考虑电力行业碳排放的全国碳价预测

doi:10.11930/j.issn.1004-9649.202308084

中国电力 ›› 2024, Vol. 57 ›› Issue (5): 79-87.DOI: 10.11930/j.issn.1004-9649.202308084

• 新型能源体系下电碳协同市场机制及优化运行 • 上一篇下一篇

考虑电力行业碳排放的全国碳价预测

王一蓉¹(), 陈浩林¹(), 林立身²(), 唐进²()

1. 国家电网有限公司大数据中心，北京　100052
2. 北京中创碳投科技有限公司，北京　100007

收稿日期:2023-08-21 录用日期:2023-11-19 发布日期:2024-05-23 出版日期:2024-05-28
作者简介:王一蓉（1979—），女，博士，正高级工程师，从事金融科技研究，E-mail：yirong-wang@sgcc.com
陈浩林（1996—），男，硕士，工程师，从事机器学习研究，E-mail：sgccchenhaolin@163.com
林立身（1991—），男，通信作者，硕士，从事碳定价与碳金融研究，E-mail：linlishen@sino-carbon.cn
唐进（1979—），男，博士，高级工程师，从事企业碳管理研究，E-mail：tangjin@sino-carbon.cn
基金资助:
国家电网有限公司大数据中心科技项目（SGSJ0000KFJS2200034）。

National Carbon Price Prediction Considering Carbon Emissions from the Power Industry

Yirong WANG¹(), Haolin CHEN¹(), Lishen LIN²(), Jin TANG²()

1. Big Data Center of State Grid Corporation of China, Beijing 100052, China
2. SinoCarbon Innovation & Investment Co., Ltd., Beijing 100007, China

Received:2023-08-21 Accepted:2023-11-19 Online:2024-05-23 Published:2024-05-28
Supported by:
This work is supported by Science and Technology Project of the Big Data Center of State Grid Corporation of China (No.SGSJ0000KFJS2200034).

摘要/Abstract

摘要：

为更好预测全国碳价走势，基于带有外生变量的自回归差分移动平均模型（autoregressive integrated moving average with exogenous variable model，ARIMAX），分履约期和非履约期使用不同的外生变量分别构建了全国碳价预测模型。首先，基于对全国碳市场制度规则研究和交易特征分析，识别出全国碳价在非履约期主要受参与者预期的影响，在履约期碳价主要受企业履约需求驱动；其次，在模型训练方面，采用一种自回归差分移动平均模型，在不同阶段引入不同的外生变量来提升碳价预测效果；最后，基于全国碳市场第一履约期真实价格数据验证结果表明，所提的全国碳价预测模型在准确性方面优于基准模型。

关键词: 电力行业, 碳排放, 碳配额, 价格预测, 全国碳市场, ARIMAX模型

Abstract:

In order to better predict the trend of national carbon prices, a national carbon price prediction model is constructed based on the autoregressive integrated moving average with exogenous variable model (ARIMAX), using different exogenous variables during the fulfillment and non-fulfillment period. Firstly, based on research on the institutional rules of the national carbon market and analysis of trading characteristics, it is found that the national carbon price is mainly influenced by the expectations of participants during the non-fulfillment period, and is mainly driven by the fulfillment demand of enterprises during the fulfillment period. Secondly, in terms of model training, an autoregressive differential moving average model is adopted to introduce different exogenous variables at different stages to improve the effectiveness of carbon price prediction. Finally, the real price data of the first compliance period in the national carbon market are used for verification, and the results show that the proposed national carbon price prediction model in this article is superior to the benchmark model in terms of accuracy.

Key words: power industry, carbon emission, carbon allowances, price forecast, national carbon market, ARIMAX model

王一蓉, 陈浩林, 林立身, 唐进. 考虑电力行业碳排放的全国碳价预测[J]. 中国电力, 2024, 57(5): 79-87.

Yirong WANG, Haolin CHEN, Lishen LIN, Jin TANG. National Carbon Price Prediction Considering Carbon Emissions from the Power Industry[J]. Electric Power, 2024, 57(5): 79-87.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.202308084

https://www.electricpower.com.cn/CN/Y2024/V57/I5/79

图/表 6

图 1 全国碳市场整体运行框架流程

Fig.1 The overall operation process of the national carbon market in China

图 2 2021年7月6日—12月31日全国碳市场配额收盘价和成交量走势

Fig.2 Closing price and trading volume trend of the national carbon market quotas in China during July 7th and December 31st, 2021

图 3 2021年7月16日—10月31日电力行业碳排放量和全国碳市场配额收盘价走势

Fig.3 Carbon emissions from the power industry and the closing price trend of the national carbon market quotas in China during July 16th and October 31st, 2021

图 4 非履约期模型预测价格与实际价格对比

Fig.4 Comparison between fulfillment period model predicted prices and actual prices

表 1 模型预测价格与实际价格误差

Table 1 Errors between model predicted prices and actual prices

	E_MA	E_RMS	E_MS	E_MAP/%	E_SMAP/%
非履约期	0.96	0.98	1.77	1.96	1.95
履约期	0.45	0.67	0.74	0.98	0.98

图 5 履约期模型预测价格与实际价格对比

Fig.5 Comparison between fulfillment period model predicted prices and actual prices

参考文献 25

1	陈志斌, 林立身. 全球碳市场建设历程回顾与展望[J]. 环境与可持续发展, 2021, 46 (3): 37- 44.
	CHEN Zhibin, LIN Lishen. Review and prospect of carbon emission trading market in the world[J]. Environment and Sustainable Development, 2021, 46 (3): 37- 44.
2	孙悦. 欧盟碳排放权交易体系及其价格机制研究[D]. 长春: 吉林大学, 2018.
	SUN Yue. Research on European union emissions trading scheme and the price mechanism[D]. Changchun: Jilin University, 2018.
3	陈志斌, 孙峥. 中国碳排放权交易市场发展历程: 从试点到全国[J]. 环境与可持续发展, 2021, 46 (2): 28- 36.
	CHEN Zhibin, SUN Zheng. Development history of carbon emission rights trading market in China: from pilots to national[J]. Environment and Sustainable Development, 2021, 46 (2): 28- 36.
4	张希良, 张达, 余润心. 中国特色全国碳市场设计理论与实践[J]. 管理世界, 2021, 37 (8): 80- 95.
	ZHANG Xiliang, ZHANG Da, YU Runxin. Theory and practice of China's national carbon emissions trading system[J]. Journal of Management World, 2021, 37 (8): 80- 95.
5	唐人虎, 林立身. 全国碳市场运行现状、挑战及未来展望[J]. 中国电力企业管理, 2022, (7): 20- 25.
6	王科, 李思阳. 中国碳市场回顾与展望(2022)[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(2022)[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2022, 24 (2): 33- 42.
7	涂玥. 中国碳市场时变溢出效应及碳价预测研究[D]. 昆明: 云南财经大学, 2022.
	TU Yue. China's carbon market time-varying spillover effect and the carbon price prediction[D]. Kunming: Yunnan University of Finance and Economics, 2022.
8	刘建和, 梁佳丽, 陈霞. 我国碳市场与国内焦煤市场、欧盟碳市场的溢出效应研究[J]. 工业技术经济, 2020, 39 (9): 88- 95.
	LIU Jianhe, LIANG Jiali, CHEN Xia. Research on spillover effect of China's carbon market, domestic coke market and EU ETS[J]. Journal of Industrial Technological Economics, 2020, 39 (9): 88- 95.
9	赵立祥, 胡灿. 我国碳排放权交易价格影响因素研究: 基于结构方程模型的实证分析[J]. 价格理论与实践, 2016, (7): 101- 104.
10	姜雪. 碳排放权交易价格影响因素文献综述[J]. 广西质量监督导报, 2020, (7): 192- 193.
11	王蕊. 我国碳金融市场中碳交易价格的影响因素分析——基于面板分位数模型[D]. 西安: 西北大学, 2021.
	WANG Rui. The Research on the influence factors of carbon emission price in China - empirical study based on the panel quantile model [D]. Xi'an: Northwest University, 2021.
12	张跃军, 魏一鸣. 化石能源市场对国际碳市场的动态影响实证研究[J]. 管理评论, 2010, 22 (6): 34- 41.
	ZHANG Yuejun, WEI Yiming. Interpreting the complex impact of fossil fuel markets on the EU ETS futures markets: an empirical evidence[J]. Management Review, 2010, 22 (6): 34- 41.
13	郭文军. 中国区域碳排放权价格影响因素的研究: 基于自适应Lasso方法[J]. 中国人口·资源与环境, 2015, 25 (S1): 305- 310.
	GUO Wenjun. Factors impacting on the price of China's regional carbon emissions based on adaptive Lasso method[J]. China Population, Resources and Environment, 2015, 25 (S1): 305- 310.
14	陈欣, 刘明, 刘延. 碳交易价格的驱动因素与结构性断点——基于中国七个碳交易试点的实证研究[J]. 经济问题, 2016, (11): 29- 35.
	CHEN Xin, LIU Ming, LIU Yan. Price drivers and structural breaks in China's carbon prices: based on seven carbon trading pilots[J]. On Economic Problems, 2016, (11): 29- 35.
15	宋雅贤, 顾光同. 中国碳市场试点区碳交易价格驱动因素及其时空异质性[J]. 林业资源管理, 2022, (5): 32- 41.
	SONG Yaxian, GU Guangtong. Driving factors of carbon trading price in pilot area of China carbon market and its temporal and spatial heterogeneity[J]. Forest Resources Management, 2022, (5): 32- 41.
16	吕靖烨, 范欣雅, 吴浩楠. 中国碳排放权价格影响因素的参数灵敏度分析[J]. 软科学, 2021, 35 (5): 123- 130.
	LV Jingye, FAN Xinya, WU Haonan. Sensitivity analysis of factors influencing carbon prices in China[J]. Soft Science, 2021, 35 (5): 123- 130.
17	王娜. 基于大数据的碳价预测[J]. 统计研究, 2016, 33 (11): 56- 62.
	WANG Na. Forecasting of carbon price based on big data[J]. Statistical Research, 2016, 33 (11): 56- 62.
18	王娜. 基于Boosting-ARMA的碳价预测[J]. 统计与信息论坛, 2017, 32 (3): 28- 34.
	WANG Na. Forecasting of carbon price based on boosting-ARMA model[J]. Statistics & Information Forum, 2017, 32 (3): 28- 34.
19	朱帮助, 王平, 魏一鸣. 基于EMD的碳市场价格影响因素多尺度分析[J]. 经济学动态, 2012, (6): 92- 97.
20	秦全德, 黄兆荣, 黄凯珊. 一种基于局部回归的多尺度碳市场价格预测模型研究[J]. 运筹与管理, 2022, 31 (1): 107- 114.
	QIN Quande, HUANG Zhaorong, HUANG Kaishan. A multi-scale carbon price forecasting model with local regression approach[J]. Operations Research and Management Science, 2022, 31 (1): 107- 114.
21	崔焕影, 窦祥胜. 基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测[J]. 运筹与管理, 2018, 27 (7): 133- 143.
	CUI Huanying, DOU Xiangsheng. Carbon price forecasts in Chinese carbon trading market based on EMD-GA-BP and EMD-PSO-LSSVM[J]. Operations Research and Management Science, 2018, 27 (7): 133- 143.
22	彭武元, 陈思宇. 中国碳排放试点市场碳交易价格分析及预测[J]. 技术经济, 2020, 39 (3): 102- 110.
	PENG Wuyuan, CHEN Siyu. Analysis and forecast of carbon trading price in China's carbon emission pilot market[J]. Journal of Technology Economics, 2020, 39 (3): 102- 110.
23	中国建筑材料联合会. 中国建筑材料工业碳排放报告(2020年度)[J]. 石材, 2021, (5): 3- 5, 54.
24	宋晓聪, 杜帅, 邓陈宁, 等. 钢铁行业生命周期碳排放核算及减排潜力评估[J/OL]. 环境科学: 1–19[2023-06-29]. https://doi-org-s.tsinghua.yitlink.com:8444/10.13227/j.hjkx.202301074
	SONG Xiaocong, DU Shuai, DENG Chenning, et al. Life cycle carbon emission accounting and emission reduction potential assessment of steel industry [J/OL]. Environmental Science: 1–19[2023-06-29]. https://doi-org-s.tsinghua.yitlink.com:8444/10.13227/j.hjkx.202301074.
25	王旋, 许立松. 电解铝行业碳排放现状和趋势分析[J]. 有色冶金节能, 2022, 38 (4): 1- 6. DOI
	WANG Xuan, XU Lisong. Current situation and trend analysis of carbon emission in the electrolytic aluminum industry[J]. Energy Saving of Nonferrous Metallurgy, 2022, 38 (4): 1- 6. DOI

[1]	赵彤, 李雪松, 周浩, 丁羽, 杨斌, 王文涛, 王鹏. 基于动态碳排放强度的电碳市场耦合建模方法及市场优化机制分析[J]. 中国电力, 2025, 58(4): 31-43.
[2]	周飞航, 王灏, 王海利, 王萌, 金耀杰, 李重春, 张忠德, 王鹏. 基于多智能体强化学习的电-碳-绿证耦合市场下多市场主体行为研究[J]. 中国电力, 2025, 58(4): 44-55.
[3]	李可昀, 张宁, 赵乐, 赵成, 李嘉宇, 唐诚. 输变电工程关键电力设备与材料碳排放核算方法[J]. 中国电力, 2025, 58(4): 193-204.
[4]	张峰, 姜继双, 李超, 夏芝香, 戴莉, 王凯歌, 方梦祥, 骆仲泱. 基于GHGP标准体系的输变电工程建设碳排放量化分析[J]. 中国电力, 2025, 58(4): 205-215.
[5]	徐祥海, 商佳宜, 赵天煜, 龚莺飞, 何卫斌, 汤亚宸. 考虑碳排放限制与市场参与的储能利润优化[J]. 中国电力, 2025, 58(3): 204-212.
[6]	李江, 范袁铮, 刘博. 计及水泥厂直接碳排放碳责任的源-荷低碳优化运行方法[J]. 中国电力, 2025, 58(1): 141-152.
[7]	周原冰, 张士宁, 侯方心, 任宏涛, 徐鹏飞. 电力行业碳达峰及促进全社会碳减排影响分析[J]. 中国电力, 2024, 57(9): 1-9.
[8]	王栋, 冯景丽, 李达, 牛静伟, 李军. 基于区块链的园区碳排放可信监测模型[J]. 中国电力, 2024, 57(7): 182-187.
[9]	刘含笑, 单思珂, 魏书洲, 于立元, 王帅, 刘美玲, 崔盈. 基于生命周期法的煤电碳足迹评估[J]. 中国电力, 2024, 57(7): 227-237.
[10]	吴静, 刘轩宇, 李响, 齐笑言, 李成俊, 张忠. 考虑网损的电力系统节点边际碳势理论研究与建模[J]. 中国电力, 2024, 57(6): 215-224.
[11]	李旭东, 谭青博, 赵浩辰, 乔宁, 刘力纬, 谭彩霞, 谭忠富. 碳达峰背景下中国电力行业碳排放因素和脱钩效应[J]. 中国电力, 2024, 57(5): 88-98.
[12]	李汶龙, 周云, 罗祾, 陈甜甜, 冯冬涵. 计及现货交易的电能量交易全环节用电碳责任分摊[J]. 中国电力, 2024, 57(5): 99-112.
[13]	李祥光, 谭青博, 李帆琪, 李旭东, 谭忠富. 电碳耦合对煤电机组现货市场结算电价影响分析模型[J]. 中国电力, 2024, 57(5): 113-125.
[14]	谭玲玲, 汤伟, 楚冬青, 于子涵, 吉兴全, 张玉敏. 考虑电-氢一体化的微电网低碳-经济协同优化调度[J]. 中国电力, 2024, 57(5): 137-148.
[15]	李虎军, 张栋, 吕梦璇, 邓方钊, 杨萌, 元博. 考虑碳排放约束的新能源与调峰资源优化配置方法[J]. 中国电力, 2024, 57(4): 42-51.

考虑电力行业碳排放的全国碳价预测

National Carbon Price Prediction Considering Carbon Emissions from the Power Industry

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 25

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

考虑电力行业碳排放的全国碳价预测

National Carbon Price Prediction Considering Carbon Emissions from the Power Industry

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 25

相关文章 15

编辑推荐

Metrics