扩展功能
文章信息
- 朱立伟, 周炜, 李枭, 柴华, 汤筠筠.
- ZHU Liwei, ZHOU Wei, LI Xiao, CHAI Hua, TANG Junjun
- 公路交通运输温室气体自愿减排项目可行性决策模型及流程
- Feasibility decision-making model and transaction process for highway transportation greenhouse gas voluntary emission reduction projects
- 公路交通科技, 2025, 42(9): 195-202
- Journal of Highway and Transportation Research and Denelopment, 2025, 42(9): 195-202
- 10.3969/j.issn.1002-0268.2025.09.020
-
文章历史
- 收稿日期: 2023-05-23
2. 运输车辆运行安全技术交通行业重点实验室, 北京 100088
2. Key Laboratory of Transportation Vehicle Operation Safety Technology of Ministry of Transport, Beijing 100088, China
碳排放交易(也称碳排放权交易)是实现碳排放外部成本内部化和全社会减排成本最低化的重要政策工具和减排制度创新。自欧盟首先实施以来,碳排放交易系统被广泛认为是控制碳排放的最有效工具之一,得到了较广泛应用[1-2]。目前碳排放交易主要包括强制减排机制和自愿减排机制两类[3]。根据国际碳行动伙伴组织(ICAP)《2022年度全球碳市场进展报告》[4],截至2021年底,全球已有25个碳排放交易市场正式实施,覆盖全球17%的温室气体排放,22个碳市场正在建设或考虑中。在已将近零目标立法的司法管辖区中,碳排放交易市场覆盖了37%的排放,对降低碳排放发挥了重要作用。2013年起,中国北京、上海等8个碳排放权交易试点先后启动,中国核证自愿减排量(CCER)作为交易标的在9家备案交易机构(碳交易所)参与交易。2021年,全国碳排放权交易市场正式上线交易(目前仅包含电力行业), 涵盖了45亿吨二氧化碳,占全国排放量的40%以上,成为全球覆盖排放量最大的碳市场。
交通运输行业是中国碳排放重点领域,也是中国“双碳”目标实现关注的重点行业。据统计,中国交通运输行业碳排放量占全国碳排放量的10%左右。而公路交通运输领域碳排放量在全部交通运输领域中占比超过75%,是交通运输行业碳排放的主体领域和减排难点[5-9]。与电力等行业相比,公路交通运输行业参与碳排放交易具有典型的行业特征:一是公路交通运输行业属于完全竞争市场,客运企业规模不大,货运企业“小、散”特征明显,单个企业碳排放量不大,通过参与碳排放交易获得的激励效果存在较大差异,参与碳排放交易的决策机制和模型需要进行深入研究;二是公路交通运输碳排放源多为移动源,碳排放量监测、统计、配额核算及分配等存在很多困难,需要结合不同碳排放交易机制特点和绩效分析,分步骤开展研究,以建立适应公路交通运输行业特征的碳排放交易机制或途径,为充分发挥碳排放交易市场作用、推动公路交通运输绿色低碳发展提供有效支撑。
目前,对于碳排放交易模型和绩效分析等研究主要包括“自上而下”的宏观层面和“自下而上”的微观层面两个方面。在宏观层面,国内外学者主要采用可计算一般均衡(CGE)模型、数据包络分析方法(DEA)等。例如:Abrell[10]提出了一个静态多区域CGE模型来分析碳排放交易的效率。Hermeling[11]提出欧盟2020年目标碳排放交易市场CGE模型。张宁[12-14]基于动态CGE模型,模拟了CCER交易及抵消机制等的经济影响。在微观层面,国内外学者主要采用主体模型进行碳排放交易市场建模、碳排放交易市场机制等研究和分析。Tang[15-17]基于多主体模型研究了碳排放交易市场设计因素及交易机制。熊威[18]以分布式电力系统为研究对象,基于多主体博弈模型,研究了分布式电源投资决策与交易策略。Yu[19]建立了基于代理的排污权交易方案模型,研究了企业层面在碳配额交易、产出调整和低碳技术应用策略。
上述文献中,宏观层面“自上而下”的相关模型主要从国家、区域等宏观层面对碳排放交易政策、机制等进行分析,无法对碳排放交易市场中微观主体(企业)相互作用进行模拟分析。微观层面“自下而上”的基于主体的模型等将碳排放交易系统中各仿真主体的互动和决策等进行分解和分析,较好地反映了不同主体之间的动态交易过程。
基于前述公路交通运输碳排放的行业特征,本研究在分析温室气体自愿减排交易系统要素及特征的基础上,在微观层面构建了基于项目内部收益率的公路交通运输温室气体自愿减排项目可行性决策模型,提出了公路交通运输企业参与温室气体项目自愿减排交易流程。
1 温室气体自愿减排交易系统要素及特征 1.1 温室气体自愿减排交易系统要素温室气体自愿减排项目交易是强制减排机制的有效补充,它基于抵消机制,依据国家主管部门备案的方法学对企业自愿采用减排技术产生减排量进行审核核证,并将审核核证后的减排量(也称中国核证减排量)在自愿减排交易市场进行交易。其中,在市场购买核证减排量的企业可用于抵消企业碳排放配额,卖出核证减排量的企业可以获得减排经济收益,从而鼓励相关企业自愿采用节能减排技术,实现全社会减排的目标。
温室气体自愿减排项目交易系统是由温室气体自愿减排项目业主、抵消减排者(需实施强制减排的重点排放单位)、管理机构(权威机构或非官方组织)、第三方专业咨询和核查机构、交易市场等各类要素共同构成的系统,系统各要素之间具有紧密的联系性和显著互促性,如图 1所示。
|
| 图 1 温室气体自愿减排项目核证减排量交易系统各要素 Fig. 1 Key elements of greenhouse gas voluntary emission reduction project transaction system |
| |
图 1中,减排项目业主是减排量的供给者,抵消减排者是需实施强制减排的重点排放单位,也是减排量的需求者,他们在政府主管部门有关政策法规约束下,开展核证减排量交易活动;管理机构负责构建自愿减排项目交易环境、政策法规机制,并对交易行为进行监督管理,确保交易系统有效运行;第三方专业咨询和核查机构负责受减排项目业主和管理机构委托,开展项目咨询和核查服务,为自愿减排项目交易提供有效技术支撑。交易市场为自愿减排项目供需双方提供信息交换、资源汇聚和交易平台。
1.2 温室气体自愿减排交易系统特征与强制减排交易系统相比,温室气体自愿减排项目核证减排量交易系统的主要特征如下:
(1) 自愿性
在强制减排机制中,达到一定排放门槛的排放单位(实施强制减排的重点排放单位)被强制要求参与到减排体系中,每年要按时、定量完成减排任务。而在温室气体自愿减排机制中,企业或业主可以根据自身意愿选择是否进行温室气体自愿减排项目的开发,并可以选择是否依托减排项目开发生产的,经核查的减排量参与到强制减排体系中。
(2) 跨区域
强制减排机制的管控范围一般仅限于当地的碳交易体系。而温室气体自愿减排机制及其生产的核证减排量则具有明显的跨地域性,中国温室气体自愿减排机制所产生的CCER能够在国内备案的交易市场内自由流通买卖。
(3) 事后性
在强制减排机制中,碳配额是事先创建既定的,即在减排行为运转初始阶段,机制运行管理者根据既定的分配方案将碳减排配额发放给企业。而在温室气体自愿减排机制中,核证自愿减排量是事后产生,即在减排行为(开发减排项目)切实发生并经相关机构核证之后,才被确认为碳信用指标。
1.3 公路交通运输参与温室气体自愿减排项目核证减排量交易的特点在碳排放交易决策模型方面,除公路交通项目建设单位外,公路交通运输的客货运企业规模较小,分布较散,单个企业项目产生的减排量不大,通过碳排放交易获得的激励效果存在较大差异,公路交通运输企业的盈利模式和可接受的收益水平存在行业差异,因此导致在温室气体自愿减排项目交易的可行性分析阶段和交易决策模型方面与其他行业差异明显。
在项目参与主体方面,温室气体自愿减排项目交易的核证减排量应基于具体项目采用的减排技术产生,中国境内注册的企业法人可申请温室气体自愿减排项目及减排量备案。目前公路交通运输参与温室气体自愿减排交易多以自愿减排项目业主(供给方)的方式出现,其交易项目占比较少,需要结合公路交通运输企业在自愿减排项目设计过程中考虑多主体联合方式进行参与,并探讨基于公路交通运输平台的交易模式。
2 公路交通运输温室气体自愿减排项目可行性决策模型 2.1 基础假设为构建公路交通运输企业温室气体自愿排放项目可行性决策模型,本研究基于如下基础假设。
假设1:企业购买核证减排量的交易价格根据核证减排量的售价确定,交易量由买方所能购买的最大配额量或是能够提供的核证减排量的最大量确定。
假设2:在实施碳交易政策时,假定环境监管政策和处罚制度足够严格,交易企业只能通过初始分配、减少产量来自身削减和通过碳交易市场购买配额或是核证减排量来达到总量控制的要求。
假设3:公路交通运输温室气体自愿减排项目业主进行可行性决策主要考虑项目经济性指标,不考虑政策性影响。
2.2 可行性决策模型根据《温室气体自愿减排交易管理办法(试行)》,公路交通运输项目参与温室气体自愿减排交易,需具备真实性、可测量性和额外性。其中额外性论证中经济性指标是项目业主决策是否进行碳排放交易的关键因素,也是项目碳排放交易可行性的关键因素。在经济性指标中,项目内部收益率表征一项投资渴望达到的报酬率,是能使投资项目净现值等于零时的折现率。一般情况下,内部收益率大于等于基准收益率时,该项目是可行的。因此,本研究将项目内部收益率进行拓展,作为公路交通运输温室气体自愿减排项目交易可行性决策的主要指标。
假定公路交通运输温室气体自愿减排项目i CO2排放量为emi,项目在自愿减排交易市场的CCER交易量为xi,在交易周期内,达到均衡条件下,项目i达到利润最大化的条件是其CO2最终排放量等于交易量与免费碳配额(如企业初期获得了免费碳配额)之和。即:
| $ e_{m i}=x_{i \circ} $ | (1) |
对任意的公路交通运输温室气体自愿减排项目i,假定其未考虑CCER交易收入时的内部收益率为R1,考虑CCER交易收入时的内部收益率为R2,项目的基准收益率为Rs。根据《建设项目经济评价方法与参数》,项目内部收益率R1,R2是指项目在计算期内经济净效益流量的现值累计等于0时的折现率,可按式(2)计算:
| $ \sum\limits_{t=1}^n(B-C)_t\left(1+R_{\mathrm{IR}}\right)^{-t}=0 , $ | (2) |
式中,RIR为项目的内部收益率;B为项目经济效益流量;C为项目经济费用流量;(B-C)t为第t期经济净效益流量;n为项目计算期。Rs可根据《建设项目经济评价方法与参数》中推荐值或项目的行业基准内部收益率确定。实际计算时,项目经济性数据可通过温室气体自愿减排项目的可行性研究报告中取得。
根据温室气体自愿减排项目额外性论证与评价工具,该项目具有可行性应根据以下两个条件进行决策:
(1) 项目未考虑CCER交易收入时的内部收益率小于其基准收益率,即:R1 < Rs。
(2) 项目考虑CCER交易收入时的内部收益率不小于基准收益率即:R2≥Rs。
根据项目内部收益率的计算方法,若项目的减排量固定不变,CCER交易的价格降低将减少项目获得CCER的收入,进而降低项目的内部收益率。因此,根据项目的行业内部收益率,可计算出项目CCER交易的基准价格,表示项目业主是否投资成为CCER项目的最低价格。该CCER交易基准价格根据式(3)计算[2]:
| $ p_{\text {ccer }}=\frac{R_{\mathrm{s}}-R_1}{R_2-R_1} \times P_{\mathrm{d}}, $ | (3) |
式中,Pccer为项目的CCER交易基准价;Pd为项目的预期价格,通常根据一定周期内的CCER交易市场价格均值确定。
2.3 公路交通运输温室气体自愿减排项目可行性决策模型仿真分析(1) 公路交通运输温室气体自愿减排项目可行性决策分析
根据中国公路交通运输新建和升级改造项目可行性研究报告内部收益率估算值、《建设项目经济评价方法与参数》中关于公路建设项目的推荐值以及已备案CCER项目PDD文件中内部收益率的计算值等,按类型将中国公路交通运输建设项目的行业基准收益率(Rs)确定为0.08 (8%),0.12 (12%)和0.15 (15%)三档,并基于式(3)分析在不同R1条件下,保证温室气体自愿减排交易项目可行的R2取值范围,如图 2所示。
|
| 图 2 不同R1条件下公路交通运输温室气体自愿减排项目可行的R2取值范围(Rs分别为8%、12%和15%) Fig. 2 Feasible range of R2 in different R1 conditions, when Rs are 8%, 12%, and 15% |
| |
由图 2可知,在行业基准收益率为8%时,考虑CCER交易收入的公路交通运输建设或升级改造项目的内部收益率(R2)范围应≥0.08(8%),且通常处于0.08 (8%)~0.12 (12%)之间,其对应的温室气体自愿减排项目具有可行性;在行业基准收益率为12%时,考虑CCER交易收入的公路交通运输建设或升级改造项目的内部收益率(R2)范围应≥0.12(12%),且通常处于0.12 (12%)~0.15 (15%)之间,其对应的温室气体自愿减排项目具有可行性;在行业基准收益率为15%时,考虑CCER交易收入的公路交通运输建设或升级改造项目的内部收益率(R2)范围应≥0.15(15%),其对应的温室气体自愿减排项目具有可行性。
(2) 公路交通运输温室气体自愿减排项目核证减排量交易基准价格分析
结合国内各碳排放试点交易市场中CCER的交易价格数据,根据复旦碳价指数[20],2023年5月13日全国CCER的中间价57元/t作为交易预期价格Pd。基于式(3)分别分析了不同行业基准收益率(Rs)、不考虑CCER交易收入时内部收益率(R1)和考虑CCER交易收入时的内部收益率(R2)条件下,公路交通运输温室气体自愿减排项目基准价格(Pccer)的变化关系,如图 3~5所示。
|
| 图 3 公路温室气体自愿减排项目基准价格(Pccer)与考虑CCER交易收入时内部收益率(R2)的关系(Pd=57元/t;Rs=8%;R1=5%) Fig. 3 Relation between Pccer and R2 (Pd=57 CNY/t; Rs=8%; R1=5%) |
| |
|
| 图 4 公路温室气体自愿减排项目基准价格(Pccer)与不考虑CCER交易收入时内部收益率(R1)的关系(Pd=57元/t;Rs=8%;R2=12%) Fig. 4 Relation between Pccer and R1 (Pd=57 CNY/t; Rs=8%; R2=12%) |
| |
|
| 图 5 公路温室气体自愿减排项目基准价格(Pccer)与行业基准收益率(Rs)的关系(Pd=57元/t;R1=7%;R2=12%) Fig. 5 Relation between Pccer and Rs (Pd=57 CNY/t R1=7%; R2=12%) |
| |
图 3中,在交易预期价格Pd为57元/ t、行业基准收益率Rs为8%、不考虑CCER交易收入时内部收益率R1为5%时,公路交通运输温室气体自愿减排项目基准价格Pccer随着考虑CCER交易收入时的内部收益率R2的增加而降低,由57元/t(R2=8%)降低到24元/t(R2=12%)。也即,R2越高,采用CCER带来的收益越多(内部收益率越高),项目业主能够接受的最低CCER交易价格(项目基准价格)越低,项目可行性越高,在同样价格条件下,项目越容易完成交易决策。
图 4中,在交易预期价格Pd为57元/t、行业基准收益率Rs为8%、考虑CCER交易收入时内部收益率R2为12%时,公路交通运输温室气体自愿减排项目基准价格Pccer随着不考虑CCER交易收入时的内部收益率R1的增加而降低,由32元/t(R1=3%)降低到11元/t(R1=7%)。也即,在R2大于Rs的条件下,R1越高,项目业主能够接受的最低CCER交易价格(项目基准价格)越低,项目越容易完成交易决策。
图 5中,在交易预期价格Pd为57元/t、不考虑CCER交易收入时内部收益率R1为7%、考虑CCER交易收入时内部收益率R2为12%时,公路交通运输温室气体自愿减排项目核证减排量交易基准价格Pccer随着行业基准收益率(Rs)的增加而增加,由6元/t(Rs=8%)增加到51元/t(Rs=15%)。也即,Rs越高,项目业主能够接受的最低CCER交易价格(项目基准价格)越高,项目对CCER带来的收益需求越高,在同样价格条件下,项目越不容易完成交易决策。
3 公路交通运输温室气体自愿减排项目核证减排量交易流程在碳排放交易过程中,假定公路交通运输自愿减排项目业主i(卖方)和抵消减排者j(买方)进入温室气体自愿减排项目核证减排量交易市场通过谈判达成交易。主要步骤如下:
(1) 入场交易
公路交通运输自愿减排项目业主i根据式(2)确定项目的内部收益率(R1和R2)和Rs,并根据上述决策条件确定是否具有可行性。若项目可行根据式(3)确定CCER交易基准价。
(2) 交易谈判
假定温室气体自愿减排项目交易市场中每个项目业主(卖方主体)会遇到1个抵消减排者(买方主体),每轮交易中会形成1个交易价格。
首先,双方相遇时碳排放权供给Si(卖方)和需求Dj(买方)分别为:
| $ S_i=e_{\mathrm{m} i}-c_{\mathrm{cer} i}, $ | (4) |
| $ D_j=e_{\mathrm{m} j}-A_j-c_{\mathrm{cer} j}-e_{\mathrm{ts} j}, $ | (5) |
式中,emi为自愿减排项目的核证减排量;emj为抵消减排者的排放量;Aj为买方分配的碳配额;cceri和ccerj分别为卖方和买方在上n轮交易中卖出和买入的核证减排量;etsj为买方在上n轮交易中买入的碳配额。交易双方通过比较预期交易价格,确定交易决策。
假定CCER卖方和买方的预期价格分别为Pi和Pj,市场交易价格为Pij,CCER交易基准价格为Pccer,比较预期价格、基准价格与市场交易价格,对应的谈判情形分别为:
① 若Pij<Pccer,自愿减排项目不具有可行性,项目将无法实施。
② 若Pi≥Pccer,买方将能提供CCER减排量。此时比较Pi和Pj,若Pj>Pi,抵消减排者将选择持续购买CCER抵消碳排放量,直至其达到抵消比例限制或满足其需求Dj,交易停止,此时市场交易价格Pij=Pi。若Pj≤Pi,抵消减排者将不选择CCER交易,而选择持续购买碳排放配额,直至满足其购置需求Dj,交易停止。
(3) 交易达成
在上一步骤确定交易后,分别计算确定此时卖方和买方CCER低销量、交易价格、碳配额等,更新(4)和(5),并将上述信息代入下一轮交易谈判中。具体交易流程如图 6所示。
|
| 图 6 交易流程图 Fig. 6 Transaction flowchart |
| |
4 结论
本研究分析了温室气体自愿减排交易系统要素和特征,以公路交通运输温室气体自愿减排项目内部收益率为主要指标,提出了公路交通运输温室气体自愿减排项目可行性决策模型,分析了公路交通运输温室气体自愿减排项目可行的内部收益率取值范围,研究了不同内部收益率与公路交通运输温室气体自愿减排项目交易基准价格的关系,给出了公路交通运输温室气体自愿减排项目核证减排量交易流程,主要结论如下:
(1) 根据温室气体自愿减排项目额外性论证与评价工具,该项目具有可行性应符合以下条件:①项目未考虑CCER交易收入时的内部收益率小于其基准收益率,即:R1 < Rs。②项目考虑CCER交易收入时的内部收益率不小于基准收益率即, R2≥Rs。
(2) 在交易预期价格Pd、行业基准收益率Rs和不考虑CCER交易收入时内部收益率R1不变,公路交通运输温室气体自愿减排项目核证减排量交易基准价格Pccer随着考虑CCER交易收入时的内部收益率R2的增加而降低,R2越高,采用CCER带来的收益越多(内部收益率越高),项目业主能够接受的最低CCER交易价格(项目基准价格)越低,项目可行性越高,在同样价格条件下,项目越容易完成交易决策。
(3) 在交易预期价格Pd、行业基准收益率Rs、考虑CCER交易收入时内部收益率R2不变,公路交通运输温室气体自愿减排项目核证减排量交易基准价格Pccer随着不考虑CCER交易收入时的内部收益率R1的增加而降低,在R2大于Rs的条件下,R1越高,项目业主能够接受的最低CCER交易价格(项目基准价格)越低,项目越容易完成交易决策。
(4) 在交易预期价格Pd、不考虑CCER交易收入时内部收益率R1、考虑CCER交易收入时内部收益率R2不变时,公路交通运输温室气体自愿减排项目核证减排量交易基准价格Pccer随着考虑行业基准收益率(Rs)的增加而增加,Rs越高,项目业主能够接受的最低CCER交易价格(项目基准价格)越高,在同样价格条件下,项目越不容易完成交易决策。
(5) 公路交通运输温室气体自愿减排项目核证减排量交易主要包括入场交易、交易谈判和交易达成3个阶段,交易谈判主要依据文中的供需关系和基准价格、交易价格等确定。
目前,中国CCER交易进入了加速重启的进程,公路交通运输行业将通过参与CCER助力“双碳”目标的实现,下一步本项目将结合CCER交易的实践,开展CCER交易流程细化和模型研究,为公路交通运输行业参与CCER提供有效支撑。
| [1] |
DORMADY N C. Carbon auctions, energy markets & market power: An experimental analysis[J].
Energy Economics, 2014, 44: 468-482.
DOI:10.1016/j.eneco.2014.03.013 |
| [2] |
王科, 李思阳. 中国碳市场回顾与展望[J]. 北京理工大学学报(社会科学版), 2022, 24(2): 33-42. WANG Ke, LI Siyang. China's carbon market: Reviews and prospects[J]. Journal of Beijing Institure of Technology (Social Sciences Edition), 2022, 24(2): 33-42. |
| [3] |
张慧. 碳交易政策设计与市场绩效研究-以电力行业为例[D]. 南京: 南京大学, 2017. ZHANG Hui. Policy design and carbon trading market performance: A case study of power industry [D]. Nanjing: Nanjing University, 2017. |
| [4] |
ICAP. Emissions trading worldwide: Status report 2022[R]. Berlin: International Carbon Action Partnership, 2022.
|
| [5] |
李枭. 公路运输行业碳交易机制研究及减排途径分析[D]. 北京: 北京理工大学, 2021. LI Xiao. Research on carbon trading mechanism and analysis of emission reduction approaches in the road transport industry [D]. Beijing: Beijing University of Technology, 2021. |
| [6] |
钱啸, 邹波, 谷纪亭, 等. 碳排放权交易、CCER等市场机制在交通行业内的应用探索[J]. 管理科学与工程, 2022, 11(3): 411-415. QIAN Xiao, ZOU Bo, GU Jiting, et al. The application of market mechanisms such as carbon emission trading and CCER in the transportation industry[J]. Management Science and Engineering, 2022, 11(3): 411-415. |
| [7] |
唐文斌, 王惟政, 穆孟, 等. 电气化情景下高速公路建设期碳排放核算及减排潜力量化研究[J]. 公路交通科技, 2025, 42(5): 205-214. TANG Wenbin, WANG Weizheng, MU Meng, et al. Carbon emission accounting in expressway construction and emission reduction potential quantification in electrification scenario[J]. Journal of Highway and Transportation Research and Development, 2025, 42(5): 205-214. DOI:10.3969/j.issn.1002-0268.2025.05.022 |
| [8] |
王占宇, 刘林涛, 周士兵, 等. 城市街道交叉口机动车排放颗粒物扩散分析[J]. 公路交通科技, 2024, 41(5): 178-185. WANG Zhanyu, LIU Lintao, ZHOU Shibing, et al. An analysis on diffusion of vehicle emission particulate matter at urban street intersection[J]. Journal of Highway and Transportation Research and Development, 2024, 41(5): 178-185. DOI:10.3969/j.issn.1002-0268.2024.05.021 |
| [9] |
黄山倩, 高硕晗, 王新军, 等. 公路基础设施碳排放研究量化分析与评估[J]. 公路交通科技, 2024, 41(10): 203-214. HUANG Shanqian, GAO Shuohan, WANG Xinjun, et al. Quantitative analysis and assessment on highway infrastructure carbon emission research[J]. Journal of Highway and Transportation Research and Development, 2024, 41(10): 203-214. DOI:10.3969/j.issn.1002-0268.2024.10.022 |
| [10] |
ABRELL J. Regulating CO2 emissions of transportation in Europe: A CGE-analysis using market-based instruments[J].
Transportation Research Part D: Transport and Environment, 2010, 15(4): 235-239.
DOI:10.1016/j.trd.2010.02.002 |
| [11] |
HERMELING C, LÖSCHEL A, MENNEL T. A new robustness analysis for climate policy evaluations: A CGE application for the EU2020 targets[J].
Energy Policy, 2013, 55: 27-35.
DOI:10.1016/j.enpol.2012.08.007 |
| [12] |
张宁, 庞军. 全国碳市场引入CCER交易及抵销机制的经济影响研究[J]. 气候变化研究进展, 2022, 18(5): 622-636. ZHANG Ning, PANG Jun. The economic impacts of introducing CCER trading and offset mechanism into the national carbon market of China[J]. Climate Change Research, 2022, 18(5): 622-636. |
| [13] |
CHIU Y, LIN J, HSU C, et al. Carbon emission allowances of efficiency analysis: Application of super SBM ZSG-DEA model[J].
Polish Journal of Environmental Studies, 2013, 22(3): 653-666.
|
| [14] |
WU J, MOHAMED R, WANG Z. An agent-based model to project China's energy consumption and carbon emission peaks at multiple levels[J].
Sustainability, 2017, 9(6): 893.
DOI:10.3390/su9060893 |
| [15] |
TANG L, WU J Q, YU L, et al. Carbon emissions trading scheme exploration in China: A multi-agent-based model[J].
Energy Policy, 2015, 81: 152-169.
DOI:10.1016/j.enpol.2015.02.032 |
| [16] |
ZHENG J J, YANG M M, MA Gang, et al. Multi-agents-based modeling and simulation for carbon permits trading in China: A regional development perspective[J].
International Journal of Environmental Research and Public Health, 2020, 17(1): 301.
DOI:10.3390/ijerph17010301 |
| [17] |
DE SOUSA J B N. Carbon market multi-agent simulation metamodel: A testbed for coordination mechanisms in sociotechnical systems [D]. Porto: University of Porto, 2021.
|
| [18] |
熊威. 基于多主体博弈的分布式电源投资决策与交易策略研究[D]. 北京: 华北电力大学, 2022. XIONG Wei. Distributed generation investment decisions and trading strategies based on multi-agent gaming [D]. Beijing: North China Electric Power University, 2022. |
| [19] |
YU S M, FAN Y, ZHU L, et al. Modeling the emission trading scheme from an agent-based perspective: System dynamics emerging from firms' coordination among abatement options[J].
European Journal of Operational Research, 2020, 286: 1113-1128.
DOI:10.1016/j.ejor.2020.03.080 |
| [20] |
复旦大学可持续发展研究中心. 复旦碳价指数[EB/OL]. (2023-05-13) [2023-05-23]. https://rcsd.fudan.edu.cn/info/1083/1315.htm. Fudan University Sustainable Development Research Center. Fudan Carbon Price Index [EB/OL]. (2023-05-13) [2023-05-23], https://rcsd.fudan.edu.cn/info/1083/1315.htm. |
2025, Vol. 42


,