太阳能发电对CO2减排的量化效应研究：基于美国电力部门数据的分布式滞后模型分析

为量化太阳能发电对CO2减排的即时与滞后效应，研究人员基于美国能源信息署（EIA）5年数据，构建分布式滞后统计模型，分析13个区域的太阳能发电与CO2排放关系。结果显示，太阳能发电量每增加15%，年减排量达854万公吨（MMT），贡献EPA 20年减排目标的12.38%。该研究为跨区域协同减排提供了数据支撑。

　　

在全球气候变暖背景下，电力部门作为CO₂排放的主要来源之一，其减排路径备受关注。尽管国际能源署（IEA）提出2050年电力部门净零排放目标，但美国2023年仍有60%电力依赖化石燃料，太阳能仅占3.9%。化石燃料电厂不仅排放大量CO₂（2022年贡献99%的16.5亿吨排放），还导致PM_2.5污染及相关健康风险。美国环保署（EPA）虽提出2042年前减排1380亿公吨（MMT）的目标，但仅依赖末端技术难以实现。因此，量化可再生能源（尤其是太阳能）的减排潜力成为关键科学问题。

为填补现有研究空白，研究人员利用美国能源信息署（EIA）2018-2023年13个区域的每小时电力数据，构建了分布式滞后非线性模型（DLNM），首次系统评估了太阳能发电对CO₂排放的即时与滞后效应。研究发现，太阳能发电量每增加15%，加州单日可减排4357公吨CO₂，其中正午发电对夜间8点的减排仍有16.08公吨的滞后效应。区域差异显著：加州、西南部等光照充足区域年减排可达159万公吨（MMT），而新英格兰、田纳西等地区因太阳能基础容量低，减排效果微弱。跨区域分析显示，加州太阳能扩容可使西北部日减排913公吨，凸显区域协同潜力。

研究采用三大关键技术：1）基于EIA的13区域每小时发电、需求及CO₂排放数据；2）分布式滞后模型（DLNM）量化12小时内太阳能发电的滞后效应；3）蒙特卡洛模拟生成95%置信区间。数据清洗中，负值及缺失值被修正，确保模型稳健性。

研究结果
即时与滞后效应：模型显示，加州正午太阳能增加15%可即时减排147.18公吨CO₂，且效应持续至后续12小时（图1）。夜间因发电量为零，减排效应消失。
区域异质性：加州、德州等区域每小时减排超200公吨，而田纳西、新英格兰几乎无变化（图3）。
年度减排贡献：全美太阳能发电增加15%可实现年减排854万公吨，占EPA年度目标的12.38%（图5）。
跨区域协同：加州太阳能扩容使西北部、西南部分别日减排913和1942公吨（图6）。

讨论与意义
该研究首次揭示太阳能发电的跨区域与时间滞后效应，为政策制定提供两点启示：一是优先在光照资源丰富区域（如加州、西南部）扩大太阳能装机容量；二是加强区域电网互联以最大化减排效益。研究局限性包括未考虑需求波动对能源结构的影响，以及部分区域模型未收敛（如卡罗来纳-东南部配对）。未来需结合储能技术延长滞后效应捕获窗口。

论文发表于《SCIENCE ADVANCES》，其数据管道与模型框架已公开，为全球电力部门减排策略提供了可复用的方法论。正如IEA所述，630吉瓦光伏扩容计划需与此类实证研究协同，方能实现2050年净零目标。