下载文档原格式
2018世界能源统计年鉴2018年7月30日，第67版《BP世界能源统计年鉴（2018年）》（以下简称“《年鉴》”）在北京发布。
《年鉴》显示，2017年全球天然气消费量增长了3%，即960 亿立方米，创下2010 年以来的最快增速。
《BP世界能源统计年鉴（2018年）》摘要：消费量增长由中国（增加 310 亿立方米）、中东（增加 280 亿立方米）和欧洲（增加260 亿立方米）所带动。
美国的天然气消费量下滑了 1.2%，即 110 亿立方米。
全球天然气产量增长了 4%，即 1310 亿立方米，几乎是十年平均增速的两倍。
俄罗斯是增长最显著的国家，其产量增长了460 亿立方米，伊朗次之（增加 210 亿立方米）。
天然气贸易增长了6.2%，即630 亿立方米。
液化天然气（LNG）贸易的增速超过了管道天然气。
天然气进口量的增长主要由澳大利亚（增加170 亿立方米）和美国（增加 130 亿立方米）的LNG，以及俄罗斯（增加 150 亿立方米）的管道天然气所带动。
其他能源数据，如下所示：一次能源2017 年，一次能源消费量平均增长2.2%，这是自2013 年以来的最快增速，较去年上升1.2%，而过去十年的平均增速为 1.7%。
在燃料方面，天然气是能源消费量增长的最大贡献者，可再生能源和石油紧随其后。
中国能源消费量增长了 3.1%，连续第 17 年居能源增量之首。
经历了 2014 年至 2016 年的低增长或零增长后，能源消费所导致的碳排放量增长了 1.6%。
石油即期布伦特均价从 2016 年的 43.73 美元/桶增至 54.19 美元/桶，自 2012 年以来首次出现年度增长。
全球石油消费量平均增长了 1.8%，即 170 万桶/日，连续第三年超过十年平均值（1.2%）。
中国（50 万桶/日）和美国（19 万桶/日）是最大的增长来源。
全球石油产量增长了60 万桶/日，连续两年低于平均值。
美国（增产 69 万桶/日）和利比亚（增产 44 万桶/日）是产量增长最多的国家，沙特阿拉伯（减产 45 万桶/日）和委内瑞拉（减产 28 万桶/日）是产量下降最多的国家。
世界能源7：横向比较全球，7大地区，15大国家化石能源在一次能源消费占比数据来源：BP（英国石油公司）-2019世界能源统计年鉴。
从全球，全球七大地区，全球十五大国家三个层次介绍风能和太阳能在一次能源中消费占比，并做横向对比。
一.全球2018年全球化石能源(煤炭，石油，天然气)消费量11743.6百万吨油当量，比上年(11467.3)增长2.41%，占比一次能源消费量的84.7%。
二.全球七大地区o1.北美洲2018年北美洲化石能源(煤炭，石油，天然气)消费量2334.9百万吨油当量，比上年(2266.1)增长3.04%，占比北美洲一次能源消费量的82.4%。
o2.中南美洲2018年中南美洲化石能源(煤炭，石油，天然气)消费量496.1百万吨油当量，比上年(500.4)减少0.86%，占比中南美洲一次能源消费量的70.7%。
o3.亚太地区2018年亚太地区化石能源(煤炭，石油，天然气)消费量5246.3百万吨油当量，比上年（5082.7)增长3.22%，占比亚太地区一次能源消费量的87.6%。
o4.独联体国家2018年独联体国家化石能源(煤炭，石油，天然气)消费量827.8百万吨油当量，比上年(789.8)增长4.81%，占比独联体国家一次能源消费量的89.0%。
o5.中东地区2018年中东化石能源(煤炭，石油，天然气)消费量895.6百万吨油当量，比上年(873.9)增长2.48%，占比中东一次能源消费量的99%。
2018年欧洲化石能源(煤炭，石油，天然气)消费量1521.1百万吨油当量，比上年(1543.6)减少1.46%，占比欧洲一次能源消费量的74.2%。
o7.非洲2018年非洲化石能源(煤炭，石油，天然气)消费量421.7百万吨油当量，比上年(410.7)增长2.68%，占比非洲一次能源消费量的91.4%。
三.十五大国家o1.英国2018年英国化石能源(煤炭，石油，天然气)消费量152.4百万吨油当量，比上年(154.9)减少1.61%，占比英国一次能源消费量的79.3%。
2018年度全国可再生能源电力发展监测评价报告一、全国可再生能源电力发展总体情况截至2018年底，全国可再生能源发电装机容量7.29亿千瓦，占全部电力装机的38.4%，其中水电装机（含抽水蓄能）3.52亿千瓦，风电装机1.84亿千瓦，光伏发电装机1.75亿千瓦，生物质发电装机1781万千瓦。
2018年全国可再生能源发电量18670.34亿千瓦时，占全部发电量的26.7%，其中水电发电量12329.27亿千瓦时，占全部发电量的17.6%，风电发电量3659.60亿千瓦时，占全部发电量的5.2%，光伏发电量1775.47亿千瓦时，占全部发电量的2.5%，生物质发电量906亿千瓦时，占全部发电量的1.3%。
二、各省（区、市）可再生能源电力消纳情况2018年，包含水电在内的全部可再生能源电力实际消纳量为18158.97亿千瓦时，占全社会用电量比重为26.5%，同比持平。
综合考虑各省（区、市）本地生产、本地利用以及外来电力消纳情况，2018年各省（区、市）可再生能源电力消纳量占本地全社会用电量比重如下：表1 2018年各省（区、市）可再生能源电力消纳情况*2018年浙江省因来水偏少造成水电发电量减少、灵绍特高压通道输送可再生能源电量占总输电量比重未达到国家规定比重等因素影响，实际消纳可再生能源电量偏少，浙江省购买可再生能源绿色电力证书折算可再生能源电力消纳量20亿千瓦时。
三、各省（区、市）非水电可再生能源电力消纳情况2018年，全国非水电可再生能源电力消纳量为6314.20亿千瓦时，占全社会用电量比重为9.2%，同比上升1.2个百分点。
综合考虑各省（区、市）本地生产、本地利用以及外来电力消纳情况，2018年，各省（区、市）非水电可再生能源电力消纳量占本地区全社会用电量比重如表2。
从非水电可再生能源电力消纳比重水平来看，宁夏、青海、内蒙古和吉林最高，均超过17%；从消纳水平同比增长来看，湖南、陕西和西藏三省（区）同比增长较快，分别上升3.0个百分点、2.9个百分点和2.9个百分点；按照国家发展改革委、国家能源局《关于建立健全可再生能源电力消纳保障机制的通知》（发改能源〔2019〕807号）公布的2020年各省（区、市）非水电可再生能源电力最低消纳责任权重，云南、宁夏、新疆等11个省（区、市）非水电可再生能源消纳比重已达到2020年最低消纳责任权重，江苏、广东、安徽、贵州、山东、内蒙古和广西距离达到2020年最低消纳责任权重不到1个百分点，京津冀、黑龙江、甘肃和青海非水电可再生能源电力消纳比重较2020年最低消纳权重仍有较大差距。
图解BP世界能源统计年鉴随着全球人口的增长和经济的发展，能源需求和消耗持续增加。
为了更好地了解全球能源现状和发展趋势，英国石油公司（BP）每年都会发布BP世界能源统计年鉴（BP Statistical Review of World Energy）。
本文将以图解的形式，对BP世界能源统计年鉴中的主要内容进行呈现和解读。
BP世界能源统计年鉴是一本汇总了全球能源生产、消费、贸易和市场等方面数据的权威性出版物。
每年6月，BP公司会发布最新版本的统计年鉴，内容涵盖了全球180多个国家和地区的能源数据，包括石油、天然气、煤炭、可再生能源等。
该统计年鉴不仅为政策制定者提供了重要的决策依据，还为能源行业和研究机构提供了丰富的数据支持。
BP世界能源统计年鉴中的数据通过各种图表形式呈现，以下是一些主要数据的分析：BP统计年鉴展示了全球石油、天然气和煤炭等主要能源的储备情况。
从图1可以看出，全球石油储备量相对稳定，但天然气和煤炭的储备量在逐年增加。
这表明全球能源结构正在发生变化，清洁能源的需求日益增加。
图2展示了全球主要国家和地区的能源消费情况。
从图中可以看出，发达国家能源消费量普遍较低，而新兴经济体如中国和印度的能源消费量增长迅速。
这表明随着经济的发展，新兴经济体对能源的需求不断增加。
图3展示了国际市场上原油价格的变动情况。
从图中可以看出，2010年以来，原油价格波动较大，但整体上呈上涨趋势。
这可能是由于全球经济的复苏和供需关系的变化等因素导致的。
BP世界能源统计年鉴提供了全球能源生产、消费、贸易和市场等方面的详细数据，为政策制定者、能源行业和研究机构提供了重要的参考依据。
根据这些数据，我们可以得出以下全球能源结构正在发生变化，清洁能源的需求日益增加。
这表明未来全球能源的发展将更加注重环保和可持续发展。
随着经济的发展，新兴经济体对能源的需求不断增加。
这要求国际社会加强合作，推动能源供应的多元化和安全性。
原油价格受到多种因素的影响，包括全球经济状况、供需关系、地缘政治等。
1 绪论1.1 研究背景2 随着人类社会工业化的开展，许多问题开始不断地涌现出来，特别是进入21世纪以后，经济建设就像一匹脱缰的野马，失去了束缚。
可以预料到的是缺少了监督或者是监督机制的不完善将会带来多大的问题，对于生活在当下的人类来说，无时无刻不对他们造成巨大影响的就是环境问题了。
环境问题的日趋严重吸引了越来越多人关注的目光，尤其是2015年柴静拍摄的《穹顶之下》一经播出，将民众的情绪带动到了一个新的高峰。
每个人无放出的固体微粒，最终会形成雾霾将我们笼罩。
一切归根结底还是能源的问题时无刻都需要呼吸，可是我们周围的大气已经被严重地污染，各种物质的燃烧排，由于煤炭、石油等原料大量的燃烧产生的二氧化碳最终会达到臭氧层，破化平衡，无可挽回的形成全球变暖的环境危机。
经济发展离不开能源的消耗，可是经济、社会的可持续发展却受到能源消费结构的制约，所以为了走向更好地发展道路我们应当树立节能减排、低碳环保的意识。
在这个观念的引导下，世界各国正在积极寻找“低能耗、低污染”的新的发展道路，为经济发展的可持续打下基础。
“低碳经济”一词已经成为各国经济建设中的新的指路明灯，也是被人们尊崇为可有效解决现有的气候变暖问题有力法宝，而这一理念为人们熟知则是在与世界环境问题相关的《巴厘岛路线图》和《哥本哈根协议》出台之后。
欧美国家已经切实的贯彻了这一点，不仅从硬件基础产业变革和能源结构上，也从软文化新技术的开发和贸易方式的改变上大力推进整个社会的低碳化。
这些都代表着，今后的时代是属于低碳经济的。
34 碳会计作为一个新兴的学科，也是环境会计的一部分。
它的主要工作内容是参照国家已有的对于能源相关的法律规定，衡量一个企业实施低碳发展的程度，并向社会公众传达该企业自然资源的利用率和以此为基础带来的社会效益，它的表达形式既可以是按照用货币或者实物来衡量也可以形成文字报告，书面传达。
这门新兴的会计科学的提出为科学的判断国民生产总值和企业经营利润之间的关系提供了一个完美的计量工具，在此基础之上才能够评判企业的业绩对整体经济发展的推动作用。
第21卷第1期2021年2月中国发展China DevelopmentVol．21No．1Feb．2021收稿日期：2020－12－21作者简介：赵卢雷，法学硕士，教师，主要从事制度经济学等方面的研究。
E －mail ：nju_zhaolulei@163．com*基金项目：2020年安徽省党校（行政学院）系统重点课题成果“以创新驱动发展战略助推我国经济高质量发展研究”（QS202067）。
创新驱动：后发优势向先发优势跨越的关键*赵卢雷（中共六安市委党校，安徽六安237000）摘要：改革开放以来，中国通过发挥“后发优势”战略，即向发达国家引进技术，再经历消化吸收，获得了知识积累和技术外溢，在较短的时间内实现了弯道超车。
随着时间推移，中国发展之路走到了十字路口，后发优势效应呈边际递减态势。
这就必须把发展基点放在创新驱动上，通过先发优势实现引领性发展。
虽然中国走创新驱动发展之路成效显著，但当前依然有许多突出的困境与挑战，因而需要对症下药，提出可行性对策建议。
唯有如此，才能改变中国经济“大而不强、快而不优”，关键核心技术“卡脖子”等问题，助推中国经济走向高质量发展，早日建成社会主义现代化国家。
关键词：创新驱动；先发优势；后发优势；高质量发展；现代化中图分类号：F124文献标识码：A文章编号：1671－2404（2021）102－0013－091问题的提出中国改革开放四十多年来，利用“后发优势”战略实现了国家技术变迁和经济快速腾飞，逐步缩小了与西方发达国家间的差距。
那么，何谓后发优势？后发优势理论正式创立者最早是由美国经济史学家格申克龙在1962年提出。
他认为，在一个工业化时期，经济相对落后的国家在工业化进程中表现出的特征与发达国家相比显著不同，但这种差异也会影响后发国家发展进程，落后程度愈大，发展速度愈快，在于后发国家有着“后发优势”［1］。
他对此作了进一步阐述，归纳如下：第一，落后国家面临着实现经济发展期冀和停滞的现实之间的紧张状态，激起国民快速实现工业化的强烈愿望，并形成一种社会压力；第二，替代性的广泛存在，由于后发国家缺乏工业化前提条件，只能创造性寻求相应替代物，以达到类似工业化水平；第三，后发国家可以很好地引进发达国家先进技术及设备，少走弯路，实现弯道超车。
2015 年 7 月 25 ·65·BP 公司发布 2015 年世界能源统计年鉴钱伯章1能源综述年的消费增速均放缓，核电也是以高于平均水平速度增长的唯一燃料。
亚太地区、欧洲和欧亚大1.1总的能源发展态势陆以及中南美洲的消费增速显著低于 10 年平均BP 公司于 2015 年 6 月 10 日发布第 64 次“世水平。
石油仍然是世界领先的燃料，占全球能源界能源统计年鉴”，显示全球能源需求增速大幅消费的 32.6％，但已连续第 15 年失去市场份额。
放缓。
2014 年全球一次能源消费增长仅为0.9％，尽管新兴经济体继续主导全球能源消费增为自上世纪 90 年代末以来最慢的增长速度。
中长，这些国家的增速（+2.4％）远低于其 10 年的国仍是世界上最大的能源增长市场。
平均水平 4.2％。
中国（+2.6％）和印度（+7.1％）可再生能源再次是能源中增长最快的形式，为全球能源消费最大的增速。
经合组织国家的消并在 2014 年全球能源消费量增速大幅放缓时，费下降了 0.9％，比近期历史平均水平有较大的占了一次能源使用总量增加的三分之一。
可再生下降。
美国（+1.2％）连续第二年强劲增长，高能源提供了世界能源需求的 3％。
于欧盟（-3.9％）和日本（-3.0％）能源消费的下全球来自能源使用的二氧化碳排放量 2014降。
欧盟能源消费的下降是第二个最大的降幅纪年仅增长了0.5%,为自 1998 年以来最弱的排放。
录。
相对于其过去10年平均水平增长，本次增长放2014 年能源价格普遍疲软，全球原油和煤炭缓在很大程度上是由于中国经济增长速度和模价格下跌。
式的变化。
BP 公司首席经济学家斯宾塞戴尔发布世界2014 年所有燃料的消费均有增长，每一种燃料类型均达到创纪录的水平，除了核电外。
所有燃料的生产均有增加，除了煤炭以外。
对于石油和天然气，全球消费增长明显弱于产量。
新兴经济体占能源消费净增长的全部，这些国家虽然增长，仍远低于其10 年的平均水平。
《低碳经济》教学大纲一、课程及教师基本信息2：平时考核应占总成绩的40-70%«二.教学进度及基本内容2.学习内容包括课前阅读、课程作业、课后复习、文献综述、课下实验、课程论文等;3.在教学过程中，“教学进度及基本内容”可以根据实际情况有小幅度调整。
三、推荐教材及阅读文献（包括按章节提供必读文献和参考文献）1）IEA, World Energy Outlook 2016 （每年更新一次，课程用最新一版）IEA, EnergyTeclmologyPerspectives 2016.（每年更新一次，课程用最新一版）2）IPCC, FIFTH Assessment Report（AR5）, 2014: www.ipcc.ch3）The Global Conmiission on the Economy and Climate, the new climate economy 2016: Tlie Sustainable Infiastiiictiue Imperative.4）The Global Conmiission on the Economy and Climate, the new climate economy 2014: better growth, better climate.5）William D. Nordhaus, Tlie Climate Casino: Risk, Unceitainty, and Economics for a Warming Wbild, Yale University Press, 2013 The Oxford handbook of the macroeconomics of global wanning, 20146）卢安武，重塑能源•新能源世纪的商业解决方案，湖南科学技术出版社，2014.7）迈克尔•格拉布，让•夏尔•乌尔卡德，卡斯腾•努豪夫，星球经济学：能源、气候变化和可持续发展的三个领域8）尼古拉斯•斯特恩，尚待何时?:应对气候变化的逻辑、紧迫性和前景，上海财经大学出版社，2016年3月9）世界银行，碳排放交易实践：设计与实施手册2016, 2016.10）王克，雷红鹏等，中国城市低碳发展规划读本，201511）邹骥,王克，傅莎，崔学勤等,2010.中国人类发展报告2009/10: 迈向低碳经济和社会的可持续未来.联合国开发计划署驻华代表处委托编写。
（一）国际能源发展趋势1. 世界能源加速向低碳化转型，化石能源仍将长期占领主体地位纵观人类使用能源的历史，已实现两次能源变革，第一次是薪柴使用，使人类真正成为“人”，第二次是化石能源使用，将人类带入现代社会。
如今，在全球共同应对气候变化的背景下，为了地球和人类的可持续发展，世界能源开始进行第三次变革，正加速向低碳化、无碳化转型。
经过数十年特殊是近年来的快速发展，目前非化石能源约占世界能源消费总量的19%。
未来，非化石能源开辟速度还将进一步加快。
2022年3月福岛核事故后，全球对核电的发展态势至今未浮现根本性的逆转，根据世界核能署（WNA）2022年8月的最新判断，核电发展规模并未较之前预期有所减小，甚至还将进一步扩大。
世界各国已纷纷制定中长期可再生能源发展目标，大力扶持可再生能源发展，其中，欧盟计划到2022年将可再生能源消费比重提高到20%；澳大利亚计划到2022年可再生能源发电比重提高到20%；美国、巴西和欧盟等国家实施强有力财政激励政策，支持生物燃料发展。
国际能源署（IEA）《世界能源展望（2022）》数据显示，在“新政策情景”下，到2030年，非化石能源占一次能源消费总量的比重将达到23.8%，在世界能源供需平衡中发挥日益重要的作用。
煤炭、石油和天然气等化石能源，过去、现在、将来很长一段时期都是世界能源供应中的主导性品种，但化石能源也在加快由高碳向相对低碳转型。
2022年，在世界一次能源供应结构中，化石能源占比依然高达81.2%，较30年前仅下降4个百分点，其中石油的比重下降至32.5%，但煤炭和天然气的比重则分别升至28.1%和20.6%，石油比重的下降甚至有一部份由煤炭和天然气的上涨所弥补。
未来，化石能源供应比重仍将不断下降，但从中长期看，主导地位难以动摇。
IEA估计，在“新政策情景”下，到2030年，世界能源供应中化石能源比重尽管较2022年下降5个百分点，但依然高达76.2%，其中煤炭、石油和天然气的比重分别为25.3%、28.1%和22.8%，石油比重持续降低，煤炭比重略有下降，天然气作为重要的低碳化石能源，其比重将持续稳步增加。
〔DOI〕10.19653/ki.dbcjdxxb.2018.05.003〔引用格式〕段福梅.中国二氧化碳排放峰值的情景预测及达峰特征 基于粒子群优化算法的BP神经网络分析[J].东北财经大学学报,2018,(5):19-27.中国二氧化碳排放峰值的情景预测及达峰特征 基于粒子群优化算法的BP神经网络分析段福梅(东北财经大学统计学院,辽宁 大连 116025)〔摘 要〕实现碳排放达到峰值既是中国在全球气候谈判中的国际承诺,也是中国实现经济结构转型和可持续发展的必要选择㊂本文运用基于粒子群优化算法的BP神经网络分析,在8种发展模式下对中国二氧化碳排放峰值进行预测研究㊂研究发现,中国能在经济衰退模式㊁节能模式2等5种模式下实现2030年二氧化碳排放达峰;人均GDP㊁城市化率㊁研发强度㊁非化石能源消费量比重对二氧化碳排放的影响较大,人口㊁能源强度的影响较小㊂〔关键词〕二氧化碳排放峰值;BP神经网络;粒子群优化算法;情景分析法中图分类号:F124;X321 文献标识码:A 文章编号:1008⁃4096(2018)05⁃0019⁃09一㊁问题的提出近年来,随着中国在全球经济体系中的地位愈加重要,能源消耗量和温室气体排放量更是迅速增长㊂为了积极应对全球气候变化,推动世界各国切实采取措施降低二氧化碳排放,2014年11月12日,中国政府与美国政府在北京联合发表了‘气候变化联合声明“,声明提出: 中国计划2030年左右二氧化碳排放达到峰值且将努力早日达峰,并计划到2030年非化石能源占一次能源消费比重提高到20%左右㊂”这个目标在2015年中国向联合国提交的 国家自主决定贡献”及气候变化巴黎大会中都得到了重申㊂二氧化碳排放达到峰值既体现着中国经济的发展方式发生了根本转变,也意味着国内资源限制和环境污染状况得到积极的改善,低碳技术达到更高水平,更是粗犷的发展方式向绿色低碳转型的重要标志,这将会对中国经济和社会产生重大而深远的影响㊂以中国实现碳排放达到峰值的宏观目标为背景,碳排放达峰预测也得了学术界的广泛关注㊂二氧化碳排放峰值预测包括预测模型和情景设计,预测模型有STIRPAT模型㊁IAMC模型㊁IPAT模型㊁GPR模型㊁灰色预测模型㊁时间序列分析和组合模型等,情景设计依据目前已有研究㊁政策对未来经济㊁社会和技术发展路径的预期,通过赋予模型参数不同数值实现,将参数输91收稿日期:2018⁃02⁃27基金项目:中国博士后科学基金特别资助项目 中国完全消耗水资源的规模测算㊁流动格局及影响机理”(2017T100180);中国博士后科学基金面上项目 中国碳排放达峰的情景预测㊁路径规划与经济影响研究”(2016M601318);辽宁省经济社会发展研究课题 辽宁省碳排放达峰的情景预测及经济影响评估”(2018lslktzd-010);辽宁省社会科学规划基金项目 辽宁省高等教育财政支出效率评价”(L17BJY042)作者简介:段福梅(1994-),女,山西吕梁人,硕士研究生,主要从事碳排放研究㊂E⁃mail:187****0242@入模型,进而进行碳排放预测,由于所使用的模型和考虑的情景不同导致得出的结论也不同㊂邓小乐和孙慧[1]运用STIRPAT 模型预测西北五省区碳排放峰值,研究发现在碳排放下降速度与经济发展不能同步增长时,2030年前不能出现峰值;渠慎宁和郭朝先[2]运用STIRPAT 模型预测中国碳排放峰值,研究发现技术对峰值的影响较为重要;柴麒敏和徐华清[3]运用IAMC 模型对中国碳排放总量控制和峰值的四种路径及情景进行深入分析,得出了碳排放出现峰值需要的条件;席细平等[4]运用IPAT 模型研究发现在经济社会发展的同时保持能源强度和碳排放强度合理下降,江西省的碳排放峰值到达时间约在20322035年;聂锐等[5]运用IPAT 模型与情景分析相结合,研究发现低碳情景是江苏省发展最现实㊁最合适的方案;方德斌和董博[6]运用GPR 模型预测中国 十三五”时期碳排放趋势,研究表明与其他方法相比,GPR 具有明显的精度优势,中国能够实现2020年碳排放强度较2005年下降40% 45%的目标;纪广月[7]首先利用灰色关联法筛选指标,其次运用BP 神经网络预测中国碳排放,达到了良好的预测效果,预测相对误差小于1%;赵成柏和毛春梅[8]运用ARIMA 和BP神经网络组合模型预测中国碳排放强度,碳排放强度的时间序列的数据结构分解为线性和非线性残差部分,预测中国没有达到2020年碳排放强度较2005年下降40% 45%的目标;Dietz 和Rosa [9]运用IPAT 模型和环境库兹涅茨曲线,利用131个国家的截面数据,研究发现碳排放总量在人均GDP 轴上呈现倒U 型㊂目前关于中国碳排放达峰的研究为碳排放峰值预测提供了较好的研究方法和研究思路参考㊂同时,大部分研究主要基于传统计量模型进行碳排放峰值预测,而二氧化碳排放的影响是一个复杂多变的非线性系统,传统计量模型在预测二氧化碳排放峰值时受到模型选择㊁变量选取和参数估计等影响,造成预测精确性较差㊂BP 神经网络具有很强的非线性㊁自组织㊁自学习能力,能够很好地处理非线性信息[10]㊂目前BP 神经网络在汽车车速预测[11]㊁交通流量预测[12]㊁房价预测[13]㊁气象预报[14]等方面应用广泛,而很少有研究利用BP 神经网络预测二氧化碳排放㊂因此,本文利用BP 神经网络预测二氧化碳排放峰值,并对不同情景模式下二氧化碳排放达峰特征进行分析㊂二、二氧化碳排放影响因素的筛选(一)数据来源二氧化碳排放受人口㊁经济发展㊁能源消费和科技进步等方面的影响,本文初步选取的影响因素为:人口(万人)㊁人均GDP (元/人)㊁城市化率(%)㊁工业增加值比重(%)㊁非化石能源消费量比重(%)㊁能源强度(吨标准煤/万元)和研发强度(%)[1],其中研发强度是全国技术市场成交额占GDP 的比重㊂本文选取1988 2014年的数据,数据来源于‘中国统计年鉴“‘中国能源统计年鉴“和国家统计局网站㊂人均GDP 是以1988年为基期计算的实际GDP;能源强度中的GDP 是以1988年为基期计算的实际GDP,二氧化碳排放量是根据相关公式计算得出㊂目前中国80%以上的二氧化碳排放来自于能源消费的排放,已有研究大部分将地区能源消费总量造成的二氧化碳排放量作为该地区实际的二氧化碳排放量[4]㊂本文也将中国化石能源煤炭㊁石油㊁天然气排放的二氧化碳作为中国实际的二氧化碳排放量㊂计算公式为式(1):二氧化碳排放总量=∑某能源消费量×该能源碳排放因子×4412(1)其中,煤炭㊁石油㊁天然气的碳排放因子采用席细平等[4]㊁方德斌和董博[6]以及赵成柏和毛春梅[8]研究中使用的碳排放因子的平均数,即煤炭燃烧过程碳排放因子为0.7276,石油燃烧过程碳排放因子为0.5666,天然气燃烧过程碳排放因子为0.4367㊂(二)二氧化碳排放影响因素的筛选 基于灰色关联分析灰色关联主要考察参考序列与若干比较序列的曲线相似程度确定联系紧密程度[15],故本文可使用灰色关联分析法确定与二氧化碳排放联系紧密的影响因素,参考序列为二氧化碳排放量,具体步骤如下所示:第一步,对各变量进行无量纲化处理㊂对人口㊁人均GDP㊁城市化率㊁非化石能源消费量比重和研发强度用式(2)变换,对工业增加值比重和能源强度用式(3)变换㊂X′i ()k =X i ()k -minX i ()k maxX i ()k -minX i ()k (2)2X′i ()k =maxX i ()k -X i ()k maxX i ()k -minX i ()k (3)其中,X i =X i ()1,X i ()2, ,X i (){}n ,i =0,1, ,7,X 0为二氧化碳排放序列㊂第二步,计算参考序列与比较序列的关联系数和关联度,分别为式(4)和式(5):ξ0i ()k =min X′0()k -X′i ()k +ρmax X′0()k -X′i ()k X′0()k -X′i ()k +ρmax X′0()k -X′i ()k (4)r 0i =1n ∑nk =1ξ0i()k (5)其中,ξ0i ()k 为参考序列与比较序列在某一时刻的关联系数,ρ为分辨系数,一般取0.5;r 0i 为参考序列与比较序列之间的关联度㊂根据上述步骤计算出的二氧化碳关联度分别为人口(0.7132)㊁人均GDP (0.8875)㊁城市化率(0.8982)㊁工业增加值比重(0.6104)㊁非化石能源消费量比重(0.7998)㊁能源强度(0.7082)㊁研发强度(0.8017)㊂将影响二氧化碳排放的各因素的关联度由大到小排列为:城市化率㊁人均GDP㊁研发强度㊁非化石能源消费量比重㊁人口㊁能源强度㊁工业增加值比重㊂最终选取城市化率㊁人均GDP㊁研发强度㊁非化石能源消费量比重㊁人口㊁能源强度作为影响二氧化碳排放的主要因素㊂三、中国二氧化碳排放峰值预测模型(一)BP 神经网络基本原理BP 神经网络能学习和存贮大量的输入 输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程㊂它的学习规则是使用梯度下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小㊂BP 神经网络模型拓扑结构包括输入层㊁隐含层和输出层,可以将BP 神经网络看成一个非线性函数,网络输入值和输出值分别为该函数的自变量和因变量㊂典型的BP 神经网络是含有一个隐含层的神经网络结构㊂根据BP 神经网络模型的拓扑结构,设置本文二氧化碳预测模型,具体步骤如下:第一步,网络输入层㊁隐含层㊁输出层节点数的确定㊂将人口㊁人均GDP㊁城市化率㊁非化石能源消费量比重㊁能源强度㊁研发强度这6个主要因素作为输入层的输入,二氧化碳排放量作为输出层的输出,即输入层节点数n =6,输出层节点数m =1;隐含层节点数n 1=n+m +C,C 为1 10的常数,即取值范围为4 13㊂第二步,网络的初始化㊂输入层㊁隐含层㊁输出层之间的连接权值w ij ㊁w jk ,隐含层阈值a,输出层阈值b,其初始值由网络随机给定;初始学习率η()0=0.1,误差精度ε=0.001%,迭代次数M 0=100;激励函数㊁传递函数㊁输出函数选用系统默认设置㊂第三步,输入样本和测试样本的确定㊂本文将1988 2010年数据作为训练样本,20112014年数据作为测试样本,为消除样本数据的差异,需要对数据归一化处理,处理后的数据取值范围为[0.1,0.9],具体公式为式(6):x′ij =0.1+x ij -x minx max -x min×0.8(6)其中,x ij 第i 个影响因素的第j 个观察值,x max ㊁x min 分别为第i 个影响因素的最大值和最小值㊂第四步,网络拓扑结构的确定㊂高玉明和张仁津[13]通过比较在相同样本集和训练次数下各隐含层节点的均方误差值,选取均方误差值最小的网络进行仿真测试㊂本文选取迭代次数为3次㊂当n 1=7或12时,网络训练后的均方误差值很小,但当n 1=7时,BP 神经网络陷入局部最优,故确定隐含层节点数n 1=12,即确定的网络拓扑结构为6-12-1㊂第五步,根据确定的网络结构进行网络训练,训练结束后对测试样本进行仿真测试,预测二氧化碳排放量㊂(二)中国二氧化碳排放预测的模型训练和仿真测试 基于BP 神经网络使用Matlab 进行BP 神经网络的构建㊁训练和仿真测试,经过多次训练,将预测值和实际值的相对误差较小的网络为作为最优网络模型,即确定了最优的连接权值和阈值,使用该网络对二氧化碳排放量进行预测㊂仿真预测结果如表1所示㊂表1BP 神经网络仿真预测结果年 份实际值(亿吨)预测值(亿吨)相对误差(%)201188.849383.7103-5.7839201290.786591.05550.2962201393.319092.1903-1.2096201494.034793.2752-0.8078由表1可知,2011 2014年预测的平均相12对误差仅为2.0244%㊂本文对1988 2014年二氧化碳排放的实际值和预测值进行Mann -Whitney 检验和Kolmogorov -Smirnov 检验,P 值均大于0.8000,远大于显著性水平,则两样本中位数无差异,显示了由模型得到的预测值与实际值非常接近,表明模型的拟合效果较好㊂基准BP 神经网络也存在一些缺陷和不足:首先,网络的收敛速度慢,需要较长时间训练;其次,BP 算法会使误差为局部最小值,而不是全局最小值,造成网络训练达到全局最优的假象㊂而粒子群优化算法能对BP 算法进行优化,克服基准BP 神经网络的缺点㊂(三)基于粒子群优化算法的BP 神经网络原理粒子群优化算法(PSO 算法)用于求解优化问题㊂算法中的每个粒子代表问题的一个潜在解,粒子的特征由位置㊁速度和适应度值来表示,每个粒子对应一个由适应度函数决定的适应度值,其值的好坏代表粒子的优劣[16]㊂将粒子群优化算法应用于BP 神经网络,具体算法流程为:确定待优化BP 神经网络的拓扑结构㊁初始权值和阈值;对初始权值和阈值进行编码,编码方式有两种,即向量编码和矩阵编码,本文采用向量编码,假设有N 个待优化的权值和阈值,即群体中的每个粒子被编码成由N 个权值和阈值构成的N 维向量;将训练得到的误差指标函数值作为适应度函数值;计算每个粒子的适应度值;将每个个体的适应度值与其相应个体极值的适应度值进行比较,如果更优则将其作为个体极值;将每个个体的适应度值与全体极值的适应度值进行比较,如果更优,则将其作为全局极值;更新粒子的速度和位置;当满足终止条件时,将粒子解码,得到最优权值和阈值并赋给神经网络;对BP 神经网络进行训练㊂(四)中国二氧化碳排放预测的模型训练和仿真预测 基于粒子群优化算法的BP 神经网络根据设置好的参数,将训练样本输入对网络进行训练,粒子在迭代寻优过程中的适应度随着进化代数逐渐减小,进化45次以后适应度值达到最小,说明粒子群优化算法具有较强的寻优能力㊂通过粒子群优化算法优化后,进行网络训练和仿真测试,具体结果如表2所示㊂表2基于粒子群优化算法的BP 神经网络仿真预测结果年 份实际值(亿吨)预测值(亿吨)相对误差(%)201188.849391.71843.2292201290.786590.5500-0.2606201393.319093.0687-0.2682201494.034793.9066-0.1363由表2可知,2011 2014年预测的平均相对误差仅为0.9736%,低于BP 神经网络预测的相对误差㊂由该模型得到的预测值与实际值非常接近,同样由两独立样本检验得两组数据没有显著差别,说明网络的泛化能力强,也表明该模型的拟合效果优于BP 神经网络㊂为了验证粒子群算法优化BP 神经网络的优势,本文选取了GM (1,1)㊁STIRPAT 模型(分别运用岭回归㊁偏最小二乘回归)两种预测模型作为对照,这三种模型同样使用19882010年数据进行训练,对2011 2014年的二氧化碳排放量进行预测,结果如表3所示㊂由表3可知,神经网络的预测精度高,因而基于粒子群算法优化的BP 神经网络能更准确地预测二氧化碳排放量㊂表3不同预测模型的预测值及相对误差年 份实际值(亿吨)GM (1,1)STIRPAT(岭回归)STIRPAT(偏最小二乘回归)BP 神经网络预测值(亿吨)相对误差(%)预测值(亿吨)相对误差(%)预测值(亿吨)相对误差(%)预测值(亿吨)相对误差(%)201188.849383.8938-5.577577.7020-12.546385.1009-4.218883.7103-5.7839201290.786589.5586-1.352585.0933-6.270988.2418-2.803091.05550.2962201393.319095.60602.450789.4553-4.140390.8607-2.634492.1903-1.2096201494.0347102.06188.536293.3453-0.733291.2481-2.963493.2752-0.8078平均相对误差(%)4.47925.92273.15492.024422四㊁中国二氧化碳排放峰值的情景设定通过建立基于粒子群优化算法的BP 神经网络模型,结合情景分析法就可以预测未来二氧化碳排放量㊂本文参考谌莹和张捷[17]设置情景的方法,将影响二氧化碳排放的各因素的预测结果分为高㊁低两种情景,如表4所示㊂在对各因素预测时参考中国已发布政策及未来发展目标,使预测结果尽可能准确㊂本文以2015年为预测基础年,预测周期设置到2050年,分为七个阶段[18],分别为:2016 2020年㊁2021 2025年㊁2026 2030年㊁2031 2035年㊁20362040年㊁2041 2045年和2046 2050年㊂表42016 2050年各变量的发展速率单位:%因 素速率2016-2020年2021-2025年2026-2030年2031-2035年2036-2040年2041-2045年2046-2050年人口高速0.550.350.15-0.10-0.15-0.20-0.25低速0.400.20-0.05-0.15-0.25-0.35-0.45GDP 增速高速7.006.896.315.694.834.173.69低速6.505.504.504.003.503.303.00城市化率高速1.902.071.270.360.380.050.08低速1.000.500.600.550.500.470.40非化石能源消费量比重高速5.004.002.005.004.001.861.00低速4.003.001.504.003.001.701.50能源强度高速4.364.163.963.763.663.563.46低速2.462.262.061.961.861.761.70研发强度高速9.008.508.007.507.006.506.00低速8.508.007.507.006.506.005.50第一,人口㊂中国1988 2014年人口呈现上升趋势,但中国人口增长率整体呈下降趋势㊂2015年中国人口达137462万人㊂国家卫生计生委指出全面开放二胎政策后,预计2030年中国总人口达14.50亿人,并且随后出现人口负增长,2050年总人口为13.80亿人,本文将该预测结果作为人口高速增长的预测值;中国社科院人口与劳动经济研究所研究认为,中国人口将会在2025年达到14.13亿人的峰值,而到2050年中国人口数量将会比2015年还低,故本文将该预测结果作为低速增长的预测值㊂第二,人均GDP㊂已预测出未来中国总人口数,通过预测不变价GDP 即可得到人均GDP 的预测值㊂2014年中国GDP 增长率为7.30%,按可比价格计算,2015年中国GDP 增长率为6.90%㊂根据目前的经济形势,中国应主动适应经济发展新常态,坚持供给侧改革,实现经济 稳中求进”,因而在未来发展过程中,中国GDP 增长速率不会上升㊂本文将毕超[19]研究中的GDP 增长率作为GDP 高速增长的预测值;将国家统计局核算司的预测[20]作为GDP 低速增长的预测值㊂第三,城市化率㊂中国城镇化进程推动了交通㊁建筑业和工业的能源需求,2015年中国城市化率为55.77%,与发达国家还有较大的差距㊂国家新型城镇化规划(2014 2020年)发展目标为:常住人口城镇化率达到60%左右㊂本文将毕超[19]对中国城市化率水平的预测作为城市化率高速增长的预测值;将张妍和黄志龙[21]的预测作为低速增长的预测值㊂第四,非化石能源消费量比重㊂新能源的发展成为世界发展的必然趋势,中国将加大对非化石能源的投资,促进非化石能源的进一步发展㊂2015年中国非化石能源消费量比重达到12%㊂毕超[19]根据中国一次能源消费结构测算出非化石能源比重,本文将其作为高速发展的预测结果;‘2050年世界与中国能源展望“中指出中国2050年煤炭㊁石油㊁天然气消费比重分别为37%㊁14%㊁18%,即非化石能源比重为31%,本文将其作为低速发展的预测结果㊂第五,能源强度㊂‘IEA 世界能源展望报告2015“指出,中国能源强度已经进入一个大幅度下降的阶段㊂2015年中国能源强度为2.49吨标准煤/万元㊂李虹和娄雯[22]测算出 十三五”规划期间单位GDP 能耗的低速率和高速率年均下降率为2.46%和4.36%,本文分别将其作为低速和高速下降的能源强度下降率,本文假定各情景的下降率在各阶段中递减㊂32第六,研发强度㊂‘技术市场 十二五”发展规划“明确提出,到2015年技术合同成交额突破10000亿元,研发强度达1.48%㊂本文将 十二五”期间中国研发强度作为低速增长时第一阶段的年均增长率,第二至第七阶段增长率递减;高速增长的年均增长率根据低增长率设定㊂五、中国二氧化碳排放的峰值预测利用基于粒子群优化算法的BP 神经网络对中国未来二氧化碳排放量进行预测,将不同的情景组合输入网络,预测64种情景下中国20152050年二氧化碳排放量,其中变量顺序为人口㊁人均GDP㊁城市化率㊁非化石能源消费量比重㊁能源强度和研发强度㊂根据二氧化碳排放的预测结果,将64种情景划分为8种情景模式,具体结果如表5所示㊂表5各情景模式下的二氧化碳排放预测值注:H 表示各因素高速增长;L 表示各因素低速增长; 表示该情景在2050年内没有达到峰值㊂(一)2030前实现碳排放达峰的情景分析低碳模式2中的情景59能够在2030年前实现碳排放达峰,达峰时间为2029年,峰值为990182.2609万吨㊂该情景下中国人口在2030年达峰,GDP 与城市化率以低速率增长,其增长率分别为4.50%㊁0.60%,能源强度以低速42率下降,但非化石能源消费量比重与研发强度均已高速增长,达峰时非化石能源消费量比重达19.58%,研发强度达4.97%,中国采用该路径实现排放达峰需采取强有力的节能减排政策㊂(二)2030年实现碳排放达峰的情景分析第一,经济衰退模式下中国二氧化碳排放量在2030年达到峰值,峰值为991101万吨左右㊂经济衰退模式强调各因素均以低速率发展,该模式下二氧化碳排放虽已达峰,但与节能模式2相比,人均GDP 同样低速增长,节能模式2的能源技术水平更高,二氧化碳排放峰值较小,故不采取该种模式来实现碳排放达峰㊂第二,节能模式2下中国二氧化碳排放在2030年达到峰值,峰值为990600 991100万吨,该模式强调人均GDP 低速增长,政府及企业节能意识加强,主要驱动因素为能源技术水平㊂节能模式2与节能模式1最大的区别是人口和GDP 的增长速率较低,说明人均GDP 对二氧化碳排放影响作用较大,中国在实现经济低速稳定增长时,着力于节约能源㊁降低能源消耗,采用新兴能源代替能耗高㊁效率低的能源,二氧化碳排放可达峰㊂第三,低碳模式2下中国二氧化碳排放在2030年达到峰值,峰值为990182 991100万吨,该模式强调人均GDP 低速增长,实行全方位的节能减排,主要驱动因素为能源技术水平㊂低碳模式2与低碳模式1的区别同样为人均GDP,低碳模式2下二氧化碳排放峰值低于节能模式2,说明相对于节能模式2,发展全方位的节能减排能使得二氧化碳峰值有所下降㊂第四,强化节能模式下中国二氧化碳排放在2030年达到峰值,峰值为991069 991102万吨,该模式强调人均GDP 高速增长,节能减排强度与强化低碳模式相同,经济发展与能源技术水平共同驱动㊂该模式下,影响二氧化碳排放的促进因素和抑制因素都高速增长,但该种情景很难达到,这是由于在转变经济发展方式时,中国GDP 很难再以高的增速增长,而人口在全面开放二胎后会有短暂的增长,即人均GDP 很难以高速增长,城市化率也会受一定影响㊂第五,强化低碳模式下中国二氧化碳排放在2030年达到峰值,峰值为990124 991093万吨,该模式强调人均GDP 低速增长,节能减排强度强于低碳模式,主要驱动因素为能源技术水平㊂人均GDP 低速稳定增长,经济发展方式实现快速转变,其中能源强度快速下降是节约能源,降低消耗的结果,加大技术投资力度及新能源的开发使用使得研发强度和非化石能源消费量比重快速增长㊂强化低碳模式与低碳模式2下的二氧化碳排放趋势类似,其中情景64峰值最小,但该种模式发展也不切合实际㊂(三)2030年后实现碳排放达峰的情景分析第一,基准模式下二氧化碳排放在2050年前未达到峰值㊂该模式强调中国按目前发展趋势并且不采取任何强制措施进行减排,主要驱动因素是人均GDP,依旧以经济增长来促进社会发展,能源强度及技术发展以历史趋势发展,发展速率较慢㊂基准模式以中高速发展经济为目标尽快完成工业化进程㊂因此,需要采取一定措施来控制影响二氧化碳排放的各因素的增长率㊂第二,节能模式1大部分情景下中国二氧化碳排放量在2050年前未达到峰值,情景13 16二氧化碳排放在2044 2046年达峰㊂该模式强调人均GDP 高速增长,主要驱动因素为经济发展㊂政府及企业有节能意识,认识到通过减少化石能源消费㊁降低能源消耗㊁提高技术水平㊁加大开发新型能源的投资能够实现节能减排㊁低碳发展的目标,然而践行力度较差㊂由情景5 16可知,仅能源强度或非化石能源消费量比重快速发展,经济保持高速增长时,二氧化碳排放在2050年前不能达峰;而在仅研发强度快速增长,促进二氧化碳排放的各因素都保持高速增长时,二氧化碳排放在2050年前能够达峰,达峰时间为2044 2046年,峰值为991102 991103万吨㊂分析可知,人口对二氧化碳排放的影响较小,甚至出现在人口高速变化情景下二氧化碳排放量要小于低速变化情景,这是由于使用神经网络训练后只能体现出高的预测精度,不能够体现各因素如何影响二氧化碳排放㊂第三,低碳模式1大部分情景下二氧化碳排放量在2030年不能达到峰值,其中情景26 28可达峰㊂该模式强调人均GDP 高速增长,实行全方位的节能减排,经济发展和能源技术水平共同驱动㊂情景17 21二氧化碳排放在2050年前未达峰,其特点是经济增长的速度仍高于抑制二氧化碳排放因素的发展速度;而情景22 25二氧化碳排放在2044 2046年达峰,峰值小于节能模式1;情景26 28下二氧化碳排放在203052。
