬Nm3）。

根據公式（2）、（3）計算的各類化石能源CO2排放系數見表1所示。

2.3 碳排放因素分解方法

本文利用LMDI模型對擴展后的Kaya公式進行分析，以期確定排放因子、工業各行業的能源結構、工業各行業的能源效率、工業的產業結構、工業各行業的經濟發展規模這幾個因素對合肥市能源消費導致的CO2排放的貢獻值。利用公式（4）將第T年的CO2排放量分解：

T-1年到T年合肥市工業CO2排放量的變化量可用公式（5）進行計算：

從T-1年到T年合肥市工業CO2排放量在排放因子效應、能源結構效應、能源效率效應、產業結構效應、經濟發展效應作用下分別產生的變化量由公式（6）～（10）計算：

其中， IEFeffect、IESeffect、IEEeffect、IISeffect、IEDeffect分別表示排放因子、能源結構、能源效率、產業結構、經濟發展造成的CO2排放增加量，即5個因素的效應值。由于本研究分析合肥市工業2000～2014年的碳排放數據，研究時間較短，因而假定碳排放系數不變，即IEFeffect=0。

3 合肥市工業能源消費碳排放的時間序列分析

3.1 工業能源消費的CO2排放量及工業生產值變化時間序列分析

合肥市工業生產值、工業能源消費量及工業CO2排放量均呈現增長現象由圖1可見。2001～2014年合肥市工業增加值年均增長率達22.40%，高于安徽省同期水平（18.72%）。工業經濟的快速發展導致了能源消費、CO2排放量的持續增長?！笆濉逼陂g，合肥市工業能源消費、CO2排放量年均分別增長24.67%、25.06%，遠高于工業增加值年均增速（19.22%）。這跟中國在此期間偏離2020年能源戰略目標，依靠高能耗支撐工業經濟的發展有關；隨著“十一五”期間節能減排及合肥市“工業立市”戰略的實施，工業經濟以年均27.53%高速發展，工業能源消費、CO2排放量降至10.94%、8.40%。進入“十二五”以來，合肥市工業生產值的增長率在2011年達到頂峰（39.12%）后維持在13%左右，而能源消費、CO2排放量增長率也由2011年的64.71%、57.89%降至2014年的-3.79%、-1.31%。

3.2 工業能源消費的結構變化時間序列分析

合肥市2000～2014年能源消費的結構變化如圖2所示 。由圖2可知，化石能源的平均比重達到了85.71 %，煤炭以83.66 %的比例在能源消費中占據著絕對地位，石油（1.93%）、天然氣（0.12%）所占比重較小。此外，熱力、電力、其他能源的平均比重分別為2.43%、11.51%、0.19%。從整體來看，能源消費結構變動不大（液化天然氣、其他能源在2010年才進入合肥市工業能源結構中）。在化石能源消費引起的CO2排放中，合肥市平均煤炭CO2排放量占CO2總排放量的98.33%，石油、天然氣CO2排放量分別占1.50%、0.17%。煤炭CO2排放量明顯偏高，其原因可能有以下兩點。①與合肥市工業的產業結構相關，合肥市工業以電力、化工、冶金等重工業為主，對煤炭的需求量極大；②安徽省“富煤、貧油、少氣”的資源稟賦特點決定了合肥市工業能源消費結構中煤炭所占據的主導地位。

3.3 工業能源消費的能源強度變化時間序列分析

由2000～2014年合肥市能源消費、CO2排放量及工業經濟發展的變化趨勢可看出，以工業能源消費年均增長17.38%的代價換取了工業經濟年均增長22.40%的快速發展，并由此帶來了CO2排放量以年均16.35%的速度增長。合肥市2000～2014年單位工業GDP能源強度、單位工業GDP碳排放強度計算結果如圖3，可以看出：自2002年起，能源強度、碳強度整體呈現下降趨勢，僅在2011年有所反彈，實現小幅攀升態勢。2014年與2000年相比，能源強度下降幅度達到61.05%，碳排放強度下降幅度則達到55.10%。其中，兩項指標在“十五”期間初期呈現大幅攀升趨勢，并在“十一五期間”實現逐年下降，這說明在此期間合肥市工業節能減排工作效果顯著。同時，僅2001年、2002年、2004年、2011年的能源彈性系數和CO2排放對工業GDP彈性系數大于1，能源消耗、CO2排放增幅高于工業GDP增幅，呈現 “粗放增長”的狀態。值得關注的是，合肥市自2000年加速工業化以來，能源彈性系數僅為0.92，低于日本同期水平（1.21）[13]，這說明合肥市工業對能源的利用率相對較高。

何建坤等[14]認為，GDP的增長率小于碳排放強度的下降率時才能實現CO2的絕對減排。合肥市僅2012年二氧化碳排放強度的下降率（18.94 %）大于當年工業GDP增長率（16.25%），實現了CO2的絕對減排。因此，合肥市應進一步提高能源利用效率，調整能源結構，以期進一步降低能源強度、碳排放強度。

4 合肥市工業能源消費碳排放影響因素分析

利用LMDI模型，根據公式（6）～（10）對合肥市工業2000～2014年的工業能源消費的CO2排放增量進行分解，計算出能源結構效應（IESeffect）、能源效率效應（IEEeffect）、產業結構效應（IISeffect）、經濟發展效應（IEDeffect），得到各分解因素的作用效果見表2所列。各因素對合肥市工業能源消費的CO2排放的累積增量見圖4。根據表2、圖4可知，2000～2014年，合肥市工業能源消費CO2排放總量增加了2183.62 萬t。其中，經濟發展效應導致CO2排放總量增加了3734.59 萬t，能源結構效應、能源效率效應、產業結構效應分別導致CO2的排放量減少151.06 萬t、1251.34萬t、148.57萬t。其中電力熱力的生產和供應業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、化學原料及化學制品制造業是合肥市工業主要CO2排放增加行業，共增加了2241.15萬tCO2排放（見表3）。

4.1 經濟發展效應

經濟發展對合肥市工業能源消費CO2排放的貢獻度一直表現為較大的正增量效應。經濟發展效應對CO2排放量的貢獻率由2001年的22.89%上升至2014年的171.03%，累計平均貢獻率為137.51%，證明了工業經濟的快速發展是造成合肥市工業能源消費CO2排放增加的重要原因。2000～2014年，各行業經濟發展對工業能源消費CO2排放的貢獻均為正向，其中，合肥市電力熱力的生產和供應業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、化學原料及化學制品制造業四大能源密集型行業的工業經濟發展對CO2排放變化的貢獻值較其他行業大，共為3379.27萬t，占經濟發展效應的90.49%。在此期間，四大能源密集型行業的工業生產值增加了400.88億元，可計算得合肥市能源密集型行業每增加1萬元會導致8.43 t CO2排放，遠高于同期其他行業的平均值（0.20 t CO2/萬元）。因此，適當放緩重點能源密集型行業經濟增長速度、促進非能源密集型行業的發展有利于減少合肥市工業CO2排放。

4.2 能源效率效應

落后的生產技術和過低的能源利用效率使得能源強度在2005年前是CO2排放量增長的促進因素。自2005年起，能源效率成為抑制CO2排放量增加的主要因素，合肥市工業能源效率效應對能源消費CO2排放的累積年平均貢獻率達-42.57%，是抑制合肥市工業CO2排放量增加的主要原因。個別年份能源效率對合肥市工業能源消費CO2排放的貢獻度表現為正增量效應，這是由于在此期間某個行業能源強度的反彈引起的。如2011年能源效率貢獻值為405.53萬t，其中非金屬礦物制品業，電力熱力的生產和供應業對CO2排放量的貢獻值分別為154.98萬t、333.90萬t，原因在于這2個行業的能源強度由2010年的0.49和6.34t/萬t上升至2011年的2.27和8.63 t/萬t。

2000～2014年，黑色金屬冶煉及壓延加工業、電力熱力的生產和供應業、化學原料及化學制品制造業能源效率因素對CO2排放變化的貢獻值較大，共減少1077.55萬tCO2排放，占能源效率貢獻的86.11%，原因是這三大行業的平均能源強度由2000年的5.29 t/萬t降至2014年的2.74t/萬t，因此這三大行業的平均能源強度每下降1t/萬t，CO2排放將減少422.57萬t。盡管三大行業的能源強度在下降，但這三大行業在此期間的累積能耗達7890.50萬t，占總能耗的77.09%，但其工業產值只占整個總產值的14.93%，因此，合肥市應該減排重點集中到此類高CO2排放行業，提高其能源使用效率。

4.3 產業結構效應

2000～2013年，合肥市行業結構效應整體呈現負增量效應。2014年行業結構對CO2排放增量的貢獻轉為正向，貢獻值為395.02萬t，高于當年經濟發展的貢獻值（271.97萬t）。其中電力熱力的生產和供應業對CO2排放的貢獻值為395.25萬t，主要是該行業的工業產值占總產值的比重由2013年的3.12%上升至2014年的5.34%。

電力熱力的生產和供應業、黑色金屬冶煉及壓延加工業、化學原料及化學制品制造業這三大行業的增加值占工業增加值的比例由2000年的59.88%降至2014年的9.05%，對CO2排放的貢獻值共為-141.23萬t，占行業結構貢獻的95.05%。這充分凸顯了能源密集型產業結構調整對CO2排放量的影響。結合經濟發展效應對CO2排放的影響分析，可知電力熱力的生產和供應業、化學原料及化學制品制造業、黑色金屬冶煉及壓延加工業這三大行業的經濟發展對CO2排放貢獻量很大，但是通過調整產業結構、降低其工業產出比重能在一定程度上抵消經濟發展效應所導致的CO2排放量增加。2000～2014年這三個行業的產業結構效應抵消了4.45%的經濟發展效應。合肥市應進一步降低能源密集型行業的規模，積極扶持電子計算機等技術密集型產業的發展，使之成為拉動經濟增長的強勁動力，以期減少CO2排放量。

4.4 能源結構效應

在2000～2014年間，能源結構變動對CO2排放變動的總體影響較小，平均年貢獻率僅為-1.48%，這主要是由于合肥市工業能源結構無顯著變化，具有高碳排放系數的煤炭在工業能源消費中一直占據著主導地位。大多數行業中非化石能源比例的提高對減少CO2排放起促進作用。但非金屬礦物制品能源結構變動則使CO2排放量增加了17.60萬t，這主要源于該行業煤炭消費比重分別由2000年的69.67%上升至2014年的79.85%。合肥市工業煤炭消費比例較高，存在著下調空間。由于安徽省油氣資源相對匱乏，調高各行業特別是能源密集型行業其他能源的消費比例，降低煤炭消費份額，有利于抑制CO2排放增長。

5 結論和政策建議

5.1 結論

（1）2000～2014年間，合肥市工業能源消費以年均增長17.38%的代價換取了工業經濟年均增長22.40%的快速發展，并由此帶來了CO2排放量以年均16.35%的速度增長。與此同時，能源強度、碳強度分別由2000年的1.24 t/萬t、2.91 t/萬元降至2014年的0.55 t/萬t、1.13 t/萬元，下降幅度分別達到55.10%、61.05%，由此可見合肥市工業節能減排工作效果顯著。從合肥市工業能源消費結構來看，煤炭以83.66 %的比例在能源消費中占據著絕對地位，石油、天然氣所占比重較小。在化石能源消費引起的CO2排放中，合肥市平均煤炭CO2排放量占總CO2排放量的98.33%，石油、天然氣CO2排放量分別占1.50%、0.17%。煤炭CO2排放量明顯偏高，是未來合肥市工業CO2減排的重點。

（2）經濟發展是促進合肥市工業CO2排放量持續增長的主要原因，能源效率、產業結構、能源結構的變動都不同程度地抑制了CO2排放量增加。通過對工業行業進一步分解分析表現，電力熱力的生產和供應業、黑色金屬冶煉及壓延加工業、化學原料及化學制品制造業、非金屬礦物制品業等四大能源密集型行業的經濟發展、能源效率等因素嚴重影響著工業能源消費CO2排放量的變化。其中這四大能源密集型行業每增加1萬元產值會導致8.43 t CO2排放，遠高于同期其他行業的平均值（0.20 t CO2/萬元）；黑色金屬冶煉及壓延加工業、電力熱力的生產和供應業、化學原料及化學制品制造業這三大行業的平均能源強度每下降1 t/萬t，CO2排放將減少422.57萬t；電力熱力的生產和供應業的工業產值占總產值的比重每增加1%，會引起178.04萬t CO2排放；非金屬礦物制品行業煤炭比重每上升1%，會增加1.73萬tCO2排放。

5.2 政策建議

根據對合肥市工業碳排放特征及碳排放影響因素研究，本文從以下幾個方面提出減排的政策建議。

（1）合肥工業化剛進入中期階段，工業經濟將繼續保持快速發展。構建低碳經濟模式，發展低消耗、低排放、低污染為特征的低碳工業，實現工業經濟和環境的協調發展。

（2）作為國家首批創新型試點城市，合肥市應進一步強化科技創新和進步，引進整體煤氣化循環發電技術等先進節能技術。同時，協調以市場為導向的產學研創新體系，加快節能技術成果的應用和轉化。

（3）合肥市應逐步完善環境準入條件，建立落后產能退出機制，加快淘汰落后技術、產能和裝備，降低能源密集型行業的規模。同時，結合合肥市工業發展現狀，大力扶持高新技術產業發展，特別是新能源汽車、集成電路等戰略性新興產業的發展。

（4）合肥市油氣資源相對貧乏，煤炭在合肥市工業能源結構中占據著絕對地位。要想改變以煤炭為主的能源消費結構，應加快推進核能、風能、水能等新能源的開發和利用，提高非化石能源的使用比例，全面構建低碳能源體系。

參考文獻：

[1]蘇 偉. 中華人民共和國氣候變化第二次國家信息通報[M]. 北京：中國經濟出版社， 2013.

[2]張 穎. 能源消耗、二氧化碳排放與中國工業可持續發展的脫鉤分布研究[J]. 開發研究， 2013（1）：104～108.

[3]潘佳佳， 李廉水. 中國工業二氧化碳排放的影響因素分析[J]. 環境科學與技術， 2011， 34（4）：86～92.

[4]IPCC. Climate Change2014：Synthesis RePort[R].Summary for Policy makers，2014.

[5]Diakoulaki D， Mandaraka M. Decomposition Analysis for Assessing the Progress in Decoupling Industrial Growth from CO2 Emissions in the EU Manufacturing Sector [J]. Energy Economics，2007，29（4）：636 -664.

[6]合肥市統計局.合肥市統計統計年鑒：2000～2014[M].合肥：合肥市統計局，2015.

[7]國家統計局.中國能源統計年鑒[M].北京：中國統計局，2013.

[8]Ang B W. Decomposition analysis for policymaking in energy：： which is the preferred method[J]. Energy Policy， 2004， 32（9）：1131～1139.

[9]宋德勇， 盧忠寶. 中國碳排放影響因素分解及其周期性波動研究[J]. 中國人口·資源與環境， 2009， 19（3）：18～24.

[10]Wang Y， Zhu Q， Geng Y. Trajectory and driving factors for GHG emissions in the Chinese cement industry[J]. Journal of Cleaner Production， 2013， 53（16）：252～260.

[11]Xu S C， He Z X， Long R Y. Factors that influence carbon emissions due to energy consumption in China： Decomposition analysis using LMDI[J]. Applied Energy， 2014， 127（6）：182～193.

[12]王 媛， 賈皎皎， 趙鵬，等. LMDI方法分析結構效應對天津市碳排放的影響及對策[J]. 天津大學學報（社會科學版）， 2014（6）：509～514.

[13]吳敬璉. 中國增長模式抉擇[M]. 上海：上海遠東出版社， 2006.

[14]何建坤， 劉 濱. 作為溫室氣體排放衡量指標的碳排放強度分析[J]. 清華大學學報（自然科學版）， 2004， 44（6）：740～743.