基于CDECGE模型的中国能源需求情景分析

摘要 从我国未来经济社会发展目标出发，根据不同的政策目标设定了3种经济发展情景：基准情景、强化低碳情景和粗放型情景。分析了3种情景下我国未来的一次能源需求量、能源消费结构及CO2排放趋势，为把握我国未来的能源安全形势、控制温室气体排放提供了有效的政策分析工具。研究方法是在Monash模型的基础上构造的我国能源经济动态可计算一般均衡模型（CDECGE）。结果显示，按照现在的经济增长方式和增长率预期，如果没有额外的政策措施，2020年之前我国能源需求仍将快速增长，但在适度的低碳政策引导下，我国2020年的能源需求将控制在 45.52亿t标煤，CO2排放强度将达到1.635 t/万元，相对2005年下降45%。碳税作为一种经济减排政策，会有效的降低CO2排放，减少化石能源的需求，使经济向低碳社会转型，从而实现2020年CO2排放强度降低的减排目标。因此，为减缓能源需求量的快速增长趋势，实现减排目标，可以从改善产业结构、实行碳税政策等方面采取措施，优化能源结构，实现经济结构转型，从而保障能源供应安全和控制温室气体排放。

关键词 中国能源经济；动态可计算一般均衡模型；经济发展情景；一次能源需求量；CO2排放强度

中图分类号 F062.1 文献标识码 A 文章编号 1002-2104（2013）01-0041-08 doi：10.3969/j.issn.1002-2104.2013.01.006

我国经济的持续高速增长带来了能源需求的大量增加，过去10年，我国的能源消费总量由2001年的15.04亿t增加到2010年的32.5亿t，年均增加8%左右。这样快速的能源需求增长趋势给我国的能源供应带来了越来越大的压力，同时带来了温室气体排放的急剧增加。未来我国能源需求总量的增长趋势是否将继续，能源结构将如何变化，能源排放什么时候达到峰值，关于这些问题的分析和判断对于准确把握我国未来的能源安全形势、保障能源供应安全、控制温室气体排放具有重要的意义。而采用合适的研究方法和模型工具对我国未来能源需求进行系统、全面的分析也就显得尤其重要。迄今为止，已有大量研究关注我国能源需求预测问题，其中，能源需求预测方法中，传统的趋势回归预测和多因素研究是用的最多的，Crompton[1]等运用贝叶斯向量回归方法预测了中国2004-2010年的能源需求，认为未来由于中国经济结构的变化，能源消费的增长会逐渐变缓。Zhang Ming[2]等利用偏最小二乘回归方法预测了我国未来交通部门的能源需求量，认为2020年不同情景下交通部门的能源需求将达到4.33亿t-4.68亿t。孙涵[3]等研究表明，中国高速的经济增长以及工业化和城市化的发展对能源需求影响很大，到2020 年能源需求将达到45.3 亿t。另外，也有些学者利用回归模型、时间序列模型对中国能源需求进行了趋势外推的预测[4-7]。而近些年能源需求预测的分析方法则聚焦于经济系统本身规律的投入产出模型、MARKAL、TIMES、LEAP等宏观经济模型，从未来的社会经济发展的目标情景出发，通过对驱动能源消费的各种因素的合理预期构造和分析未来我国的能源需求。Fan Ying[8]等运用投入产出模型对我国2020年的能源需求和CO2排放进行了分析，认为有效的政策工具可以显著地降低我国2020年的能源需求。Shan Baoguo[9]等运用Leap模型分情景模拟了我国未来能源需求，预测结果显示未来煤炭比重将下降，石油、天然气和非化石能源比重将上升，2020年能源需求将达到48.4亿t-50.7亿t。Liu Jia[10]等运用MARKALTIMES模型预测了我国未来2010-2050年的能源需求，结果显示中国能源需求在2020年之前将维持快速增长趋势，然后逐渐下降，2050年基准情景和政策情景下能源需求分别达到66亿t和62亿t。近年来，相关的学术文献中，CGE模型逐渐成为最常用的应用于需求预测的分析工具。本文着眼于经济发展的内在动力，通过构造中国动态能源经济可计算一般均衡模型，根据不同的政策目标设定了3种不同的经济发展情景：基准情景、强化低碳情景和粗放型情景，来分析3种情景下我国未来的一次能源需求量、能源消费结构及CO2排放趋势。

1 研究方法

1.1 基本模型

本文所建模型的基础架构是源自澳大利亚Monash大学开发的Monash模型[11]。Monash模型为动态一般均衡模型，主要是在“社会核算矩阵”的基础上，通过定量分析整个经济内部的生产和消费结构以及产业之间的联系，计算政策冲击对国内宏观经济的影响。近年来，该模型更被广泛地应用于政策分析中，成为研究能源环境经济问题时有力的分析工具。其主要内容包括方程组体系、数据库以及闭合条件，运行环境为GEMPACK软件。

相比传统的CGE模型，Monash模型主要有以下特点，第一，模型的生产要素生产方程中有技术变动参数，这些技术参数用来探讨要素使用的技术进步对于产品生产及部门资本形成的影响；而在消费方面，此参数用来描述偏好的改变。第二，模型在处理动态投资决策行为时，将资本存量的增长率与投资及预期报酬率建立关联，通过预期资本回报率的高低影响投资者的投资意愿，进一步影响产业资本存量积累的结果。第三，模型中假设劳动力在部门之间的流动与部门之间的相对工资率及相对就业状况相联系，即工资的调整并不需要当期出清劳动力市场，而是采用一种更合理的假设，使得模型进行外生冲击时，工资当期变动导致的劳动力市场供求关系的失衡，将逐步调整而不是立即调整，最后通过工资的逐步变动而吸收冲击对劳动力失衡的影响。

模型主要包括了3种投入要素（劳动、资本、土地）和六个经济主体（企业、居民、政府、投资、出口、库存），方程体系主要有生产者对中间产品投入和基本要素投入的需求方程、居民消费方程、进出口贸易方程、政府支出方程、商品市场和要素市场出清方程、宏观经济指标方程和价格指标方程。

1.2 Monash模型主要方程

1.2.1 生产及需求模块

Monash模型生产函数中，包括模型的生产和投入结构。在生产投入方面，国内和国外的同种产品按照CES函数组合成复合产品，资本、劳动和土地也按照CES函数组合成基本要素，然后企业把所有产品、基本要素以及其它成本再按照Leontief生产函数进行生产。在产出方面，每个产品按照CET函数分为国内消费和出口。

消费模块中，假设政府消费外生，政府需求按照总支出的固定份额确定。而居民效用函数为KleinRubin效用函数，允许商品之间的不完全替代，居民在预算约束下追求效用最大化，得到居民需求方程为线性支出函数方程。居民消费与居民可支配收入有关，而居民可支配收入由工资、资本收益以及政府的转移支付和补贴等组成。

1.2.2 进出口模块

贸易方面，分为进口供给和出口需求。进口产品和同类国产品之间满足Armington假设，即本地产品与进口品满足不完全替代关系，以CES函数表示。Monash模型采用小国假设，进口品的世界平均价格外生，进口量完全由国内需求和贸易平衡状况所确定。

而出口需求模块假设出口需求用固定价格弹性的向下倾斜曲线描述，其中，对中国只供给世界市场很小额的商品而言，出口需求的固定弹性可为无穷大，即中国出口的变动不足以影响世界供给，使得世界市场有所变化。对中国的大宗出口商品而言，出口需求固定弹性有限，即有：

其中， j表示产业，K为资本，D为资本折旧率，Et为t期的期望值，ROR是资本的回报率。KGRj，t为资本增长率，P（2）j，t为额外增加一单位资本所需成本，P（1cap）j，t为资本租金率，r为利率，INF为通货膨胀率。即模型中投资需求由预期投资回报率决定，预期投资回报率由下期租金、当期及下期资本价格、通货膨胀率、利率决定，资本供给是通过将资本增长率作为资本预期收益率的函数而实现的，资本积累则通过投资扣除折旧实现，以确保资本供给。而资本的需求是由各部门的边际收益决定的，资本供给与资本需求相互作用最终达到新的均衡，进而得到下期的资本。模型通过资本积累的递归动态，将不同年度的经济运行联系起来，从而实现了模型的动态化。

1.3 模型修改及扩展

针对我国的能源需求问题，我们在已有Monash模型的基础上进行了修改和扩展，构建了符合我国实际的中国动态能源CGE模型（China Dynamic Energy Computable General Equilibrium， 简称CDECGE模型），主要扩展包括对能源使用的嵌套生产函数的修改、加入了CO2排放模块、引入了碳税政策等。

1.3.1 CDECGE的能源替代设计

在Monash模型中，各部门中间投入及生产要素按Leontief生产函数进行生产，能源之间以及能源与要素之间不能相互替代，这是不符合实际的。因此，我们对生产函数进行了修改，把煤、石油、天然气、成品油、焦炭、燃气六种化石能源产品按照CES组合成化石能源束，化石能源和电力产品按照CES函数组合成能源束，能源束和初级要素也按照CES函数组成能源要素束，最后能源要素束和非能源产品之间满足Leontief生产函数进行生产，这样能源之间以及能源要素之间就实现了相互替代。

在CDECGE模型中，生产函数由4层嵌套构成，在生产行为中引入能源投入及要素之间的替代关系，具体的部门生产函数结构见图1。

模型中投入品间的替代弹性大小决定了各投入品间的互相替代的难易程度，从而决定了各种政策或外部冲击对经济系统的影响程度。我们在设定生产函数投入品间替代弹性值时参考了GTAP-E[12]，GREEN模型[13]，Global2100[14]，Kemfert[15]，张中祥[16]等已有的研究，本模型中综合了中国经济特点对能源、要素及化石能源之间替代弹性等进行了以下设置，详见表1。

因为替代弹性相当重要，其取值又有很大的不确定性，所以本文后面将对替代弹性进行敏感性分析。

1.3.2 CDECGE的碳税模块

在CDECGE中，特别增加了碳税税收方程，对生产部门生产产品、居民消费环节使用能源产品时排放的CO2征收碳税；模型不仅对化石能源消费征收碳税，还对水泥在生产过程中的工艺CO2排放征收碳税。其中煤炭、天然气、成品油使用环节（中间投入与居民消费）所排放的CO2以消费税形式征收碳税，对水泥工艺过程排放征收的碳税以生产税形式征收。碳税政策的实施，直接会引起生产部门生产时购买的能源产品价格提高，进一步影响以能源作为中间投入的部门产品的生产成本，从而减少能源产品使用，达到节能减排效果。

以下为模型中能源产品在生产环节或消费环节的价格方程：

c，i为第i行业使用第c种产品的消费税率，Xc，i，mar为第i行业使用第c种产品的商品流通的使用量；Pmar为第i行业使用第c种产品的流通价格；Ppurchasee，i（t）为第i行业使用第e种产品的购买价格，Tctaxe，i为第i行业使用第e中化石能源所征收的碳税税率（从价税率）；其中e为作为中间投入品的化石能源商品，c为除去化石能源剩余商品。方程（14）（15）左边代表了消费者购买总量，右边等于商品生产者总值、商品间接税、商品流通消耗的加总，而居民消费环节消费的化石燃料购买价格方程与以上类似。

另外，对水泥工艺CO2排放征收碳税则以生产税的形式加到模型里。其中水泥生产过程中使用化石燃料的排放，放到前面的能源燃烧排放中去考虑。我们首先根据CO2排放征收的碳税税率转化为按照水泥生产的价值量征收的碳税税率（从价税率），再以生产税形式引入到水泥行业生产成本中。

C・Qc=Tc・Vce （18）

其中Tc为对水泥生产过程中的碳税从价税率，C为碳税从量税率（每元/t），Qc为水泥生产过程CO2排放， Vce为水泥的生产成本。

1.3.3 CDECGE的碳税中性设计

根据税收中性原则，为保持政府收入总额不变，模型中将所有碳税收入以减少所得税的形式全部返还给居民。

修改后的CDECGE模型是一个包含了能源碳排放和水泥生产排放的动态可计算一般均衡模型。在历史模拟的基础上，通过调整驱动因素，可以对未来的能源需求及相关变量进行预测分析。

1.4 数据来源及部门划分

本研究以2002年投入产出表为基准年，2002-2010年是历史仿真阶段，对模型参数进行校准，2011-2020年是预测阶段。历史校准时期投资、消费、进出口、人口、就业、汇率、GDP价格指数数据来源于《中国统计年鉴2011》[17]；分品种的能源生产量、进口量、出口量、居民消费量来自2002年到2011年的中国能源统计年鉴[18]，各种一次能源的排放因子来源于IPCC报告；未来基准情景下我国的就业、人口数据来源于UNDP[19]报告。

产业部门划分参考了投入产出表中的部门划分，分为138个产业部门，其中包括7个能源生产部门：煤炭开采和洗选业， 石油开采业，天然气开采业，石油及核燃料加工业，炼焦业，电力、热力的生产和供应业，燃气生产和供应业。

表2给出了2002-2010年历史仿真阶段我国GDP年增长率、能源消费增长率的拟合结果，我们与历史阶段实际GDP增长率、实际能源消费增长率相对比，可以看出历史仿真结果与历年来我国GDP、能源消费量实际的增长率是比较吻合的。

2 情景设定

从影响能源需求的主要驱动因素出发，并依据目前已有的主要规划和中长期目标，以及关于未来经济趋势的分析，设置了3种不同的发展情景：基准情景、强化低碳经济情景、粗放型经济情景。

基准情景：以政府已经出台的2020年CO2排放强度比2005年降低40%的减排目标为基准，我们对未来能源的使用效率、全要素生产率，以及能源产品的技术参数进行了校准，同时设计了不同的化石能源之间的替代弹性。

强化低碳情景：此情景以2020年CO2排放强度比2005年降低45%为政策目标，在基准情景基础上以碳税作为政策工具，从2012年开始实行统一碳税税率，通过化石能源价格的上升，造成物价的上涨、能源需求的下降。通过尝试不同的碳税税率，发现对CO2排放征收55元/t的碳税，并把税收以居民所得税减免形式返还给居民，能够实现2020年CO2排放强度比2005年降低45%新的减排目标。

粗放型情景：假设在基准情景的基础上，经济结构发展方式未能有效转变，二次产业占比仍然较高。我们主要是在基准情景的基础上通过改变产业结构、高耗能部门产出等驱动型因素，来重点分析其变化时对我国未来能源需求及CO2排放的影响，而其中影响能源需求的能源效率、技术进步、人口等驱动性因素相对基准情景都维持不变。

3 中国能源需求情景分析

3.1 基准情景预测

基准情景下，未来我国总投资、国内需求、进口都保持较平稳的增长趋势，出口需求增速有逐年下降趋势。2011-2015年GDP保持了年均7%的增速，2016-2020年增长趋势逐渐放缓，GDP年均增速为6%，基准情景下2020年全国GDP将达到54.78万亿元（2002年价格，下同）。

2020年我国一次能源需求量将达到47.9亿t，化石能源CO2排放量为97.8亿t，煤、原油、天然气、一次电力占比将分别为59.9%，19.1%，9.7%和11.3%，需求量分别达到40.2亿t、6.4亿t、3 500.8亿m3和5.41亿t。结果（见图2，3）显示随着我国煤炭需求增长趋势的逐渐放缓，石油和天然气作为替代能源，需求量及能源占比会逐年增加。同时，CO2排放强度、能源强度将逐年下降，2020年CO2排放强度为1.785 t/万元、能源强度为0.875 t/万元，CO2排放强度相对2005年下降40%，能源强度下降36.86%。随着能源利用技术的提高和清洁能源比重逐渐上升，单位能源之CO2排放量会逐年减少，未来CO2排放强度下降幅度会比能源强度下降幅度大。

3.2 基准情景下敏感性分析

考虑到模型中外生参数的设定对于模拟结果和模型

稳定性的影响较大，我们对生产函数中投入品间的替代弹性参数进行了敏感性分析，主要包括“资本-劳动力-土地”之间替代弹性在基准情景基础上增加20%和减少20%，“能源-要素”之间替代弹性增加20%和减少20%，“化石能源”之间替代弹性增加20%和减少20%。表3给出了以上替代参数

变动后模拟结果的影响分析。

从表3可以看出，未来一次能源需求量和CO2变化结果并未出现较大的差异性，相比“资本-劳动-土地”之间的替代弹性，“能源-要素”和“化石能源”的替代弹性对CO2排放和能源消费量的影响更大。

3.3 强化低碳情景分析

强化低碳情景下，2012年到2020年对化石能源排放征收统一碳税，税率设为55元/tCO2。短期内，2012年GDP增速由基准情景下的7%下降到5.58%，但长期看实际GDP的下降幅度会逐渐放缓。这是由于长期来看，GDP的负面影响主要是由资本存量降低引起的。征收碳税，能源投入成本上升，引起产品产出价格的上升，影响部门的产出，进而引起部门资本存量降低，GDP会有一定的下降，但长期来说随着劳动力的逐步调整及资本回报率的上升，实际GDP相对基准情景的下降幅度逐渐放缓。

图4所示，碳税作为一种减排工具，可以通过提高化石能源成本来减少化石能源需求和CO2碳排放，在统一碳税税率下，2020年我国一次能源需求量将达到45.52亿t，化石能源CO2排放量为89.43亿t，相对基准情景分别降低2.41亿t和8.36亿tCO2。而且由于模型中化石能源与电力之间替代关系，会进一步提升一次电力的需求，改变未来能源结构，进而影响产业结构，使经济向低碳经济社会转型。同时，强化低碳情景下，2020年我国煤、原油、天然气和一次电力的能源结构占比将为57.35%，19.77%，9.52%和13.36%，需求量分别达到36.55亿t、6.30亿t、3 257.75亿m3和6.08亿t。而由图5可以看到，2020年CO2排放强度将达到1.635 t/万元，相对2005年下降45%；2020年能源强度为0.832 t/万元，相对2005年能源强度降低40%。

3.4 粗放型情景分析

粗放型经济情景下，高耗能部门没有得到有效控制，产业结构转型没有到位，2020年前经济增速仍保持在高位，2012-2015年GDP年均增速为8.5%，2016-2020年GDP年均增速为7.5%，2020年全国GDP将达到62.14万亿元。

如图6、图7所示，粗放型经济情景下，由于二次产业短期内占比较大，且高耗能部门比重下降缓慢，清洁能源比重增长缓慢，使得化石能源需求增长较快，未来能源结构转型较慢。我国未来能源需求及CO2排放量维持了较

4 结 论

本文通过构造我国能源经济动态可计算一般均衡模型CDECGE，从影响能源需求的主要驱动因素和减排政策工具出发，分析了不同政策目标情景下我国未来的能源需求、能源结构及CO2排放趋势。结果发现：不同的经济发展方式、产业结构及政策取向对于未来能源需求具有显著影响，在基准、强化低碳、粗放型情景下，2020年我国未来一次能源需求量分别为47.9亿t，45.52亿t，56.62亿t，而粗放型经济下，经济的快速扩张拉动了能源的旺盛需求。碳税作为一种有效的减排手段，可以有效地降低CO2排放，减少化石能源需求，从而降低CO2排放强度和能源强度，使经济向低碳社会转型。强化低碳情景可以看出，统一征收碳税55元/t，我国未来的能源需求和CO2排放可以大幅下降，2020年相对基准情景分别降低2.41亿t和8.36亿t CO2。并实现2020年CO2排放强度相对2005年下降45%的减排目标；强化低碳情景下，化石能源与电力之间替代拉动了一次电力的需求，改变了未来能源结构，使得2020年一次电力占比从基准情景的11.3%上升为13.36%，而粗放型经济下，2020年一次电力占比为8.17%，能源结构变化较大。

因此，为减缓能源需求量的快速增长趋势，实现减排目标，可以从提高能效、改善产业结构、施行碳税政策等方面采取措施，从而有效应对我国越发严峻的能源安全形势，保障能源供应安全和控制温室气体排放。

参考文献（References）

[1]Crompton P， Wu Y. Energy Consumption in China： Past Trends and Future Directions Original [L7]Research [J].Energy Economics， 2005， 27（1）：195-208.

[2]Zhang Ming， Mu Hailin， Li Gang ， et al. Forecasting the Transport Energy Demand based on PLSR Method in China [J]. Energy， 2009， 34（9）：1396-1400.

[3]孙涵，成金华.中国工业化、城市化进程中的能源需求预测与分析[J].中国人口・资源与环境，2011，21（7）：7-12.[Sun Han， Cheng Jinhua. China Energy Demand Forecast and Analysis in the Process of Industrialization and Urbanization[J]. China Population，Resources and Environment， 2011，21（7）：7-12.]

[4]刘朝，赵涛.2020 年中国低碳经济发展前景研究[J].中国人口・资源与环境，2011，21（7）：73-79.[Liu Chao， Zhao Tao. Research on Development of China’s LowCarbon Economy in 2020[J].China Population，Resources and Environment， 2011， 21（7）：73-79.]

[5]李长胜，姬强，范英.基于周期理论的2010年中国能源需求预测[J].中国能源，2010， 32（4）：23-26. [Li Changsheng， Ji Qiang， Fan Ying. Energy Demand and Supply Forecast for 2010 based on Cyclical Theory[J]. Energy of China， 2010， 32（4）：23-26.]

[6]张林，张传平. 基于时间序列视角的2020年中国能源需求预测[J].价值工程，2011，30（15）：22-23.[Zhang Lin， Zhang Chuangping. China’s Energy Demand Prediction in 2020 Based on the Visual Angle of Time Series Analysis[J]. Value Engineering， 2011， 30（15）：22-23.]

[7]张庆，张传平. 多视角下的中国能源需求预测研究[D].北京：中国石油大学，2011.[Zhang Qing， Zhang Chuangping. Study on Forcast of China’s Energy Demand Based on Multiple Perspectives[D]. Beijing：China University of Petroleum， 2011.]

[8]Fan Ying， Xia Yan. Exploring Energy Consumption and Demand in China[J].Energy， 2012， 40（1）：23-30.

[9]Shan Baoguo， Xu Minjie， Zhu Fagen， et al. China’s Energy Demand Scenario Analysis in 2030[J]. Energy Procedia， 2012， 14：1292-1298.

[10]Liu Jia， Chen Wenying， Liu Deshun. Scenario Analysis of China’s Future Energy Demand based on TIMES Model System[J]. Energy Procedia， 2011， 5：1803-1808.

[11]Dixon， P B， Rimmer M T. Dynamic General Equilibrium Modeling for Forecasting and Policy： A Practical Guide and Documentation of MONASH[M]. Amsterdam：NorthHolland Publishing Company， 2002：59-92.

[12]Burniaux J M，Truong T P. GTAPE： An Energyenvironmental Version of the GTAP Model[J]. GTAP Thehnical Paper，2002，16：110-119.

[13]Adams P D， Horridge M， Wittwer G. MMRFGREEN：A Dynamic MultiRegionalApplied General Equilibrium Model of the Australian Economy，Based on the MMR and MONASH Models[R]. Working Paper，2002：110- 119.

[14]Kemfert C. Estimated Substitution Elasticities of a Nested CES Production Function Approach for Germany[J].Energy Economics， 1998， 20（3）：249-264.

[15]Kemfert C，Welsch H. EnergyCapitalLabor Substitution and the Economic Effects of CO2 Abatement： Evidence for Germany[J]. Journal of Policy Modeling， 2000， 22（6）：641-660.

[16]Zhang Zhongxiang.Macroeconomic Effects of CO2 Emission Limits： A Computable General Equilibrium Analysis for China[J].Journal of Policy Modeling，1998， 20（2）：213-250.

[17]国家统计局.中国统计年鉴2011 [M]. 北京：中国统计出版社，2011.[National Statistics Bureau. China Statistical Yearbook in 2011 [M].Beijing： China Statistics Press， 2011.]

[18]国家统计局. 中国能源统计年鉴（2002-2011）[M]. 北京：中国统计出版社，2012. [National Statistics Bureau. China Energy Statistical Yearbook（2002-2011）[M]. Beijing： China Statistics Press， 2012.]

[19]UNDP. Human Development Report 2009[R]. United Nations Development Programme， 2009.