EN中文

Resources Science >

2025 , Vol. 47 >Issue 4: 786 - 802

DOI: https://doi.org/10.18402/resci.2025.04.09

Dynamic benchmark setting for steel industry from the perspective of stable expansion of carbon market：Based on survey data from steel enterprises in Shanxi Province

  • JI Hongjie , 1, 2 ,
  • YANG Jun 1 ,
  • CONG Jianhui , 1 ,
  • ZHAO Yongbin 3
Expand
  • 1. School of Economics and Management, Shanxi University, Taiyuan 030031, China
  • 2. Shanxi Academy of Eco-Environmental Planning and Technology, Taiyuan 030009, China
  • 3. School of Economics and Management, Shanxi Normal University, Taiyuan 030031, China

Received date: 2024-03-23

  Revised date: 2024-09-13

  Online published: 2025-05-12

Fold

Abstract

[Objective] Conducting research on dynamic methodologies for setting carbon allowance benchmarks in the steel industry and scientifically allocating initial allowances in the carbon market are of significant theoretical and practical importance. These efforts are critical for the stable expansion of the national carbon market and for effectively addressing challenges such as the Carbon Border Adjustment Mechanism (CBAM). [Methods] Based on survey data from 47 steel enterprises in Shanxi Province, this study employed a multi-scenario simulation method, including four scenarios: stable carbon market expansion, moderate emission reduction, planned emission reduction, and enhanced emission reduction. This study calculated the industry benchmark value for 2020 and evaluated the compliance pressure of enterprises. The marginal abatement cost curve (MACC) was utilized to analyze the technological emission reduction costs under different scenarios. Furthermore, a horizontal comparative analysis method was applied, revealing the differentiated characteristics of scenario-based benchmarks compared to the EU carbon market benchmark and their potential impact on the steel industry. [Results] (1) There were significant differences in carbon emission intensities across various processes in the iron and steel industry. The ironmaking process exhibited the highest carbon emission intensity, accounting for more than 65% of total corporate emissions. (2) When allocating carbon allowances in the steel industry using the benchmark method, it was recommended to prioritize a stable expansion scenario benchmark first. Then, a gradual transition to moderate emission reduction scenario and planned emission reduction scenario should be pursued. The stringent emission reduction scenarios should be chosen cautiously due to excessive pressure on enterprises. (3) The moderate and the planned emission reduction scenarios had significant advantages in terms of methodology and emission reduction, and they could be promoted to other industries and regions. (4) The national carbon market could increase carbon emission cost by dynamically tightening the benchmark, effectively mitigating the impact of the CBAM. [Conclusion] Phased and differentiated benchmark setting is one of the key factors for ensuring the stable and orderly expansion of the steel industry in the national carbon market. It is recommended to focus on standardizing the collection of corporate basic carbon emission data and advancing the refinement of benchmark formulation. Meanwhile, a systematic plan should be developed, which integrates the establishment of carbon market emission control industry benchmark, total emission control mechanisms, and carbon intensity target assessment. Through policy coordination, this can enable the precise transmission of regional carbon intensity targets to key industries.

Key words： carbon market expansion; steel industry; allowance allocation; benchmark; scenario analysis; Shanxi

Cite this article

JI Hongjie , YANG Jun , CONG Jianhui , ZHAO Yongbin . Dynamic benchmark setting for steel industry from the perspective of stable expansion of carbon market：Based on survey data from steel enterprises in Shanxi Province[J]. Resources Science, 2025 , 47(4) : 786 -802 . DOI: 10.18402/resci.2025.04.09

1 引言

碳市场是利用市场机制积极应对气候变化、推动经济社会绿色低碳转型的重大制度安排，是国际通行的气候治理政策工具。2015年9月，国家主席习近平在《中美元首气候变化联合声明》中首次向全世界宣布了全国碳市场建设目标；2021年7月，全国碳市场正式启动交易，这是中国碳市场的“第一次扩容”，覆盖区域从试点省市扩大至全国。全国碳市场运行3年并完成两个履约周期后，2024年7月生态环境部首次发布《全国碳市场发展报告（2024）》（后文简称《报告》）。该报告指出，全国碳市场强化了企业在碳减排中的主体责任，并通过推动企业采取灵活减排措施，逐渐展现出在控制温室气体排放和促进能源结构调整方面的引导作用。但是，当前全国碳市场参与主体高度同质化导致市场活跃度低，市场机制作用未能充分发挥。要提升碳市场效率，扩大行业覆盖范围（简称“扩围”）是必要手段之一[1]。而碳市场扩围在构建碳减排激励约束机制新局面、推动行业高质量发展、应对国际碳壁垒等方面具有重要作用，也是政府推动全面绿色转型和应对气候变化战略的重要举措之一。因此，2024年8月中共中央、国务院印发《关于加快经济社会发展全面绿色转型的意见》明确指出“适时有序扩大交易行业范围”；2025年3月生态环境部就《全国碳排放权交易市场涵盖水泥、钢铁及电解铝行业的工作方案（征求意见稿）》（后文简称《工作方案》）向社会公开征求意见。这标志着中国碳市场的“第二次扩容”，意味着全国碳市场进入了以扩围为目标的新型建设阶段。
以扩围为目标的碳市场扩容，需要解决的首要问题是新纳入行业的配额分配。碳排放配额是指纳入碳市场履约的企业经过政府主管部门核定的在一定时间内可排放的温室气体总量（CO2eq）。碳排放配额分配本质上是环境权益的分配，决定了企业参与碳交易的成本；它是碳排放权交易制度设计的核心问题[2]，直接影响着碳价格、交易量和市场流动性等市场效率的关键因素[3,4]，是碳市场运行成败的关键。学界进行了大量的理论和实证研究[5-7]，得出基准线法在碳配额分配方面具有显著优势。基准线法（又称为“标杆法”）是指基于行业碳排放强度基准值分配配额。基准线法的核心在于，基于历史数据和当前技术经济条件，为行业设定一个碳排放的基准值，旨在通过设定明确的碳排放标准，激励企业通过技术创新和效率提升来减少碳排放，同时确保碳排放权交易的公平性和有效性。然而，使用该方法需要对行业整体排放水平有深入了解，并对基础数据的质量要求较高。国内外碳市场在实践中积累了丰富的经验，欧盟碳排放交易体系（EU-ETS）作为全球最成熟的碳市场，经过第一、二阶段的试验改革，最终在第三阶段确定了基准线法为主要配额分配方式；中国的全国碳市场截至目前仅纳入发电行业，采用基准线法进行配额分配并每年进行优化调整，为其他行业应用基准线法提供了宝贵的实践经验。因此，基准线法可作为全国碳市场初始配额分配优先采用的方法。
钢铁行业是中国能源消耗和碳排放的重点部门，2020年中国钢铁行业的碳排放量超过全球钢铁排放总量的60%，约占全国碳排放总量的15%。相较于电力行业，钢铁行业属于典型的流程型产业，具有生产环节复杂、工艺流程较长以及工序产品和副产品种类多样等特征，这些因素在基准线设定过程中带来了工序覆盖范围、产品分类标准等方面的挑战。此外，尽管钢铁行业已纳入碳排放监测报告核查（MRV）管理体系，但由于尚未参与交易，企业碳排放数据质量管理仍不规范，存在能源统计口径不统一、基础数据核算不扎实、工序产品碳强度差异大等问题。这些行业特性和数据不规范性使钢铁行业碳排放特征具有特殊性，增加了制定碳配额分配基准线的不确定性。另外，有研究发现，钢铁行业因基准值动态收紧与历史排放基数矛盾，在碳市场扩容过程中将可能率先形成规模化配额购买需求，即成为碳市场买家[8]；而中国钢铁行业还需应对碳边境调节机制（CBAM）带来的复杂形势，这些因素都会影响钢铁企业对碳交易的接受度。因此，钢铁行业配额分配基准线设定受生产工艺特征、碳排放数据质量等影响，更制约着钢铁行业纳入全国碳市场交易的进程。那么，在全国碳市场扩容背景下，钢铁行业的配额分配基准线应如何测算和设定?有哪些可供选择的平稳扩容策略?不同基准线对企业履约压力和行业发展有何影响?深入探讨这些问题无疑具有重要的理论与现实意义。
因此，本文基于山西省钢铁企业全覆盖的调研数据，设置碳市场平稳扩容、适度减排、规划减排、强化减排4种情景，探索配额分配基准线设定的不同方法，并对各情景下基准线的配额盈亏情况、企业履约压力和技术经济性等进行了定量分析。研究结果不仅可为主管部门制定行业基准线提供方法和数据参考，还对钢铁行业低碳发展、区域碳减排目标分解以及欧盟碳关税应对具有理论和实践意义。本文可能的边际贡献在于：①在研究视角方面，聚焦于碳市场扩容中钢铁行业“基准线设定”这一实践难点，综合考虑多重减排目标和国际碳关税形势进行基准线测算；②在研究方法方面，探索平稳扩容、适度减排、规划减排和强化减排多情景的不同核算方法，提供了3种用于扩容实践的基准线动态测算方法；③在研究价值方面，通过企业履约压力和技术减排成本等定量分析，对各情景基准线应用实践进行压力测试，从而为碳市场平稳扩容提供科学依据。

2 文献与实践综述

2.1 文献综述

当前关于碳市场的研究主要分为三方面：①碳市场发展[9]和碳价预测[10]；②碳市场对生态环境[11]、经济[12]、社会[13]的影响和评价；③碳市场运行机制的设计[14]和优化[15]。而实际中，中国乃至全球碳市场仍处于探索发展和不断完善的阶段，其制度设计、评估优化等始终是碳市场研究的核心议题，但研究焦点随市场成熟度呈现显著阶段性差异。目前，全国碳市场正处于扩容筹备阶段，学界对此展开了多项研究。如Lin等[16]基于GDP、碳价、企业负担、碳减排、碳强度设定了5种情景，评估了中国碳市场扩容对行业选择的影响，认为将能源生产行业纳入碳市场可能比高耗能行业效果更好；唐葆君研究团队测算了2020年碳市场纳入不同部门时的最优碳价，发现纳入碳市场的行业或部门越多，碳价越低[17]；并预测了2022年全国碳市场设计的八大行业扩容策略，发现全国碳市场在加速扩容情景即2022年扩容至其他7个碳密集行业时，减排成本和宏观经济损失最小[18]。然而，全国碳市场扩容实践中，钢铁行业纳入已出现一定程度的延迟。周丽等[1]提出了扩大行业覆盖范围优先序评估方法学，建议将粗钢（钢铁子行业）和钢压延加工（钢铁子行业）分别于2025—2026年、2027—2030年纳入全国碳市场。CHRIS等[19]进行了碳市场扩容专题研究，认为信息可得性、对经济的影响和部门间的协作效率是全国碳市场扩容的关键阻碍。综上所述，现有研究普遍指出，全国碳市场扩容需尽快、有序、科学地推进，这一紧迫性已在学界中形成共识；然而，扩容仍面临技术难点，且学界在具体行业扩容的细节化和可操作性研究方面仍显不足。
关于具体到行业碳配额分配的研究，主要集中在电力行业，涵盖了从省级区域[20]、电力行业[21]、电力企业[22]到发电机组[23]各个层次。但其他行业的碳配额研究相对较少，主要集中在水泥等生产工艺相对简单的行业：如齐绍洲等[24]和武振华[25]基于综合减排系数分别对水泥和化工行业碳配分配模型进行优化，但均是从行业总量层面进行研究，而非具体到企业。惠婧璇等[26]对中国电解铝行业基准线方案进行研究，但其指标仅为行业平均强度值，且情景单一、分析方法简单。Dai等[27]以湖北省水泥行业为例，比较了Waxman-Markey标准、欧盟碳排放交易体系水泥基准和加州碳排放总量管制与交易基准，发现欧盟排放交易体系基准方法最适合湖北碳交易试点的水泥行业；然而，该研究完全采用国外碳市场的3种基准线方法进行试算，未考虑中国行业生产的实际情况。综上所述，目前关于行业配额分配基准线的研究虽然涉及工厂级的探索，但主要集中在既定分配方法下的减排系数优化或单一情景下的测算。针对某一行业在多种情景下、并结合中国行业生产实际的深入研究仍显不足，存在一定的局限性。
钢铁行业碳配额分配和基准线研究已经引起了学者的广泛关注。如谭琦璐等[28]基于2018年钢铁企业直报数据，采用均分10种百分比方法确定了基准线方案；然而，该研究基于企业碳排放总量，采用百分比均等划分，无法反映各工序的排放特征，且未考虑不同政策情景。宋亚植等[29]将碳配额视为钢铁生产原料，构建了科学的碳配额分配基准线，旨在向资源配置效率高的企业分配更多碳配额，为基于产出效率的配额分配研究提供了新思路，但与全国碳市场配额分配实践思路不符。且以上两项研究均基于2018年钢铁企业直报数据，而实际上2020年中国碳核查文件对钢铁行业核算方法进行了重大调整，核算统计口径发生较大变化，因此相关研究结果存在很大不确定性。林秀群等[30]从差异性视角对工业行业俱乐部成员进行划分（钢铁属于高碳行业），并建立二级二次碳配额分配体系，综合考虑了碳排放量、碳排放强度、基尼系数等指标，对基于历史碳排放量为基础的碳配额分配方法进行了“类基准线法”改进，这一研究为本文综合考虑“总量-强度”的方法提供了启示；但其方法较为复杂，不便于碳市场工作实际操作。齐绍洲等[31]构建了成本效率DEA模型，量化评估了中国钢铁行业受欧盟CBAM影响的程度，并基于成本效率提升提出了碳配额和能源消费量的调整方案，为钢铁行业配额研究提供了新视角；但该研究主要聚焦于全国钢铁行业和省域配额总量，是“自上而下”的典型案例，可能与企业实际分配交易存在一定偏差；此外，该研究使用的碳排放数据来自中国碳排放数据库，主要基于能源排放，与当前全国碳市场以企业为核算边界的做法不符。综上所述，目前关于钢铁行业配额分配方法的研究主要集中在行业或省域层面，探讨钢铁行业碳排放总量的可控性；而在企业层面，由于数据缺少、情景单一、核算口径变更等因素，碳配额基准线研究的结果存在较大的局限性和不确定性。

2.2 实践综述

2.2.1 国外钢铁行业基准线法的具体实践

根据国际碳行动伙伴组织（ICAP）调查数据[32]，截至2023年3月，全球已运营的碳排放权交易市场涵盖1个超国家机构、10个国家、20个省份和6个城市。对钢铁行业而言，EU-ETS和美国加州碳市场作为主流碳市场，相对成熟，具有较高的借鉴意义。
EU-ETS从2005年开始运行，经历了4个阶段，配额分配方法由最初的历史法逐步优化为基准线法[33]。EU-ETS关于钢铁行业共设立了焦炭、烧结矿、热金属、电弧炉碳钢和电弧炉高合金钢5种产品的基准线，以及工序未包含的燃料与热量消耗的2条基准线，这7条基准线的基准值分别为0.286、0.171、1.328、0.283、0.352、0.0561和0.0623 tCO2/t产品。其中，焦炭与热金属的产品基准值是参考欧盟BAT技术文件BREF中的相关数据，并依据欧委会决议2007/589/EC中规定的默认排放因子计算得出；烧结矿的基准值在基于前10%企业均值的基础上，结合BREF提供的数据进行了修正；电弧炉碳钢的基准值则采用2007—2008年碳排放强度最低、效率最优的前10%企业的单位产品CO₂排放平均值；电弧炉高合金钢的基准值是效率较高的前70%~80%范围内的企业碳强度均值。
美国加州碳市场自2012年起正式运行，采用基准线法来计算配额，具体包括产品基准线法和能源基准线法。钢铁行业主要采用产品基准线法，覆盖的产品包括电弧炉钢铁、热轧钢板、酸洗薄钢板、冷轧和退火薄钢板、镀锌钢板和锡钢板，共计6种电炉粗钢及钢材。其基准值分别为0.1990、0.0929、0.0139、0.0345、0.0556和0.0217 tCO₂/t产品。基准值的设定方法包括90%平均值法和最优值法。首先，将基准期所有企业产量加权平均后得到的前90%单位产品碳排放量作为优先方法；然后，若此方法计算的配额量超过实际排放量，则采用效率最高生产线的单位排放量作为最优值。

2.2.2 国内钢铁行业基准线法的具体实践

国内共有8个碳交易试点（包括福建），除北京外，其余7个均制定了本地区钢铁行业的配额分配方案。其中，广东是唯一一个采用基准线法进行钢铁行业碳交易的试点省份，其余6个碳交易试点均采用历史法（上海、重庆、深圳和福建采用历史强度法，天津、湖北采用历史总量法）。这种差异与各省钢铁行业在当地工业中的重要性和技术支撑机构能力等多种因素有关，例如，在上海、深圳和湖北碳交易试点中，钢铁行业被归于其他行业。
依据广东省生态环境厅于2022年12月发布的《广东省2020年度碳排放配额分配实施方案的通知》（粤环函〔2020〕502号）相关规定，钢铁行业炼焦、石灰烧制、球团、烧结、炼铁、炼钢工序采用基准线法，钢压延与加工工序采用历史法。其中，工序产品产量取经核查核定的2020年实际产量；焦炭、生石灰、球团矿、烧结矿、生铁、转炉粗钢和电炉粗钢这7个工序的产品基准值分别为0.789、0.871、0.075、0.191、1.369、0.139和0.371 tCO₂/t产品。钢压延与加工工序的历史年均碳排放量以2017—2019年正常年份的平均值为基础，排放量不包括焦炉煤气、高炉煤气及转炉煤气使用所产生的排放；年度下降系数设定为1。

2.2.3 国内外实践总结

上述对国内外碳市场有关钢铁行业配额分配经验的梳理，为本文中钢铁行业基准线情景设置和具体研究提供以下启示：
（1）钢铁行业基准线的设定需考虑不同的情景
广东碳交易试点的钢铁行业基准线和全国碳市场的电力行业基准线在运行初期均采用平衡值，旨在市场初期平稳运行。而美国加州碳市场与欧盟EU-ETS在钢铁行业基准线设定中分别选取碳强度分布前90%分位值与后10%分位值的均值作为基准线；其中，EU-ETS主要基于第一、二期配额超发的教训，设置了较大强度的减排目标。因此，全国碳市场钢铁行业扩容应基于不同目标考虑设定不同情景。
（2）钢铁行业基准线的设定包括两个关键参数
欧盟和广东省，长流程钢铁企业较多，划分以工序及对应产品为标准；美国加州以短流程钢铁企业为主，即以废钢为原料，划分标准以主要轧钢产品为基础。因此，钢铁行业的基准线划分应与当地钢铁企业的生产特点紧密相关。另外，基准值的测算应以碳强度为关键指标。
（3）钢铁行业基准线在实践应用中可额外使用其他调节系数
在国内外碳市场中，除依据基准值计算实际配额外，还引入了其他调节系数，以优化配额分配过程，从而兼顾配额的稀缺性与抑制碳价过高的目标。因此，全国碳市场在基准线实践中也可借鉴相关经验。

3 研究对象与研究方法

3.1 研究对象

本文调研样本为山西省2020年度纳入碳排放MRV管理的49家企业，基本达到省域钢铁企业全覆盖；其中2家企业停产，即有效样本总数为47家，占比96%。从生产流程分类方面，长流程钢铁企业44家（其中1家企业同时具备长、短流程生产工艺），单独钢铁加工企业3家。山西省钢铁企业样本数据在全国钢铁行业具有代表性，主要基于以下考虑和依据：①钢铁行业是山西省传统优势产业，基本涵盖了所有钢铁生产工艺和技术水平；根据山西省部门统计数据，山西省钢铁行业产品种类涵盖《中国统计年鉴》中14种钢材品种；②山西省不同钢铁企业碳排放强度差异较大，既有达到国际领先水平的企业，也有处于全国落后水平的企业，这一情况与全国总体情况一致；③根据中国钢铁工业协会统计数据，山西省钢铁行业各工序平均消耗和综合消耗与全国平均值差异均在±5%之内，而能源消耗排放是钢铁企业碳排放的主要来源，占比超过90%。此外，相关研究还表明，在钢铁行业基准线法碳交易配额的确定过程中，可以忽略省际差异[34]。
本文基础数据来源于企业2020年调查数据，调查基于企业温室气体排放报告，严格遵循《企业温室气体排放报告核查指南（试行）》标准，采集企业数据包括基本情况、化石能源消耗量及检测报告、电力热力消耗量等三大方面；在此基础上，进一步核算CO2排放量和单位产品碳排放强度。

3.2 碳排放强度测算方法

为了与全国碳市场的核算方法保持一致，钢铁企业碳排放强度测算参考2020年钢铁行业碳核查文件《补充数据表》[35]（后文简称《数据表》），排放源包括化石燃料消耗排放、电力热力消耗排放和副产外销扣减共计3类。钢铁行业碳排放强度测算原理是将样本企业各工序碳排放强度值经产品产量加权平均后得到行业综合碳排放强度。

3.3 基准线研究方法

3.3.1 基准线个数确定

在《数据表》中，钢铁行业共划分了炼焦、烧结、球团、高炉炼铁、电炉炼钢、转炉炼钢、轧钢、石灰、其他辅助等9个工序。
从山西省钢铁行业情况分析，虽然补充数据表中将炼钢工序细分为精炼、冶炼和连铸，但因统计数据能细分到此的样本企业非常少；因此将转炉、电炉两种炼钢工艺统称为炼钢工序，不再对精炼、冶炼和连铸进行细分。对于其他辅助工序，其排放占比仅2.1%，且辅助工序生产管理及调度系统、机修、化验、计量、环保等设施，难以统一标准比较，故未将其纳入基准线范围。此外，根据《统计表》，钢铁加工工序未进一步区分钢材产品类型，导致产品差异较大，而轧钢生产工艺越长、轧钢产品精度越高，带来单位产品能耗强度越大，存在产品附加值较高时碳排放也相应越高的情况，这与碳交易倒逼行业企业技术更新和产品升级的初衷是相悖的；同时，根据美国不同钢板基准值，热轧钢板、酸洗薄钢板、冷轧与退火薄钢板、镀锌钢板以及锡钢板的基准值依次为0.0929、0.0139、0.0345、0.0556和0.0217 tCO₂/t产品，其基准值差别较大。因此，轧钢工序的基准线仅为推荐值。
综上所述，本文确定了炼焦（焦炭）、烧结（烧结矿）、球团（球团矿）、炼铁（生铁）、炼钢（粗钢）、轧钢（钢材）和石灰（白灰）共计7个工序（产品）的基准值；同时提供轧钢（钢材）的基准线推荐值。

3.3.2 基准线情景设置

根据钢铁行业“双碳”目标、节能减排和应对CBAM的实际需求，设置了4种碳配额基准线情景。情景设置及经济分析基于两项假设：①碳市场扩容纳入钢铁行业不会对电力行业造成重大冲击。根据中国碳核算数据库（CEADs）有效数据显示，2022年全国钢铁行业碳排放总量仅为电力行业的1/3；根据山西省温室气体清单核算结果，2020年山西省钢铁铸造行业碳排放总量不足电力行业的1/5。②碳价等于技术边际减排成本，不受碳市场结转方式、信息是否充分等因素的影响。
（1）碳市场平稳扩容情景（SCME）
情景设置依据：考虑碳市场纳入钢铁行业后平稳运行的需要，参考了广东钢铁行业和全国碳市场电力行业配额基准线实践经验，将钢铁行业配额基准值设定为平衡值，即碳市场配额总体供需平衡（盈亏平衡点）。
基准值核算方法：以配额分配与实际排放平衡为原则，根据2020年度企业产品产量和碳排放强度加权平均得出各工序基准值，该基准值即为行业各工序平均碳排放强度，亦即钢铁行业碳配额的平衡值。
（2）适度减排情景（MER）
情景设置依据：在平稳扩容基础上设定适度碳减排目标，同时确保大部分企业的履约压力保持在可控范围内。
基准值核算方法：以行业整体减排为目标，首先按工序将样本企业按照碳强度由低到高排列，然后等距分成N组，计算每组的均值作为基准线情景，最终形成N套基准线值；在此基础上，依据“碳配额不超发、碳价不过高以及市场交易正常进行”的原则进行调整，并依据碳交易市场发展初期尽可能多覆盖企业的原则，确定满足上述条件的最大强度值作为工序基准值。
（3）规划减排情景（PER）
情景设置依据：旨在解决中国碳交易试点及全国碳市场发展中“重配额分配，轻总量设定”的问题，并探索如何将“碳强度考核目标”“配额总量设定”与“配额分配方法”有机融合，增强配额分配科学性及应用性。
基准值核算方法：遵循碳市场总量设定“自上而下”要求，确保碳强度下降目标和“自下而上”设定的碳市场配额总量相一致，将国家下达的省域碳排放考核目标与重点企业的碳排放控制相结合，公式推导过程参考张希良[36]的研究成果。具体计算方法如下：
      Q e t s 0 × 1 + α e t s × [ 1 - ε × δ × β Y × 1 + α Y - α e t s ] = ∑ i N B i × L i                                                                                                                                                      
式中： Q e t s 0表示规划期初的碳市场所覆盖行业的碳排放总量；αets表示规划期碳市场所覆盖行业综合平均经济增长率；ε表示中间变量，计算方法见式（2）；δ表示碳市场对实现碳减排目标的贡献率，计算方法见式（3）；βY表示规划期要求的整个经济体的碳强度下降率；αY表示规划期整个经济体的经济增长率；N表示碳市场所覆盖行业总数；Bi表示行业i的碳排放基准值；Li表示行业i的实际活动水平。
ε = Q Y 0 Q e t s 0
式中： Q Y 0表示规划期初整个经济体的碳排放总量。
δ = Q e t s 0 Q Y 0 × 1 + α e t s 1 + α Y × β e t s β Y
式中：βets表示规划期碳市场所覆盖行业综合平均碳强度下降率。
（4）强化减排情景（EER）
情景设置依据：考虑了行业碳排放强度标杆值，设定了一个较高强度的碳强度减排目标情景。
基准值核算方法：借鉴EU-ETS第三阶段配额基准线确定标准，即“基准线值是行业或部门在2007—2008年间前10%碳排放强度的平均值”。基于全国碳市场电力行业配额分配采用的活动水平数据即产品产量是当期量，因此，该情景核算采用“2020年钢铁行业各工序碳排放强度最低的10%企业的加权平均值”。

3.3.3 配额盈亏分析

配额盈亏分析是指基于某一备选基准值，评估企业分配的配额量与实际排放量之间的差异，即盈亏量。在不同情景下，配额盈亏应遵循两个基本原则：①总盈亏量应为负值，以防配额超发。②配额盈余和配额亏损的企业数量应大致相当，确保在扩容初期碳价不过高，并能激发适当的交易活跃度。③尽量避免大幅度盈亏的企业比例，以减少企业面临巨大风险。

3.4 基准线经济性分析方法

不同基准线对应不同强度的减排目标，不同减排路径使行业企业面临不同的减排成本。目前，边际减排成本曲线（MACC）已成为评估气候变化政策效果和确定最佳减排路径的关键工具，广泛应用于减排措施有效成本及其减排潜力分析中，涉及宏观（国家[37]、区域）和微观（行业[38]、企业[39]）多个层面。借鉴董金池等[40]、刘楠峰等[41]关于钢铁行业以技术为导向的边际减排成本曲线研究成果，对不同情景基准线的减排总量、技术成本、平均减排成本和预测碳价（CO2影子价格）[8]等关键指标进行对比分析。
其中，对于整个行业层面技术减排成本，根据近年来环境规制强度逐年增大、企业节能减排效率明显上升的实际，参考董金池等[40]研究成果中的强化减排情景拟合公式进行评估：
y 1 = 479.1 9.7 - x 1 l n 1 - x 1 9.7 + 479.1 x 1
C 1 = y 1 x 1
式中：y1表示钢铁行业减排总成本（亿元）；x1表示钢铁行业减排总量（亿t）；C1表示基于行业层面测算的钢铁行业边际碳减排成本（元/t）。拟合公式的R2=0.9854。
对于企业层面技术减排成本，首先，逐一计算各企业的减排量（即碳配额亏损量）；然后，基于MACC企业不同减排量对应的技术减排成本 （元/tCO2）进行加权平均，从而得出整个行业的边际减排成本：
C 2 = ∑ ( R j × M C j ) ∑ R j
式中：C2表示基于企业层面测算的钢铁行业边际碳减排成本（元/t）；Rj表示第j个企业的减排量（万t）；MCj表示该企业减排量对应的边际减排成本（元/t），具体参数值参考刘楠峰等[41]的“钢铁行业以技术为导向一般企业边际减排成本曲线”。

4 结果与分析

4.1 各工序产品碳排放强度测算

本文采用了《省级温室气体清单编制指南（试行）》（后文简称《指南》）中的“自上而下”核算方法以及《数据表》中的“自下而上”核算方法进行测算。结果显示，两种核算口径下，山西省2020年钢铁行业碳排放总量相差5.05%，即清单方法核算结果与核查方法核算结果基本一致。因此，再次佐证了样本企业对山西省钢铁行业的全覆盖。
根据钢铁企业调查数据测算分析，钢铁行业各工序碳排放强度由大到小排序依次为：炼铁、焦化、石灰、烧结、轧钢、球团和炼钢（图1）。其中，炼钢和球团的正负误差相对较大，说明这两个工序碳排放强度值差异较大；经分析，前者是因为不同企业产品类型差异较大，后者则是因为企业组织边界内二次能源来源不同。以某典型钢铁企业为例进行核算，结果与行业工序碳排放强度核算结果类似，炼铁工序为主要排放工序（图2）。
图1 2020年山西省钢铁生产企业分工序碳排放强度

Figure 1 Carbon emission intensity by production process in steel enterprises in Shanxi Province in 2020

图2 2020年某典型钢铁企业各工序碳排放占比

Figure 2 The proportion of carbon emissions from each process of a typical steel enterprise in 2020

4.2 基准线测算及履约压力分析

4.2.1 碳市场平稳扩容情景（SCME）

SCME情景下基准线及相应的企业盈亏分析如表1所示。盈余企业居多，占比约60%。这基本符合碳市场初期企业盈亏预期。
表1 2020年钢铁行业碳配额平衡值及盈亏分析

Table 1 Analysis of balance values of carbon quota and profit and loss for steel industry in 2020

序号 工序 平衡值/
（tCO2/t）		 盈余企业
占比/%		 亏损企业
占比/%
1 焦化 0.2890 66.67 33.33
2 烧结 0.1640 57.14 42.86
3 球团 0.0349 78.57 21.43
4 炼铁 1.5039 35.71 64.29
5 炼钢 0.0156 43.48 56.52
6 轧钢 0.0614 65.38 34.62
7 石灰 0.1691 58.82 41.18
8 合计 — 59.57 40.43
SCME情景下，从钢铁行业主要产品生铁产量来看，盈余产量占比50.83%，盈亏相当（图3）。从工业生产总值看，行业工业生产总值的52.41%属于碳配额盈余。为进一步分析该基准线情景下企业履约压力情况，采用《报告》中第二履约期综合价格收盘价79.42元/t对企业盈亏金额进行估算（下同）；然后，测算其在当年工业生产总值的占比。SCME情景下钢铁企业履约成本分析结果如图4：从企业数量看，79.17%的企业盈亏金额占比在±1%范围内，92.86%的企业盈亏金额占比在±2%范围内；从主要产品产量看，50.83%的生铁处于碳市场履约有收益状态，全行业产品履约盈亏基本持平。因此，SCME情景下，碳交易对企业经济压力影响完全可控。
图3 SCME情景下钢铁行业碳配额盈亏分析

注：图3未显示的24#企业碳配额亏损率达14.48%，可能由于其工艺仅含焦化（占主导）及炼铁工序，且焦化副产品二次能源利用率不足，叠加核算边界偏差，小企业数据规范性不足等原因所致。因其规模较小，对行业整体影响有限。

Figure 3 Analysis of carbon quota profit and loss for steel industry under SCME scenario

图4 SCME情景下钢铁企业履约成本分析

注：图中圆的面积表示钢铁企业生铁（主要产品）产量，圆的中心位置表示企业碳市场履约成本占工业总产值的比重；在横坐标轴之上表示企业履约有收益，之下则表示企业需额外购买配额。下同。

Figure 4 Analysis of compliance costs for steel enterprises under SCME scenario

4.2.2 适度减排情景（MER）

关于MER情景下基准值，本文以烧结工序为例展示其测算过程（表2）：首先，根据包含烧结工序企业数量将其6等分，并计算每组的均值，即形成了烧结工序的6套基准线；然后选，取盈亏量的最大负值组作为行业该工序的基准值。经测算，MER情景下，全行业碳配额亏损427.69万t，碳排放总量可下降3.72%，这一下降率与国家下达给山西省的“十三五”期间年均碳排放强度下降比例基本吻合。相较于SCME情景，碳配额盈余企业数下降至27.66%。表3展示了钢铁行业各工序MER情景基准线及企业碳配额盈亏率。
表2 2020年烧结工序MER情景下各基准线及盈亏分析

Table 2 Analysis of carbon quota benchmarks and profit and loss for sintering process under MER scenario in 2020

序号 基准线/（tCO2/t） 配额量/万t 盈亏量/万t 盈亏量占比/% 盈余企业占比/% 亏损企业占比/%
1 0.0947 810.80 -593.70 -42.27 4.76 95.24
2 0.1403 1201.15 -203.34 -14.48 21.43 78.57
3 0.1574 1347.62 -56.87 -4.05 45.24 54.76
4 0.1641 1404.88 0.39 0.03 59.52 40.48
5 0.1774 1518.61 114.12 8.13 73.81 26.19
6 0.2451 2098.73 694.23 49.43 90.48 9.52
表3 2020年钢铁行业MER情景基准线及盈亏分析

Table 3 Analysis of carbon quota benchmarks and profit and loss for steel industry under MER scenario in 2020

MER 基准值/
（tCO2/t）		 碳强度下
降率/%		 配额量
/万t		 配额盈亏
量/万t		 配额盈亏
占比/%		 企业盈余
占比/%		 企业亏损
占比/%
焦化工序 0.2591 -11.53 203.31 -23.47 -10.35 66.67 33.33
烧结工序 0.1574 -4.22 1347.62 -56.87 -4.05 45.24 54.76
球团工序 0.0328 -6.54 28.29 -1.86 -6.17 78.57 21.43
炼铁工序 1.4485 -3.82 8942.12 -342.17 -3.69 23.81 76.19
炼钢工序 0.0155 -0.44 103.47 -0.38 -0.37 43.48 56.52
轧钢工序 0.0605 -1.50 362.05 -1.05 -0.29 65.38 34.62
石灰工序 0.1623 -4.18 72.86 -3.07 -4.04 58.82 41.18
钢铁行业合计 11065.64 -427.69 -3.72 27.66 72.34
MER情景下，从钢铁行业主要产品生铁产量来看，亏损产量占比约67.98%，详见图5。从工业生产总值看，行业工业生产总值的52.73%属于碳配额亏损。企业盈亏金额估算结果发现，MER情景下，虽然亏损企业数量相对于SCME情景增加很多，但有81.25%企业履约金额占比在±1%范围内，有93.75%企业履约金额占比在±2%范围内；全行业中，32.02%的生铁产量在碳市场履约可有收益，67.98%需额外增加成本。因此，MER情景下碳交易对企业经济形成一定压力，但影响依然可控，详见图6。
图5 MER情景下钢铁行业碳配额盈亏分析

注：图5未显示的26#、48#企业碳配额亏损率分别为10.89%、5.53%，经进一步分析，均为以炼铁为主的铸造类企业，流程短，但其生产规模相对较小，对整个钢铁行业影响依然可以忽略。

Figure 5 Analysis of carbon quota profit and loss for steel industry under MER scenario

图6 MER情景下钢铁企业履约成本分析

Figure 6 Analysis of compliance costs for steel enterprises under MER scenario

4.2.3 规划减排情景（PER）

PER情景下基准线的测算，关键指标确定如下：规划期初的碳市场所覆盖行业的碳排放总量 Q e t s 0采用钢铁行业2019年的碳排放总量，基于《指南》中关于钢铁行业碳排放量计算方法核算；规划期碳市场所覆盖行业综合平均经济增长率αets采用山西省钢铁工业2020年工业增加值同比增长率8.3%[42]；规划期要求的整个经济体的碳强度下降率βY参照国家下达区域的“十三五”碳强度下降考核目标的年度分解目标；规划期整个经济体的经济增长率αY采用山西省2020年GDP增长率5.5%[43]；规划期初的整个经济体的碳排放总量 Q Y 0采用《指南》中结果；规划期碳市场所覆盖行业综合平均碳强度下降率βets采用全省钢铁企业吨钢可比能耗下降目标推算[44]。PER情景下基准线测算结果见表4。
表4 2020年钢铁行业PER情景基准线及盈亏分析

Table 4 Analysis of carbon quota benchmarks and profit and loss for steel industry under PER scenario in 2020

PER 基准值/
（tCO2/t）		 碳强度下
降率/%		 配额量
/万t		 配额盈亏
量/万t		 配额盈亏
占比/%		 企业盈余
占比/%		 企业亏损
占比/%
焦化工序 0.2642 -8.57 207.33 -19.44 -9.38 66.67 33.33
烧结工序 0.1499 -8.61 1283.58 -120.91 -9.42 33.33 66.67
球团工序 0.0319 -8.71 27.52 -2.62 -9.54 78.57 21.43
炼铁工序 1.3748 -8.59 8487.22 -797.06 -9.39 11.90 88.10
炼钢工序 0.0143 -8.40 95.13 -8.72 -9.17 39.13 60.87
轧钢工序 0.0561 -8.60 336.10 -31.62 -9.41 61.54 38.46
石灰工序 0.1546 -8.58 69.41 -6.51 -9.38 58.82 41.18
钢铁行业合计 10506.34 -910.97 -8.67 16.67 83.33
PER情景下，全行业企业以亏损为主，占比达83.33%，详见图7；从工业生产总值看，行业工业生产总值的89.90%属于碳配额亏损。企业盈亏金额估算结果显示：虽然大部分企业碳配额属于亏损，但亏损幅度依然在可承受范围，有75%企业履约金额占比在±1%范围内，有95.83%企业履约金额占比在±3%范围内；从主要产品生铁看，86.20%的产量在碳交易履约时需额外增加成本。因此，碳交易对企业经济形成较大压力，能极大刺激行业和企业进行碳减排，详见图8。
图7 PER情景下钢铁行业碳配额盈亏分析

注：图7未显示的24#企业碳配额亏损率达27.44%，其原因分析同图3注。

Figure 7 Analysis of carbon quota profit and loss for steel industry under PER scenario

图8 PER情景下钢铁企业履约成本分析

Figure 8 Analysis of compliance costs for steel enterprises under PER scenario

4.2.4 强化减排情景（EER）

表5展示了EER情景钢铁行业基准线及企业盈亏分析。就配额总量而言，全行业配额亏损即减排目标约30%；从企业盈亏数量来看，配额亏损企业达90%以上。与基准线“碳强度前10%平均值”确定原则基本一致，但可预见企业履约压力和减排挑战巨大。
表5 2020年钢铁行业EER情景基准线及盈亏分析

Table 5 Analysis of carbon quota benchmarks and profit and loss for steel industry under EER scenario in 2020

EER 基准值/
（tCO2/t）		 碳强度下
降率/%		 配额量
/万t		 配额盈亏
量/万t		 配额盈亏
占比/%		 企业盈余
占比/%		 企业亏损
占比/%
焦化工序 0.1643 -43.14 128.95 -97.83 -43.13 4.76 95.24
烧结工序 0.0840 -48.79 719.24 -685.26 -48.80 2.38 97.62
球团工序 0.0114 -67.47 9.81 -20.34 -67.56 4.76 95.24
炼铁工序 1.1368 -24.41 7018.18 -2266.10 -24.41 7.14 92.86
炼钢工序 0.0088 -43.17 59.02 -44.84 -43.08 19.05 80.95
轧钢工序 0.0242 -60.56 145.09 -222.76 -60.59 4.76 95.24
石灰工序 0.0155 -90.83 6.96 -68.96 -90.83 4.76 95.24
钢铁行业合计 8087.24 -3406.09 -29.64 4.76 95.24
EER情景下，全行业95.24%的企业处于碳配额亏损状态，行业工业生产总值的95.82%属于碳配额亏损，详见图9。企业盈亏金额估算结果显示，98%的企业碳配额处于亏损状态，有97.92%企业履约金额占比在±5%范围内；而从行业主要产品看，95.47%的生铁产量处于碳配额亏损状态，需增加碳市场成本。因此，该情景下，企业履约压力很大，基本全行业在碳市场中是买家，可能严重冲击钢铁行业发展，详见图10。
图9 EER情景下钢铁行业碳配额盈亏分析

注：图9未显示的24#企业碳配额亏损率达29.17%，其原因分析同图3注。

Figure 10 Analysis of carbon quota profit and loss for steel industry under EER scenario

图10 EER情景下钢铁企业履约成本分析

Figure 9 Analysis of carbon quota profit and loss for steel industry under EER scenario

4.2.5 基准线结果总结分析

综上所述，关于钢铁行业2020年4种情景下的4套基准线的测算结果见表6；各情境下企业配额盈亏分析见表7。本文关于钢铁行业基准线结果总结如下：
表6 钢铁行业2020年基准线测算结果 （tCO2/t）

Table 6 Benchmark calculation results for steel industry in 2020 （tCO2/t）

基准线情景 焦化 烧结 球团 炼铁 炼钢 轧钢 石灰
SCME 0.2890 0.1640 0.0349 1.5039 0.0156 0.0614 0.1691
MER 0.2591 0.1574 0.0328 1.4485 0.0155 0.0605 0.1623
PER 0.2642 0.1499 0.0319 1.3748 0.0143 0.0561 0.1546
EER 0.1643 0.0840 0.0114 1.1368 0.0088 0.0242 0.0155
表7 山西省钢铁行业2020年各基准线配额盈亏情况

Table 7 Profit and loss of various benchmark quotas for steel industry in Shanxi Province in 2020

基准线情景 配额量/万t 配额盈亏量/万t 减排强度/% 盈余企业占比/% 亏损企业占比/%
SCME 11493.16 -0.17 0.00 55.32 44.68
MER 11065.64 -427.69 -3.72 27.66 72.34
PER 10506.31 -986.85 -8.59 16.67 83.33
EER 8087.19 -3405.97 -29.63 4.76 95.24
（1）关于钢铁行业基准线。如表6所示，SCME、MER、PER和EER情景下，各工序基准线逐步收紧，碳减排强度增加，企业履约成本提升，碳配额亏损企业数量增多。
（2）关于基准线情景的适用性。碳市场平稳扩容情景下行业配额整体盈亏平衡，有利于碳市场初期实现平稳运行；适度减排情景下钢铁行业配额缺口427.69万t，占实际排放总量3.72%。这一下降率与国家下达给山西省的“十三五”期间年均碳排放强度下降比例基本吻合，适度减排目标可大大激发企业交易和碳减排的积极性，但所有企业配额盈缺率控制在较小范围内，不会对行业企业发展产生收缩性效应；而规划减排情景无论是基准线测算方法还是减排强度，都是现阶段较为理想的状态，应是全国碳市场下一步的努力目标。因此，碳市场扩容初期，相关部门应优先选择SCME情景下的基准线，然后逐步过渡到MER和PER情景下的基准线；EER情景下的基准线应谨慎选择，除非钢铁行业生产工艺和节能减排技术取得重大突破。
（3）关于碳市场减排效率。本文在测算PER情景基准线的过程中，发现一个有趣的结果，即碳市场对实现碳减排目标的贡献率δ实际测算结果仅为15.13%，该结果远低于现有文献中“碳市场减排效率评价”的情景假设值30%、50%和70%[45]，但却实现了911万和9%的碳减排目标。即碳市场对行业减排效率提升作用很大，设计碳强度下降目标能带来双倍的实际碳减排效率。因此，相关部门应继续大力推进碳市场扩容。同时，基准线设计不仅应注重“总量-强度”结合，还应重视“实际工作考核目标”与“碳市场减排强度目标”的结合。这一结果为碳强度下降目标分解提供了新思路，可向其他行业和区域推广。
（4）关于碳市场数据保障。测算过程中发现4个样本企业出现异常值，这些异常值对行业碳配额整体影响不大，但对私营小企业可能带来巨大风险。根据实践经验，新纳入一个行业需要1~2年的准备工作时间，这涉及行业核查方法学、MRV体系和市场相关方及主管部门等各方面能力建设和数据夯实。2025年，生态环境部就《工作方案》向社会公开征求意见，是碳市场扩容工作的一大进展；但本文在调研和测算过程中发现，长流程易造成生产工艺和能源统计差异较大、行业产品种类较多需要更细标准进行合并分类等问题，因此，钢铁行业碳市场数据保证工作将面临更大的挑战，亟须解决很多核算技术细节。

4.3 基准线经济性分析

基于现有研究成果，本文对各情景基准线的经济性进行分析，具体见图11。其中，“减排成本-1”是基于行业整体减排技术成本评估，“减排成本-2”是基于企业年减排技术成本评估。结果显示：①两者的边际减排成本曲线评估结果虽数值差异较大，但趋势相同，即随着碳市场配额收紧，企业减排成本大幅增加；②SCME和MER情景的基准线企业减排成本尚在可控范围；PER情景下企业减排成本大大增加；而EER情景下，行业企业面临巨大风险；③两者的边际减排成本差异大，经进一步分析，这可能是因为“行业整体减排”代表的是平均水平，而“企业减排”是个体水平，即个别企业的减排成本会拉高“减排成本-2”数值。另外，图11结果还显示，相对于水泥等其他行业，钢铁行业技术减排成本相对较大，且随减排量增加增速较快，这也与现有部分研究成果“钢铁行业可能率先成为交易市场中碳排放权的买家”相似。因此，应进一步对此进行深入研究，碳市场主管部门在扩容时也应制定相关预案。
图11 各情景基准线的经济性分析

注：从左到右依次为SCME、MER、PER和EER情景。

Figure 11 Economic analysis of benchmarks under various scenarios

上述分析发现了另一个有趣的结果，即图11中“减排成本-2”是基于碳交易机制下以技术投入为导向的企业边际成本曲线进行评估，其在MER情景基准线的成本最低；分析表明，MER情景基准线的企业配额盈亏量相对平均，因而可能带来的减排技术压力较为均衡且适中。这意味着，MER情景的基准线测算方法具有显著优势，即基于工序分段测算基准线要优于基于企业分段。此外，由于该情景下企业减排成本相对均衡，碳市场实践中也可利用此基准值作为行业平衡值的替代。

5 拓展分析

本文将所得基准线与欧盟免费配额基准线进行进一步对比，具体见表8。结果显示：①SCME、MER情景下的基准值，相比现行欧盟基准线，工序基准值盈亏参半。②SCME、MER和PER情景下炼铁工序的基准线均较大幅度超过欧盟基准线，而根据图2显示，钢铁企业炼铁工序碳排放占企业总排放约68.78%；这说明，中国钢铁行业在面对CBAM时存在较大减排压力和成本，且主要集中在炼铁工序。③中国电炉炼钢工序基准值明显低于欧盟，说明中国电炉炼铁生产工艺优于欧盟。
表8 中国钢铁行业基准线与欧盟对比情况

Table 8 Comparison of steel industry benchmarks between China's carbon trading market and EU-ETS

情景 焦化/% 烧结/% 炼铁/% 电炉炼钢/%
EU-ETS基准值/
(tCO2/t产品)		 0.2860 0.1710 1.3280 0.3175
SCME 1.05 -4.09 13.25 -26.83
MER -9.41 -7.95 9.07 -26.83
PER -7.63 -12.33 3.52 -33.12
EER -42.55 -50.87 -14.40 -26.83

注：“+”“-”分别代表高于、低于EU-ETS基准值。EU-ETS不包括球团、转炉炼钢、轧钢、石灰工序，在此不作比较。

在欧盟CBAM实施背景下，通过构建量化分析模型，揭示中国钢铁产品出口面临的碳成本压力传导路径。具体而言，CBAM调节效应可通过两阶段公式进行测度：首先，基于钢铁产品实际生命周期内的全流程碳排放量（即实际嵌入排放量），扣除欧盟碳市场免费分配的初始排放配额，形成企业需承担的净碳配额缺口；随后，将该缺口规模乘以钢铁产品贸易量及EU-ETS的现行碳价水平，最终得出每吨钢铁产品需缴纳的CBAM调节税额。该模型表明，当中国钢铁生产的单位产品隐含碳排放强度显著高于欧盟碳市场基准线值时，其出口成本将随碳价波动呈现非线性增长，进而削弱国际竞争力。
目前EU-ETS的碳价格高于中国碳市场20~30元/t，考虑到基准线差距以及欧盟免费配额将逐年减少并直至取消，中国钢铁行业向欧盟出口产品将面临较大的成本压力。同时，本文进一步跟踪了样本企业第一年过渡期登记。初步核算显示，每吨钢需额外支付至少20欧元，折合人民币约200元，这与清华大学相关团队最新的研究成果[46]基本相符。
需要说明的是，中国现行钢铁行业碳排放核算方法与CBAM过渡期登记核算方法存在较大差异，主要有：①核算边界不同。欧盟核算边界不包括焦化和石灰工序，但包括铁矿石等上游产品排放。②生产工序划分不同。欧盟核算将其他辅助工序消耗排放分摊至每个具体的生产工序，而中国是作为独立工序进行核算。③核算细节不同。有关焦炉煤气、高炉煤气和转炉煤气的核算方法及因子不同，产品划分种类有差别等。此外，现阶段CBAM的嵌入排放、免费配额和调节费用核算的关键因素还存在界定不清晰等问题，这些额外因素需要从国家层面进行谈判解决。

6 结论与政策建议

6.1 结论

本文基于山西省钢铁企业调研数据，设置碳市场平稳扩容、适度减排、规划减排、强化减排共4种情景，探讨全国碳市场平稳扩容视角下钢铁行业配额分配基准线设定方法，具体研究结论如下：
（1）钢铁行业碳配额分配应优先采用基准线法。钢铁行业虽然生产流程较长，产品较多，但炼焦、烧结、球团、炼铁和粗钢等共计7条主要工序产品同质化程度强，数据完整度高，并且有丰富的国内外碳市场实践经验。因此，钢铁行业纳入全国碳市场应优先采用基准线法进行配额分配。但钢铁行业各工序碳排放强度差异较大，炼铁工序碳排放强度最大，其排放量占企业总排放量的65%以上。因此，应分工序设定基准线。
（2）钢铁行业基准线应分阶段差异化设定。钢铁行业扩容，以2020年为例，平稳扩容情景（SCME）能实现行业配额盈亏平衡，可在扩容初期优先选择；适度减排情景（MER）与规划减排情景（PER）兼顾减排目标与经济可行性，应逐步过渡；而强化减排情景（EER）可能会对行业企业发展产生收缩性效应，因此需审慎推进。
（3）全国碳市场可通过基准线动态收紧应对碳关税。强化减排情景和进一步分析均显示，CBAM形势下，中国钢铁行业面临较大压力，但需要考虑与国际钢铁行业生产工艺、核算方法差异的影响。全国碳市场可通过基准线调整逐渐提升行业碳排放成本，从而有效规避CBAM的冲击。

6.2 政策建议

结合实证分析，可见钢铁行业碳配额基准线设定的方法、数据和目标对于全国碳市场平稳扩容非常重要，应分阶段差异化设定。基于此，具体提出以下3点政策建议：
（1）钢铁行业基准线法的基础数据应根据配额分配方法进一步规范完善。基准线法的基础数据不仅包括MRV体系中的核查数据质量保证，还涵盖温室气体清单、工业行业碳排放清单等，这些数据是实现全国碳市场“总量-强度”结合、“自上而下”和“自下而上”结合的关键。因此，主管部门应从两方面入手：一方面，应扩大核查覆盖范围并加强执行力度，必要时可进行复查，确保基准值支撑数据的质量；另一方面，探索碳排放不同核算口径方法和边界的融合统一，缩小“自上而下”和“自下而上”数据之间的差异。此外，还需探索建立控排行业基准线设定与碳排放总量控制机制、碳强度目标考核的系统化方案，将碳排放下降“行政区域目标”和“企业行业目标”分解相结合，通过政策协同、目标协同和数据协同实现区域碳强度目标向重点行业的精准传导。
（2）钢铁行业基准线实践可使用配套措施以简化操作。根据全国碳市场电力行业履约经验，企业履约时的基准线值是根据当期排放量和产量进行计算，但实际履约时间晚2年左右，这为数据更新和测算提供了充足的时间。此外，钢铁行业的节能减排和循环利用技术都在不断更新升级，必然会带来碳强度的变化，类似电力排放因子的调整。因此，建议在实际操作中每年动态测算基准值。如果未来履约周期缩短，或不具备逐年测算的条件，可以基于本文碳市场平衡扩容情景来测算平衡值，然后额外使用减排系数进行简化测算。另外，本文的基准线经济分析显示，钢铁行业在不同层次上的技术导向边际减排成本存在较大差异。鉴于此，建议在扩容初期，碳市场设计者可设定碳价区间，以排除异常的波动，有效规避经济风险。这也能确保主管部门在对每个行业的技术和市场状况了解并不详尽的情况下，仍然可以继续推进这一工作。
（3）主管部门应重点着力推进钢铁行业基准线制定的精细化。本文认为精细化应该体现在以下3个方面：①基于总量设定和区域不同减排目标，可在全国基准线基础上测算相关系数进行调整，从而更好地促进区域间的公平。②应进一步对轧钢产品进行分类测算基准线值。因为在实际过程中，品质越高的产品需要轧的流程越长，必然造成能耗较高。如果使用同一基准值，可能会带来“工业增加值/产品高端化”和“碳减排”目标之间的冲突。③钢铁行业炼铁工序排放最大达65%以上，为有针对性地刺激企业减排，可以单独设定减排系数，甚至实施单独考核和激励。
（4）应对CBAM还需依托国家层面多边气候外交机制。全国碳市场可通过基准线动态调整机制逐步提升钢铁行业碳排放成本，从而有效缓解欧盟碳边境调节机制（CBAM）的合规压力。然而，中欧钢铁行业生产工艺差异及核算边界分歧可能导致基准线对标失真，削弱政策效果。为此，需从国家层面主动构建“隐性碳价”核算框架，通过南北技术对话和国际气候谈判，推动建立差异化的CBAM修正系数机制，例如基于工艺可比性、产业链完整性等指标设定过渡期折扣率，为中国钢铁行业争取技术改造缓冲期。同时，应积极参与国际碳标准制定，推动将中国典型工艺纳入全球碳核算体系，增强中国在碳关税规则制定中的话语权，最终实现产业竞争力保护与气候治理责任的双重目标。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
周丽, 张希良, 佟庆. 扩大全国碳市场行业覆盖范围研究[J]. 环境保护, 2024, 52(7): 48-54.

[Zhou L, Zhang X L, Tong Q. Study on expanding the sectoral coverage of China's national carbon market[J]. Environmental Protection, 2024, 52(7): 48-54.]

[2]
Cui X Y, Zhao T, Wang J. Allocation of carbon emission quotas in China's provincial power sector based on entropy method and ZSG-DEA[J]. Journal of Cleaner Production, 2021, DOI: 10.1016/j.jclepro.2020.124683.

[3]
Wang X, Zhu L, Fan Y. Transaction costs, market structure and efficient coverage of emissions trading scheme: A microlevel study from the pilots in China[J]. Applied Energy, 2018, 220: 657-671.

[4]
de Perthuis C, Trotignon R. Governance of CO2 markets: Lessons from the EU ETS[J]. Energy Policy, 2014, 75: 100-106.

[5]
Howe C W. Taxes versus tradable discharge permits: A review in the light of the US and European experience[J]. Environmental and Resource Economics, 1994, 4: 151-169.

[6]
Böhringer C, Lange A. On the design of optimal grandfathering schemes for emission allowances[J]. European Economic Review, 2005, 49(8): 2041-2055.

[7]
Zhao X G, Jiang G W, Nie D, et al. How to improve the market efficiency of carbon trading: A perspective of China[J]. Renewable and Sustainable Energy Reviews, 2016, 59: 1229-1245.

[8]
Wang P, Dai H C, Ren S Y, et al. Achieving Copenhagen target through carbon emission trading: Economic impacts assessment in Guangdong Province of China[J]. Energy, 2015, 79: 212-227.

[9]
Oh H, Hyon J, Kim J O. Korea's approach to overcoming difficulties in adopting the emission trading scheme[J]. Climate Policy, 2017, 17(8): 947-961.

[10]
Zhu B Z, Han D, Wang P, et al. Forecasting carbon price using empirical mode decomposition and evolutionary least squares support vector regression[J]. Applied Energy, 2017, 191: 521-530.

[11]
Cao K Y, Xu X P, Wu Q, et al. Optimal production and carbon emission reduction level under cap-and-trade and low carbon subsidy policies[J]. Journal of Cleaner Production, 2017, 167: 505-513.

[12]
Ju Y Y, Fujikawa K. Modeling the cost transmission mechanism of the emission trading scheme in China[J]. Applied Energy, 2019, 236: 172-182.

[13]
Wu L B, Zhang S S, Qian H Q. Distributional effects of China's National Emissions Trading Scheme with an emphasis on sectoral coverage and revenue recycling[J]. Energy Economics, 2022, DOI: 10.1016/j.eneco.2021.105770.

[14]
Mehling M, Haites E. Mechanisms for linking emissions trading schemes[J]. Climate Policy, 2009, 9(2): 169-184.

[15]
熊灵, 齐绍洲, 沈波. 中国碳交易试点配额分配的机制特征、设计问题与改进对策[J]. 武汉大学学报(哲学社会科学版), 2016, 69(3): 56-64.

[Xiong L, Qi S Z, Shen B. The comparative features, problems and improvement measures of allowance mechanism of China's carbon trading pilots[J]. Wuhan University Journal (Philosophy & Social Science), 2016, 69(3): 56-64.]

[16]
Lin B, Jia Z. Does the different sectoral coverage matter? An analysis of China's carbon trading market[J]. Energy Policy, 2020, DOI: 10.1016/j.enpol.2019.111164.

[17]
Tang B J, Ji C J, Hu Y J, et al. Optimal carbon allowance price in China's carbon emission trading system: Perspective from the multi-sectoral marginal abatement cost[J]. Journal of Cleaner Production, 2020, DOI: 10.1016/j.jclepro.2019.119945.

[18]
唐葆君, 吉嫦婧. 全国碳市场扩容策略的经济和排放影响研究[J]. 北京理工大学学报(社会科学版), 2022, 24(4): 129-139.

[Tang B J, Ji C J. Research on the economic and emission impacts of the expansion strategy of the national carbon market[J]. Journal of Beijing Institute of Technology (Social Science Edition), 2022, 24(4): 129-139.]

[19]
Bush C, 胡敏, 陈美安. 完善全国碳排放权交易体系, 助力中国气候目标的实现[R/OL]. (2022-04-15) [2024-03-15]. https://www.igdp.cn/%e6%8a%a5%e5%91%8a/.

[Bush C, Hu M, Chen M A. Improving the National Carbon Emission Trading System to Help Achieve China's Climate Goals[R/OL]. ( 2022-04-15) [2024-03-15]. https://www.igdp.cn/%e6%8a%a5%e5%91%8a/.]

[20]
商亚楠. 我国电力行业碳交易模拟经济绩效研究[D]. 南京: 南京航空航天大学, 2015.

[Shang Y N. Research on Carbon Emissions Quota Trading Performance Simulation in China's Power Industry[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2015.]

[21]
Meng M, Wang L, Chen Q. Quota allocation for carbon emissions in China's electric power industry based upon the fairness principle[J]. Energies, 2018, 11(9): 2256-2256.

[22]
Ma C Q, Ren Y S, Zhang Y J, et al. The allocation of carbon emission quotas to five major power generation corporations in China[J]. Journal of Cleaner Production, 2018, 189: 1-12.

[23]
肖勇, 戚锦通, 胡伟, 等. 基于双层规划模型的燃煤发电机组初始碳排放配额分配方案研究[J]. 热力发电, 2022, 51(10): 42-46.

[Xiao Y, Qi J T, Hu W, et al. Initial carbon emission quota allocation scheme for coal-fired power units based on bi-level programming model[J]. Thermal Power Generation, 2022, 51(10): 42-46.]

[24]
齐绍洲, 徐珍珍, 谭秀杰, 等. 中国碳市场产能过剩行业的碳排放配额如何分配是有效的?[J]. 中国人口·资源与环境, 2021, 31(9): 73-85.

[Qi S Z, Xu Z Z, Tan X J, et al. How to allocate carbon allowances effectively for industries with overcapacity in China's carbon market?[J]. China Population, Resources and Environment, 2021, 31(9): 73-85.]

[25]
武振华. 我国化工行业碳排放效率、影响因素及碳配额分配研究[D]. 天津: 天津大学, 2023.

[Wu Z H. Carbon Emission Efficiency, Determinants and Carbon Quotas Allocation in China's Chemical Industry[D]. Tianjin: Tianjin University, 2023.]

[26]
惠婧璇, 朱松丽. 全国碳排放权交易市场下电解铝行业基准线法研究[J]. 气候变化研究进展, 2022, 18(3): 366-372.

[Hui J X, Zhu S L. Study on the benchmark method of China's electrolytic aluminum sector under national carbon emission trading market[J]. Climate Change Research, 2022, 18(3): 366-372.]

[27]
Dai F, Xiong L, Ma D. How to set the allowance benchmarking for cement industry in China's carbon market: Marginal analysis and the case of the Hubei emission trading pilot[J]. Sustainability, 2017, 9(2): 322-322.

[28]
谭琦璐, 刘兰婷, 朱松丽. 全国碳交易下中国钢铁行业的基准线法研究[J]. 气候变化研究进展, 2021, 17(5): 590-597.

[Tan Q L, Liu L T, Zhu S L. Study on the benchmark method of China's electrolytic aluminum sector under national carbon emission trading market[J]. Climate Change Research, 2021, 17(5): 590-597.]

[29]
宋亚植, 李银, 李仲飞. 基于产出效率的中国钢铁行业碳配额分配方案[J]. 资源科学, 2023, 45(2): 333-343.

[Song Y Z, Li Y, Li Z F. Carbon quota allocation scheme for China's iron and steel industry based on output efficiency[J]. Resources Science, 2023, 45(2): 333-343.]

[30]
林秀群, 汪巧巧, 杨红娟. 差异性视角下俱乐部成员碳配额分配方法研究[J]. 资源科学, 2023, 45(6): 1196-1207.

[Lin X Q, Wang Q Q, Yang H J. Carbon quota for club members from the perspective of difference analysis[J]. Resources Science, 2023, 45(6): 1196-1207.]

[31]
齐绍洲, 徐珍珍, 杨芷萱. 欧盟碳边境调节机制下中国钢铁行业的碳配额分配策略[J]. 资源科学, 2022, 44(2): 274-286.

[Qi S Z, Xu Z Z, Yang Z X. Carbon allowance allocation strategy in China's steel industry under the EU carbon border adjustment mechanism[J]. Resources Science, 2022, 44(2): 274-286.]

[32]
International Carbon Action Partnership. Emissions Trading Worldwide: 2023 ICAP Status Report[R/OL]. (2024-03-22) [2024-09-15]. https://icapcarbonaction.com/system/files/document/ICAP%20Emissions%20Trading%20Worldwide%202023%2 0Status%20Report_0.pdf.

[33]
段茂盛. 碳市场配额分配机制的国内外实践及优化调整的建议[J]. 中国电力企业管理, 2024, (7): 26-28.

[Duan M S. Domestic and foreign practices of carbon market quota allocation mechanism and suggestions for optimization and adjustment[J]. China Power Enterprise Management, 2024, (7): 26-28.]

[34]
张宁宁. 中国钢铁行业碳排放效率地区差异及影响因素研究[D]. 北京: 华北电力大学, 2021.

[Zhang N N. Research on the Regional Differences and Influencing Factors of Carbon Emission Efficiency of China's Iron and Steel[D]. Beijing: North China Electric Power University, 2021.]

[35]
生态环境部. 关于做好2022年企业温室气体排放报告管理相关重点工作的通知[EB/OL]. (2022-03-10) [2024-03-15]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk06/202203/t20220315_971468.html.

[Ministry of Ecology and Environment. Notice on Key Tasks for Managing Corporate Greenhouse Gas Emission Reporting in 2022[EB/OL]. ( 2022-03-10) [2024-03-15]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk06/202203/t20220315_971468.html.]

[36]
张希良. 国家碳市场总体设计中几个关键指标之间的数量关系[J]. 环境经济研究, 2017, 2(3): 1-5, 48.

[Zhang X L. The quantitative relations of some key indicators in China's national emission trading system design[J]. Journal of Environmental Economics, 2017, 2(3): 1-5, 48.]

[37]
Wachter P. The usefulness of marginal CO2-e abatement cost curves in Austria[J]. Energy Policy, 2013, 61: 1116-1126.

[38]
Eide M S, Longva T, Hoffmann P, et al. Future cost scenarios for reduction of ship CO2 emissions[J]. Maritime Policy & Management, 2011, 38(1): 11-37.

[39]
顾阿伦, 史宵鸣, 汪澜, 等. 中国水泥行业节能减排的潜力与成本分析[J]. 中国人口·资源与环境, 2012, 22(8): 16-21.

[Gu A L, Shi X M, Wang L, et al. The potential and cost analysis of energy saving and emission reduction in China cement sector[J]. China Population, Resources and Environment, 2012, 22(8): 16-21.]

[40]
董金池, 汪旭颖, 蔡博峰, 等. 中国钢铁行业CO2减排技术及成本研究[J]. 环境工程, 2021, 39(10): 23-31, 40.

[Dong J C, Wang X Y, Cai B F, et al. Mitigation technologies and marginal abatement cost for iron and steel industry in China[J]. Environmental Engineering, 2021, 39(10): 23-31, 40.]

[41]
刘楠峰, 范莉莉, 陈肖琳. 碳交易机制下以技术投入为导向的边际减排成本曲线研究: 以水泥、火电、煤炭和钢铁行业为例[J]. 中国科技论坛, 2017, (7): 57-63, 86.

[Liu N F, Fan L L, Chen X L. Marginal abatement cost curve of technology oriented under carbon-trading mechanism: Taking cement, thermal power, coal and iron and steel sectors as an example[J]. Forum on Science and Technology in China, 2017, (7): 57-63, 86.]

[42]
山西省人民政府. 2020年全省工业增加值同比增长5.7%[N/OL]. (2021-02-04) [2024-03-15]. https://www.shanxi.gov.cn/ywdt/sxyw/202102/t20210204_6063885.shtml.

[Shanxi Provincial People's Government. In 2020, the Province's Industrial Added Value Increased by 5.7% Year-on-year[N/OL]. (2021-02-04) [2024-03-15]. https://www.shanxi.gov.cn/ywdt/sxyw/202102/t20210204_6063885.shtml.]

[43]
山西省人民政府. 2020年山西地区生产总值1.765万亿元年均增长5.5%[N/OL]. (2021-01-20) [2024-03-15]. https://www.shanxi.gov.cn/ztjj/jj2021sxlh/jj2021sxlh_sdb/202101/t20210120_6036157.shtml.

[Shanxi Provincial People's Government. In 2020, Shanxi's Regional Gross Domestic Product (GDP) Reached 1.765 Trillion Yuan, with an Average Annual Growth Rate of 5.5%[N/OL]. (2021-01-20) [2024-03-15]. https://www.shanxi.gov.cn/ztjj/jj2021sxlh/jj2021sxlh_sdb/202101/t20210120_6036157.shtml.]

[44]
山西省经济和信息化委员会. 山西省钢铁行业能效水平对标活动实施方案[EB/OL]. (2016-06-06) [2024-03-15]. http://www.sxgtxh.cn/hangyedongtai/2016-06-06/2649.html.

[Shanxi Provincial Economic and Information Technology Commission. Implementation Plan for the Energy Efficiency Benchmarking Activity in Shanxi's Steel Industry[EB/OL]. (2016-06-06) [2024-03-15]. http://www.sxgtxh.cn/hangyedongtai/2016-06-06/2649.html.]

[45]
Wu J J, Guo Q H, Yuan J H, et al. An integrated approach for allocating carbon emission quotas in China's emissions trading system[J]. Resources, Conservation and Recycling, 2019, 143: 291-298.

[46]
张蓝心, 温宗国, 许毛, 等. 欧盟碳边境调节机制对产品出口成本影响评估[J]. 中国环境科学, 2024, 44(4): 1788-1794.

[Zhang L X, Wen Z G, Xu M, et al. Impact assessment of the EU carbon border adjustment mechanism on product export costs[J]. China Environmental Science, 2024, 44(4): 1788-1794.]

Options
Outlines

/

〈 〉