汪穎翔 黃河曲 陳遠 董明齊 李斯吾 岳世杰 盧振威

摘 要：作為全球最大的溫室氣體排放國，中國政府承諾到2030年碳排放量達峰，在2060年實現(xiàn)碳中和。電力行業(yè)碳排放在我國整體碳排放總量中占比最大，近十年中國電力消費持續(xù)增長，在電力行業(yè)中的重要地位不可忽視，對電力消費碳排放驅(qū)動因素值得進行深入研究。文章基于LMDI分解模型，結合傾向值分析法和標準差橢圓法，對經(jīng)濟發(fā)展因素、人口規(guī)模因素、能源強度因素等驅(qū)動因素進行分析。結果表明：（1）經(jīng)濟發(fā)展因素對電力消費碳排放量的增長起到最主要的推動作用，能源強度因素主要起到抑制作用。（2）在各省的三大產(chǎn)業(yè)中，第二產(chǎn)業(yè)對電力消費的需求量最大。（3）在研究期間，我國的電力消費碳排放量整體呈上升趨勢，在2016年到2017年期間呈下降趨勢。本研究針對我國各省過去的11年期間的電力消費，立足于各省的電力行業(yè)碳排放的現(xiàn)實情況，幫助政府全面了解電力行業(yè)碳排放，為實現(xiàn)低碳電力行業(yè)提供政策建議，為我國電力行業(yè)實現(xiàn)碳達峰和碳中和提供理論參考。

關鍵詞：電力消費;LMDI;省域差異;重心遷移

為應對迫在眉睫的氣候變化問題，我國政府提出“要在2030年前實現(xiàn)碳達峰，2060年前實現(xiàn)碳中和”的重大戰(zhàn)略目標[1～2]。我國現(xiàn)有碳排放量的40%都來自電力行業(yè)，研究表明，只有電力消費占據(jù)終端消費的比重在70%以上，非化石能源提供的電力在電力供應比例提升到90%以上，才能實現(xiàn)2060年碳中和目標[3]。因此，除改善電源結構外[4]，對電力消費碳排放驅(qū)動因素的研究有助于深入了解電力行業(yè)碳排放的來源和分布，為制訂行業(yè)減碳目標提供政策支撐[5]。

對于電力消費的研究，前人做了大量工作。Shahbaz等從全球視角研究了世界各國電力消費、油價、經(jīng)濟增長之間的關聯(lián)，發(fā)現(xiàn)電力消費增加與經(jīng)濟增長緊密關聯(lián)，而與油價上漲關聯(lián)不強[6]。電力消費主要分為居民電力消費和工業(yè)電力消費，而林伯強、劉暢通過對1998—2012年中國三十個省份城鎮(zhèn)居民消費的家電產(chǎn)品的面板數(shù)據(jù)分析，發(fā)現(xiàn)居民收入增長、城市化對居民電力消費增長有顯著作用[7]。孫祥棟等人對中國工業(yè)部門電消費進行分解研究，認為影響電力消費增長的前三名因素分別是工業(yè)增長、電氣化水平提升和產(chǎn)業(yè)結構調(diào)整[8]。也有學者針對電力消費模式開展研究，如張昕竹、劉自敏利用DCC模型分析了分時和階梯電價下居民的用電需求，發(fā)現(xiàn)后者增加了用戶的價格彈性，促進電力消費的增長[9]。姚昕等發(fā)現(xiàn)中國城市規(guī)模與電力強度存在“倒U型”關系，而空間聚集與電力強度存在負向關系[10]。上述研究表明，電力消費與經(jīng)濟增長密切相關，且與消費內(nèi)生結構有關。

隨著全球化進程推進和經(jīng)濟持續(xù)增長，電力消費持續(xù)增加引起的環(huán)境退化使得學者開始逐漸關注綠色電力消費模式[11～12]，其中對于電力消費的碳排放研究是一個重要方向。Kirikkaleli等利用漸進因果檢驗學習發(fā)現(xiàn)電力消耗增長對碳排放的增長起重要貢獻[13]。王建軍等通過隨機性環(huán)境影響評估性模型，分析了電力消費和碳排放的關系，認為電力消費使用量影響著能源消費結構，進而影響碳排放量[14]。工業(yè)電力消費是主要的電力消費端，候建朝等人對中國工業(yè)電力消費產(chǎn)生的碳排放做了測算，結果表明，中國工業(yè)電力消費隱含二氧化碳排放區(qū)域間的差異對總體的差異的貢獻率呈下降趨勢[15]。由于跨區(qū)域電力網(wǎng)絡的存在，有學者對電力消費產(chǎn)生的碳排放量存在不同看法，如Zhang Pengfei等人探究了北京電力消費引起的間接碳排放量，認為跨省的電力傳輸?shù)窒吮本┗诠碾娏μ寂欧帕康脑鲩L[16]?？傮w來看，地區(qū)生產(chǎn)總值、電力生產(chǎn)結構、勞動力、能源效率之間具有緊密的聯(lián)系[17～19]。可以看出，雖然有針對電力碳排放不同尺度不同角度的研究，但是缺少從空間結構效應方面探究電力消費碳排放的變遷情況以及時空結構演變狀態(tài)的相關內(nèi)容。

對數(shù)平均D氏指數(shù)分解法（Logarithmic Mean Divisia Index，LMDI）是探究因素隨目標變量變化關聯(lián)度的最經(jīng)典方法之一，最初由Ang等人提出并完善[20]。從細分行業(yè)角度，趙先超等人運用LMDI模型對湖南省農(nóng)業(yè)碳排放影響因素進行了研究，結果表明，農(nóng)業(yè)經(jīng)濟水平和產(chǎn)業(yè)結構是湖南省農(nóng)業(yè)碳排放量增加的主要因素[21];文揚等通過LMDI模型，對京津冀及其周邊地區(qū)的工業(yè)大氣污染進行了因素分解研究，人口效應和經(jīng)濟規(guī)模是影響大氣污染的主要原因，同時針對地區(qū)差異的因素制定各自的減排措施[22]。而從全行業(yè)角度，林伯強等用LMDI和STIRPA模型，發(fā)現(xiàn)除了人均收入外，能源強度、產(chǎn)業(yè)結構和能源消費結構都對中國二氧化碳排放有顯著影響，尤其是能源強度中的工業(yè)能源強度[23];魯萬波等針對中國1994年到2008年碳排放量利用LDMI方法進行研究，發(fā)現(xiàn)總產(chǎn)值的增長和產(chǎn)業(yè)結構的變化促進的碳排放量的增長[24]。整體來看，雖然LMDI的應用較為成熟，但大部分相關研究主要依據(jù)特定的劃分標準，例如產(chǎn)業(yè)類型劃分，較少有學者從空間分布角度應用LMDI進行因素分解分析。

在碳排放空間格局的變化上，學者開始逐步探索采用標準差橢圓進行分析。Zhao，Yabo研究了2000—2018年間全球208個國家全球碳強度，發(fā)現(xiàn)整體呈現(xiàn)出異質(zhì)性空間分布，高值集中在亞洲，低值集中在非洲和西歐;空間集聚現(xiàn)象也較為明顯，特別是高-高、低-低集聚，整體重心由東北向西南移動[25]。徐麗對1997—2016年的我國全國農(nóng)業(yè)碳排放重心遷移進行了研究，發(fā)現(xiàn)存在向西北方向的重心遷移[26]。李建豹等人通過標準差橢圓法對中國省域碳排放進行了研究，認為碳排放的空間密集化程度逐漸增加[27]。但現(xiàn)階段標準差橢圓分析在電力消費碳排放方面應用較少，存在研究空白。

基于上述文獻調(diào)研，可以看出關于電力消費碳排放量研究缺乏與時空變量的耦合視角，特別是利用LDMI因素分解模型從空間結構角度進行特征分析，以及利用標準差橢圓模型分析電力消費碳排放量重心遷移狀態(tài)。此外，現(xiàn)有電力消費碳排放領域文獻，主要針對單一的省市或國家整體進行分析[28～30]，針對全國各省市電力消費碳排放結構性分析的研究較為匱乏。文章利用中國30個省級行政區(qū)的電力消費、人口、經(jīng)濟以及電力排放因子等數(shù)據(jù)，首先從傾向值分析法方面初步研究了全國各省級區(qū)域電力消費碳排放增長情況;之后采用標準差橢圓模型，對我國電力消費碳排放的時空演變進行了分析;同時利用LMDI模型，從結構分布角度，對我國各個省市電力消費碳排放量的驅(qū)動因素進行挖掘，并具體分析了中國電力消費碳排放的變遷。

一、數(shù)據(jù)來源及研究方法

（一）數(shù)據(jù)來源

數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國電力年鑒》，由于香港、澳門、臺灣、西藏的數(shù)據(jù)未完全獲得，故對中國30個省級行政區(qū)的相關數(shù)據(jù)進行統(tǒng)計和處理，時間跨度為2009—2019年。

（二）研究方法

1. 電力碳排放的核算方法

電力碳排放的主要來源是火力發(fā)電過程涉及的化石能源燃燒。文章的電力碳排放核算主要采用了聯(lián)合國政府間氣候變化專門委員會（IPCC）2006年編制《國家氣體清單指南》中的計算方法，借鑒曹俊文[31]等人的研究，構建電力碳排放的測算公式，如式（1）所示：

其中，i=1，2，3表示燃料消費量，單位為萬噸標準煤，CCi表示燃料碳含量系數(shù);COFi表示碳被氧化的比例，通常為1，表示完全氧化。參考2003年國家發(fā)展和改革委員會能源研究所采用的碳排放系數(shù)取值進行測算。煤炭的碳排放系數(shù)為0.7476（萬t碳/萬tce），石油的碳排放系數(shù)為0.5825（萬t碳/萬tce），天然氣的碳排放系數(shù)為0.4435（萬t碳/萬tce）。

2. 傾向值計算

線性傾向估計能對土地利用碳排放的時間趨勢進行分析。通過建立電力消費碳排放量與時間的一元線性回歸模型，計算2009年到2019年11年間的時間變化斜率，即傾向值（SLOPE），來分析每個省份電力消費產(chǎn)生的二氧化碳排放量排放的線性傾向[32]。線性傾向值用最小二乘法估計，如式（2）所示。

其中，n是總年份數(shù)，等于11;Xi是第i年（2009為第一年）;Ci代表第i年對應的能源CO2排放量。當SLOPE>0時，隨時間t的增加，碳排放呈上升趨勢;當SLOPE<0時，隨時間t的增加，碳排放呈下降趨勢。SLOPE值大小反映了碳排放上升或下降的速率，即表示上升或下降的傾向程度。

3. 標準差橢圓模型

標準差橢圓是一種空間統(tǒng)計方法，可以準確地揭示經(jīng)濟狀態(tài)的空間分布情況[33～34]，以表征地理要素的空間分布特征[35～36]。標準差橢圓基本要素是中心點、長半軸、短半軸和方位角，具有中心性、展布性、密集性、方位及形狀幾個方面的特征，能夠描述節(jié)點在各個方向上的離散情況，反映節(jié)點空間組織的整體輪廓和主要偏移方向。對于標準差橢圓相關公式參考已有研究[37]。

4. LMDI模型構建

LMDI模型是Kaya恒等式的一種拓展，體現(xiàn)了社會經(jīng)濟發(fā)展、人口數(shù)量等要素對碳排放的影響。結合許多學者的研究成果，文章運用LMDI模型分解了人口規(guī)模效應、經(jīng)濟發(fā)展效應、能源強度效應、能源結構效應、排放因子效應五個方面。

根據(jù)Kaya恒等式的思想，將總的排放量對各個省級區(qū)域和行業(yè)進行因素分解，如式（3）所示：

其中，C表示總的排放量;Pi表示各省人口數(shù)量;Qi表示各省國民生產(chǎn)總值;Ei表示各省電力消費量;Eij表示各省各個產(chǎn)業(yè)電力消費量;Cij表示各省各個產(chǎn)業(yè)電力消費量。在這里，下標i表示省份，i=1，2，3…，30;下標j表示產(chǎn)業(yè)，j=1，2，3。

下面根據(jù)上述分解定義五個因素，分別為人口規(guī)模效應、經(jīng)濟發(fā)展效應、能源強度效應、能源結構效應、排放因子效應五個方面。

人口規(guī)模效應主要指各省的人口數(shù)量對于總碳排放量的貢獻，用CPi表示;經(jīng)濟發(fā)展規(guī)模效應，主要指各省人均經(jīng)濟產(chǎn)品消費量對總碳排放量的貢獻，這里用最為常用的各省人均國民生產(chǎn)總值代替，用CEi表示;能源強度效應，這里主要指各省作為二次能源的電力消費量與國民生產(chǎn)總值的比例的變動，表示各省單位經(jīng)濟產(chǎn)出所消耗的電量的變化貢獻，用CCi表示;能源結構效應，這里主要指各省的各個產(chǎn)業(yè)電力消費量占該省所有電力消費量的比例，表示產(chǎn)業(yè)用能結構變動造成的貢獻，用CSij表示;排放因子效應，主要指各個省份各個產(chǎn)業(yè)的排放量與對應消耗電量的比例，表示不同省份不同行業(yè)的單位用電量排放的碳排放量，用CFij表示。具體定義如式（4）-（7）所示。

對因素影響貢獻進行分析的方法眾多，其中Ang等學者對對數(shù)平均迪氏指數(shù)方法進行了改進，提出了LMDI方法，是一種無殘差的完備分析方法，而文章主要基于此方法進行分析。根據(jù)LMDI方法思想，電力消費碳排放量在這一段時期的變化可以分解為各個因素的貢獻之和，即

通過以每年作為一個時間區(qū)間，可以獲得在該年各因素變化，其中Ci（0）為該年的時間起點的電力消費碳排放量，Ci（t）為該年結束時電力消費碳排放量。上式中括號中0表示時間起點，t表示時間終點，而這里采用2009年作為總時間起點，分析總區(qū)間為2009—2019年。

二、結果與分析

（一）各省份電力消費碳排放時間變化趨勢

文章利用趨勢分析法計算了2009—2019年我國各省的電力消費CO2排放的傾向值，并利用Arcgis的自然間斷點法，將各省份電力消費二氧化碳排放量劃分為緩慢增長型、較慢增長型、中速增長型、較快增長型、迅猛增長型5種類型。

根據(jù)上述劃分方法，將本研究中全國30個省級行政區(qū)域依據(jù)2009—2019年電力消費碳排放的情況劃分成5組。其中，處于迅猛增長型的省級區(qū)域有3個，包括新疆、河北以及江蘇;而較快增長型有5個，包括遼寧、山東、陜西等省;處于中速增長型的省份較多，有黑龍江、內(nèi)蒙古等10個省份或直轄市;處于較慢增長型和緩慢增長型的省份各有6個，各自主要包括吉林、甘肅、青海、山西等省份或直轄市。

整體來看，從碳排放量增長速度來劃分，依據(jù)空間地理區(qū)域，并沒有顯著的空間碳排放量波動長期聚集現(xiàn)象，但是上述現(xiàn)象與空間碳排放量存在空間聚集現(xiàn)象并不沖突。山西、內(nèi)蒙古作為地緣相鄰的產(chǎn)煤大省，火力發(fā)電原料充足，電力消費碳排放量存量一直較大;而廣西、云南，由于歷史發(fā)展原因和地理位置原因，電力基建不完善，電力消費碳排放量存量也較小，上述都存在一定空間聚集現(xiàn)象。但是，對于空間電力消費碳排放量波動情況，各省的表現(xiàn)聚集現(xiàn)象卻并不顯著，這一定程度上表明了2009年到2019年這十年間，各省的差異化發(fā)展。

電力消費碳排放量表現(xiàn)為迅猛增長型的既有處于西北邊陲的新疆，也有處于華北平原的河北，還有處于長江以南魚米之鄉(xiāng)的江蘇，三個省級行政區(qū)經(jīng)緯度差異較大，分別代表我國三個不同經(jīng)濟發(fā)展水平的區(qū)域，其產(chǎn)業(yè)結構、人口數(shù)量等方面也差異較大，但是三者卻是均表現(xiàn)出類似迅猛增長情況。新疆位于我國西北地區(qū)，近年來，隨著西部大開發(fā)的推進，新疆的城鎮(zhèn)化進程和經(jīng)濟發(fā)展速度都隨之變快，對于電力的消耗需求量變大。我國鼓勵高校畢業(yè)生參加西部計劃，鼓勵企業(yè)在新疆進行投資，新疆的人口數(shù)目逐漸增多且能源消耗量大[38];在工業(yè)結構方面，新疆是以重工業(yè)為主的耗能型結構，高耗能產(chǎn)業(yè)對電力的需求較大，這對電力消費碳排放產(chǎn)生了積極的推動作用。而江蘇工業(yè)和建筑業(yè)的快速發(fā)展也使得電力消耗增加，同時使得電力消費碳排放量增多。作為我國最主要的鋼鐵生產(chǎn)省份河北，隨著經(jīng)濟發(fā)展，作為原材料的鋼鐵需求旺盛，電力需求也急劇增加，使得電力消費碳排放量增大。從上述可以看出，這三個省份主要由于經(jīng)濟發(fā)展驅(qū)動，使得電力需求旺盛，造成相應的碳排放量急劇增加。

事實上，電力消費碳排放量的增長程度在一定程度上反映了工業(yè)發(fā)展的程度。以2019年為例，全國各個省份的第二產(chǎn)業(yè)的電力消費量在所有產(chǎn)業(yè)占比中均處于主導地位，這說明，中國電力消費碳排放主要來源于第二產(chǎn)業(yè)。因此，電力消費碳排放量的增長表明了各省產(chǎn)業(yè)結構的變遷、產(chǎn)業(yè)轉(zhuǎn)型升級的程度、產(chǎn)業(yè)規(guī)模的擴張情況。而上述產(chǎn)業(yè)變動，主要是以工業(yè)為核心的變動，反映了中國各省工業(yè)的發(fā)展綜合程度。處于電力消費碳排放緩慢增長型的省級行政區(qū)既有第三產(chǎn)業(yè)較為發(fā)達的北京、上海，也有工業(yè)發(fā)展較為緩慢的貴州、廣西，還有處于嚴格產(chǎn)業(yè)政策管控下的山西。上述幾類區(qū)域，雖然處于工業(yè)發(fā)展的不同階段，但是從電力消費碳排放的變動程度這個角度來看，其處于同一區(qū)間，表明其工業(yè)發(fā)展綜合程度是類似的，這里的工業(yè)發(fā)展綜合程度主要指的是工業(yè)發(fā)展的負外部效應顯著控制程度。

整體而言，在2009年到2019年，尚未出現(xiàn)省級行政區(qū)域在電力消費碳排放方面實現(xiàn)達峰，也在一定程度上表明，電力消費和碳排放量之間還未實現(xiàn)解耦脫鉤。但是，平衡經(jīng)濟發(fā)展和電力消費碳排放量對于實現(xiàn)雙碳目標意義重大[39]，前者是國家發(fā)展目標，后者是碳排放量的主要來源，而上述對于國家制定發(fā)展目標有一定借鑒意義。

人均電力需求在可預見的未來可能會持續(xù)快速增長，通過改善電力生產(chǎn)結構即電源結構可以緩解電力消費碳排放的產(chǎn)生量的增加速度，而實現(xiàn)高滲透率可再生能源發(fā)電的電力結構可以有效地降低碳排放量。兩者之間存在一個平衡，即電力消費碳排放量的增長造成的碳排放量的增加與電源結構改善造成的碳排放量的減少互相抵消，就可以實現(xiàn)在電力消費方面的碳達峰，而實現(xiàn)電力消費的碳中和，需要實現(xiàn)完全意義上的清潔電源結構，在未來幾十年，可能難以實現(xiàn)。鑒于此，控制兩者之間的平衡的方法對于實現(xiàn)電力消費碳排量的改善極為關鍵，可以從中國這30個省級區(qū)域的電力消費碳排放量增長情況中找到現(xiàn)行的方法，實現(xiàn)電力消費碳排放量的緩慢增長。從前述三類區(qū)域劃分可以看出，可以實行類似山西的嚴格產(chǎn)業(yè)政策，代價可能是經(jīng)濟發(fā)展受限;可以像貴州、廣西一樣，存在著經(jīng)常性變更經(jīng)濟規(guī)則，如本土企業(yè)產(chǎn)生一些不合理競爭，導致本土企業(yè)和省外企業(yè)交流受限，代價可能是經(jīng)濟發(fā)展趨緩;可以像北京、上海一樣，代價可能是產(chǎn)業(yè)空心化跡象。而實現(xiàn)電力消費碳排放量的降低，付出的成本更高，因此需要慎重權衡經(jīng)濟發(fā)展和電力消費碳排放量之間的關系。但是人類命運共同體的整體氣候危機、國家的能源安全危機等均迫切要求加快改革，這就需要慎重地考慮改革的成本和改革中出現(xiàn)的問題，也就是在電力消費碳排放量過程中的問題。

（二）中國電力消費碳排放空間變化分析

為了更加清晰的研究我國電力消費碳排放量的空間變化，文章選取2009年、2013年、2017年、2019年為代表年份，采用標準差橢圓法，對我國電力消費碳排放量的重心遷移方向做出分析。

1. 從橢圓的中心性可知：2004年到2019年期間，我國電力消費碳排放不斷地移動，先向東北方向遷移，后又向西南方向遷移，始終是在河南省以及湖北省和河南省的交界處附近，其原因是經(jīng)濟的發(fā)展，東北地區(qū)受東北老工業(yè)基地的影響，重工業(yè)基礎深厚，工業(yè)發(fā)展歷史悠久，對能源的使用需求較大，對電力消費碳排放量貢獻較大;隨著西部大開發(fā)戰(zhàn)略的進行，以及近些年南方部分省份經(jīng)濟的迅速發(fā)展，云南、貴州、四川、重慶的人均GDP都有所上升，而吉林、黑龍江等東北地區(qū)的人均GDP有所下降，導致電力消費碳排放量的重心由東北部逐漸偏移到西南。在2019年電力消費碳排放的重心再次向東北方向偏移。

2. 從橢圓展布性可知：在所選取的2009年、2013年、2019年三個年份，橢圓的長軸和短軸沒有明顯變化，橢圓的變化范圍較小;在2017年時，橢圓的長軸發(fā)生了明顯的變化，長軸變短，短軸變長，空間分布面積變小，表現(xiàn)為電力消費碳排放和分布重心收斂程度高，電力消費碳排放的主體范圍變小。

3. 從橢圓方向性可知：中國電力消費碳排放的橢圓長軸方向較為明顯，沿著東北-西南的方向分布，北起河北省北部，南至湖南省南部，涵蓋了我國華北、華東、華中地區(qū)的大部分省市?？傮w可以看出全國電力消費碳排放在該方向上呈空間分散狀態(tài)。橢圓旋轉(zhuǎn)角在2017年發(fā)生了較大的偏移，且短軸長度變長，長軸長度變短，表明這一年的電力消費碳排放量的分布格局區(qū)域集中，且橢圓的方向性減弱。

（三）中國電力行業(yè)消費碳排放影響因素分析

文章運用LMDI模型，將2009年作為基準年，將中國的電力消費碳排放量分解為人口規(guī)模、經(jīng)濟發(fā)展、能源強度、能源結構、排放因子五個維度，同時從時間和空間角度分析了各個分解因素在全國三十個?。ㄊ小⒆灾螀^(qū)）的影響程度。通過利用各個省級行政區(qū)域各個產(chǎn)業(yè)電力消費數(shù)據(jù)以及各個電網(wǎng)在不同區(qū)域的電力排放因子數(shù)據(jù)來確定各個省級區(qū)域的電力消費碳排放量，然后再將碳排放量隨時間的增長情況分解為上述五個因素，通過利用Matlab編制程序，計算得到2009年到2019年全國各個省級區(qū)域的電力消費碳排放影響因素效應，然后將其累和得到全國電力消費碳排放量影響因素效應表。

累計來看，2009—2019年的人口規(guī)模效應、經(jīng)濟發(fā)展效應、能源強度效應、能源結構效應、排放因子效應對電力消費碳排放增長的驅(qū)動分別是9.4%，126.6%，-19.5%，0.07%，-16.7%?？傮w來看，人口規(guī)模效應和經(jīng)濟發(fā)展效應對電力消費碳排放的增長始終是呈現(xiàn)正向的驅(qū)動作用，且經(jīng)濟發(fā)展的影響是最大的;能源強度效應和排放因子效應總體上對電力消費碳排放呈現(xiàn)負相關的關系，這與之前學者針對中國整體碳排放量因素分解的研究結果是一致的。

就各個因素情況貢獻而言，在2009年到2019年，對于全國電力消費碳排量，經(jīng)濟發(fā)展效應占據(jù)主導地位，而人口規(guī)模效應雖然發(fā)揮正向促進電力消費碳排放作用，但是貢獻值較小;此外，電力排放因子對于電力消費碳排放的貢獻也是較為顯著的，并且呈現(xiàn)波動上升的趨勢，而能源強度效應對于促進電力消費碳排放量也是較為顯著且呈現(xiàn)增長狀態(tài)，但是能源結構改善在這段時間并不顯著。

2009年到2019年，人口規(guī)模效應對我國電力消費碳排放的累計貢獻率為9.4%。在此期間，我國的人口總數(shù)增長較為遲緩，從2009年的13.31億人增長至2019年的14.08億，年均增速僅為5.6%。人口規(guī)模效應因素的變化量始終是正值，呈緩慢的上升趨勢，是正向的驅(qū)動因素，但是總體的變化程度較小。盡管我國于2014年開放二胎，實行新的人口生育政策，但似乎難以改變我國新增人口急劇下降的趨勢。未來幾年，隨著人口邁入可預見的負增長時代，其對電力消費碳排放的效應應該會逆轉(zhuǎn)，這可能是未來電力消費碳排放量降低的一個重要驅(qū)動因素。

2009年到2019年，經(jīng)濟發(fā)展效應對電力消費碳排放的影響最大，且影響程度逐年上升，累計貢獻率達到了126.6%。主要原因是該時期處在“十二五”和“十三五”期間，我國經(jīng)濟呈現(xiàn)中高速增長，“十二五”作為全球金融危機后的第一個五年計劃，以加快轉(zhuǎn)變經(jīng)濟發(fā)展方式為主線，強調(diào)加快轉(zhuǎn)變經(jīng)濟發(fā)展方式;“十三五”時期要實現(xiàn)全面建成小康社會的目標，避免落入“中等收入陷阱”的風險，經(jīng)濟發(fā)展是我國近期和中期電力需求的最主要的驅(qū)動力。雖然我國新增可再生能源裝機逐年增加，但是電力需求也在穩(wěn)定增加;火電裝機占比減少，但火電裝機總規(guī)模也在逐年增加，因此經(jīng)濟發(fā)展在促進電力消費碳排放中一直扮演重要角色。未來應該追求高質(zhì)量發(fā)展，要實現(xiàn)碳強度降低速度高于GDP增加速度，才能確保經(jīng)濟的負外部效應逐漸降低，但需要妥善解決能源效率差距問題[40]。

能源強度在此期間對全國電力消費碳排放量的累計貢獻率為-19.5%，排放因子累計貢獻為-16.7%，而能源結構貢獻幾乎為零。我國是發(fā)展中國家，需要兼顧經(jīng)濟發(fā)展和減排的雙重任務，因此在過去長時間以來我國的氣候目標一直以控制強度為主而非控制總量，并且制定階段性降低強度的計劃?！笆奈濉币?guī)劃綱要將“單位GDP能源消耗降低13.5%”作為經(jīng)濟社會發(fā)展主要約束性指標之一，因此，能源強度在未來可能持續(xù)下降。而排放因子效應的改善主要由于采用可再生能源的滲透率逐年升高，使得電源端的排放量降低，因而影響到配電、輸電環(huán)節(jié)的碳排放量降低。由于我國政府希望在2060年實現(xiàn)“可再生能源滲透率超過80%”的目標，未來電源結構也將持續(xù)改善，電力因素產(chǎn)生的貢獻會持續(xù)增大。但是各個行業(yè)能源結構變化對于電力消費碳排放的貢獻幾乎為零，說明產(chǎn)業(yè)利用模式還未發(fā)生顯著性改變，主要還是工業(yè)為主，向第三產(chǎn)業(yè)的移動速度較慢，說明我國在此期間，并未發(fā)生向生活消費型社會的轉(zhuǎn)變，仍為工業(yè)消費型社會。事實上，這三個因素相乘，構成了電力消費碳排放量強度，而碳排放強度的降低是我國現(xiàn)階段最主要的氣候目標之一。根據(jù)中國國家部委統(tǒng)計，2020年中國碳排放強度比2015年降低了18.8%，比2005年降低48.4%，表明我國在降低碳排放強度方面取得了較大成效。但是未來隨著碳排放強度逐漸降低，阻力也越來越大，因此在生產(chǎn)端和消費端必須多頭并舉。而文章發(fā)現(xiàn)我國工業(yè)消費型社會向生活消費型社會轉(zhuǎn)變在2009年到2019年間極為緩慢，工業(yè)占比一直在90%以上，說明其蘊藏著巨大的下降空間，這可以成為降低碳排放量的一個著力點。

三、結論

根據(jù)2009—2019年我國各省的電力消費碳排放量傾向值，可以分為迅猛增長型、較快增長型等5個類型。從電力消費碳排放量增長速度來看，并沒有顯著的空間碳排放量波動長期聚集現(xiàn)象。新疆、河北和江蘇代表我國三個不同經(jīng)濟發(fā)展水平的區(qū)域，但電力消費碳排放量均屬于迅猛增長型，表明經(jīng)濟發(fā)展的區(qū)域性政策傾斜與電力消費碳排放量增速相關性較弱。電力消費碳排放表現(xiàn)為緩慢增長的省級行政區(qū)域如北京、山西、廣西等，雖然其處于不同的工業(yè)發(fā)展階段，但是對于負外部性效應的控制程度表現(xiàn)情況類似，其采取控制排放量的多樣性策略可以為國家層面的整體戰(zhàn)略部署提供借鑒意義。

利用標準差橢圓模型分析發(fā)現(xiàn)，在2009年到2019年間，電力消費碳排放量的重心首先發(fā)生東北方向的遷移，然后又向西南方向遷移，主要集中在湖北和河南省交界處附近;橢圓重心收斂程度增加，主體范圍變小;延長軸方向較為明顯，主要沿東北-西南方向分布，但方向性在此時間段發(fā)生減弱?？梢钥闯?，我國電力消費碳排放量空間分布格局逐漸收斂，聚集性較為明顯，與電力消費碳排放量增長速度的弱空間聚集性形成對比。

2009—2019年，我國人口規(guī)模效應、經(jīng)濟發(fā)展效應、能源強度效應、能源結構效應、排放因子效應對電力消費碳排放增長的累積驅(qū)動效應分別是9.4%，126.6%，-19.5%，0.07%，-16.7%。研究發(fā)現(xiàn)，對于全國電力消費碳排量，經(jīng)濟發(fā)展效應占據(jù)主導地位，而人口規(guī)模效應雖然發(fā)揮正向促進電力消費碳排放作用，但是貢獻值較小;此外，電力排放因子對于電力消費碳排放的貢獻也是較為顯著的，并且呈現(xiàn)波動上升的趨勢，而能源強度效應對于促進電力消費碳排放量較為顯著且呈現(xiàn)增長狀態(tài)，但是能源結構改善在這段時間并不顯著。隨著可再生能源滲透率的逐漸增加、能源利用率的不斷提高、產(chǎn)業(yè)利用模式的改善，后三者的負效應會逐漸顯著;而隨著未來我國面臨人口負增長局面，人口規(guī)模效應將發(fā)生逆轉(zhuǎn);經(jīng)濟發(fā)展模式向高質(zhì)量模式轉(zhuǎn)變，經(jīng)濟發(fā)展效應也會降低，整體而言，未來電力消費碳排放量可能會逐漸改善。

參考文獻：

[1] ROGELJ J，GEDEN O，COWIE A，REISINGER A.Three Ways to Improve Net-Zero Emissions Targets[J].Nature，2021，591（7850）：365-368.

[2] SHINDELL D，SMITH C J.Climate and Air-Quality Benefits of a Realistic Phase-Out of Fossil Fuels[J].Nature，2019，573（7774）：408-411.

[3] 推動平臺經(jīng)濟規(guī)范健康持續(xù)發(fā)展—把碳達峰碳中和納入生態(tài)文明建設整體布局[N].人民日報，2021-03-16（001）.

[4] 張希良，黃曉丹，張達，等.碳中和目標下的能源經(jīng)濟轉(zhuǎn)型路徑與政策研究[J].管理世界，2022，38（1）：35-66.

[5] 張寧.碳全要素生產(chǎn)率、低碳技術創(chuàng)新和節(jié)能減排效率追趕——來自中國火力發(fā)電企業(yè)的證據(jù)[J].經(jīng)濟研究，2022，57（2）：158-174.

[6] SHAHBAZ，M.，SARWAR，S.，CHEN，W.，& MALIK，M.N.Dynamics of Electricity Consumption，Oil Price and Economic Growth：Global Perspective[J].Energy Policy，2017（108）：256-270.

[7] 林伯強，劉暢.收入和城市化對城鎮(zhèn)居民家電消費的影響[J].經(jīng)濟研究，2016，51（10）：69-81+154.

[8] 孫祥棟，徐楊鈺，李江濤，等.中國工業(yè)部門電力消費因素分解——基于修正的LMDI分解法[J].中國能源，2019，41（10）：44-47+23-24+43.

[9] 張昕竹，劉自敏.分時與階梯混合定價下的居民電力需求——基于DCC模型的分析[J].經(jīng)濟研究，2015，50（3）：146-158.

[10] 姚昕，潘是英，孫傳旺.城市規(guī)模、空間集聚與電力強度[J].經(jīng)濟研究，2017，52（11）：165-177.

[11] RAHMAN M M.Environmental Degradation：The Role of Electricity Consumption，Economic Growth and Globalisation[J].Journal of Environmental Management，2020（253）： 109742.

[12] JUN，W.，MUGHAL，N.，ZHAO，J.， SHABBIR，M. S.，NIEDBALA，G.，JAIN，V.，& ANWAR，A. Does Globalization Matter for Environmental Degradation？ Nexus among Energy Consumption， Economic Growth，and Carbon Dioxide Emission. Energy Policy，153.Kirikkaleli D，Güng？r H，Adebayo T S.Consumption‐Based Carbon Emissions，Renewable Energy Consumption，F(xiàn)inancial Development and Economic Growth in Chile[J].Business Strategy and the Environment，2022，31（3）： 1123-1137.

[13] KIRIKKALELI D，GUNGOR H，ADEBAYO T S.Consumption‐Based Carbon Emissions，Renewable Energy Consumption，F(xiàn)inancial Development and Economic Growth in Chile[J].Business Strategy and the Environment，2022，31（3）：1123-1137.

[14] 王建軍，李莉.基于隨機性環(huán)境影響評估模型的電力消費和碳排放關系實證分析[J].電網(wǎng)技術，2014，38（3）：628-632.

[15] 侯建朝，郭娟.中國工業(yè)電力消費隱含碳排放績效的區(qū)域差異研究[J].中國電力，2016，49（8）：106-109+115.

[16] ZHANG，P.，CAI，W.， YAO，M.， WANG， Z.，YANG，L.，& WEI，W.Urban Carbon Emissions Associated with Electricity Consumption in Beijing and the Driving Factors[J].Applied Energy，2020（275）：115425.

[17] APINRAN MARTINS OLUGBENGA，USMAN NURUDDEEN，AKADIRI SEYI SAINT，ONUZO CHINWENDU IFUNANYA.The Role of Electricity Consumption，Capital，Labor Force，Carbon Emissions on Economic Growth：Implication for Environmental Sustainability Targets in Nigeria[J].Environmental Science and Pollution Research，2022，29（11）：15955-15965.

[18] ZHONG LIANG，LIU XIAOSHENG，AO JIANFENGi.Spatiotemporal Dynamics Evaluation of Pixel-level Gross Domestic Produc，Electric Power Consumption，and Carbon Emissions in Countries along the Belt and Road[J].Energy，2022：239（PA）.

[19] Environment-Environmental Impact;Research Conducted at Shanghai Jiao Tong University Has Updated Our Knowledge about Environmental Impact （Urban Carbon Emissions Associated With Electricity Consumption In Beijing and the Driving Factors）[J].Global Warming Focus，2020.

[20] ANG，B.W.LMDI Decomposition Approach：A Guide for Implementation. Energy Policy，2015（86）：233-238.

[21] 趙先超，宋麗美，譚書佳.基于LMDI模型的湖南省農(nóng)業(yè)碳排放影響因素研究[J].環(huán)境科學與技術，2018，41（1）：177-183.

[22] 文揚，馬中，吳語晗，等.京津冀及周邊地區(qū)工業(yè)大氣污染排放因素分解——基于LMDI模型分析[J].中國環(huán)境科學，2018，38（12）：4730-4736.

[23] 林伯強，蔣竺均.中國二氧化碳的環(huán)境庫茲涅茨曲線預測及影響因素分析[J].管理世界，2009，187（4）：27-36.

[24] 魯萬波，仇婷婷，杜磊.中國不同經(jīng)濟增長階段碳排放影響因素研究[J].經(jīng)濟研究，2013，48（4）：106-118.

[25] ZHAO，Y.，CHEN，R.，ZANG，P.，HUANG，L.，MA，S.， & WANG，S.Spatiotemporal Patterns of Global Carbon Intensities and their Driving Forces[J].Science of the Total Environment，2022：818.

[26] 徐麗，曲建升，吳金甲，等.中國農(nóng)牧業(yè)碳排放時空變化及預測[J].生態(tài)與農(nóng)村環(huán)境學報，2019，35（10）：1232-1241.

[27] 李建豹，黃賢金，吳常艷，等.中國省域碳排放的空間格局預測分析[J].生態(tài)經(jīng)濟，2017，33（3）：46-52.

[28] SHENSHEN SU，XUEKUN FANG，JINYANG ZHAO，JIANXIN HU.Spatiotemporal Characteristics of Consumption Based CO 2 Emissions from Chinas Power Sector[J].Resources，Conservation & Recycling，2016：121.

[29] 王燁，顧圣平.2006—2015年中國電力碳足跡及其生態(tài)壓力分析[J].環(huán)境科學學報，2018，38（12）：4873-4878.

[30] 韓金雨，曲建升，劉莉娜，等.家庭電力消費的影響因素及其動態(tài)作用機制——基于CGSS2015調(diào)查數(shù)據(jù)的分位數(shù)回歸[J].生態(tài)經(jīng)濟，2020，36（8）：68-73+94.

[31] 曹俊文，姜雯昱.基于LMDI的電力行業(yè)碳排放影響因素分解研究[J].統(tǒng)計與決策，2018，34（14）：128-131.

[32] 盧麾，施建成.基于遙感觀測的21世紀初中國區(qū)域地表土壤水及其變化趨勢分析[J].科學通報， 2012，57（16）：1412-1422.

[33] CHANGSHAN WU.Handbook of Applied Spatial Analysis：Software Tools，Methods and Applications Edited by Manfred M. Fischer and Arthur Getis[J].Journal of Regional Science，2012，52（2）.

[34] DAVID W.S. WONG. Several Fundamentals in Implementing Spatial Statistics in GIS：Using Centrographic Measures as Examples[J].Geographic Information Sciences，1999，5（2）.

[35] D. WELTY LEFEVER. Measuring Geographic Concentration by Means of the Standard Deviational Ellipse[J]. American Journal of Sociology， 1926， 32（1）.

[36] 趙作權.地理空間分布整體統(tǒng)計研究進展[J].地理科學進展，2009，28（1）：1-8.

[37] 郭政，陳爽，董平，等.長江三角洲城市群工業(yè)污染時空演化及其驅(qū)動因素[J].中國環(huán)境科學，2019，39（3）：1323-1335.

[38] 哈力努爾.新疆農(nóng)村城鎮(zhèn)化進程中的問題研究[J].山西農(nóng)經(jīng)，2022（5）：115-117.

[39] 林伯強.碳中和進程中的中國經(jīng)濟高質(zhì)量增長[J].經(jīng)濟研究，2022，57（1）：56-71.

[40] GERARDEN，TODD，RICHARD G.NEWELL，and ROBERT N.STAVINS."Deconstructing the Energy-Efficiency Gap：Conceptual Frameworks and Evidence."？American Economic Review， 2015，105（5）：183-86.