中国黄河流域面向碳达峰的能源生产革命评估与路径研究：一种机器学习方法

《Scientific Reports》：Assessment and pathways of the energy production revolution in the Yellow River Basin, China towards carbon peaking: a machine learning approach

　　

在全球气候变暖与能源危机的双重压力下，能源生产革命是实现中国碳达峰与碳中和目标的核心。黄河流域作为国家能源供应的战略要地，在这一转型中发挥着关键作用，其进展直接影响能源安全与生态可持续性。本研究基于清洁化、低碳化、安全性和效率四个维度，构建了能源生产革命指数(EIT)。研究人员采用stacking集成模型和基于Lasso筛选的扩展STIRPAT-ridge回归模型，结合情景分析法，预测了2025年至2045年该流域能源生产革命效应与碳排放的演变趋势。研究结果显示：(1) 2010年至2023年，全流域、水电丰富省份、风电丰富省份和光伏(PV)丰富省份的EIT指数分别从55.0上升至65.5、从72.9上升至85.2、从45.2上升至53.6，以及从46.8上升至57.6。虽然均呈现持续上升趋势，但与优秀水平相比仍存在较大差距。(2) 在碳达峰背景下，全流域及三类主要省份的能源生产革命最优路径表现出异质性。结构协同情景对全流域和风电丰富省份最为有效，而基础创新情景则对水电丰富和光伏丰富省份最为适宜。全流域和水电丰富省份预计将于2028–2030年实现碳达峰，风电丰富和光伏丰富省份预计将于2027–2029年实现碳达峰。到2045年，在最优路径下，全流域、水电丰富、风电丰富和光伏丰富省份的EIT指数预计将分别达到90.5、98.4、83.0和89.8，前两者将达到优秀水平，后两者将达到良好水平。(3) 流域内九个省份的碳排放轨迹与转型成效存在显著的空间差异。最后，研究人员为全流域能源生产革命制定了一切实可行的路径，以支持黄河流域如期实现碳达峰目标。

在全球气候变暖与能源危机的双重压力下，能源生产革命已成为实现中国碳达峰与碳中和目标的核心举措。黄河流域作为中国至关重要的“能源盆地”，在全国能源供应中占据战略性地位。2022年，该流域的原煤、原油和天然气产量分别约占全国总量的80%、32%和63%，水电、风电和太阳能发电量分别占全国的37%、45%和47%。因此，其能源转型进度直接关系到国家碳达峰目标的实现。然而，黄河流域的能源生产革命仍面临多重制约：在低碳转型方面，非化石能源占比总体偏低且区域差异显著；在减排方面，发电碳排放强度仍高于目标水平；在能效方面，能耗强度居高不下且能源转换效率未达标。此外，区域发展水平、资源禀赋和生态约束的差异加剧了转型过程的复杂性。由于缺乏能够综合评估清洁化、低碳化、安全性和效率的统一评价框架，且在2030年碳达峰约束下各地表现与目标水平的差距及演进特征难以被有效识别，这将阻碍对整体转型过程的准确理解并削弱政策设计的有效性。基于此，研究人员开展了针对黄河流域能源生产革命评估与路径预测的系统研究，相关结论对于制定差异化的能源转型策略具有重要指导意义，该论文发表在《Scientific Reports》上。

在关键技术方法与数据来源方面，研究人员主要使用了以下几种方法。首先是构建了涵盖清洁化、低碳化、安全性和效率四个维度的指标体系，并运用熵权法计算能源生产革命指数(EIT)。其次，在预测EIT指数时，采用Spearman秩相关系数与主成分分析(PCA)处理共线性与降维，进而构建了以SVR和KernelRidge为基学习器、RidgeCV为元学习器的Stacking集成模型。再者，在碳排放预测上，采用Lasso回归进行高维变量筛选，随后结合扩展STIRPAT-Ridge回归模型进行预测。最后，运用情景分析法探讨了最优转型路径。研究使用的数据主要来自2010年至2023年黄河流域九个省份的面板数据，来源于中国及各省级统计年鉴、中国电力统计年鉴以及CEADs等数据库。

在研究结果部分，包含以下主要内容：

区域分类与EIT指数分析评价：研究人员基于各省可再生电力结构的差异，将流域九省分为水电丰富、风电丰富和光伏丰富省份。通过分析得出，2010至2023年间全流域及三类省份的EIT指数均呈现持续上升趋势，但至2023年仍处于良好或及格水平，距离优秀水平有较大差距。EIT指数演变经历了初始期、快速突破期、巩固调整期、战略驱动期以及平台期五个阶段。水电丰富省份的EIT指数始终高于流域均值，而光伏和风电丰富省份则相对滞后。

能源生产革命成效预测模型分析：通过Spearman相关分析与PCA处理，提取出包含96.25%原始信息的11个主成分。在模型构建与对比中，以SVR和KernelRidge为基学习器、RidgeCV为元学习器的Stacking集成模型表现最优。基于100次重复五折交叉验证和预测精度期望(EPA)统计检验，该模型在预测精度、稳定性和统计显著性上显著优于其他模型。在替换为其他因变量的稳健性检验中，该模型依然表现最佳。

碳排放预测模型分析：采用Lasso回归对初始变量进行筛选，剔除了煤炭开采百万吨死亡率和人均GDP等在统计上相关性较弱的变量。基于筛选后的特征构建的扩展STIRPAT-Ridge回归模型在独立测试集上的平均绝对百分比误差(MAPE)为3.19%，优于未经Lasso预筛选的模型，展现了出色的泛化能力。

各类型省份流域层面的预测结果与路径分析：在全流域层面，结构协同情景(A4)为最优路径，预计于2028–2030年达峰，利用天然气作为过渡能源是实现该目标的有效手段。对于水电丰富省份，基础创新情景(A2)为最优路径，预计于2028–2030年达峰，通过技术进步与提高可再生能源消纳能力可降低峰值。对于风电丰富省份，结构协同情景(A4)最佳，预计于2027–2029年达峰，系统的灵活性和协调性决定了转型效率。对于光伏丰富省份，基础创新情景(A2)为最优路径，预计于2027–2029年达峰，表明该类型省份的能源革命主要由技术驱动。

省级预测结果：分析表明各省份在转型成效和碳达峰进程上存在显著差异。其中，宁夏和山东在基准情景下无法如期达峰，研究人员为其引入了更强约束的政策情景。宁夏在加强淘汰落后煤电和增加研发投入的B4路径下可于2028–2030年达峰；山东在强化用水约束和严格控煤的C3路径下可于2028–2030年达峰。各省最优路径在省级与区域层面存在显著的尺度差异，表明单一省级最优路径不能直接推广至其他区域。

在讨论与结论部分，研究人员总结了主要发现：黄河流域及其不同类型省份在EIT指数的历史增长、未来预测及最优转型路径上表现出显著的异质性。到2045年，全流域和水电丰富省份在最优路径下EIT指数可达优秀水平，风电和光伏丰富省份可达良好水平；达峰时间均符合预期。各省的转型表现分化明显，资源禀赋与产业结构是导致差异的关键因素。研究结论强调，必须充分考虑各省资源禀赋和发展阶段的差异，实施“一省一策”的差异化能源转型战略，通过结构优化、技术创新与跨区域系统协调的共同推进，保障黄河流域如期实现碳达峰目标。