碳市场

本报告包含：首都绿色电力需求背景、 首都绿色电力交易、国内绿色电力交易典型案例及经验总结、国内外碳市场政策和交易开展情况、首都绿电交易政策建议以及研究总结。

随着能源耦合的发展及我国碳市场的不断完善，传统电力需求响应已不满足双碳背景下多能耦合的综合能源系统(integrated energy system, IES)发展现状。为提高IES的综合需求响应(integrated demand response, IDR)能力，建立了考虑碳市场与电−氢储能的园区−用户双层模型。其中上层模型为考虑电−氢储能投资成本、碳市场履约成本及电/气/热多能耦合的IES模型；下层为包含可转移、可削减电热负荷的用户模型。然后引入运营商作为园区管理者，以运营商净收益最大、用户成本最小为目标函数，构建了运营商−用户主从博弈框架。最后算例仿真分析了碳市场环境下园区的需求响应效果，以及园区碳排放强度对IES系统碳排放的影响，并配置了不同情况下园区的电−氢储能，结果验证了所建双层模型及其互动方法的有效性。

在构建新型电力系统的两个阶段，我国的工作重点都将围绕推动煤电的优化与退出、综合施策提升电力系统灵活性、强化分布式能源与微电网的发展格局、大力发展电制衍生品技术和新一代发电与供热技术，以及促进循环经济和“新能源+”的发展上。但两个阶段的侧重点有所不同，在1.0阶段，更多的是侧重调整煤电的发展方向和解决电力系统灵活性不足的问题，以满足大规模新能源并网消纳需求，加速电力行业自身的脱碳进程。在2.0阶段，更多的是侧重全新的技术、生产与消费方式、商业模式的发展与推广，以及电力行业与其他行业的深度融合等，以发挥电力行业的基础性地位，带动工业、交通、建筑等各个部门的低碳可持续发展。为保障新型电力系统的建设，我国需建立现代化的能源管理体系，持续提升政府部门的行政治理水平；需构建高效运转的电力批发市场和多样化的电力零售市场，保障新能源渗透率不断提升的电力系统运行的安全性、可靠性和经济性；需高度重视科技研发与创新，推进关键能源技术取得突破；需完善碳市场和可再生能源消纳责任制，以市场化的手段倒逼煤电的转型与退出，提升新能源项目的经济性；需大力推动公正转型和加强宣传教育，以促进经济社会的包容性发展，调动一切积极因素，探寻构建新型电力系统的最佳实践和最优之路。

2023年5月17日，欧盟碳边境调节机制1（CarbonBorderAdjustmentMechanism，CBAM，下称碳关税）法案文本正式生效。该机制针对部分进口商品的碳排放量征收费用，是欧盟碳排放交易体系（EUETS，下称欧盟碳市场）的配套立法。欧盟碳市场要求涵盖产品的欧盟生产商根据在生产过程中的碳排放量向政府购买碳排放配额。欧盟碳关税则要求涵盖产品的进口商向欧盟购买碳排放证书，实际上是要求对欧盟出口涵盖产品的非欧盟生产商与欧盟内部的生产商支付等价的碳排放成本。2026年碳关税正式起征，欧盟将成为世界第一个征收“碳关税”的经济体。碳边境调节机制本质上是一种单边措施，不符合《联合国气候变化框架公约》及《巴黎协定》确立的发达国家与发展中国家在应对气候变化问题上共同但有区别的责任原则，也不符合“非惩罚性”遵约机制安排。发展中国家普遍认为，欧盟以保护全球气候为借口，强推碳边境调节机制立法，制造绿色贸易壁垒，旨在提高自身的国际经贸和地缘政治议价能力。

能源转型背景下，新型电力系统以清洁低碳、开放互动为目标不断建设，同时监测技术与通信技术也快速发展，电力系统中的数据来源更加广泛，数据结构更加复杂，为新型电力系统数据融合提供数据基础的同时也提出了挑战。首先，分析新型电力系统数据特征，提出新型电力系统的数据融合需求；接着，介绍新型电力系统数据模型、多源异构数据融合技术层级，分析关键融合技术的优缺点，并对不同技术的适用场景进行分析；然后，分别从输配协同、源网荷储协同、虚拟电厂、多元负荷、电碳市场交易5个典型场景，对多源异构数据融合的数据需求、数据来源、融合目标、常见方法及研究难点进行归纳；最后，对新型电力系统数据融合技术的未来研究发展进行了展望。

电力平均排放因子是用来测算间接碳排放量的重要参数，广泛应用于区域、行业、企业等不同主体的碳核算。由于中国区域级电力平均排放因子差异性较大，采用全国、区域、省级等不同层级排放因子对行业企业间接碳核算将产生较大影响，直接关乎省级“双碳”指标考核、高耗能产品出口碳关税以及国内碳市场履约成本等。以电解铝行业为例，测算分析了电力平均排放因子选择对高耗能行业产品碳核算结果及行业碳履约成本的影响。研究结果表明，电力平均排放因子的选择需要结合核算主体的应用场景因地制宜。从促进企业节能减排以及发展公平性考虑，全国碳排放权交易市场下各行业间接排放核算应统一采用全国电力平均排放因子，区域温室气体清单编制应优先采用省级电网对应的电力平均排放因子。

3月15日，生态环境部发布了《关于做好2021、2022年度全国碳排放权交易配额分配相关工作的通知》（以下简称“新方案”），标志着全国碳市场第二个履约周期正式启动。新方案在大幅收紧配额的同时，还设置了履约豁免机制和灵活机制，体现了新方案在助力实现“双碳”目标的同时也兼顾到当前能源保供和发电企业经营困难等情况，为配额缺口较大的企业提供了纾困机制。

能耗双控向碳排放双控制度转变将带来可再生能源电力需求的激增，提升新能源开发利用水平和终端电气化水平，当前可能会加大新能源消纳和供电压力。基于经济-能源-环境一体化模型，量化测算了双控制度转变对纳入考核的总量和相关指标的影响。能耗双控转向碳排放双控的关键在于合理确定控制指标、全面完善基础条件、有序统筹推行范围。研究表明：“十四五”后期是双控制度转型初期，须加强基础条件建设，在多省市开展试点示范；“十五五”前期是转变中期，考核指标以碳排放强度为主、碳排放总量为辅，地区碳排放双控与控排行业碳交易开始衔接；“十五五”后期是转变完成期，基础条件具备，考核指标实现能源向碳的全面过渡，纳入碳市场的行业主体均从行政区划双控中剔除。

“30·60”目标发布后，全国碳市场的各项工作加快推进，2021年7月16日全国碳市场正式启动，发电行业正式纳入碳市场，并于2021年底前完成了2019和2020年发电企业的碳排放履约工作。与此同时，CCER作为强制性碳交易市场的补充机制，在之前CCER开展工作的经验基础上，生态环境部和市场监管总局发布了《温室气体自愿减排交易管理办法（试行）》；试点地区碳市场积极进行配额分配机制等各方面的调整，碳市场更加活跃。随着欧洲等发达国家逐步推出“碳税”等机制，倒逼我国碳市场向更大范围、更灵活机制等进行调整，因此对2020-2022年中国碳市场进行整体回顾非常有必要。本报告对2020-2022年期间全国碳市场、试点地区碳市场、中国自愿减排机制等相关的各项制度、机制进行回顾，并对欧盟新推出的碳边境调节机制（CBAM）进行分析，可以为行业内相关从业人员加深对中国碳市场存在的问题以及面临的新的问题的理解。

建筑减排已成为中国达到“双碳”目标的重要途径，智慧楼宇作为多能流网络耦合的综合能源主体，面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题。针对这一问题，提出基于深度强化学习的多能流楼宇低碳调度方法。首先，根据智慧楼宇的实际碳排放量，建立了一种奖惩阶梯型碳排放权交易机制。其次，面向碳市场和多能流耦合网络，以最小化运行成本为目标函数，建立多能流低碳楼宇调度模型，并将该调度问题转换为马尔可夫决策过程。然后，利用Rainbow算法进行优化调度问题的求解。最后，通过仿真分析验证了优化调度模型的可行性及有效性。 Building emissions reduction has become a crucial pathway for China to achieve its 'dual-carbon' goals.As an integrated energy entity coupled with multi-energy flow networks, smart buildings face challenges such as high carbon emissions, a high degree of coupling in multi-energy flow networks, and distinct dynamic characteristics in load energy consumption behavior. In response to these challenges, a low-carbon scheduling method for multienergy flow buildings based on deep reinforcement learning(deep RL) is proposed. Firstly, a reward and punishment ladder-type carbon emissions trading mechanism is established based on the actual carbon emissions of smart buildings. Secondly, targeting the carbon market and multi-energy flow coupling networks, a low-carbon scheduling model for multi-energy flow buildings is developed, aiming to minimize operating costs as the objective function, and the scheduling is transformed into a Markov decision process(MDP). Subsequently, the Rainbow algorithm is employed to solve the optimal scheduling. Finally, the feasibility and effectiveness of the optimal scheduling model are verified through simulation analysis.