基于碳排放态势推演的电网碳资产管理策略分析.pdf

全球能源互联网 Journal of Global Energy Interconnection 第2卷 第3期 2019年5月 Vol. 2 No. 3 May 2019 文章编号2096-5125 2019 03-0288-07 中图分类号F426；X196 文献标志码A DOI10.19705/ki.issn2096-5125.2019.03.010 基金项目国家电网公司科技项目“基于电网发展全过程 效益分析的精益投资优化方法研究”（SGTYHT/17-JS-199）； 国电南瑞科技股份有限公司项目“综合能源系统仿真评估关键 技术研究”。 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 要电网输配电网损引发的间接碳排放已被我国部分试 点碳市场纳入管控。参与碳市场对电网企业而言是机遇也 是挑战，电网作为服务低碳能源转型的减排平台，其网损 水平并不完全取决于自身管理能力，网损水平的波动使得 电网企业暴露于碳市场履约风险之下。前期已基于支持向 量机方法，采用20122016年能源主管部门披露的某省有关 数据，构建了网损统计分析模型。进一步根据某省发展规划 构建多个未来发展假想场景，根据试点碳市场规则，对2017 2020年期间某省电网网损水平和碳排放配额仓位进行态势推 演。基于碳排放配额仓位推演结果，进一步评估了配额跨期 使用、碳抵消机制使用、碳市场灵活交易等碳资产管理措施 在不同假想场景下的风险防控效果，提出了电网企业在具备 不同技术条件和风险偏好时的碳资产管理策略。最后，针对 现行电网行业碳排放配额分配方案，指出仍需进一步量化评 估电网的减排平台作用，制定更为科学的配额分配方案。 关键词碳市场；电网企业；碳资产管理；支持向量机；数 据挖掘 0 引言 作为全球气候治理的积极参与者，中国在2015年 巴黎气候大会上做出了国内碳排放在2030年左右达峰 并尽早达峰的承诺 [1] 。作为达成上述目标的重要手段 之一，碳市场自2013年开始在中国的部分省市试运 行，全国碳市场也于2017年底正式启动 [2] 。电力行业 因为能源密集、排放密集，拥有良好的数据基础，且 一般不参与国际竞争，一直是碳市场的主要参与者， 也是碳减排的重要领域。电网企业输配电网损所导致 的间接碳排放已被中国部分试点碳市场（如北京、福 建、上海）纳入管控范围，输配电网损已成为试点碳 市场中电网企业碳排放核算和配额分配的重要依据。 电网企业作为重要的减排平台，需要服务能源结构转 基于碳排放态势推演的电网碳资产管理策略分析 黄杰 1 ，薛峰 1 ，张鹏飞 2 ，金榜 1 ，李晓飞 1 ，王放 1 ，钱锋 1 （1. 南瑞集团有限公司（国网电力科学研究院有限公司），江苏省 南京市 211106； 2. 国家电网有限公司，北京市 西城区 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 黄杰等基于碳排放态势推演的电网碳资产管理策略分析 289 型与经济结构调整，网损水平不仅受自身管理能力影 响，还显著受到包括发电结构、用电结构在内的多种 内外部因素影响。防控相关内外部因素诱发的碳市场 履约风险对于电网企业碳资产管理来说极为重要。 本文采用基于支持向量机的电网网损统计分析模 型，利用能源主管部门披露有关数据进行模型训练， 并推演了未来多场景下电网企业网损演化态势及其碳 排放配额仓位，进一步讨论多种碳资产管理措施的管 理效果，提出电网企业在具备不同技术条件和风险偏 好时的碳资产管理策略。 1 电网企业参与碳市场现状 电网企业的主要碳排放源包括 SF 6 设备修理与退 役过程中产生的直接碳排放，办公用能产生的间接碳 排放，以及输配电网损产生的间接碳排放。 目前由于中国电网企业基本建立了SF 6 气体回收 处理中心 [3] ，SF 6 气体泄露造成的直接碳排放占电网企 业碳排放总量的不到千分之一，影响较小 [4] 。 电网企业办公用能产生的间接碳排放是目前国内 外碳市场共同的管控对象，例如日本东京碳市场将年用 电量超过600万kWh的建筑纳入管控，中国北京碳市场 将国家电网公司总部以及6家在京直属单位办公用能纳 入管控，深圳碳市场将深圳供电局办公用能纳入管控。 中国以外的碳市场并不将输配电网损产生的间接 碳排放纳入管控，但中国部分试点碳市场已将其纳 入，例如福建碳市场、北京碳市场和上海碳市场。中 国全国碳市场虽然暂时只纳入了发电行业，但根据国 家发改委此前组织召开的关于全国碳排放权交易管 理条例的听证会情况，以及试点碳市场中已将电网 企业纳入管控的运营经验，电网企业在未来有较大可 能被纳入全国碳市场，并主要考核输配电网损产生的 间接碳排放。 当前阶段电网企业主要以市场交易者身份参与碳 市场，电网企业在参与碳市场过程中，积极响应国家 节能减排号召，履行社会责任，开展了一系列节能减 排工作，除办公节能和通过技术手段降低网损外，还 与上下游发用电企业开展碳减排合作，积极消纳清洁 能源、推进电动汽车发展等。近年来还利用清洁发展 机制（clean development mechanism, CDM）陆续开发 了配电变压器提前更换、SF 6 气体回收、风光储输示 范工程等项目，积累了丰富的实践经验。 虽然电网企业已经开展了很多工作积极参与碳市 场，但在碳资产管理方面尚未提出有效的量化分析和 管理策略。本文以中国试点碳市场为例介绍电网企业 碳排放核算方法以及配额分配方法，明确电网企业碳 排放配额仓位的影响因素。 1.1 电网碳排放量核算方法 电网企业输配电损耗产生的间接碳排放量按式 （1）进行核算 （1） 式中E grid 为碳排放量，tCO 2 ；LR为实际网损率，； Q supply 为年度供电量，MWh; EF grid 为区域电网碳排放因 子，tCO 2 / MWh，本文选取国家应对气候变化战略研 究和国际合作中心于2012年发布的华东区域电网碳排 放因子，取值为0.7035 tCO 2 / MWh。 1.2 电网碳排放配额分配方法 配额免费分配采用基于历史强度的基准值法，按 式（2）计算 （2） 式中T为电网企业可免费获得的二氧化碳配额总量， tCO 2 ；LR HB 为网损率基准值，由20142016年度网损 率的平均值决定，根据某省实际数据取值为5.46， 后续暂不滚动更新；f 为设定的电网企业控排系数，根 据试点碳市场实际经验，设定为92，即在其基准值 基础上下降8。 1.3 电网企业碳排放配额仓位计算 电网企业碳排放配额仓位C等于其配额免费分配 量减去其碳排放量，由式（1）和式（2）易得 （3） 当C＞0时，配额充裕（长仓）；反之，C＜0时， 配额不足（短仓）。 可见，按试点碳市场现行电网碳排放核算方法与 配额免费分配方法，电网企业碳排放配额仓位是由实 际网损水平与给定降损目标之间的差值造成的，若实 际网损水平大于基准值，则说明电网企业存在碳市场 履约风险。因此，需要从网损推演入手，对电网企业 碳市场履约风险进行分析。 2 电网网损统计分析模型 摸清自身网损演化态势是电网企业碳资产管理的 首要任务，文献[5]采用数据驱动思路，从数据处理、 290 全球能源互联网 第2卷 第3期 影响因素相关性分析、模型构建和模型选择几个环 节，逐步构建网损统计分析流程（如图1所示）。 图 1 网损统计分析流程 Fig. 1 Grid loss statistical analysis process 文献[5]从模型输出期望值、模型输出置信区间、 模型训练效率等方面对极限学习机和支持向量机两类 统计模型训练方法进行评估，结果表明在预测精度差 别不大时，支持向量机方法具有更低的随机性和更高 的训练效率，能较好的应用于电网网损数据挖掘分析。 进一步基于20122016年期间某省能源主管部门披露有 关数据进行数据挖掘，完成了模型训练，具体内容本 文不再赘述。基于上述网损统计分析模型，本文考虑 发电侧、用电侧、电网投资3类主要影响因素构建未来 场景，进行网损和碳排放配额仓位态势推演。 3 用于网损推演的未来场景构建 根据能源主管部门披露的某省能源规划以及 20122016年电力数据，选取“电网年投资水平” 和“年用电量增速”作为主要场景参数，分别设置 “低”、“中”、“高”3个取值水平，两两组合后共构建 9个场景。此外，“不同类型机组的发电量占比”和 “不同类型负荷的用电量占比”作为随“年用电量增 速”取值水平变化而变化的随动场景参数。以2016年 网损数据作为基础场景，推演20172020年某省级电 网在多场景下的网损演化态势。 3.1 年投资水平设定 某省级电网20122016年实际建设投资保持在 120亿元/年至210亿元/年，年均用电量增速7.1， “十三五”期间预计用电量增速6.28.5，增速相较 “十二五”期间无明显波动。因此，若无极端社会经 济波动，电网投资力度不会发生显著变化。因此，在 构建电网投资力度场景时，参考20122016年间年投 资走势，以此期间内投资水平均值为“中”场景，以 20122016年间最低的年投资水平为“低”场景，最 高的年投资水平为“高”场景，如表1所示。 表 1 电网年投资水平 Table 1 Annual power grid investment 低 中 高 投资金额/ （亿元/年） 120.00 152.81 210.00 3.2 年用电量增速设定 根据某省能源规划，“考虑到经济转型和产业升 级，2020年全省用电量约2500亿2785亿kWh，年均 增长6.28.5”。以该规划为依据设置年用电量增 速取值水平设增速上下限分别为“高”场景、“低” 场景，中间值为“中”场景，如表2所示。 表 2 年用电量增速水平 Table 2 Annual load growth rate 低 中 高 年用电量增速/ 6.2 7.3 8.5 3.3 发电结构设定 发电总量与各类型机组发电量占比随年用电量增 速与电源结构调整发生相应变化。发电总量计算方法 如式（4）所示 （4） 式中P i 为所有机组第i年发电总量，MWh；P coal,i 为燃煤机组第i年发电量，MWh；P gas,i 为燃气机组 第i年发电量，MWh；P hyd,i 为水电机组第i年发电量， MWh；P unclear,i 为核电机组第i年发电量，MWh；P wind,i 为风电机组第i年发电量，MWh；P solar,i 为光伏发电机 组第i年发电量，MWh。 各类型机组发电量计算规则如式（5）所示 （5） 式中P x,i 为某类型机组第i年发电量，MWh；W x,i 为 某类型机组第i年装机容量，MW；T x,2016 为某类型机 组2016年发电利用小时数，h；m i 为第i年调节系数， 通过设置m i 取值使发电总量满足用电量增速设置。 某省能源规划明确了到2020年的发电装机情况，为 Vol. 2 No. 3 黄杰等基于碳排放态势推演的电网碳资产管理策略分析 291 简化场景设置，假设各类型机组装机容量在20172020 年间匀速增长，因此在2016年发电装机容量基础上，可 推演20172020年某省各类型机组装机容量。 20122020年各类型机组装机容量如表3所示。 表 3 各类型发电机组装机容量（20122020年） Table 3 Installed capacity of different types of generators 2012 - 2020 装机容量 /MW 年份 燃煤 燃气 水电 核电 风电 太阳 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 用电结构设定 各类型负荷用电量同样需要满足用电总量增长要 求，用电总量计算方法如式（6）所示 （6） 式中Q i 为全社会第i年用电总量，MWh；Q pri,i 为第 一产业第i年用电量，MWh；Q sec,i 为第二产业第i年用 电量，MWh；Q ter,i 为第三产业第i年用电量，MWh； Q town,i 为城镇居民第i年用电量，MWh；Q vill,i 为乡村居 民第i年用电量，MWh。 各类型负荷用电量计算公式如式（7）所示 （7） 式中Q x,i 为某类型负荷第i年用电量，MWh；Q x,i-1 为 某类型负荷上一年用电量，MWh；f x,2016 为某类型负荷 2016年增速，；n i 为第i年调节系数。本文通过调节 n i 取值使各类型负荷用电总量满足用电量增速设置。 2016年各类型负荷增速如表4所示。 表 4 各类型负荷增速（2016年） Table 4 Growth rate of different types of load 2016 类型 第一产业 第二产业 第三产业 城镇居 民用电 乡村居 民用电 增速/ 7.74 4.15 11.41 11.04 9.93 不同年用电量增速场景下用电结构变化情况如表 57所示。 表 5 负荷结构（年用电量增速 6.2） Table 5 Demand structure annual load growth rate 6.2 占比/ 年份 第一 产业 第二 产业 第三 产业 城镇居 民用电 乡村居 民用电 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 负荷结构（年用电量增速 7.3） Table 6 Demand structure annual load growth rate 7.3 占比/ 年份 第一 产业 第二 产业 第三 产业 城镇居 民用电 乡村居 民用电 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 负荷结构（年用电量增速 8.5） Table 7 Demand structure annual load growth rate 8.5 占比/ 年份 第一 产业 第二 产业 第三 产业 城镇居 民用电 乡村居 民用电 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 碳排放仓位分析及碳资产管理策略 4.1 网损态势推演 根据多场景参数设置，采用文献[5]所构建统计分 析模型，可获得20172020年网损率在不同场景下的 推演结果（如表811所示）。 表 8 网损率推演结果（2017年） Table 8 Grid loss rate results 2017 投资水平 用电增速 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 全球能源互联网 第2卷 第3期 表 9 网损率推演结果（2018年） Table 9 Grid loss rate results 2018 投资水平 用电增速 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 网损率推演结果（2019年） Table 10 Grid loss rate results 2019 投资水平 用电增速 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 网损率推演结果（2020年） Table 11 Grid loss rate results 2020 投资水平 用电增速 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 碳排放配额仓位态势推演 依据网损态势推演的结果，对20172020年的某省 级电网碳排放配额仓位进行推演，结果如图25所示。 可以发现，从2018年起，部分场景下会出现配额 不足的情况，2019年全面出现配额短缺，且不足量逐 年升高。 4.3 碳资产管理策略效果评估 综合中国碳市场价格现状与主管部门的预期价格 水平 [6] ，全国碳市场价格预期可达到50300元/ tCO 2 。 可以此为测算依据，分析各项电网企业碳资产管理措 施的管理成效。 4.3.1 碳配额跨期使用 中国各试点碳市场都规定当年度配额可全额结转 至下年度继续使用，该规定不仅在平稳碳市场价格波 动方面起到了作用，也为控排企业提供了配额跨期使 用这一碳资产管理措施，上年度冗余配额可以进行存 储，在后续年度配额不足时用于履约。可有效控制履 约成本。 以网损态势推演中“中投资水平、中用电增速” 场景为例，20172020年配额初始分配量、初始碳排 放配额仓位、跨期使用后的初始碳排放配额仓位量如 表12所示。 图 5 多场景下碳排放配额仓位（2020年） Fig. 5 Allowance position under multiple scenarios 2020 图 2 多场景下碳排放配额仓位（2017年） Fig. 2 Allowance position under multiple scenarios 2017 图 3 多场景下碳排放配额仓位（2018年） Fig. 3 Allowance position under multiple scenarios 2018 图 4 多场景下碳排放配额仓位（2019年） Fig. 4 Allowance position under multiple scenarios 2019 Vol. 2 No. 3 黄杰等基于碳排放态势推演的电网碳资产管理策略分析 293 表 12 配额跨期使用前后的碳排放配额仓位 Table 12 Allowance position before and after allowance banking 年份 配额初始 分配量 / tCO 2 初始碳排放配 额仓位 / tCO 2 配额跨期使用后的 碳排放配额仓位 / tCO 2 2017 745936 38695. 0 2018 800389 2468 0 2019 858818 -16242 0 2020 921512 -23822 1099 据测算，20172020年期间，通过配额跨期使用， 可节约履约成本200万元1200万元。 4.3.2 碳抵消机制使用 中国核证减排量（China certified emission reduction，CCER）抵消机制参考了国际碳抵消机 制，即控排企业可开发减排项目获得核证减排量进行 履约。根据某试点碳市场实际规则，CCER可用于履 约的碳排放量不得超过其当年碳排放量的10，根据 推演结果，电网企业配额不足量不超过总排放量的 10。若企业积极开发碳减排项目，不仅能完成履约 目标，还可能获得多余CCER用于市场交易。 CCER项目类型主要集中在光伏、天然气发电、 余热发电等方面。其中，与电网相关的CCER项目包 括“新建或改造电力线路中使用节能导线或电缆”、“供 应侧能源效率提高传送和输配”、“通过电网扩建及 新建微型电网向社区供电”、“电网中的SF 6 减排”等。 电网企业积极开发CCER项目不仅为自身的碳资产管 理提供新思路，还可服务全社会减排目标的完成。 除自主进行项目开发，电网企业也可从市场中 购买CCER，由于适用范围有限，CCER价格一般低 于配额价格，例如2017年46月，上海碳试点CCER 二级市场成交价格在20元/ tCO 2 左右，碳价在3340元/ tCO 2 之间波动；北京碳试点CCER二级市场成交价 格为420元/ tCO 2 ，碳价为3560元/ tCO 2 。同样以 态势推演中“中投资水平、中用电增速”场景为 例，若按CCER价格为配额价格50，当配额不足时， 购买CCER完成履约将比购买配额完成履约节约成本 100万元600万元。 4.3.3 碳市场灵活交易 碳市场配额价格处于波动之中，若交易者交易经 验丰富或风险偏好，可在市场中套利交易获益；市场 交易经验不足或风险厌恶，则可按固定周期交易（例 如以月度为交易周期）来分摊价格波动风险。 同样以态势推演中“中投资水平、中用电增速” 场景为例，假设市场价格服从50300元/ tCO 2 区间 的均匀分布，固定交易周期的平均交易价格为175元/ tCO 2 。若进行套利交易，考虑极端情况，最好的交 易场景是以市场最低价50元/ tCO 2 购入，最高价300 元/ tCO 2 卖出；最坏的交易场景是以市场最高价300 元/ tCO 2 购入，最低价50元/ tCO 2 卖出。不同交易方式下 盈利情况如表13所示。 表 13 不同交易方式下盈利对比 Table 13 Comparison of earnings under different trading s 年份 盈利/万元 最好情况 最坏情况 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 套利交易存在风险，若控排企业对碳市场价格有 较好的预测，相较按固定周期交易，在20172018年 配额充裕时可多获得约515万元盈利，在20192020年 配额不足时可减少约500万元的成本。但若控排企业 对市场走势判断失误，则可能存在亏损风险。 4.3.4 碳金融手段创新 控排企业可将碳排放配额作为碳资产进行金融创 新，以获取收益或降低融资成本，目前试点碳市场中 的主要碳金融手段包括 1）碳配额托管交易。控排企业将一定数量的配 额委托给专业碳资产管理公司，后者利用自身专业技 术优势进行集中交易和管理，以达到将控排企业碳资 产增值的目的 [7] 。 2）碳债券。控排企业为筹集低碳经济项目资金， 向投资者发行的债务凭证，可帮助控排企业盘活碳资 产，获得项目融资，降低融资成本 [8] 。 3）境内外碳资产回购式融资。碳排放配额持有 者向金融机构或市场参与者出售配额，并约定在一定 期限后按照约定价格回购，以获取短期融资，为控排 企业拓宽融资渠道，降低融资成本 [9] 。 4）碳资产抵押融资。控排企业通过抵押碳资产 向银行申请贷款，可帮助控排企业盘活碳资产，降低 融资成本 [10] 。 目前，中国试点碳市场中的碳金融手段尚处于起 步阶段，应用尚不广泛，还有待全国碳市场正式启动 后，根据市场发展情况进一步创新碳金融手段。 294 全球能源互联网 第2卷 第3期 4.3.5 小结 综上，电网企业在具备不同技术条件和风险偏好 时的碳资产管理策略有以下3种 1）若市场态势研判能力不足，电网企业可保守参 与市场。初期进行配额储备，发现违约风险时优先跨 期使用配额或购买CCER，按本文中碳排放态势推演 结果，采用这两种管理手段已可充分规避履约风险。 2）若市场态势研判能力较强，可根据市场动态 选择合适的交易和金融手段。在碳价较低时购入充足 配额，进行碳资产抵押、出售碳债券等碳金融活动； 在碳价较高时出售剩余配额获取收益。 3）若企业具备相关技术减排潜力，可积极开发 CCER项目，获取CCER进行履约。 5 总结与展望 为了给电网企业制定科学的碳资产管理策略提供 决策支撑，本文采用基于支持向量机的省级电网网损统 计分析模型推演某省电网未来多场景下网损和碳排放配 额仓位。基于本文推演结果，对碳配额跨期使用、碳 抵消机制使用、碳市场灵活交易和碳金融手段创新等 碳资产管理措施的风险防控效果进行讨论，并提出电 网企业在具备不同技术条件和风险偏好时的碳资产管 理策略。需要充分认识到，在有限的历史数据样本下， 统计分析模型的精度仍有很大提升空间，碳排放配额 态势推演的意义体现在帮助电网企业针对不同假想场 景制定各项碳资产管理预案，并不意味着对未来发展 的预测。未来需要结合统计分析与因果分析方法，协 同态势推演效率和精度，并提升推演结果的可解释性。 在北京、上海和福建试点碳市场中，已将电网网 损间接碳排放纳入管控，其中上海采用基于行业先进 值的基准值法进行配额分配，福建采用基于历史强度 的基准值法进行配额分配。配额分配的重要参数是所 在区域的电力碳排放因子，上海采用2012年公布的上 海电力排放因子（0.788 tCO 2 /MWh，公布后未再更 新）；福建采用2012年公布的华东区域电网排放因子 （0.7035 tCO 2 /MWh）。电力碳排放因子不逐年更新， 且在配额分配和碳排放核算时采用同一数值，意味着 仅由网损率基准值和网损率实际值的差值决定了电网 企业的配额仓位，电网促进上下游减排贡献无法得到 有效体现。若需将电网企业纳入全国碳市场管控，仍 需进一步量化评估电网的减排平台作用，制定客观、 科学的配额分配方案。 参考文献 [1] 新华社. 强化应对气候变化行动 中国国家自主贡献 （全文）[EB/OL]. 2015-11-18 [2019-01-20]. http//www. Document/1455864/1455864.htm. [2] 国家发展改革委. 国家发展改革委关于印发全国碳排 放权交易市场建设方案（发电行业）的通知[EB/OL]. 2017-12-18 [2019-01-20]. gfxwj/201712/t20171220_ 871127.html. [3] 赵海，陈禹，姚强，等. 开展电网企业内部节能减排以缓 解企业碳排放履约压力[J]. 山东工业技术，2017，19 180，254. [4] 李依风，李树德，倪逸林. 电网六氟化硫温室气体减排参 与碳市场策略[J]. 资源节约与环保，2016，11121-122. [5] 李晓飞，杨里，黄杰，等. 基于机器学习的电网网损统计 分析[J]. 电力建设，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] 每日经济新闻. 发改委应对气候变化司副司长蒋兆理碳交 易200-300元/吨才是理想值[EB/OL]. 2016-06-20 [2019-01- 20]. [7] 王永珍. 国内单笔最大碳资产托管业务落地福建碳市场[N]. 福建日报，2017-05-051. [8] 谭建生，麦永冠. 碳债券发行经验和创新建议[J]. 开放导 报，2016，332-36. Tan Jiansheng, Mai Yongguan. On issuing carbon bonds[J]. China Opening Journal, 2016, 3 32-36in Chinese. [9] 广州碳排放权交易所. 广州碳排放权交易中心广东省碳排 放配额回购交易业务指引（2019年修订）[EB/OL]. 2019- 01-11 [2019-01-20]. bsgz/201901/20190100001593.shtml. [10] 王永珍，戴艳梅. 我省首笔碳排放配额抵押贷款落地[N]. 福 建日报，2017-03-241. 收稿日期2019-01-28；修回日期2019-04-14。 作者简介 黄杰（1983），男，博士，高级 工程师，研究方向为碳排放及碳市场 风险防控，E-mailhuangjie1sgepri. 。 薛峰（1971），男，博士，研究 员级高级工程师，研究方向为电力系 统安全稳定分析与控制，E-mailxue- feng。 张鹏飞（1978），男，博士，研究方向为电网规划与 评价，E-mailpengfei-zhang。 （责任编辑 张鹏） 黄杰