LEAP模型
在工业领域碳达峰预测中的应用
作者简介：
杨亮亮,低碳领域首席工程师，注册咨询工程师、经济师，2015年至今主持和参与浙江省、山西省、广东省、辽宁省、黑龙江省多地纳入碳交易企业碳排放核查工作；作为项目负责人主持和参与浙江省及各地市工业领域碳达峰方案编制项目；参与编制《浙江省造纸及纸制品业综合能确权耗核算指南（试行）》、《浙江省纺织生产企业综合能耗确权核算指南（试行）》、《浙江省化学纤维生产企业综合能耗确权核算指南（试行）》等5个用能确权指南。
一、模型应用背景
      与欧美等发达国家和地区不同，中国目前处在碳排放上升阶段，尚未实现碳达峰。因此如何科学的预测碳达峰时间，对地区碳达峰规划及减排措施制定至关重要。本文重点介绍LEAP模型在地区工业领域碳达峰峰值预测中的应用。
二、模型及构建思路介绍
2.1 模型介绍
      LEAP模型（Long-range Energy Alternatives Planning System），即长期能源替代规划系统，是一个基于情景分析的自底向上的能源—环境核算工具，由斯德哥尔摩环境研究所与美国波士顿大学共同开发。LEAP拥有灵活的结构，使用者可以根据研究对象特点、数据的可得性、分析的目的和类型等来构造模型结构和数据结构，可以用来分析不同情景下的能源消耗和温室气体排放，这些情景是基于能源如何消耗、转换和生产的复杂计算，综合考虑关于人口、经济发展、技术、价格等一系列假设。国内外能源—环境研究者已广泛采用LEAP模型进行能源需求分析，它包括能源供应、能源加工转换、终端能源需求等环节。该模型主要可用于国家和城市中长期能源环境规划，可以用来预测不同驱动因素的影响下，全社会中长期的能源供应与需求，并计算能源在流通和消费过程中的大气污染物以及温室气体排放量。
2.2 模型构建思路
       本文的主要研究对象为地区工业领域碳达峰的峰值预测。模型构建的核心思想是寻找与地区工业领域碳排放关联度最大的一组数据集，通过这组数据集的组合计算得到此地区工业领域的碳排放量，通过对此数据集区间年份的变化情况进行假设，可得该地区工业领域在不同情景下的碳排放情况，从而做出科学的判断。以上为LEAP模型在工业碳达峰峰值预测中的基本思路。模型应用的基本步骤可分为：

      （1）研究确定与工业碳达峰关联度大的数据集（本文定义为“驱动因素”）；（2）根据历史数据、相关政策等不同假设对驱动因素进行设置；（3）根据设置完成的驱动因素进行计算得到预测结果。
三、LEAP模型在工业领域碳达峰的应用
3.1 确定驱动因素
       基于发达国家对碳排放达峰时的社会经济因素进行的分析表明，碳达峰存在一定的理论条件：
      1）单位GDPCO2排放强度年下降率＞GDP年年增长率；
      2）单位能耗CO2排放强度年下降率＞能源消费年增长率；
      3）人均CO2排放年下降率＞人口年增长率。
      由于我们研究的是工业领域的碳排放情况，因此以上条件可以归纳为：
      1）单位工业增加值CO2排放强度年下降率＞工业增加值年年增长率；
      2）单位能耗CO2排放强度年下降率＞能源消费年增长率。
      因此判断与工业领域碳达峰关联度最大的即为单位工业增加值CO2排放强度、单位能耗CO2排放强度、工业增加值年年增长率、能源消费年增长率这四个指标。与这四个指标计算相关的活动水平数据和排放因子我们可以看作是一组数据集，即驱动因素。






3.2 设置驱动因素
      模型解决最终问题的是计算一定区间年份每年的二氧化碳排放量。据结果导向分解，进一步梳理各指标间的逻辑和因果关系，构建模型框架，如图1所示。

      模型构架可分为情景设置、驱动因素设置、排放量计算3个部分，分别自左向右进行传导，最终计算得到工业领域碳排放量。

      情景设置：由工业行业发展情景假设确定各行业工业增加值；由能源利用技术假设确定各行业能耗强度、各行业能源结构、发电供热结构；由能源发展政策假设确定能源供应结构；基于以上情景设置假设，可构建基准情景、低碳情景、强化达峰情景等预测需求，根据不同情景要求对驱动因素进行设置。


图1 工业领域LEAP模型框架图
      驱动因素设置：根据情景设置，预测区间年份的各类驱动因素具体数值：
1）根据i行业发展规划预测i行业区间年份的工业增加值增速，并以特定年份的工业增加值基准值乘增速计算第n年的i行业的工业增加值
2）根据i行业能源双控目标政策及能源技术发展情况预测确定i行业区间年份的单位工业增加值能耗强度下降率，并以特定年份的单位工业增加值能耗强度基准值乘强度下降率计算第n年的i行业的工业增加值能耗强度
3）根据i行业的能源发展政策，预测i行业区间年份的能源结构变化情况，并以特定年份的能源结构按预测变化趋势调整，得到第n年的i行业的能源结构（煤、油、气、电、热占比）
4）通过i行业第n年的工业增加值与工业增加值能耗强度，计算得到i行业第n年的能源消费总量，并根据预测的第n年的i行业的能源结构对能源消费总量进行分解得到j（类型）能源的消费量
5）根据i行业第n年j类型能源的消费量乘以j类型能源的排放因子（电/热排放因子需根据能源结构作动态预测）的得到排放量，汇总所有工业行业的所有能源品种排放量，得到该地区工业领域二氧化碳排放总量
3.3 碳排放量计算
       LEAP模型通过分行业分部门计算能源消费总量和碳排放量。能源消费总量包括终端能源消费总量和能源加工转换净消耗，本文仅考虑终端能源消费总量，碳排放量亦是如此。
1）能源消耗量
终端能源消耗计算（公式3.1）：
ECi=∑iIVAi×EIi             3.1
式中：EC——能源消费总量；    
     IVA——工业增加值；    
     EI——单位工业增加值能耗强度；
     i——工业行业类别。
（2）碳排放量计算
终端能源消耗产生的碳排放量计算（公式3.2）：CEC=∑i∑jIVAi,j×EIi,j×EFi,j       3.2
式中：CEC——工业领域终端能源消费产生的碳排放量；
    IVA——工业增加值；
    EI——单位工业增加值能耗强度；
    EI——碳排放系数；
    i——工业行业类别；
    j——能源类型。
       基于以上公式计算可得某一年份地区工业领域碳排放总量，以此迭代计算区间其他年份的排放量，从而得到区间年份的碳排放量变化情况，判断达峰时间及达峰峰值。
预测各类达峰情景排放结果的模型示意图如下：
图2 工业领域LEAP模型达峰预测图

四、LEAP模型应用总结
       LEAP模型是一种自下而上的能源经济模型，使用者可以根据研究对象特点、数据的可得性、分析的目的和类型等来构造模型结构和数据结构，构建方式灵活，且数据预测随底层逻辑上推，预测结果相对科学。但目前我国的碳达峰规划具有较强的宏观要求，往往需要自上而下去设定达峰路径，这就导致LEAP模型需根据目标去调整驱动因素的假设，如果引入的驱动因素越多，调整难度就越大。

      总体而言，在工业领域碳达峰预测中LEAP模型的应用能够给决策者提供不同假设下多类情景的预测结果，可助力工业领域碳达峰路径的科学合理规划。