logo全球能源互联网期刊信息服务平台

目录

图片（0）

    表格（0）

      基金信息
      出版信息

      相关论文：

      全球能源互联网

      第8卷 第6期 2025年11月；页码：774-781
      EN 引

      基于投入产出模型的“双碳”目标下清洁能源转型综合影响分析

      Comprehensive Impact Analysis of Clean Energy Transition Under the “Dual Carbon” Goals Based on Input-output Model

      郑润祺1 ,王健2* ,黄涛3
      ZHENG Runqi1 , WANG Jian2* , HUANG Tao3
      • 1.约翰斯·霍普金斯大学，美国 马里兰州 21218
      • 2.全球能源互联网发展合作组织，北京市 西城区 100031
      • 3.北京大学光华管理学院，北京市 海淀区 100091
      • ZHENG Runqi1, WANG Jian2*, HUANG Tao3 (1.Johns Hopkins University, Maryland 21218, USA
      • 2.Global Energy Interconnection Development and Cooperation Organization, Xicheng District, Beijing 100031, China
      • 3.Guanghua School of Management, Peking University, Haidian District, Beijing 100091, China
      DOI:10.19705/j.cnki.issn2096-5125.20250445

      关键词

      Keywords

      摘 要

      Abstract

      利用投入产出模型，分析了为实现“双碳”目标，使用清洁能源替代煤电所产生的综合影响，包括全社会产出、就业及碳排放等。设置了2种情景：①当煤电、风电和太阳能发电最终需求增加相同单位时，煤电对全社会产出、就业的拉动略高于风电、太阳能发电；②从满足社会用电需求出发，考虑不同发电类型的特点和投资成本，风电、太阳能发电对全社会产出、就业拉动作用均高于煤电。当发电量分别增加1 GWh，煤电、风电、太阳能发电分别创造就业岗位4.7个、10.2个和11.9个。该结论对加快清洁发展，实现碳达峰、碳中和目标提供了参考。

      This paper uses an input-output model to analyze the comprehensive effects of replacing fossil fuels with renewable energy in order to achieve the goal of “dual carbon”, including total output, employment and carbon emissions.The paper sets up two scenarios: (1) When final demand of coal-fired power,wind power, and solar power increase by the same unit, coalfired power’s contribution to social output and employment is slightly higher than that of wind power and solar power.(2) In order to meeting the electricity consumption demand of the whole society, taking into account the characteristics and investment costs of different power generation types, wind power and solar power have a higher role in stimulating social output and employment than coal-fired power.When power generation increased by 1 GWh, coal-fired power, wind power,and solar power generated 4.7, 10.2, and 11.9 jobs, respectively.This conclusion is of significance to accelerate clean development and achieve the goal of carbon peak and carbon neutrality.

      0 引言

      2020年9月22日，中国提出碳达峰、碳中和目标[1]，体现了积极应对全球气候变化的大国担当。2020年12月12日，中国进一步明确了未来能源发展方向，到2030年，中国单位国内生产总值二氧化碳排放将比2005年下降65%以上，非化石能源占一次能源消费比重将达到25%左右，风电、太阳能发电总装机容量将达到12亿kW以上[2]。

      目前，煤电仍然在中国的电力供应中占据主导地位。2023年，全国发电量为9.5万亿kWh，其中火电占比为66.3%。从电力装机结构看，截至2023年底，全国全口径发电装机容量29.2亿kW，其中煤电装机11.6亿kW，占总装机的比重达39.9%。并网风电、并网太阳能装机分别约为4.4亿kW、6.1亿kW[3]。2019年，中国电力部门碳排放占全社会碳排放总量的43%。电力部门低碳转型，关键是要大力发展清洁能源发电[4-10]。中国拥有丰富的风能和太阳能资源，根据测算，风能、太阳能集中式开发规模分别可达到56.3亿kW、1172亿kW[11]。大力发展风电、太阳能发电对实现碳中和目标具有重要意义。

      风能、太阳能等清洁能源发电替代煤电可以促进绿色转型，大幅降低电力部门碳排放，但煤电退出也可能会带来一些负面的经济社会问题。目前，中国煤炭相关行业从业人数接近400万，若决策不慎可能会造成严重的失业问题[12-13]。这也是当前制定退煤政策需要考虑的重点。鉴于此，本文利用投入产出模型方法模拟分析发展煤电、风电和太阳能发电对就业的影响，比较在碳达峰、碳中和背景下，退煤和发展清洁能源的综合效益。本文的贡献主要在于：综合分析了中国煤电与新能源发电对全社会就业的影响，综合比较了退煤与发展清洁能源的经济社会效益，为制定退煤与清洁能源政策提供了依据。

      1 文献综述

      比较不同类型发电部门对产出、就业等影响的方法大致可以分为2类。第1类是专门测算能源部门就业影响，即就业因子法或能源因子法。这类方法将发电部门上下游分解为生产、安装、运营、维修等环节，每个环节对应一个就业因子，代表完成该环节单位装机所需的工作量。各环节装机量乘以就业因子再进行加总即为创造的就业岗位数[14-17]。这类方法的关键在于计算就业因子，一般根据调查问卷、访谈或行业经验进行设定。就业因子方法简单、易于计算，但不同研究中就业因子的设定差距较大，并且该方法无法考虑对发电部门上下游行业的就业影响。第2类方法主要基于投入产出表的综合测算方法。通过考虑经济中各部门的投入产出关系，根据总投入与总产出的平衡关系得出当发电部门最终需求发生变化时，引起的其他部门产出、就业及其他指标的变化[18-19]。也有研究在投入产出表数据基础上建立可计算一般均衡模型，分析不同发电类型的投资、技术发生变化时对应的经济、环境效益[20-22]。这类方法的优点是可以综合分析各类政策对发电部门上下游行业的就业影响，缺点是投入产出表中一般只包含一个汇总的发电部门，缺少细分发电部门的投入产出数据。针对这种情况，文献[23]提出了一种通过对不同类型发电企业的成本进行调查，将每种发电部门的新增需求分解为投入产出表中已有部门需求的方法，并在此基础上利用投入产出表分析了新能源发电、节能技术等对美国就业的影响。

      国内学者对煤电、新能源发电就业影响的研究相对较少。文献[24]梳理了全球清洁能源行业的就业情况，总结了评估清洁能源技术就业效益已有方法的优缺点。文献[25]设定了清洁能源发展的2种情景，并利用可计算一般均衡模型比较了2种情景下中国GDP、居民消费、就业等宏观经济指标的差异。文献[26]使用计量模型评估了可再生能源投资对社会总就业、可再生能源部门就业和传统能源部门就业的影响。文献[27]利用投入产出表方法研究了中国环保行业发展对其他经济部门产出的影响。上述研究主要是为了论证可再生能源相关行业发展具有正向的经济社会效益，并没有比较可再生能源和传统能源发电对就业影响的差异。《中国风电光伏发电的协同效益》[28]报告中对中国未来风、光发电投资金额进行了预测，并利用投入产出表方法，预测了在投资增加情况下风、光发电带动的就业人数。但报告中使用的投入产出表并未区分不同发电技术，也没有比较煤电与风、光发电对就业的影响。文献[29]采用自下而上的表格分析法，评估了中国省级煤电退出的就业影响。还有一部分国内研究关注了煤电退出路径、退出成本、新能源发电经济性等问题[30-33]，以及煤电退出、煤炭行业去产能可能造成的失业问题[34-36]。但研究中只强调了煤电退出需要关注可能的失业问题，均未定量分析具体的失业影响大小，以及发展清洁能源是否能够弥补煤电退出造成的失业问题。因此，本文将在更新后的投入产出表中细分发电部门，并比较分析煤电和新能源发电对就业的影响。

      2 模型、数据与机理分析

      2.1 就业影响机制

      煤电退出可分为自然退出和提前退出2种情形，正常退出是指煤电机组达到服役年限后关停（一般为30 a左右），提前退役则是煤电机组尚未达到服役年限被关停。煤电机组的提前退役，不仅将直接导致原先负责这些机组运行、维护的工人失业，还将使煤电的上游行业（煤炭开采和洗选、煤电设备研发和制造等）用工人数减少。“十三五”期间，全国停建、缓建煤电产能1.5亿kW，淘汰落后产能0.2亿kW。为了实现碳达峰、碳中和目标，预计更多的煤电机组将会提前退役。文献[37]指出中国要实现2 ℃温控目标，超过10亿kW燃煤机组需要提前退役。文献[12]认为中国要实现《巴黎协定》减排目标，燃煤机组的平均寿命将降低0.42～1.93 a。

      风电、太阳能发电对就业的影响可分为2个阶段。第1个阶段是风电、太阳能发电投资增加对就业的影响。投资增加首先将直接影响风电、太阳能发电的产出和就业。为了满足新增的投资需求，风电、太阳能发电企业需要雇佣更多的工人从事设备的安装、调试等工作。装机规模的提高也将使企业的收入增加。此外。投资增加还将刺激风电、太阳能发电价值链中的行业产出和就业增加。例如，由于风电、太阳能发电设备的需求增加，风机、光伏板、电气设备等提供中间产品和服务的厂商需要雇佣更多工人以满足增加的需求。第2个阶段则是在风电、太阳能发电运行的全生命周期阶段。由于风电、太阳能发电装机规模提高，企业需要雇佣更多的工人负责设备的运行、维护、检修。同时，电气设备、输配电等处于价值链中的行业也需要在风电、太阳能发电的运行周期继续提供中间产品和投入服务。

      2.2 模型方法

      投入产出表反映了国民经济中各生产部门之间的投入产出流量关系[38]。基于投入产出表可以比较方便地分析涉及多个部门的经济活动的影响[39-42]。完整的投入产出表一般包括中间使用—中间投入、最终使用、要素投入3个部分，如表1所示[43]。

      表1 投入产出表结构
      Table 1 Structure of the input-output table

      投入中间使用 最终使用总产出部门1部门j部门n 消费 投资中间投入部门1 Q11 Q1j Q1n H1 I1 Q1部门i Qi1 Qij Qin Hi Ii Qi部门n Qn1 Qnj Qnn Hn In Qn要素投入劳动报酬 L1 Lj Ln资本/折旧 K1 Kj Kn总投入 Q1 Qj Qn

      假设生产性部门数量为n，Qj表示第j个部门的总产出，Lj和Kj分别表示第j个部门总产出为Qj时所需的劳动和资本投入，Hj和Ij分别表示第j个部门商品的最终消费量和投资量，Qij表示生产Qj所需要的i部门的投入量。现代的投入产出表一般为价值型投入产出表，即表中均以货币为单位衡量。投入产出表具有如下的行平衡关系式：

      利用投入产出系数（直接消耗系数）ai j=Qij/Qj，可将上述方程转换成如下矩阵形式：

      式 中 ： A=( aij )n × n； Q=( Q1 , … , Qn)T ； D =( H 1+ I i , … , H n +I n)T表示最终需求。上述方程可以进一步转换为如下形式：

      (I-A)-1称为里昂锡夫逆矩阵。根据式（2）即可衡量当最终需求发生变化时，各生产性部门的产出变化情况。例如，若第j个部门的最终需求增加d，各部门的产出变化如下：

      为了得到任意部门需求变化导致的就业人数变化，还需要建立各部门就业与产出的联系。IRENA（2013）指出可以利用各部门总产出，以及平均工资和工作时长计算部门的就业人数。借鉴文献[23]的方法，计算各部门的单位产出就业人数（就业人数/总产出），记为ej。由此可得由任意部门需求变化引起的各个部门就业人数的变化情况：

      其中E为n×n对角矩阵，对角线元素为（e1, …, en）。同样，还可以计算由任意部门需求变化引起的各部门能源使用总量的变化情况。用cj表示各部门的单位产出能源消费量（能源消费量/总产出），可以得到各部门能源消费变化情况：

      其中Ener为n×n对角矩阵，对角线元素为（c1,…, cn）。

      2.3 数据来源

      为了比较不同发电类型需求变化引起的各个经济部门产出、就业、能源消费的变化情况，需要在投入产出表中对发电部门进行相应划分，以区分不同发电技术（煤电、风电、太阳能发电等）。中国国家统计局每2～3年会发布投入产出表，表中共划分了42个经济部门，其中发电部门被划分到“电力、热力的生产和供应”部门中[43]，这显然不能满足本文的研究需求。本文使用的投入产出表来源于全球贸易分析项目第10版（Global Trade Analysis Project Version 10，GTAP 10）能源经济数据库[44]。GTAP数据库是一个全球合作的数据库项目，其数据主要来源于各国的投入产出表[45]。该数据库在贸易政策、财政政策、能源政策等相关研究领域得到了广泛应用[46-49]。

      GTAP 10数据库是目前最新版本的全球贸易分析项目数据库，涵盖了全球141个区域、65个产业部门的生产、消费和双边贸易等经济数据，并刻画了各部门的投入产出关系，目前数据已更新到2014年。同时，该数据库也涵盖了与各经济部门相对应的细分品种的能源消费实物量数据，并提供了12种细分电力技术的投入产出数据。为了比较传统煤电和新能源发电对其他经济部门的影响，本研究将GTAP 10中12种电力技术合并为9种，同时将其他生产性部门也进行合并，保留钢铁、有色、建材、化工等高耗能部门，合并后的行业分类见表2。各部门的就业人数主要来源于《中国统计年鉴2015》和《中国工业统计年鉴2015》。

      表2 生产性部门行业划分
      Table 2 Industry classification of productive sectors

      代码 行业名称 对应国家统计局行业分类AGR 农林牧渔业 农林牧渔业OIL 石油开采业 石油开采GAS 天然气开采业 天然气开采FOOD 食品行业农副食品加工业；食品制造业；酒、饮料和精致茶制造业；烟草制造业NMM 非金属矿物制品业 非金属矿物制品业I_S 黑色金属冶炼及压延业 黑色金属冶炼及压延业NFM 有色金属冶炼及压延业 有色金属冶炼及压延业EEQ 电气设备制造业 电气机械和器材制造业COAL 煤炭开采和洗选业 煤炭开采和洗选业MINE 矿物采选业 矿物采选业TWL 纺织纺织业；纺织服装、服饰业；皮革、毛坯、羽毛及其制品和制鞋业ROIL 石油加工业 石油加工、炼焦和核燃料加工业CRP 化工业化学原料和化学制品制造业；医药制造业；化学纤维制造业；橡胶和塑料制品业TEQ 交通装备制造业汽车制造业；铁路、船舶、航空航天和其他运输设备制造业OTHR 其他制造业COALELEC 煤电 煤电

      续表

      代码 行业名称 对应国家统计局行业分类OILELEC 燃油发电 燃油发电GASELEC 燃气发电 燃气发电HYDROELEC 水电 水电NUCLELEC 核电 核电WINDELEC 风能发电 风能发电SOLARELEC 太阳能发电 太阳能发电OTHERELEC 其他发电 其他发电TND 电力供应 电力供应CNS 建筑业 建筑业TRAN 交通运输业 交通运输业SER 服务业 服务业

      3 模型结果

      为了比较煤电、风电和太阳能发电需求变化引起的各生产性部门产出、就业和能源消费的变化情况，需要事先给定需求变化的形式。本文考虑以下2种情景。第1种是发电行业投资的拉动效益。考虑当煤电、风电、太阳能发电增加同样的投资需求时，对产出和就业的影响。例如，3种发电部门需求分别增加100万美元。第2种是发电需求增加的经济效益。综合考虑不同发电类型的特点和投资成本，将每生产1 GWh煤电、风电和太阳能发电分别对应的投资成本作为新增需求。

      3.1 情景一：发电行业投资的拉动效益

      当需求增加100万美元时，煤电、风电、太阳能发电部门产出分别增加105.9万美元、100.1万美元和100万美元，分别带动全社会产出增加300.6万美元、181.1万美元和202.1万美元。煤电对全社会产出的拉动作用高于风电和太阳能发电。部分原因是煤电的上游产业链条更长，相比于风电和太阳能发电，煤电行业需要动力原材料，对应的是完整的煤炭开采和洗选业。若剔除煤炭开采和洗选业，煤电、风电和太阳能发电分别带动全社会产出增加224.9万、178.1万和199.4万美元。分部门看，煤电对黑色金属冶炼及压延业（I_S）、煤炭开采和洗选业（COAL）、化工业（CRP）等部门拉动作用明显高于风电和太阳能发电，这些部门的共同特点是煤炭相关产品是其重要的中间投入，而且这些部门大多是中国去产能的重点部门。相比之下，风电、太阳能发电拉动较大的部门为电气设备制造业（EEQ），结果如图1所示。

      图1 煤电、风电和太阳能发电需求增加100万美元对其他部门产值影响
      Fig.1 Impact of an additional 1 million USD in demand for coal power, wind power, and solar power on the output value of other sectors

      从新增就业岗位看，当需求增加100万美元时，煤电、风电和太阳能发电行业就业岗位分别新增3.29个、3.38个和3.44个，风电和太阳能发电对本行业的就业带动能力均略高于煤电。表3中列举了使用投入产出数据针对其他国家的研究结果。由于不同国家发电部门的生产水平不同以及中间投入关系不同，对就业的影响略有差异，但整体看差异并不大。若综合所有部门结果，煤电、风电和太阳能发电创造的就业岗位数分别为40.7个、19.1个和23.8个。煤电产业链条更长，间接就业带动能力高于风电和太阳能发电。若不考虑煤炭开采和洗选业的就业岗位，煤电、风电和太阳能发电创造的就业岗位数则比较接近，分别为26.5个、18.5个和23.3个。

      表3 每新增100万美元投资直接创造的就业岗位数比较
      Table 3 Number of directly created jobs per additional 1 million USD investment

      模型 研究对象 煤电 风电 太阳能发电本文结果 中国 3.29 3.38 3.44文献[19] 克罗地亚 5 6.67文献[23] 美国 1.18 4.06 4.26

      当各部门产出增加时，能源消费量也会相应增加。为了比较风电、太阳能发电替代煤电的碳减排效益，考虑各生产性部门的化石能源（煤炭、天然气和成品油）消费情况。结果显示，当需求分别增加100万美元时，煤电引起的所有部门对煤炭、成品油、天然气的消费量分别增加6 581.3 t、70.6 t、13.9 t（以成品油当量计，下同）；风电引起的所有部门对煤炭、成品油、天然气的消费量分别增加248.4 t、26.5 t、7.9 t；太阳能发电引起的所有部门对煤炭、成品油、天然气的消费量分别增加227.3 t、31.7 t、8.6 t。这说明，当100万美元投资从煤电项目转移到风电项目时，可分别减少煤炭、成品油、天然气消费6 332.9 t、44.1 t、5.9 t，累计减少二氧化碳排放1.7万t；转移到太阳能发电项目时，可分别减少煤炭、成品油、天然气消费6 354.0 t、38.9 t、5.3 t，累计减少二氧化碳排放1.7万t（煤炭、成品油、天然气碳排放因子分别设定为2.66、1.73、1.56[50]）。

      3.2 情景二：发电需求增加的经济效益

      中国煤电技术已经非常成熟，煤电单位装机成本低于新能源发电项目。平均来看，风电、太阳能发电单位装机成本约为煤电的2.2倍、1.2倍[51-52]。由于风能、太阳能资源具有间歇性，风电和太阳能发电机组利用小时数低于煤电机组。2019年，煤电、风电和太阳能发电机组利用小时数分别为4416 h、2082 h、1285 h[53]。因此，综合考虑3种发电类型的投资成本和机组平均利用小时数，风电、太阳能发电单位发电量的投资成本约为煤电的4.6倍、4.3倍。煤电、风电和太阳能发电每生产1 GWh电量，所需投资额分别为11.6万美元、53.7万美元、49.9万美元，可分别带动煤电、风电和太阳能发电部门产值增加12.3万美元、53.7万美元、49.9万美元，分别带动全社会产出增加34.9万美元、97.1万美元、100.8万美元。分部门看，风电、太阳能发电单位发电量投资额高于煤电，除煤炭开采和洗选业外，对其他各部门产出的拉动均超过煤电。结果如图2所示。

      图2 煤电、风电和太阳能发电新增1 GWh发电量对其他部门产值影响
      Fig.2 Impact of an additional 1 GWh of electricity generation from coal power, wind power, and solar power on the output value of other sectors

      从新增就业岗位看，每新增1 GWh发电量，煤电、风电和太阳能发电部门新增就业岗位分别为0.38个、1.8个、1.7个。若综合所有部门结果，煤电、风电、太阳能发电创造的就业岗位数分别为4.7个、10.2个和11.9个，如表4所示。

      表4 不同情景下煤电、风电和太阳能发电就业带动
      Table 4 Employment of coal power, wind power, and solar power under different scenarios

      统计范围情景一（新增100万美元投资）情景二（新增1 GWh发电量）煤电 风电 太阳能发电 煤电 风电 太阳能发电本行业就业 3.29 3.38 3.44 0.38 1.82 1.72全社会就业 40.69 19.08 23.79 4.73 10.2 11.9

      从能源消费和碳减排效益看，每新增1 GWh发电量，煤电引起的所有部门对煤炭、成品油、天然气的消费量分别增加760 t、8.2 t、1.6 t；风电引起的所有部门对煤炭、成品油、天然气的消费量分别增加130 t、14 t、4.3 t；太阳能发电引起的所有部门对煤炭、成品油、天然气的消费量分别增加110 t、16 t、4.3 t。这说明，当用风电、太阳能发电取代煤电生产1 GWh电量时，可分别减少二氧化碳排放1 664.6 t、1710 t。若仅考虑单位煤电发电量产生的二氧化碳排放，减少1 GWh煤电可降低二氧化碳排放840 t[54]，低于本文利用投入产出表计算得到的结果。这是因为该方法无法计算由于煤电产量增加而引起的上下游部门的产出和能源消费的增加，因此低估了清洁能源发电取代煤电时的碳减排效益。

      4 结论

      本文利用投入产出模型，比较了煤电、风电和太阳能发电需求变化对全社会产出、就业和碳排放的影响。当新增需求相同时，煤电对全社会产出和就业的拉动均高于风电和太阳能，其中煤电行业的上游产业煤炭开采和洗选业产出和就业增加最多。但风电、太阳能发电对本行业的就业带动能力要略高于煤电。若从满足全社会用电需求角度来看，将煤电、风电和太阳能单位发电量对应的投资额作为新增需求，风电、太阳能发电对全社会产出和就业的拉动均高于煤电。煤电、风电、太阳能发电每新增1 GWh发电量，可分别创造就业岗位4.7个、10.2个和11.9个。风电、太阳能发电取代煤电还具有显著的碳减排效益，当用风电、太阳能发电取代煤电生产1 GWh电量时，考虑由于煤电上下游部门的产出和能源消费量的下降，可分别降低全社会二氧化碳排放1665 t、1710 t。可以看出，通过发展风电、太阳能发电取代煤电，不仅可以实现电力行业的清洁发展，保障全社会用电需求，同时还能弥补由于煤电退出造成的失业问题。应该大力促进新能源发展，有序退出煤电，推动电力行业清洁发展，实现碳达峰、碳中和目标。

      本文研究只是一个初步探索。投入产出模型能够反映出经济中各部门的连锁关系，全面刻画由于其中某个部门需求变化引起的其他部门的变化情况。但该方法也存在缺点，例如需要假设各部门之间的投入比例不变，且投入产出表的数据往往比较滞后。但作为初步研究，该方法能够比较全面地刻画煤电、风电和太阳能发电需求变化对全社会产出、就业和碳排放的影响。在后续研究中，还会进一步尝试改进该方法，例如建立一般均衡模型，建立动态投入产出表等等。

      参考文献

      1. [1]

        李梦宇，王健，田野.碳达峰碳中和目标下中国经济产业发展研究[J].全球能源互联网，2024，7(6)：629-639.LI Mengyu, WANG Jian, TIAN Ye.Research on the development of China’s economic industry under the goal of carbon peak and carbon neutrality[J].Journal of Global Energy Interconnection, 2024, 7(6): 629-639 (in Chinese). [百度学术]

      2. [2]

        张士宁，谭新，侯方心，等.全球碳中和形势盘点与发展指数研究[J].全球能源互联网，2021，4(3)：264-272.ZHANG Shining, TAN Xin, HOU Fangxin, et al.Research on global carbon neutrality target and development index[J].Journal of Global Energy Interconnection, 2021, 4(3): 264-272(in Chinese). [百度学术]

      3. [3]

        中国电力企业联合会.中国电力供需分析报告2024[R/OL].（2025-03-21）[2025-09-10].https://cec.org.cn/detail/index.html 3-342944. [百度学术]

      4. [4]

        刘蓉晖，王乐凯，孙改平，等.考虑不确定性的风-光-储合作联盟参与含需求响应的主辅联合市场的竞价交易模型[J].电力系统保护与控制，2023，51(11)：96-107.LIU Ronghui, WANG Lekai, SUN Gaiping, et al.Bidding transaction model of wind-solar-storage cooperative alliance participating in the main and auxiliary joint market with demand response considering uncertainty[J].Power System Protection and Control, 2023, 51(11): 96-107(in Chinese). [百度学术]

      5. [5]

        陈阳，谢丽蓉，马兰，等.考虑光伏预测误差兼顾平抑波动的双层储能运行策略[J].电力工程技术，2023，42(1)：70-79.CHEN Yang, XIE Lirong, MA Lan, et al.Double-layer energy storage operation strategy that takes into account PV output error and smooths out fluctuations[J].Electric Power Engineering Technology, 2023, 42(1): 70-79(in Chinese). [百度学术]

      6. [6]

        王耀函，张扬帆，赵庆旭，等.低电压穿越过程中风电机组载荷特性联合仿真研究[J].发电技术，2024，45(4)：705-715.WANG Yaohan, ZHANG Yangfan, ZHAO Qingxu, et al.Joint simulation study on load characteristics of wind turbines in low voltage ride through process[J].Power Generation Technology,2024, 45(4): 705-715 (in Chinese). [百度学术]

      7. [7]

        史昭娣，朱宁，李政，等.计及源-荷匹配的多区域多类型新能源系统优化规划方法[J].电力工程技术，2024，43(4)：67-76.SHI Zhaodi, ZHU Ning, LI Zheng, et al.Optimization planning method of multi-region and multi-type renewable energy generation considering source-load matching[J].Electric Power Engineering Technology, 2024, 43(4): 67-76 (in Chinese). [百度学术]

      8. [8]

        赵毅，王维庆，闫斯哲.考虑阶梯型碳交易的风光储联合系统分布鲁棒优化调度[J].电力系统保护与控制，2023，51(6)：127-136.ZHAO Yi, WANG Weiqing, YAN Sizhe.Distributionally robust optimization scheduling of a joint wind-solar-storage system considering step-type carbon trading[J].Power System Protection and Control, 2023, 51(6): 127-136 (in Chinese). [百度学术]

      9. [9]

        严新荣，胡志勇，张鹏威，等.煤电机组运行灵活性提升技术研究与应用[J].发电技术，2024，45(6)：1074-1086.YAN Xinrong, HU Zhiyong, ZHANG Pengwei, et al.Research and application of operation flexibility improvement technology for coal-fired power unit[J].Power Generation Technology, 2024, 45(6): 1074-1086(in Chinese). [百度学术]

      10. [10]

        王放放，杨鹏威，赵光金，等.新型电力系统下火电机组灵活性运行技术发展及挑战[J].发电技术，2024，45(2)：189-198.WANG Fangfang, YANG Pengwei, ZHAO Guangjin, et al.Development and challenge of flexible operation technology of thermal power units under new power system[J].Power Generation Technology, 2024, 45(2): 189-198 (in Chinese). [百度学术]

      11. [11]

        全球能源互联网发展合作组织.亚洲清洁能源开发与投资研究[M].北京：中国电力出版社，2020. [百度学术]

      12. [12]

        李政，陈思源，董文娟，等.现实可行且成本可负担的中国电力低碳转型路径[J].洁净煤技术，2021，27(2)：1-7.LI Zheng, CHEN Siyuan, DONG Wenjuan, et al.Feasible and affordable pathways to low-carbon power transition in China[J].Clean Coal Technology, 2021, 27(2): 1-7(in Chinese). [百度学术]

      13. [13]

        ZHOU S L, CHEN B, WEI W D, et al.China’s power transformation may drastically change employment patterns in the power sector and its upstream supply chains[J].Environmental Research Letters, 2022, 17(6): 065005. [百度学术]

      14. [14]

        ORTEGA M, DEL RÍO P, RUIZ P, et al.Employment effects of renewable electricity deployment.A novel methodology[J].Energy, 2015, 91: 940-951. [百度学术]

      15. [15]

        CAMERON L, VAN DER ZWAAN B.Employment factors for wind and solar energy technologies: a literature review[J].Renewable and Sustainable Energy Reviews, 2015, 45: 160-172. [百度学术]

      16. [16]

        FRAGKOS P, PAROUSSOS L.Employment creation in EU related to renewables expansion[J].Applied Energy, 2018,230: 935-945. [百度学术]

      17. [17]

        RAM M, OSORIO-ARAVENA J C, AGHAHOSSEINI A,et al.Job creation during a climate compliant global energy transition across the power, heat, transport, and desalination sectors by 2050[J].Energy, 2022, 238: 121690. [百度学术]

      18. [18]

        MARKANDYA A, ARTO I, GONZÁLEZ-EGUINO M, et al.Towards a green energy economy? Tracking the employment effects of low-carbon technologies in the European Union[J].Applied Energy, 2016, 179: 1342-1350. [百度学术]

      19. [19]

        KEČEK D, MIKULIĆ D, LOVRINČEVIĆ Ž.Deployment of renewable energy: Economic effects on the Croatian economy[J].Energy Policy, 2019, 126: 402-410. [百度学术]

      20. [20]

        PERRIER Q, QUIRION P.How shifting investment towards low-carbon sectors impacts employment: three determinants under scrutiny[J].Energy Economics, 2018, 75: 464-483. [百度学术]

      21. [21]

        M A G A C H O G, E S P A G N E E, G O D I N A, e t a l.Macroeconomic exposure of developing economies to lowcarbon transition[J].World Development, 2023, 167: 106231. [百度学术]

      22. [22]

        GAO Z Y, ZHAO Y, LI L Q, et al.Economic effects of sustainable energy technology progress under carbon reduction targets: an analysis based on a dynamic multi-regional CGE model[J].Applied Energy, 2024, 363: 123071. [百度学术]

      23. [23]

        GARRETT-PELTIER H.Green versus brown: comparing the employment impacts of energy efficiency, renewable energy,and fossil fuels using an input-output model[J].Economic Modelling, 2017, 61: 439-447. [百度学术]

      24. [24]

        林宝.可再生能源产业发展的就业效应[J].劳动经济研究，2014，2(1)：127-151.LIN Bao.Employment effects of renewable energy industry development[J].Studies in Labor Economics, 2014, 2(1): 127-151 (in Chinese). [百度学术]

      25. [25]

        DAI H C, XIE X X, XIE Y, et al.Green growth: the economic impacts of large-scale renewable energy development in China[J].Applied Energy, 2016, 162: 435-449. [百度学术]

      26. [26]

        何凌云，杨晓蕾，钟章奇，等.我国可再生能源投资的就业效应研究: 整体和行业视角[J].中南大学学报（社会科学版），2019，25(3)：84-95.HE Lingyun, YANG Xiaolei, ZHONG Zhangqi, et al.On employment effect of renewable energy investment in China:from the overall and industrial perspective[J].Journal of Central South University (Social Sciences), 2019, 25(3): 84-95(in Chinese). [百度学术]

      27. [27]

        FAN Y, WU S Z, LU Y T, et al.Study on the effect of the environmental protection industry and investment for the national economy: an input-output perspective[J].Journal of Cleaner Production, 2019, 227: 1093-1106. [百度学术]

      28. [28]

        中国可再生能源学会风能专业委员会，国家发展改革委能源研究所，清华大学能源环境经济研究所，等.中国风电光伏发电的协同效益[R/OL].（2017-04-11）[2025-09-10].https://www.greenpeace.org.cn/co-benefits-of-wind-and-solarpower-in-china-report/. [百度学术]

      29. [29]

        袁家海，王媛，杨晓文，等.“双碳”目标下省级煤电退出的就业影响与脆弱性评估[J].中国人口· 资源与环境，2023，33(7)：67-80.YUAN Jiahai, WANG Yuan, YANG Xiaowen, et al.Employment impact and vulnerability assessment of China’s provincial coal power phase-out under the‘dual carbon’goals[J].China Population, Resources and Environment, 2023, 33(7):67-80 (in Chinese). [百度学术]

      30. [30]

        康俊杰，李晶晶，王一惠，等.“自下而上” 煤电去产能的路径与政策研究[J].中国煤炭，2019，45(9)：24-29.KANG Junjie, LI Jingjing, WANG Yihui, et al.A bottom-up approach to reducing coal-fired capacity: pathways and policy research[J].China Coal, 2019, 45(9): 24-29 (in Chinese). [百度学术]

      31. [31]

        赵长红，赵梦原，袁家海.“僵尸煤电企业”的识别与退出机制[J].中国电力企业管理，2019(28)：54-57. [百度学术]

      32. [32]

        周玉立，袁宏永.中国煤炭发电与光伏发电技术的经济性评估[J].技术经济与管理研究，2020，293(12)：97-102.ZHOU Yuli, YUAN Hongyong.Economic evaluation of coal power generation and photovoltaic power generation technologies in China[J].Technoeconomics & Management Research, 2020, 293(12): 97-102 (in Chinese). [百度学术]

      33. [33]

        张玟，宋晓华.“双碳”目标下煤电企业退出成本及路径研究[J].中国电力企业管理，2025(3)：83-85. [百度学术]

      34. [34]

        黄湘闽.去产能职工安置中的社会保障问题研究[J].煤炭经济研究，2017，37(5)：6-13.HUANG Xiangmin.Study on social insurance problems from de-capacity and staff resettlement[J].Coal Economic Research,2017, 37(5): 6-13(in Chinese). [百度学术]

      35. [35]

        刘燕斌.去产能职工就业安置的现状、问题和对策[J].中国就业，2018(9)：4-6.LIU Yanbin.Present situation, problems and countermeasures of employment placement for workers with reduced capacity[J].China Employment, 2018(9): 4-6(in Chinese). [百度学术]

      36. [36]

        唐聪聪，杨伟国，王非.中国去产能政策的就业效应研究[J].宏观经济研究，2020(6)：61-74. [百度学术]

      37. [37]

        WANG H, CHEN W Y, ZHANG H J, et al.Modeling of power sector decarbonization in China: comparisons of early and delayed mitigation towards 2-degree target[J].Climatic Change, 2020, 162(4): 1843-1856. [百度学术]

      38. [38]

        张欣.可计算一般均衡模型的基本原理与编程（第二版）[M].上海：格致出版社，上海人民出版社，2018. [百度学术]

      39. [39]

        佟仁城.投入产出技术在大气环境治理措施评价中的应用[J].数量经济技术经济研究，2002，19(1)：78-81.TONG Rencheng.The application of input-output technique on evaluation of harnessing measure of atmospheric environment[J].Quantitative and Technical Economics, 2002,19(1): 78-81 (in Chinese). [百度学术]

      40. [40]

        程大中.中国生产性服务业的水平、结构及影响：基于投入-产出法的国际比较研究[J].经济研究，2008，43(1)：76-88.CHENG Dazhong.Development level, structure, and impact of producer services in China: an international comparison based on input-output approach[J].Economic Research Journal,2008, 43(1): 76-88(in Chinese). [百度学术]

      41. [41]

        张亚雄，赵坤.北京奥运会投资对中国经济的拉动影响：基于区域间投入产出模型的分析[J].经济研究，2008，43(3)：4-15.ZHANG Yaxiong, ZHAO Kun.The impact of Beijing Olympic-related investments on regional economic growth of China: interregional input-output approach[J].Economic Research Journal, 2008, 43(3): 4-15(in Chinese). [百度学术]

      42. [42]

        李晓，张建平.东亚产业关联的研究方法与现状：一个国际/国家间投入产出模型的综述[J].经济研究，2010，45(4)：147-160.LI Xiao, ZHANG Jianping.The methodology and current situation of industrial linkages in east Asia: a review on the international/inter-country input-output model[J].Economic Research Journal, 2010, 45(4): 147-160(in Chinese). [百度学术]

      43. [43]

        国家统计局国民经济核算司.投入产出表[DB/OL].(2017-01-13)[2025-09-10].http://www.stats.gov.cn/ztjc/tjzdgg/trccxh/zlxz/trccb/201701/t20170113_1453448.html. [百度学术]

      44. [44]

        Global Trade Analysis Project[DB/OL].[2025-09-10].https://www.gtap.agecon.purdue.edu/. [百度学术]

      45. [45]

        AGUIAR A, CHEPELIEV M, CORONG E L, et al.The GTAP data base: version 10[J].Journal of Global Economic Analysis,2019, 4(1): 1-27. [百度学术]

      46. [46]

        MENG J, MI Z F, GUAN D B, et al.The rise of South-South trade and its effect on global CO2 emissions[J].Nature Communications, 2018, 9: 1871. [百度学术]

      47. [47]

        BEKKERS E, FRANCOIS J F, ROJAS-ROMAGOSA H.Melting ice caps and the economic impact of opening the Northern Sea Route[J].The Economic Journal, 2018, 128(610):1095-1127. [百度学术]

      48. [48]

        冯晟昊，王健，张恪渝，等.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[J].全球能源互联网，2019，2(4)：376-383.FENG Shenghao, WANG Jian, ZHANG Keyu, et al.Research on GEI’s economic implications based on the computable general equilibrium model: a case of China and its neighboring areas[J].Journal of Global Energy Interconnection, 2019, 2(4):376-383 (in Chinese). [百度学术]

      49. [49]

        LI M H, BALISTRERI E J, ZHANG W D.The U.S.-China trade war: tariff data and general equilibrium analysis[J].Journal of Asian Economics, 2020, 69: 101216. [百度学术]

      50. [50]

        联合国政府间气候变化专门委员会（IPCC）.国家温室气体清单指南[R]. [百度学术]

      51. [51]

        华北电力大学煤电经济性研究课题组.中国燃煤发电项目经济性研究[R].北京. [百度学术]

      52. [52]

        全球能源互联网发展合作组织.全球清洁能源开发与投资研究[M].北京: 中国电力出版社，2020. [百度学术]

      53. [53]

        中国电力企业联合会.2019—2020年度全国电力供需形势分析预测报告[R/OL].（2020-01-21）[2025-09-10].https://cec.org.cn/detail/index.html 3-277104. [百度学术]

      54. [54]

        中国电力企业联合会.中国电力行业年度发展报告2020[R/OL].（2020-06-12）[2025-09-10].https://www.cec.org.cn/detail/index.html 3-284218. [百度学术]

      基金项目

      作者简介

      • 郑润祺

        郑润祺 （2000），男，硕士研究生，研究方向为电力经济与管理，E-mail：rzheng17@jh.edu。

      • 王健

        王健 （1989），男，博士，研究方向为能源经济。通信作者，E-mail：jian-wang@geidco.org。

      • 黄涛

        黄涛 （1971），男，教授，研究方向为管理科学，E-mail：huangt@gsm.pku.edu.cn。

      出版信息

      文章编号：2096-5125 (2025) 06-0774-08

      中图分类号：TK01；TM61；F241.4

      文献标志码：A

      DOI：10.19705/j.cnki.issn2096-5125.20250445

      收稿日期：2025-10-09

      修回日期：

      出版日期：2025-11-25

      引用信息： 郑润祺,王健,黄涛.基于投入产出模型的“双碳”目标下清洁能源转型综合影响分析[J].全球能源互联网,2025,8(6):774-781 .ZHENG Runqi, WANG Jian, HUANG Tao,.Comprehensive Impact Analysis of Clean Energy Transition Under the “Dual Carbon” Goals Based on Input-output Model[J].Journal of Global Energy Interconnection,2025,8(6):774-781 (in Chinese).

      （责任编辑 李锡）

      ISSN 2096-5125
      CN 10-1550/TK

      地址: 北京市西城区宣武门内大街8号
      版权所有: 全球能源互联网发展合作组织 ® 2021 版权所有
      主办单位: 全球能源互联网集团有限公司
      ICP: 京ICP备2025108140号-1

      分享给微信好友或者朋友圈

      使用微信“扫一扫”功能
      将此文章分享给您的微信好友或者朋友圈