背景

国际清洁运输** (ICCT) 是一个非营利组织，帮助各国**和政策制定者做出正确的决策，以减少各种运输方式带来的空气污染和燃料消耗。考虑到运输部门的复杂性，如果可以使用一组统一的规则，整个部门都使用统一的复合模型和整合模型，那么决策者很*做出正确的决策。代数建模语言（AMLs），如GAMS，已被证明是开发此类模型的有用工具。对于欧盟**发起的运输部门脱碳项目，ICCT要求使用GAMS开发、测试和运行欧盟运输部门的部分均衡模型，包括轻型车辆、重型车辆和航空运输工具。该模型的目的是测试几个政策场景，包括重叠的温室气体 (GHG) 减排目标、资格上限和其他优惠待遇。在 GAMS 中，我们可以同时应用这些约束集，并求解模型以衡量市场对这些政策的反应。这项工作的结果将纳入欧盟**关于气候变化的“绿色协议”计划，目标是到 2030 年将温室气体排放量减少 55%，到 2050 年实现气候中性。本文以简明的形式总结了研究的一些方面。报告全文可在ICCT网站上查阅。

考虑的政策情景

共考虑了10种政策情景，这些情景是与 ICCT 的研究人员合作制定的。每个场景都包含以下组合：

·温室气体减排目标或可再生能源授权

·食物和饲料生物燃料的上限

·高级生物燃料指令

·非生物来源的可再生燃料 (RFNBO)

·可持续航空燃料 (SAF) 授权

·航空电子燃料授权

·预计电动汽车年增长率

·限制某些中间作物（如大豆或玉米）用于生物燃料生产

情景参数总结如下：

表1. 输入场景

模型

该模型是一个静态部分均衡模型，使用多个代理。这些代理中的每一个都扮演着成本较小化者的角色，同时遵守一系列拟议的政策目标：

Consumer agents为使用不同发动机技术（汽油、柴油、电动、氢燃料或压缩天然气）的轻型车辆或重型车辆做出购买决策。

Aviation consumer agent为购买混合燃料做出购买决策。

Blender agent负责为消费者代理提供燃料，满足政策要求。假设搅拌机的混合原料供应符合iso弹性供应曲线。

关于扩展数学规划 (EMP)

均衡问题的实现可能会很繁琐，但作为一的代数建模语言，GAMS提供了“扩展数学规划”（EMP）扩展，并对这些问题提供了特殊支持。EMP可以将各个代理实现为单独的子问题，然后自动将这些子问题重新格式化为商业求解器可以有效解决的格式。这种格式化技术的真正威力在于，它能够让模型快速再开发，*考虑与重新格式化-调试-验证周期相关的必要工作时间。如果需要后期更改，这种重新开发周期可能很快变得势不可挡，这是一个旨在为不断演变的政策对话提供信息的项目所固有的。

结论

图 1 总结了用于满足每个情景政策要求的燃料类型。情景之间的一些差异如预期所示，例如，当温室气体排放目标降低时，可再生能源的总量较低（情景 2），当基于食物的上限设置为0%（方案3、4和10）时，不使用基于食物的生物燃料。一个明显的结果是，在大多数情况下，大量中间作物生物燃料不受食品生物燃料上限的限制。当政策变得更加雄心勃勃时，例如将能源授权水平从情景 8 提高到情景 9，中间作物生物燃料将填补可再生燃料需求总量增加的大部分。特别是，我们发现大豆加氢植物油 (HVO) 的数量大幅增加。简单地将目标水平降低，例如从情景 1 降到情景 2，可以大幅减少中间作物生物燃料的使用量。我们发现，一旦遵守次级授权和上限，中间作物是满足温室气体目标或可再生能源任务较廉价的合规选择。

图 1. 根据政策情景按燃料类别划分的能源消耗

问题在于，**大多数中间作物都是主要的商品作物，它们在生物燃料中的使用可能会导致间接土地利用变化 (ILUC)，就像以食物为基础的生物燃料一样。当我们考虑 ILUC 排放时，来自中间作物大豆生物燃料的温室气体总排放量非常高，这大大降低了整个政策的温室气体减排量。我们可以在表 2 中看到这一点，其中显示了每种情景下的温室气体总节约量，以及碳减排的平均成本、温室气体信贷价格以及可再生能源在公路和航空部门的总份额。

表2：环境汇*计

这项研究的一个重要发现是，温室气体目标比可再生能源授权带来更大的温室气体节约。情景 8 代表 26% 的可再生能源授权，导致可再生燃料的总量与情景 1 相似，但仅提供约三分之一的温室气体总节约量。因此，情景 8 的碳减排成本大约是情景 1 的三倍。与可再生能源任务相比，温室气体目标似乎是实现气候缓解的更具成本效益的手段。

可再生燃料政策是复杂的，政策变化的影响并不总是直观的。 如本文所示，定量建模可以成为客观分析指导方针变化带来广泛影响的有用工具，并允许政策制定者做出明智的决策。

北京天演融智软件有限公司（科学软件网）是GAMS软件在中国的授权经销商，为中国的软件用户提供优质的软件销售和培训服务。