基于CGE模型的全球能源互联网经济社会效益分析 ——以中国及其周边地区为例

冯晟昊1,王健2,张恪渝3,杨军1,彭秀健4,周原冰2,相均泳2  

(1.对外经济贸易大学,北京市 朝阳区 100029;2.全球能源互联网发展合作组织,北京市 西城区 100031;3.北京物资学院,北京市 通州区 101149;4.维多利亚大学,澳大利亚 墨尔本,VIC 8001)

摘要

在探讨构建全球能源互联网(global energy interconnection, GEI)的议题中,定量分析GEI的经济影响是一个重要却缺乏研究的领域。为此,采用可计算一般均衡模型(computable general equilibrium, CGE)量化分析构建GEI对中国及周边地区的经济影响。基于GTAP-E模型,利用GTAP-power数据库将电力部门拆分为化石能源发电、水电、风电、太阳能发电、其他发电和输配电。模型采取MOANSH动态机制,结合国际能源署(International Energy Agency, IEA)《世界能源展望2018》的新政策情景,制定了2018—2050年的基准情景,并根据全球能源互联网发展合作组织(Global Energy Interconnection Development and Cooperation Organization, GEIDCO)的研究成果制定了构建GEI的政策情景。模型结果显示,GEI将促进联网区域的经济增长。可再生能源出口区域得益于投资和技术进步,促使可再生能源产出和出口上升,刺激当地的经济增长和就业,同时也拉动相关上游产业发展。可再生能源进口区域得益于电力供应成本下降,将促进需求普遍上涨。模拟结果还显示,清洁能源开发和利用将减少联网区域的二氧化碳排放量。

关键词 : 全球能源互联网;经济影响;二氧化碳排放;可计算一般均衡模型

基金项目:国家电网公司科技项目(52450018000N);国家自然科学基金重点项目(71733002);高等学校学科创新引智计划资助(the 111 Project,B18014)。

0 引言

可持续发展是当前国际社会最为紧迫的任务,能源发展利用事关可持续发展的全局。资源紧缺、环境污染、气候变化、无电人口是当前全球能源发展面临的四大挑战。2015年9月26日,中国国家主席习近平在联合国发展峰会上发表重要讲话,倡议探讨构建全球能源互联网,推动以清洁和绿色方式满足全球电力需求。联合国秘书长古特雷斯表示,全球能源互联网是解决气候变化等问题的“中国方案”。GEI是以特高压电网为骨干网架、全球互联的智能电网,是清洁能源在全球范围大规模开发、输送、使用的平台,可促进资源富集的欠发达国家可再生能源开发,将当地的资源优势转化为经济优势,同时降低电力进口区域的用能成本,促进世界经济协调发展[1]。GEI对经济社会发展的潜在贡献有多方面。首先,采用清洁能源新技术可以提高产业生产率,形成规模经济,降低用电成本。低碳经济通常还会降低社会成本,减少卫生支出。其次,清洁能源相关产业将在全球创造大量就业机会和更清洁、更安全的资产,以前荒凉的土地(如沙漠和山谷)将成为生产性资本,增加现有资本存量。最后,贫困地区利用当地清洁能源资源也有助减少贫困。能源产业的变革将对社会经济、生产生活方式和经济福利等产生深远影响。因此,亟待针对GEI的社会经济效益展开定量评估。

关于GEI社会经济效益的研究,现有文献主要集中于评价指标构建[2-4]和效益评估两个方面。针对全球能源互联网效益评估,国内文献主要采用计量[5]、定性分析法[6-7]及系统动力学方法[8]等。

文献[9]基于多国多部门可计算一般均衡模型,定量评估了构建GEI对各大洲经济社会的影响,为本研究提供了重要参考。然而,现有研究(如文献[10-13])还存在以下四点主要局限。第一,区域和行业划分不够详细。现有研究仅将全球区域划分为六大洲,其中中国被包括在亚洲内,这使得模型无法单独分析构建GEI对中国及各周边地区的影响。第二,现有研究仅将电力行业作为整体。GEI的特点是清洁替代和电能替代,促进清洁能源发展,使清洁能源替代化石能源。如果不对化石能源发电和非化石能源发电进行区分,很难体现GEI的“清洁替代”特征。第三,动态机制不够清晰。动态CGE模拟结果是基准情景与政策情景之间的差距。现有研究虽然采用动态全球贸易一般均衡模型(GTAP),但却未对模型动态机制有清晰描述,尤其是动态模型基准情景的构建假设,这不利于读者理解GEI发展的意义。第四,政策情景未参考GEIDCO最新研究成果。GEIDCO骨干网架提出了对未来GEI发展的新规划,目前并没有文献具体研究该新规划的经济内涵。

本文旨在克服上述瓶颈,研究以中国为中心的区域、局部GEI发展的经济影响。具体研究内容包括以下特征:①使用多国多部门可计算一般均衡模型(GTAP-E);②在其中加入MONASH动态机制;③将全球划分为12个区域;④利用GTAP-power数据库将电力部门拆分为化石能源发电、水电、风电、太阳能发电、其他发电和输配电;⑤结合在国际上广泛应用的宏观、能源预测;⑥基于GEIDCO骨干网架研究的最新规划,分阶段(建设阶段和运行阶段)模拟构建GEI对中国同其周边国家的影响。最后,结合模拟结果,分析该区域GDP、就业、产业发展、能源结构和二氧化碳排放等方面的影响。

1 模型设计

本文借助GTAP-E改进模型对构建GEI的经济影响进行模拟分析,并以中国及其周边地区为例,研究构建GEI对该区域GDP、就业、产业发展、能源结构和二氧化碳排放等方面的影响。

1.1 GTAP-E模型

GTAP-E模型是Burniaux与Truong于2002年在GTAP基础上,通过在生产模块新增能源替代等特征构建的[14],并由McDougall和Golub于2007年进一步在算法、数据、福利分解等方面进行了修改[15]。与GTAP模型相同,GTAP-E模型详细刻画了各地区生产者、家庭、政府等主要经济体的行为方式,构建了能够反映区域经济运行方式的局部均衡体系。在此基础上,将各地区子系统连接构成多区域的一般均衡体系(基本框架如图1所示)。值得注意的是,GTAP-E模型与GTAP模型的区别在于生产模块的设计,前者在后者基础上将生产模块中的能源投入与其他非能源中间投入进行了区分,考虑了能源投入与其他基本生产要素的替代性。由此GTAP-E模型可以更准确地追溯生产过程中的能源使用情况,以考察经济政策和环境政策产生的“经济-能源-环境”影响。

图1 GTAP模型基本框架
Fig.1 GTAP model basic framework

1.2 动态机制

研究构建GEI的经济影响需要模拟从现在到未来一段时间全球经济系统的变化,这需要动态CGE模型来实现。GTAP-E模型本身并不具备动态机制,可利用MONASH动态机制来实现GTAP-E模型的动态化。MONASH动态机制是一套被广泛使用的递归动态机制,文献[16]对该机制有详细的描述。

首先介绍资本动态机制。如公式(1)所示,预期资本回报率(EROR)与资本增速(KGR)间存在正向关系。为避免资本增速变化过快,需要作出如下假设。首先,当预期回报率等于自然资本回报率(RORN)时,资本增速符合一般规律(TREND)。而当预期回报率特别高(或者特别低)时,资本增速(或减速)不会高于(或低于)设定的最高资本增速(KGRmax)(或最低资本降速(KGRmin))。

其次介绍劳动力动态机制。劳动力市场的动态处理方法遵循传统宏观经济学中的粘性工资假设。即当经济体在平衡状态下受到冲击时,短期内劳动力的实际工资可能会存在粘性,不容易发生改变。这样短期内劳动力的就业水平可能会偏离初期的平衡状态。但在长期,劳动力市场会逐渐恢复一个长期平衡状态,工人的实际工资也会随时间而改变。

式中:RW为实际工资,上角标P和B分别代表政策情景和基准情景;L为就业率。工资调整机制只有在政策模拟时被激活。动态工资调整机制的存在可使劳动力就业水平在政策冲击的短期波动后回到基准情景水平。

1.3 基础数据库构建

本文选取的基础数据为GTAP-power,GTAPpower数据库是专门为丰富GTAP模型体系下分析电力行业的一个特殊版本数据库。文献[17]将GTAP电力部门分解为输配电、基础负荷和峰值负荷以用于CGE模型的模拟。该方法利用相关数据和合理假设,以可复制和透明的方式构建数据库。GTAP-power数据库为电力建模、能源与气候政策相关领域研究提供了支撑。

具体来看,该数据库将GTAP基础数据库中的电力行业分成了12个独立的电力部门。其中11个部门是不同类型的发电部门,另一个为输配电部门。选择GTAP-power数据库的主要原因在于其对化石能源发电和非化石能源发电进行了区分。由于本研究的关键在于模拟分析通过发展GEI促进非化石能源对化石能源发电的替代,GTAP-power的存在使本研究成为可能。

1.4 区域与产业划分

GTAP-E模型涵盖信息较多,且本研究为动态长期模拟,为节约模型运行时间,方便展示和分析模型结果,有必要对构建好的数据库在区域和产业层面进行合并。参考GEI电网建设规划,以及经济中各产业部门的用能特点,本文将原始数据库中140个区域合并为12个区域,产业合并为21个产业部门。其中,产业划分重点突出了高耗能产业部门,具体有农业、煤炭、石油、天然气、矿产品、石油焦炭制品、化学橡胶制品、非金属矿藏、其他制造业、钢铁、有色金属、输配电、化石燃料发电、水电、风电、太阳能发电、其它发电、旅游、建筑、交通及服务业等。

1.5 嵌套结构

在GTAP-E的基础上,本文通过整合GTAP-power数据库,扩展了GTAP-E原有的要素-能源嵌套结构。GTAP-E模型原有的要素-能源嵌套结构并不能反映GEI清洁替代这一特征。GTAP-E模型将电能视作一个单一产品,既没有区分输配电与发电,也没有区分化石能源发电与非化石能源发电。本文在GTAP-E的基础上,扩展了其原有的要素-能源嵌套结构。图2为本文应用的生产嵌套模型。模型弹性系数的选取参照了GTAP-power数据库基准参数。文献[17]对GTAPpower参数选取进行了系统论证。

图2 GTAP-E生产嵌套模型扩展板
Fig.2 Extended production nesting structure in GTAP-E

1.6 基准情景假设

对基准情景的设定分为历史阶段(2011—2017年)和预测阶段(2018—2050年)两个时间段,不同阶段控制的变量有所区别。为使基准情景符合经济发展一般规律,主要从经济层面和能源层面两个方面进行控制。如表1所示,首先,在历史阶段,主要控制全球12个区域的GDP和人口,从供给侧角度控制劳动力和资本,从需求侧角度控制私人消费和投资。该阶段数据的主要来源是法国CEPII和世界银行WDI数据库,其中中国GDP来源于中国国家统计局。在预测阶段,经济层面依然控制GDP、人口和就业。需要强调的是,为使能源层面数据控制在合理经济发展规律范围内,在预测阶段使用国际能源署《世界能源展望2018》[18]新政策情景(New Policy Scenario, NPS)中的能源预测数据进行控制,主要包括煤、石油、天然气和输配电各区域的需求量与化石燃料发电、水电、风电、太阳能发电和其它发电的各区域供给。该情景综合考虑了全球各区域能源环境现行政策、未来实施路径和实施效果,并对世界未来能源经济进行了预测。

表1 基准情景设计
Table 1 Design of the base-case scenario

在模型中,宏观变量GDP、私人消费和投资初始是内生变量,为控制此类变量,需进行外生处理,此时会将相应的外生变量转换为内生,分别是全要素生产率、边际消费倾向和预期资本回报率。即GDP、私人消费和投资变化主要归因为全要素生产率、边际消费倾向和预期资本回报率的变动。而国内产业需求与供给的变化则取决于产业生产技术进步,如未来太阳能发电供给增长速度取决于太阳能发电生产技术进步。

2 GEI情景假设

构建GEI将使全球经济发展路线偏离基准情景假设。本章具体介绍构建GEI情景的假设所包含的内容,以及在模型中实现GEI情景模拟所采用的模型方法。

将GEI情景分3个阶段进行模拟。第1个阶段为准备期(2018—2020年),是项目筹划、达成共识的阶段,电网建设规模较少,对经济活动未造成影响,因此在基准情景基础上未给予模型任何冲击;第2个阶段为建设期(2021—2030年),该阶段主要涉及到清洁能源基地开发,以及跨国、跨洲电网建设及相关的投资与融资;第3个阶段为运行期(2031—2050年),即GEI进入运行阶段,部分新建可再生能源发电基地和电网将投入运营,该阶段主要通过清洁电力供给增加和电力的全球贸易来影响经济,主要考虑水电、风电和太阳能发电这3种可再生能源发电方式。在GEI情景中只控制水电、风电和太阳能发电量和贸易量,而其他电力和除电力之外商品贸易与产量均做内生处理。

2.1 建设阶段

该阶段主要是投资建设活动,在模型中控制投资和融资、内生预期投资回报率和居民私人消费边际倾向实现模拟。GEIDCO在2018年的GEI骨干网架规划研究中统筹考虑了构建GEI的电源、电网建设规划,以此测算出2018—2050年GEI总投资约38万亿美元,其中电源投资约27万亿美元,电网投资约11万亿美元,并根据各大洲清洁能源开发和电网互联建设测算了各大洲的投资总额[19]。在基准情景中采用《世界能源展望2018》关于能源发展的新新政策情景[18],该情境下已经包括了全球各国现在执行的以及未来预计要实施的能源政策,但未考虑GEI建设。该报告显示,到2050年全球电网建设总投资约为24万亿美元。因此,在GEI情境下,2018—2050年期间,全球电源、电网总投资将比基准情景多14万亿美元。根据文献[19]中GEI的投资规模信息,可将14万亿美元按比例划分到各个区域。因本文只关心构建GEI对中国及其周边地区的经济影响,故只对中国、欧亚大陆、东南亚和大洋洲投资规模进行控制。基于基准情景中各区域的投资总量,以及文献[19]中的投资规模信息,估算各区域建设期总投资额百分比变化。2021—2030年间,欧亚大陆投资增加5.65%,中国增加11.31%,东南亚和大洋洲增加7.83%。假设每个区域的投资都是通过减少消费(相当于增加储蓄)在当地进行融资。2021—2030年间,欧亚大陆消费减少1.95%,中国减少3.89%,东南亚和大洋洲减少2.69%。

2.2 运行阶段

2.2.1 电力贸易

采用文献[19]中估算的中国与其贸易伙伴区域电力资源优化配置数据(见图3)作为清洁能源发电(水电、风电和太阳能发电)贸易流模拟依据。文献[18]估计了2050年中国分品种清洁能源发电量、中国同周边地区的电力贸易,并估算了不同品种的电力流规模。如图3所示,GEI的建设促进了中国水电、风电和太阳能发电贸易。预计到2050年,由于GEI的建设,中国将从欧亚大陆进口水电130 TWh,从东南亚和大洋洲进口水电135 TWh,并向其出口135 TWh以实现季节互补效益。中国风电贸易伙伴主要是欧亚大陆、东北亚和南亚,中国从欧亚大陆进口100 TWh,向东北亚出口100 TWh,向南亚出口25 TWh。中国从欧亚大陆进口太阳能发电量195 TWh,向南亚出口25 TWh。

图3 2050年清洁能源电力传输
Fig.3 Clean electricity transmission in 2050

2.2.2 电力生产

根据以上清洁能源电力贸易流模拟电力生产活动。中国水电、风电和太阳能发电的进口主要来自欧亚大陆、东南亚和大洋洲相应产品的产能扩张。2031—2050年,中国水电、风电和太阳能发电产量分别增加14.03%、25.24%和51.78%。中国水电主要进口来源地欧亚大陆、东南亚和大洋洲水电产量分别增加107.63%、32.49%。中国风电、太阳能发电产品进口来源地均是欧亚大陆,风电产量增加463.02%,太阳能发电量增加13803%。在构建GEI前欧亚大陆太阳能发电量仅有0.12TWh,因此增速较高。

为模拟清洁能源电力产量情景,在模型中需将其做外生处理,同时将生产技术进步内生,即电力产量改变主要由电力生产技术进步导致。例如,欧亚大陆太阳能发电量增加,是因为太阳能发电技术取得进步,发电成本下降,太阳能发电竞争力加强。具体可以表现为光伏发电设备制造成本下降,发电效率提高等。

3 模拟结果

3.1 经济效益

3.1.1 实际GDP

发展GEI将促进各区域经济增长,但由于不同区域开发程度以及所带动的辐射区域不同,其经济增长效应也会不同。中国及其清洁能源电力贸易伙伴实际GDP在2030年前变化不明显,在2031—2050年,各区域实际GDP均有明显上升。实际GDP的变化主要来自生产技术的提高,在本文模拟中中国及其主要清洁能源电力进口来源地(欧洲大陆、东南亚和大洋洲)经济增速最快。如图4所示,与基准情景相比,到2050年,东南亚和大洋洲实际GDP累计增长0.85%,而欧亚大陆、中国实际GDP分别累计增长0.57%、0.2%。本文模拟结果与文献[9]得出的模拟结果(亚洲GDP整体比基准情景上升0.24%)基本一致。需要注意的是,文献[9]的研究对象是亚洲整体,包括西亚等地区,而本文仅讨论了中国近邻区域,且模拟所采用的基准情景、GEI情景都存在差异。

图4 全球能源互联网建设对各区域实际GDP影响 (与基准情景相比累计变化)
Fig.4 GEI’s real GDP impacts on different regions (cumulative deviations from the base-case)

3.1.2 产业产出

GEI建设加快清洁能源电力对化石能源电力的替代,清洁能源发电产业快速发展。如图5所示,与基准情景比较,2030年前各种电力产量基本不变,运行阶段水电、风电和太阳能发电量增长迅速,累计增长率分别为27.8%、36.1%和266.5%,而化石能源发电量则显著下降。分地区看,欧亚大陆增长最快,到2050年,水电发电量累计增长183%,风电增长1007%,太阳能发电增长13803%。其次是中国,水电、风电和太阳能发电量增长也较明显,分别累计增长了15%、28%和64%。东南亚和大洋洲仅向中国出口水电,因此,中国进口需求带动东南亚和大洋洲水电增产34%。三大区域内化石能源发电量均下降,中国下降1.6%,欧亚大陆下降1.9%,东南亚和大洋洲下降2.4%。

图5 不同类型能源的发电量变化(与基准情景相比)
Fig.5 GEI’s impacts on different power generation (cumulative deviations from the base-case)

发展GEI在提高电力行业产能的同时,会抑制化石能源产业的发展,如图6(a)所示。到2050年,与基准情景相比,煤炭产量在三个区域均下降,欧亚大陆下降0.7%,中国下降0.6%,东南亚和大洋洲下降1.6%。石油产量在三个区域也呈下降趋势,欧亚大陆下降0.2%,中国下降1.1%,东南亚和大洋洲下降4.0%。欧亚大陆与东南亚和大洋洲天然气产量分别下降0.8%、7.3%,但中国上升9.1%。这是由于电力价格下降,导致天然气等化石能源行业价格被迫下降,在中国天然气价格下降幅度大于电力行业,因此天然气需求出现增长趋势。

GEI建设还将带动其他产业发展,如图6(b)所示。一方面在上游能源电网基础设施建设阶段,电力投资将拉动钢铁、建筑等第二产业发展,但该阶段因为消费下降会抑制服务行业产出;另一方面用电行业因电力成本下降而受益。与基准情景相比,到2050年,东南亚和大洋洲钢铁、建筑、服务业产量分别提升3.2%、13.3%、0.6%,中国的提升分别为1.85%、8.5%、-0.8%,欧亚大陆的提升分别为0.4%、0.01%和0.3%。

图6 产业产出变化(与基准情景相比累计变化)
Fig.6 Changes in industries’ output(cumulative deviations from the base-case)

3.2 社会效益

3.2.1 就业

从就业影响来看,由于电网建设期投资增加拉动当地制造业产业发展,欧亚大陆、中国、东南亚和大洋洲等电力出口区域就业增长明显。如图7所示,与基准情景相比,到2030年欧亚大陆就业累计增长0.25%,东南亚和大洋洲增长0.13%,中国增长0.14%。2030年前GEI发展处于建设期,欧亚大陆就业增加较多得益于其较大的投资拉动与产能扩张。到2050年,GEI进入运行阶段,投资活动减少,电力生产和贸易增加。东南亚和大洋洲就业累计增长0.77%,增速最快,欧亚大陆增长0.22%,中国增长0.11%。东南亚和大洋洲就业增长较快得益于低价电力进口所带来的低成本和高需求。

3.2.2 碳排放

水、风、光等可再生能源开发利用替代了大量化石能源消耗,二氧化碳排放 各产业二氧化碳排放量源自于GTAP-power数据库。减少。模拟结果显示,全球二氧化碳排放量下降,与基准情景比较,到2030年累计排放量下降0.25%,2050年累计排放量下降0.45%。从区域影响来看,欧亚大陆、中国、东南亚和大洋洲减排效果最明显,与基准情景相比,到2050年三个区域累计排放量依次累计下降1.2%、1.0%和1.1%,如图8所示。

4 结论

图7 全球能源互联网建设对各区域就业影响 (与基准情景相比)
Fig.7 GEI’s impact of employment in different regions (cumulative deviations from the base-case)

图8 全球能源互联网建设对各区域碳排放影响 (与基准情景相比)
Fig.8 GEI’s impact on CO2 emissions in different regions (cumulative deviations from the base-case)

本文使用多国多部门可计算一般均衡模型(GTAP-E),在其中加入MONASH动态机制,将全球划分为12个区域,利用GTAP-power数据库将电力部门拆分为化石能源发电、水电、风电、太阳能发电、其他发电和输配电,结合在国际上广泛应用的宏观、能源预测,最后基于GEIDCO骨干网架研究的最新规划,分阶段(建设阶段和运行阶段)模拟构建GEI对中国及其周边区域GDP、就业、产业发展、能源结构和二氧化碳排放等方面的影响。研究结果显示,GEI将促进联网区域的经济增长,改善当地就业。电网建设通过刺激投资,拉动出口区域相关制造行业产出。跨区域电力贸易使电力供应成本下降,促进用电行业发展。清洁能源的开发利用同时有助于减少联网区域的二氧化碳排放量。

参考文献

[1]刘振亚.全球能源互联网[M].北京:中国电力出版社,2015.

[2]吴军,朱学栋,张艳,等.全球互联电网经济性评估方法[J].智慧电力,2017,45(12):6-11.Wu Jun, Zhu Xuedong, Zhang Yan, et al.Economic evaluation method for global interconnected power system[J].Smart Power, 2017, 45(12): 6-11(in Chinese).

[3]刘强,白玉竹,范爱军.全球能源互联网的产业效应分析[J].山东社会科学,2017(8):162-168.

[4]代贤忠,王阳,白翠粉,等.智能电网功能形态升级需求分析框架与模糊综合评价[J].中国电力,2017,50(6):158-164.Dai Xianzhong, Wang Yang, Bai Cuifen, et al.Analysis framework and fuzzy comprehensive evaluation of smart grid function and form upgrade needs[J].Electric Power, 2017, 50(6): 158-164(in Chinese).

[5]刘林,周专,沈雅琦,等.全球能源互联网发展水平关键指标选取[J].电力系统及其自动化学报,2016,28(S1):198-201.Liu Lin, Zhou Zhuan, Shen Yaqi, et al.Selections of key indicators for the development level of global energy internet [J].Proceedings of the CSU-EPSA, 2016, 28(S1): 198-201(in Chinese).

[6]夏俊荣,汪春,许晓慧,等.中阿电网互联之未来新能源电力丝路[J].电网技术,2016,40(12):3662-3670.Xia Junrong, Wang Chun, Xu Xiaohui, et al.Renewable energy generation linked by future China-Arab interconnection[J].Power System Technology, 2016, 40(12): 3662-3670(in Chinese).

[7]范爱军,潘垠伊.全球能源互联网发展潜力与关联效益探析—基于微观经济学的视角[J].福建论坛(人文社会科学版),2016(7):10-16.

[8]江涵,高艺,李隽,等.基于系统动力学的区域能源互联网综合效益分析[J].全球能源互联网,2019,2(1):16-26.Jiang Han, Gao Yi, Li Jun, et al.The comprehensive benefit analysis of regional energy interconnection based on system dynamics method[J].Journal of Global Energy Interconnection, 2019, 2(1): 16-26(in Chinese).

[9]金艳鸣,谭雪,焦冰琪,等.基于可计算一般均衡模型的全球能源互联网经济社会效益分析[J].智慧电力,2018,46(5):1-7.Jin Yanming, Tan Xue, Jiao Bingqi, et al.Research on the economic and social benefits of the global energy internet based on the computable general equilibrium model[J], Smart Power, 2018, 46(5): 1-7(in Chinese).

[10]Song M.L., Cui L.B.Economic evaluation of Chinese electricity price marketization based on dynamic computational general equilibrium model[J].Computers & Industrial Engineering, 2016, 101: 614-628.

[11]Li J.F., Wang X., Zhang Y.X., et al.The economic impact of carbon pricing with regulated electricity prices in China-an application of a computable general equilibrium approach[J].Energy Policy, 2014, 75: 46-56.

[12]He Y.X., Yang L.F., He H.Y., et al.Electricity demand price elasticity in China based on computable general equilibrium model analysis[J].Energy, 2011, 36(2): 1115-1123.

[13]Rodrigues R., Linares P.Electricity load level detail in computational general equilibrium – part II – welfare impacts of a demand response program[J].Energy Economics, 2015, 47: 52-67.

[14]Burniaux J., Truong T.GTAP-E: an energy-environmental version of the GTAP model[J].GTAP Technical Papers, 2002, 18(16): 1-61.

[15]McDougall R., A.Golub.GTAP-E: a revised energyenvironmental version of the GTAP model[J].GTAP Research Memorandum No.15, 2007.

[16]Dixon P, Rimmer M.Dynamic general equilibrium modelling for forecasting and policy - a practical guide and documentation of MONASH[M].Emerald, 2002.

[17]Peters J.C.The GTAP-power database: disaggregating the electricity sector in the GTAP database[J].Journal of Global Economic Analysis, 2016, 1(1): 209-250.

[18]International Energy Agency.World Energy Outlook 2018[R].Paris: IEA, 2018.

[19]李隽,宋福龙,余潇潇.全球能源互联网骨干网架规划研究[J].全球能源互联网,2018,1(5):527-536.Li Jun, Song Fulong, Yu Xiaoxiao.Research on global energy interconnection backbone grid planning[J].Journal of Global Energy Interconnection, 2018, 1(5): 527-536(in Chinese).

Research on GEI’s Economic Implications Based on the Computable General Equilibrium Model— a Case of China and Its Neighboring Areas

FENG Shenghao1, WANG Jian2, ZHANG Keyu3, YANG Jun1, PENG Xiujian4, ZHOU Yuanbing2, XIANG Junyong2 
(1.University of International Business and Economics, Chaoyang District, Beijing 100029, China;2.Global Energy Interconnection Development and Cooperation Organization, Xicheng District, Beijing 100031, China;3.Beijing Wuzi University, Tongzhou District, Beijing 101149, China; 4.Victoria University, Melbourne, Victoria 8001, Australia)

Abstract:Quantitatively analyzing the economic implications of global energy interconnection(GEI) is an important but underdeveloped field.This study uses a computable general equilibrium(CGE) model to analyze the economic implications of GEI on China and its neighboring areas.We start from the GTAP-E model, and use the GTAP-power database to disaggregate the electricity sector into fossil fuel-power, hydropower, wind power, solar power, other power and power transmission and distribution sectors.We fit the model with MOANSH-style dynamisms and incorporate a base-case that is in-line with the New Policy Scenario in IEA’s World Energy Outlook 2018.We also develop a GEI scenario according to modelling outputs of Global Energy Interconnection Development and Cooperation Organization(GEIDCO).Simulation results suggest that GEI facilitates economic development.Regions that export renewable energy by joining GEI benefit from investment and technological progress-led output expansions and productivity growth, as well as higher employment and export.Upstream industries also benefit from renewable energy development.Regions that import renewables by joining GEI benefit from lower electricity prices and a general increase in demand.Simulation results also show lower carbon dioxide emissions due to renewable energy development.

Keywords:global energy interconnection; economic implications; CO2 emissions; CGE

Science and Technology Foundation of SGCC (52450018000N); National Natural Science Foundation of China (71733002); Overseas Expertise Introduction Project for Discipline Innovation (B18014).


冯晟昊

作者简介:

冯晟昊(1986),男,博士,助理研究员,研究方向为能源政策、应对气候变化政策、CGE模型政策模拟,E-mail: fengshenghao@uibe.edu.cn。

王健(1989),男,博士,通信作者,研究方向为宏观经济政策、经济增长、计量经济、产业政策、能源电力等,E-mail: jian-wang@geidco.org。

张恪渝(1984),男,博士,讲师,研究方向为投入产出分析、区域CGE模型构建与应用、能源经济、应用计量经济分析等,E-mail: zhangkeyu@bwu.edu.cn。

杨军(1972),男,教授,研究方向为农业经济、国际贸易、CGE模型构建与应用,E-mail: yjydy.ccap@igsnrr.ac.cn。

(责任编辑 李锡)

  • 目录

    图1