王琳瑞,柴 淼,王靈志,李 薇(華北電力大學(xué)區(qū)域能源系統(tǒng)優(yōu)化教育部重點(diǎn)實(shí)驗(yàn)室,北京 102206)

基于CO2和大氣污染物排放征稅分析的區(qū)域電力系統(tǒng)優(yōu)化

王琳瑞,柴 淼,王靈志,李 薇*(華北電力大學(xué)區(qū)域能源系統(tǒng)優(yōu)化教育部重點(diǎn)實(shí)驗(yàn)室,北京 102206)

為了優(yōu)化電力系統(tǒng)并促進(jìn)節(jié)能減排,將不確定性優(yōu)化方法與區(qū)域電力系統(tǒng)模型相結(jié)合進(jìn)行電力系統(tǒng)規(guī)劃:以系統(tǒng)成本最小化作為目標(biāo)函數(shù);參考國(guó)家相關(guān)政策與標(biāo)準(zhǔn)設(shè)置資源量、電力供需平衡、排放限值等約束;對(duì)各發(fā)電技術(shù)發(fā)電量、外購(gòu)電量、CO2及大氣污染物排放總量進(jìn)行最優(yōu)化;為了探討征收排放稅的減排效果以及可行性,設(shè)置對(duì)電力系統(tǒng)征收大氣污染物排放稅和碳稅進(jìn)行相應(yīng)的情景分析.研究以淄博市作為實(shí)例,在淄博的電力系統(tǒng)規(guī)劃中,情景1中違反系統(tǒng)約束概率的增大會(huì)使最優(yōu)火力發(fā)電量增加,在3個(gè)情景中,清潔能源發(fā)電量均能達(dá)到占總電力需求量10%的目標(biāo);而外購(gòu)電將主要作為保證電力系統(tǒng)安全平穩(wěn)運(yùn)行的補(bǔ)充;情景1中違反系統(tǒng)約束概率為0時(shí)SO2,NOx和煙塵的排放限值在所有情景中為最低,即淄博市現(xiàn)行的排放限值標(biāo)準(zhǔn)將會(huì)得到更好的減排效果,并且其他情景下的系統(tǒng)成本將顯著增加.因此,基于對(duì)淄博市的案例研究結(jié)果可知,對(duì)于電力系統(tǒng)征收排放稅并不具有必要性.

大氣污染物排放稅；碳稅；區(qū)域電力系統(tǒng)規(guī)劃；不確定性優(yōu)化方法

隨著城市化進(jìn)程的不斷加快和現(xiàn)代工業(yè)的高速發(fā)展,越來越多的地區(qū)出現(xiàn)發(fā)電量不足,電力供應(yīng)短缺的情況,并且還伴隨著嚴(yán)重的污染物排放問題[1-2];國(guó)務(wù)院確定的“大氣污染防治十條措施”對(duì)污染物的排放限值控制越來越嚴(yán)格,“大氣十條”使得傳統(tǒng)的火力發(fā)電發(fā)展受到很大的限制,而新能源發(fā)電由于成本高和并網(wǎng)難的特點(diǎn),發(fā)展較慢且利用率不高.由于電力系統(tǒng)中存在諸多的復(fù)雜性與不確定性,進(jìn)行電力系統(tǒng)規(guī)劃需要準(zhǔn)確把握其結(jié)構(gòu),并正確反映系統(tǒng)內(nèi)部因素的不確定性,系統(tǒng)中的不確定性主要有電力供需的隨機(jī)性,波動(dòng)的能源價(jià)格,變化的運(yùn)行成本以及機(jī)組擴(kuò)容等.將不確定性優(yōu)化方法與區(qū)域電力系統(tǒng)模型相結(jié)合,可以有效處理多種不確定性.國(guó)內(nèi)外學(xué)者對(duì)此展開了很多相關(guān)的研究,例如:李薇等[3]基于兩階段規(guī)劃方法建立了不同排污收費(fèi)情景下的發(fā)電企業(yè)減排模型,解玉磊等[4]通過建立區(qū)域電力結(jié)構(gòu)優(yōu)化模型研究了溫室氣體的減排潛力,周雅等[5]基于強(qiáng)健可能性規(guī)劃方法建立深圳市可持續(xù)電力規(guī)劃模型并進(jìn)行節(jié)能減排分析,張曉萱等[6]構(gòu)建不確定性城市能源系統(tǒng)模型對(duì)北京市的能源結(jié)構(gòu)和污染物減排進(jìn)行了優(yōu)化,周肖楠[7]基于河南省能源-環(huán)境系統(tǒng)優(yōu)化模型對(duì)河南省的大氣污染物減排進(jìn)行了研究.Xie[8]通過不確定性魯棒優(yōu)化方法與濟(jì)寧市能源系統(tǒng)相結(jié)合進(jìn)行了碳捕集核算和電力系統(tǒng)優(yōu)化.Jin等[9]開發(fā)了不確定性能源優(yōu)化模型并結(jié)合廈門市能源系統(tǒng)針對(duì)大氣污染物減排進(jìn)行優(yōu)化.Ji等[10]將微電網(wǎng)模型與不確定性優(yōu)化方法耦合用于管理 CO2和其他污染物的排放.Zhu等[11]構(gòu)建了一個(gè)動(dòng)態(tài)能源來進(jìn)行電力系統(tǒng)規(guī)劃,并以北京市作為實(shí)例,引入歐盟碳交易方案來控制溫室氣體排放.綜上所述,將不確定性優(yōu)化方法與電力系統(tǒng)模型相結(jié)合進(jìn)行電力系統(tǒng)規(guī)劃,同時(shí)結(jié)合政策、情景分析等相關(guān)約束,可以有效處理不確定性并為決策者提供相應(yīng)的理論支持.

除了進(jìn)行電力系統(tǒng)規(guī)劃之外,相應(yīng)的減排政策也會(huì)起到輔助作用,碳稅作為控制CO2排放最有效的經(jīng)濟(jì)手段,受到廣泛的關(guān)注,除征收碳稅外,征收大氣污染物排放稅也會(huì)有效減少大氣污染物的排放.中國(guó)目前尚未征收碳稅和大氣排放稅,但許多專家學(xué)者已展開了相關(guān)研究:Fang等[12]利用新型四維節(jié)能減排模型進(jìn)行計(jì)算并得出相關(guān)結(jié)論:中國(guó)最適宜征收碳稅的時(shí)間為 2013～2014年,最佳稅點(diǎn)為17.6～17.8元/t CO2.Guo等[13]應(yīng)用CGE模型來檢驗(yàn)了碳稅對(duì)中國(guó)經(jīng)濟(jì)和碳排放的影響,結(jié)果表明:適中的稅率將會(huì)略微減少經(jīng)濟(jì)的發(fā)展速度,但是會(huì)有效減少碳排放和化石燃料的消耗.徐毅等[14]通過將碳稅和不確定性優(yōu)化方法相結(jié)合,并研究了其對(duì)北京市能源系統(tǒng)的影響,結(jié)果指出有碳稅情景下的減排效果由于無碳稅情景.Yang等[15]模擬了中國(guó)征收碳稅的減排結(jié)果,結(jié)果指出:若以50元/t的價(jià)格征收碳稅,CO2排放將在 2010年的基礎(chǔ)上減少 3%.馬士國(guó)[16]基于CGE模型設(shè)置了對(duì)應(yīng)不同SO2減排率的硫稅,針對(duì)不同化石能源進(jìn)行分類征收,結(jié)果指出:最優(yōu)的SO2稅率應(yīng)在460元/噸和1050元/噸之間.劉立佳[17]通過分析我國(guó) SO2減排以及污染控制的基本情況,計(jì)算了我國(guó)東、中、西部的不同 SO2稅率.李永坡[18]對(duì)SO2稅征收的理論基礎(chǔ)和可行性進(jìn)行了分析,依據(jù)不同達(dá)標(biāo)率下的中國(guó)分地區(qū)SO2稅率,提出了中國(guó)現(xiàn)階段的征稅策略.李丹陽

[19]分析了我國(guó)開征NOx稅的可行性和必要性,并指出開征NOx排放稅是合理的選擇.綜上所述,征收碳稅以及大氣污染物排放稅均會(huì)取得良好的減排效果,但對(duì)于社會(huì)和經(jīng)濟(jì)的影響仍未有明確結(jié)論.

為了探討不同排放限值對(duì)電力行業(yè)的影響以及排放標(biāo)準(zhǔn)的合理性,本研究將不確定性兩階段機(jī)會(huì)約束規(guī)劃(ITSCCP)與電力系統(tǒng)模型相結(jié)合,該方法可以分析不同違約概率對(duì)應(yīng)的排放限值,即超標(biāo)排放對(duì)系統(tǒng)的影響,從而得到不同的優(yōu)化方案.另設(shè)置對(duì)電力行業(yè)征收碳稅與大氣污染物排放稅的情景,并對(duì)不同情景下的優(yōu)化方案進(jìn)行比較,以此來確定其減排效果以及可行性.并以山東淄博市作為實(shí)例,通過政府公報(bào),統(tǒng)計(jì)年鑒等文獻(xiàn)收集相關(guān)數(shù)據(jù),旨在為決策者提供相應(yīng)的參考.

1 模型構(gòu)建

1.1 規(guī)劃方法概述

不確定性兩階段機(jī)會(huì)約束規(guī)劃(ITSCCP)由兩階段隨機(jī)規(guī)劃(TSP)與不確定性機(jī)會(huì)約束規(guī)劃(ICCP)組成[20].兩階段隨機(jī)規(guī)劃(TSP)可以將模型中的右手邊的不確定性表達(dá)為概率分布的形式[21].不確定性機(jī)會(huì)約束規(guī)劃(ICCP)既可以有效表征不確定條件下滿足系統(tǒng)約束的可靠性(或不滿足約束的風(fēng)險(xiǎn)),也可以用來處理概率密度函數(shù)形式的左手邊不確定性,并且將不確定性參數(shù)表達(dá)為區(qū)間數(shù)的形式[22].

方法(ITSCCP)具體表述如下:

目標(biāo)函數(shù):

約束條件:

約束(1c)可表述為如下形式:

1.2 區(qū)域電力系統(tǒng)優(yōu)化策略

研究將不確定性優(yōu)化方法與區(qū)域電力系統(tǒng)模型相結(jié)合,將系統(tǒng)總成本最小化作為目標(biāo)函數(shù);將各技術(shù)發(fā)電量、外購(gòu)電量等作為決策變量;以資源量、裝機(jī)容量、電力供需平衡和國(guó)家相關(guān)政策如“上大壓小”,“減排限值”等作為約束;設(shè)置不同違約概率對(duì)應(yīng)的排放限值對(duì)系統(tǒng)的影響,另外,還分別設(shè)置對(duì)電力行業(yè)征收大氣污染物排放稅和碳稅的情景.

模型具體表達(dá)如下:

(1)資源消耗成本

(2)發(fā)電成本

(3)擴(kuò)容成本

(4)大氣污染物治理成本

(5)CO2和大氣污染物排放稅

(6)外購(gòu)電力成本

式中:f±為系統(tǒng)總成本,106元;p表示發(fā)電轉(zhuǎn)換技術(shù), (其中p =1 表示火力發(fā)電, p =2 表示水力發(fā)電, p =3表示光伏發(fā)電, p =4表示風(fēng)力發(fā)電, p =5生物質(zhì)發(fā)電和垃圾發(fā)電);i表示排放的溫室氣體和大氣污染物(i =1 表示 CO2, i =2 表示 SO2, i =3 表示 NOx, i =4 表示煙塵).t表示規(guī)劃期(t =1,2);h為電力需求水平(h = 1, 2, 3分別表示低、中、高需求水平);thp為t時(shí)期不同需求水平的概率;表示發(fā)電技術(shù) p在 t時(shí)期所需的資源量

(7)新能源發(fā)電補(bǔ)貼表示 t時(shí)期所需資源的價(jià)格,106元表示發(fā)電技術(shù) p在 t時(shí)期的運(yùn)行成本,106元/GWh;表示發(fā)電技術(shù)p在t時(shí)期的單位懲罰費(fèi)用,106元/GWh;表示發(fā)電技術(shù)p在 t時(shí)期的發(fā)電量,GWh;表示發(fā)電技術(shù)p在 t時(shí)期電力需求水平 h下的電力缺失量,GWh;表示發(fā)電技術(shù)p在t時(shí)期的擴(kuò)容固定投資成本,106元;表示發(fā)電技術(shù)p在t時(shí)期的可變投資成本,106元/GW;表示國(guó)家鼓勵(lì)新能源發(fā)展的發(fā)電補(bǔ)貼,106元/GW;表示CO2和大氣污染物排放稅,106元/kt;表示發(fā)電技術(shù)p在t時(shí)期電力需求水平h下的擴(kuò)容選擇,(二元變量,0表示不擴(kuò)容,1表示擴(kuò)容);表示發(fā)電技術(shù)p在t時(shí)期電力需求水平h下的新增擴(kuò)容量,GW;表示t時(shí)期的外購(gòu)電量,GWh;表示外購(gòu)電量成本,106元/GW;表示發(fā)電技術(shù)p在t時(shí)期產(chǎn)生的污染物i的去除成本,106/kt;表示發(fā)電技術(shù)p在t時(shí)期產(chǎn)生的污染物 i的單位環(huán)境懲罰成本,106/kt;表示發(fā)電技術(shù)p在t時(shí)期產(chǎn)生的污染物i的單位產(chǎn)物系數(shù),t/GWh.

(1)電力資源供需平衡約束

(2)環(huán)境容量約束(CO2,煙塵, SO2, NOx排放)

(3)裝機(jī)容量約束

(4)擴(kuò)容約束

(5)發(fā)電量約束

(6) 資源消耗約束

AD

2 案例研究

2.1 數(shù)據(jù)來源

研究以淄博市作為實(shí)例,淄博市位于山東省中部,是重要的工業(yè)城市,其工業(yè)以石油化工、醫(yī)藥、建材、紡織、陶瓷、機(jī)械冶金等為主導(dǎo),眾多工業(yè)使得電力需求不斷增加、能源的消耗日益嚴(yán)重,并且環(huán)境質(zhì)量降低,空氣污染嚴(yán)重.

淄博市的電力結(jié)構(gòu)以火力發(fā)電為主,截止到2016年,淄博市發(fā)電裝機(jī)容量約為480萬kW,其中,統(tǒng)調(diào)公用機(jī)組 241.3萬 kW,地調(diào)公用機(jī)組56.21萬kW(小水電0.26萬kW),企業(yè)自備機(jī)組156.28萬kW(余熱利用8.4萬kW).除此之外,淄博市還具有良好的新能源發(fā)電環(huán)境,具有十分豐富的太陽能和風(fēng)能,年平均日照時(shí)長(zhǎng)超過2542.6h,在博山區(qū)和淄川南部山區(qū)交界處,具有面積可觀的風(fēng)場(chǎng).中廣核與漢能光伏集團(tuán)均已在淄博投資了眾多新能源發(fā)電項(xiàng)目,許多項(xiàng)目正在建設(shè)當(dāng)中.

淄博市電力供應(yīng)主要來自于火力發(fā)電,2014年,淄博的火力發(fā)電量為 238.49億 kWh,約占全社會(huì)電力需求量的 73%;外購(gòu)電是淄博電力供應(yīng)的另一個(gè)重要來源,2014年,外購(gòu)電量為84.52億kWh,約占全社會(huì)電力需求量的25%.雖然淄博具有發(fā)展新能源發(fā)電的充分條件,但現(xiàn)已并網(wǎng)的光伏發(fā)電,風(fēng)力發(fā)電、生物質(zhì)與垃圾發(fā)電的總發(fā)電量?jī)H占全社會(huì)用電量的1%.

研究以淄博市為實(shí)例,規(guī)劃期為 2016～2021年,每3年一個(gè)規(guī)劃期,共分為2個(gè)規(guī)劃期.為了促進(jìn)“節(jié)能減排”和新能源的發(fā)展,根據(jù)淄博市現(xiàn)有的新能源發(fā)電的情況,規(guī)定第1個(gè)規(guī)劃期結(jié)束時(shí),新能源發(fā)電量達(dá)到總發(fā)電量的5%,在第2個(gè)規(guī)劃期結(jié)束時(shí),新能源發(fā)電量達(dá)到總發(fā)電量的10%.

為了探討不同排放限值對(duì)系統(tǒng)的影響以及排放限值的合理性;還有對(duì)電力行業(yè)大氣污染物排放稅和碳稅的減排結(jié)果及影響,研究將設(shè)置不同的情景,具體情景及內(nèi)容如表1所示.

表1 情景設(shè)置及內(nèi)容Table 1 Scenarios settings and content

綜上所述,本研究通過構(gòu)建基于不確定性優(yōu)化技術(shù)的區(qū)域電力系統(tǒng)模型來達(dá)到以下目標(biāo):(1)調(diào)整電力結(jié)構(gòu),計(jì)算不同情景下各發(fā)電技術(shù)的最優(yōu)發(fā)電量,并探究不同情景下各技術(shù)發(fā)電量的變化,以及對(duì)系統(tǒng)產(chǎn)生的影響;(2) 分析比較不同情景下的排放限值和排放總量,確定最優(yōu)方案;(3)對(duì)不同情景下的系統(tǒng)成本進(jìn)行比較,并確定其征稅可行性與必要性.

表2 CO2和大氣污染物排放的征稅稅率Table 2 The tax rate of CO2and air pollutants emission

本文所用的數(shù)據(jù)均來自淄博市統(tǒng)計(jì)局相關(guān)資料與政府相關(guān)工作報(bào)告[24-26],排放限制的標(biāo)準(zhǔn)按照山東省的相關(guān)文件標(biāo)準(zhǔn)制訂[27],征稅稅率的制訂參考了相關(guān)的研究與文獻(xiàn)[23-25].

表3 淄博市電力需求量Table 3 Total amount of regional electricity demand

表4 不同違約概率下對(duì)應(yīng)的CO2和大氣污染物排放限值Table 4 Allowable CO2and air pollutants emission caps under different qilevel

2.2 結(jié)果分析

2.2.1 電力結(jié)構(gòu) 不同情景下的各技術(shù)發(fā)電量及外購(gòu)電量如表5所示.為了保證區(qū)域供電的安全性、穩(wěn)定性,火力發(fā)電通常會(huì)作為最主要的發(fā)電形式.在情景1中,qi值增加代表著違約概率增加,也代表CO2與大氣污染的排放限值會(huì)隨之增大,在不同的違約概率下的最優(yōu)火力發(fā)電量會(huì)伴隨著qi值的增加而增加(圖1),在不同的情景下的火力發(fā)電量呈現(xiàn)明顯的變化趨勢(shì),由于因?yàn)槲廴疚锱欧趴刂坪团欧哦惖恼魇赵黾恿嘶鹆Πl(fā)電的排污成本,使得火力發(fā)電不得不減少發(fā)電量,這說明征收碳稅與污染物排放稅對(duì)火力發(fā)電減排的作用十分直接且明顯.另外,由于固有的煤炭消費(fèi)能源結(jié)構(gòu),隨著電力結(jié)構(gòu)的調(diào)整和排放限值的變化,火力發(fā)電的比重相對(duì)于其他發(fā)電形式的變化較小,并且將會(huì)繼續(xù)作為主要的電力供應(yīng)形式.

不同情景下的外購(gòu)電量如圖2所示,在情景1中,隨著qi值的增加,外購(gòu)電量將會(huì)呈現(xiàn)減少的趨勢(shì).由于排放限值的增大促進(jìn)了火力發(fā)電,并且隨著本地新能源發(fā)電的發(fā)展,本地發(fā)電量將會(huì)整體增加,供電的安全性和穩(wěn)定性將會(huì)相應(yīng)增加,外購(gòu)電量也隨之減少,但是在這種情況下,環(huán)境質(zhì)量將會(huì)受到影響.除此之外,外購(gòu)電量將會(huì)從情景 1到情景3出現(xiàn)增加的趨勢(shì).該現(xiàn)象表明:由于排放稅的征收使得具有污染排放的企業(yè)受到了影響,從而不得不減少火力發(fā)電量,為了保障電力系統(tǒng)的平穩(wěn)運(yùn)行,因此外購(gòu)電量會(huì)出現(xiàn)增加的現(xiàn)象.

表5 各時(shí)期不同情景下的最優(yōu)發(fā)電量Table 5 The optimized power generation under different scenarios in each period

圖1 不同情景下的火力發(fā)電量Fig.1 Thermal power generation quantity under different scenarios

水力發(fā)電在淄博由于資源和技術(shù)的限制,將發(fā)展的十分緩慢.由于光伏發(fā)電,風(fēng)力發(fā)電具有清潔性和排放少的特點(diǎn),在不同時(shí)期和不同情景中,其最優(yōu)發(fā)電量均會(huì)達(dá)到上界.生物質(zhì)和垃圾發(fā)電因?yàn)榫哂信欧臗O2和大氣污染物的特征,因此會(huì)受到排放征稅的影響,其最優(yōu)發(fā)電量將會(huì)從情景1到情景 3呈遞減現(xiàn)象,征收碳稅對(duì)生物質(zhì)發(fā)電的影響比征收污染物排放稅更大,因?yàn)樯镔|(zhì)燃燒發(fā)電的產(chǎn)生的CO2大于空氣污染物的量,但生物質(zhì)和垃圾發(fā)電排放的 CO2可以構(gòu)成自然界的碳循環(huán),實(shí)現(xiàn)CO2的“零排放”.因此,通過征收碳稅來限制CO2排放量雖然會(huì)對(duì)其產(chǎn)生影響,但可以對(duì)生物質(zhì)和垃圾發(fā)電免征碳稅,甚至可以將稅收對(duì)其進(jìn)行補(bǔ)貼,保證其更好的發(fā)展從而達(dá)到更好的減排效果.綜上所述,淄博的新能源發(fā)電在規(guī)劃期將會(huì)得到保證,且風(fēng)力發(fā)電和生物質(zhì)發(fā)電將會(huì)作為新能源發(fā)電的主力,并且將在規(guī)劃期實(shí)現(xiàn)預(yù)期設(shè)定的目標(biāo).

圖2 不同情景下的外購(gòu)電量Fig.2 Purchased electricity quantity under different scenarios

2.2.2 排放總量對(duì)比 情景1中qi為0時(shí)的大氣排放限值參考山東省要求的排放標(biāo)準(zhǔn)制訂,情景2與情景3中的大氣污染物排放量計(jì)算采用火力發(fā)電行業(yè)的污染排放的計(jì)算方法.

三種情景下二氧化碳和空氣污染物排放限值結(jié)果如表6所示,情景1中qi為0時(shí)SO2,NOx和PM的排放限值,即政府制訂的排放標(biāo)準(zhǔn),其在所有情景中為最低,并且情景2得到的大氣污染物排放結(jié)果高于情景1中的部分設(shè)定值,這說明淄博市現(xiàn)階段執(zhí)行的污染物排放限值相當(dāng)嚴(yán)格,且在不征收污染物排放稅的情況下就達(dá)到了更好的效果,因此,淄博市現(xiàn)階段執(zhí)行的污染物排放標(biāo)準(zhǔn)非常嚴(yán)格且具有較強(qiáng)的可行性.

CO2的減排結(jié)果在情景3中為最低,征收碳稅對(duì)火力發(fā)電、生物質(zhì)和垃圾發(fā)電同時(shí)造成了影響,尤其生物質(zhì)和垃圾發(fā)電的發(fā)電量相比情景1和情景2減少程度較大,因此情景3的CO2的排放限值在所有情景中最優(yōu),同時(shí)由于 CO2的排放減少,大氣污染物的排放也相應(yīng)減少.這表明通過征收碳稅達(dá)到的減排效果十分明顯.然而除了考慮減排效果以外,還要綜合考慮其成本,過高的成本不具有可行性,并且還會(huì)對(duì)企業(yè)以及經(jīng)濟(jì)發(fā)展產(chǎn)生影響.

表6 情景2和情景3各時(shí)期的CO2及污染物排放總量Table 6 Amount of CO2and pollutants emission under scenarios of 2 and 3 in each period.

2.2.3 系統(tǒng)成本 將機(jī)會(huì)約束規(guī)劃應(yīng)用于 CO2和大氣污染物排放限值,得出的不同結(jié)果可以顯示出系統(tǒng)成本和排放限值的相關(guān)性.系統(tǒng)成本會(huì)隨著 qi值的增加而減少,例如,當(dāng) qi值為 0.01, 0.05,0.1時(shí),其相應(yīng)的系統(tǒng)成本為[3.84, 4.69]×1011元, [3.81, 4.66]×1011元,[3.80, 4.65]×1011元.這說明隨著排放限值的增加,系統(tǒng)用來控制 CO2和大氣污染物排放的花費(fèi)將會(huì)減少,系統(tǒng)總成本將會(huì)減少.違約概率越大,則系統(tǒng)成本越低,但預(yù)先設(shè)定的排放目標(biāo)就無法實(shí)現(xiàn);將違約概率控制到最小,則系統(tǒng)成本則會(huì)最大,但環(huán)境質(zhì)量將會(huì)得到保障.

征收排放稅會(huì)帶來顯著增加成本.圖3給出了不同情景下系統(tǒng)成本的解,在不同情景下,系統(tǒng)成本變化十分顯著.例如,情景1中當(dāng)qi= 0時(shí),系統(tǒng)成本為[3.85, 4.74]×1011元,情形 2中為[4.84, 6.23]×1012元,情景3中為[3.83, 3.95] ×1012元 .盡管征稅可以促進(jìn)大氣污染物和二氧化碳減排,調(diào)整電力結(jié)構(gòu),增加政府收入.然而,征收排放稅,不僅可能導(dǎo)致當(dāng)前區(qū)域能源系統(tǒng)成本相對(duì)較高,增加燃煤電力行業(yè)的負(fù)擔(dān),也可能對(duì)區(qū)域電力系統(tǒng)的穩(wěn)定性造成很大壓力.征收稅收的系統(tǒng)成本是傳統(tǒng)排污收費(fèi)制度的十倍或十倍以上,但在不同情景下減排的結(jié)果之間并沒有太大的差距.總之,根據(jù)淄博市的案例研究結(jié)果可知,對(duì)于電力系統(tǒng)征收二氧化碳和空氣污染物的排放稅是不可行也是不必要的.

圖3 不同情景下的系統(tǒng)總成本Fig.3 Total system cost under different scenarios

許多發(fā)達(dá)國(guó)家在征收碳稅和環(huán)境稅之后,由于制度設(shè)計(jì)和征稅對(duì)象的不同,征稅帶來的效果也褒貶不一[28-29].目前國(guó)際上流行的碳減排的趨勢(shì)主要依靠碳交易機(jī)制以及二氧化碳的捕集、封存,建立完善的碳交易市場(chǎng),是發(fā)展中國(guó)家有效控制碳排放的重要手段之一,相關(guān)的減排措施值得進(jìn)一步研究與探討[30-31].

3 結(jié)語

本研究將不確定性優(yōu)化方法(ITSCCP)與區(qū)域電力系統(tǒng)模型相結(jié)合,分析不同違約概率對(duì)應(yīng)的排放限值系統(tǒng)的影響,研究將淄博市作為實(shí)例進(jìn)行研究,并基于電力結(jié)構(gòu)調(diào)整,外購(gòu)電量,排放限值,二氧化碳排放稅和污染物排放稅設(shè)置了三個(gè)情景.結(jié)果表明:隨著 qi值的增加,火力發(fā)電量將會(huì)相應(yīng)增加,而外購(gòu)電將會(huì)相應(yīng)減少;新能源發(fā)電由于清潔性,在不同情景下可完成預(yù)先設(shè)定的目標(biāo);在情景1中qi值為0時(shí)SO2,NOx和煙塵的排放限值在所有情景中為最低,說明淄博市現(xiàn)階段實(shí)施的污染物排放標(biāo)準(zhǔn)具有較好的可行性;盡管較高的違約概率將增加系統(tǒng)的風(fēng)險(xiǎn),但可以降低系統(tǒng)總成本,但會(huì)造成環(huán)境質(zhì)量的下降.征收排放稅會(huì)造成成本的顯著增加,但減排效果并不理想.因此,基于淄博市的案例結(jié)果,對(duì)電力系統(tǒng)征收排放稅是不必要的.

[1] Herrerias M J, Joyeux R, Girardin E. Short- and long-run causality between energy consumption and economic growth: Evidence across regions in China [J]. Applied Energy, 2013, 112:1483-92.

[2] Shan Y, Liu J, Liu Z, et al. New provincial CO2emission inventories in China based on apparent energy consumption data and updated emission factors [J]. Applied Energy, 2016.

[3] 李 薇,周肖楠,解玉磊,等.不同排污收費(fèi)情景下的發(fā)電企業(yè)減排模型研究 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(8):1529-1535.

[4] 解玉磊,付正輝,湯 燁,等.區(qū)域電力結(jié)構(gòu)優(yōu)化模型及溫室氣體減排潛力 [J]. 電力建設(shè), 2013,34(11):82-86.

[5] 周 雅,李永平,黃國(guó)和.深圳市可持續(xù)電力規(guī)劃模型及節(jié)能減排分析 [J]. 電力建設(shè), 2014,35(6):82-87.

[6] 張曉萱.考慮環(huán)境約束的不確定性城市能源系統(tǒng)優(yōu)化模型 [D].北京:華北電力大學(xué), 2010.

[7] 周肖楠.基于不確定性的區(qū)域電力——環(huán)境系統(tǒng)優(yōu)化模型研究[D]. 北京:華北電力大學(xué), 2014.

[8] Xie Y L, Huang G H, Li W, et al. Carbon and air pollutants constrained energy planning for clean power generation with arobust optimization model—A case study of Jining City, China [J]. Applied Energy, 2014,136:150—167.

[9] Jin L, Huang GH, Fan YR, et al. A pseudo-optimal inexact stochastic interval T2fuzzy sets approach for energy and environmental systems planning under uncertainty: A case study for Xiamen City of China [J]. Applied Energy, 2015,138:71-90.

[10] Ji L, Niu D X, Xu M, et al. An optimization model for regional micro-grid system management based on hybrid inexact stochastic-fuzzy chance-constrained programming [J]. International Journal of Electrical Power & Energy Systems, 2015,64:1025-39.

[11] Zhu Y, Li Y P, Huang G H, et al. A dynamic model to optimize municipal electric power systems by considering carbon emission trading under uncertainty [J]. Energy, 2015,88:636-49.

[12] Fang G, Tian L, Fu M, et al. The impacts of carbon tax on energy intensity and economic growth — A dynamic evolution analysis on the case of China [J]. Applied Energy, 2013,110:17-28.

[13] Guo Z, Zhang X, Zheng Y, et al. Exploring the impacts of a carbon tax on the Chinese economy using a CGE model with a detailed disaggregation of energy sectors [J]. Energy Economics, 2014,45:455-62.

[14] 徐 毅,臧宏寬.不確定條件下碳稅政策對(duì)北京市能源環(huán)境系統(tǒng)影響研究 [J]. 中國(guó)環(huán)境科學(xué), 2012,12:2278-2284.

[15] Yang M, Fan Y, Yang F, et al. Regional disparities in carbon dioxide reduction from China's uniform carbon tax: A perspective on interfactor/interfuel substitution [J]. Energy, 2014,74:131-139.

[16] 馬士國(guó).征收硫稅對(duì)中國(guó)二氧化硫排放和能源消費(fèi)的影響 [J].中國(guó)工業(yè)經(jīng)濟(jì), 2008,2:20-30.

[17] 劉立佳.中國(guó)二氧化硫稅稅率設(shè)計(jì)研究 [D]. 杭州:浙江財(cái)經(jīng)學(xué)院, 2011.

[18] 李永坡.我國(guó)二氧化硫稅制度設(shè)計(jì)研究 [D]. 石家莊:河北經(jīng)貿(mào)大學(xué), 2015.

[19] 李丹陽.開征氮氧化物稅的現(xiàn)實(shí)意義與可行性分析 [J]. 科技經(jīng)濟(jì)導(dǎo)刊, 2016,23:168-169.

[20] Li Y P, Huang G H, Brian W. Baetz. Environmental Management under Uncertainty—an interval-Parameter Two-Stage Chance-Constrained Mixed Integer Linear Programming Method [J]. Environmental Engineering Science, 2006,23(5):761-779.

[21] Huang G H, Loucks D P. An inexact two-stage stochastic programming model for water resources management under uncertainty [J]. Civil Eng Environ Syst, 2000,17:95—118.

[22] Wu C B, Huang G H, Li W, et al. Multistage stochastic inexact chance-constraint programming for an integrated biomassmunicipal solid waste power supply management under uncertainty [J]. Renewable and Sustainable Energy Reviews, 2015,41:1244-54.

[23] Maqsood I, Huang G H. A Two-Stage Interval-Stochastic Programming Model for Waste Management under Uncertainty [J]. Journal of the Air & Waste Management Association, 2003, 53:540-52.

[24] 淄博市經(jīng)濟(jì)和信息化委員會(huì).對(duì)智能電網(wǎng)現(xiàn)狀和發(fā)展趨勢(shì)的認(rèn)識(shí) [R]. 淄博:淄博市經(jīng)濟(jì)和信息化委員會(huì), 2013.

[25] 淄博市統(tǒng)計(jì)局.2011～2014淄博市統(tǒng)計(jì)年鑒 [M]. 淄博:淄博市統(tǒng)計(jì)局, 2011-2014.

[26] 淄博市統(tǒng)計(jì)局.2010～2014年淄博市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào) [R]. 淄博:淄博市統(tǒng)計(jì)局, 2011-2015.

[27] DB37/2376-2013 山東省區(qū)域性大氣污染物綜合排放標(biāo)準(zhǔn)[S].

[28] 汪曾濤.碳稅征收的國(guó)際比較與經(jīng)驗(yàn)借鑒 [J]. 理論探索, 2009,4:68-71.

[29] 蘇 明,傅志華,許 文,等.碳稅的國(guó)際經(jīng)驗(yàn)與借鑒 [J]. 環(huán)境經(jīng)濟(jì), 2009,9:28-32.

[30] 雷立鈞,荊哲峰.國(guó)際碳交易市場(chǎng)發(fā)展對(duì)中國(guó)的啟示 [J]. 中國(guó)人口.資源與環(huán)境, 2011,4:30-36.

[31] 孫亞男.碳交易市場(chǎng)中的碳稅策略研究 [J]. 中國(guó)人口.資源與環(huán)境, 2014,3:32-40.

Regional power system optimization based on analysis of levying taxes on CO2and atmospheric pollutants emission

WANG Lin-rui, CHAI Miao, WANG Ling-zhi, LI Wei*(Ministry of Education Key Laboratory of Regional Energy and Environmental Systems Optimization, North China Electric Power University, Beijing 102206, China). China Environmental Science, 2017,37(3)：1179～1187

In order to optimize the power system and promote energy conservation and emission reduction, an inexact optimization method was combined with the regional power system model for the power system planning: to minimize the system cost as the objective function; to set up the resource quantity, the power supply and demand balance, and the emission caps as constraints refer to the relevant national policies and standards; to optimize the power generation quantity, purchased electricity, the total amount of CO2and air pollutant emission; in order to explore the effect of emission reductions and the feasibility of levying taxes, the corresponding scenario analysis for levying emission taxes on air pollutants and carbon would be set up. The research took Zibo City as a case study, with the increasing probability of violating system constraints, the optimized thermal power generation quantity would increase, the renewable power generation quantity would achieve the goals of 10% total electricity consumption in 3scenarios. Moreover, the purchased electricity would be the complementary power form for the power system; the emission caps of SO2, NOxand PM under the default probability of 0 in scenario 1 would be the best among all scenarios. It denotes that the current standard implemented by Zibo would obtain better results, and the results of total cost in scenarios 2 and 3 would increase significantly. Therefore, based on the case study of Zibo City, levying emission taxes on power system maybe unnecessary.

emission taxes of air pollutants；carbon tax；regional power system planning；inexact optimization method

X196

A

1000-6923(2017)03-1179-09

王琳瑞(1992-),男,山東淄博人,華北電力大學(xué)碩士研究生,研究方向?yàn)閰^(qū)域能源系統(tǒng)管理,能源與環(huán)境系統(tǒng)分析等.發(fā)表論文2篇.

2016-07-21

國(guó)家自然基金面上項(xiàng)目資助(61471171);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助(2015ZZD08);環(huán)保部公益項(xiàng)目(201509010)

* 責(zé)任作者, 教授, weili819@aliyun.com