基于CGE 模型的可再生能源綠證交易機制模擬及其經(jīng)濟影響

張寧 龐軍 王琦瑤 陳暉

摘要 綠證交易機制是中國推動能源結(jié)構(gòu)和電力結(jié)構(gòu)轉(zhuǎn)型升級的重要經(jīng)濟手段。該研究構(gòu)建了具有電力部門細分特征的中國“能源-環(huán)境-經(jīng)濟”遞推動態(tài)CGE模型，模擬了在可再生能源電力消納保障機制框架下實行強制性綠證交易的經(jīng)濟影響。研究發(fā)現(xiàn)：強制性綠證交易能夠替代電價補貼政策促進新能源電力行業(yè)的發(fā)展，但所能實現(xiàn)的碳減排效果有限，2030年相比基準(zhǔn)情景最高僅可削減3. 804%的全國碳排放總量?？稍偕茉措娏ο{保障機制的約束目標(biāo)將對綠證交易機制的運行效果產(chǎn)生直接影響，有針對性地提高風(fēng)電消納目標(biāo)，可以有效促進風(fēng)電行業(yè)發(fā)展，但存在扭曲綠證交易市場、降低資源配置效率的風(fēng)險。提高新能源電力的消納責(zé)任權(quán)重需要以犧牲一定的經(jīng)濟發(fā)展為代價，但整體來看模擬期內(nèi)對經(jīng)濟造成的負面沖擊幅度較小，各類政策情景下實際GDP下降率不超過0. 8%。在保證綠證真實綠色屬性的前提下，具有較高靈活性的代理模式綠證交易可以緩解風(fēng)、光電力消納目標(biāo)對用電行業(yè)生產(chǎn)成本和GDP造成的壓力，更具成本有效性。擴大綠證交易市場行業(yè)覆蓋范圍能夠激發(fā)綠證交易市場活力，進一步緩解強制性新能源電力消納目標(biāo)對經(jīng)濟發(fā)展造成的不利影響，但所能實現(xiàn)的碳減排效果也相對較弱?；谏鲜鼋Y(jié)論，該研究提出相應(yīng)政策建議：通過完善獎懲機制強化可再生能源電力消納保障機制的強制約束效力，保障綠證交易機制的實施效果；在保證綠證真實綠色屬性的前提下可以選擇更為靈活的綠證交易模式；為風(fēng)電消納責(zé)任權(quán)重設(shè)定適當(dāng)?shù)南孪?，適當(dāng)引導(dǎo)資金流向海上風(fēng)電等新興可再生電力行業(yè)，更有效地利用可再生能源資源。

關(guān)鍵詞 綠證交易機制；可再生能源配額；CGE模型；經(jīng)濟影響

中圖分類號 F062. 1 文獻標(biāo)志碼 A 文章編號 1002-2104（2023）02-0051-12 DOI：10. 12062/cpre. 20221012

中國高度重視并積極參與全球氣候治理行動，已經(jīng)向國際社會做出了碳達峰、碳中和的減排承諾。2021年中國“雙碳”政策體系關(guān)鍵文件相繼發(fā)布，明確了2025、2030、2060年非化石能源消費比重須分別達到20%左右、25%左右和80%以上的發(fā)展目標(biāo)。為實現(xiàn)上述目標(biāo)，解決中國可再生能源電力發(fā)展過程中現(xiàn)存的“棄風(fēng)棄光”問題，從需求側(cè)保障新能源電力消納是關(guān)鍵。為此，中國開始推動可再生能源電力消納保障機制和綠證交易市場的建立與運行。2017年中國開始在全國范圍內(nèi)試行綠證的核發(fā)與自愿認購工作，并于同年7月正式開展綠證交易。但目前中國尚未展開真正意義上的強制性綠證交易，用電行業(yè)缺乏參與綠證交易的動力，雖然綠證核發(fā)量和掛牌量較大，但成交量較低，且市場機制并未真正發(fā)揮作用，綠證市場表現(xiàn)低迷。在這一現(xiàn)實背景下，需要實行可再生能源電力消納保障機制框架下的強制性綠證交易以確保國家政策目標(biāo)的實現(xiàn)，但目前中國的綠證交易制度還處于建設(shè)時期，許多關(guān)鍵機制問題還需進一步探討，機制運行帶來的實施效果和經(jīng)濟影響也需要進一步明確。該研究以強制性綠證交易機制為研究對象，對機制設(shè)計及經(jīng)濟影響的討論可以為繼續(xù)完善中國綠證交易機制提供參考，對于促進中國能源結(jié)構(gòu)與電力結(jié)構(gòu)轉(zhuǎn)型升級具有重要意義。

1 文獻綜述

迄今為止，已有較多文獻對綠證交易機制的實施效果進行了驗證，其有效性得到大多數(shù)學(xué)者的認同。部分學(xué)者從生產(chǎn)端角度，證實了綠證交易機制對可再生能源電力行業(yè)的促進作用［1-4］；亦有研究成果從需求側(cè)驗證了綠證交易機制在促進可再生能源電力消納方面的積極作用［5-7］。作為可再生能源配額制度的市場化配套措施，綠證交易制度成本有效性也是一個值得關(guān)注的研究問題，已有學(xué)者針對綠證交易機制的成本有效性進行了驗證，所得研究結(jié)論普遍認同綠證交易機制在降低可再生能源配額制度成本方面的積極作用［8-15］。

除實施效果外，辨別綠證交易機制的關(guān)鍵要素，分析不同機制設(shè)計的經(jīng)濟影響，是完善中國綠證交易機制需要重點關(guān)注的研究問題。中國綠證交易起步較晚，相關(guān)研究成果相對較少，且主要集中在對綠證價格機制的分析上。有學(xué)者認為在競爭性的綠證市場中，基于市場定價的綠證交易機制難以有效促進尚未完全成熟、存在較大技術(shù)改進和成本下降空間的新興可再生能源電力行業(yè)發(fā)展［16］。還有部分學(xué)者對可再生能源配額制度下的綠證價格進行了預(yù)測［1，17-20］。除價格機制外，部分學(xué)者通過模擬可再生能源配額制度和綠證交易機制下電力市場各個主體的行為決策，對綠證交易機制的影響傳導(dǎo)鏈條進行了分析［6，21-29］，識別出可再生能源配額制度的約束方式、綠證交易模式等關(guān)鍵機制要素。可再生能源配額制度作為綠證交易機制的框架性制度，能夠?qū)G證交易起到激勵作用［30］，且差異化的可再生能源電力消納目標(biāo)將對綠證交易價格與交易量產(chǎn)生顯著影響［3-4，6，27-29，31-32］。由于綠電資源分布的空間差異性，靈活度和流動性不同的綠證交易方式也將對風(fēng)、光電力消納效果及綠證交易市場的運行效率產(chǎn)生影響［6］。此外，碳交易與綠證交易共同服務(wù)于中國碳減排，部分學(xué)者利用CGE模型圍繞碳配額市場機制設(shè)計（覆蓋行業(yè)范圍［33-35］、初始碳配額分配方式［35-37］等）及其經(jīng)濟影響［34-35，38］等研究問題展開討論，亦有部分學(xué)者對碳交易和綠證交易的兼容性展開了討論［39-44］，并針對如何實現(xiàn)兩種機制的有機耦合進行了探討［14，45-46］。

通過上述分析可以發(fā)現(xiàn)，現(xiàn)有對中國綠證交易機制進行定量分析的文獻未能對綠證交易機制的多個關(guān)鍵要素進行較為全面的討論，尚不能為中國綠證交易機制的建立健全提供全面的參考。在研究方法方面，已有文獻對綠證交易機制實施效果及影響的討論多從電力市場角度切入，利用機會約束規(guī)劃法、系統(tǒng)動力學(xué)等研究方法，重點分析其對電力市場主體的影響。需要注意到，雖然綠證交易機制直接作用于電力市場，但是通過行業(yè)間的經(jīng)濟關(guān)聯(lián)，最終將對經(jīng)濟體各個方面產(chǎn)生擾動，上述研究方法難以全面評估綠證交易機制帶來的經(jīng)濟影響。CGE模型作為典型的宏觀經(jīng)濟政策影響綜合評估模型，不僅可以對綠證交易及碳交易-綠證交易耦合機制進行全面細致的刻畫，而且可以用于分析不同機制設(shè)計對電力行業(yè)及宏觀經(jīng)濟各方面產(chǎn)生的影響，相比其他研究方法在對國民經(jīng)濟系統(tǒng)的整體模擬分析中更具優(yōu)勢，但是目前利用CGE模型對綠證交易機制進行討論的文獻較少。該研究構(gòu)建的“能源-環(huán)境-經(jīng)濟”遞推動態(tài)CGE模型可以對綠證交易機制的核心要素展開較為全面的討論，并對其經(jīng)濟影響進行定量模擬評估，從而為進一步完善中國的綠證交易機制提供依據(jù)。此外，由于風(fēng)電和光伏電力在取得對應(yīng)數(shù)量的綠證后不再享受可再生能源電價補貼，該研究對中國綠證交易機制的討論建立在取消可再生能源電價補貼的背景下，所得研究結(jié)論將更具現(xiàn)實意義。

2 研究方法

該研究構(gòu)建的中國“能源-經(jīng)濟-環(huán)境”遞推動態(tài)CGE模型，包括政府、居民戶、企業(yè)和世界其他地區(qū)4個經(jīng)濟主體，并將整個經(jīng)濟體分為22個生產(chǎn)部門，其中包括火力發(fā)電、核能發(fā)電、水力發(fā)電、風(fēng)力發(fā)電、光伏發(fā)電和其他電力6個電力部門。模型包含生產(chǎn)模塊、貿(mào)易模塊、收入支出模塊、要素模塊、宏觀經(jīng)濟模塊、均衡與閉合模塊、動態(tài)模塊、碳排放模塊及綠證交易模塊，分別對生產(chǎn)決策、貿(mào)易行為、經(jīng)濟主體收入與支出、勞動與資本流動、宏觀經(jīng)濟水平、各市場出清、動態(tài)機制、碳排放情況及綠證交易機制進行模擬仿真。圖1為模型的分析框架圖，對各模塊間的邏輯關(guān)聯(lián)進行了展示。

2. 1 生產(chǎn)模塊

生產(chǎn)模塊采用6層嵌套的CES生產(chǎn)函數(shù)對各行業(yè)的生產(chǎn)決策進行刻畫。除了非能源中間投入合成及電力投入合成使用Leontief函數(shù)外，其余投入合成均使用CES函數(shù)。在能源投入方面，借鑒文獻［47］的做法，將煤炭、成品油、原油、天然氣、燃氣及電力作為特殊的要素投入。為模擬綠證交易機制，該研究所建CGE模型具有電力部門細分的特征，共包括6種電力投入，并參照文獻［47］的做法，將新能源電力（風(fēng)電和光伏電力）視為傳統(tǒng)電力（火力發(fā)電、核能發(fā)電、水力發(fā)電、其他電力）的不完全替代。

2. 2 貿(mào)易模塊

模型遵循“小國假設(shè)”原則，假設(shè)中國是世界市場價格的接受者，國內(nèi)生產(chǎn)活動的總產(chǎn)出在國內(nèi)消費與出口間進行分配，并利用CET函數(shù)描述二者間的不完全替代關(guān)系；根據(jù)Armington條件，國內(nèi)商品市場上的總供給由國內(nèi)生產(chǎn)國內(nèi)消費商品和進口商品CES合成，并最終用于生產(chǎn)環(huán)節(jié)中間投入、居民消費、政府消費、投資及增加存貨。

2. 3 收入支出模塊

收入支出模塊主要描述居民、企業(yè)、政府收入支出情況。居民收入由要素報酬（勞動力和資本）、政府轉(zhuǎn)移支__付和國外轉(zhuǎn)移支付構(gòu)成，居民支出包括商品消費和個人所得稅，居民收支差值為居民儲蓄。居民消費需求由可支配收入與邊際消費傾向決定，在預(yù)算約束下最大化柯布-道格拉斯效用函數(shù)得到。企業(yè)收入包括資本要素報酬和政府轉(zhuǎn)移支付，企業(yè)支出為企業(yè)所得稅，收支差值為企業(yè)儲蓄。政府收入包括稅收收入和國外轉(zhuǎn)移支付，其中稅收收入包括間接稅、進口關(guān)稅、居民和企業(yè)所得稅收入，政府支出包括政府消費和對居民、企業(yè)和世界其他地區(qū)的轉(zhuǎn)移支付，模型假定政府對不同商品的消費支出在政府收入中所占比例固定，政府收支的差值為政府儲蓄。

2. 4 動態(tài)模塊

CGE模型采用遞推動態(tài)機制，基準(zhǔn)年為2017年，以1年作為時間間隔，逐步遞推至2030年。模型依靠勞動力增長率、資本存量積累等設(shè)置實現(xiàn)動態(tài)驅(qū)動。

2. 5 可再生能源電價補貼模塊

在模型中可再生能源電價補貼對象為風(fēng)電和光伏發(fā)電，補貼額計算公式如下：

式中：Sc 為可再生能源電力c 的補貼額（億元）；sc 為可再生能源電力c 的補貼率；Pc 為商品c 的相對價格；Qc 為商品c 在國內(nèi)市場上的需求（億元）。同時，在貿(mào)易模塊中需要將可再生能源電價補貼率納入可再生能源電力商品形成過程的價格函數(shù)，并且在收入支出模塊中需要在政府支出中增加可再生能源電價補貼額。

2. 6 綠證交易模塊

研究對象是可再生能源電力消納保障機制框架下的強制性綠證交易，因此需要在CGE模型中分別對可再生能源電力消納保障機制和綠證交易進行模擬。2021年出臺的《綠色電力交易試點工作方案》提出了2種綠色電力產(chǎn)品的交易方式，包括直接交易購買（以下簡稱“直購模式”）和向電網(wǎng)企業(yè)購買（以下簡稱“代理模式”）。前者主要面向省內(nèi)區(qū)域市場，由用電企業(yè)或電網(wǎng)公司以直接交易的方式從省內(nèi)綠色電力企業(yè)處購買綠電；在省內(nèi)綠電無法滿足綠電消費需求時，用電行業(yè)可以選擇“代理模式”，即向電網(wǎng)企業(yè)購買其保障收購的綠色電力產(chǎn)品達成綠證交易。綠證交易模塊核心方程如下，涉及對生產(chǎn)模塊相關(guān)方程的修改參見文獻［48］。

2. 6. 1 模擬可再生能源電力消納保障機制

各個時期風(fēng)電和光伏電力在全社會總電力消費中所占比重需要滿足可再生能源電力消納保障機制提出的政策目標(biāo)要求。對新能源電力總消納責(zé)任權(quán)重進行約束時，需要滿足公式（2）和公式（3）：

對參與綠證交易的用電行業(yè)而言，由于需要為購買綠證付費，還需調(diào)整生產(chǎn)模塊第二層生產(chǎn)函數(shù)中的價格關(guān)系公式，增加綠證購買支出。此外，在代理模式綠證交易機制下，用電行業(yè)可以基于成本最小化原則，通過購買綠證和使用綠電的方式共同完成消納目標(biāo)要求：以持有綠證的方式完成部分消納責(zé)任，可以降低強制性風(fēng)、光電力消納目標(biāo)對該行業(yè)在確定各類電力投入量時的所受限制，因此還需要對參與代理模式綠證交易的用電行業(yè)涉及傳統(tǒng)電力投入和新能源電力投入的相關(guān)生產(chǎn)函數(shù)方程進行修正。此外，風(fēng)電和光伏發(fā)電行業(yè)將通過出售綠證獲得收入，因此其生產(chǎn)模塊第二層生產(chǎn)函數(shù)中的價格關(guān)系公式需要分別增加綠證交易收入。

2. 7 均衡與閉合模塊

模型均衡條件包括商品市場出清、勞動力市場出清、資本市場出清、國際收支平衡及投資儲蓄平衡。該模型采用新古典主義宏觀閉合，要素和商品價格由模型內(nèi)生決定，勞動力和資本要素供給外生給定，要素得到充分利用。另外，考慮到中國實行的是有管理的浮動匯率制度，該模型匯率外生固定，國外儲蓄由模型內(nèi)生決定。

2. 8 行業(yè)劃分

該模型以2017年為基準(zhǔn)年，通過對2017年投入產(chǎn)出表中149個生產(chǎn)部門分類合并且對電力部門進一步細分，該模型將經(jīng)濟體劃分為22個生產(chǎn)部門。其中，火力發(fā)電、水力發(fā)電、核能發(fā)電、其他電力、風(fēng)力發(fā)電、光伏發(fā)電這六個電力生產(chǎn)部門是在原“電力、熱力的生產(chǎn)和供應(yīng)”的基礎(chǔ)上拆分得到，具體拆分方法參見文獻［35］。

2. 9 數(shù)據(jù)來源與動態(tài)基準(zhǔn)

在CGE模型運行之前，需要構(gòu)建社會核算矩陣（以下簡稱SAM表）并用于參數(shù)校準(zhǔn)，該模型以2017年作為基年編制SAM 表，主要數(shù)據(jù)來源是《中國投入產(chǎn)出表2017》［49］、《中國財政年鑒2018》［50］、《中國統(tǒng)計年鑒2018》［51］、《中國統(tǒng)計年鑒2019》［52］等。模型中規(guī)模參數(shù)及份額參數(shù)由SAM 表校準(zhǔn)得到，替代彈性取值參見文獻［53］。碳排放系數(shù)由IEA發(fā)布的中國2017年分品種化石能源碳排放量［54］和該模型SAM表中分品種化石能源總需求計算得到。非水可再生能源電價補貼率基于文獻［55-57］得到。由于全國碳市場未來有望擴展到石化、化工、建材、鋼鐵、有色金屬、造紙、電力、航空等重點行業(yè)［35］，該研究設(shè)定的控排行業(yè)集合涵蓋上述重點行業(yè)。在所有政策情景下初始碳配額均按照“標(biāo)桿法則”免費分配給控排行業(yè)。

實施政策情景模擬之前，首先需要利用該研究構(gòu)建的中國“能源-經(jīng)濟-環(huán)境”遞推動態(tài)CGE模型模擬出動態(tài)基準(zhǔn)情景，即沒有實施政策情景下中國2017—2030年的發(fā)展趨勢，模型依靠全要素生產(chǎn)率增長、勞動力增長及資本積累等方式實現(xiàn)模型的動態(tài)驅(qū)動，并通過提高全要素生產(chǎn)率、引導(dǎo)資本和勞動要素流向風(fēng)電和光伏行業(yè)來近似模擬風(fēng)電和光伏行業(yè)的技術(shù)進步，最終使得風(fēng)電和光伏的規(guī)模達到預(yù)期。其中：2017—2021年基準(zhǔn)情景相應(yīng)數(shù)據(jù)直接來自各年統(tǒng)計年鑒；在2022—2030年基準(zhǔn)情景所需數(shù)據(jù)中，GDP增長率參考“十四五”規(guī)劃綱要和《世界經(jīng)濟展望》［58］，勞動力增長率來自《國家人口發(fā)展規(guī)劃（2016—2030年）》［59］，能源消費結(jié)構(gòu)變化參考《2050年世界與中國能源展望（2020 版）》［60］、《中國能源展望2030》［61］等報告。該研究僅考慮煤炭、成品油和天然氣3種化石能源燃燒產(chǎn)生的碳排放，動態(tài)基準(zhǔn)情景下全國碳排放總量于2030年達到峰值。

2. 10 政策情景設(shè)計

可再生能源電力消納保障機制的約束方式、綠證交易模式及綠證交易市場覆蓋行業(yè)范圍是綠證交易機制中的關(guān)鍵要素。

在可再生能源電力消納保障機制的約束方式方面，目前中國可再生能源電力消納保障機制僅對全部可再生能源電力，及非水可再生能源電力的總消納權(quán)重提出了目標(biāo)，并未對風(fēng)電或者光伏電力占比提出具體要求。取消電價補貼后，風(fēng)電及光伏電力的度電成本將成為影響新能源電力行業(yè)和綠證交易市場發(fā)展的重要因素。在既定的風(fēng)、光電力總消納責(zé)任權(quán)重下，有針對性地提高風(fēng)電或光伏的消納目標(biāo)，可以定向促進風(fēng)電或者光伏行業(yè)發(fā)展，但這一約束方式將帶來怎樣的影響還需要進一步討論。因此該研究設(shè)置了對風(fēng)、光電力總消納責(zé)任權(quán)重進行總體約束（不同時期的約束強度根據(jù)2021年中國國家能源局發(fā)布的《關(guān)于征求2021年可再生能源電力消納責(zé)任權(quán)重和2022—2030年預(yù)期目標(biāo)建議的函》中公布的非水可再生能源電力消納責(zé)任權(quán)重預(yù)期目標(biāo)設(shè)定），以及分別對風(fēng)電和光伏電力的消納目標(biāo)進行約束（該研究共設(shè)置了風(fēng)電消納責(zé)任權(quán)重占風(fēng)、光電力總消納責(zé)任權(quán)重的比重為45%、50% 和55% 三類不同的方案）兩大類政策情景。

在綠證交易模式方面，該研究根據(jù)《綠色電力交易試點工作方案》，分別對直購模式綠證交易和代理模式綠證交易進行討論，以對比分析不同交易模式帶來的經(jīng)濟影響。在綠證交易覆蓋行業(yè)范圍方面，根據(jù)國家發(fā)展和改革委員會和國家能源局發(fā)布的《關(guān)于建立健全可再生能源電力消納保障機制的通知》中相關(guān)規(guī)定，電力用戶是承擔(dān)消納責(zé)任的重要市場主體?？紤]到不同用電行業(yè)的能源投入結(jié)構(gòu)存在較大差異，不同的市場覆蓋行業(yè)范圍將對綠證交易市場運行和宏觀經(jīng)濟變量產(chǎn)生差異化影響，因此該研究設(shè)置了全部用電行業(yè)均可參與綠證交易及僅有高耗能用電行業(yè)可以參與綠證交易兩大類情景。

綜上所述，該研究共設(shè)置了12種差異化的綠證交易機制情景（表1），并利用“能源-環(huán)境-經(jīng)濟”遞推動態(tài)CGE模型對各類機制的經(jīng)濟影響進行了定量模擬評估。

3 模擬結(jié)果分析

3. 1 綠證價格

由于涉及12 種政策情景、10 年時間及兩種類型綠證，受篇幅限制，此處以2021年、2025年和2030年的數(shù)據(jù)為例對風(fēng)電及光伏綠證價格進行動態(tài)分析，不同政策情景下的綠證價格見表2。

從時間角度看，隨著可再生能源電力消納保障機制規(guī)定的風(fēng)、光電力消納目標(biāo)逐年提高，各用電行業(yè)對綠證的需求隨之提升，綠證價格被不斷推高，基本呈現(xiàn)出逐年上漲的變化趨勢。從比價關(guān)系角度看，在未對風(fēng)電和光伏電力各自的消納目標(biāo)分別進行干預(yù)的情景下，總體看風(fēng)電綠證價格水平高于光伏綠證；以SIM1 情景為例，2030 年風(fēng)電和光伏綠證價格分別為401. 5元（/ MWh）和250. 3元（/ MWh）。究其原因，取消電價補貼后，風(fēng)電和光伏的度電成本將成為影響綠證價格的關(guān)鍵因素。2019年起中國光伏度電成本已經(jīng)低于風(fēng)電，因此光伏綠證價格將比風(fēng)電綠證更具市場競爭力。

不同機制情景下的綠證價格存在顯著差異。在綠證交易模式方面，相比直購模式，代理模式綠證交易機制將在提高光伏綠證價格的同時降低風(fēng)電綠證價格，縮小兩種綠證的價格差。以2030年為例，在直購模式的SIM1情景下，風(fēng)電綠證價格高出光伏綠證價格151. 2元（/ MWh），__而在代理模式的SIM5情景下，風(fēng)電和光伏綠證的價格差縮小至85. 0元（/ MWh）。這是由于直購模式綠證交易機制下各用電行業(yè)的綠證交易決策受制于自身的能源投入結(jié)構(gòu)，綠證交易市場的靈活性和自由度較低；而代理模式綠證交易可以突破這一限制，各用電行業(yè)更加傾向購買價格更為優(yōu)惠的光伏綠證，因此會在推高光伏綠證價格的同時降低風(fēng)電綠證價格，最終兩種綠證價格更加趨近。在可再生能源電力消納保障機制的約束方式方面，風(fēng)、光電力總消納目標(biāo)既定時，隨著對風(fēng)電占比要求的逐步提高（對光伏占比的要求相應(yīng)降低），全社會將在增加風(fēng)電綠證需求的同時減小對光伏綠證的需求，進而導(dǎo)致風(fēng)電綠證價格不斷攀升而光伏綠證價格將有所回落。此外，當(dāng)綠證交易市場覆蓋行業(yè)范圍由高耗能用電行業(yè)擴展至全部用電行業(yè)時，綠證交易市場靈活性更高，綠證價格也相對較低。以2030 年為例，全部用電行業(yè)參與綠證交易的SIM5 情景下，風(fēng)電和光伏綠證價格分別為373. 8 元/（MWh）和288. 8元（/ MWh），而僅有高耗能用電行業(yè)參與綠證交易的SIM9情景下，二者的價格分別上升至842. 0元（/ MWh）和615. 2元（/ MWh）。

3. 2 綠證交易量

此處以2030年為例，對不同機制情景下的綠證交易量情況進行展示，見表3。以SIM1情景為例，風(fēng)電和光伏綠證購買量分別為68 274. 9×104 MWh 和103 288. 0×104 MWh，對比兩種綠證的交易量可以發(fā)現(xiàn)，度電成本和綠證價格相對較低的光伏發(fā)電行業(yè)相比風(fēng)電行業(yè)更具市場競爭力，用電行業(yè)對光伏綠證的需求高于風(fēng)電綠證。在綠證購買決策更加自由的代理模式下，用電行業(yè)對光伏綠證的需求將進一步提升：SIM5情景下光伏綠證購買量相比SIM1 情景提高了6 748. 5×104 MWh。在既定的風(fēng)、光電力總消納責(zé)任權(quán)重下，如果分別對風(fēng)電和光伏電力的消納責(zé)任提出要求，隨著風(fēng)電消納目標(biāo)的不斷提高，全部用電行業(yè)對風(fēng)電綠證的需求總量將有所提升，同時光伏綠證購買量有所回落。這一結(jié)果說明對風(fēng)電消納占比提出要求能夠避免競爭性的綠證交易市場過度傾向未來度電成本更低的光伏電力行業(yè)，從而可以發(fā)揮綠證交易機制對諸如海上風(fēng)電行業(yè)等具有發(fā)展前景、但成本相對較高的新能源電力行業(yè)的促進作用。允許更多的用電行業(yè)參與綠證交易可以更好地激發(fā)市場活力，風(fēng)電及光伏綠證的購買量都有所提高：在僅允許高耗能用電行業(yè)參與綠證交易的SIM9情景下，風(fēng)電和光伏綠證購買量相比SIM5情景分別下降了26 721. 7×104 MWh和62 875. 2×104 MWh。

3. 3 綠證交易支出

2030年不同綠證交易機制情景下用電行業(yè)的綠證交易支出情況見表4。如前文所述，按照代理模式進行綠證交易時，用電行業(yè)更加傾向通過購買價格更為優(yōu)惠的光伏綠證完成風(fēng)、光電力消納目標(biāo)，因此綠證交易支出相對較低，生產(chǎn)成本上行壓力得以緩解：以SIM1和SIM5情景為例，相比直購模式，實行代理模式綠證交易時綠證交易總支出下降9. 34億元。就可再生能源電力消納保障機制的約束方式而言，在既定的總消納目標(biāo)中提高風(fēng)電占比，將導(dǎo)致風(fēng)電綠證價格及需求的提升，最終用電行業(yè)的綠證交易支出也相應(yīng)越高。以SIM2至SIM4情景為例，隨著風(fēng)電消納責(zé)任權(quán)重占比的不斷提高，綠證交易總支出分別為5 455. 46億元、5 678. 36億元和5 905. 33億元。在綠證交易市場覆蓋行業(yè)范圍方面，僅有高耗能用電行業(yè)參與綠證交易時綠證價格較高，這些行業(yè)的綠證交易支出也相應(yīng)越高。雖然此時不參與交易的非高耗能用電行業(yè)無綠證交易支出，但是從總支出的角度看，全部用電行業(yè)需要為綠證交易付出的總成本仍相對較高。以SIM5和SIM9情景為例，綠證交易總支出分別為5 317. 46億元和5 471. 72億元。這一結(jié)果表明，擴大綠證交易市場覆蓋行業(yè)范圍可以減緩參與行業(yè)的生產(chǎn)成本上行壓力，降低綠證交易總成本。

3. 4 綠證交易規(guī)模

以2030年為例，不同政策情景下綠證交易市場的交易額及交易量數(shù)據(jù)見表5。模型數(shù)據(jù)結(jié)果顯示，直購模式和代理模式交易機制下綠證交易市場總規(guī)模相近，但是代理模式下用電行業(yè)對光伏綠證需求的提高能夠更好地激發(fā)光伏綠證市場活力，光伏綠證的交易量和交易額均相對更高。以SIM1和SIM5情景為例，相比直購模式，代理模式下光伏綠證交易量和交易額分別提升6 748. 5×104 MWh和591. 65億元。相比僅對風(fēng)、光電力總消納目標(biāo)進行約束，分別對風(fēng)電和光伏消納進行約束能夠定向刺激某一綠證市場的發(fā)展、改變兩種綠證所占市場份額：提高風(fēng)電消納占比一方面可以增加風(fēng)電綠證的交易量與交易額，風(fēng)電綠證市場的活躍度得以提升，但同時也意味著光伏電力消納責(zé)任權(quán)重的降低，光伏綠證市場規(guī)模會有所回縮。以SIM2至SIM4情景為例，隨著風(fēng)電消納責(zé)任權(quán)重占比的提高，風(fēng)電綠證交易量由73 108. 5×104 MWh 提升至89 509. 6×104 MWh，交易額由3 017. 53 億元提升至3 985. 84 億元；同時，光伏綠證的交易量則由97 789. 1×104 MWh下降至79 211. 9×104 MWh，其交易額由2 437. 94 億元下降至1 919. 49 億元。此外，擴大綠證市場覆蓋行業(yè)范圍將顯著提高交易活躍度，綠證市場交易總量表現(xiàn)出明顯增長趨勢，以SIM5和SIM9情景為例，全部用電行業(yè)參與綠證交__易時的綠證交易總量為167 283. 7×104 MWh，而僅允許高耗能用電行業(yè)參與綠證交易時，綠證交易總額僅為77 686. 9×104 MWh。

3. 5 電力需求變化率

2030年各類機制情景下不同發(fā)電技術(shù)的電力需求相比基準(zhǔn)情景的變化情況見表6。模型數(shù)據(jù)結(jié)果顯示，強制性綠證交易機制能夠在促進電力行業(yè)整體發(fā)展的同時，替代電價補貼政策改善電力結(jié)構(gòu)。究其原因，可再生能源電力消納保障機制對風(fēng)、光電力消納提出了強制性約束，新能源電力行業(yè)得到較為顯著的促進，各類政策情景下新能源電力總需求相比基準(zhǔn)情景增加了35. 660% 至37. 677%；在完全競爭市場背景下，全社會對各類傳統(tǒng)電力的需求相比基準(zhǔn)情景下則均有所降低，降幅范圍在6. 224%至7. 541%之間。從整體角度看，電力總需求水平將因可再生能源電力消納保障機制和綠證交易政策有所提升，各類政策情景下的增幅水平在10. 916% 至12. 531%區(qū)間范圍內(nèi)。

相比直購模式，實行代理模式綠證交易時用電行業(yè)更加傾向增加對光伏綠證的需求，因此光伏行業(yè)將受到更加明顯的促進作用；由于模型建立在完全競爭市場背景下，風(fēng)電需求的增幅則相應(yīng)有所回落。以SIM1和SIM5情景為例，實行直購模式綠證交易時風(fēng)電和光伏電力需求相比基準(zhǔn)情景分別提升28. 577%和42. 226%；采取代理模式時，二者需求變化率則相應(yīng)變?yōu)?5. 305% 和56. 378%。而提高對風(fēng)電消納責(zé)任權(quán)重的要求，全社會將增加對風(fēng)電綠證的需求、風(fēng)電綠證價格也有所提升，因此能夠有針對性地促進風(fēng)電行業(yè)的發(fā)展；在既定的總消納責(zé)任下，光伏行業(yè)則會呈現(xiàn)出反向變動趨勢。相比僅覆蓋高耗能用電行業(yè)的綠證交易市場而言，允許全部用電行業(yè)參與綠證交易時，光伏發(fā)電行業(yè)可以憑借更高的綠證需求實現(xiàn)更大幅度的增長，同時政策對風(fēng)電行業(yè)的激勵作用相對減弱。

3. 6 GDP變化率

此處以2021、2025和2030年為例，分析綠證交易機制對GDP造成的動態(tài)影響，結(jié)果見表7。模型結(jié)果顯示，提高新能源電力的消納責(zé)任權(quán)重需要以犧牲一定的經(jīng)濟發(fā)展為代價，但整體看模擬期內(nèi)對經(jīng)濟造成的負面沖擊幅度較小，各類政策情景下實際GDP 下降率不超過0. 8%；期間，隨著風(fēng)、光電力消納目標(biāo)的逐年提高，強制性綠證交易對實際GDP造成的負面沖擊也相應(yīng)增強。

就綠證交易模式而言，相比直購模式，代理模式綠證交易突破了用電行業(yè)能源投入結(jié)構(gòu)的限制，擴大了交易范圍，可以更好地配置綠證資源，因此全社會能夠以更低的總成本實現(xiàn)既定的風(fēng)、光電消納目標(biāo)，對宏觀經(jīng)濟發(fā)展造成的負面影響相對更小。以2030年為例，在實行直購模式綠證交易的SIM1 情景下，實際GDP 變化率為-0. 584%，而在采取代理模式的SIM5 情景下，實際GDP所受負面影響的幅度縮小至0. 505%。在可再生能源電力消納保障機制的約束方式方面，相比僅對風(fēng)、光電力總消納責(zé)任權(quán)重進行整體約束的政策情景，分別對風(fēng)電和光伏的消納占比提出要求時，綠證交易政策實施對實際GDP造成的負面沖擊更大：以2030年為例，SIM1情景下的實際GDP 變化幅度小于SIM2 至SIM4 情景。究其原因，在完全競爭市場背景下，僅對風(fēng)、光電力總消納責(zé)任權(quán)重進行約束時，各用電行業(yè)將基于成本最小化原則做出電力投入和綠證購買決策，因而能夠在綠證市場均衡時以更小的社會總成本實現(xiàn)既定的可再生配額目標(biāo)。而利用政策手段對風(fēng)電和光伏消納占比進行干預(yù)時，存在扭曲綠證市場、降低資源配置效率的風(fēng)險，對經(jīng)濟的負面影響更大。允許全部用電行業(yè)參與綠證交易可以進一步緩解強制性綠證交易機制對GDP的負面沖擊，這是由于擴大綠證交易覆蓋市場范圍能夠提升市場靈活性、降低綠證價格，減輕強制性綠證交易對用電行業(yè)造成的成本上行壓力，全社會總成本降低。

3. 7 碳減排效果

此處同樣以2021、2025和2030年為例，不同綠證交易機制情景下全國碳排放總量相比基準(zhǔn)情景的變化情況見表8。模型結(jié)果顯示，可再生能源電力消納保障機制框架下的強制性綠證交易機制可以促進碳減排，且隨著新能源電力消納責(zé)任權(quán)重的逐年提高，政策所能實現(xiàn)的碳減排效果也相應(yīng)不斷增強。但是由于可再生能源電力消納保障機制和綠證交易政策并未直接抑制各生產(chǎn)行業(yè)的碳排放活動，因此政策所能實現(xiàn)的碳減排效果有限，在該研究構(gòu)建的模型中各類綠證交易政策情景下最優(yōu)碳減排效果也僅能實現(xiàn)相比基準(zhǔn)情景削減3. 804%的全國碳排放總量（參見2030年SIM4政策情景），因此單純依靠通過可再生能源電力消納保障機制和綠證交易政策提高新能源電力消費占比并不能完成中國的碳減排目標(biāo)。

在綠證交易模式上，直購模式綠證交易對用電行業(yè)造成的生產(chǎn)成本上行壓力更大，因此能夠?qū)崿F(xiàn)更優(yōu)的碳減排效果；相比對風(fēng)、光電力總消納目標(biāo)進行約束的政策情景，分別約束風(fēng)電和光伏消納責(zé)任權(quán)重時，經(jīng)濟發(fā)展所受負面影響更大，對化石能源的需求相應(yīng)降低，全社會碳排放總量也相對更低；就綠證交易市場的覆蓋行業(yè)范圍而言，僅允許高耗能用電行業(yè)參與綠證交易時，可以通過進一步提高生產(chǎn)成本更大程度地抑制其發(fā)展，因而能夠?qū)崿F(xiàn)更高的碳減排效果。

4 結(jié)論與政策建議

該研究發(fā)現(xiàn)：強制性綠證交易可以替代電價補貼政策促進新能源電力行業(yè)的發(fā)展，并能夠?qū)崿F(xiàn)一定的碳減排效果，但由于并未對生產(chǎn)行業(yè)的碳排放行為產(chǎn)生直接約束，其所能實現(xiàn)的碳減排效果也相對較弱，單獨依靠可再生能源電力消納保障機制及綠證交易政策并不能完成碳減排任務(wù)。可再生能源電力消納保障機制是綠證交易的框架性制度，在既定的風(fēng)、光電力總消納責(zé)任權(quán)重下，有針對性地提高對風(fēng)電消納的要求，能夠有的放矢地促進風(fēng)電行業(yè)及其綠證交易市場的發(fā)展。但利用政策手段對風(fēng)電或光伏電力的消納進行干預(yù)，存在扭曲綠證交易市場、降低市場資源配置效率的風(fēng)險，綠證交易機制對實際GDP造成的負面影響相對更大。在保證綠證真實綠色屬性的前提下，代理模式綠證交易受用電行業(yè)自身能源投入結(jié)構(gòu)的限制較小，相比直購模式具有更高的市場靈活性，用電行業(yè)將傾向度電成本相對更低的光伏綠證，為光伏發(fā)電行業(yè)及其綠證交易市場帶來更大幅度促進作用，并降低用電行業(yè)的綠證交易支出，減輕強制性的風(fēng)、光電力消納責(zé)任目標(biāo)對其生產(chǎn)成本造成的上行壓力，并最終緩解實際GDP所受不利影響。允許更多用電行業(yè)參與綠證交易可以降低綠證價格、激發(fā)綠證交易市場活力，對經(jīng)濟發(fā)展造成的不利影響也相對更?。坏捎跍p輕了高耗能用電行業(yè)的綠證交易成本，綠證交易機制對這些行業(yè)的抑制作用被削弱，所能實現(xiàn)的碳減排效果也相對較弱。

提高非化石能源消費占比是實現(xiàn)中國“雙碳”目標(biāo)的關(guān)鍵實現(xiàn)路徑，而實行可再生能源電力消納保障機制框架下的強制性綠證交易是確保風(fēng)、光電力消納的重要政策手段?；诖?，該研究的政策含義包括：建議未來進一步增強可再生能源電力消納保障機制的強制約束效力，通過完善獎懲機制實行強制性綠證交易，從而提高用電行業(yè)參與綠證交易的積極性，確保非化石能源消費占比目標(biāo)的實現(xiàn)。在設(shè)定可再生行業(yè)電力消納保障機制的風(fēng)、光電力消納約束目標(biāo)時，為降低對經(jīng)濟發(fā)展造成的不利影響，建議將風(fēng)、光電力總消納責(zé)任權(quán)重作為強制約束條件。同時，考慮到不同新能源發(fā)電技術(shù)在度電成本上存在的較大差異，可以為風(fēng)電消納責(zé)任權(quán)重設(shè)定適當(dāng)?shù)南孪?，引?dǎo)資金適度流向度電成本較高的海上風(fēng)電項目，以激勵海上風(fēng)電實現(xiàn)技術(shù)突破，更加充分地利用廣闊的海上風(fēng)電資源。考慮到不同用電行業(yè)差異性的能源投入結(jié)構(gòu)及風(fēng)電和光伏資源在空間分布上的不平衡，在保證綠證真實綠色屬性的前提下，建議采取更為靈活的代理模式進行綠證交易，并允許更多用電行業(yè)參與綠證交易，以更好地激發(fā)綠證交易市場活力，提高綠證交易機制的成本有效性?？紤]到綠證交易機制所能實現(xiàn)的碳減排效果并不理想，建議綠證交易機制與碳定價機制有機結(jié)合，共同助力中國碳減排目標(biāo)的實現(xiàn)。

參考文獻

［1］ 趙新剛， 馮天天， 楊益晟. 可再生能源配額制對我國電源結(jié)構(gòu)的影響機理及效果研究［J］. 電網(wǎng)技術(shù)， 2014， 38（4）： 974-979.

［2］ PINEDA S，BOCK A. Renewable?based generation expansion undera green certificate market［J］. Renewable energy，2016，91：53-63.

［3］ 李雅超，撖晨宇，肖艷煒，等. 基于可再生能源經(jīng)濟調(diào)度時序模擬的綠色證書市場交易研究［J］. 智慧電力，2021，49（4）：58-65.

［4］ 嚴旭，李明，梁志飛，等. 基于系統(tǒng)動力學(xué)模型的可再生能源消納保障機制效果模擬［J］. 南方電網(wǎng)技術(shù)，2021，15（3）：39-46.

［5］ 張洪秩. 基于可計算一般均衡模型的綠證交易制度影響研究［D］. 北京：華北電力大學(xué)，2018.

［6］ 王輝，陳波波，趙文會，等. 可再生能源配額制下跨省區(qū)電力交易主體最優(yōu)決策［J］. 電網(wǎng)技術(shù)，2019，43（6）：1987-1995.

［7］ 董福貴，時磊. 可再生能源配額制及綠色證書交易機制設(shè)計及仿真［J］. 電力系統(tǒng)自動化，2019，43（12）：113-121.

［8］ LANGNISS O，WISER R. The renewables portfolio standard in Texas：an early assessment［J］. Energy policy，2003，31（6）：527-535.

［9］ 秦玠衡，楊譞. 綠色證書交易機制對可再生能源發(fā)展的積極作用分析［J］. 金融經(jīng)濟，2009（6）：93-94.

［10］ SINGH A. A market for renewable energy credits in the Indianpower sector［J］. Renewable and sustainable energy reviews，2009，13（3）：643-652.

［11］ AUNE F R，DALEN H M，HAGEM C. Implementing the EU renewabletarget through green certificate markets［J］. Energy economics，2012，34（4）：992-1000.

［12］ YIN H T，POWERS N. Do state renewable portfolio standards promotein?state renewable generation［J］. Energy policy，2010，38（2）：1140-1149.

［13］ WANG G，ZHANG Q，LI Y，et al. Corrective regulations on renewableenergy certificates trading：pursuing an equity?efficiencytrade?off［J］. Energy economics，2019，80：970-982.

［14］ 蔣軼澄，曹紅霞，楊莉，等. 可再生能源配額制的機制設(shè)計與影響分析［J］. 電力系統(tǒng)自動化，2020，44（7）：187-199.

［15］ 劉秋華，袁浩，楊爭林，等. 可再生能源配額制下綠色證書補償輔助服務(wù)方案探討［J］. 電力系統(tǒng)自動化，2020，44（6）：1-8.

［16］ RESCH G， RAGWITZ M， HELD A， et al. Feed?in tariffs andquotas for renewable energy in Europe［J］. CESifo DICE report，2007，5（4）：26-32.

［17］ 趙新剛，王曉永. 基于雙邊拍賣的可再生能源配額制的綠色證書交易機制設(shè)計［J］. 可再生能源，2015，33（2）：275-282.

［18］ 劉文平. 綠色電力證書交易機制研究［J］. 工程技術(shù)研究，2017（ 8）： 16-27.

［19］ 王強，譚忠富，譚清坤，等. 基于優(yōu)惠價格的綠色電力證書交易模型［J］. 中國電力，2018，51（6）：172-177.

［20］ 王強，譚忠富，譚清坤，等. 我國綠色電力證書定價機制研究［J］. 價格理論與實踐，2018（1）：74-77.

［21］ BARINGO L，CONEJO A J. Strategic offering for a wind power producer［J］. IEEE transactions on power systems，2013，28（4）：4645-4654.

［22］ KAZEMPOUR S J， ZAREIPOUR H. Equilibria in an oligopolisticmarket with wind power production［J］. IEEE transactions on powersystems， 2014， 29（2）： 686-697.

［23］ DELIKARAOGLOU S，PAPAKONSTANTINOU A，ORDOUDISC， et al. Price?maker wind power producer participating in a jointday?ahead and real?time market［C］//2015 12th International Conferenceon the European Energy Market （EEM）. Lisbon， Portugal：IEEE，2015.

［24］ DAI T， QIAO W. Optimal bidding strategy of a strategic windpower producer in the short?term market［J］. IEEE transactions onsustainable energy， 2017， 6（3）： 707-719.

［25］ DAI T， QIAO W. Finding equilibria in the pool?based electricitymarket with strategic wind power producers and network constraints［J］. IEEE transactions on power systems， 2017， 32（1）：389-399.

［26］ GUO H Y， CHEN Q X， XIA Q， et al. Modeling strategic behaviorsof renewable energy with joint consideration on energy andtradable green certificate markets［J］. IEEE transactions on powersystems， 2020， 35（3）： 1898-1910.

［27］ 梁吉， 左藝， 張玉琢， 等. 基于可再生能源配額制的風(fēng)電并網(wǎng)節(jié)能經(jīng)濟調(diào)度［J］. 電網(wǎng)技術(shù)， 2019， 43（7）： 2528-2534.［28］ 王輝， 張芮丹， 王軍杰， 等. 可再生能源配額制下電力市場多主體交易決策優(yōu)化模型［J］. 科學(xué)技術(shù)與工程， 2020， 20（6）：2292-2298.

［29］ 彭謙， 周曉潔， 楊睿. 國家綠色電力證書交易市場與省級日前電力市場協(xié)調(diào)均衡機制設(shè)計［J］. 電網(wǎng)技術(shù)， 2020， 44（7）：2565-2571.

［30］ HELGESEN P I，TOMASGARD A. An equilibrium market powermodel for power markets and tradable green certificates，includingKirchhoffs Laws and Nash?Cournot competition［J］. Energy economics，2018，70：270-288.

［31］ 張浩， 趙清松， 石建磊， 等. 中國綠色電力證書交易定價決策研究［J］. 價格理論與實踐， 2019（9）： 42-45.

［32］ 林曉凡， 曾佳妮， 馮冬涵. 可再生能源消納責(zé)任權(quán)重制下電力市場優(yōu)化決策模型［J］. 電力系統(tǒng)自動化， 2021， 45（6）：158-168.

［33］ LIN B Q，JIA Z J. The impact of Emission Trading Scheme （ETS）and the choice of coverage industry in ETS：a case study in China［J］. Applied energy，2017，205：1512-1527.

［34］ MU Y Q， EVANS S， WANG C， et al. How will sectoral coverageaffect the efficiency of an emissions trading system： a CGE?basedcase study of China［ J］. Applied energy， 2018， 227： 403-414.

［35］ 肖謙，龐軍，許昀，等. 實現(xiàn)國家自主貢獻目標(biāo)背景下我國碳交易機制研究［J］. 氣候變化研究進展，2020，16（5）：617-631.

［36］ 袁永娜，石敏俊，李娜，等. 碳排放許可的強度分配標(biāo)準(zhǔn)與中國區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展：基于30省區(qū)CGE模型的分析［J］. 氣候變化研究進展，2012，8（1）：60-67.

［37］ TANG L， SHI J R， BAO Q. Designing an emissions tradingscheme for China with a dynamic computable general equilibriummodel［ J］. Energy policy， 2016， 97： 507-520

［38］ LI J F， WANG X， ZHANG Y X， et al. The economic impact ofcarbon pricing with regulated electricity prices in China： an applicationof a computable general equilibrium approach ［J］. Energypolicy， 2014， 75： 46-56

［39］ HUANG J，XUE F，SONG X F. Simulation analysis on policy interactioneffects between emission trading and renewable energy subsidy［J］. Journal of modern power systems and clean energy，2013，1（2）：195-201.

［40］ LINARES P，JAVIER S F，VENTOSA M， et al. Incorporating oligopoly，CO2 emissions trading and green certificates into a powergeneration expansion model［J］. Automatica，2008，44（6）：1608-1620.

［41］ TSAO C C，CAMPBELL J E，CHEN Y. When renewable portfoliostandards meet cap?and?trade regulations in the electricity sector：market interactions，profits implications，and policy redundancy［J］. Energy policy，2011，39（7）：3966-3974.

［42］ 劉文君， 張莉芳. 可再生能源配額制下的電力市場優(yōu)化策略研究［J］. 南華大學(xué)學(xué)報（社會科學(xué)版）， 2021， 22（1）： 71-80.

［43］ 劉文君，張莉芳. 綠色證書交易市場、碳排放權(quán)交易市場對電力市場影響機理研究［J］. 生態(tài)經(jīng)濟，2021，37（10）：21-31.

［44］ 薛英杰，趙書強，張現(xiàn)，等. 考慮綠證-碳交易機制的含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度［J］. 太原理工大學(xué)學(xué)報，2018，49（5）：785-792.

［45］ SUWA A，JUPESTA J. Policy innovation for technology diffusion：a case?study of Japanese renewable energy public support programs［J］. Sustainability science，2012，7（2）：185-197.

［46］ WANG G，ZHANG Q，SU B，et al. Coordination of tradable carbonemission permits market and renewable electricity certificates marketin China［J］. Energy economics，2021，93：105038.

［47］ CAO J， HO M S， TIMILSINA G R. Impacts of carbon pricing inreducing the carbon intensity of Chinas GDP［R］. WashingtonDC： World Bank， 2016.

［48］ 張寧. 我國碳定價與綠證交易機制設(shè)計及經(jīng)濟影響研究： 基于遞推動態(tài)CGE模型的分析［D］. 北京：中國人民大學(xué)， 2022.

［49］ 國家統(tǒng)計局. 2017年中國投入產(chǎn)出表［M］. 北京： 中國統(tǒng)計出版社， 2019.

［50］ 中國財政年鑒編輯委員會. 中國財政年鑒［M］. 北京： 中國統(tǒng)計出版社， 2018.

［51］ 國家統(tǒng)計局. 中國統(tǒng)計年鑒［M］. 北京： 中國統(tǒng)計出版社，2018.

［52］ 國家統(tǒng)計局. 中國統(tǒng)計年鑒［M］. 北京： 中國統(tǒng)計出版社，2019.

［53］ 肖謙，陳暉，張宇寧， 等. 碳稅對中國宏觀經(jīng)濟及可再生能源發(fā)電技術(shù)的影響： 基于電力部門細分的CGE模型［J］. 中國環(huán)境科學(xué)， 2020， 40（8）： 3672-3682.

［54］ IEA. CO2 emissions from fuel combustion 2019： highlights［R］.2019.

［55］ NEA，IEA，OECD. Projected costs of generating electricity 2015［M］. Paris： OECD Publishing， 2015.

［56］ NEA， IEA， OECD. Projected costs of generating electricity 2020［M］. Paris： OECD Publishing， 2020.

［57］ OUYANG X L，LIN B Q. Levelized cost of electricity （LCOE） ofrenewable energies and required subsidies in China［J］. Energypolicy，2014，70：64-73.

［58］ IMF. World economic outlook［R］. Washington， DC： IMF， 2021.

［59］ 國務(wù)院. 國家人口發(fā)展規(guī)劃（2016—2030年）［ EB/OL］. 2017-01-25［2021-12-16］. http：//www. gov. cn/zhengce/content/2017-01/25/content_5163309. htm.

［60］ 中國石油經(jīng)濟技術(shù)研究院. 2050年世界與中國能源展望［R］.北京： 中國石油經(jīng)濟技術(shù)研究院， 2020.

［61］ 中國能源研究會. 中國能源展望2030［R］. 北京： 中國能源研究會， 2016.