化工生产论文：中国能源生产与消费趋势预测和碳排放研究

化工生产论文：中国能源生产与消费趋势预测和碳排放研究摘要:为合理、科学地对能源结构进行调整和优化,提出了能源结构的双组份模型。

由统计检验估计法,对模型中的能源生产与消费的相关系数进行了预测估计。

依据中国统计年鉴2008年数据,对我国2014年能源生产与能源消费的预测结果分别为24·26×108t标准煤及27·15×108t标准煤。

利用预测的能源消费总量、结构与碳排放量之间的关系式———即单位能耗碳排放系数的表达式,预测中国2012年的碳排放量为21·87×108t标准煤,且有上升趋势,并提出了相关的能源对策。

关键词:能源结构;双组份模型;统计检验估计法;碳排放能源在国民经济、社会发展及建设和谐、资源节约型社会等方面具有举足轻重的作用,世界各国都将能源列为非常重要的问题给予高度重视。

我国“十一五”也要求降低单位GDP能耗,将调整经济结构、向低碳经济转型列为重要目标。

在2009年召开的哥本哈根联合国气候会议上,各国就未来应对气候变化的全球行动签署了新的协议,我国也承诺根据国情采取自主行动,减缓温室气体排放。

全球聚焦低碳,能源结构问题成为了新的社会热点。

多年来,国内外对低碳经济与节能减排开展了大量的研究。

国外方面,Neil Stra-chan等[1]总结发展了一个针对英国的
新的混合MARKAL-MACRO能源系统模型,模拟分析了英国强制性长期削减60%的二氧化碳排放量的指标是可行的,利用模型灵敏度进一步说明了一系列能源系统的相互作用;DonaldHanson[2]利用全模块化工业增长评估系统对政策中的低碳技术进行了综合分析,并对能源投资效益进行了改善;ReyerGerlagh[3]提出了一种与资本、劳动力和碳能源相关的内源性模型,针对气候变化的政策,在碳生产与节约方面进行了创新。

国内方面,Youguo Zhang[4]对中国与生产相关的二氧化碳排放量进行了结构分解分析,优化了供给方面的结构并提出了降低碳排放的方案,以控制未来的碳排放量; Jun Li 等[5]分析了中国能源效率(BEE)对减轻气候变化的作用,并提出了控制温室气体排放的重要意义;庄贵阳[6]概述了“十一五”规划提出节能减排目标的背景,总结了目前节能减排工作取得的成绩和存在的困难,提出了中国发展低碳经济的政策建议。

在本研究中首先建立了一个能源结构的埃农映射[7],分析了中国能源生产与消费的关系,并以2007年为基准年,预测未来几年能源结构的发展趋势,在此基础上对中国碳排放量进行研究,并提出相关的能源对策。

1模型建立
能源结构埃农映射的表达式
为:
xn+1=1-ax2n+ynyn+1=bxn+η(1)
式中:xn表示能源生产总量N与能源生产预测量K1的比值;yn表示能源消费总量M与能源消费预测量K2的比值;a 表示当年能源生产总量对下一年能源生产总量具有扩张作用也有潜力作用;b表示能源消费总量与能源生产总量成正比;η称为生产折耗项或消费滞后项;其中a,b,η均为估计参数。

整理方程组(1)可以得到
xn+1=1-ax2n+bxn-1+ηxn+1=-ax2n+bxn+1+ε+η令c=1+ε+η,y=xn+1,x=xn,
对上式进行变形,得到下列非线性方程:
y =-ax2+bx+c (2)
在对方程(2)进行估计的时候,应当把定性分析和定量的统计检验结合起来考虑。

由于在样本数据{Nn}已知的情况下,包含着K1的信息,因此合理的参数估计方法是:以样本数据{Nn}为依据,以判定系数R2或回归标准误差SER为标准确定能源生产预测量K1,代入公式xn=NnK1中,算出K1值下的{xn},然后利用最小二乘法估计得到相应的参数。

2模型分析
埃农映射的雅可比矩阵及其行列式分别为:
J = xn+1 xn yn+1 xn xn+1 yn yn+1
yn=-2axn1b0;|J |=-2axn1b0=-b可见b≠0时,
埃农映射是可逆的;若b=0,埃农映射便退化为不可逆(二次)的一维映射。

埃农映射的两个定点是:
xf= [b-1±(b-1)2+4a(1+η)] /2a,yf=bxf+η
雅可比矩阵在此两点的特征值是:
λ=-axf±a2x2f+b令a0=-(b-1)2/4,a1=3(b-1)2/4
取
b=0·3,于是:a0=-0·1225,a1=0·3675当a>a0
时,两个定点x1和x2都是实的。

对于定点x2,两特征值中一个|λ|<1,另一个|λ|>1,因此x2总是不稳鞍点。

对于定点x1,其一特征值也总是|λ|<1,另一特征值则在a<a1时, |λ|<1,而在a>a1时变为|λ|>1。

故x1在a<a1是稳定的结点。

在a>a1时也变为不稳鞍点。

故在埃农映射中,只有当a在区间(a0,a1)时,系统才可能有平凡吸引子x1。

当a>a1时,定点都不稳,出现周期(2P)振荡。

继续增大a,相继出现22P、23P、…周期振荡。

故a1是倍周期分岔点。

令a∞=1·058048,当a>a∞时,周期振荡也不稳定,系统便进入混沌运动状态。

由此可见,在非线性动力学环境下,能源生产与消费的埃农映射模型随着能源经济增长系统的变化具有复杂性,能协调能源生产与消费之间的联系,能够准确地刻划能源状态。

3对中国能源生产的实证研究
表1为2000—2007年中国能源生产总量的统计资料[8],如描出散点图可以看出,总体上实际能源生产总量处于增长阶段。

根据表1的数据和中国能源生产的实际情况,先确定出未来10年K1的大概取值范围[320 000, 460 000]( 104t标准煤),然后利用计算机进行选点计算,得到表2的回归分析结果。

由表2可知,当K1=360 000(10t标准煤)时,判定系数R=0·990 2,拟合度最高(如果要得到精度更高的结果,可以在360 000附近继续选点来进行模拟)。

将a,b, c代入方程(2)中可以得到下式:
y =-1·925 7x2+2·917x-0·417 3
两边同乘以K1得到Nn+1=-5·349
2×10-6N2n+2·917Nn-150 228(3)
可以用上式来分析评价中国未来能源生产的一般状况。

我国2001—2007年能源生产预测总量与实际值比较情况见表3。

从表3可以看出,预测值围绕实际值上下波动,且绝对偏差较小,因此利用埃农映射对我国能源生产预测是可行的。

传统的时间序列模型对我国能源生产预测结果表明2000年为16·4×108t标准煤, 2010年为22·4×108t标准煤。

显然,对2000年的预测结果偏高,从而不可避免地影响到对2010年的预测结果。

由此可见,本文的预测结果更为合理,这说明,所用模型比其他模型更能反映我国能源生产实际情况。

利用该模型对我国2010—2014年能源生产总量的预测结果如表4所示。

4对中国能源消费进行预测由方程组
(1)及上面统计检验估计可得到yn+1=bxn+η两边同乘
以K2得到Mn+1=bK2K1Nn+ηK2(4)结合样本数据利用最小二乘法进行参数估计。

根据表1和表5对方程(4)进行参数估计,得到下列方程:Mn+1=1·206 3Nn-21 152(5)运用上式分析评价中国未来能源消费的一般状况,并据此提出相应的能源发展战略。

利用该模型对我国2010—2014年能源消费总量的预测结果如表6所示。

5与其他模型比较文章采用埃农映射作为双组份模型从非线性方法角度分析了能源系统的复杂性,对中国的能源生产与消费进行了短期预测,不仅有可行性,而且与其他能源生产与消费预测模型比较有一定的优势。

下面以能源生产预测的Haavelmo模型[9]和能源消费预测的Logistic模型为例[9]。

根据哈维尔摩(Haavelmo)经济增长模型引出的能源生产预测的Haavelmo模型适用于能源生产预测系统的研究,其增长模型的连续形式为:K·K=α-βKE=α-β(E /K)其中:E为能源
生产总值环比指数,K为能源固定资产投资环比指数,α为K 增长率的上限,β为单位资产投资的产出对K增长速率的影响因子。

能源生产预测的Haavelmo模型其推导过程较为繁琐,且其参数较难获取,而埃农映射在能源生产预测上更有直观性。

研究能源消费的Logistic模型如下:dxdt=rx1-xK,x0=x |t=0其中:x为能源消费量,r为能源经济增长系数,K为能源消费的最大估计量。

与利用Logistic模型对能源消费进行预测相比,埃农映射在比较2001—2007年预测值和实际值时,绝对偏差较小,则对未来的能源消费预测也将较精确,误差较小。

6碳排放的分析根据徐国泉等提出并改进的碳排放量分解模型中的算法[10],其碳排放估算公式为:Qt=Ecδc+Eoδo+Enδn其中:Qt表示中国能源碳排放总量,Ec、Eo、En分别表示煤炭、石油、天然气消耗实物量,δc、δo、δn分别表示煤炭、石油、天然气消耗的碳排放转换系数(tC/t)。

由于燃料燃烧率、含碳量和碳氧化率等指标的差异,不同机构提供的碳排放转换系数略有不同,故在这里取其平均值。

因此,按照实物量测算的碳排放关系式为:Qt=0·732 9Ec+0·557 4Eo+0·422 6En
参考国家发改委公布的各类能源折算成标煤的系数: 1 t煤炭=0·714 3 t标准煤, 1 t石油=1·428 6 t标准煤, 1 t天然气=1·7 t标准煤。

假定中国能源消耗总量为Et,其中煤炭、
石油、天然气占全部能源消耗的比重分别为α,β,γ,可得能源结构的碳排放关系式:Qt=Et(α·1·026+β·0·390 9+γ·0·248 6)在中国能源统计年鉴所提供的能源比重数据基础上,运用马尔科夫链能源预测模型对2010—2012年的能源比重进行了预测,如表7所示。

再结合本文中对中国能源消费总量的预测结果,可以得到2010—2012年的碳排放预测值分别为: 217 100×104、218 110×104及218 742×104,t可见随着中国经济的快速发展碳排放量有上升的趋势。

7结语向低碳经济转型已成为世界经济发展的大势所趋,低碳经济是气候变化背景下各国政府不可动摇的战略选择。

本文利用埃农映射将定性分析与定量分析相结合,对我国未来的能源生产与能源消费作了预测分析,可见,我国未来的能源开采与能源消费仍处于上升趋势,并且依据我国能源利用率低的现实国情,面对日益激烈的国际竞争压力,节能减排任重而道远。

面对飞速发展的经济,必须要有一个强有力的能源供应来保障现代化建设。

因此我国针对现阶段能源中存在的问题,要加快研发低能耗或者无污染的新能源的同时大力
节能,减少能源的损耗,合理控制污染能源的使用量,增加绿色能源的使用。

将“高资源消耗、高污染排放、低经济效益”的“两高一低”的发展模式转变为“资源消耗少、环境污染少、经济效益高”的“两低一高”模式。

其次,改善能源结构,提高能源利用率,对煤等能源加大洁净化技术的推广。

要以保护环境为首位,杜绝先污染后治理的政策。

适当调整好能源结构,实现结构多元化,加大对风能、地热能、太阳能等新能源的利用。

我国有着特殊的国情和特殊的能源结构,世界上所有的国家都在为能源斗争,能源危急时刻存在,国际形势时好时坏。

中国必须依靠本国自身的能源来支持经济建设,适当进口国外能源,找到一个适合自己国家发展的道路。

参考文献(References):
[1]NeilStra-chan,RamachandranKannan. Hybridmodelling of long-term carbon reduction scenarios for theUK [J].EnergyEconomics,2008, 30(6): 2947-2963.
[2]DonaldHanson. An integrated analysisofpolicies that increase investments in advanced energy-efficient low-carbon technol-ogies [J].EnergyEconomics,2004(26): 739-755
[3]ReyerGerlagh. A climate-change policy induced shift from innovations in carbon-energy production to carbon-energy savings[J].EnergyEconomics,2008(30): 425-448.
[4]Youguo Zhang. Supply-side structural effecton carbon emissions in China [J].EnergyEconomics,2010(32): 186-193.
[5]JunL,i MichelColombier. Managing carbon emissions inChina through building energy efficiency [J].JournalofEnviron-mentalManagement,2009, 90(8): 2436-2447.
[6]庄贵阳.节能减排与中国经济的低碳发展[J].气候变化研究进展, 2008(5): 303-308. [ZHUANG Gui-yang. Ener-gy saving and emission reductions: Their significance to China’s transition to a low-carbon economy.Advances in ClimateChangeResearch,2008(5): 303-308. ]
[7]刘秉正,彭建华.非线性动力学[M].北京:高等教育出版社, 2007: 271-274. [LIU Bing-zheng, PENG Jian-hua.NonlinearDynamics. Beijing: HigherEducation Press, 2007: 271-274. ]
[8]国家统计局.中国统计年鉴[M].北京:中国统计出版社, 2008. [NationalBureau ofStatisticsofChina. China Statis-ticalYearbook. Beijing: China StatisticsPress, 2008. ]
[9]田立新,傅瑛,于景华.非线性分析下西部-江苏能源联动决策支持系统的研究[J].江苏大学学报, 2003, 5(1): 105-109. [TIAN Li-xin, FUYing, YU Jing-hua. Coordinated
energy decision-making system undernonlinearanaly-sis in western Jiangsu Areas.Journal ofJiangsu University,2003, 5(1): 105-109. ]
[10]徐国泉,刘则渊,姜照华.中国碳排放的因素分解模型及实证分析: 1995—2004[J].中国人口·资源与环境,2006, 16(6): 158-161. [XU Guo-quan, LIU Ze-yuan, JIANG Zhao-hua. Decompositionmodel and empirical study ofcarbon emissions forChina 1995-2004.China Population, Resources and Environment,2006, 16(6): 158-161. ]。