社會經(jīng)濟(jì)高速發(fā)展過程中,能源消費(fèi)所產(chǎn)生的大量二氧化碳是導(dǎo)致全球氣候變暖的主要原因。作為世界上最大的能源消費(fèi)國和碳排放國,中國制定并實施一系列碳減排措施,向國際社會公開承諾碳減排目標(biāo)。然而,在以煤炭、石油等高碳能源為主導(dǎo)的能源消費(fèi)結(jié)構(gòu)下,中國迫切需要進(jìn)行能源系統(tǒng)的低碳清潔轉(zhuǎn)型,以保障社會經(jīng)濟(jì)的健康、穩(wěn)定和可持續(xù)發(fā)展。基于上述背景和目的,本論文從低碳經(jīng)濟(jì)的視角出發(fā),在系統(tǒng)梳理和總結(jié)國內(nèi)外相關(guān)理論和研究的基礎(chǔ)上對中國能源轉(zhuǎn)型路徑的選擇、評估和優(yōu)化等關(guān)鍵科學(xué)問題進(jìn)行了定性和定量研究,主要取得以下創(chuàng)新性的工作:（1）在核算中國二氧化碳排放的基礎(chǔ)上,分析全國和區(qū)域尺度下二氧化碳排放和能源轉(zhuǎn)型路徑的時空格局和演變特征。結(jié)果表明,中國二氧化碳排放與能源轉(zhuǎn)型路徑的時空演變特征高度一致,說明了能源轉(zhuǎn)型作為中國碳減排有效途徑的合理性;（2）綜合運(yùn)用多種計量工具,分析中國二氧化碳排放與低碳（天然氣）或清潔能源（核能和可再生能源）的耦合關(guān)系,進(jìn)而評估低碳能源和清潔能源作為中國能源低碳清潔轉(zhuǎn)型路徑的可行性,旨在對中國能源轉(zhuǎn)型路徑的選擇提供依據(jù)。結(jié)果表明,在中國大部分省份,低碳和清潔能源能夠有效減少二氧化碳排放,進(jìn)... 

【文章來源】：中國石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：201 頁

【學(xué)位級別】：博士

【部分圖文】：

中國能源消費(fèi)總量與GDP趨勢圖

第1章緒論-2-1.1.1中國碳減排目標(biāo)的實現(xiàn)亟需發(fā)展低碳經(jīng)濟(jì)隨著國民經(jīng)濟(jì)的快速發(fā)展，中國能源生產(chǎn)和消費(fèi)需求增長較快，化石能源利用過程中所排放的二氧化碳也隨之大幅增長。據(jù)BP統(tǒng)計[3]，1965～2017年期間，中國二氧化碳排放量增加了18.7倍，從4.9億噸增至92.3億噸，年均增長率為5.8%。2006年，中國已超過美國成為世界最大的二氧化碳排放國；同一年，中國人均二氧化碳排放量也超過世界平均水平。如圖1.2所示，2017年，中國二氧化碳總排放量為92.3億噸，占全球總排放的27.6%。此外，據(jù)國際能源署（InternationalEnergyAgency，IEA）預(yù)測，中國碳排放量仍將持續(xù)增長，在參考情景和新政策情景下，2040年分別將達(dá)到117.32億噸和91.44億噸[8]。作為世界上最大的能源消費(fèi)國和碳排放國，中國正積極制定碳減排措施和開展碳減排活動，并向國際社會公開承諾一系列碳減排的目標(biāo)。2009年，中國在哥本哈根世界氣候會議上承諾，2020年碳強(qiáng)度在2005年基礎(chǔ)上減少40%～45%。為將這一承諾落實，《2009中國可持續(xù)發(fā)展戰(zhàn)略報告》提出在2005年基礎(chǔ)上，2020年能耗強(qiáng)度和二氧化碳排放強(qiáng)度分別降低40%～60%和50%左右，并將其作為中國低碳經(jīng)濟(jì)發(fā)展的目標(biāo)。2015年巴黎氣候大會上，中國重申此前承諾，即二氧化碳排放爭取在2030年左右達(dá)峰，且相較于2005年二氧化碳排放強(qiáng)度將在2030年同比下降60%～65%，非化石能源消費(fèi)占比達(dá)到20%左右[9]。因此，合理的能源轉(zhuǎn)型路徑和科學(xué)的優(yōu)化模型方案在降低碳排放、實現(xiàn)低碳經(jīng)濟(jì)等方面顯得十分重要。圖1.22017年全球二氧化碳排放分布（百萬噸）Fig.1.2SpatialcharacteristicsoftotalCO2emissions(millionton)in2017acrosstheglobe

中國石油大學(xué)（北京）博士學(xué)位論文-3-1.1.2中國以高碳能源為主的能源結(jié)構(gòu)亟待優(yōu)化“富煤、少氣、缺油”的資源條件，使得中國形成以煤炭為主導(dǎo)的高碳能源消費(fèi)結(jié)構(gòu)，低碳能源所占比重較為有限（圖1.3）。中國能源消費(fèi)歷來以煤炭為主導(dǎo)，盡管其在中國一次能源消費(fèi)結(jié)構(gòu)中的比重從1965年的87.1%下降到2017年的60.4%，但遠(yuǎn)遠(yuǎn)超過其他能源的比重而占絕對優(yōu)勢。煤炭的廉價、可得性滿足了中國經(jīng)濟(jì)發(fā)展的需要，使得GDP對煤炭的依賴度較高。長期以往，中國形成了以煤炭、石油等化石能源為主導(dǎo)的能源結(jié)構(gòu)和粗放型的能源利用系統(tǒng)，對環(huán)境污染治理帶來巨大的挑戰(zhàn)。相關(guān)部門數(shù)據(jù)顯示，中國大氣環(huán)境污染主要源自煤炭的使用，2004年發(fā)布的《中國能源發(fā)展戰(zhàn)略與政策研究報告》[10]顯示，中國70%的煙塵、90%的二氧化硫、67%的氮氧化物以及70%的二氧化碳均來自煤炭的燃燒。因此，中國現(xiàn)行能源消費(fèi)結(jié)構(gòu)亟待優(yōu)化，即大幅降低煤炭、石油等高碳化石能源比重，提高天然氣、核能、可再生能源等低碳高效的優(yōu)質(zhì)能源比例，力求形成能源結(jié)構(gòu)多元化局面。由此，研究低碳約束背景下中國能源消費(fèi)結(jié)構(gòu)轉(zhuǎn)型路徑及其模型優(yōu)化的問題，具有重要的實際意義。圖1.31965～2017年中國能源消費(fèi)結(jié)構(gòu)趨勢圖Fig.1.3ThetrendchartofChina’senergyconsumptionstructurein1965-2017

【參考文獻(xiàn)】：
期刊論文
[1]基于LEAP模型的京津冀地區(qū)鋼鐵行業(yè)中長期減排潛力分析[J]. 李新,路路,穆獻(xiàn)中,秦昌波.  環(huán)境科學(xué)研究. 2019(03)
[2]中國地級以上城市二氧化碳排放的影響因素分析:基于擴(kuò)展的STIRPAT模型[J]. 陳占明,吳施美,馬文博,劉曉曼,蔡博峰,劉婧文,賈小平,張明,陳洋,徐麗笑,趙晶,王思亓.  中國人口·資源與環(huán)境. 2018(10)
[3]中國能源消費(fèi)碳排放的時空差異及驅(qū)動因素研究[J]. 張馨.  干旱區(qū)地理. 2018(05)
[4]中國資源型產(chǎn)業(yè)低碳轉(zhuǎn)型影響因素實證研究——基于STIRPAT模型的動態(tài)面板數(shù)據(jù)檢驗[J]. 田原,孫慧,李建軍.  生態(tài)經(jīng)濟(jì). 2018(08)
[5]基于STIRPAT模型的能源消費(fèi)碳排放的影響因素研究——以長三角地區(qū)為例[J]. 龔利,屠紅洲,龔存.  工業(yè)技術(shù)經(jīng)濟(jì). 2018(08)
[6]中國二氧化碳排放數(shù)據(jù)核算[J]. 劉竹,關(guān)大博,魏偉.  中國科學(xué):地球科學(xué). 2018(07)
[7]中原經(jīng)濟(jì)區(qū)城鎮(zhèn)居民消費(fèi)間接碳排放時空格局及其影響因素[J]. 史琴琴,魯豐先,陳海,張麗君,武榮偉,梁小英.  資源科學(xué). 2018(06)
[8]海島城市碳排放測度及其影響因素分析——以浙江省舟山市為例[J]. 孫艷偉,李加林,李偉芳,馬仁鋒.  地理研究. 2018(05)
[9]基于STIRPAT模型的南京市農(nóng)業(yè)碳排放驅(qū)動因素分析及趨勢預(yù)測[J]. 黎孔清,馬豆豆,李義猛.  科技管理研究. 2018(08)
[10]中國城市天然氣消費(fèi)驅(qū)動因素分析[J]. 高建,董秀成.  天然氣工業(yè). 2018(03)

博士論文
[1]中國能源系統(tǒng)轉(zhuǎn)型及可再生能源消納路徑研究[D]. 柳逸月.蘭州大學(xué) 2017
[2]吉林省能源碳排放驅(qū)動因素與新常態(tài)背景下碳排放趨勢研究[D]. 田雷.吉林大學(xué) 2016
[3]城鎮(zhèn)化與碳減排目標(biāo)背景下能源—碳排放系統(tǒng)建模研究[D]. 王泳璇.吉林大學(xué) 2016
[4]中國城市化與空氣環(huán)境的相互作用關(guān)系及EKC檢驗[D]. 丁鐳.中國地質(zhì)大學(xué) 2016
[5]我國能源低碳轉(zhuǎn)型法律制度研究[D]. 曹俊金.華東政法大學(xué) 2016
[6]中國物流業(yè)能源消耗與二氧化碳排放效率測度及分析[D]. 張立國.南京航空航天大學(xué) 2015
[7]我國石化行業(yè)溫室氣體排放變動分析及減排潛力研究[D]. 劉玲.中國石油大學(xué)(華東) 2014
[8]中國二氧化碳凈排放和驅(qū)動因素研究[D]. 于洋.東北師范大學(xué) 2014
[9]基于不確定性優(yōu)化方法的能源環(huán)境系統(tǒng)規(guī)劃模型研究[D]. 董聰.華北電力大學(xué) 2014
[10]匯率制度與人民幣匯率傳遞效應(yīng)研究[D]. 謝博婕.對外經(jīng)濟(jì)貿(mào)易大學(xué) 2014

碩士論文
[1]京津冀人口城市化對能源消費(fèi)影響及區(qū)域差異研究[D]. 楊陽.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[2]基于STIRPAT模型的中美印碳排放影響因素比較研究[D]. 趙馨月.山西財經(jīng)大學(xué) 2018
[3]山東省能源消費(fèi)和二氧化碳排放總量控制模型及對策研究[D]. 張玉秀.山東師范大學(xué) 2018
[4]安徽省能源消費(fèi)碳足跡及影響因素研究[D]. 胡思婷.安徽財經(jīng)大學(xué) 2018
[5]基于LEAP模型的吉林省工業(yè)碳排放模擬研究及碳減排路徑選擇[D]. 解品磊.吉林大學(xué) 2018
[6]基于IPCC-LEAP模型的陜西省區(qū)域低碳評價及研究[D]. 韓雪瑩.西安工業(yè)大學(xué) 2018
[7]能源清潔發(fā)展訴求下中國天然氣消費(fèi)影響因素分析及預(yù)測[D]. 梁婷.陜西師范大學(xué) 2018
[8]基于STIRPAT和SVAR模型的電力行業(yè)碳排放因素分析[D]. 俞佳軻.華北電力大學(xué) 2018
[9]基于STIRPAT模型在不同收入水平區(qū)域二氧化碳排放驅(qū)動因素比較分析[D]. 耿佳佳.東北財經(jīng)大學(xué) 2017
[10]基于LEAP模型吉林省長期能源消耗量及碳排放量分析[D]. 劉繼秀.吉林大學(xué) 2017



本文編號：3590008