魏文栋 张鹏飞 李佳硕

摘要 准确、全面地核算区域电力相关碳排放（后文简称电力碳排放）是指导减排的前提。然而，现有研究忽视了贸易对区域电力碳排放的影响，导致“碳排放泄露”等问题，严重影响了电力碳减排政策的公平性和有效性。鉴于此，本文综合运用IPCC清单编制法、网络法和多区域环境投入产出模型建立了涵盖生产侧、供给侧和消费侧的电力碳排放核算框架，并编制了2012年我国30个省区不同视角下的电力碳排放清单。结果表明：①地区在不同视角下的电力碳排放存在较大差异。以内蒙古为例，2012年其生产侧、供给侧、消费侧视角下电力碳排放分别为3.76亿t、2.39亿t和1.26亿t。②不同视角下各省电力碳排放的空间分布呈现不同的特征：火力发电比重高的北方省份（如内蒙古和山西）有较大的生产侧电力碳排放，制造业所占比重高的中部和东部省份（如河北和山东）有较大的供给侧电力碳排放，而经济发展水平高的东部沿海省份（如江苏和浙江）有较大的消费侧电力碳排放。③各省区之间存在大规模电力碳排放流动。2012年，我国通过输电网络和贸易网络发生的省际电力碳排放流动总量分别为4.60亿t和9.76亿t，分别占全国生产侧电力碳排放总量的13.1%和27.7%。通過输电网络和贸易网络的电力碳排放流动呈现出从中西部地区流向东部沿海地区的空间特征。本文建立的电力碳排放核算框架将生产侧、供给侧、消费侧视角有机地结合在一起，有利于增强对电力系统碳排放的认识，为合理划分区域间电力碳排放责任提供了基础。

关键词 电力碳排放;电力流动;网络法;多区域环境投入产出模型;多视角

中图分类号 X323

文献标识码 A文章编号 1002-2104（2020）07-0038-9DOI：10.12062/cpre.20191136

我国是世界上最大的CO2排放国[1]。在众多经济部门中，发电部门CO2排放量最大[2-5]。2016年我国发电产生的CO2排放量为43.9亿t，约占我国总排放的45%[6-7]，几乎与美国同年度化石燃料燃烧产生的CO2排放总量相等[8]。因此，我国急需制定科学合理的电力碳减排政策，这对我国减排目标的实现至关重要。基于此，本文综合使用IPCC清单编制法、网络法和多区域环境投入产出模型建立了电力碳排放核算框架，并在此框架基础上核算了2012年我国30个省区生产侧、供给侧和消费侧的电力碳排放，最后从消费侧出发提出一些政策建议。

1  文献综述

碳排放清单是中央政府分配减排目标责任、制定减排政策的重要依据[9]。现有研究主要从两个方面来核算区域电力碳排放：生产侧电力碳排放（直接电力碳排放）和供给侧电力碳排放（间接电力碳排放）。生产侧电力碳排放是指地区在发电过程中直接产生的CO2排放量，而政府间气候变化专门委员会（IPCC）编制的温室气体核算方法是核算地区直接电力碳排放最重要和最常用的方法[9-11]。基于IPCC清单方法，马翠梅等人[12]核算了2010年我国各省发电产生的碳排放;Shan等人[7]建立了我国1997—2015年的直接排放清单，其中包括地区发电部门的直接碳排放;Qu等人[13]的研究也包含我国各省发电产生的直接碳排放。此外，一些数据库和机构，如中国排放账户和数据库（CEADs）[14]、国际能源署（IEA）[8]等也使用IPCC清单方法核算了地区直接电力碳排放。另一方面，由于电力供给和需求的空间错配，我国区域间存在通过输电网络发生的大规模直接电力流动[15-16]，同时，隐含于电力中的碳排放和其他污染物也通过输电网络发生流动[17]。在这种情况下，一个地区生产侧直接电力碳排放和供给侧间接电力碳排放可能存在较大差异。一些学者使用直接贸易调整法和网络法来模拟区域间直接电力碳排放流动，并计算地区供给侧电力碳排放。供给侧电力碳排放是指在区域间电力交易后地区电力供给中隐含的碳排放。直接贸易调整法相对简单，这种方法假设一个地区买入的电力完全用于当地消耗，而本地流出的电力中不包含买入的电力，因此不存在高阶电力流动[18-19]（即一个地区的电力通过中转地区流到另外一个地区）。网络法假设一个地区买入的电力首先与本地生产的电力混合，然后用于本地消费或者卖出。Qu等人[13]使用网络法计算了中国各省、亚欧大陆[20]、以及全球[21]的电力贸易中隐含的碳排放流动。Ji等人[22]以中国、亚欧大陆、北欧地区的电网系统为例，说明使用网络法与其他方法得到的排放强度存在较大的差异。由于考虑了流经中转地区的高阶电力流动，网络法有利于得到更加精确的间接电力碳排放[20]。

然而，现有研究多从单一视角（消费侧或供给侧）核算电力碳排放，并且忽视了区域间贸易对于地区电力碳排放的影响。与隐含能源[23-25]、虚拟水[26-28]、隐含碳[29-30]等类似，电力碳排放可以通过区域间的贸易网络发生流动。忽视区域贸易对地区电力碳排放的影响将会导致碳排放泄漏[31-33]，而基于地区消费侧的电力碳减排政策可以避免区域贸易造成的碳泄露问题。此外，地区消费侧电力碳排放可以反映消费者和贸易受益地区在减排中的责任，并为消费侧减排政策提供参考，有利于补充现有的以生产侧和供给侧为主的减排政策[13]。本文中消费侧电力碳排放包含地区用于满足当地最终需求和日常生活导致的电力碳排放。我国各省之间经济联系密切，跨区域的电力碳排放流动可能造成地区的间接电力碳排放和隐含电力碳排放相差较大。随着区域贸易规模的扩大，忽视通过区域贸易发生的间接电力碳排放流动将会严重削弱减排政策的有效性[34-35]。

本文首次建立了一个涵盖生产侧、供给侧、消费侧的多视角电力碳排放综合核算框架，系统测算并对比这三个视角下的区域电力碳排放量。如图1所示，本文建立的多视角电力碳排放核算框架将发电、直接用电、最终消费联系起来，完整地描述了电力碳排放的来源和最终去向，弥补了现有研究的不足，为准确量化和深入理解区域电力碳排放提供了理论基础。本文为政策制定者合理分配环境责任提供决策依据，并给出一些基于消费侧的减排建议。本文的另一个重要创新之处是在计算供给侧的间接电力碳排放强度时考虑电力进出口，而且将三峡水电站作为网络法中的一个节点单独列出，这有助于获取更加准确的电力碳排放强度。

2 研究方法与数据来源

2.1 生产侧直接电力碳排放核算方法

本文使用IPCC清单方法来计算地区的直接电力碳排放。一个地区使用m种燃料进行发电，则其产生的CO2排放量为：

eGi=∑mk=1efk×fci，k（1）

其中，ef k表示的是第k种燃料的CO2排放因子，fci，k表示的是i地区用于发电的第k种燃料消耗量。

2.2 供给侧间接电力碳排放核算方法

本文使用Qu等人提出的网络法来计算地区的供给侧电力碳排放。一个地区流入电力与生产电力之和应该等于该地区流出电力与消费电力之和。在包含n个地区的模型中，这个关系可以用等式（2）来表示：

xi=pi+∑nj=1Tj，i=ci+∑nj=1Ti，j（2）

其中xi表示地区i的总电力流动，pi表示i地区生产的电力，Ti，j表示地区i出口到地区j的电量，ci是地区i消費的电力。

定义对角矩阵 ：

=x10…00x2…000…xn（3）

已知n个地区间电力流动，我们可以得到电力流动矩阵T（n×n）（见图1）。

T=0T1，2…T1，nT2，10…T2，nTn，1Tn，2…0（4）

下面定义直接流出矩阵B：

B=-1T=0T1，2x1…T1，nx1T2，1x20…T2，nx2Tn，1xnTn，2xn…0

（5）

B矩阵中的元素B（i，j）表示的是地区i流向地区j的电力占i地区总电力流动的比重。

根据等式（2），可得到下面的等式：

x=p+xB

=p1，p2，…pn+

x1，x2，…xnB（6）

其中，x和p是 1×n的行向量，分别表示地区的总电力流动和发电量。

根据上式可得：

x=pI-B-1=pG（7）

其中，I是单位矩阵，G=[I-B]-1=I+B+B2+B3+…。矩阵G表示的是地区间总的电力流动（包含通过中转地区和不通过中转地区的流动），其元素G（i，j）表示的是i地区所发电力中流到j地区的电力比重。I表示供给本地区的电力，B表示不通过中转地区流动向其他地区的电力流动，B2表示通过一个中转地区的电力流动，B3表示通过两个中转地区的电力流动，更高阶项的含义依此类推。

然后，定义生产-消费矩阵，H：

H=G-1（8）

是地区电力消耗量构成的对角矩阵，其中对角线元素（i，j）（i=j）是i地区的电力消耗量。H矩阵将不同地区的发电和电力消费联系起来，其元素H（i，j）=Gij×cjxj表示的是i地区所发电力被j地区消费的比重。

下面将发电的CO2排放量和地区的耗电量联系起来：

EC=EGH（9）

其中，矩阵EC的元素EC（i，j）表示的是j地区消费的i地区的电力中隐含的CO2排放。矩阵EG的含义如下：

EG=eG10…00eG2…000…eGn（10）

根据上面的等式，我们可以计算出地区i的供给侧电力碳排放：

ECi=∑nj=1ECi，j（11）

同时还可以得到地区i供给侧电力的碳排放系数ef c ：

efc=ECiEC（12）

其中，EC=Pi+∑ni=1Tji-∑ni=1Tij，表示i地区总供给电力，等于i地发电量加流入电力减去流出电力。

2.3 消费侧隐含电力碳排放核算方法

由于本文主要关注国内电力碳排放流动，而且缺少关于进口的详细数据，所以我们在计算地区隐含电力碳排放时不考虑进口[36]。对于多区域投入产出表，存在下面的平衡关系：

yi，j=∑30p=1∑30t=1zi，jp，t+∑30s=1∑5n=1di，js，n+ei，j+oi，j（13）

其中，yi，j表示i地区j部门的总产出;表示i地区j部门向p地区t部门提供的中间产品;表示i地区j部门为满足s地区n类最终需求提供的产品;ei，j是i地区j部门产品的出口;oi，j是其他误差平衡项。

根据等式（13），我们可以得到下面的电力碳排放的平衡关系：

ci，j+∑30p=1∑30t=1εp，tzp，ti，j=εi，j∑30p=1∑30t=1zi，jp，t+εi，j∑30s=1∑5n=1di，js，n+

εi，jei，j+εi，joi，j=εi，jyi，j （14）

其中，ci，j是i地区j部门的间接电力碳排放，这个值可以通过i地区的直接电力消费碳排放强度与i地区j部门的直接电力消费量相乘得到;εi，j是i地区j部门的隐含电力碳排放强度，表示单位价值产品中的隐含的电力碳排放量。

将等式（14）转换为矩阵形式：

C+E×Z=E×Y（15）

其中，C是直接电力消费碳排放量矩阵，C=[C1，1…C1，30，…C30，30，];E是隐含电力碳排放强度矩阵，E=[ε1，1…ε1，30，…ε30，30，];Z是中间流动矩阵;Y是各地区各部门总产出组成的对角矩阵。

等式（15）可以转换成下面的形式：

E=C（Y-Z）-1（16）

地区i隐含电力碳排放就等于：

TEi=E×Di（17）

其中，TEi表示i地区隐含电力碳排放总量;Di表示i地区最终需求列向量。

此外，地区间的间接电力碳排放流动可以由以下方法得到：首先计算隐含电力碳排放强度矩阵RE30×900。调整后的2012年投入产出表包含30个省份，每个省份有30个部门，因此可以认为全国30个省份合作生产900种的产品。隐含电力碳排放矩阵E是一个1×900的行向量，其中元素εi，j是i地区j部门1单位产值所隐含的电力碳排放量。下面以1地区为例，定义地区1的电力碳排放强度行向量RE1：

RE1=C1（Y-Z）-1（18）

其中，RE1表示900种产品的单位价值所隐含的地区1的电力碳排放量; C1=[C1，1，C1，2…C1，30，0…0]。

同样的方法可以得到30个地区的REi。

2.4  数据来源

本文使用的多区域投入产出表是刘卫东等人[37]编制的《2012年中国31省区市区域间投入产出表》，为了与各部门电力消耗数据匹配，本文将投入产出表的42部门合并为30部门;我国各省份电力流动和进出口数据是根据《电力工业统计资料汇编2012》[38]整理得到;各省份的发电量和用电量数据来自《中国电力年鉴2013》[39];2012年各省发电燃料投入数据来自《2013年中国能源统计年鉴》[40];在选择燃料的排放系数时本文与Qu的研究保持一致，其中，原煤的碳排放系数来自Liu等人的研究[41]，其他燃料的排放系数来自世界资源研究所（WRI）[42];与中国存在直接电力贸易的国家或地区的发电碳排放系数和发电量数据来自国际能源署（IEA）[8]。由于数据所限，本文假设这些地区或国家只和中国发生国际电力贸易。

3  结果分析

3.1 生产侧直接电力碳排放分析

2012年，我国30个省份直接电力碳排放共计35.2亿tCO2。具有丰富煤炭资源的省份（如内蒙古和陕西）以及人口大省（如河南、河北、山东、广东等）通常有较大的直接电力碳排放。其中内蒙古的直接电力碳排放量最大（3.76亿t），其次是江苏（2.96亿t）和山东（2.93亿t）。而人口较少的省份（如青海、海南、重庆等）和水力发电占比高的省份（如四川、云南、湖北）通常有较小的直接电力碳排放量。

我国不同省份之间直接电力碳排放强度（生产单位电力产生的碳排放）存在较大差异。以火力发电为主的北方地区具有较高的直接电力碳排放强度，比如华北电网（北京、天津、河北、山西、山东）和东北电网（内蒙古、辽宁、吉林、黑龙江）。其中内蒙古的直接电力碳排放强度为1.18 kg CO2/kW·h，是直接电力碳排放强度最高的省份。而南方地区由于水力发电所占比重较高[39]，因此具有较低的直接电力碳排放强度，例如湖北、四川、云南等地区。

3.2 供给侧间接电力碳排放分析

3.2.1 基于输电网络的直接电力碳排放流动

我们使用网络法得到了2012年我国省际直接电力碳排放流动。2012年我国省际直接电力碳排放流动总量为4.6亿t，占全国直接电力碳排放的13.1%。如图2所示，直接电力碳排放流动的基本方向是从中西部地区流向东部省份。我国省际最大的三个电力碳排放流动都是从内蒙古流出，分别流入河北（0.5亿t）、北京（0.4亿t）、辽宁（0.4亿t）。直接电力碳排放流动的方向与我国煤炭资源的分布和地区的经济发展水平相关。可以看出主要的净流入省份普遍是经济规模大但煤炭资源短缺的省份，而净流出省份则主要是经济水平较低而煤炭资源比较丰富的地区。此外，在

直接电力碳排放流动中，临近省份的电力碳排放流动规模较大，这是因为直接电力或直接电力碳排放的流动依赖于输电线路等基础设施，而跨区域的输电线路投资规模巨大，建设难度高，而且长距离的电力传输会产生电力损耗[43]，这些因素限制了跨区域的直接电力流动。

3.2.2 我国各省供给侧间接电力碳排放量及特征分析

我国30个省份间接电力碳排放总量为35.1亿t CO2，间接电力碳排放最大的三个省份分别是山东（3.30亿t）、江苏（3.21亿t）和河北（2.80亿t）。与直接电力碳排放类似，间接电力碳排放强度仍然呈现北高南低的特征。

我国地区间大规模的直接电力碳排放流动使一些省份的直接与间接电力碳排放在排放量和排放强度上存在较大差异。北京、河北、辽宁、青海、内蒙古、山西、安徽、宁夏、贵州等省份的直接电力碳排放和间接电力碳排放之间差距较大（见图3）。另一方面，北京、上海、湖北、重庆、青海、广东等地区的直接和间接电力碳排放强度存在较大差异。例如，北京的间接电力碳排放强度比直接电力碳排放强度高60.3%。这是因为北京从山西和内蒙古买入了大量的电力，而这些卖出电力的省份生产的电力的碳排放强度较高。

3.3 消費侧隐含电力碳排放分析

3.3.1 基于贸易网络的间接电力碳排放流动

间接电力碳排放流动可以分为省际流动和隐含在出口中的电力碳排放两部分。2012年我国间接电力碳排放流动总量为16.1亿t，占全国直接电力排放量的45.7%，其中省际流动总量为9.76亿t，隐含在出口中的电力碳排放为6.34亿t。

图4展示了我国2012年省际间接电力碳排放净流动。与直接电力碳排放流动的空间特征不同，间接电力碳排放流动的基本方向是从北向南，而且相距很远的省份之间存在间接电力碳排放流动。间接电力碳排放流动中，净流入地区主要是经济发达地区（如北京、天津、上海、浙江、广东），和中西部直接电力碳排放强度低（或者说水电比重高）的地区（如湖北、湖南、广西、海南、重庆、四川、云南、青海），而中西部地区直接电力碳排放强度高的地区一般为净流出地区（如河北、山西、内蒙古、辽宁、河南、宁夏等）。间接电力碳排放流动的方向与当地的产业结构以及

当地的经济发展水平有关。经济发展水平高的地区有更高的消费水平，这些地区可以从外部省份买入更多的产品来满足当地的最终需求，因此经济发达省份更有可能是净流入省份，对于欠

发达地区则相反。

作为一个出口大国，我国出口的产品和服务中隐含了大量电力碳排放。2012年我国出口中隐含电力碳排放总量为6.34亿t。东部沿海省份是主要的电力碳排放出口地区，其中江苏、广东、浙江、山东是最大的四个电力碳排放出口地区，这四个地区的电力碳排放出口占全国的46.9%。

而最终需求可以进一步分为消费和投资两部分。

3.3.2 我国各省消费侧隐含电力碳排放量及特征分析

2012年全国消费侧隐含电力碳排放总量为29.1亿t CO2，占生产侧电力碳排放的82.7%。经济发展水平高和人口多的省份倾向于有较大的隐含电力碳排放量，例如河南、河北、山东、江苏、浙江、广东、安徽。为了进一步分析隐含电力碳排放的结构，本文将地区隐含电力碳排放分为两部分：第一，用于满足本地最终需求引致的电力碳排放，第二，满足本地非生产活动引致的电力碳排放（城乡居民生活用电引致的电力碳排放）。在2012年全国隐含电力碳排放量中，消费部分引致的电力碳排放占30.1%，投资占55.3%，日常生活用电占14.6%。

由于我国各省、直辖市之间的经济规模和人口规模存在较大的差距，我们分析了各省消费侧的人均电力碳排放的构成。从图5中可以看出以下四个特征：第一，各省消费侧的人均电力碳排放存在很大差异。2012年全国消费侧人均电力碳排放为2.16 t/人，其中人均排放量最高的宁夏（5.33 t/人）是人均排放量最低的四川（0.84 t/人）的6.4倍。第二，各省消费侧的人均排放具有北高南低的空间特征。南方省份的人均排放量普遍低于北方省份。第三，经济发达省份的消费侧人均排放量比较高，而欠发达地区偏低。第四，在各省消费侧的人均排放构成中，欠发达省份投资需求引致的电力碳排放比重较高，而发达省份消费需求所占比重高。

4 结 论

准确核算区域电力碳排放是制定合理减排政策的基础，而已有研究忽视了区域贸易对于地区电力碳排放的影响，地区消费侧电力碳排放核算存在空白。针对上述问题，本文使用IPCC清单方法、网络法和多区域环境投入产出分析法首次建立了包含生产侧、供给侧和消费侧电力碳排放的综合核算框架，并分析了通过输电网络和贸易网络发生的电力碳排放流动对于地区三个视角下的电力碳排放的影响，主要结论如下：

（1）我国各省直接电力碳排放量以及排放强度与当地的发电结构和经济规模相关。总体而言，北方省份的火力发电所占比重高，因此具有较大的直接电力碳排放量和较高的碳排放强度，例如河北、山西、内蒙古等省份。而南方省份有较高比重的水力发电，因此排放量和排放强度较低，例如湖北、四川、云南等。此外，由于经济规模大的省份发电量较大，因此经济大省倾向于有较大的直接电力碳排放，例如江苏、山东、广东。

（2）2012年我国消费侧电力碳排放占生产侧电力碳排放总量的82.7%，其中投资占全国消费侧电力碳排放的55.3%，消费和日常生活用电分别占30.1%和14.6%。此外，我国的出口中隐含了大量的电力碳排放，2012年我国出口中隐含电力碳排放总量为6.34亿t，占我国直接电力碳排放总量的18%。

（3）2012年我国省际直接和间接电力碳排放流动规模巨大，造成一些省份的生产侧、供给侧、消费侧电力碳排放相差较大。其中，内蒙古的供给侧电力碳排放量为生产侧电力碳排放量的63.56%，这是因为内蒙古是主要的直接电力净流出省份。北京的供给侧电力碳排放量是生产侧的4.82倍，这是因为北京从山西、内蒙古等地买入了大量具有高碳排放强度的电力。

（4）基于输电网络的直接电力碳排放流动和基于贸易网络的间接电力碳排放流动都倾向于从中西部地区流向东部省份。其中，间接电力碳排放流动规模较大，而且与直接电力碳排放流动相比，有更多地区之间发生了间接电力碳排放流动。

电力部门的碳减排是一个复杂的系统工程[44]，涉及发电地区、直接用电地区和隐含电力消费地区，需要多方面的环境政策相互配合才能达到减排目标。以往的减排政策主要是基于生产侧直接排放和供给侧间接排放，本文

的消费侧隐含电力碳排放核算可以作为政策制定者分配减排责任时的参考依据，用“谁消费谁负责”来补充目前“谁生产谁负责”的责任分配框架[10]，使我国各省之间减排责任的分配更合理。具体来说，北京、天津、上海、浙江、江苏、广东等在区域贸易中是电力碳排放净流入地区，这些地区应该承担更多的减排责任;而内蒙古、山东、河北、河南、贵州等在区域贸易中是电力碳排放净流出地区，应该避免这些地区的环境责任被高估。此外，应该注重从消费的角度来减少电力碳排放。根据对我国各省人均隐含电力碳排放的分析，具有较高收入水平的东部地区（例如北京、上海、广东等）用于消费的电力碳排放较多，因此这些地区应该积极推动居民绿色低碳消费理念和生活方式的形成。另一方面，收入水平较低的中西部地区用于满足投资需求的电力碳排放较多，因此这些地区可以通过减少重复低效的基础设施建设，来降低消费侧电力碳排放。作为出口大国，我国的电力碳排放中有很大一部分是由国外的消费需求引致的，因此要推动我国出口产品从能源、勞动力密集型转变为知识、技术密集型，通过提高我国在全球供应链中的地位来减少国内电力碳排放。值得注意的是，本文提出的基于消费的环境政策与基于生产和供给的环境政策不是替代关系，而是相互补充相互依赖的关系。这三种环境政策的配合使用将会推动电力部门全方位减排。

（编辑：于 杰）

参考文献

[1]LI H N， QIN Q D. Challenges for Chinas carbon emissions peaking in 2030： a decomposition and decoupling analysis [J]. Journal of cleaner production， 2019， 207： 857-865.

[2]張小丽， 刘俊伶， 王克， 等. 中国电力部门中长期低碳发展路径研究 [J]. 中国人口·资源与环境， 2018， 28（4）： 68-77.

[3]WEI W， WANG X， ZHU H， et al. Carbon emissions of urban power grid in Jing-Jin-Ji region： characteristics and influential factors [J]. Journal of cleaner production， 2017， 168： 428-440.

[4]魏文栋， 郭艺， 谷岱南， 等. 中国电力行业生产结构低碳化转型研究 [J]. 环境经济研究， 2018 （3）： 6-18.

[5]ZHOU S， WEI W， CHEN L， et al. The impact of a coal-fired power plant shutdown campaign on heavy metals emissions in China [J]. Environmental science & technol， 2019（10）： 1-19.

[6]MA J， DU G， XIE B. CO2 emission changes of Chinas power generation system： input-output subsystem analysis [J]. Energy policy， 2019， 124： 1-12.

[7]SHAN Y， GUAN D， ZHENG H， et al. China CO2 emission accounts 1997-2015 [J]. Scientific data， 2018， 5： 1-14.

[8]INTERNATIONAL ENERGY AGENCY. CO2 emissions from fuel combustion highlights[R]. 2018.

[9]刘竹， 关大博， 魏伟. 中国二氧化碳排放数据核算 [J]. 中国科学：地球科学， 2018， 48（7）： 878-887.

[10]李堃， 王奇. 基于文献计量方法的碳排放责任分配研究发展态势分析 [J]. 环境科学学报， 2019（7）： 1-23.

[11]WEI W， ZHANG P，YAO M，et al. Multi-scope electricity-related carbon emissions accounting： a case study of shanghai[J].Joural of clearev production， 2020，252：119789.

[12]马翠梅， 葛全胜. 中国省域电力部门CO2排放计算方法研究 [J]. 气候变化研究进展， 2014， 10（5）： 377-383.

[13]QU S， LIANG S， XU M. CO2 emissions embodied in interprovincial electricity transmissions in China [J]. Environmental science & technol， 2017， 51（18）： 893-902.

[14]GUAN D. China emission accounts and datasets： emission inventories by sectoral approach [DB/OL]. 2019. http：//www.ceads.net/data/inventory-by-sectoral-approach/

[15]馬丽， 张博. 中国省际电力流动空间格局及其演变特征 [J]. 自然资源学报， 2019（2）： 348-58.

[16]WEI W， WU X， LI J， et al. Ultra-high voltage network induced energy cost and carbon emissions [J]. Journal of cleaner production， 2018， 178： 276-292.

[17]叶敏华， 蔡闻佳， 王灿. 跨区电力传输对大气污染物和CO2的区域排放影响研究 [J]. 中国环境科学， 2013， 33（10）： 1869-1875.

[18]LINDNER S， LIU Z， GUAN D， et al. CO2 emissions from Chinas power sector at the provincial level： consumption versus production perspectives [J]. Renewable and sustainable energy reviews， 2013， 19： 164-172.

[19]ZAFIRAKIS D， CHALVATZIS K J， BAIOCCHI G. Embodied CO2 emissions and cross-border electricity trade in Europe： rebalancing burden sharing with energy storage [J]. Applied energy， 2015， 143： 283-300.

[20]QU S， WANG H， LIANG S， et al. A quasi-input-output model to improve the estimation of emission factors for purchased electricity from interconnected grids [J]. Applied energy， 2017， 200： 249-259.

[21]QU S， LI Y， LIANG S， et al. Virtual CO2 emission flows in the global electricity trade network [J]. Environmental science & technology， 2018， 52（11）： 6666-6675.

[22]JI L， LIANG S， QU S， et al. Greenhouse gas emission factors of purchased electricity from interconnected grids[J]. Applied energy， 2016， 184： 751-758.

[23]ZHANG B， QIAO H， CHEN Z M， et al. Growth in embodied energy transfers via Chinas domestic trade： evidence from multi-regional input-output analysis [J]. Applied energy， 2016， 184： 1093-1105.

[24]LIU B， WANG D， XU Y， et al. Embodied energy consumption of the construction industry and its international trade using multi-regional input-output analysis [J]. Energy and buildings， 2018， 173： 489-501.

[25]PEHL M， ARVESEN A， HUMPENODER F， et al. Understanding future emissions from low-carbon power systems by integration of life-cycle assessment and integrated energy modelling [J]. Nature energy， 2017， 2（12）： 939-945.

[26]LI Y， HAN M. Embodied water demands， transfers and imbalance of Chinas mega-cities [J]. Journal of cleaner production， 2018， 172： 1336-1345.

[27]FENG K， HUBACEK K， PFISTER S， et al. Virtual scarce water in China [J]. Environmental science & technology， 2014， 48（14）： 7704-7713.

[28]CHINI C M， DJEHDIAN L A， LUBEGA W N， et al. Virtual water transfers of the US electric grid [J]. Nature energy， 2018， 3（12）： 1115-1123.

[29]LONG R， LI J， CHEN H， et al. Embodied carbon dioxide flow in international trade： a comparative analysis based on China and Japan [J]. Journal of environmental management， 2018， 209： 371-381.

[30]GUO J E， ZHANG Z， MENG L. Chinas provincial CO2 emissions embodied in international and interprovincial trade [J]. Energy policy， 2012， 42： 486-497.

[31]LIU H， LIU W， FAN X， et al. Carbon emissions embodied in value added chains in China [J]. Journal of cleaner production， 2015， 103： 362-370.

[32]NAEGELE H， ZAKLAN A. Does the EU ETS cause carbon leakage in European manufacturing？ [J]. Journal of environmental economics and management， 2019， 93： 125-147.

[33]LI J S， CHEN G Q， LAI T M， et al. Embodied greenhouse gas emission by Macao [J]. Energy policy， 2013， 59： 819-833.

[34]黄蕊， 钟章奇， 孙翊， 等. 区域分部门贸易的隐含碳排放——以北京为例 [J]. 地理研究， 2015， 34（5）： 933-943.

[35]付坤， 齐绍洲. 中国省级电力碳排放责任核算方法及应用 [J]. 中国人口·资源与环境， 2014， 24（4）： 27-34.

[36]ZHANG B， QIAO H， CHEN B. Embodied energy uses by Chinas four municipalities： a study based on multi-regional input-output model [J]. Ecological modelling， 2015， 318： 138-149.

[37]刘卫东. 2012年中国31省区市区域间投入产出表 [M]. 北京：中国统计出版社， 2018.

[38]中国电力企业联合会. 电力工业统计资料汇编2012 [G]. 2013.

[39]魏昭峰. 中国电力年鉴2013 [M]. 北京： 中国电力出版社， 2013.

[40]文兼武. 中国能源统计年鉴2013 [M]. 北京： 中国统计出版社， 2013.

[41]LIU Z， GUAN D， WEI W， et al. Reduced carbon emission

estimates from fossil fuel combustion and cement production in China [J]. Nature， 2015， 524（7565）： 335-338.

[42]World Resources Institute. GHG protocol tool for energy

consumption in China （Version 2.1） [R]. 2013.

[43]LIN B， WU W. Cost of long-distance electricity transmission in China [J]. Energy policy， 2017， 109： 132-140.

[44]方德斌， 王先甲， 吴敬芳. 考虑碳排放的发电侧多属性采购第二价格拍卖 [J]. 系统工程理论与实践， 2013， 33（8）： 1984-1992.

The framework of regional electricity-related carbon

emissions accounting and its application

WEI Wen-dong1 ZHANG Peng-fei2 LI Jia-shuo2

（1. School of International and Public Affairs， Shanghai Jiao Tong University， Shanghai 200030， China;

2. Institute of Blue and Green Development， Shandong University， Weihai Shandong 264209， China）

Abstract An accurate and complete accounting for regional electricity-related carbon emissions provides essential information for carbon mitigation policy making. However， previous studies ignored the impact of trade on regional electricity-related carbon emissions， resulting in carbon emissions leakage and other problems， which seriously affected the fairness and effectiveness of electricity-related carbon emissions mitigation policies. By comprehensively using the IPCC inventory method， network approach and environmentally extended multi-regional input-output model， this study developed an electricity-related carbon emissions accounting framework covering production-based， supply-based and consumption-based emissions， and compiled an electricity-related carbon emission inventory for 30 provincial regions in China in 2012. The results showed that： ① Chinas provincial electricity-related carbon emissions under different perspectives varied greatly. Take Inner Mongolia as an example. Its production-based， supply-based and consumption-based electricity-related carbon emissions in 2012 were 376 million tons， 239 million tons and 126 million tons respectively. ② The spatial distribution of regional electricity-related carbon emissions under different perspectives showed diversified characteristics： the northern provincial regions with a high proportion of thermal power generation （such as Inner Mongolia and Shanxi） had relatively large production-based electricity-related carbon emissions， the central and eastern provinces with a high proportion of manufacturing （such as Hebei and Shandong） had relatively large supply-based electricity-related carbon emissions， while the eastern coastal provinces with high economic development （such as Jiangsu and Zhejiang） had relatively large consumption-based electricity-related carbon emissions. ③ There were large-scale electricity-related carbon emissions flows between Chinas provincial regions. In 2012， electricity-related carbon emissions through power grids and regional trade accounted for 13.1% （460 million tons） and 27.7% （976 million tons） of the national production-based electricity-related carbon emissions respectively.The electricity-related carbon emissions generally flow from the central and western regions to the eastern coastal regions through power grids and regional trade. As this study constructed a comprehensive accounting framework by considering the production-based， supply-based and consumption-based emissions， it will not only help enhance the understanding of electricity-related carbon emissions， but also provide basis for reasonable distribution of electricity-related carbon emissions responsibility between Chinas provinces.

Key words electricity-related carbon emission; electricity flow; network method; environmentally-extended multi-regional input-output model; multi-perspectives

收稿日期：2019-05-30 修回日期：2019-12-13

作者简介：魏文栋，博士，副教授，主要研究方向为资源环境经济学、资源环境管理。E-mail： wendongwei@sjtu.edu.cn。

通信作者：李佳硕，博士，研究员，主要研究方向为资源环境经济与政策。E-mail： lijiashuo@sdu.edu.cn。

基金项目：上海市哲学社会科学规划课题“绿色发展背景下中国电力流动的空间结构和经济环境影响研究”（批准号：2018EGL003）。