基于碳排放態勢推演的電網碳資產管理策略分析.pdf

全球能源互聯網 Journal of Global Energy Interconnection 第2卷 第3期 2019年5月 Vol. 2 No. 3 May 2019 文章編號2096-5125 2019 03-0288-07 中圖分類號F426；X196 文獻標志碼A DOI10.19705/ki.issn2096-5125.2019.03.010 基金項目國家電網公司科技項目“基于電網發展全過程 效益分析的精益投資優化方法研究”（SGTYHT/17-JS-199）； 國電南瑞科技股份有限公司項目“綜合能源系統仿真評估關鍵 技術研究”。 Science and Technology Foundation of SGCC SGTYHT/17- JS-199; NARI Technology Development Limited Company Key technologies research of comprehensive energy systems simulation and uation. Abstract The indirect carbon emission inducted by power grid losses have been included in the regulation of several pilot carbon markets in China. Participating in the carbon market is both an opportunity and a challenge for power grid companies. As a emission reduction plat for low-carbon energy transition, the level of power grid loss does not depend entirely on power grid companies’ management and technology capabilities. The fluctuations in power grid loss levels may expose power grid companies to carbon market compliance risks. Based on the statistical analysis model developed in advance, future development hypothesis scenarios are constructed in this paper. According to the rules of pilot carbon market in China, grid loss levels and emission allowance positions are extrapolated and analyzed, based on which different carbon asset management s are uated and compared. Carbon asset management strategies are proposed for companies with different technical conditions and risk preferences. Finally, in view of the current carbon emission allowance allocation plan for the power grid industry, the necessity to further quantify the contribution of power grid as an emission reduction plat is emphasized, and to ulate more reasonable emission allowance allocation plan. Keywords carbon market; power grid companies; carbon asset management; support vector machine; data mining 摘 要電網輸配電網損引發的間接碳排放已被我國部分試 點碳市場納入管控。參與碳市場對電網企業而言是機遇也 是挑戰，電網作為服務低碳能源轉型的減排平臺，其網損 水平并不完全取決于自身管理能力，網損水平的波動使得 電網企業暴露于碳市場履約風險之下。前期已基于支持向 量機方法，采用20122016年能源主管部門披露的某省有關 數據，構建了網損統計分析模型。進一步根據某省發展規劃 構建多個未來發展假想場景，根據試點碳市場規則，對2017 2020年期間某省電網網損水平和碳排放配額倉位進行態勢推 演?；谔寂欧排漕~倉位推演結果，進一步評估了配額跨期 使用、碳抵消機制使用、碳市場靈活交易等碳資產管理措施 在不同假想場景下的風險防控效果，提出了電網企業在具備 不同技術條件和風險偏好時的碳資產管理策略。最后，針對 現行電網行業碳排放配額分配方案，指出仍需進一步量化評 估電網的減排平臺作用，制定更為科學的配額分配方案。 關鍵詞碳市場；電網企業；碳資產管理；支持向量機；數 據挖掘 0 引言 作為全球氣候治理的積極參與者，中國在2015年 巴黎氣候大會上做出了國內碳排放在2030年左右達峰 并盡早達峰的承諾 [1] 。作為達成上述目標的重要手段 之一，碳市場自2013年開始在中國的部分省市試運 行，全國碳市場也于2017年底正式啟動 [2] 。電力行業 因為能源密集、排放密集，擁有良好的數據基礎，且 一般不參與國際競爭，一直是碳市場的主要參與者， 也是碳減排的重要領域。電網企業輸配電網損所導致 的間接碳排放已被中國部分試點碳市場（如北京、福 建、上海）納入管控范圍，輸配電網損已成為試點碳 市場中電網企業碳排放核算和配額分配的重要依據。 電網企業作為重要的減排平臺，需要服務能源結構轉 基于碳排放態勢推演的電網碳資產管理策略分析 黃杰 1 ，薛峰 1 ，張鵬飛 2 ，金榜 1 ，李曉飛 1 ，王放 1 ，錢鋒 1 （1. 南瑞集團有限公司（國網電力科學研究院有限公司），江蘇省 南京市 211106； 2. 國家電網有限公司，北京市 西城區 100031） Power Grid Carbon Asset Management Strategy Analysis Based on Carbon Emission Extrapolation HUANG Jie 1 , XUE Feng 1 , ZHANG Pengfei 2 , JIN Bang 1 , LI Xiaofei 1 , WANG Fang 1 , QIAN Feng 1 1. NARI Group Corporation State Grid Electric Power Research Institute, Nanjing 211106, Jiangsu Province, China; 2. State Grid Corporation of China, Xicheng District, Beijing 100031, China Vol. 2 No. 3 黃杰等基于碳排放態勢推演的電網碳資產管理策略分析 289 型與經濟結構調整，網損水平不僅受自身管理能力影 響，還顯著受到包括發電結構、用電結構在內的多種 內外部因素影響。防控相關內外部因素誘發的碳市場 履約風險對于電網企業碳資產管理來說極為重要。 本文采用基于支持向量機的電網網損統計分析模 型，利用能源主管部門披露有關數據進行模型訓練， 并推演了未來多場景下電網企業網損演化態勢及其碳 排放配額倉位，進一步討論多種碳資產管理措施的管 理效果，提出電網企業在具備不同技術條件和風險偏 好時的碳資產管理策略。 1 電網企業參與碳市場現狀 電網企業的主要碳排放源包括 SF 6 設備修理與退 役過程中產生的直接碳排放，辦公用能產生的間接碳 排放，以及輸配電網損產生的間接碳排放。 目前由于中國電網企業基本建立了SF 6 氣體回收 處理中心 [3] ，SF 6 氣體泄露造成的直接碳排放占電網企 業碳排放總量的不到千分之一，影響較小 [4] 。 電網企業辦公用能產生的間接碳排放是目前國內 外碳市場共同的管控對象，例如日本東京碳市場將年用 電量超過600萬kWh的建筑納入管控，中國北京碳市場 將國家電網公司總部以及6家在京直屬單位辦公用能納 入管控，深圳碳市場將深圳供電局辦公用能納入管控。 中國以外的碳市場并不將輸配電網損產生的間接 碳排放納入管控，但中國部分試點碳市場已將其納 入，例如福建碳市場、北京碳市場和上海碳市場。中 國全國碳市場雖然暫時只納入了發電行業，但根據國 家發改委此前組織召開的關于全國碳排放權交易管 理條例的聽證會情況，以及試點碳市場中已將電網 企業納入管控的運營經驗，電網企業在未來有較大可 能被納入全國碳市場，并主要考核輸配電網損產生的 間接碳排放。 當前階段電網企業主要以市場交易者身份參與碳 市場，電網企業在參與碳市場過程中，積極響應國家 節能減排號召，履行社會責任，開展了一系列節能減 排工作，除辦公節能和通過技術手段降低網損外，還 與上下游發用電企業開展碳減排合作，積極消納清潔 能源、推進電動汽車發展等。近年來還利用清潔發展 機制（clean development mechanism, CDM）陸續開發 了配電變壓器提前更換、SF 6 氣體回收、風光儲輸示 范工程等項目，積累了豐富的實踐經驗。 雖然電網企業已經開展了很多工作積極參與碳市 場，但在碳資產管理方面尚未提出有效的量化分析和 管理策略。本文以中國試點碳市場為例介紹電網企業 碳排放核算方法以及配額分配方法，明確電網企業碳 排放配額倉位的影響因素。 1.1 電網碳排放量核算方法 電網企業輸配電損耗產生的間接碳排放量按式 （1）進行核算 （1） 式中E grid 為碳排放量，tCO 2 ；LR為實際網損率，； Q supply 為年度供電量，MWh; EF grid 為區域電網碳排放因 子，tCO 2 / MWh，本文選取國家應對氣候變化戰略研 究和國際合作中心于2012年發布的華東區域電網碳排 放因子，取值為0.7035 tCO 2 / MWh。 1.2 電網碳排放配額分配方法 配額免費分配采用基于歷史強度的基準值法，按 式（2）計算 （2） 式中T為電網企業可免費獲得的二氧化碳配額總量， tCO 2 ；LR HB 為網損率基準值，由20142016年度網損 率的平均值決定，根據某省實際數據取值為5.46， 后續暫不滾動更新；f 為設定的電網企業控排系數，根 據試點碳市場實際經驗，設定為92，即在其基準值 基礎上下降8。 1.3 電網企業碳排放配額倉位計算 電網企業碳排放配額倉位C等于其配額免費分配 量減去其碳排放量，由式（1）和式（2）易得 （3） 當C＞0時，配額充裕（長倉）；反之，C＜0時， 配額不足（短倉）。 可見，按試點碳市場現行電網碳排放核算方法與 配額免費分配方法，電網企業碳排放配額倉位是由實 際網損水平與給定降損目標之間的差值造成的，若實 際網損水平大于基準值，則說明電網企業存在碳市場 履約風險。因此，需要從網損推演入手，對電網企業 碳市場履約風險進行分析。 2 電網網損統計分析模型 摸清自身網損演化態勢是電網企業碳資產管理的 首要任務，文獻[5]采用數據驅動思路，從數據處理、 290 全球能源互聯網 第2卷 第3期 影響因素相關性分析、模型構建和模型選擇幾個環 節，逐步構建網損統計分析流程（如圖1所示）。 圖 1 網損統計分析流程 Fig. 1 Grid loss statistical analysis process 文獻[5]從模型輸出期望值、模型輸出置信區間、 模型訓練效率等方面對極限學習機和支持向量機兩類 統計模型訓練方法進行評估，結果表明在預測精度差 別不大時，支持向量機方法具有更低的隨機性和更高 的訓練效率，能較好的應用于電網網損數據挖掘分析。 進一步基于20122016年期間某省能源主管部門披露有 關數據進行數據挖掘，完成了模型訓練，具體內容本 文不再贅述?；谏鲜鼍W損統計分析模型，本文考慮 發電側、用電側、電網投資3類主要影響因素構建未來 場景，進行網損和碳排放配額倉位態勢推演。 3 用于網損推演的未來場景構建 根據能源主管部門披露的某省能源規劃以及 20122016年電力數據，選取“電網年投資水平” 和“年用電量增速”作為主要場景參數，分別設置 “低”、“中”、“高”3個取值水平，兩兩組合后共構建 9個場景。此外，“不同類型機組的發電量占比”和 “不同類型負荷的用電量占比”作為隨“年用電量增 速”取值水平變化而變化的隨動場景參數。以2016年 網損數據作為基礎場景，推演20172020年某省級電 網在多場景下的網損演化態勢。 3.1 年投資水平設定 某省級電網20122016年實際建設投資保持在 120億元/年至210億元/年，年均用電量增速7.1， “十三五”期間預計用電量增速6.28.5，增速相較 “十二五”期間無明顯波動。因此，若無極端社會經 濟波動，電網投資力度不會發生顯著變化。因此，在 構建電網投資力度場景時，參考20122016年間年投 資走勢，以此期間內投資水平均值為“中”場景，以 20122016年間最低的年投資水平為“低”場景，最 高的年投資水平為“高”場景，如表1所示。 表 1 電網年投資水平 Table 1 Annual power grid investment 低 中 高 投資金額/ （億元/年） 120.00 152.81 210.00 3.2 年用電量增速設定 根據某省能源規劃，“考慮到經濟轉型和產業升 級，2020年全省用電量約2500億2785億kWh，年均 增長6.28.5”。以該規劃為依據設置年用電量增 速取值水平設增速上下限分別為“高”場景、“低” 場景，中間值為“中”場景，如表2所示。 表 2 年用電量增速水平 Table 2 Annual load growth rate 低 中 高 年用電量增速/ 6.2 7.3 8.5 3.3 發電結構設定 發電總量與各類型機組發電量占比隨年用電量增 速與電源結構調整發生相應變化。發電總量計算方法 如式（4）所示 （4） 式中P i 為所有機組第i年發電總量，MWh；P coal,i 為燃煤機組第i年發電量，MWh；P gas,i 為燃氣機組 第i年發電量，MWh；P hyd,i 為水電機組第i年發電量， MWh；P unclear,i 為核電機組第i年發電量，MWh；P wind,i 為風電機組第i年發電量，MWh；P solar,i 為光伏發電機 組第i年發電量，MWh。 各類型機組發電量計算規則如式（5）所示 （5） 式中P x,i 為某類型機組第i年發電量，MWh；W x,i 為 某類型機組第i年裝機容量，MW；T x,2016 為某類型機 組2016年發電利用小時數，h；m i 為第i年調節系數， 通過設置m i 取值使發電總量滿足用電量增速設置。 某省能源規劃明確了到2020年的發電裝機情況，為 Vol. 2 No. 3 黃杰等基于碳排放態勢推演的電網碳資產管理策略分析 291 簡化場景設置，假設各類型機組裝機容量在20172020 年間勻速增長，因此在2016年發電裝機容量基礎上，可 推演20172020年某省各類型機組裝機容量。 20122020年各類型機組裝機容量如表3所示。 表 3 各類型發電機組裝機容量（20122020年） Table 3 Installed capacity of different types of generators 2012 - 2020 裝機容量 /MW 年份 燃煤 燃氣 水電 核電 風電 太陽 能 2012 / / 11400.0 0.0 1130.0 4.0 2013 / / 12850.0 1090.0 1460.0 26.0 2014 / / 12880.0 3270.0 1590.0 78.0 2015 / / 12900.0 5450.0 1720.0 129.0 2016 24116.0 4170.0 12915.0 7623.0 2157.0 177.0 2017 27507.0 4092.5 13023.8 7894.8 2867.8 357.8 2018 30898.0 4015.0 13132.5 8166.5 3578.5 538.5 2019 34289.0 3937.5 13241.3 8438.3 4289.3 769.3 2020 37680.0 3860.0 13350.0 8710.0 5000.0 900.0 3.4 用電結構設定 各類型負荷用電量同樣需要滿足用電總量增長要 求，用電總量計算方法如式（6）所示 （6） 式中Q i 為全社會第i年用電總量，MWh；Q pri,i 為第 一產業第i年用電量，MWh；Q sec,i 為第二產業第i年用 電量，MWh；Q ter,i 為第三產業第i年用電量，MWh； Q town,i 為城鎮居民第i年用電量，MWh；Q vill,i 為鄉村居 民第i年用電量，MWh。 各類型負荷用電量計算公式如式（7）所示 （7） 式中Q x,i 為某類型負荷第i年用電量，MWh；Q x,i-1 為 某類型負荷上一年用電量，MWh；f x,2016 為某類型負荷 2016年增速，；n i 為第i年調節系數。本文通過調節 n i 取值使各類型負荷用電總量滿足用電量增速設置。 2016年各類型負荷增速如表4所示。 表 4 各類型負荷增速（2016年） Table 4 Growth rate of different types of load 2016 類型 第一產業 第二產業 第三產業 城鎮居 民用電 鄉村居 民用電 增速/ 7.74 4.15 11.41 11.04 9.93 不同年用電量增速場景下用電結構變化情況如表 57所示。 表 5 負荷結構（年用電量增速 6.2） Table 5 Demand structure annual load growth rate 6.2 占比/ 年份 第一 產業 第二 產業 第三 產業 城鎮居 民用電 鄉村居 民用電 2016 1.40 65.96 13.28 9.63 9.73 2017 1.42 64.57 13.91 10.05 10.06 2018 1.44 63.16 14.55 10.48 10.38 2019 1.45 61.72 15.21 10.91 10.71 2020 1.47 60.26 15.89 11.36 11.03 表 6 負荷結構（年用電量增速 7.3） Table 6 Demand structure annual load growth rate 7.3 占比/ 年份 第一 產業 第二 產業 第三 產業 城鎮居 民用電 鄉村居 民用電 2016 1.40 65.96 13.28 9.63 9.73 2017 1.42 64.41 13.98 10.09 10.09 2018 1.44 62.84 14.70 10.57 10.46 2019 1.46 61.23 15.43 11.06 10.82 2020 1.47 59.60 16.19 11.56 11.18 表 7 負荷結構（年用電量增速 8.5） Table 7 Demand structure annual load growth rate 8.5 占比/ 年份 第一 產業 第二 產業 第三 產業 城鎮居 民用電 鄉村居 民用電 2016 1.40 65.96 13.28 9.63 9.73 2017 1.42 64.22 14.06 10.15 10.14 2018 1.44 62.45 14.87 10.69 10.55 2019 1.46 60.64 15.71 11.24 10.95 2020 1.48 58.79 16.56 11.81 11.36 4 碳排放倉位分析及碳資產管理策略 4.1 網損態勢推演 根據多場景參數設置，采用文獻[5]所構建統計分 析模型，可獲得20172020年網損率在不同場景下的 推演結果（如表811所示）。 表 8 網損率推演結果（2017年） Table 8 Grid loss rate results 2017 投資水平 用電增速 低 中 高 低 4.77 4.74 4.74 中 4.79 4.76 4.76 高 4.83 4.80 4.79 292 全球能源互聯網 第2卷 第3期 表 9 網損率推演結果（2018年） Table 9 Grid loss rate results 2018 投資水平 用電增速 低 中 高 低 5.03 4.99 4.97 中 5.04 5.00 4.98 高 5.07 5.04 5.01 表 10 網損率推演結果（2019年） Table 10 Grid loss rate results 2019 投資水平 用電增速 低 中 高 低 5.17 5.12 5.08 中 5.18 5.13 5.09 高 5.20 5.16 5.12 表 11 網損率推演結果（2020年） Table 11 Grid loss rate results 2020 投資水平 用電增速 低 中 高 低 5.23 5.17 5.13 中 5.24 5.18 5.14 高 5.27 5.21 5.16 4.2 碳排放配額倉位態勢推演 依據網損態勢推演的結果，對20172020年的某省 級電網碳排放配額倉位進行推演，結果如圖25所示。 可以發現，從2018年起，部分場景下會出現配額 不足的情況，2019年全面出現配額短缺，且不足量逐 年升高。 4.3 碳資產管理策略效果評估 綜合中國碳市場價格現狀與主管部門的預期價格 水平 [6] ，全國碳市場價格預期可達到50300元/ tCO 2 。 可以此為測算依據，分析各項電網企業碳資產管理措 施的管理成效。 4.3.1 碳配額跨期使用 中國各試點碳市場都規定當年度配額可全額結轉 至下年度繼續使用，該規定不僅在平穩碳市場價格波 動方面起到了作用，也為控排企業提供了配額跨期使 用這一碳資產管理措施，上年度冗余配額可以進行存 儲，在后續年度配額不足時用于履約?？捎行Э刂坡?約成本。 以網損態勢推演中“中投資水平、中用電增速” 場景為例，20172020年配額初始分配量、初始碳排 放配額倉位、跨期使用后的初始碳排放配額倉位量如 表12所示。 圖 5 多場景下碳排放配額倉位（2020年） Fig. 5 Allowance position under multiple scenarios 2020 圖 2 多場景下碳排放配額倉位（2017年） Fig. 2 Allowance position under multiple scenarios 2017 圖 3 多場景下碳排放配額倉位（2018年） Fig. 3 Allowance position under multiple scenarios 2018 圖 4 多場景下碳排放配額倉位（2019年） Fig. 4 Allowance position under multiple scenarios 2019 Vol. 2 No. 3 黃杰等基于碳排放態勢推演的電網碳資產管理策略分析 293 表 12 配額跨期使用前后的碳排放配額倉位 Table 12 Allowance position before and after allowance banking 年份 配額初始 分配量 / tCO 2 初始碳排放配 額倉位 / tCO 2 配額跨期使用后的 碳排放配額倉位 / tCO 2 2017 745936 38695. 0 2018 800389 2468 0 2019 858818 -16242 0 2020 921512 -23822 1099 據測算，20172020年期間，通過配額跨期使用， 可節約履約成本200萬元1200萬元。 4.3.2 碳抵消機制使用 中國核證減排量（China certified emission reduction，CCER）抵消機制參考了國際碳抵消機 制，即控排企業可開發減排項目獲得核證減排量進行 履約。根據某試點碳市場實際規則，CCER可用于履 約的碳排放量不得超過其當年碳排放量的10，根據 推演結果，電網企業配額不足量不超過總排放量的 10。若企業積極開發碳減排項目，不僅能完成履約 目標，還可能獲得多余CCER用于市場交易。 CCER項目類型主要集中在光伏、天然氣發電、 余熱發電等方面。其中，與電網相關的CCER項目包 括“新建或改造電力線路中使用節能導線或電纜”、“供 應側能源效率提高傳送和輸配”、“通過電網擴建及 新建微型電網向社區供電”、“電網中的SF 6 減排”等。 電網企業積極開發CCER項目不僅為自身的碳資產管 理提供新思路，還可服務全社會減排目標的完成。 除自主進行項目開發，電網企業也可從市場中 購買CCER，由于適用范圍有限，CCER價格一般低 于配額價格，例如2017年46月，上海碳試點CCER 二級市場成交價格在20元/ tCO 2 左右，碳價在3340元/ tCO 2 之間波動；北京碳試點CCER二級市場成交價 格為420元/ tCO 2 ，碳價為3560元/ tCO 2 。同樣以 態勢推演中“中投資水平、中用電增速”場景為 例，若按CCER價格為配額價格50，當配額不足時， 購買CCER完成履約將比購買配額完成履約節約成本 100萬元600萬元。 4.3.3 碳市場靈活交易 碳市場配額價格處于波動之中，若交易者交易經 驗豐富或風險偏好，可在市場中套利交易獲益；市場 交易經驗不足或風險厭惡，則可按固定周期交易（例 如以月度為交易周期）來分攤價格波動風險。 同樣以態勢推演中“中投資水平、中用電增速” 場景為例，假設市場價格服從50300元/ tCO 2 區間 的均勻分布，固定交易周期的平均交易價格為175元/ tCO 2 。若進行套利交易，考慮極端情況，最好的交 易場景是以市場最低價50元/ tCO 2 購入，最高價300 元/ tCO 2 賣出；最壞的交易場景是以市場最高價300 元/ tCO 2 購入，最低價50元/ tCO 2 賣出。不同交易方式下 盈利情況如表13所示。 表 13 不同交易方式下盈利對比 Table 13 Comparison of earnings under different trading s 年份 盈利/萬元 最好情況 最壞情況 固定周期 2017 1160.85 193.48 677.16 2018 74.05 12.34 43.19 2019 -81.21 -487.25 -284.24 2020 -119.11 -714.66 -416.89 套利交易存在風險，若控排企業對碳市場價格有 較好的預測，相較按固定周期交易，在20172018年 配額充裕時可多獲得約515萬元盈利，在20192020年 配額不足時可減少約500萬元的成本。但若控排企業 對市場走勢判斷失誤，則可能存在虧損風險。 4.3.4 碳金融手段創新 控排企業可將碳排放配額作為碳資產進行金融創 新，以獲取收益或降低融資成本，目前試點碳市場中 的主要碳金融手段包括 1）碳配額托管交易?？嘏牌髽I將一定數量的配 額委托給專業碳資產管理公司，后者利用自身專業技 術優勢進行集中交易和管理，以達到將控排企業碳資 產增值的目的 [7] 。 2）碳債券?？嘏牌髽I為籌集低碳經濟項目資金， 向投資者發行的債務憑證，可幫助控排企業盤活碳資 產，獲得項目融資，降低融資成本 [8] 。 3）境內外碳資產回購式融資。碳排放配額持有 者向金融機構或市場參與者出售配額，并約定在一定 期限后按照約定價格回購，以獲取短期融資，為控排 企業拓寬融資渠道，降低融資成本 [9] 。 4）碳資產抵押融資?？嘏牌髽I通過抵押碳資產 向銀行申請貸款，可幫助控排企業盤活碳資產，降低 融資成本 [10] 。 目前，中國試點碳市場中的碳金融手段尚處于起 步階段，應用尚不廣泛，還有待全國碳市場正式啟動 后，根據市場發展情況進一步創新碳金融手段。 294 全球能源互聯網 第2卷 第3期 4.3.5 小結 綜上，電網企業在具備不同技術條件和風險偏好 時的碳資產管理策略有以下3種 1）若市場態勢研判能力不足，電網企業可保守參 與市場。初期進行配額儲備，發現違約風險時優先跨 期使用配額或購買CCER，按本文中碳排放態勢推演 結果，采用這兩種管理手段已可充分規避履約風險。 2）若市場態勢研判能力較強，可根據市場動態 選擇合適的交易和金融手段。在碳價較低時購入充足 配額，進行碳資產抵押、出售碳債券等碳金融活動； 在碳價較高時出售剩余配額獲取收益。 3）若企業具備相關技術減排潛力，可積極開發 CCER項目，獲取CCER進行履約。 5 總結與展望 為了給電網企業制定科學的碳資產管理策略提供 決策支撐，本文采用基于支持向量機的省級電網網損統 計分析模型推演某省電網未來多場景下網損和碳排放配 額倉位?；诒疚耐蒲萁Y果，對碳配額跨期使用、碳 抵消機制使用、碳市場靈活交易和碳金融手段創新等 碳資產管理措施的風險防控效果進行討論，并提出電 網企業在具備不同技術條件和風險偏好時的碳資產管 理策略。需要充分認識到，在有限的歷史數據樣本下， 統計分析模型的精度仍有很大提升空間，碳排放配額 態勢推演的意義體現在幫助電網企業針對不同假想場 景制定各項碳資產管理預案，并不意味著對未來發展 的預測。未來需要結合統計分析與因果分析方法，協 同態勢推演效率和精度，并提升推演結果的可解釋性。 在北京、上海和福建試點碳市場中，已將電網網 損間接碳排放納入管控，其中上海采用基于行業先進 值的基準值法進行配額分配，福建采用基于歷史強度 的基準值法進行配額分配。配額分配的重要參數是所 在區域的電力碳排放因子，上海采用2012年公布的上 海電力排放因子（0.788 tCO 2 /MWh，公布后未再更 新）；福建采用2012年公布的華東區域電網排放因子 （0.7035 tCO 2 /MWh）。電力碳排放因子不逐年更新， 且在配額分配和碳排放核算時采用同一數值，意味著 僅由網損率基準值和網損率實際值的差值決定了電網 企業的配額倉位，電網促進上下游減排貢獻無法得到 有效體現。若需將電網企業納入全國碳市場管控，仍 需進一步量化評估電網的減排平臺作用，制定客觀、 科學的配額分配方案。 參考文獻 [1] 新華社. 強化應對氣候變化行動 中國國家自主貢獻 （全文）[EB/OL]. 2015-11-18 [2019-01-20]. http//www. Document/1455864/1455864.htm. [2] 國家發展改革委. 國家發展改革委關于印發全國碳排 放權交易市場建設方案（發電行業）的通知[EB/OL]. 2017-12-18 [2019-01-20]. gfxwj/201712/t20171220_ 871127.html. [3] 趙海，陳禹，姚強，等. 開展電網企業內部節能減排以緩 解企業碳排放履約壓力[J]. 山東工業技術，2017，19 180，254. [4] 李依風，李樹德，倪逸林. 電網六氟化硫溫室氣體減排參 與碳市場策略[J]. 資源節約與環保，2016，11121-122. [5] 李曉飛，楊里，黃杰，等. 基于機器學習的電網網損統計 分析[J]. 電力建設，2018，39S195-201. Li Xiaofei, Yang Li, Huang Jie, et al. Provincial power grid loss analysis based on machine learning[J]. Electric Power Construction, 2018, 39S 195-201in Chinese. [6] 每日經濟新聞. 發改委應對氣候變化司副司長蔣兆理碳交 易200-300元/噸才是理想值[EB/OL]. 2016-06-20 [2019-01- 20]. [7] 王永珍. 國內單筆最大碳資產托管業務落地福建碳市場[N]. 福建日報，2017-05-051. [8] 譚建生，麥永冠. 碳債券發行經驗和創新建議[J]. 開放導 報，2016，332-36. Tan Jiansheng, Mai Yongguan. On issuing carbon bonds[J]. China Opening Journal, 2016, 3 32-36in Chinese. [9] 廣州碳排放權交易所. 廣州碳排放權交易中心廣東省碳排 放配額回購交易業務指引（2019年修訂）[EB/OL]. 2019- 01-11 [2019-01-20]. bsgz/201901/20190100001593.shtml. [10] 王永珍，戴艷梅. 我省首筆碳排放配額抵押貸款落地[N]. 福 建日報，2017-03-241. 收稿日期2019-01-28；修回日期2019-04-14。 作者簡介 黃杰（1983），男，博士，高級 工程師，研究方向為碳排放及碳市場 風險防控，E-mailhuangjie1sgepri. 。 薛峰（1971），男，博士，研究 員級高級工程師，研究方向為電力系 統安全穩定分析與控制，E-mailxue- feng。 張鵬飛（1978），男，博士，研究方向為電網規劃與 評價，E-mailpengfei-zhang。 （責任編輯 張鵬） 黃杰