环境科学研究  2018, Vol. 31 Issue (1): 187-193  DOI: 10.13198/j.issn.1001-6929.2017.03.35

引用本文  

张宁, 贺姝峒, 王军锋, 等. 碳交易背景下天津市电力行业碳排放强度与基准线[J]. 环境科学研究, 2018, 31(1): 187-193.
ZHANG Ning, HE Shutong, WANG Junfeng, et al. Carbon Intensity and Benchmarking Analysis of Power Industry in Tianjin under the Context of Cap-and-Trade[J]. Research of Environmental Sciences, 2018, 31(1): 187-193.

基金项目

中国清洁发展机制基金赠款项目(2014130);国家自然科学基金项目(71373134)
Supported by Grant Projects from China CDM Fund (No.2014130); National Natural Science Foundation of China (No.71373134)

责任作者

王军锋(1977-), 男, 河南漯河人, 副教授, 博士, 主要从事环境经济与管理、循环经济与低碳发展研究, jfwangnk@126.com

作者简介

张宁(1982-), 男, 天津人, 工程师, 硕士, 主要从事低碳发展研究和环境管理研究, tjghglist@126.com

文章历史

收稿日期:2017-06-04
修订日期:2017-08-28
碳交易背景下天津市电力行业碳排放强度与基准线
张宁1,3 , 贺姝峒2 , 王军锋2 , 陈颖1 , 康磊1     
1. 天津市环境保护科学研究院, 天津 300191;
2. 南开大学循环经济与低碳发展研究中心, 天津 300071;
3. 河北工业大学, 天津 300401
摘要:电力行业是我国碳排放权交易体系中的重要参与行业,开展区域电力行业碳排放强度分析与基准线设置研究,不仅有利于区域因地制宜地开展行业碳减排工作,同时对全国统一碳市场的建立尤其是电力行业配额分配方案的确定具有重要参考价值.基于天津市2014年15家主要发电企业的32台发电机组数据,在核算分析天津市电力行业碳排放强度的基础上,设置实际排放情景、现行标准先进值情景及综合减排情景等3组基准线情景,并展开对天津市电力行业碳减排的适用性分析.研究表明:①在数据和统计基础较好、产品单一的行业采用基准法进行配额分配,有利于碳市场资源的公平、合理配置,可有效促进区域电力行业低碳发展;②2014年天津市电力行业碳排放强度为822.9 g/(kW·h),燃煤发电与燃气发电碳排放强度分别为824.4与502.0 g/(kW·h);③发电碳排放强度可反应出单台机组的能耗和管理水平,燃煤发电方式下,采用压力参数高、机组容量大的机组发电更有利于降低区域碳强度;④综合减排情景既考虑了本地区电力行业碳排放水平,同时参考了其他省市基准线设定,对部分类型机组数量较少、代表性不足的地区适用性更强,该情景对地区电力行业低碳水平要求最为严格,虽然为企业减排带来一定压力,但更有利于区域行业减排,且对于排放强度较高的较小容量机组能够起到更强的激励作用.
关键词电力行业    碳排放强度    基准线    碳交易    配额分配    
Carbon Intensity and Benchmarking Analysis of Power Industry in Tianjin under the Context of Cap-and-Trade
ZHANG Ning1,3 , HE Shutong2 , WANG Junfeng2 , CHEN Ying1 , KANG Lei1     
1. Tianjin Academy of Environmental Sciences, Tianjin 300191, China;
2. Circular Economy and Low Carbon Development Research Center, Nankai University, Tianjin 300071, China;
3. Hebei University of Technology, Tianjin 300401, China
Abstract: Power industry is one of the key participants in the cap-and-trade system of China. The research of regional carbon intensity and benchmarking of power industry conduces to proposing measures for regional carbon emissions reduction and meanwhile has great reference value for constructing the cap-and-trade system of China, especially for allowance allocation. By adopting data from 15 major power plants with 32 generator units in Tianjin City, we firstly calculated and analyzed the regional carbon intensity of power industry and then designed three scenarios for carbon emissions benchmarking along with an analysis of applicability for Tianjin City, which are actual emissions scenario, advanced value of current standards scenario and comprehensive emissions reduction scenario. The study shows: (1) In the industries with solid database and single product, adopting benchmarking method in allowance allocation is propitious to the rational distribution of carbon markets resources, hence promoting the low-carbon development of regional power industry. (2) The carbon intensity of Tianjin's power industry is 822.9 g/(kW·h) in 2014 and the intensity for coal-fired power and gas-fired power are 824.4 and 502.0 g/(kW·h) respectively. (3) Carbon intensity of electricity generation reflects the level of energy consumption and management of specific units. Coal-fired power units with high pressure and capacity conduce to the reduction of regional carbon emission from power industry. (4) Comprehensive emission reduction scenario is suitable for regions lacking local units, which is set under the consideration of both local carbon emission level and the benchmarking of other pilot provinces. As the toughest sets of benchmarking, the scenario might bring more pressure on the power companies, but the incentive effect for regional reduction is non-negligible, especially for companies running low capacity units with relatively high intensity.
Keywords: power industry    carbon intensity    benchmarking    cap-and-trade    allowance allocation    

气候变化问题是当前人类发展面临的重要挑战,积极应对气候变化并早日实现CO2排放达到峰值是我国对国际社会的一项重要承诺.电力是社会经济发展不可或缺的优质能源,具有清洁经济、输送安全、使用方便等优点,因此受到广泛应用[1].然而,在以火力发电为主要发电方式的国家或地区,电力行业往往呈现高污染、高能耗的特征,造成CO2的集中大量排放等对环境的不利影响[1-2].

自2013年起,北京、上海、天津、重庆、湖北、广东和深圳等七省市已陆续开展碳交易试点工作,为我国建立全国统一碳市场提供了丰富的实践经验.碳排放权交易配额初始分配的常用方法主要有祖父法、基准线法及拍卖法[3],前二者属于免费配额分配方法,后者为有偿分配方法.基准线法指基于行业碳排放强度(每单位产品产出的CO2排放量)参考值及产品产量确定的免费配额发放量[4].相比于祖父法,基准线法虽然对基础数据规模及质量要求更高,但可以在机制上避免“鞭打快牛”的问题,可激励处于各排放水平的企业进行温室气体减排[5-7].目前,上海、广东、湖北、深圳及福建等地已在电力行业制定并采用了基准线配额分配方法,但天津作为国内最早启动碳交易工作的试点城市之一,其电力行业的碳排放强度及行业基准线仍有待深入研究.

天津是我国北方最大的沿海开放城市,是环渤海地区的经济中心,在区域经济和全国经济发展中具有重要地位和作用.天津市的经济社会发展离不开电力能源的支撑,但其电力生产几乎全部来自于火力发电,到2015年全市可再生能源比重仍仅占3.0%[8],火力发电过程化石能源使用造成的碳排放问题不容忽视.与此同时,天津市一直以来积极推进应对气候变化工作,提出推动全市碳排放在2025年左右达到峰值,钢铁、电力等行业率先实现达峰[9],并且在电力行业企业碳排放数据统计与核算方面具有丰富经验.因此,研究分析天津市电力行业碳排放基准线,对减缓区域碳排放、改进试点碳市场配额分配方法具有重要意义,同时对确定全国统一碳市场电力行业配额分配方案具有极大的参考价值.

发电碳排放核算是研究电力行业碳排放相关问题的基础,《IPCC国家温室气体清单指南(2006)》、《省级温室气体清单编制指南(试行)》、ISO14064、GHG Protocol等应用广泛的指南或标准已从不同角度提供了各类碳排放核算方法[10-13],学界也有诸多研究对发电侧碳排放的核算方法进行了总结与分析[14-17].目前,对区域发电碳排放的核算方法可分为两类思路——“自上而下”与“自下而上”.其中,“自上而下”的核算思路一般通过区域(省市、国家等)发电过程能源消费总量与IPCC排放因子缺省值或地区排放因子缺省值来核算某一区域CO2排放量;“自下而上”方法则使用发电企业数据(即燃料分析数据或监测数据),以电厂或机组为基本单元核算发电侧不同范围的碳排放量或排放强度,并进一步分析机组、燃料指标等微观因素对发电侧碳排放的影响.吴晓蔚等[18]采用监测方法,在遵循IPCC质量保证与控制原则的前提下,利用红外气体分析仪及烟尘分析仪在线监测了全国30台火力发电机组的CO2与N2O排放量,并通过数据处理得出排放因子,研究表明,CO2排放因子的主要影响因素有装机容量、燃料品种与质量、机组使用与维护情况等,监测数据得出的烟煤、褐煤的CO2排放因子在IPCC公布的缺省排放因子95%置信区间内,而贫煤的排放因子大于缺省值.李进等[19]在IPCC计算方法的基础上,进一步解析燃煤发电机组的碳排放源,从化石燃料燃烧和脱硫过程两方面核算了11个燃煤电厂40台机组发电的碳排放量及碳排放强度,分析结果表明,使用大容量超临界锅炉的机组在降低碳排放方面具有明显优势,但对于200~300 MW的机组,CO2排放强度受煤耗、含碳量、低位发热值影响较大.卫冬丽[16]以10个典型火电厂为研究对象,具体分析了电厂煤炭发热量、灰分、硫分、水分等指标数据,采用BP神经网络测算收到基含碳量,并计算了电厂碳排放量,研究表明,IPCC指南中核算碳排放的缺省值对计算我国电厂碳排放不直接适用. Seifert等[20]采用非参数数据包络分析法研究了德国2003—2010年共1 459个火力发电机组样本,分析其技术效率与CO2减排的关系,结果表明,长期来看将燃煤发电转变为燃气发电具有较大的CO2减排潜力,短期内应关注各类化石燃料发电机组的内部效率差异,重点改进低效率机组的运行.

在我国碳排放权交易市场建设中,配额分配是一项富有挑战性的基础工作[21].现有研究[7, 22-23]认为,用拍卖的方式分配企业配额会造成企业负担过重,如在碳市场建设初期就采用拍卖方式,将不利于碳市场的推广;但随着碳市场的发展,拍卖方式将逐渐替代基于历史法和基准线法的配额免费分配方式.并且,为达到更优的碳减排效果,我国应将历史法为主的配额分配方法转变为基准线法,以便更加准确地反映企业真实排放水平,并以此奖励那些较早采取减排措施的企业[24].基于上述认识,许多研究关注了基准线法配额分配相关的方法合理性、碳泄漏及区域碳强度目标等问题[25-27].在配额分配基准线设置方面,CHEN等[28]选取天津市热力行业27台供热机组为样本,核算分析了热力行业碳排放强度,并针对供热锅炉和热电机组两类情况,分别提出了3种基准线设置情景,最终得出适合当地情况的热力行业碳排放基准线及相应的减排量.同样在热力行业,常莎莎等[29]基于沈阳市72家供热企业的调研数据,核算分析了不同热源形式的碳排放强度,在考虑当地行业特征的前提下设置了6种基准线情景,并最终选择技术领先前40%企业情境下的基准值作为当地热力行业的碳排放基准线.

目前已有一些研究采用机组级别的数据对电力行业碳排放强度展开研究,但很少将范围集中在某一行政区域上,不能为区域电力行业减排工作提供足够的支撑;此外,目前仍缺乏对区域电力行业确定配额分配基准线方法与案例的研究.鉴于上述分析,本研究拟采用发电机组数据,通过CO2核算识别区域发电过程的碳排放来源、结构、特点,摸清区域电力行业碳排放情况,并通过情景分析探究适合区域行业特征、能够促进碳市场发展的配额分配基准线设置方法,以期为制订行业减排政策、推动行业碳市场发展提供参考.

1 研究方法 1.1 电力行业碳排放量与排放强度计算方法

计算电力行业碳排放量与排放强度,应首先明确排放源,其次分别计算发电过程中各机组、各排放源的CO2排放量,最后根据各机组碳排放量与发电量计算得出机组碳排放强度,并通过加权平均得出天津市电力行业碳排放强度.

电力行业CO2直接排放包括火力发电机组的两类排放源:①发电过程化石燃料燃烧产生的CO2排放量,包括燃煤电厂消耗的烟煤,燃气电厂消耗的天然气以及发电锅炉助燃柴油等;②石灰石-石膏湿法脱硫环节产生的工业生产过程CO2排放量.根据《天津市电力热力行业碳排放核算指南(试行)》(下称《指南》)[30]计算以上两类排放源产生的直接CO2排放量.

a) 化石燃料燃烧产生的CO2排放

化石燃料燃烧CO2排放量主要基于分燃料品种的燃料消费量、燃料低位发热值、单位热值含碳量和碳氧化率计算得到,按式(1)计算.

$ {E_{{\rm{C}}{{\rm{O}}_2}-{\rm{ff}}}} = \sum\limits_{i = 1}^n {\left( {{\rm{A}}{{\rm{D}}_i} \times {H_i} \times {F_{{\rm{c}}{{\rm{h}}_i}}} \times {F_{{\rm{o}}{{\rm{x}}_i}}} \times \frac{{44}}{{12}}} \right)} $ (1)

式中:ECO2-ff为化石燃料燃烧产生的CO2排放量,t;i为燃料品种,包括烟煤、天然气、柴油等;ADi表示燃料i的消费量,t;Hi为燃料i的低位发热值,TJ/t;Fchi表示燃料i的单位热值含碳量,t/TJ(以C计);Foxi是燃料i的碳氧化率,%.

b) 石灰石-石膏湿法脱硫过程产生的CO2排放

脱硫过程CO2排放仅包括使用石灰石-石膏湿法脱硫技术产生的CO2排放,不包括氧化镁法、碱法等其他脱硫技术.基于湿法脱硫化学反应原理,根据物料平衡思想,可通过煤消费量、煤收到基全硫、石灰石-石膏湿法脱硫效率等数据进一步计算得到石灰石-石膏湿法脱硫过程中的CO2排放量,公式如下:

$ {E_{{\rm{C}}{{\rm{O}}_2}-{\rm{ff}}}} = {\rm{A}}{{\rm{D}}_i} \times S \times \eta \times \frac{{44}}{{12}} $ (2)

式中:ECO2-pp为统计期间烟气脱硫处理下的CO2产生量,t;ADs为统计期间耗煤量,t;S为统计期间使用的煤的收到基全硫,%;η为石灰石-石膏湿法脱硫效率,%.

c) 机组及天津市发电碳排放强度

首先将以t为单位的ECO2-ffECO2-pp换算为以g为单位的排放量,然后进行碳强度计算.火力发电各机组发电碳排放强度按公式(3)计算:

$ {E_{{\rm{C}}{{\rm{O}}_2}-j}} = \frac{{{E_{{\rm{C}}{{\rm{O}}_2}-{\rm{f}}{{\rm{f}}_j}}} + {E_{{\rm{C}}{{\rm{O}}_2}-{\rm{p}}{{\rm{p}}_j}}}}}{{{\rm{P}}{{\rm{G}}_j}}} $ (3)

式中:EICO2-j为火力发电厂j发电碳排放强度,g/(kW·h);PGj表示火力发电厂j的发电量,kW·h.

基于电厂数据的天津市火力发电碳排放强度按式(4)计算:

$ {E_{{\rm{C}}{{\rm{O}}_2}-{\rm{TJ}}}} = \frac{{\sum\limits_{j = 1}^n {\left( {{E_{{\rm{C}}{{\rm{O}}_2}-{\rm{f}}{{\rm{f}}_j}}} + {E_{{\rm{C}}{{\rm{O}}_2}-{\rm{p}}{{\rm{p}}_j}}}} \right)} }}{{\sum\limits_{j = 1}^n {{\rm{P}}{{\rm{G}}_j}} }} $ (4)

式中:EICO2-TJ为天津市火力发电碳排放强度,g/(kW·h).

1.2 行业基准线情景设置方法

电力行业碳排放基准线指在考虑当地技术与经济水平的情况下某一可能出现的排放水平.为科学合理地设置基准线,应做到充分考虑实际情况、使用可靠且透明的方法学、计算过程简单易行,并可进一步计算得出企业或地区的应减排量.目前行业基准线的确定主要有以下标准:①依据当年实际排放量确定,可划定行业一定比例的企业达到基准线;②依据历史实际排放量确定,可划定行业一定比例的企业达到基准线;③依据当地行业排放标准确定或考其他省市的相关标准;④考虑企业投资与经营,选择具有经济吸引力的主流排放水平作为基准线[28-29].

综合考虑天津市电力行业实际技术水平与机组构成情况,该研究设置以下3种天津市电力行业碳排放基准线情景.

情景1:实际排放情景.该情景考虑天津市电力行业当年实际排放量,将天津市2014年各类发电机组单位发电碳排放量的加权平均值设置为基准线.

情景2:现行标准先进值情景.该情景燃煤发电部分基于GB 21258—2013《常规燃煤发电机组单位产品能源消耗限额》中的供电煤耗先进值,燃气发电部分基于DB 65/T 3251—2011《清洁生产标准燃气发电行业》国内单位产品综合能耗领先水平值,依据上述碳排放计算方法,将计算得出的排放强度设置为基准线.

情景3:综合减排情景.该情景主要依据仍为天津市当年实际排放情况,但对于数量较少、数据代表性较差的机组类别,综合参考其他省市的基准线值,以实现更为严格的减排目标.

1.3 数据来源

该研究基于2014年天津市15家主要火力发电厂的数据,具体包括机组发电量、燃料消费量及相关参数等.其中,发电量及化石燃料消费量数据依据《指南》要求获取并核对,与企业实际消耗的数据一致.相关参数具体细分为以下4类,数据获取标准如下:

a) 企业发电锅炉所用烟煤、天然气低位发热值为符合《指南》监测标准的监测值;柴油低位发热值采用《指南》中的缺省值.

b) 烟煤、天然气、柴油单位热值含碳量、氧化率等相关参数均采用《指南》中的缺省值.

c) 煤的收到基全硫采用监测分析仪读数或按照GB/T 214—2007《煤中全硫的测定方法》进行测定.

d) 石灰石-石膏湿法脱硫效率为企业在线监测系统年平均数据.

2 结果与讨论 2.1 电力行业碳排放强度

天津市15家电力行业样本企业2014年发电总量占当年天津市总发电量87%,对分析区域情况具有代表性.样本企业包括14家燃煤发电企业和1家天然气发电企业.燃煤发电企业现运行发电机组共31台,可将其按锅炉压力与机组容量分为5类:①超超临界1 000 MW机组,共2台,以A1-A2表示;②超临界500 MW机组,共2台,以B1-B2表示;③亚临界600 MW机组,共2台,以C1-C2表示;④亚临界300 MW机组,共14台,以D1-D14表示;⑤超高压及以下、300 MW以下机组,共11台,以E1-E11表示. 2014年5类燃煤发电机组及燃气发电机组占天津市总发电量比例分别为18.2%、10.1%、10.9%、39.0%、8.4%和0.4%,其中亚临界300 MW机组为天津市主力发电机组类别.

机组煤耗是衡量机组效率的重要指标之一[31].如图 1所示,通过比较2014年天津市火电煤耗与同年中国及日本平均水平可以看出,天津市平均煤耗297.8 g/(kW·h)(以标准煤计),略优于全国300 g/(kW·h)的平均水平,但距离日本九大电力公司平均发电煤耗水平仍有较大差距.然而,从机组煤耗水平来看,天津市仅超超临界、超临界及少数亚临界发电机组煤耗优于国家及全市平均水平,其余300 MW以上容量机组煤耗均在300~310 g/(kW·h)之间.

图 1 天津市火力发电煤耗水平比较 Fig.1 The Comparison on coal consumption of thermal power generation in Tianjin

从2014样本企业火力发电产生的碳排放量来看,99.67%的电力行业碳排放来自化石燃料燃烧,仅0.33%由脱硫过程导致.

依据样本数据,2014年天津市电力行业碳排放强度为822.9 g/(kW·h),煤电碳排放强度为824.4 g/(kW·h),天然气发电碳排放强度为502.0 g/(kW·h).在煤电机组中,超超临界1 000 MW机组、超临界500 MW机组、亚临界600 MW机组、亚临界300 MW机组,及超高压及以下、300 MW以下机组的碳排放强度分别为756.1、817.9、848.8、831.1、918.2 g/(kW·h),各类机组发电量及碳排放强度如图 2所示.

图 2 天津市各类机组发电量与碳排放强度 Fig.2 Carbon emissions and carbon intensity of each group in Tianjin

图 2所示,天然气发电机组的碳排放强度为502.0 g/(kW·h),远小于燃煤发电碳排放强度值.其原因主要有两点:①天然气与煤性质上的差异,即燃烧同样热值的天然气和煤炭,前者的碳排放量要低于后者;②天然气发电机组热效率高于目前所有燃煤发电机组[32].相比于目前技术已十分领先的超超临界1 000 MW燃煤机组,燃气机组单位发电CO2排放量仅为前者的66.39%.从国际经验来看,美国、俄罗斯及欧盟均已通过将燃煤发电转变为燃气发电减少了大量的碳排放,燃气发电在减排CO2方面优势显著[33].

对于燃煤发电机组,压力越高、机组容量越大,其发电碳排放强度越小(见图 2).亚临界机组中,燃煤第三类的600 MW机组相比于第四类的300 MW机组无显著减排优势,在此案例中碳排放强度高于后者.超高压及以下、300 MW以下机组的碳排放强度高出其他机组15%左右,小规模机组对降低CO2排放有不利作用.

2.2 电力行业基准线情景设置与分析

该研究对五类燃煤发电机组及燃气发电机组分别设置3种基准线情景,如表 1所示.

表 1 天津市电力行业基准线情景设置 Table 1 Scenarios of benchmarking in Tianjin′s power sector

情景1中各类机组基准值为天津市2014年各类机组发电平均碳排放强度,在此情景下,有46.67%的企业需要通过购买碳配额、进行设备改造、加强管理等方式实现减排、完成履约.虽然这一结果能够有效促进天津市电力行业总体减排,但部分机组类别不适用于该情景.天津市样本机组仅覆盖超超临界1 000 MW机组企业、超临界500 MW机组、亚临界600 MW机组、燃气机组各1家,情景1中这4家企业自身的排放强度即为行业基准线,情景1的基准线无法起到激励这一部分企业减排的作用.

情景2基准线通过行业标准能耗先进值演算得出,该基准线低于天津市碳强度平均水平,仅6.67%的企业需要进一步采取减排措施,不利于实现有效促进天津市电力行业减排的作用.

情景3主要考虑天津市实际排放情况,综合参考福建、广东、上海、深圳、湖北各省市的基准线值(见表 2),制订更为严格的碳排放基准线.具体而言,对亚临界300 MW机组及超高压及以下、300 MW以下机组取天津市前40%企业对应的碳排放强度水平;对其他3类燃煤机组综合考虑天津市与上述五省市的排放水平,去掉各组基准线值中的最高值与最低值,其余数据取平均值作为天津市该类型机组的碳排放基准线;由于其他省市没有与天津市机组型号一致的燃气发电机组基准线,对燃气机组仍取天津市平均值.在此情境下,天津市将有66.67%的电力行业企业需要采取减排措施以完成履约,其中绝大多数为采用亚临界300 MW机组及超高压及以下、300 MW以下机组发电的企业.因此,本文认为采取情景3的基准线更有利于天津市电力行业减排二氧化碳,且对于排放强度较高的较小容量机组能够起到更强的激励作用.

表 2 各省市配额分配碳排放基准线值 Table 2 Benchmarking for allowance allocation in pilot areas
3 结论

a) 在数据和统计基础较好、产品单一的行业采用基准线法进行配额分配,有利于碳市场资源的公平、合理配置;该研究结果丰富了对我国北方地区电力行业基准线的研究,对天津市案例进行了3种基准线情景设置,有利于深化天津碳排放权交易试点配额分配工作,可有效促进区域电力行业低碳发展.

b) 天津市2014年电力行业碳排放强度为822.9 g/(kW·h),煤电碳排放平均强度为824.4 g/(kW·h),天然气发电碳排放强度为502.0 g/(kW·h);天然气发电的碳排放强度显著低于燃煤发电,增加天然气发电比例有助于区域电力行业CO2减排.

c) 天津市300 MW以上机组占天津市总发电量近80%,其中亚临界300 MW为天津市主力发电机组;发电碳排放强度可反映出单台机组的能耗和管理水平,对于燃煤机组,压力越高、机组容量越大,其发电碳排放强度越小.

d) 综合减排情景设置方法既考虑了本地区电力行业碳排放水平,同时参考了其他省市基准线设定,对部分类型机组数量较少、代表性不足的地区适用性更强;该情景对地区电力行业低碳水平要求最为严格,虽然为企业减排带来一定压力,但更有利于区域行业减排,且对于排放强度较高的较小容量机组能够起到更强的激励作用.

参考文献
[1]
马翠梅, 李士成, 葛全胜. 省级电网温室气体排放因子研究[J]. 资源科学, 2014, 36(5): 1005-1012.
MA Cuimei, LI Shicheng, GE Quansheng. Greenhouse gas emission factors for grid electricity for Chinese provinces[J]. Resources Science, 2014, 36(5): 1005-1012. (0)
[2]
刘生龙, 高宇宁, 胡鞍钢. 电力消费与中国经济增长[J]. 产业经济研究, 2014(3): 71-80.
LIU Shenglong, GAO Yuning, HU Angang. Electricity consumption and China's economic growth[J]. Industrial Economics Research, 2014(3): 71-80. (0)
[3]
ZETTERBERG L, WRAKE M, STERNER T, et al. Short-run allocation of emissions allowances and long-term goals for climate policy[J]. Ambio, 2012, 41(1): 23-32. DOI:10.1007/s13280-011-0222-9 (0)
[4]
EDWARDS T H, HUTTON J P. Allocation of carbon permits within a country:a general equilibrium analysis of the United Kingdom[J]. Energy Economics, 1999, 23(4): 371-386. (0)
[5]
PHILIPPE Q. Historic versus output-based allocation of GHG tradable allowances:a comparison[J]. Climate Policy, 2009, 9(6): 575-592. DOI:10.3763/cpol.2008.0618 (0)
[6]
ZETTERBERG L. Benchmarking in the European Union Emissions Trading System:abatement incentives[J]. Energy Economics, 2014, 43(2): 218-224. (0)
[7]
齐绍洲, 王班班. 碳交易初始配额分配:模式与方法的比较分析[J]. 武汉大学学报(哲学社会科学版), 2013, 66(5): 19-28.
QI Shaozhou, WANG Banban. Initial allowances allocation in carbon trading:comparison of modes and methods[J]. Wuhan University Journal (Philosophy & Social Sciences), 2013, 66(5): 19-28. (0)
[8]
天津市发展和改革委员会. 市发展改革委关于印发天津市可再生能源发展"十三五"规划的通知: 津发改能源[2016] 1154号[EB/OL]. 天津: 天津市发展和改革委员会, 2016[2017-04-24]. ] http://www.tjdpc.gov.cn/dtzx/tzgg/201612/t20161219_63976.shtml. (0)
[9]
天津市人民政府办公厅. 天津市人民政府办公厅关于印发天津市"十三五"控制温室气体排放工作实施方案的通知: 津政办发[2017] 35号[EB/OL]. 天津: 天津市人民政府办公厅, 2017[2017-04-24]. http://gk.tj.gov.cn/gkml/000125022/201703/t20170314_70470.shtml. (0)
[10]
IPCC. 2006 IPCC guidelines for national greenhouse gas inventories, Volume 2: energy, Chapter 2: stationary combustion[EB/OL]. Switzerland: Intergovernmental Panel on Climate Change, 2006[2017-06-20]. http://www.ipcc-nggip.iges.or.jp/public/2006gl/pdf/2_Volume2/V2_2_Ch2_Stationary_Combustion.pdf. (0)
[11]
国家发展和改革委员会. 省级温室气体清单编制指南(试行)[EB/OL]. 北京: 国家发展和改革委员会, 2011[2017-04-24]. http://www.cbcsd.org.cn/sjk/nengyuan/standard/home/20140113/download/shengjiwenshiqiti.pdf. (0)
[12]
ISO. ISO 14064-1: 2006: Greenhouse gases Part 1-specification with guidance at the organization level for quantification and reporting of greenhouse gas emissions and removals[S]. Switzerland: International Organization for Standardization, 2006. (0)
[13]
Greenhouse Gas Protocol. A corporate accounting and reporting standard: revised edition[EB/OL]. USA: World Resources Institute and World Business Council for Sustainable Development, 2004[2017-06-20]. http://www.ghgprotocol.org/corporate-standard. (0)
[14]
于海琴, 李进, 安洪光, 等. 火力发电企业CO2排放量和减排分析[J]. 北京交通大学学报, 2010, 34(3): 101-105.
YU Haiqin, LI Jin, AN Hongguang, et al. Analysis on carbon dioxide emission and reduction of thermal power plant[J]. Journal of Beijing Jiaotong University, 2010, 34(3): 101-105. (0)
[15]
刘睿, 翟相彬. 中国燃煤电厂碳排放量计算及分析[J]. 生态环境学报, 2014(7): 1164-1169.
LIU Rui, ZHAI Xiangbin. Calculation of carbon emissions from China coal plants and the reduction suggestion[J]. Ecology and Environmental Sciences, 2014(7): 1164-1169. (0)
[16]
卫冬丽. 中国燃煤电厂二氧化碳排放量计算方法研究[D]. 北京: 北京交通大学, 2014. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y2602553 (0)
[17]
曲舒. 中国火电企业低碳经济发展研究[D]. 哈尔滨: 哈尔滨工业大学, 2014. paperuri:(a5fad95ad2f06322f2571814bb67deca) (0)
[18]
吴晓蔚, 朱法华, 杨金田, 等. 火力发电行业温室气体排放因子测算[J]. 环境科学研究, 2010, 23(2): 170-176.
WU Xiaowei, ZHU Fahua, YANG Jintian, et al. Measurements of emission factors of greenhouse gas (CO2, N2O) from thermal power plants in China[J]. Research of Environmental Sciences, 2010, 23(2): 170-176. (0)
[19]
李进, 于海琴, 陈蕊. 燃煤发电厂CO2排放强度计算方法解析与应用[J]. 环境工程学报, 2015, 9(7): 3419-3425.
LI Jin, YU Haiqin, CHEN Rui. Analysis and application of calculating method for CO2 emission intensity per unit of electricity generation in coal-fired power plants[J]. Chinese Journal of Environmental Engineering, 2015, 9(7): 3419-3425. DOI:10.12030/j.cjee.20150756 (0)
[20]
SEIFERT S, CULLMANN A, HIRSCHHAUSEN C V. Technical efficiency and CO2 reduction potentials:an analysis of the German electricity and heat generating sector[J]. Energy Economics, 2016, 56: 9-19. DOI:10.1016/j.eneco.2016.02.020 (0)
[21]
JIANG Jingjing, XIE Dejun, YE Bin, et al. Research on China's cap-and-trade carbon emission trading scheme:overview and outlook[J]. Applied Energy, 2016, 178: 902-917. DOI:10.1016/j.apenergy.2016.06.100 (0)
[22]
HUBLER M, VOIGT S, LOSCHEL A. Designing an emissions trading scheme for China:an up-to-date climate policy assessment[J]. Energy Policy, 2014, 75(6): 57-72. (0)
[23]
CONG Ronggang, WEI Yiming. Experimental comparison of impact of auction format on carbon allowance market[J]. Renewable & Sustainable Energy Reviews, 2012, 16(6): 4148-4156. (0)
[24]
XIONG Ling, SHEN Bo, QI Shaozhou, et al. Assessment of allowance mechanism in China's carbon trading pilots[J]. Energy Procedia, 2015, 75: 2510-2515. DOI:10.1016/j.egypro.2015.07.249 (0)
[25]
ZHOU Jieting, DUAN Maosheng, LIU Chunmei. Output-based allowance allocations under China's carbon intensity target[J]. Energy Procedia, 2011, 5: 1904-1909. DOI:10.1016/j.egypro.2011.03.327 (0)
[26]
MONJON S, QUIRION P. Addressing leakage in the EU ETS:border adjustment or output-based allocation?[J]. Ecological Economics, 2011, 70(11): 1957-1971. DOI:10.1016/j.ecolecon.2011.04.020 (0)
[27]
CONG Ronggang, WEI Yiming. Potential impact of (CET) carbon emissions trading on China's power sector:a perspective from different allowance allocation options[J]. Energy, 2010, 35(9): 3921-3931. DOI:10.1016/j.energy.2010.06.013 (0)
[28]
CHEN Gaofeng, ZHENG Xuejing, CONG Lin. Energy efficiency and carbon dioxide emissions reduction opportunities in district heating source in Tianjin[J]. Front Energy, 2012, 6(3): 285-295. DOI:10.1007/s11708-012-0197-7 (0)
[29]
常莎莎, 郗凤明, 毕垒, 等. 供热行业碳排放基准线研究:以沈阳市为例[J]. 气候变化研究进展, 2016, 12(6): 554-560.
CHANG Shasha, XI Fengming, BI Lei, et al. The carbon emission baseline from heating industry:a case study in Shenyang City[J]. Climate Change Research, 2016, 12(6): 554-560. DOI:10.12006/j.issn.1673-1719.2016.023 (0)
[30]
天津市发展和改革委员会. 天津市发展改革委关于开展碳排放权交易试点工作的通知: 津发改环资[2013] 1345号[EB/OL]. 天津: 天津市发展和改革委员会, 2013[2017-04-24]. http://gk.tj.gov.cn/gkml/000125209/201401/t20140102_12663.shtml. (0)
[31]
MA Xuejiao, WANG Yong, WANG Chen. Low-carbon development of China's thermal power industry based on an international comparison:review, analysis and forecast[J]. Renewable and Sustainable Energy Reviews, 2017, 80: 942-970. DOI:10.1016/j.rser.2017.05.102 (0)
[32]
MENG Ming, JING Kaiqiang, MANDER S. Scenario analysis of CO2 emissions from China's electric power industry[J]. Journal of Cleaner Production, 2017, 142: 3101-3108. DOI:10.1016/j.jclepro.2016.10.157 (0)
[33]
YANG Jing, WU Jingli, HE Tao, et al. Energy gases and related carbon emissions in China[J]. Resources Conservation & Recycling, 2016, 113: 140-148. (0)