张 莉，王俏丽，李 伟1，，李素静

（1.浙江大学 环境工程研究所，浙江 杭州310058；2.浙江大学 工业生态与环境研究所，浙江 杭州310027）

随着工业化和城镇化的发展，我国的能源需求逐年增加，导致二氧化碳大量排放.截止2010年底，全球二氧化碳排放量中有25.1%来自中国，其中的37.2%来自电力行业［1］.据统计，我国电网的发电量约80%由燃煤锅炉提供［2］.国际能源署对1971～2011年不同国家和地区的二氧化碳排放统计显示，我国二氧化碳排放量正以最快的速率在增长［3］.因此，我国正大力发展可持续和可再生技术来改善能源结构，并设定了一系列的目标以逐步改善二氧化碳排放现状［4］.2014年11 月12日，中美气候变化联合声明提出：中国计划在2030年左右使二氧化碳排放达到峰值，并将努力早日达峰；同时计划到2030年非化石能源占一次能源消费比重提高到20%左右.

国内主要研究尚停留在化石能源燃烧过程的温室气体（greenhouse gas，GHG）排放，但电力生产过程中并非只有燃烧过程会排放GHG.国际上的研究主要通过对电力系统进行全生命过程的评价来获得GHG 排放量.我国尚未建立电力行业不同发电形式下全生命周期的二氧化碳排放因子（life cycle carbon dioxide emission，LCE）推荐值.

本文从全生命周期评价（life cycle assessment，LCA）的视角考虑，提出电力行业中不同发电形式（包括燃煤发电、燃油发电、天然气发电、核电、水电、风电、太阳能发电以及生物质能发电）的LCE选值，并利用提出的推荐值，综合分析不同能源结构情景下全国电力行业的GHG 排放量.同时，通过建立不同能源结构发展的情景来分析未来电力行业的GHG排放量.

1 方法和数据

1.1 生命周期评价方法

通过LCA 方法全面计算我国实际发电系统的LCE推荐值，才能真实表现电力行业对温室效应的影响.本文选择包括燃煤发电、燃油发电、燃气发电的化石能源发电系统以及包括生物质发电、核电、水电、风电、太阳能发电在内的非化石能源发电，形成如图1所示的系统边界图.系统边界包括各电力系统的材料、运输、建设、操作维护过程以及每个阶段产生的废弃物处置或排放.本文旨在计算电力生产过程中的GHG 排放情况，不包括产品（电力）的使用和最终处置阶段.

图1 不同电力系统的全生命周期评价（LCA）系统边界Fig.1 Life cycle assessment（LCA）system boundary of different power systems

生命周期评价方法可以评价多种环境影响，本研究关注GHG 的排放情况.采用归一化方法，并采用政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）推荐的GHG 全球变暖效能（global warming potential，GWP）作为归一化因子.采用二氧化碳当量（CO2-eq）综合表示各种GHG 排放量的综合影响.

1.2 LCE及GHG 排放量核算

以LCE 衡量电力系统全生命周期内GWP 强度（即每产生1kWh的电力所造成的CO2-eq排放量）.LCE 越低，说明生产过程造成的GHG 排放越少.参考Hondo［5］在其研究中提出的计算方法，则某发电形式下的LCE可表示为式 中：G 为GWP 强 度；t为GHG 的 种 类；j 为 该 发电系统中不同的生命阶段；E 为该发电系统中某生命阶段内某GHG 的排放量；Q 为该发电系统全生命周期内的净能源输出.

当综合考虑电力行业CO2-eq 排放量时，不得不考虑不同能源结构对CO2-eq排放量的影响.整体电力行业的年总CO2-eq排放量（total carbon，TC）为

式中：k表示不同能源形式的发电系统.

电力行业平均单位发电量的LCE表示为

1.3 电力系统LCE数据确定决策

在对现有研究结果进行整理、筛选和综合分析的基础上，确定适用于我国电力行业的LCE 推荐值.由于不同数据来源的参数设定、系统原料和技术水平等不尽相同，统计的结果将存在较大偏差，通过如图2所示的决策图对获得的数据进行验证，并确定最终的排放因子取值.由于很难获得一个系统各个生产环节各自的LCE取值，且由组合而得的数据大大增加了最终结果的不确定性，仅当途径①和②不能收集到数据时才选择途径③和④.

图2 全生命周期的二氧化碳排放因子（LCE）数据决策图Fig.2 Life cycle carbon dioxide emission（LCE）data decision path

案例和评价标准的选择都会对评价结果造成较大的影响.为方便LCE 数据的应用，并体现电力行业排放的平均水平，将筛选出的数据进行平均化处理，以l表示，获得适用于我国生产实际的LCE 取值.同时，将各个LCE取值与IPCC［6］和美国能源信息署［7］（Energy Information Administration，EIA）给出的推荐范围进行比较.燃油发电系统的LCE 值直接选择2种国际组织推荐值范围的中间值进行平均.最终确定的推荐值难免与实际情况有所不同，但燃油发电的比重很小，对结果敏感性相对极小，允许燃油发电LCE值存在较大不确定性.化石能源发电系统LCE获取途径均来自途径①，结果如表1所示.

表1 化石能源发电系统LCE数据汇总表Tab.1 LCE data summary of fossil power system g CO2-eq·kWh-1

我国的生物质发电原料均采用农业或工业生产废弃的生物质，并没有利用直接种植生物质，因此在建立LCA 系统边界时不包括生物质的生长阶段，生物质发电LCE明显高于IPCC 推荐范围亦合理.非化石能源发电系统LCE 获取途径来自于途径①和②，结果如表2所示.

2 情景设立及预测分析

随着社会经济和科学技术的发展，不同发电形式的LCE也处在不断的变化中.相比发电形式变化所引起的LCE 变化（1～2 个数量级的差异），由技术革新或规模变化等引起的LCE变化产生的影响很小［23］.在2012年以前，由于技术革新或规模变化而新建的电厂所占份额较小，在进行现状分析时忽略LCE变化的影响，而在情景预测时根据对先进发电设备份额的变化综合考虑LCE的变化.

表2 非化石能源发电系统LCE数据汇总表Tab.2 LCE data summary of non-fossil power system

2.1 电力行业现状及发展

据统计，从2000 年到2012 年，我国总发电量（total power production，TPP）以每年11.37%的平均速率（v）增长.单位GDP总发电量呈逐年下降的趋势，如图3所示.2000～2006年，C／G 在0.130～0.140浮动；而2007～2012年，C／G 从0.120逐年下降到0.096.

图3 我国GDP与总发电量（TPP）的关系Fig.3 Relationship of GDP and total power production（TPP）in China

根据不同能源发电系统的LCE推荐值，结合每年的发电量计算GHG 排放量，如表3所示.统计数据中并没有区分火力发电的不同形式，而按照燃煤发电的LCE值计算.未列出的其他发电形式主要利用其他清洁能源发电，其LCE值一般较低，因此，该部分GHG 排放量不计入结果.燃煤发电形式的LCE明显高于其他发电形式，对火力发电和其他发电形式的处理最终将导致计算所得的GHG 排放量偏大.结果显示，2000～2012年，电力行业每年排放的GHG 持续增加，12年间增加了2.5倍.2012年，总CO2排 放 因 子（total carbon dioxide emission，TCE）呈现出明显的下降趋势.相比2012年的实际GHG 排放量，若以2000～2011年的TC 平均值计算，2012年的GHG 排放量可达到44.55亿吨，减排GHG 1.75亿吨.

表3 2000～2012 年电力行业生命周期温室气体（GHG）排放量Tab.3 Life cycle greenhouse gas（GHG）emission of power sector from 2000to 2012 g CO2-eq·kWh-1

一般认为，“十三五”期间我国经济呈现出从高速增长阶段向中高速增长阶段转换的趋势，GDP增速处于6.20%～7.80%，年均增速约为7.00%［24］.进入“十四五”，GDP增速将进一步减缓至5.00%～7.00%，年均增长约为6.00%.到2025年，GDP 增速将降至5.60%；到2030 年，GDP 增速则会降至5.00%；“十五五”期间的年均GDP增速将为5.24%左右［25］.通过对英国石油（BP）公司的预测结果［26］进行分析可知，2010～2030年我国能源强度将稳步下降约46.00%，年均下降约2.30%.利用能源强度变化预测2013～2030年的单位GDP 发电量，并利用GDP增速预测每年的TPP，2014年和2015年的GDP增速分别以7.52%和7.24%［25］计算，最终确定以单位GDP 发电量为2.30%的年均下降确定TPP预测值，结果如表4所示.

表4 2013～2030年总发电量预测表Tab.4 Prediction of TPP from 2013to 2030

2.2 情景建立

结合文献［24，27-28］及当前我国提出的系列政策目标，设定基准情景、约束情景及优化情景.3 种情景的年发电量均利用GDP 推算结果，能源结构均以2012年为基准，其中煤电、气电、生物质发电、水电、核电、风电、光电的占比分别为74.9%、3.6%、0.2%、16.5%、1.9%、2.5%、0.1%，其他发电形式占比为0.3%.

A）基准情景.不改变任何发电形式的占比.但假设在评价年限内新增煤电系统的LCE 为859g CO2-eq／kWh［9］，基准LCE不变.

B）约束情景.2020年的非化石能源占比已达到21.5%.设定将电力行业2020年的非化石能源占比达到30.0%、2030年达到35.0%作为约束条件.其中，水电装机容量在2020年后基本不再增加.核电和风电是非化石能源比重增加的主要贡献者.截至2030年，核电和风电的发电量均达到万亿千瓦时水平.同时，假设每年以2012年的煤电发电量为基准的系统LCE 下降2g CO2-eq／kWh.其他发电系统因发电系统技术先进，LCE 可提高空间较小，故不考虑其LCE变化.

C）优化情景.进一步提高非化石能源发电量的比重并降低煤电系统的LCE 预测值.设定将2020年非化石能源提高到33.0%、2030年非化石能源提高到40.0%作为优化限制条件.其中，水电的占比基本与约束情景等同，核电和风电表现为更长足的发展，能源结构占比分别达到12.0%和11.5%.同时，假设每年以2012年的煤电发电量为基准的系统LCE下降3g CO2-eq／kWh.

2.3 不同情景下排放量的计算和讨论

根据对3种情景的设定计算不同情景下每年的LCE预测值.以燃煤发电为例，利用每年的燃煤电力占比计算每年的燃煤发电量：

式中：Qi为第i年燃煤发电量，i表示年份，指2013～2030年；wi为第i年煤电发电量占当年总发电量的比重；QT，i为第i年的总发电量：

以2012年燃煤发电量为基准计算每年新增燃煤发电量，则可以计算每年新增燃煤发电量占当年燃煤发电量的比重：

式中：αi为第i 年新增燃煤发电量占当年燃煤发电量的比重；Q2012为2012年的燃煤发电量.

3种情景设定下每年煤电系统的LCE 预测值计算公式如下：

式中：LA，i、LB，i、LC，i分别表示第i 年A、B、C 情景 下燃煤发电系统的LCE；αA，i、αB，i、αC，i分别表示第i 年A、B、C情景下新增燃煤发电量占当年燃煤发电量的比重.

利用计算所得不同情景预测年限内的LCE 值，结合其他发电形式的排放因子从当前至2030年的预测值，应用式（2）和（3）分别计算不同情景下的预测年限内每年的总GHG 排放量和平均LCE 值.计算结果如图4和5所示.

图4 不同情景下电力行业GHG 排放比较Fig.4 Comparison of GHG emission of power sector under different scenarios

图5 不同情景下电力行业的平均LCE比较Fig.5 Comparison of average LCE of power sector under different scenarios

当按照2000～2012年电力行业GHG 排放量趋势外延时，即保持2012 年平均技术水平持续发展，则到2030年GHG 的年排放量已超过90亿吨.基准情景不改变现有电力行业的能源结构，但要求每年新增燃煤发电系统全部采用GHG 排放量较少的先进技术机组，这一改变将在2030年这一年内减排GHG 约7.4亿吨.约束情景在控制新增燃煤电厂技术的基础上，逐步减少现有燃煤系统的GHG排放因子，同时调整能源结构，加大非化石能源在电力行业的比重，该情景下到2030年GHG 排放量仅为63.5亿吨，但GHG 排放量仍表现出明显的上升趋势.在约束情景的基础上，又提出优化情景，设定更严格的减排目标，控制更严格的燃煤系统GHG排放因子以及更严苛的能源结构调整.到2030年，该情景下GHG 的排放量仅为58.9 亿吨.虽然GHG 排放量仍逐年增加，但GHG 年排放量明显趋于平缓，在末5年内GHG 年排放量仅增加3.1亿吨.此时，相比2030年外延结果，优化情景下2030年的GHG 年排放量减少了33.0 亿吨.在此情景下，可以认为，我国有望在2030年以后的几年内达到GHG排放峰值.在评价年限内，与保持2012年平均技术水平而不作任何改变所得的结果相比，3种情景下的总GHG 减排量将分别达到66.6、255.6和297.0亿吨.

当比较不同情景设定下电力行业的平均LCE时，基准情景仅控制新增燃煤发电系统的GHG 排放因子，虽然减缓了GHG 总量的排放，但GHG 排放总量将随着总发电量的增加而成比例增加，因此，不可能在保证社会经济发展的情况下达到减排效果.约束情景和优化情景下平均LCE均有明显的下降，而优化情景下更严苛的目标导致平均LCE 更为显著的下降，从而有助于在保证总发电量的情况下早日达到GHG 年排放量的峰值.

单位GDP的GHG 排放总量是目前较受关注的参数，我国提出了2020 年GHG 排放强度相比2005年降低40%～45%的目标.计算单位GDP 的总GHG 排放量，获得GHG 排放强度，如图6所示.2000～2006年，我国单位GDP的GHG 排放强度基本在120g附近波动；2006～2012年，我国GHG 排放强度出现了明显的下降趋势，这主要是由于在2007年我国单位GDP 耗电量开始出现明显下降.相比2005年，截至2012年我国GHG 排放强度就已经下降了30.7%，这是一个非常可观的结果.根据3种情景设定的计算结果可知，优化情景下的GHG 排放强度最低，而基准情景下的GHG 排放强度最高.在基准情景下，相比2005年，截至2020年我国GHG 排放强度下降约43.6%，达到了降低40%～45%的目标.电力行业是GHG 排放和能源消耗的主导行业，又是全国减排的重点行业，仅仅达到全国目标的水平显然是不够的.在约束情景和优化情景下，2020年我国GHG 排放强度相比2005年分别下降52.3%和54.3%，可以超额完成全国GHG 减排的总体目标，是更为理想的选择.

综合以上分析可知，在设定的3种情景中，基准情景不能达到既定的政策目标，约束情景基本可以达到目标，而优化情景是更为合理的选择.

图6 不同情景下GHG 排放强度比较Fig.6 Comparison of GHG emission intensity under different scenarios

3 结 论

（1）本文提出了3种化石能源发电系统和5种非化石能源发电系统的LCE现状.化石能源发电系统的LCE明显高于非化石能源发电系统的LCE.化石能源发电系统的LCE 范围为676～1084g CO2-eq／kWh，而非化石能源发电系统的LCE 范围为15～289g CO2-eq／kWh；

（2）在明确应用先进发电技术时，基准情景不改变任何发电形式的占比，年平均LCE 维持在842 g CO2-eq／kWh，并不能满足发展经济的同时实现减排的要求.约束情景以现有的能源结构目标为约束条件，电力系统年平均LCE呈现了明显的下降趋势，但GHG排放总量仍呈现较为明显的上升趋势.优化情景下提出更为严苛的能源结构目标作为优化约束条件，与保持2012年平均技术水平持续发展时的结果相比，2030年GHG排放量将减少33亿吨，电力系统年平均LCE 呈现更为显著的下降，并且到2030 年GHG年排放量已趋于稳定，有望达到减排目标.

（3）与保持2012年平均技术水平而不做任何改变所得的结果相比，3种情景分别可达到减排66.6、255.6和297.0亿吨GHG 的效果.3种情景下的排放强度都可以达到排放强度目标，但相比而言，优化情景是更合理的选择.

（

）：

［1］LI X，FENG K，SIU Y L，et al.Energy-water nexus of wind power in China：the balancing act between CO2emissions and water consumption［J］.Energy Policy，2012，45（11）：440-448.

［2］CHEN G Q，YANG Q，ZHAO Y H，et al.Nonrenewable energy cost and greenhouse gas emissions of a 1.5 MW solar power tower plant in China［J］.Renewable and Sustainable Energy Reviews，2011，15（4）：1961-1967.

［3］IEA.2014 Key World Energy Statistics ［EB／OL］.（2015-01-05）［2015-10-09］.http：∥www.iea.org／publications／freepublications／publication／KeyWorld 2014.pdf.

［4］ZHANG D，TABG S L，LIN B，et al.Co-benefit of polycrystalline large-scale photovoltaic power in China［J］.Energy，2012，41（1）：436-442.

［5］HONDO H.Life cycle GHG emission analysis of power generation systems：Japanese case［J］.Energy，2005，30（11／12）：2042-2056.

［6］EDENHOTER O，PICHS-MADRUGA R，SOKONA Y，et al.Renewable energy sources and climate change mitigation：special report of the intergovernmental panel on climate change［M］.Cambridge：Cambridge University Press，2011.

［7］EIA.How much carbon dioxide is produced per kilowatthour when generating electricity with fossil fuels？［R／OL］.（2015-03-30）［2015-05-25］.http：∥www.eia.gov／tools／faqs／faq.cfm？id＝74＆t＝11.

［8］马忠海.中国几种主要能源温室气体排放系数的比较评价研究［D］.北京：中国原子能科学研究院，2002.MA Zhong-hai.Comparison of main energy greenhouse gas emission factors in China［D］.Beijing：China Institution of Atomic Energy，2002.

［9］赵红颖.生物质发电的生命周期评价［D］.成都：西南交通大学，2010.ZHAO Hong-ying.Life cycle assessment of biomass power［D］.Chengdu：Southwest Jiaotong University，2010.

［10］张俊翔，朱庚富.光伏发电和燃煤发电的生命周期评价比较研究［J］.环境科学与管理，2014，39（10）：86-90.ZHANG Jun-xiang，ZHU Gen-fu.Comparative studies of photovoltaic power generation and coal：fired power generation base on life cycle assessment［J］.Environmental Science and Management，2014，39（10）：86-90.

［11］黄智贤，吴燕翔.天然气发电的环境效益分析［J］.福州大学学报：自然科学版，2009，37（1）：147-150.HUANG Zhi-xian， WU Yan-xiang.Environmental benefit of electricity generated by natural gas ［J］.Journal of Fuzhou University：Natural Science Edition，2009，37（1）：147-150.

［12］夏德建，任玉珑，史乐峰.中国煤电能源链的生命周期碳排放系数计量［J］.统计研究，2010，27（8）：82-89.XIA De-jian，REN Yu-long，SHI Le-feng.Measurement of life-cycle carbon equivalent emissions of coalenergy chain［J］.Statistical Research，2010，27（8）：82-89.

［13］廖夏伟，谭清良，张雯，等.中国发电行业生命周期温室气体减排潜力及成本分析［J］.北京大学学报：自然科学版，2013，49（5）：885-891.LIAO Xia-wei，TAN Qin-liang，ZHANG Wen，et al.Analysis of life-cycle greenhouse gas emission reduction potential and cost for China’s power generation sector［J］.Acta Scientiarum Naturalium Universitatis Pekinensis，2013，49（5）：885-891.

［14］郭敏晓.风力、光伏及生物质发电的生命周期CO2排放核算［D］.北京：清华大学，2011.GUO Min-xiao.The life cycle accounting of CO2emissions for wind，PV and biomass power generation in China［D］.Beijing：Tsinghua University，2011.

［15］刘胜强，田秉晖，张培栋，等.中国新能源发电生命周期温室气体减排潜力比较和分析［J］.可再生能源，2009，27（5）：102-106.LIU Sheng-qiang，TIAN Bing-hui，ZHANG Pei-dong，et al.Life cycle assessment on straw directly combustion for power generation system［J］.Renewable Energy Resources，2009，27（5）：102-106.

［16］刘胜强，毛显强，邢有凯.中国新能源发电生命周期温室气体减排潜力比较和分析［J］.气候变化研究进展，2012，8（1）：48-53.LIU Sheng-qiang，MAO Xian-qiang，XING You-kai.Estimation and comparison of greenhouse gas mitigation potential of new energy by life cycle assessment in China［J］.Advances in Climate Change Rearch，2012，8（1）：48-53.

［17］ZHANG Q F，KARNEY B，MACLEAN H L，et al.Life cycle inventory of energy use and greenhouse gas emissions for two hydropower projects in China［J］.Journal of Infrastructure Systems，2007，13（4）：271-279.

［18］杨东，刘晶茹，杨建新，等.基于生命周期评价的风力发电 机 碳 足 迹 分 析［J］.环 境 科 学 学 报，2015，35（3）：927-934.YANG Dong，LIU Jing-ru，YANG Jian-xin，et al.Carbon footprint of wind turbine by life cycle assessment［J］.Acta Scientiae Circumstantiae，2015，35（3）：927-934.

［19］SHERWANI A F，USMANI J A，VARUN.Life cycle assessment of solar PV based electricity generation systems：a review［J］.Renewable and Sustainable Energy Reviews，2010，14（1）：540-544.

［20］ITO M，KATO K，SUGIHARA H，et al.A preliminary study on potential for very large scale photovoltaic power generation（VLS-PV）system in the Gobi desert from economic and environmental viewpoints［J］.Solar Energy Materials and Solar Cells，2003，75（3／4）：507-517.

［21］ITO M，KOMOTO K，KUROKAWA K.Life-cycle analyses of very-large scale PV systems using six types of PV modules［J］.Current Applied Physics，2010，10（Suppl.2）：271-273.

［22］ITO M，KATO K，KOMOTO K，et al.A Comparative study on cost and life-cycle analysis for 100 MW very Large-scale PV （VLS-PV）systems in deserts using m-Si，a-Si，CdTe，and CIS modules［J］.Progress in Photovoltaics：Research and Applications，2008，16（1）：17-30.

［23］WANG C，LIN J，CAI W J，et al.China’s carbon mitigation strategies：enough ？［J］.Energy Policy，2014，73（47）：47-56.

［24］余斌.“十三五”期间的中国经济增长［J］.改革，2015（1）：6-40.

［25］肖宏伟，李辉.中国经济潜在增长率测算及预测研究［J］.理论探讨，2014，11：4-8.XIAO Hong-wei，LI Hui.Potential growth rate calculation and prediction research of Chinese economy［J］.Theoretical Discussion，2014，11：4-8.

［26］DUDLEY B.BP energy outlook 2030［R／OL］.（2012-01-01）［2015-05-07］.http：∥www.bp.com／zh＿cn／china／reports-and-publications／bp2030＿0.html.

［27］CHERNI J A，KENTISH J.Renewable energy policy and electricity market reforms in China ［J］.Energy Policy，2007，35（7）：3616-3629.

［28］DUDLEY B.BP energy outlook 2035-country insights：China［R／OL］.（2015-02-17）［2015-06-03］.http：∥www.bp.com／en／global／corporate／about-bp／energyeconomics／energy-outlook／country-and-regional-insights／china-insights.html.