图1 三市场模型因果关系
Fig.1 Three market model causality diagram
摘要 在实现“双碳”与“双控”目标的过程中，用能权制度是需求侧提高节能减排效率的主要手段。为了研究用能权制度与其他节能减排政策之间的协同关系，该文以需求侧用能权市场为主要研究对象，以高耗能、高排放的钢铁行业为主体，构建了基于用能权市场、碳排放权市场和绿色证书市场的系统动力学模型。由于用能权市场和碳排放市场对同一责任主体存在双重考核的影响，因此，该文提出动态双权互换机制，根据用能权价格和碳价实时更新互换比例，用能企业基于成本最优化原则在互换上限内自主选择用能权和碳排放权的交易量。同时引入绿色证书抵消机制和自主超额消纳机制，分析不同政策措施情景对系统的影响。研究结果表明，有效的政策组合和机制引入能够降低用能企业的碳排放、能耗和消纳成本，超额完成消纳目标。但在政策实施的前期阶段多市场耦合机制对整个系统所展现出的效果不明显，中后期影响较为显著。该文建议针对不同耗能级别的主体灵活调整用能权初始额度和互换比例上限，同时考虑节能减排效果和企业成本的平衡问题，并加强市场监管和激励制度。
关键词：用能权交易市场 系统动力学 节能减排 需求侧 绿证市场
为实现“双碳”目标，我国积极实施节能减排政策[1]。2015年9月，《生态文明体制改革总体方案》出台。用能权交易（Energy Use Rights Trading, EURT）首次在国家层面被提出。用能权交易是在控制用能总量的前提下，对符合标准的用能单位分配配额，使用和交易指标的行为[2]，从源头控制能源消耗；碳排放权交易是政府通过确认减排目标，采用配额制度将碳排放权分配给纳入交易体系的主体，并进行公开交易的行为[3]；绿证（Tradable Green Certificate, TGC）交易制度是为了减轻财政压力和引导绿色发展，2017年我国开始试行绿证核发和认购制度，随后又在2020年实行可再生能源配额制并落地实施[4]。
三种市场通过政策目标协同与机制联动形成紧密的耦合关系。在目标协同方面，碳市场聚焦碳排放结果管控；用能权市场从源头约束能耗总量；绿证市场则将可再生能源环境价值化，侧重激励可再生能源供给[5]。在机制联动方面，用能权市场与碳市场在覆盖范围和机制上形成互补。用能权约束倒逼企业节能改造，间接减少碳排放；碳交易通过成本内部化推动企业控排，实现能耗、排放的“双控”[6]。碳市场与绿证市场通过电网碳强度和数据核算实现联动。绿证交易通过证明绿电消费，可降低企业火电用电量和隐含碳排放量，进而影响碳市场配额需求。用能权市场与绿证市场则在抵扣机制和企业行为上形成衔接。绿证交易对应电量可纳入节能指标核算，企业购买绿证对应的可再生能源电量，在其用能权配额中予以抵扣。然而，在执行过程中，由于三个市场分属不同部门，协调成本较高，易引发重复监管或监管空白。此外，碳核算、能耗统计、绿证核发等标准尚未完全统一，会影响市场间配额抵扣和有效衔接。最后，数据壁垒与技术瓶颈也制约了多市场数据互通和技术标准更新，跨市场数据共享机制的缺失导致出现重复计算或数据孤岛现象。
目前，已有学者对这三种市场做了大量研究。由于这三种政策的实施时间和发展阶段有一定差异，因此对这三种政策的研究方向和侧重点也有所不同。用能权制度实施较晚，研究的侧重点主要是对交易机制设计的完善[7]、政策的实施效果[8-9]，以及从法律层面考虑用能权属性的界定[10]，以法律义务为重心考察“用能权”制度，防止将“用能权”过度公权化。文献[7]以四川省为例，以降低区域能源脆弱性为目标，改进用能权交易制度。文献[8-9]分别通过优化决策模型和双重差分法研究此政策对企业能耗、能效、经济效率和空气污染的影响，此政策不仅能增效减耗，还可通过促进产业结构升级和技术创新抑制空气污染。在碳交易方面，研究方向集中于碳配额分配[11]和碳交易策略[12-13]。如文献[11]在现有碳配额分配框架下，根据区域碳交易机制特征与电力行业运行特性，构建了跨区域碳市场环境下的发电企业碳配额优化分配方法，结果表明，所提方法能公平合理地分配碳排放配额。文献[12-13]分别提出了考虑两阶段碳交易的综合能源微网博弈运行方法和基于纳什谈判的综合能源系统博弈模型，并验证其方法优越性。还有学者发现用能权和碳排放权组合会产生更好的效果[14]，可有效地鼓励企业节能减排。随着清洁能源的大力发展，配额制下的绿证交易市场被学者关注的是绿证交易对绿电消纳的影响[15-16]和可再生配额指标的制定[17]。鉴于绿证交易与碳交易关系密切，也有很多学者关注碳-绿证联合的交易模式[18-19]，探究“双碳”背景下两种政策耦合的潜力。尽管目前对于市场型节能减排政策的研究取得了一定成就，但从研究内容看，考虑两种政策的组合情形较多，考虑到三种减排政策影响的很少，多是以发电商和供给侧为研究主体，缺少能源用户视角下的互动研究。从研究方法看，采用双重差分法、建立博弈模型等方法较多，在评估政策协同效应的量化研究中，传统方法面临多维变量交互作用的解析瓶颈。相比之下，系统动力学具有处理非线性动态关系和高维复杂系统的能力，可精准刻画多重反馈回路时变系统的演化轨迹[20]，通过仿真揭示系统的内在耦合机制，为优化政策组合方案提供科学依据[21]，目前已广泛应用于社会、经济等政策模拟中。因此，本文采用系统动力学方法来分析三种政策组合对节能减排的影响。
在“双碳”目标背景下，研究高耗能企业用能行为具有重要价值，钢铁行业作为国家规定的大型工业用电行业，具有高耗能、高排放的特点。因此本文选用钢铁企业为需求侧用能主体，该用户在区域电力负荷占比较重，且符合纳入三种市场考核的要求。由于能源消耗模式和排放水平类似，因此该研究同样适用于其他高耗能大用户。本文提出动态双权互换机制，根据用能权价格和碳价实时更新互换比例，用能企业基于成本最优原则在互换上限内自主选择用能权和碳排放权的交易量。另外考虑购电责任主体的消纳责任，引入现有政策绿证抵消机制和超额消纳机制，研究高耗能企业在多市场中的交易行为，对用能企业实现高效清洁用能、成本控制及完成减排目标具有重要意义。在此基础上，本文构建了基于用能权市场、碳排放权市场及绿证市场间的系统动力学模型，探讨在不同政策情景中系统所受的影响，为实现我国节能减排提出切实可行的建议。
用能权交易可促进用能企业能源消费总量控制和绿色技术创新；碳排放权交易是控制温室气体排放的政策工具；绿证交易旨在促进可再生能源发电占比[22]。为了充分发挥市场机制在推动节能减排方面的作用，形成有效的激励约束机制，必须实现三种市场机制的有效衔接。
用能企业单位产品耗能量的改变会同时影响综合总耗能量和碳排放总量，说明用能权和碳排放权对用能企业进行了双重考核[23]，两项制度有重叠部分，同时耗能指标与碳排放指标可互相量化。目前还未有政策明确制定双市场配额互换标准，亟须探索联合考核机制，防止双重考核。因此，本文建立了动态双权互换机制，允许用能单位在一定限制条件下进行双权的互换交易[24]。有学者根据二氧化碳和标准煤的排放值得出：燃烧1 t标准煤将释放2.54 t二氧化碳，因此1个用能权可与2.54个碳排放权互换[25]，可将此互换比作为两权互换的基准值。在此前提下，交易主体在互换上限的约束下，选择成本最优的市场进行交易[26]。同时引入现有政策绿证抵消机制和自主超额消纳机制。纳入能耗考核的用能主体可通过购买绿证抵消消纳额度，且绿证不得进行出售，当用能企业超额消纳时，超额部分折算的能耗量不计入用能权能耗考核[27]，可有效降低用能权的交易成本。
本文系统边界包括用能企业履约节能减排及消纳义务的过程，包含市场供需关系、综合成本、节能减排政策、消纳政策等影响因素。本文在构建模型时做出假设：
（1）配额内用能额度免费，超出额度有偿使用。
（2）能耗考核总量不包含生物能、风能和太阳能等可再生能源。
（3）绿证和电力独立交易，不存在捆绑交易。
（4）企业暂不考虑国家核证自愿减排量（China Certified Emission Reduction, CCER）交易。
（5）只考虑传统工业行业内的碳排放权交易，不考虑与其他行业间的碳排放权交易。
本文构建了用能权市场、碳排放权市场和绿证市场耦合系统，系统因果关系如图1所示。
图1 三市场模型因果关系
Fig.1 Three market model causality diagram
用能企业的总耗能量会直接影响用能权交易量，同理碳排放总量也会影响碳配额的数量，由于市场供需影响市场价格的原理，用能权需求和碳排放权需求的增加会直接促使用能权价格和碳价的上涨，互换比变化量又同时受到用能权和碳权价格的影响，合理的互换比会降低用能权市场和碳市场的交易成本；绿证超额需求增加会促使绿证价格和风光能源利润增加，间接导致风光发电量的增加，同时绿电的需求增加也会促使绿电发电量的增加，使绿电电价降低，增加了企业的绿电超额消纳量，使购电成本和购入电力碳排放量下降。成本降低致使利润升高，碳减排技术和设备升级的投入资金增加，最终导致碳排放总量和总耗能量下降。
三市场耦合下的存量流量如图2所示，详细揭示了系统内部反馈机制，并进行动态行为模拟与预测。
模型主要函数关系式如式（1）～式（38）所示。
（1）
（2）
（3）
（4）
（5）
（6）
（7）
（8）
图2 三市场耦合存量流量
Fig.2 Three market coupling stock flow
（9）
（10）
（11）
（12）
（13）
式中，E为能耗强度；Ei为初始能耗强度；Er为能耗强度降低率；Sue为用能权供给；GDP为国内生产总值；δn为能源约束因子；
为政府预留配额；Due为用能权需求；Et为能源消费总量；μe为可再生能源消费占比；Pur为用能权价格变化；Pui为用能权初始价格；Que为用能配额净需求；Ct为总量控制系数；Ce为单位产品耗能量；Fue为用能权免费配额；Ec为综合总耗能量；Pu为用能权价格；Ev为互换比变化量；Pc为碳价；Ex为互换比；Cpc为单位产品耗煤量；Rc为耗煤量变化量；Fu为用能权最终交易量；θe为最大互换比例；Tu为用能权初始交易量；Tc为碳排放权初始交易量；Cpt为单位产品耗电量；Re为耗电量变化量；αsc为原煤折算标准煤系数；αce为煤电换算系数；SMOOTH为平滑函数。
各参数单位如下：用能权价格单位为元/t标准煤；与用能权数量相关的变量及综合总耗能量单位为万t标准煤；能源消费总量为亿t标准煤；能耗强度为t/万元；单位产品耗煤量单位为t煤/t；煤电换算系数单位为t标准煤/(kW·h)；购电量单位为亿kW·h；互换比的单位为t二氧化碳/t标准煤；其他物理量无量纲。
（14）
（15）
（16）
（17）
（18）
（19）
（20）
（21）
（22）
（23）
（24）
式中，Ff为免费碳配额；τc为碳减排系数；Tec为碳排放总量；Sca为固碳率变化量；Irc为碳减排技术投入；Cccus为固碳成本；Cec为燃煤排放量；Tp为产品产量；βce为单位标准煤碳排放系数；Pvc为碳价变化；Dec为碳权超额需求；Sc为碳排放供给；Stc为碳排放强度；Sti为碳排放强度初始值；Ra为碳排放强度降低率；Fc为碳排放权最终交易量；Dc为碳排放需求；Eti为传统工业能源消费量；Cth为购入火电排放量；Pht为火电购电量；ρc为区域电力碳排放因子；Cpr为生产过程碳排放量；Sec为固碳量。
各参数单位如下：碳价单位为元/t；与碳排放数量和产品产量相关的单位为万t；单位产品碳排放量和标准煤碳排放系数单位为t（二氧化碳）/t；减排技术投入单位为万元；碳捕集、利用与封存成本单位为t/元；碳排放强度单位为t/万元；能源消耗量单位为亿t；其他物理量无量纲。
（25）
（26）
（27）
（28）
（29）
（30）
（31）
（32）
（33）
（34）
（35）
（36）
（37）
（38）
式中，Phc为传统发电厂绿证持有量；Piv为传统发电厂绿证初始持有量；Sg为绿证出售数量；Sug为上缴绿证数量；Ecr为可再生能源在建装机；Cbr为开始建设时装机容量；Ccf为建设完成时装机容量；Ire为可再生能源装机；Ini为初始装机容量；ωe为电力需求增长率；Pws为风光利润；Hws为风光利用小时数；Pvg为绿电价格变化；Qge为绿电超额需求；Pg为绿电价格；Geg为绿电发电量；Pgc为绿证价格；Pvgc为绿证价格变化；Pth为火电价格；Pct为总耗电量；Gcb为绿证购买量；αcr为可再生能源消纳比例；Phg为绿电购买量；Ssc为应消纳量；Ge为绿电超额消纳量；DELAY FIXED为模拟固定延迟时间的函数。
各参数单位如下：绿证、绿电、火电的价格和风光能源利润的单位为元/(kW·h)；与绿证数量相关的单位为亿MW·h；装机容量单位为亿kW；风光利用小时数单位为h；购电量、消纳量和电力需求单位为亿kW·h；发电量和耗电量单位为亿kW·h；其他物理量无量纲。
对模型设定的数据赋值，数据设定模拟时间为156个月，考虑到中国用能权交易市场试点交易在2017年开始运行，模型以2018年为基期，时间步长为1个月，即2018—2030年。2017年为起始年，对模型进行仿真，得到2018—2023年的仿真数据。根据国家统计局数据和《中国统计年鉴》，数据设定为：2018年全国GDP初始值为90.03万亿元，GDP增长率为0.55%；根据我国各市场试点的交易价格对初始值进行定价，碳价初始值为60元/t，用能权初始价格为180元/t，绿证初始价格为0.11元/ (kW·h)。碳排放权和用能权指标的互换比初始值为2.54[25]。总量控制系数来源于文件《福建省2018年度用能权指标分配方案》。本文基于对S钢铁公司的调研，设定初始年产粗钢量为2 734万t；由中钢协提供数据设定初始吨钢能耗为0.555 t（标准煤）/t，吨钢电耗初始值为430 kW·h/t。
表1对比了系统动力学方法与主流政策模拟工具在市场效果评估中的特性差异。分析表明，系统动力学方法在模拟非线性关联、长期动态反馈循环及多政策耦合系统方面具有显著优势，尤其适用于复杂市场系统的政策协同效应研究。
表1 政策市场仿真模拟方法对比
Tab.1 Comparison of policy market simulation methods
模拟方法优势局限性 系统动力学擅长非线性、动态反馈、长期演化、多政策协同等模拟数据要求较高 一般均衡模型（CGE）可量化政策影响效果、量化结果直观数据需求极大、模型复杂导致黑箱化风险和不确定性 合成控制法（SCM）单一政策评估较好、数据要求低难以处理多政策叠加干扰和动态复杂效应、无法识别非线性关系 双重差分法（DID）模型简单、适用场景广泛伪动态反馈、非线性关系捕捉困难、无法量化行为调整的累积效应
尽管其他方法在特定场景（如静态均衡分析、单一政策模拟）中展现出应用价值，但在处理跨时空尺度动态交互、捕捉政策组合非线性效应等方面存在明显局限。综合比较各方法的理论边界与应用约束（见表1），系统动力学因其在系统复杂性表征与动态过程建模上的完备性，被验证为多政策市场协同效果模拟的优先选择。
通过模拟数据与实测数据的有效性校验，当精度指标达到预设阈值时，判定该模型具备实际应用价值。鉴于模型构建存在局限性，建模过程可能存在无法涉及的因素，允许模拟值与真实值存在10%以内的误差。本文采用历史性检验方法，将碳排放量和耗能总量、国内生产总值（GDP）作为检验变量，对比仿真值与历史真实值，并计算误差。真实性检验结果结果见表2，检验结果显示仿真值与真实值的误差均不超过10%，证实本文所建立的模型拟合度好，可用来仿真。
表2 真实性检验结果
Tab.2 Authenticity test results
年份碳排放总量综合总耗能量国内生产总值 仿真值/万t真实值/万t误差(%)仿真值/万t真实值/万t误差(%)仿真值/万亿元真实值/万亿元误差(%) 20185 406.165 544.55-2.481 466.641 517.37-3.3692.7590.032.93 20195 318.825 158.523.111 472.231 527.94-3.6198.6998.650.04 20205 646.225 940.21-4.951 706.861 853.23-7.93104.64101.363.13 20215 988.726 233.72-3.931 964.691 944.561.02110.58114.92-3.92 20225 638.125 918.05-4.731 814.731 863.48-2.63116.52121.02-3.86 20235 447.135 708.51-4.571 812.471 870.41-3.11122.46126.06-2.94
在模型中，政策因素间关系的改变会导致未知的多样性和风险性，产生对目标更有益的结果或抵消作用甚至低于单一政策效果。根据《中国能源展望2030》，基准情景为2018—2030年能耗强度下降25%。中国在哥本哈根气候峰会上做出减排承诺“实现2030年单位GDP温室气体排放比2005年下降60%～65%的目标”，本文碳供给量通过单位GDP碳排放量来计算，基准情景为到2018—2030年降低48%。本文通过设定情景分析确认政策的最佳效果，在多市场耦合情景下，改变变量范围可将模型分为五种情景，并将以上五种情景与基准情景做对比，六种情景设计见表3。
表3 情景设计
Tab.3 Scenario design
情景设置能耗强度降低率(%)碳排放强度降低率(%)绿电基准价格/[元/(kW·h)]最大互换比例 情景0：基准情景25480.550.2 情景1：调整节能减排强度降低率35580.550.2
（续）
情景设置能耗强度降低率(%)碳排放强度降低率(%)绿电基准价格/[元/(kW·h)]最大互换比例 情景2：调整节能强度与绿电补贴力度35480.450.2 情景3：调整减排强度与绿电补贴力度25580.450.2 情景4：低强度节能减排市场互换措施10300.650.1 情景5：高强度节能减排市场互换措施45680.350.3
图3展示了基准情景下的用能权、碳排放权、绿证及绿电的价格。由图3a可以看出在多政策并行实施的背景下，用能权市场和碳市场均展现出供不应求的局面，这种市场状况直接导致用能权价格和碳价的持续上涨，碳价的上涨趋势显得相对平稳。而用能权价格由于受到政策强度及市场成熟度等多重因素的影响，在初期0～80个月的时间内，其上涨幅度相对较小，表现出一种较为温和的增长态势。但随后，在82～156个月的期间内，用能权价格出现了迅速上涨，从230元/t快速上涨至334元/t。这一变化反映了市场供需关系的进一步紧张，建议政府发布相关政策引导市场价格健康发展。
图3 各市场价格变化趋势
Fig.3 Trends of price changes in various markets
图3b展示了绿证和绿电的价格走势。绿证价格保持缓慢平稳上涨趋势，随着促进绿证消费的政策出台、市场放量趋于稳定及中国绿证国际认可度的提升，绿证价格将缓慢上升，并逐渐与国际绿证价格接轨。同时绿电价格也会受到绿证价格的间接影响，绿证价格上涨会使绿电发电量增加，使绿电供给量增加，价格降低。由图3b可知，绿电价格与绿证价格呈相反的下降趋势，最低达到了0.33元/(kW·h)。随着能源转型的加速推进，传统能源在能源结构中的比例将逐步降低，绿电价格逐渐大众化，更利于绿色健康发展。
图4通过对比展示了在引入动态双权互换机制前后的双市场交易量动态变化。同时为了限制企业在任一市场中的过度交易行为，本文设置了互换比例上限，有效地避免了单一市场因过度投机或垄断而引发的价格急剧攀升现象，便于维护市场的稳定运行。图4a与图4b通过对比显示了用能权交易量在动态互换机制实施后的明显下降趋势。99个月之前的情景1和情景0、情景2、情景3的趋势相似，说明前期通过调整部分政策力度所展现出的效果不明显。后期除了情景4以外的情景都经历了上下剧烈波动，这主要是由于其他情景下的单位产品耗能量达到了总量控制系数的临界点，使得交易量上下波动，而情景4的初始交易量趋势平稳，没有剧烈波动，说明情景4下的单位产品耗能量下降不明显，未使总量控制系数改变。情景5提前向下波动，说明此情景下单位产品耗能量下降速度最快，同时对多政策力度进行调整更有利于单位产品耗能的下降。再对比用能权初始交易量和最终交易量可以发现，用能权最终交易量整体下降幅度明显，情景5的下降趋势更多，这是由于此情景的最大互换比例增加所致。而情景3最终交易量后期呈现一段时间的上升，情景4由初始交易量的平稳趋势变成了上涨转平稳趋势，都是由于这一段时间内用能权价格相对碳价成本更低。在这六种情景下，企业更倾向于进行碳市场交易，因此一部分用能权交易量被转换成了碳交易量。
图4 交易量变化对比
Fig.4 Comparison of changes in trading volume
由图4c和图4d可知，碳排放权初始交易量除情景4以外整体相差不大，情景4交易量较高，情景5最低，表明情景5的碳减排效果强于情景4，无需购买更多的碳排放权。反观碳排放权最终交易量，情景4的交易量反而最低，表明在此情景中碳价上涨速度大于用能权价格的上涨速度，导致企业倾向于在用能权市场交易。受到用能权交易量和互换比的影响，后期开始上下波动，同时碳排放权最终交易量呈现整体上升的状态，表明在这六种情景中在碳市场中交易成本最优。
图5呈现了基准情景下，实施动态双权互换机制的成本节约效果。图5a显示，在用能权市场上，由于企业通过互换机制将部分用能权交易量转让至碳市场以达到更低的减排成本，直接导致用能权需求的减少，从而显著降低了该市场的交易成本。与此同时，碳市场获得额外的交易量，碳排放权需求增加，推动碳价上涨，进而提升了碳市场的交易成本。总体来看，尽管碳交易出现成本上升的现象，但并未影响整体市场机制的优化与效益提升。用能权市场成本的显著下降有效地对冲了碳市场成本增加带来的压力，使得双市场在协同作用下，实现了成本的净节约。如图5b所示，平均每年节省的成本高达653.61万元，直观地反映了市场机制在资源配置效率上的显著提升，也是对政策设计合理性与实施有效性的有力证明。
图5 双市场成本变化情况
Fig.5 Changes in the cost of the dual market
此外，这种成本节约的示范效应还会促进用能权和碳市场的健康发展。更多企业看到节能减排带来的实际利益，将更加愿意并主动参与到这两个市场中，通过市场交易实现资源的优化配置和高效利用。
图6展示了单位产品耗电量和耗煤量的变化趋势。可以看出耗电量呈现逐年上涨，而煤耗却逐年下降。一方面是因为耗电量在能耗中占比较小，煤耗占比较大，所以企业注重优先投资先进技术，如采用余热余能回收技术可以充分利用生产过程中的余热资源，降低煤耗；另一方面由于中后期企业响应国家号召减少产量，固定电耗分摊到更少的产量上也会导致单位电耗增加，而粗钢产量减少会导致焦炭需求量的下降，进而降低煤耗。
图6 耗能情况
Fig.6 Energy consumption
图7展示了六种情景下的企业用能权市场和碳市场交易成本情况。在32～46个月期间，企业因市场需求提高产量，导致此阶段内交易成本激增。情景1在基准情景的基础上，对能耗强度降低率和碳排放强度降低率进行双重调整，旨在通过技术创新和生产优化来减少能耗和碳排放，进而降低成本。然而，模拟结果显示，情景1的交易成本在前中期要高于基准情景，后期呈现反复振荡略低于基准情景，表明此情景下企业节能减排效果较好，但成本略高。
图7 市场交易成本
Fig.7 The comprehensive energy cost of carbon electricity
情景2和情景3在113个月前趋势基本一致，然而情景3后期成本开始上涨，情景2则呈现波动下降趋势，表明对能耗强度政策和绿电价格补贴政策的侧重更有助于用能企业降低成本。前期情景0和情景4的交易成本相差不大，而后期情景0忽然出现缓慢上升的趋势，情景4则一直是较平稳的趋势，这是由于情景4的碳价和用能权价格始终处于低位，导致整体交易成本低于基准情景，但是此情景不利于节能减排。情景5的交易成本全程低于前两种情景，表明改变多政策实行力度能有效影响企业节能减排，因此需要政府和企业在节能减排的同时还要考虑用能企业的成本。
图8展示了不同情景下的碳排放情况。从图8a可以看到，企业固碳量在历经29个月的时间节点后，增长速度显著加快。这主要是由于碳捕集、利用与封存（Carbon Capture, Utilization and Storage, CCUS）技术不断进步和成本下降，固碳效率得以提升。此外，随着用能企业利润增加，可以有更多的资金投入减排技术中，进一步促进了固碳量快速增长。前期情景1的固碳量最高，情景2和情景3的固碳量稍差，而到后期情景2和情景3才呈现波动上涨趋势。由此可见，前期同时调整能耗强度降低率和碳排放强度降低率可有效提高企业固碳量，只侧重于单一政策的调整不能有效降低碳排放量，而后期就要侧重考虑绿电价格补贴政策的力度，对于碳减排的影响更加显著。
图8 碳排放情况
Fig.8 Carbon emissions
前55个月中情景4和情景5的固碳量相差不大，之后情景4呈现逐年向下趋势，而情景5交叉波动上升，表现了情景4下的企业固碳技术较落后，导致固碳量逐年下降的趋势，不利于社会碳减排。碳排放总量与固碳量关系紧密，因此在图8b中可以看到情景5的碳排放总量最优，情景4的碳排放总量最高。尽管在某些时段内有所波动，但整体上呈现逐步下降的趋势。
图9展示了基准情景下用能企业的购电策略与消纳情况，表现用能企业在面对不同能源价格时对电力资源的优化配置。图9反映了企业在达到年度消纳额度的前提下，通过灵活调整火电、绿电及绿证的购买组合，实现运营成本最优化。在规定消纳额度内火电与绿证综合成本低于直接购买绿电价格时，企业倾向于优先购买绿证满足消纳要求，而在规定消纳额度以外的用电部分则根据成本最优化选择购买火电或绿电。
图9 购电及消纳情况
Fig.9 Electricity purchase and consumption
由图9a可知，2018—2026年，企业采取组合购买绿证与直接购买绿电的双重方式履行消纳任务。在此过程中，企业逐年调整其能源消费结构，绿证购买量呈现稳步下降趋势。根本原因在于随着可再生能源技术进步和产能扩大，绿电生产成本降低，导致绿电价格持续下降。相较于早期较高的绿电价格，直接购买绿电在经济上更加划算。与此同时，绿证价格呈现缓慢上涨的趋势，部分原因在于政府政策调整、市场供需关系的变化。直至2027年，企业停止购买绿证以抵消其消纳额度，转而直接购买绿电消纳，反映了绿电市场机制的成熟与完善。随着技术进步和市场需求的进一步增长，企业开始追求并实现了绿电的超额消纳，在满足自身生产所需电力的同时还主动承担更多的社会责任。
由图9b可知，2018—2021年，企业在完成强制性消纳指标后，出于成本控制的考虑，普遍倾向于继续使用成本更低的传统电力。但在2022年，企业绿电超额消纳量激增，达到了43.12亿kW·h，标志着企业在绿电使用上的积极转变。此后，从2022年开始，企业自主选择使用更多绿电进行生产，超额消纳量呈现逐年波动但总体增加的趋势。这种趋势的形成，一方面得益于绿电价格的下降，另一方面也离不开政府政策的持续推动，包括税收优惠、补贴政策等，这些政策为企业提供了更多的经济激励和灵活性。
图10展示了用能企业在面对不同能源价格时采取最优消纳组合降低的成本情况。图10a展示了购电成本的降低量，由于用能企业的规模较大，购电成本的降低量很可观，其中2030年降低了28.82亿元购电成本，平均每年节约17.77亿元，有效地减轻了财务负担。在2018—2030年的未来展望期内，企业因采用绿证抵消和超额消纳机制，实现了购电成本的大幅削减，累计节省金额高达约231.03亿元。
图10 成本变化
Fig.10 Cost changes
本文从需求侧用能企业角度进行三市场耦合的模型设计，提出了用能权市场与碳市场动态双权互换机制。引入绿证抵消和超额消纳机制，通过仿真分析得出以下结论：
1）以往用能企业只需履行碳配额，履约途径选择单一，将用能权市场与碳市场进行耦合并加入动态互换机制，有助于企业自主选择履约途径，在成本最优化的前提下激励企业完成节能减排的任务。
2）在政策实施的前期阶段多市场耦合机制对整个系统所展现出的效果不明显，中后期的影响较为显著，例如，用能权价格在前期相对平稳，但在82～156个月的期间内，价格从230元/t快速上涨至334元/t；对比碳市场和用能权市场的前后期的交易量也可以发现，后期交易量波动巨大，都反映了市场供需关系的进一步紧张，建议政府发布相关政策引导市场价格健康发展。
3）前期同时调整能耗强度和碳排放强度降低率可有效提高企业固碳技术和固碳量，只侧重于单一政策的调整不能有效降低碳排放量，而后期就要侧重考虑绿电价格补贴政策的力度，对碳减排的影响更加显著。
4）引入绿证抵消和超额消纳机制后，用能企业消纳成本与用能权交易成本显著下降，这一策略不仅有助于企业减轻直接购买高价绿电的经济负担，还促进了可再生能源市场的发展。
5）绿电超额消纳量受到多个因素的影响，其中主要包括绿电价格、火电价格和绿证价格等，2022年绿电和绿证价格优于火电价格，因此企业的绿电超额消纳量达到了43.12亿kW·h。此后，从2022年开始，企业自主选择使用更多绿电进行生产，超额消纳量呈现逐年波动但总体增加的趋势。通过控制多市场供需改变电力价格，可以间接影响用能企业的消纳量，激励用能企业低碳绿色发展，其中绿电基准价格的调整会严重影响企业的购电成本。
根据以上研究结果分析，实施用能权、碳排放权和绿证市场的交易，一方面可以有效促进用能企业节能减排和消纳；另一方面能够相对降低企业成本，促使责任主体与多市场之间形成健康的生态循环。但用能权的初始配额分配方法应根据用能企业的实际情况而定，以及如何平衡节能减排和企业交易成本，并依照市场发展的阶段灵活调整，还有待进一步研究。
参考文献
[1] 董雷, 李扬, 陈盛, 等. 考虑多重不确定性与电碳耦合交易的多微网合作博弈优化调度[J]. 电工技术学报, 2024, 39(9): 2635-2651. Dong Lei, Li Yang, Chen Sheng, et al. Multi-microgrid cooperative game optimization scheduling considering multiple uncertainties and coupled electricity-carbon transactions[J]. Transactions of China Electrotechnical Society, 2024, 39(9): 2635-2651.
[2] Cui Huanyu, Cao Yuequn. Energy rights trading policy, spatial spillovers, and energy utilization performance: Evidence from Chinese cities[J]. Energy Policy, 2024, 192: 114234.
[3] 洪芦诚, 王梓萩, 林今, 等. 电-碳-绿证市场背景下电氢协同典型形态及参与模式研究综述[J/OL]. 电工技术学报, 2024: 1-18. [2024-12-03]. https:// link.cnki.net/doi/10.19595/j.cnki.1000-6753.tces.241914.Hong Lucheng, Wang Ziqiu, Lin Jin, et al. A review of typical forms and participation models of electricity-hydrogen synergy in the context of electricity-carbon-green certificate markets[J/OL]. Transactions of China Electrotechnical Society, 2024: 1-18. [2024-12-03]. https://link.cnki.net/doi/10. 19595/ j.cnki.1000-6753.tces.241914.
[4] Tu Qiang, Mo Jianlei, Betz R, et al. Achieving grid parity of solar PV power in China-the role of tradable green certificate[J]. Energy Policy, 2020, 144: 111681.
[5] 张翔, 陈政, 马子明, 等. 适应可再生能源配额制的电力市场交易体系研究[J]. 电网技术, 2019, 43(8): 2682-2690. Zhang Xiang, Chen Zheng, Ma Ziming, et al. Study on electricity market trading system adapting to renewable portfolio standard[J]. Power System Technology, 2019, 43(8): 2682-2690.
[6] 张卓拉. 碳市场—用能权市场—电力市场价格传导模型研究[D]. 北京: 华北电力大学, 2024. Zhang Zhuola. Research on the price transmission model of carbon market - energy use rights market - electricity market[D]. Beijing: North China Electric Power University, 2024.
[7] Pan Yuling, Dong Feng. Design of energy use rights trading policy from the perspective of energy vulnerability[J]. Energy Policy, 2022, 160: 112668.
[8] Zheng Qingying, Hu Haoyang, Li Jianglong. Enterprise decision-making in energy use rights trading market: a theoretical and simulation study[J]. Energy Policy, 2024, 193: 114278.
[9] Liu Mingguang, Zhang Jue, Li Gaoyang. Can energy-consuming rights trading policies help to curb air pollution? evidence from China[J]. Energies, 2024, 17(15): 3860.
[10] 刘卫先, 侯善钦. 对“用能权”权利性质的几点质疑: 兼论“用能权”的法律义务本质[J]. 中国石油大学学报(社会科学版), 2025, 41(1): 47-55. Liu Weixian, Hou Shanqin. Questions on the nature of “energy consuming right”: also on its legal obligation essence[J]. Journal of China University of Petroleum (Edition of Social Sciences), 2025, 41(1): 47-55.
[11] 吴鸿亮, 程耀华, 张宁, 等. 跨省区碳交易机制下发电碳排放配额分配方法[J]. 电网技术, 2016, 40(11): 3440-3445. Wu Hongliang, Cheng Yaohua, Zhang Ning, et al. A study on power carbon emission quota allocation in interprovincial carbon trading mechanism[J]. Power System Technology, 2016, 40(11): 3440-3445.
[12] 李鹏, 刘浩, 李雨薇. 考虑两阶段碳交易的多园区综合能源微网混合博弈优化运行方法[J]. 电工技术学报, 2025, 40(15): 4788-4803. Li Peng, Liu Hao, Li Yuwei. Multi-park integrated energy microgrids hybrid game optimization strategy considering two-stage carbon trading[J]. Transactions of China Electrotechnical Society, 2025, 40(15): 4788-4803.
[13] 刘英培, 黄寅峰. 考虑碳排权供求关系的多区域综合能源系统联合优化运行[J]. 电工技术学报, 2023, 38(13): 3459-3472. Liu Yingpei, Huang Yinfeng. Joint optimal operation of multi-regional integrated energy system consi-dering the supply and demand of carbon emission rights[J]. Transactions of China Electrotechnical Society, 2023, 38(13): 3459-3472.
[14] Li Jialin, Chi Yuanying, Li Yuan, et al. Does the coexistence of carbon emission trading and energy efficiency trading make sense? The case of China[J]. Energy Reports, 2022, 8: 710-721.
[15] 严旭, 李明, 梁志飞, 等. 基于系统动力学模型的可再生能源消纳保障机制效果模拟[J]. 南方电网技术, 2021, 15(3): 39-46. Yan Xu, Li Ming, Liang Zhifei, et al. Market simulation of energy consumption guarantee mechanism of renewable energy based on system dynamics model[J]. Southern Power System Technology, 2021, 15(3): 39-46.
[16] 曲明, 丁涛, 白佳文, 等. 非水可再生能源电力消纳责任权重划分下的全国绿证中长期跨省交易测算分析[J]. 电网技术, 2020, 44(10): 3885-3894. Qu Ming, Ding Tao, Bai Jiawen, et al. Green certificate transaction analysis in China under responsibility for non-water renewable energy integration ratio[J]. Power System Technology, 2020, 44(10): 3885-3894.
[17] 衣博文, 许金华, 范英. 我国可再生能源配额制中长期目标的最优实现路径及对电力行业的影响分析[J]. 系统工程学报, 2017, 32(3): 313-324. Yi Bowen, Xu Jinhua, Fan Ying. Optimal pathway and impact of achieving the mid-long term renewable portfolio standard in China[J]. Journal of Systems Engineering, 2017, 32(3): 313-324.
[18] 刘晓军, 熊健, 王艺博, 等. 考虑不确定变量VMD及绿证-碳联合交易的综合能源系统经济优化调度[J]. 电工技术学报, 2025, 40(13): 4276-4291. Liu Xiaojun, Xiong Jian, Wang Yibo, et al. Economic optimization of integrated energy system scheduling considering uncertainty variables VMD and green certificate-carbon joint trading[J]. Transactions of China Electrotechnical Society, 2025, 40(13): 4276-4291.
[19] 周亦洲, 吴俊钊, 孙国强, 等. 面向多级电-碳耦合市场的虚拟电厂两阶段鲁棒交易策略[J]. 电力系统自动化, 2024, 48(18): 38-46. Zhou Yizhou, Wu Junzhao, Sun Guoqiang, et al. Two-stage robust trading strategy for virtual power plant in multi-level electricity-carbon coupling market[J]. Automation of Electric Power Systems, 2024, 48(18): 38-46.
[20] 冯天天. 绿证交易及碳交易对电力市场的耦合效应分析模型研究[D]. 北京: 华北电力大学, 2016. Feng Tiantian. Research on the coupling effect analysis model of green certificate trading and carbon trading on the electricity market[D]. Beijing: North China Electric Power University, 2016.
[21] 李璐, 张泽端, 毕贵红, 等. “双碳”目标下基于系统动力学的发电行业碳减排政策研究[J]. 电力系统保护与控制, 2024, 52(12): 69-81. Li Lu, Zhang Zeduan, Bi Guihong, et al. Carbon emission reduction policy in the power generation sector based on system dynamics with “dual carbon” targets[J]. Power System Protection and Control, 2024, 52(12): 69-81.
[22] 董福贵, 时磊. 可再生能源配额制及绿色证书交易机制设计及仿真[J]. 电力系统自动化, 2019, 43(12): 113-121. Dong Fugui, Shi Lei. Design and simulation of renewable portfolio standard and tradable green certificate mechanism[J]. Automation of Electric Power Systems, 2019, 43(12): 113-121.
[23] 孙晶琪, 张卓拉, 周振茜, 等. 用能权市场和碳市场协同下火电企业配额履约策略[J]. 中国环境科学, 2024, 44(4): 1840-1850. Sun Jingqi, Zhang Zhuola, Zhou Zhenxi, et al. Quota compliance strategies of thermal power enterprises under the coordination of energy-consuming right trading and carbon emission trading market[J]. China Environmental Science, 2024, 44(4): 1840-1850.
[24] 康家梁, 杭莎妮. 用能权制度与碳减排制度协同: 以浙江省为例[J]. 河北环境工程学院学报, 2020, 30(6): 78-82. Kang Jialiang, Hang Shani. Synergy of energy use trading system and carbon emission trading system: taking Zhejiang Province as an example[J]. Journal of Hebei University of Environmental Engineering, 2020, 30(6): 78-82.
[25] 涂华, 刘翠杰. 标准煤二氧化碳排放的计算[J]. 煤质技术, 2014, 29(2): 57-60. Tu Hua, Liu Cuijie. Calculation of CO2 emission of standard coal[J]. Coal Quality Technology, 2014, 29(2): 57-60.
[26] 苏苑. 用能权交易与碳排放权交易的协同经济效益分析: 基于中国分省份-分行业数据的证据[D]. 济南: 山东大学, 2022.Su Yuan. Analysis of the synergistic economic benefits of energy use rights trading and carbon emission rights trading[D]. Jinan: Shandong University, 2022.
[27] 方程. 消纳责任权重下电力协同市场交易模式研究[D]. 北京: 华北电力大学, 2022. Fang Cheng. Research on the trading mode of power synergy market under the weight of consumption responsibility[D]. Beijing: North China Electric Power University, 2022.
Abstract Most of the energy conservation and emission reduction policies in the electricity market focus on the supply side, with less attention paid to the demand side. There is a lack of collaborative research between demand-side energy consumption rights policies and other energy conservation and emission reduction policies. In response to this phenomenon, this paper takes the demand-side energy consumption rights market as the main research object, constructs a systematic dynamic model based on the energy consumption rights market, carbon market and green certificate market, and simulates and predicts the future price trends of each market and the impact of multi-policy market collaboration under different scenarios.
Firstly, based on the coupling mechanism of the energy consumption rights market, the carbon market and the green certificate market, the coupling models of the three markets are established through the system dynamics method. Since the system dynamics method has significant advantages in simulating nonlinear correlations, long-term dynamic feedback loops and multi-policy coupling systems, it is suitable for the study of policy synergy effects in complex market systems. Secondly, energy consumption rights and carbon emission rights conduct dual assessment on energy-consuming enterprises. The two systems have overlapping parts and can be quantified mutually. Therefore, this paper establishes a dynamic dual-rights swap mechanism. The swap ratio is updated in real time according to the energy consumption rights price and carbon price. The trading subjects choose the market with the best cost for trading under the constraint of the swap upper limit. At the same time, considering the consumption responsibility of energy-consuming entities, the existing policy green certificate offset mechanism and the autonomous excess consumption mechanism are introduced. Finally, the results are obtained by analyzing the simulation examples in different scenarios. Under certain conditions, the coordinated operation of multiple policies and markets has a significant promoting effect on enterprises to achieve energy conservation and emission reduction.
The research concludes that: (1) Multi-market synergy helps enterprises choose the ways to fulfill their obligations and encourages them to achieve energy conservation and emission reduction. (2) The influence of the multi-market coupling mechanism is not obvious in the early stage, but more significant in the middle and later stages. If the price of energy consumption rights was relatively stable in the early stage, but rose rapidly from 230 yuan per ton to 334 yuan per ton in the later stage; By comparing the trading volumes of the carbon market and the energy consumption rights market, it is found that the trading volume fluctuates greatly in the later stage, reflecting the tension of the supply and demand relationship. It is suggested that policies be introduced to guide the healthy development of market prices. (3) Adjusting the reduction rate of energy consumption intensity and carbon emission intensity in the early stage can effectively increase the carbon sequestration capacity of enterprises. In the later stage, it is necessary to pay close attention to the intensity of the green electricity price subsidy policy, which has a more significant impact on carbon reduction. (4) The green certificate offset and excess consumption mechanism effectively promotes the reduction of consumption costs and energy consumption rights transaction costs for energy-consuming enterprises. (5) Excessive consumption of green electricity is influenced by factors such as green electricity prices and green certificate prices. Among them, the adjustment of the benchmark price of green electricity will seriously affect the electricity purchase cost of enterprises.
Keywords:Trading markets with energy rights, system dynamics, energy saving and emission reduction, demand side, green certificate market
DOI: 10.19595/j.cnki.1000-6753.tces.250494
中图分类号：TK01+8; TM73
国家重点研发计划资助项目（2022YFB2703500）。
收稿日期 2025-03-27
改稿日期 2025-06-03
李 璐 女，1976年生，博士，副教授，硕士生导师，研究方向为电力市场、可再生能源政策、能源经济。E-mail：103586871@qq.com
毕贵红 男，1968年生，博士，教授，硕士生导师，研究方向为新能源系统的建模、优化和智能数据分析。E-mail：KM_BGH@163.com（通信作者）
（编辑 赫 蕾）