王艷華,王 克*,劉俊伶,鄒 驥

鎖定碳排放約束下我國(guó)煤電擱淺資產(chǎn)風(fēng)險(xiǎn)評(píng)估

王艷華1,王 克1*,劉俊伶2,鄒 驥1

(1.中國(guó)人民大學(xué)環(huán)境學(xué)院,北京 100872；2.哈爾濱工業(yè)大學(xué)(深圳)經(jīng)濟(jì)管理學(xué)院,廣東 深圳 518055)

通過細(xì)化機(jī)組級(jí)燃煤發(fā)電財(cái)務(wù)狀況建模,測(cè)算了提前退役、靈活性調(diào)整、限制和停止新增等情景下煤電擱淺資產(chǎn)風(fēng)險(xiǎn),明確了不同情景下導(dǎo)致擱淺資產(chǎn)規(guī)模及時(shí)空分布情況.結(jié)果表明:存量煤電機(jī)組是引起擱淺資產(chǎn)的主體,控制新增煤電有助于降低擱淺資產(chǎn)風(fēng)險(xiǎn),提前退役、靈活性調(diào)整情景下中國(guó)現(xiàn)存和新增煤電擱淺資產(chǎn)總規(guī)模分別為1.90萬億和3.98萬億元;不同轉(zhuǎn)型情景導(dǎo)致煤電擱淺資產(chǎn)的年際分布差異明顯,提前退役擱淺壓力主要集中于2030～2040年間,靈活性調(diào)整情景下則集中于2021～2035年間;煤電擱淺資產(chǎn)空間分布極不均衡,山東、內(nèi)蒙古、江蘇等10個(gè)煤電大省擱淺資產(chǎn)規(guī)模占全國(guó)的67%和70%.因此,煤電低碳轉(zhuǎn)型需審慎決策,重視提前退役造成的煤電資產(chǎn)擱淺,更要防范和控制靈活性調(diào)整導(dǎo)致的煤電資產(chǎn)減值,重點(diǎn)關(guān)注山東、內(nèi)蒙古、新疆、江蘇等重點(diǎn)省份,制定因地制宜的煤電轉(zhuǎn)型策略,幫助電力相關(guān)企業(yè)及政府等進(jìn)行減排政策選擇.

燃煤發(fā)電；擱淺資產(chǎn)；鎖定碳排放；煤電轉(zhuǎn)型

電力部門是我國(guó)碳排放占比最大的部門,電力和熱力生產(chǎn)的碳排放占全國(guó)能源消費(fèi)總排放的51.44%,且大多來自燃煤發(fā)電[1].從減排潛力來看,我國(guó)電力部門較其他部門減排貢獻(xiàn)最大[2],且從技術(shù)和經(jīng)濟(jì)角度煤電行業(yè)更容易脫碳[3],煤電轉(zhuǎn)型是我國(guó)在2060年前努力爭(zhēng)取實(shí)現(xiàn)碳中和的關(guān)鍵點(diǎn).同時(shí),我國(guó)燃煤發(fā)電仍然占據(jù)電力供應(yīng)的主體地位,煤電機(jī)組平均服役年限僅為11a,煤電機(jī)組預(yù)期壽命在30年以上,運(yùn)行壽命周期內(nèi)產(chǎn)生的累積碳排放量較高,即帶來高碳鎖定效應(yīng)[4-5].煤電行業(yè)需加速轉(zhuǎn)型,減少煤電的鎖定碳排放,嚴(yán)格控制煤電增量,對(duì)存量機(jī)組采取提前退役、靈活性調(diào)整等轉(zhuǎn)型措施[6-8].

受碳排放約束影響,煤電行業(yè)低碳轉(zhuǎn)型將造成煤電企業(yè)盈利能力下降,導(dǎo)致燃煤發(fā)電機(jī)組等高碳基礎(chǔ)設(shè)施的資產(chǎn)價(jià)值下降即資產(chǎn)擱淺,進(jìn)而對(duì)企業(yè)和金融機(jī)構(gòu)的資產(chǎn)質(zhì)量造成不良影響,甚至可能引起宏觀經(jīng)濟(jì)危機(jī)[9].碳排放約束和轉(zhuǎn)型政策影響下的能源資產(chǎn)擱淺已逐漸引起關(guān)注,將其定義為預(yù)期使用壽命之前喪失經(jīng)濟(jì)價(jià)值的資產(chǎn)[10].隨后,擱淺資產(chǎn)概念逐步發(fā)展,主要是指由氣候政策、市場(chǎng)監(jiān)管等導(dǎo)致無法獲得經(jīng)濟(jì)回報(bào)的基礎(chǔ)設(shè)施投資[11-12],更加強(qiáng)調(diào)資產(chǎn)價(jià)值的減記、貶值或轉(zhuǎn)為負(fù)債的損失[13-14].燃煤發(fā)電在低碳轉(zhuǎn)型中的擱淺資產(chǎn)逐步成為能源基礎(chǔ)設(shè)施擱淺的研究重點(diǎn).

在擱淺資產(chǎn)定義的基礎(chǔ)上,諸多研究開展了氣候目標(biāo)下全球煤電擱淺資產(chǎn)的測(cè)算,Pfeiffer等[15-16]認(rèn)為全球51%～58%的燃煤電廠將面臨擱淺風(fēng)險(xiǎn).我國(guó)煤電裝機(jī)總量大,機(jī)組年齡小,占全球煤電擱淺資產(chǎn)的45%以上[17].目前,擱淺資產(chǎn)的主要計(jì)算方法有3種,分別為成本法、賬面價(jià)值法和現(xiàn)金流量法,我國(guó)擱淺資產(chǎn)的價(jià)值量因計(jì)算方法和參數(shù)值不同存在差異較大.Caldecott等[18]采用成本法測(cè)算了2021～2036年中國(guó)煤電機(jī)組完全退役的擱淺資產(chǎn)價(jià)值在3.1～7.2萬億元.賬面價(jià)值法測(cè)算擱淺資產(chǎn)的研究中,擱淺資產(chǎn)規(guī)模相對(duì)較小,Saygin等[17]認(rèn)為中國(guó)煤電擱淺資產(chǎn)介于2631～4169億美元,而李政等[6]將煤電擱淺資產(chǎn)定義為提前退役時(shí)的固定資產(chǎn)殘值,計(jì)算得到2℃情景下擱淺資產(chǎn)規(guī)模僅為373～1583億元,1.5℃情景下達(dá)到6551億元.目前,采用現(xiàn)金流量法核算中國(guó)煤電擱淺資產(chǎn)的研究相對(duì)較多,擱淺資產(chǎn)規(guī)?；驹?.3～3.16萬億元[14,19-20],但對(duì)煤電機(jī)組類別劃分等存在較大差異,且參數(shù)選擇上大多采用全國(guó)統(tǒng)一參數(shù),未考慮我國(guó)煤電運(yùn)營(yíng)狀況的地區(qū)差異.

國(guó)際視角中關(guān)于電力部門擱淺資產(chǎn)的研究較多[21-22],普遍注重于因氣候目標(biāo)約束而提前退役的燃煤發(fā)電機(jī)組[23-24],但較少考慮靈活性調(diào)整及碳市場(chǎng)等政策因素或市場(chǎng)因素造成的煤電資產(chǎn)收益下降或資產(chǎn)貶值等帶來的影響[25],且基于我國(guó)國(guó)情的不同規(guī)模、不同技術(shù)、不同地區(qū)煤電擱淺資產(chǎn)測(cè)算較少.為彌補(bǔ)以上研究不足,本文在擱淺資產(chǎn)定義、計(jì)算方法和情景設(shè)計(jì)等方面進(jìn)行了改進(jìn):首先,在原有擱淺資產(chǎn)定義的基礎(chǔ)上進(jìn)行了補(bǔ)充,即擱淺資產(chǎn)包含了靈活性調(diào)整等政策或市場(chǎng)因素導(dǎo)致的預(yù)期收益下降部分;計(jì)算方法方面,根據(jù)我國(guó)煤電機(jī)組的技術(shù)特征、裝機(jī)規(guī)模、地區(qū)特征等為單個(gè)燃煤發(fā)電機(jī)組的財(cái)務(wù)狀況進(jìn)行建模,探究我國(guó)煤電擱淺資產(chǎn)的地區(qū)間差異和年際分布等特點(diǎn);情景設(shè)計(jì)上,采用碳預(yù)算約束目標(biāo)倒逼煤電轉(zhuǎn)型路徑,轉(zhuǎn)型情景中煤電碳鎖定效應(yīng)不超過碳預(yù)算約束值,設(shè)計(jì)了提前退役、靈活性調(diào)整、限制和停止新增等多組情景.通過對(duì)比不同轉(zhuǎn)型措施對(duì)煤電資產(chǎn)的影響,以期幫助電力相關(guān)企業(yè)及政府等進(jìn)行減排路徑選擇,有利于防范和控制煤電部門巨額擱淺資產(chǎn)導(dǎo)致的社會(huì)風(fēng)險(xiǎn).

1 研究方法與數(shù)據(jù)來源

1.1 鎖定碳排放約束下的煤電發(fā)展情景設(shè)計(jì)

考慮到煤電高碳排放鎖定效應(yīng)的特征,煤電行業(yè)低碳轉(zhuǎn)型不僅需要關(guān)注關(guān)鍵時(shí)點(diǎn)的排放量要求,還應(yīng)重視煤電整體的累積碳排放量,避免延遲減排路徑[5].在不依賴負(fù)排放技術(shù)和技術(shù)改造的情況下,中國(guó)煤電減排力度需大幅度提高,燃煤發(fā)電機(jī)組的退役壽命大幅度降低,年運(yùn)行小時(shí)數(shù)維持在較低水平,并控制新增煤電規(guī)模[26-28].因此,本文綜合鎖定碳排放約束下不同類型煤電新增規(guī)模、發(fā)電小時(shí)數(shù)及運(yùn)行壽命的動(dòng)態(tài)變化,設(shè)定我國(guó)煤電慣性發(fā)展情景和鎖定碳排放約束下轉(zhuǎn)型發(fā)展情景.

表1 煤電發(fā)展情景設(shè)計(jì)

根據(jù)我國(guó)2060年碳中和目標(biāo)和IPCC AR5中1.5℃溫升目標(biāo)確定中國(guó)累積碳排放量即碳預(yù)算,從自上而下角度推算煤電行業(yè)碳配額.因此,根據(jù)碳預(yù)算要求和多因素燃煤電廠鎖定碳排放[29-30],本文設(shè)計(jì)了基準(zhǔn)情景(BAU)、提前退役(ER)和靈活性調(diào)整(LU)3類主要情景,并在主要情景下細(xì)分了煤電增量的子情景(表1).新增煤電機(jī)組的情景設(shè)計(jì)中,考慮了發(fā)展新增煤電、限制新增煤電、無新增煤電等3種情景:發(fā)展新增煤電情景(Add),即保持在建和擬建機(jī)組正常建設(shè)并投入運(yùn)營(yíng);控制新增機(jī)組情景(RA),保證在建機(jī)組的正常建設(shè)和投入使用,其他擬建機(jī)組停止建設(shè);無新增機(jī)組情景(NA),停止所有擬建和在建煤電機(jī)組的建設(shè).

1.2 煤電機(jī)組級(jí)財(cái)務(wù)分析框架

自下而上的成本分析(BUCM)是核算煤電機(jī)組現(xiàn)金流量、厘清煤電機(jī)組擱淺資產(chǎn)的重要方法,通過工程的財(cái)務(wù)成本模型可以確定運(yùn)行年限、發(fā)電小時(shí)數(shù)、材料價(jià)格、資本折舊等對(duì)整體現(xiàn)金流量影響,并將各成本要素和經(jīng)濟(jì)變量聯(lián)系起來[31].現(xiàn)有煤電擱淺資產(chǎn)核算采用的煤電成本核算框架較為簡(jiǎn)單,大多忽略了融資成本、資產(chǎn)折舊、稅費(fèi)等內(nèi)容,且對(duì)中國(guó)煤電機(jī)組地區(qū)差異的關(guān)注度不夠.為更準(zhǔn)確的測(cè)算不同類型機(jī)組和不同地區(qū)之間煤電擱淺資產(chǎn)的差異,需建立不同規(guī)模、不同技術(shù)、不同地區(qū)中國(guó)煤電機(jī)組成本分析框架,更清晰評(píng)估各類型機(jī)組擱淺資產(chǎn)分布情況.

為盡可能貼近煤電機(jī)組實(shí)際運(yùn)行情況,本文根據(jù)煤電機(jī)組的技術(shù)特征、裝機(jī)規(guī)模、地區(qū)特征等,為全國(guó)2991個(gè)現(xiàn)存機(jī)組和460個(gè)新增機(jī)組的財(cái)務(wù)狀況進(jìn)行建模,并在成本分析框架中進(jìn)行了成本細(xì)化,納入了融資成本、折舊、稅費(fèi)等部分,考慮規(guī)模、技術(shù)、空間差異對(duì)機(jī)組現(xiàn)金流的影響(圖1).機(jī)組級(jí)財(cái)務(wù)分析框架具有較高的技術(shù)準(zhǔn)確性和時(shí)空分辨率,充分體現(xiàn)燃煤發(fā)電機(jī)組轉(zhuǎn)型的地區(qū)差異、技術(shù)差異等,識(shí)別資產(chǎn)擱淺風(fēng)險(xiǎn)較高的機(jī)組和區(qū)域,從而為煤電轉(zhuǎn)型實(shí)施提供有效精準(zhǔn)對(duì)策.燃煤發(fā)電機(jī)組收入主要為售電收入,成本部分主要包括初始建設(shè)投資和運(yùn)營(yíng)成本兩類,其中,初始建設(shè)投資包括建筑安裝工程費(fèi)、建筑安裝人工費(fèi)、設(shè)備購(gòu)置費(fèi)和其他費(fèi)用4種,運(yùn)營(yíng)成本則包括燃料費(fèi)、運(yùn)營(yíng)維護(hù)費(fèi)、保險(xiǎn)費(fèi)、員工工資及福利費(fèi)、稅費(fèi)、貸款利息和折舊費(fèi)等.稅費(fèi)又細(xì)分為增值稅、城市維護(hù)建設(shè)稅及教育附加、所得稅等.我國(guó)熱電聯(lián)產(chǎn)機(jī)組數(shù)量多,占現(xiàn)存機(jī)組的1/3左右,財(cái)務(wù)分析框架中將熱電聯(lián)產(chǎn)機(jī)組進(jìn)行了單獨(dú)核算,收入部分加入熱電聯(lián)產(chǎn)機(jī)組的售熱收入部分,充分考慮了各地區(qū)供熱價(jià)格差異,并在成本中增加余熱鍋爐及相關(guān)設(shè)備的建設(shè)成本和運(yùn)營(yíng)維護(hù)費(fèi)用等.

圖1 煤電機(jī)組級(jí)財(cái)務(wù)成本分析框架

各類燃煤發(fā)電機(jī)組的財(cái)務(wù)狀況主要受到裝機(jī)容量、技術(shù)類型、所在省份等3個(gè)主要因素影響,因此,本文對(duì)燃煤發(fā)電機(jī)組細(xì)致分類,并選取相應(yīng)的成本參數(shù).根據(jù)機(jī)組規(guī)模大小,將燃煤發(fā)電機(jī)組分為6類,<100MW、100～200MW、200～300MW、300～ 600MW、600～1000MW、31000MW (區(qū)間為前閉后開).根據(jù)燃煤發(fā)電機(jī)組的技術(shù)類型,又細(xì)分為亞臨界、超臨界、超超臨界、整體煤氣化聯(lián)合循環(huán)發(fā)電(IGCC)、循環(huán)流化床(CFB)等5種,部分機(jī)組技術(shù)情況不明,以同等規(guī)模機(jī)組的平均水平代替.

1.3 擱淺資產(chǎn)價(jià)值評(píng)估

擱淺資產(chǎn)價(jià)值評(píng)估方法主要有凈現(xiàn)值法(NPV)、凈賬面價(jià)值(NBV)和成本法等.NBV法和成本法更多體現(xiàn)資產(chǎn)的歷史價(jià)值,無法體現(xiàn)未來不同運(yùn)營(yíng)情景下煤電機(jī)組的經(jīng)營(yíng)狀況,NPV法則彌補(bǔ)了這一缺陷,NPV估值是常用的資產(chǎn)價(jià)值評(píng)估方法,即資產(chǎn)價(jià)值等于預(yù)期未來所產(chǎn)生的全部現(xiàn)金流現(xiàn)值總和.因此,本文采用NPV法測(cè)算不同發(fā)展情景下中國(guó)燃煤發(fā)電機(jī)組的擱淺資產(chǎn)情況,即與基準(zhǔn)情景相比,預(yù)期壽命期內(nèi)凈現(xiàn)金流縮減導(dǎo)致的資產(chǎn)損失.值得注意的是,靈活性調(diào)整情景下煤電機(jī)組運(yùn)行小時(shí)數(shù)下降導(dǎo)致現(xiàn)金流量縮減,將導(dǎo)致煤電資產(chǎn)價(jià)值下降,這部分資產(chǎn)損失也視為擱淺資產(chǎn).

不同情景下的NPV計(jì)算如下:

式中:NCF為未來煤電運(yùn)行期內(nèi)第年的凈現(xiàn)金流;為折現(xiàn)率,參考折現(xiàn)率常用指標(biāo)中國(guó)加權(quán)平均資本成本指標(biāo)WACC,此處取8%.

對(duì)于現(xiàn)存機(jī)組而言,NCFt計(jì)算如下:

式中:R為運(yùn)營(yíng)期間現(xiàn)金流入;C為運(yùn)營(yíng)期間的成本支出.

對(duì)于新增機(jī)組而言,主要有在建、擬建2種類型,建設(shè)期間現(xiàn)金流為初始建設(shè)成本的現(xiàn)金流出,運(yùn)營(yíng)期間現(xiàn)金流與現(xiàn)存機(jī)組一致.

1.4 數(shù)據(jù)來源

煤電機(jī)組級(jí)數(shù)據(jù)主要來自Global Coal Plant Tracker數(shù)據(jù)庫、中國(guó)擬在建項(xiàng)目網(wǎng)、北極星電力網(wǎng)等進(jìn)行交叉整合,截止到2021年1月,收集機(jī)組信息3451條,現(xiàn)存機(jī)組裝機(jī)規(guī)模為10.43億kW(表2),不含30MW以下機(jī)組,與中國(guó)電力企業(yè)聯(lián)合會(huì)2020年全國(guó)全口徑煤電裝機(jī)容量10.8億kW基本一致.機(jī)組級(jí)數(shù)據(jù)包含各機(jī)組裝機(jī)容量、技術(shù)類型、所在省份、建設(shè)年份等信息,基于此對(duì)單個(gè)燃煤發(fā)電機(jī)組的財(cái)務(wù)狀況進(jìn)行建模,成本數(shù)據(jù)來源詳見表3.

表2 煤電機(jī)組級(jí)數(shù)據(jù)基本情況

表3 煤電機(jī)組成本數(shù)據(jù)來源

對(duì)于在規(guī)劃、設(shè)計(jì)、核準(zhǔn)3種狀態(tài)的新增待建機(jī)組,建設(shè)投入初始時(shí)間分別在3、2、1a后,且建成投入運(yùn)營(yíng)時(shí)間與根據(jù)機(jī)組規(guī)模相關(guān),不同規(guī)模機(jī)組建設(shè)時(shí)間與期間建設(shè)投入占比見表4.

表4 不同規(guī)模機(jī)組建設(shè)期間投入比例(%)

2 結(jié)果與討論

2.1 中國(guó)煤電擱淺資產(chǎn)規(guī)模

中國(guó)煤電轉(zhuǎn)型將導(dǎo)致數(shù)萬億擱淺資產(chǎn),大量新增機(jī)組投入投資和建設(shè)的情況下,提前退役、靈活性調(diào)整將使中國(guó)擱淺資產(chǎn)規(guī)模累計(jì)達(dá)到1.90萬億和3.98萬億,存量機(jī)組的資產(chǎn)損失是煤電擱淺風(fēng)險(xiǎn)的主要部分(表5).靈活性調(diào)整情景要求1000MW以下機(jī)組滿發(fā)小時(shí)數(shù)下降50%～60%,且機(jī)組存在固定的運(yùn)營(yíng)維護(hù)成本,將導(dǎo)致我國(guó)大部分煤電機(jī)組的凈現(xiàn)金流量縮減,造成擱淺資產(chǎn)風(fēng)險(xiǎn)較高.新增煤電主要包含在建機(jī)組和擬建機(jī)組2個(gè)部分,提前退役情景下二者擱淺資產(chǎn)風(fēng)險(xiǎn)分別為759.46,432.66億元,擱淺資產(chǎn)規(guī)模與裝機(jī)總量呈正相關(guān)關(guān)系;靈活性調(diào)整情景下,在建機(jī)組和擬建機(jī)組裝機(jī)總量差異大,但擱淺資產(chǎn)規(guī)?；疽恢?分別為1679.54, 1823.29億元,這是由于擬建機(jī)組的規(guī)模較小(平均裝機(jī)僅為315.88MW),靈活性調(diào)整情景下煤電資產(chǎn)損失相對(duì)更明顯.

表5 存量和增量機(jī)組擱淺資產(chǎn)規(guī)模對(duì)比情況

注:擱淺資產(chǎn)規(guī)模均為2020年折現(xiàn)值,下同.

提前退役和靈活性調(diào)整對(duì)不同規(guī)模機(jī)組的現(xiàn)金流入的影響差異明顯:提前退役情景下,規(guī)模越大的機(jī)組擱淺資產(chǎn)風(fēng)險(xiǎn)越高,以300～600MW和600～ 1000MW兩類機(jī)組來看,現(xiàn)存裝機(jī)規(guī)模相近,分別為388.80GW和403.51GW,但600～1000MW機(jī)組擱淺資產(chǎn)規(guī)模卻高出了49.38%;靈活性調(diào)整情景則恰好相反,規(guī)模較大機(jī)組的單位裝機(jī)擱淺資產(chǎn)損失是逐漸降低的,即規(guī)模越小機(jī)組的現(xiàn)金流入受影響更高.值得注意的是,100MW以下機(jī)組在提前退役的情景下擱淺資產(chǎn)為負(fù)值,即資產(chǎn)價(jià)格出現(xiàn)一定程度增值,原因是該類機(jī)組基準(zhǔn)情景下整體處于虧損狀態(tài),煤電機(jī)組為負(fù)資產(chǎn),提前退役將減少機(jī)組虧損時(shí)間.

2.2 煤電擱淺資產(chǎn)的年際分布情況

如圖2所示, 提前退役和靈活性調(diào)整情景下,擱淺資產(chǎn)的時(shí)間分布上存在一定錯(cuò)位互補(bǔ)關(guān)系.提前退役情景下我國(guó)煤電擱淺風(fēng)險(xiǎn)壓力主要集中于2030～2040年間,擱淺資產(chǎn)規(guī)模最高出現(xiàn)在2035年,該年度煤電凈現(xiàn)金流損失為3132億元,達(dá)到電力、熱力行業(yè)2018年工業(yè)增加值的13.88%.2045～2050年間,一批新增煤電機(jī)組的提前退役,將造成又一次擱淺資產(chǎn)風(fēng)險(xiǎn)高峰.靈活性調(diào)整情景下,擱淺資產(chǎn)主要集中于近15a間(即2035年前),煤電機(jī)組面臨整體現(xiàn)金流損失,隨著時(shí)間推移,擱淺資產(chǎn)風(fēng)險(xiǎn)逐漸下降.

圖2 提前退役和靈活性調(diào)整情景下擱淺資產(chǎn)年度變化

擱淺資產(chǎn)的年際分布與我國(guó)煤電機(jī)組的年齡結(jié)構(gòu)有關(guān).我國(guó)煤電機(jī)組的平均服役年限短,僅為12a,新疆、青海、寧夏等省份存在大量運(yùn)營(yíng)尚不足10a的機(jī)組,尤其是2015年我國(guó)煤電審批程序的行政變更導(dǎo)致新增煤電產(chǎn)能回升明顯,年新增裝機(jī)容量達(dá)到80GW.若這部分機(jī)組將于2035年左右提前退役,造成高額的煤電資產(chǎn)損失,當(dāng)前在建和待建煤電機(jī)組將造成2045～2050年間擱淺資產(chǎn)風(fēng)險(xiǎn)壓力再次加大.靈活性調(diào)整情景將影響大部分機(jī)組的運(yùn)行小時(shí)數(shù),隨著煤電機(jī)組的服役期滿,資產(chǎn)損失規(guī)模將逐步縮減.

2.3 擱淺資產(chǎn)空間差異情況

從煤電擱淺資產(chǎn)規(guī)模的地域分布來看,與各省煤電裝機(jī)規(guī)模密切相關(guān).現(xiàn)存煤電裝機(jī)前10的省份主要有山東、內(nèi)蒙古、江蘇、廣東、河南、新疆、陜西、安徽、河北、陜西,占全國(guó)煤電總裝機(jī)的63.81%,貢獻(xiàn)了電力部門2/3的碳排放,提前退役和靈活性調(diào)整情景下,擱淺資產(chǎn)規(guī)模占全國(guó)的67%和70%,山東和內(nèi)蒙古是全國(guó)煤電裝機(jī)規(guī)模最大的省份,也是面臨巨額擱淺資產(chǎn)風(fēng)險(xiǎn).從全國(guó)整體來看,靈活性調(diào)整情景導(dǎo)致擱淺資產(chǎn)風(fēng)險(xiǎn)更高,將導(dǎo)致全國(guó)煤電機(jī)組擱淺規(guī)模翻倍,同樣的情況也體現(xiàn)在山東和內(nèi)蒙古等多個(gè)省份,靈活性改造情景山東、內(nèi)蒙古擱淺資產(chǎn)高達(dá)4374,4734億元.

我國(guó)各省由于煤電裝機(jī)結(jié)構(gòu)差異較大,提前退役和靈活性調(diào)整導(dǎo)致的擱淺資產(chǎn)規(guī)模存在明顯差異.內(nèi)蒙古、新疆、山西、河北等省份1000MW以上機(jī)組占比低于5%,降低發(fā)電小時(shí)數(shù)導(dǎo)致擱淺資產(chǎn)較提前退役情景更大,新疆尤為明顯,降低發(fā)電小時(shí)數(shù)導(dǎo)致的擱淺資產(chǎn)規(guī)模為提前退役情景的15倍以上;而江蘇、廣東等省份大型機(jī)組占比高,1000MW以上機(jī)組在34%～38%,靈活性調(diào)整情景下擱淺資產(chǎn)規(guī)模和提前退役基本一致,與其他省份相比靈活性調(diào)整方案具有明顯的比較優(yōu)勢(shì)(圖3).

圖3 我國(guó)各省煤電機(jī)組特征與擱淺資產(chǎn)規(guī)模

圖4 基于擱淺資產(chǎn)的燃煤發(fā)電機(jī)組轉(zhuǎn)型措施選擇

因此,煤電低碳轉(zhuǎn)型過程中,需關(guān)注不同地區(qū)轉(zhuǎn)型風(fēng)險(xiǎn)的差異,盡量避免地區(qū)不均衡現(xiàn)象加劇.另外,由于蒙西-晉北-天津南、陜電外送等一系列特高壓輸電線路的規(guī)劃建設(shè),內(nèi)蒙古、山西、陜西、安徽等省份新增煤電裝機(jī)規(guī)模大,擱淺資產(chǎn)風(fēng)險(xiǎn)也遠(yuǎn)高于其他省份,停止或限制新增煤電將給各省造成千億級(jí)煤電擱淺資產(chǎn),內(nèi)蒙古受影響尤為嚴(yán)重,全面停止新增煤電將造成2518.67億元.

通過對(duì)比各機(jī)組在提前退役情景和靈活性改造情景的擱淺資產(chǎn)規(guī)模,識(shí)別了燃煤發(fā)電機(jī)組適合的轉(zhuǎn)型措施(圖4).結(jié)果發(fā)現(xiàn),全國(guó)3451個(gè)燃煤發(fā)電機(jī)組中,有279個(gè)機(jī)組靈活性調(diào)整情景擱淺資產(chǎn)低于提前退役情景5億元以上,即靈活性調(diào)整優(yōu)勢(shì)明顯,該類機(jī)組主要是位于東部沿海地區(qū)的大規(guī)模機(jī)組,技術(shù)先進(jìn)、運(yùn)行年限短;同時(shí),全國(guó)大多數(shù)機(jī)組在提前退役情景下擱淺資產(chǎn)風(fēng)險(xiǎn)較低,1704個(gè)機(jī)組提前退役優(yōu)勢(shì)明顯,其中包含了新疆、甘肅等省份的運(yùn)營(yíng)虧損機(jī)組,提前退役.

2.4 敏感性分析

折現(xiàn)率、煤炭?jī)r(jià)格、初始建設(shè)成本、煤電電價(jià)、運(yùn)行小時(shí)數(shù)等因素是影響煤電機(jī)組凈現(xiàn)金流的重要因素,建設(shè)成本、煤炭?jī)r(jià)格是燃煤發(fā)電機(jī)組初始建設(shè)和運(yùn)行成本的主要部分,燃煤發(fā)電上網(wǎng)電價(jià)是影響煤電盈利的主要因素,運(yùn)行小時(shí)數(shù)則同時(shí)影響機(jī)組運(yùn)行成本和盈利情況,本文進(jìn)一步選取5項(xiàng)指標(biāo)對(duì)煤電機(jī)組擱淺資產(chǎn)規(guī)模進(jìn)行了敏感性分析,結(jié)果如表7所示.從各影響因素來看,煤電價(jià)格和運(yùn)行小時(shí)數(shù)增加10%,將大幅提高煤電凈現(xiàn)金流水平,即對(duì)煤電擱淺資產(chǎn)風(fēng)險(xiǎn)有改善作用;建設(shè)成本、煤炭?jī)r(jià)格和折現(xiàn)率等因素變動(dòng)對(duì)擱淺資產(chǎn)規(guī)模的影響程度較小,核算結(jié)果的穩(wěn)健性較強(qiáng).

表7 煤電擱淺資產(chǎn)的敏感性分析(%)

2.5 建議

我國(guó)擁有世界上最年輕、最高效的煤電機(jī)組,要充分考慮現(xiàn)有煤電機(jī)組的運(yùn)營(yíng)狀況、預(yù)期壽命、鎖定碳排放等實(shí)際情況,穩(wěn)妥設(shè)計(jì)煤電轉(zhuǎn)型路徑和政策措施,努力實(shí)現(xiàn)在綠色轉(zhuǎn)型過渡期平穩(wěn)過渡,避免巨額資產(chǎn)損失.長(zhǎng)期以來,擱淺資產(chǎn)測(cè)算注重于提前退役機(jī)組,但在煤電鎖定排放相同情況下,靈活性調(diào)整產(chǎn)生擱淺資產(chǎn)規(guī)模較提前退役更高,對(duì)煤電企業(yè)和地區(qū)經(jīng)濟(jì)的影響也更大,需對(duì)靈活性調(diào)整對(duì)煤電資產(chǎn)減值的作用引起重視.煤電轉(zhuǎn)型需實(shí)現(xiàn)碳預(yù)算約束下的擱淺資產(chǎn)風(fēng)險(xiǎn)可控,考慮不同轉(zhuǎn)型情景下資產(chǎn)擱淺時(shí)間上的錯(cuò)位互補(bǔ),制定靈活性調(diào)整和提前退役相結(jié)合的轉(zhuǎn)型路徑,控制煤電機(jī)組規(guī)模在合理范疇,既保障電力供應(yīng),盡量避免擱淺資產(chǎn)在短期內(nèi)的急劇攀升,減少經(jīng)濟(jì)損失.基于煤電在可再生能源消納和電力系統(tǒng)供應(yīng)穩(wěn)定性的關(guān)鍵作用,且我國(guó)大裝機(jī)容量機(jī)組的比較優(yōu)勢(shì),因此選擇小裝機(jī)規(guī)模高煤耗機(jī)組更大幅度參與調(diào)峰.此外,為控制煤電整體規(guī)模,需削減煤電存量,提前退役措施優(yōu)先選擇技術(shù)落后、規(guī)模較小、服役年限較長(zhǎng)機(jī)組,尤其是100MW以下機(jī)組;同時(shí),采取增量管控措施,限制或禁止新增煤電機(jī)組的規(guī)劃建設(shè),謹(jǐn)防新建機(jī)組擠壓現(xiàn)存煤電生存空間.

煤電擱淺資產(chǎn)將直接造成煤電相關(guān)企業(yè)收益減少,進(jìn)而影響從業(yè)人員收入、銀行等金融機(jī)構(gòu)信貸安全,甚至將對(duì)地方財(cái)政、經(jīng)濟(jì)發(fā)展等造成一定損害,考慮到煤電轉(zhuǎn)型導(dǎo)致擱淺資產(chǎn)的空間分布,需關(guān)注煤電地區(qū)轉(zhuǎn)型路徑差異,制定因地制宜的煤電轉(zhuǎn)型策略,盡量避免煤電轉(zhuǎn)型加劇地區(qū)間不均衡.山東、內(nèi)蒙古等省份煤電裝機(jī)總量大、小機(jī)組占比高,可以適度推進(jìn)此類型煤電機(jī)組的有序逐步退役;江蘇、廣東、浙江等省份靈活性調(diào)整方案比較優(yōu)勢(shì)明顯,靈活性調(diào)整措施優(yōu)先選擇該類省份的大規(guī)模機(jī)組.

3 結(jié)論

3.1 在煤電鎖定排放相同情況下,全面停止在建和擬建煤電機(jī)組將使擱淺資產(chǎn)規(guī)模減少1192.12, 3502.83億元,存量機(jī)組的資產(chǎn)損失是煤電擱淺風(fēng)險(xiǎn)的主要部分,提前退役、靈活性調(diào)整情景下存量煤電機(jī)組擱淺資產(chǎn)規(guī)模分別為1.78萬億和3.63萬億元,靈活性調(diào)整對(duì)煤電機(jī)組的資產(chǎn)損失影響更大.

3.2 不同機(jī)組受到提前退役和靈活性調(diào)整的影響有明顯差異,規(guī)模較大機(jī)組在提前退役情景下擱淺資產(chǎn)風(fēng)險(xiǎn)較高,尤其是100MW以下機(jī)組提前退役將減少虧損,靈活性調(diào)整情景則恰好相反,規(guī)模較大機(jī)組的單位裝機(jī)擱淺資產(chǎn)損失逐漸降低.

3.3 不同轉(zhuǎn)型路徑造成煤電擱淺資產(chǎn)壓力高峰期有所差異,提前退役情景下擱淺風(fēng)險(xiǎn)最高的時(shí)間段為2030～2040年間,而靈活性調(diào)整情景下則集中于2021～2035年間,此后呈現(xiàn)出明顯的下降趨勢(shì).

3.4 擱淺資產(chǎn)空間分布上極不均衡,且各省份對(duì)不同的轉(zhuǎn)型路徑存在較大差異,主要與各省煤電裝機(jī)結(jié)構(gòu)和規(guī)模、盈利能力等有較強(qiáng)關(guān)聯(lián),山東、內(nèi)蒙古、新疆等煤電裝機(jī)大省擱淺資產(chǎn)風(fēng)險(xiǎn)較高,其中江蘇、廣東等大型機(jī)組占比高的省份在靈活性調(diào)整方案上具有明顯的比較優(yōu)勢(shì).

[1] International Energy Agency. CO2emissions from fuel combustion 2020 [R]. Paris: International Energy Agency, 2021.

[2] Liu J, Yin M, Xia-Hou Q, et al. Comparison of sectoral low-carbon transition pathways in China under the nationally determined contribution and 2°C targets [J]. Renewable and Sustainable Energy Reviews, 2021,149:111336.

[3] Davis S J, Lewis N S, Shaner M, et al. Net-zero emissions energy systems [J]. Science, 2018,360(6396).

[4] Cui R Y, Hultman N, Edwards M R, et al. Quantifying operational life times for coal power plants under the Paris goals [J]. Nature Communications, 2019,10(1):1-9.

[5] 張小麗,崔學(xué)勤,王 克,等.中國(guó)煤電鎖定碳排放及其對(duì)減排目標(biāo)的影響[J]. 中國(guó)人口·資源與環(huán)境, 2020,30(8):31-41.

Zhang X L, Cui X Q, Wang K, et al. Committed CO2emissions of China’s coal-fired power plants and their implications for mitigation targets [J]. China Population, Resources and Environment, 2020,30 (8):31-41.

[6] 李 政,陳思源,董文娟,等.碳約束條件下電力行業(yè)低碳轉(zhuǎn)型路徑研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021,41(12):3987-4001.

Li Z, Chen S Y, Dong W J, et al. Low carbon transition pathway of power sector under carbon emission constraints [J]. Proceedings of the CSEE, 2021,41(12):3987-4001.

[7] 項(xiàng)目綜合報(bào)告編寫組.《中國(guó)長(zhǎng)期低碳發(fā)展戰(zhàn)略與轉(zhuǎn)型路徑研究》綜合報(bào)告 [J]. 中國(guó)人口·資源與環(huán)境, 2020,30(11):1-25.

Project comprehensive report preparation team. China’s long-term low- carbon development strategy and pathway [J]. China Population, Resources and Environment, 2020,30(11):1-25.

[8] 張小麗,劉俊伶,王 克,等.中國(guó)電力部門中長(zhǎng)期低碳發(fā)展路徑研究[J]. 中國(guó)人口·資源與環(huán)境, 2018,28(4):68-77.

Zhang X L, Liu J L, Wang K, et al. Study on medium and long－term low-carbon development pathway of China’s power sector [J]. China Population, Resources and Environment, 2018,28(4):68-77.

[9] Ansar A, Caldecott B L, Tilbury J. Stranded assets and the fossil fuel divestment campaign: what does divestment mean for the valuation of fossil fuel assets? [R]. Oxford: Smith School of Enterprise and the Environment at University of Oxford, 2013.

[10] Generation Foundation. Stranded Carbon Assets: Why and how carbon risks should be incorporated in investments analysis [R]. London: Generation Foundation, 2013.

[11] IEA-International Energy Agency. Redrawing the energy climate map: world energy outlook 2013 special report [R]. Paris: International Energy Agency, 2013.

[12] Carbon Tracker Initiative. Unburnable carbon 2013: Wasted capital and stranded assets [R]. London: Carbon Tracker Initiative, 2013.

[13] Caldecott B, Tilbury J, Ma Y. Stranded down under? Environment- related factors changing China’s demand for coal and what this means for Australian coal assets [R]. Oxford: Smith School of Enterprise and the Environment at University of Oxford, 2013.

[14] Gray M, Ljungwaldh S, Watson L, et al. Powering down coal-Navigating the economic and financial risks in the last years of coal power [J]. London: Carbon Tracker Initiative, 2018.

[15] Pfeiffer A, Millar R, Hepburn C, et al. The 2℃ capital stock for electricity generation: Committed cumulative carbon emissions from the electricity generation sector and the transition to a green economy [J]. Applied Energy, 2016,179:1395-1408.

[16] Pfeiffer A, Hepburn C, Vogt-Schilb A, et al. Committed emissions from existing and planned power plants and asset stranding required to meet the Paris Agreement [J]. Environmental Research Letters, 2018, 13(5):054019.

[17] Saygin D, Rigter J, Caldecott B, et al. Power sector asset stranding effects of climate policies [J]. Energy Sources, Part B: Economics, Planning, and Policy, 2019,14(4):99-124.

[18] Caldecott B, Dericks G, Tulloch D J, et al. Stranded assets and thermal coal in China: An analysis of environment-related risk exposure [R]. Oxford: Smith School of Enterprise and the Environment at University of Oxford, 2017.

[19] Spencer T, Berghmans N, Sartor O. Coal transitions in China’s power sector: A plant-level assessment of stranded assets and retirement pathways [R]. Paris: IDDRI, 2017.

[20] 張為榮,袁家海.全球2℃溫升碳約束下中國(guó)煤電擱淺資產(chǎn)研究 [J]. 氣候變化研究進(jìn)展, 2021,17(1):36-44.

Zhang W R, Yuan J H. China’s coal power sector stranded assets under the 2℃ global carbon constraint [J]. Climate Change Research, 2021, 17(1):36-44.

[21] McGlade C, Ekins P. The geographical distribution of fossil fuels unused when limiting global warming to 2°C [J]. Nature, 2015,517: 187–190.

[22] Curtin C, McInerney B Gallachóir ó, et al. Quantifying stranding risk for fossil fuel assets and implications for renewable energy investment: A review of the literature [J]. Renewable and Sustainable Energy Reviews, 2019,116:1-13.

[23] Linquiti P, Cogswell N. The Carbon Ask: effects of climate policy on the value of fossil fuel resources and the implications for technological innovation [J]. Journal of Environmental Studies & Sciences, 2016, 6(4):662-676.

[24] Javier F, Breyer C. Structural changes of global power generation capacity towards sustainability and the risk of stranded investments supported by a sustainability indicator [J]. Journal of Cleaner Production, 2017,141:370-384.

[25] Mo J, Cui L, Duan H. Quantifying the implied risk for newly-built coal plant to become stranded asset by carbon pricing [J]. Energy Economics, 2021,99:105286.

[26] He G, Avrin A P, Nelson J H, et al. SWITCH-China: a systems approach to decarbonizing China’s power system [J]. Environmental Science & Technology, 2016,50(11):5467-5473.

[27] Chen S, Liu P, Li Z. Low carbon transition pathway of power sector with high penetration of renewable energy [J]. Renewable and Sustainable Energy Reviews, 2020,130:109985.

[28] Cui R Y, Hultman N, Cui D, et al. A plant-by-plant strategy for high-ambition coal power phaseout in China [J]. Nature Communications, 2021,12(1):1-10.

[29] Yin M, Liu J, Wang K, et al. Uncertainties in committed CO2emissions from coal power plants in China and the implications for climate targets [Z]. twelfth annual meeting of IAMC, 2019.

[30] 王 克,劉芳名,尹明健,等.1.5℃溫升目標(biāo)下中國(guó)碳排放路徑研究 [J]. 氣候變化研究進(jìn)展, 2021,17(1):7-17.

Wang K, Liu F M, Yin M J, et al. Research on China’s carbon emissions pathway under the 1.5℃ target [J]. Climate Change Research, 2021,17(1):7-17.

[31] McNerney J, Farmer J D, Trancik J E. Historical costs of coal-fired electricity and implications for the future [J]. Energy Policy, 2011, 39(6):3042-3054.

China’s coal power stranded assets under carbon lock-in constraint.

WANG Yan-hua1, WANG Ke1*, LIU Jun-ling2, ZOU Ji1

(1.School of Environment and Natural Resources, Renmin University of China, Beijing 100872, China；2.School of Economics and Management, Harbin Institute of Technology (Shenzhen), Shenzhen 518055, China)., 2022,42(3)：1427～1434

By modelling of the financial situation of coal-fired plants in unit level, the Net Present Value method was used to calculate stranded assets under the scenarios of early retirement, low utilization, restriction et al. Then temporal and spatial distribution of stranded assets were clarified to provide some support for the transition pathway of coal power. The stock of coal-fired power units was the main cause of stranded assets. Controlling the new coal-fired power would help to reduce stranded assets risk. Under the scenario of early retirement and low utilization, the value of operating and new stranded assets in China was CNY 1.90 trillion and CNY 3.98 trillion respectively; Early retirement and low utilization led to obvious interannual distribution differences of coal power stranded assets. The risk of early retirement was mainly concentrated in 2030～2040, while low utilization was concentrated primarily in 2021～2035; The spatial distribution of coal power stranded assets is extremely uneven. The ten major coal power provinces, including Shandong, Inner Mongolia and Jiangsu, accounted stranded assets for 67% and 70%. Therefore, the low-carbon transition of coal power needed cautious decision-making, paying attention to the stranding of coal-fired power assets caused by early retirement. More importantly, we should prevent and control the impairment of stranded assets caused by flexible transformation. The key provinces such as Shandong, Inner Mongolia, Xinjiang and Jiangsu should be focused especially. Formulate coal power transformation strategies according to local conditions to help power related enterprises and the government choose emission reduction policies.

coal-fired plants；stranded asset；carbon lock-in；coal power transition

X321

A

1000-6923(2022)03-1427-08

王 克(1979-),男,江西進(jìn)賢人,副教授,博士,主要從事能源與氣候經(jīng)濟(jì)學(xué)相關(guān)研究.發(fā)表論文40余篇.

2021-08-13

全球能源互聯(lián)網(wǎng)集團(tuán)有限公司科學(xué)技術(shù)項(xiàng)目(SGGEIG00JYJS 2100049)

*責(zé)任作者, 副教授, wangkert@ruc.edu.cn