碳中和背景下煤化工行业发展现状、困境与路径探析——以山西省煤制甲醇产业为例

山西煤炭资源丰富,为煤化工行业发展奠定了良好的资源优势。然而,碳中和目标的提出以及行业自身发展的问题使得山西省煤化工产业发展面临着政策、环保、能耗以及技术等多方面的挑战。文章以山西省煤制甲醇产业为例,在分析其发展现状以及面临的现实困境基础上,为煤化工产业的转型发展提供了路径选择。

用能权交易对减排降碳的有效性分析

用能权交易制度是一种基于市场调节机制的环境权益交易制度。选取2011—2020年我国30个省区市(不含西藏、港澳台地区)的面板数据作为研究样本,运用双重差分法来分析我国用能权交易制度对促进减排降碳的有效性。实证结果表明:用能权交易政策的实施可以显著降低二氧化碳排放量和二氧化碳排放强度。产业高级化水平对我国的碳减排作用较为显著,这说明持续推进产业结构转型升级、提升产业高级化水平应成为我国现阶段减排降碳的有效手段。由于我国现阶段的技术进步主要集中于生产技术的进步,而相较于环境技术,生产技术的进步则会产生一定的“回弹效应”。

中国产业部门隐含碳排放变化的影响因素动态研究——基于细分行业数据的实证分析

基于中国投入产出数据,在开放条件下,根据Kaya恒等式,运用非竞争型I-O模型和LMDI分解模型,考察规模效应、结构效应和强度效应对中国产业部门隐含碳排放的贡献值与贡献率。实证结果表明:总体来看,除2015—2017年外,规模效应和总效应的贡献值均为正,强度效应的贡献值为负,而结构效应的影响不是单一方向的;规模效应的贡献率最大,其次是强度效应和结构效应。从28个产业部门来看,所有产业部门规模效应的贡献值均为正,而结构效应和强度效应的贡献值有正有负;近年来,越来越多产业部门总效应的贡献值为负;在不同时间段,产业部门三种效应的贡献率及其排名变化较大。从三次产业来看,规模效应、结构效应、强度效应以及总效应的贡献值有正有负,规模效应的贡献率始终位居前列。

“碳达峰”目标下中国碳排放强度预测——基于LSTM和ARIMA-BP模型的分析

本文基于LSTM神经网络模型并在一定的经济增长预期下推导预测出我国碳排放强度变化趋势,同时,建立ARIMA-BP神经网络模型作为验证模型对碳排放强度进行直接预测。研究结论为:(1)LSTM神经网络模型在验证集上的均方误差(MSE)为0.00001,平均绝对百分比误差(MAPE)为0.33%,表明模型泛化能力十分优秀,在LSTM神经网络模型预测框架下,中国碳排放强度将在2030年达到0.9237吨/万元,相较于2005年的碳排放强度2.9755吨/万元下降68.96%;(2)在ARIMA-BP神经网络模型的预测分析中,预估中国2030年碳排放强度能够下降至0.9840吨/万元,相较于2005年2.9755吨/万元的碳排放强度下降66.93%;(3)将ARIMA-BP神经网络模型得到的碳排放强度预测值与LSTM神经网络模型进行对比,LSTM模型在预测精度上的表现更佳,两个模型对于2030年碳排放强度值的预测相差0.0603吨/万元,对于碳排放强度较2005年降幅预测相差2.03个百分点,验证了本文预测模型的稳健性。