“双碳”目标下中国清洁能源目标差异再评估

摘 要：基于Meta文献分析方法，对清洁能源生产与消费预测的既有研究成果进行综合分析，并对“双碳”目标背景下中国清洁能源发展目标进行再评估。研究结果表明，中国清洁能源平均生产量将在2025年、2030年、2035年、2050年、2060年分别达到8.94亿吨标准煤（占比34.97%）、12.69亿吨标准煤（占比44.24%）、16.45亿吨标准煤（占比53.50%）、27.71亿吨标准煤（占比81.29%）和35.22亿吨标准煤（占比99.82%）。另外，未来中国清洁能源平均消费量将从2025年的13.31亿吨标准煤（占比26.71%）增长到2030年、2035年、2050年、2060年的17.06亿吨标准煤（占比35.98%）、20.82亿吨标准煤（占比45.24%）、32.08亿吨标准煤（占比73.03%）和39.59亿吨标准煤（占比91.56%）。为实现“双碳”目标，提出进一步深化清洁能源预测与研究、加大系列综合政策实施力度推进清洁能源转型、科学构建清洁能源发展目标的动态调整机制三个方面的政策建议。

关键词：“双碳”目标；清洁能源；Meta分析

基金项目：国家自然科学基金面上项目“碳中和目标下清洁能源省域消纳机理及路径研究：基于多尺度空间视角”（72173133）。

［中图分类号］ F426 ［文章编号］ 1673-0186（2024）006-0070-016

［文献标识码］ A      ［DOI编码］ 10.19631/j.cnki.css.2024.006.005

能源危机与气候变化是当前和今后一个时期全球重点关注的议题。在第28届联合国气候变化大会（COP28）上，超过117个国家同意到2030年将全球可再生能源的装机容量提升3倍。会议还指出采取公正、有序和公平的方式在能源系统转型中脱离化石燃料的重要性，清洁能源大范围开发与全球能源的清洁化转型已是大势所趋［1］。2020年，习近平总书记正式提出我国“碳达峰”“碳中和”（简称“双碳”）目标，并在党的二十大报告中强调，要推动工业、建筑、交通等领域能源清洁高效利用，助力低碳转型。中国能源的清洁化转型将成为未来很长一段时期的重点工作。

一、中国清洁能源发展现状与文献综述

当前中国的能源生产和消费模式正在发生剧烈变化。根据国家统计局统计，从生产侧来看，2022年，中国的一次能源生产总量达到46.6亿吨标准煤，清洁能源（包括天然气、水电、核电、风电和太阳能等）生产量（或发电量）占能源生产总量的14.1%。从消费侧来看，中国能源消费总量为54.1亿吨标准煤，其中清洁能源消费量占能源消费总量的25.9%①。清洁能源在总能源生产、消费中的占比稳步增长，中国高耗能行业也已经进入能源清洁化转型的关键期［2］。2022年，国家发展改革委  国家能源局发布《“十四五”现代能源体系规划》，对“十四五”时期中国能源体系发展做出规划。具体来看，中国现代化能源体系建设的主要目标为：到2025年，国内能源年综合生产能力达到46亿吨标准煤以上，天然气年产量达到2 300亿立方米以上，非化石能源消费比重提高到20%左右；到2035年，非化石能源消费比重在2030年达到25%的基础上进一步大幅提高，可再生能源发电成为主体电源②。

在学术研究领域，众多学者致力于对中国的未来的能源生产、消费结构或总量进行预测，部分学者如毛亚林利用CHINAGEM模型对2020—2040年间中国中短期能源消费总量及其构成进行了预测［3］；王（Wang）等运用改进的灰色模型预测了2025年之前中国一次能源的生产总量［4］；曾（Zeng）等则利用支持向量模型对2030年以前中国的能源消费结构进行预测模拟［5］。何则、蔡立亚、陈金祥还对政策情景进行了区分，得出了不同政策驱动情景下的能源生产与消费结构［6-8］。还有学者对能源类别进行了细化，任（Ren）等预测了中国2022—2025年的水能生产总量［9］；王（Wang）等对2020—2024年中国风能、核能、生物质能的生产量进行预测［10］；程（Cheng）等预测了中国2025年以前的清洁能源消费总量［11］；而肖和肖（Xiao and Xiao）则对中国2023—2030年的清洁能源的生产总量进行预测［12］。还有学者对不同的区域内未来的能源生产、消费进行预测，刘（Liu）等预测了2020—2030年山西省的煤炭需求总量［13］；苗安康等预测了2030年以前江苏省的能源需求量［14］。预测方法方面，与清洁能源相关的预测方法模型主要包括灰色预测模型（Grey Forecasting Model）［10，12，15］、马尔可夫模型（Markov  Model）［8，16］、支持向量模型（Support Vector Model）［17］、弹性系数法（Elasticity Coefficient Method）［18］等，这些预测方法模型各具特点，在不同的预测类别与数据类型上表现出有差异的适应性。还有学者如孟、袁（Meng、Yuan）等综合利用上述方法模型作为对单一模型的改进进行能源预测［16，19］。总体而言，学术界与清洁能源预测相关的文献，其预测结果存在较大的差异性，难以形成统一口径从而形成有效的政策指导。为此，本文将对现有同清洁能源生产、消费预测相关的文献进行统计学再分析，对“双碳”目标下中国清洁能源目标的差异性进行再评估。

Meta分析（Meta-analysis）又称“荟萃分析”“元分析”，是一种对同一课题的多项独立研究的结果进行系统的、定量的综合性分析的统计学研究方法，用于解决研究的不一致性［20］。最早由格拉斯（Glass）提出用于研究心理治疗效果［21］，随后在医学界、教育学、经济学、管理学等研究领域得到广泛运用。不同于传统文献综述对文献的定性描述与总结，Meta分析利用统计学方法针对同一问题各种存在的不同研究结果进行系统性定量分析，探究不同研究结果的异质性［22］，从而得出具有稳健性的结果和一般性结论。近年来，Meta分析在社会科学研究中应用广泛。许骞骞等利用Meta分析方法对森林的碳汇潜力与增汇成本的预测进行了评估，讨论了不同文献中对中国森林碳汇潜力与增汇成本的预测结果及差异原因［23］；何勤和刘明泽探究了人工智能对就业规模的小幅度扩大及劳动收入的降低等方面的影响［24］；孙瑶等从五个层面探索了农业补贴政策对农户绿色生产存在的调节效应［25］；颜俨等比较了不同文献中对中国内陆河流域生态系统服务价值及影响因素的研究结果，分析了研究结果异质性的主要原因［26］。为了对“双碳”目标下中国清洁能源目标差异进行再评估，本文将对现有文献进行Meta分析，探究导致不同文献预测结果差异化的因素，为更加科学地进行清洁能源预测，并为在“双碳”目标下科学制定中国能源清洁化转型相关政策提供科学依据。

二、研究方法与数据来源

本文将采用Meta回归方法对来源于不同数据库中提取文献的相关信息进行分析。

（一）Meta回归分析

Meta回归分析（Meta-Regression Analysis）是Meta分析在经济学方向的运用分支，由美国学者斯坦利和贾雷尔（Stanley and Jarrell）于1989年提出，是将传统Meta分析同计量经济学相结合，通过多元回归模型分析不同的实证研究结果的差异性［27］。Meta回归分析的被解释变量通常选取为对同一问题的来自多个实证分析文献的研究结果，解释变量则为文献来源、研究方法、数据选择、模型设计等体现差异性的文献特征，通过对文献的编码得到。Meta回归分析的一般形式为：

Yi=α+βjXij+γkZik+εi，i=1，2，…M（1）

其中，Yi为第i篇文献中的研究结果；Xij为第i篇文献中诸如数据文献来源、研究方法、模型设计等可能对研究结果产生影响的特征变量；βj为各指标的边际影响；Zik为控制变量；γk为控制变量的边际影响；α为常数项；εi为随机扰动项；M为样本总数。

为了说明Meta回归的有效性，参考许骞骞等［23］的做法，本文采取样本观测值同模型预测值之间的平均误差进行检验。平均误差的计算公式为：

Error=（2）

其中，Error为模型的平均误差值；yi为样本值，i为模型预测值。相关研究表明，Error在20%～40%内属于合理范围［28-29］，此时Meta分析结果具有可信性。

（二）模型建立

综合考虑文献数据特征和Meta回归方法，构建中国未来清洁能源在能源生产、消费总量中占比的Meta回归模型如下：

Yi=α0+α1X1+α2X2+α3X3+α4X4+α5X5+εi（3）

其中，被解释变量Yi为中国未来清洁能源在能源生产、消费总量中的占比（用百分数表示）；解释变量X1为文献中进行预测的方法；X2为预测类别；X3为文献特征；X4为预测情景；X5为预测时段；α1-α5分别为解释变量系数；α0为常数项；εi为随机扰动项。

构建中国未来清洁能源生产、消费量的Meta回归模型如下：

Zi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+i（4）

其中，Zi为中国未来清洁能源生产、消费总量；X1为文献中进行预测的方法；X2为预测类别；X3为文献特征；X4为预测情景；X5为预测时段；β1-β5分别为解释变量系数；β0为常数项；i为随机扰动项。

（三）数据获取

进行Meta分析需要对现有研究结果进行收集整理，并编码成为可供回归分析的数据。数据获取部分通过文献初筛、文章次选、数据提取、变量编码四个部分进行。

1.文献初筛

本文选取文献主要来源于Springer Link、Elsevier Science、Google Scholar、Web of Science、CNKI、万方数据库等六个中英文数据库。本文所选定的清洁能源的范围包括：天然气、水电、核电、风电、太阳能和生物质能。由于“双碳”政策的提出时间为2020年，考虑到文献发表周期，本文从上述数据库中选取2017年以来对中国未来清洁能源生产、消费和能源结构预测的公开发表文献作为文献检索范围。为提升Meta分析的可信度，本文以“能源（energy）”“清洁能源（clean energy）”“可再生能源（renewable energy）”“能源结构（energy structure）”“生产（generation）”“消费（consumption）”“供给（supply）”“需求（demand）”“预测（forecasting、prediction）”等词语组合作为中英文关键词、主题词进行检索。初步检索到与主题相关的中文文献725篇，英文文献1 207篇。

2.文章次选

为了获取本研究所需要的数据，本文对初步检索的文章依照以下规则进行再次筛选。首先，文献的研究对象必须是对中国2023年以后能源生产、消费进行的预测。其次，能源预测结果中至少包含除天然气外的其他清洁能源生产、消费总量或清洁能源在能源生产、消费总量中占比的预测。此外，文献必须有对应年份的明确数据预测结果。依据以上规则，通过对理论、综述研究等定性研究文献以及无法提取准确预测数值的示意图、图表报告等文献的剔除，最终获取49篇中英文相关文献，共131个观测样本。

3.数据提取

再筛选文献之后，按照标准提取相关数据信息，提取标准包括预测对象、预测数值、预测方法、文章发表年份、能源生产及消费情况、中英文数据库、作者发文特征、预测时间等。在此基础上，建立Meta回归数据库，具体过程见图1。

（四）变量编码

在建立Meta回归数据库后，需要将相关数据转化为虚拟变量用于回归分析。本节将对用于模型回归的解释变量进行编码，将其转化为控制变量。以清洁能源生产、消费占比作为被解释变量进行回归分析的描述性统计，结果见表1-a。

1.清洁能源占比

对清洁能源预测的文献主要分为两类：第一类，是对中国未来清洁能源生产、消费量在能源生产、消费总量中的占比进行预测。第二类，是直接对清洁能源生产、消费量进行预测。本文首先将清洁能源在一次能源生产、消费总量中的占比（下称清洁能源占比，单位：%）作为被解释变量进行Meta回归。

2.预测方法

数据库中对清洁能源占比的预测方法主要分为灰色预测模型、马尔可夫模型、支持向量模型和其他模型。其中灰色预测方法是对清洁能源的相关预测最常用的方法。数据库中的文献多是对传统灰色预测模型GM（1，1）的优化与改进，故将此类文献统一归类为灰色预测模型。在此之外，相关文献中还提及一些其他预测模型，这些模型难以在统计学意义上进行差异比较，故将其归纳为其他模型作为对照组。针对上述不同的方法，构造虚拟变量如下：灰色预测模型（1=预测方法为灰色预测模型，0=预测方法为其他模型）、马尔可夫模型（1=预测方法为马尔可夫模型，0=预测方法为其他模型）、支持向量模型（1=预测方法为支持向量模型，0=预测方法为其他模型）。