多重绿色补贴下可持续碳税设计的系统动力学框架：美国案例的系统模拟与政策优化

为解决碳税政策设计中经济、社会与环境可持续性的复杂权衡问题，研究人员开展了一项基于系统动力学（SD）的模拟研究，通过整合能源供应、需求、电动汽车（EV）、储能系统（ESS）及碳税子系统，评估了税率、递增率及收入再循环（含可再生能源RE、电动汽车EV与能效EE补贴）等多因素对可持续性指标（成本、GDP、就业、人均收入、碳强度及能源损失）的影响。结果表明，碳税可提升多数可持续性指标（除成本与能源损失外），最优收入再循环策略为优先支持RE补贴。该研究为政策制定者提供了系统化设计碳税政策的科学框架，发表于《Sustainable Energy Technologies and Assessments》。

　　

全球变暖正以惊人的速度加剧，温室气体排放导致地球表面温度持续上升，若按当前趋势发展，预计2030至2052年间全球气温将升高1.5°C。海平面上升、干旱和自然灾害等后果已在全球范围内显现。碳定价被视为减少排放的有效手段，2020年其覆盖了全球温室气体排放的21.7%。碳税和排放交易系统（ETS）是碳定价中广泛使用的两种机制，近年来，一些国家更倾向于碳税，因其具有价格确定性等实践优势。然而，碳税实施涉及多个关键设计要素，需谨慎确定，包括税率（每吨碳排放征收的税额，产生碳收入）、递增率（税率随时间增加/减少/固定的年率）和收入再循环（碳收入如何使用）。不当的碳税设计可能加剧经济和社会问题，因此亟需一个系统化框架来设计可持续的碳税政策。

为此，研究人员在《Sustainable Energy Technologies and Assessments》上发表了一项研究，通过开发一个系统动力学（SD）框架，评估碳税的三个关键因素（税率、递增率和收入再循环）在不确定性下对可持续性绩效的影响。该框架整合了能源系统的多个子系统，包括供应、需求、电动汽车、储能系统和碳税，并考虑了收入中性和收入正性两种再循环方案，其中收入正性部分用于支持可再生能源（RE）、电动汽车（EV）和能效（EE）三种绿色补贴。研究以美国为例进行了模拟实验，通过统计和模式分析，揭示了这些因素如何独立及交互影响可持续性。

研究采用系统动力学方法，构建了包含因果循环图（CLD）和存量流量图（SFD）的模型，以处理系统的动态复杂性和不确定性。关键模型参数通过概率分布函数（PDF）表示不确定性变量，并使用机器学习算法（如多元线性回归、多项式回归、岭回归和支持向量回归）估计复杂关系变量（如GDP、就业人口比、工业需求等）。模型验证通过了行为导向和结构导向测试，误差率均低于5%，确保了可靠性。实验设计为3因素3水平（税率：15/30/50美元/吨；递增率：0/5/10%/年；收入再循环比例：RE优先50%:25%:25%、EV优先25%:50%:25%、EE优先25%:25%:50%），共27种场景，加基线无碳税场景，共28场景，每场景重复30次，总模拟840次。

通过模拟实验，研究人员得出了以下主要结果：

• •

  经济方面：碳税税率（CT）和递增率（CE）对成本有显著正影响，即税率和递增率越高，电力成本越高。收入再循环（RR）中，优先EE补贴成本最低，RE最高。GDP、就业可用性和人均收入均随CT和CE增加而显著提升，RR中RE优先效果最佳。

• •

  社会方面：CT和CE对就业和人均收入有正向影响，RR中RE优先带来最高就业和收入增长。

• •

  环境方面：CT和CE与碳强度负相关，即更高税率和递增率显著降低碳强度，RR中RE优先减排效果最好。但能源损失随CT和RR增加而增加，RE优先导致最高损失。

场景分析比较了基线（无碳税）、乐观（高税率+RE优先）和悲观（低税率+EE优先）场景：

• •

  乐观场景显著提升GDP（+34.3%）、就业（+8.3%）、人均收入（+33.9%）和降低碳强度（-8.1%），但成本增加135.5%，能源损失增12.2%。

• •

  悲观场景也有改善但幅度较小（GDP+5.0%，碳强度-1.2%），成本增幅较低（26.7%）。

• •

  统计显示，乐观场景在经济和社会指标上显著优于基线和悲观场景，环境指标上仅乐观场景与基线有显著差异。

研究结论强调，碳税政策存在权衡：虽提升多数可持续性指标，但增加成本和能源损失。税率是最关键因素，收入再循环应平衡中性和正性，优先支持RE补贴以实现最佳环境效益。政策制定者可选择高风险高回报的乐观方案（显著改善可持续性但成本增加）或低风险低回报的悲观方案（小幅改善但成本可控）。该框架为政府设计案例特异性的碳税政策提供了科学依据，支持了美国《通胀削减法案》的气候目标，未来可扩展至多群体公平性分析和优化算法寻优。

研究的重要意义在于首次整合了能源系统全要素（供应、需求、EV、ESS）和碳税设计，覆盖了更全面的可持续性指标和不确定性，填补了现有文献空白。通过SD模拟和实证分析，为全球碳税政策设计提供了可推广的系统方法，助力碳中和目标的实现。