碳交易机制下废弃物发电技术投资组合优化研究

doi:10.16381/j.cnki.issn1003-207x.2024.1357

摘要/Abstract

摘要：

废弃物发电技术的建设运营是未来可持续发展的重要方向。对大型废弃物处理企业而言，优化废弃物发电技术的投资组合是实现长期收益和降低投资风险的有效策略。中国核证减排机制（China Certified Emission Reduction， CCER）为备案后的废弃物发电项目提供了碳减排收益，但碳价波动及相关政策变化给废弃物发电技术投资组合带来了额外风险。本文结合实物期权与鲁棒投资组合优化，构建了适用于碳交易机制的废弃物发电技术投资组合决策模型，旨在解决不同废弃物发电技术（垃圾焚烧、农林生物质、沼气发电等）的选择与资金分配优化问题。利用该模型能够量化不确定性环境下参数波动的影响，并通过评估柔性决策的价值，提高投资收益预测的准确性。与传统投资组合模型相比，本研究所提模型更适用于不确定性程度较高的投资决策优化。本研究重点分析了碳交易市场变化对投资组合的影响，设计了多种基于不同市场和政策变化的投资情境，并以陕西废弃物发电项目为案例进行实证分析。结果表明，碳交易市场变化对废弃物发电技术的投资组合决策有显著影响。垃圾焚烧技术因其较高的平均收益，在投资组合中占据了主导地位；农林生物质技术由于需要额外考虑燃料价格的不确定性，在碳价波动率升高的情况下，其投资比例会显著下降。降低碳排放基准会削弱项目的盈利能力，而碳价的提升可以大幅增加投资组合的价值。适度增加碳价波动率可以提升投资组合价值，但过高的波动率可能促使决策者采取更保守的策略，限制投资组合价值的增长。

关键词: 废弃物发电, 碳交易机制, 鲁棒投资组合优化, 实物期权, 技术组合

Abstract:

The construction and operation of waste-to-energy technology represents an important direction for future sustainable development. For large-scale waste management enterprises， optimizing waste-to-energy technology portfolios is an effective strategy to achieve long-term returns and reduce investment risks. The China Certified Emission Reduction （CCER） mechanism provides carbon reduction benefits for registered waste-to-energy projects， but carbon price fluctuations and related policy changes introduce additional risks to portfolios. The options with robust portfolio optimization are combined to construct a waste-to-energy technology portfolio model applicable to carbon trading mechanisms， aiming to address the selection and capital allocation optimization problems for different waste-to-energy technologies （waste incineration， agricultural and forestry biomass， biogas power generation， etc.）. The model can quantify the impact of parameter fluctuations in uncertain environments and improve the accuracy of investment return forecasts by evaluating the value of flexible decision-making. Compared with traditional portfolio models， the model proposed in this study is more suitable for investment decision optimization under conditions of high uncertainty. It focuses on analyzing the impact of carbon trading market changes on the investment portfolio， designs multiple investment scenarios based on different market and policy changes， and conducts empirical analysis using waste-to-energy projects in Shaanxi， China as a case study. The results indicate that changes in the carbon trading market have a significant impact on waste-to-energy technology portfolio. Waste incineration， due to its higher average returns， holds a dominant position in the portfolio. Agricultural and forestry biomass technology， due to the additional consideration of fuel price uncertainty， experiences a significant decrease in investment proportion when carbon price volatility increases. Lowering the carbon emission baseline weakens project profitability， while increasing carbon prices can substantially enhance portfolio value. Moderate increases in carbon price volatility can enhance portfolio value， but excessive volatility may prompt decision-makers to adopt more conservative strategies， limiting portfolio value growth.

Key words: waste-to-energy, carbon trading mechanism, robust portfolio optimization, real options, technology portfolio

中图分类号:

F272.3

陈环月,胡骏翡,白思俊. 碳交易机制下废弃物发电技术投资组合优化研究[J]. 中国管理科学, 2026, 34(7): 347-358.

Huanyue Chen,Junfei Hu,Sijun Bai. Optimization of Waste-to-Energy Technology Portfolios Under the Carbon Trading Mechanism[J]. Chinese Journal of Management Science, 2026, 34(7): 347-358.

图/表 8

图1

表1

不确定性参数"

参数	描述	农林生物质	沼气	垃圾焚烧
$E p 0$	市场电价（元/千瓦时）	0.33	0.33	0.33
$u E p$	电价漂移率	0.02	0.02	0.02
$φ E p$	电价波动率	0.01	0.01	0.01
$U i c 0$	单位投资成本（元/千瓦）	14,000	22,000	20,000
$u n U i c$	单位投资成本漂移率	-0.05	-0.024	-0.025
$φ n U i c$	单位投资成本波动率	0.15	0.12	0.8
$G e 0$	单位发电效率（千瓦时/千瓦）	4,500	7,000	5,300
$u n G e$	单位发电效率漂移率	0.06	0.04	0.02
$φ n G e$	单位发电效率波动率	0.04	0.02	0.02
$C P 0$	碳价（元/吨）	40	40	40
$u C P$	碳价漂移率	0.02	0.02	0.02
$φ C P$	碳价波动率	0.03	0.03	0.03
$F u 0$	燃料价格（元/千克）	0.3		-
$u F u$	燃料价格漂移率	0.012	-	-
$φ F u$	燃料价格波动率	0.03	-	-

表1

表2

不同技术的参数与假设"

参数	描述	农林生物质	沼气	垃圾焚烧
$U o m n$	单位运维成本（元/千瓦时）	0.13	0.51	0.38
$U f$	垃圾处理费（元/吨）	-	-	16.5
$T W$	处理垃圾的总量（吨/年）	-	-	365×1000
$I C n$	装机容量（兆瓦）	20	20	20
$F i t n$	上网电价（元/千瓦时）	0.75	0.58	0.65
$C R B a s e$	碳排放基准（克/千瓦时）	1586	1586	1586
$C R n W T E$	项目排放量（克/千瓦时）	1	1	1
$v n$	增值税率	0	0	减免50%
$c n$	企业所得税率	0	减免90%	减免90%
$P f$	单位发电燃料消耗（千克/千瓦时）	1.05	-	-
$π$	贴现率	0.08	0.08	0.08
$T$	投资期	10	10	10
$L$	运营期	25	25	25

表2

表3

图2

图3

表4

表5

参考文献 33

[1]	生态环境部. 生活垃圾焚烧发电厂现场监督检查技术指南［EB/OL］.（2023-10-20）［2024-02-11］. .
	Ministry of Ecology and Environment. Technical guidelines for on-site supervision and inspection of domestic waste incineration power plants［EB/OL］.（2023-10-20）［2024-02-11］. .
[2]	生态环境部. 碳排放权交易管理办法（试行）［EB/OL］.（2020-12-31）［2024-01-31］..
	Ministry of Ecology and Environment. Measures for the administration of carbon emission trading （trial）［EB/OL］.（2020-12-31）［2024-01-31］..
[3]	李冉冉，孙梅. 基于投资组合理论的发电组合优化［J］. 系统管理学报， 2014， 23（6）： 854-860.
	Li R R， Sun M. Power generation portfolio optimization based on portfolio theory［J］. Journal of Systems & Management， 2014， 23（6）： 854-860.
[4]	Castro G M， Klöckl C， Regner P， et al. Improvements to modern portfolio theory based models applied to electricity systems［J］. Energy Economics， 2022， 111： 106047.
[5]	Kim Y J， Cho S H， Sharma B P. Constructing efficient portfolios of low-carbon technologies［J］. Renewable and Sustainable Energy Reviews， 2021， 150： 111515.
[6]	Bar-Lev D， Katz S. A portfolio approach to fossil fuel procurement in the electric utility industry［J］. The Journal of Finance， 1976， 31（3）： 933-947.
[7]	Sinsel S R， Yan X， Stephan A. Building resilient renewable power generation portfolios： The impact of diversification on investors’ risk and return［J］. Applied Energy， 2019， 254： 113348.
[8]	Blanchet J， Chen L， Zhou X Y. Distributionally robust mean-variance portfolio selection with Wasserstein distances［J］. Management Science， 2022， 68（9）： 6382-6410.
[9]	Costa O L V， de Oliveira Ribeiro C， Rego E E， et al. Robust portfolio optimization for electricity planning： An application based on the Brazilian electricity mix［J］. Energy Economics， 2017， 64： 158-169.
[10]	Baker E， Bosetti V， Salo A. Robust portfolio decision analysis： An application to the energy research and development portfolio problem［J］. European Journal of Operational Research， 2020， 284（3）： 1107-1120.
[11]	Kang J， Wu Z， Ng T S， et al. A stochastic-robust optimization model for inter-regional power system planning［J］. European Journal of Operational Research， 2023， 310（3）： 1234-1248.
[12]	张新华，黄天铭，甘冬梅，等. 考虑碳价下限的燃煤发电碳减排投资及其政策分析［J］. 中国管理科学， 2020， 28（11）： 167-174.
	Zhang X H， Huang T M， Gan D M， et al. Carbon emission reduction investment for coal-fired power plants and policy analysis considering carbon price floor［J］. Chinese Journal of Management Science， 2020， 28（11）： 167-174.
[13]	Zhang M， Tang Y， Liu L， et al. Optimal investment portfolio strategies for power enterprises under multi-policy scenarios of renewable energy［J］. Renewable and Sustainable Energy Reviews， 2022， 154（C）： 111879.
[14]	亢娅丽，朱磊. 气候政策不确定条件下的发电投资优化模型［J］. 系统工程学报， 2014， 29（5）： 713-724.
	Kang Y L， Zhu L. Optimization model of generation investment under uncertainty of climate policy［J］. Journal of Systems Engineering， 2014， 29（5）： 713-724.
[15]	Jain S， Roelofs F， Oosterlee C W. Decision-support tool for assessing future nuclear reactor generation portfolios［J］. Energy Economics， 2014， 44： 99-112.
[16]	胡骏翡，陈环月. 碳交易机制下废弃物发电项目柔性投资决策研究［J］. 中国管理科学， 2025， 33（2）： 320-331.
	Hu J F， Chen H Y. Flexible investment decision of waste-to-energy projects under carbon trading mechanism［J］. Chinese Journal of Management Science， 2025， 33（2）： 320-331.
[17]	李力，朱磊，范英. 可再生能源配额机制下电力投资最优序贯决策模型［J］. 管理评论， 2019， 31（9）： 37-46.
	Li L， Zhu L， Fan Y. Optimum sequential investments model on renewable energy power investments under renewable portfolio standards［J］. Management Review， 2019， 31（9）： 37-46.
[18]	程承，王震，刘慧慧，等. 执行时间视角下的可再生能源发电项目激励政策优化研究［J］. 中国管理科学， 2019， 27（3）： 157-167.
	Cheng C， Wang Z， Liu H H， et al. Study on the optimization of investment incentive policies for renewable energy projects-from a perspective of execution time［J］. Chinese Journal of Management Science， 2019， 27（3）： 157-167.
[19]	Hu J， Chen H， Zhou P， et al. Optimal subsidy level for waste-to-energy investment considering flexibility and uncertainty［J］. Energy Economics， 2022， 108： 105894.
[20]	Doan X V， Li X， Natarajan K. Robustness to dependency in portfolio optimization using overlapping marginals［J］. Operations Research， 2015， 63（6）： 1468-1488.
[21]	Zhu S， Fukushima M. Worst-case conditional value-at-risk with application to robust portfolio management［J］. Operations Research， 2009， 57（5）： 1155-1168.
[22]	Uryasev P K A S， Palmquist J. Portfolio optimization with conditional value-at-risk objective and constraints［J］. Journal of Risk： 2002， 4： 43-68
[23]	陕西省发展和改革委员会. 陕西省物价局关于调整陕西电网电力价格的通知［EB/OL］. （2018-08-03）［2024-01-03］. .
	Shaanxi Provincial Development and Reform Commission. Notice of the Shaanxi Provincial Price Bureau on adjusting the electricity price of Shaanxi power grid ［EB/OL］.（2018-08-03）［2024-01-03］..
[24]	陕西省发展和改革委员会. 陕西省生活垃圾焚烧发电中长期专项规划（2020-2030年）［EB/OL］. （2019-12-30）［2024-01-30］. .
	Shaanxi Provincial Development and Reform Commission. Medium- and long-term special plan for domestic waste incineration power generation in Shaanxi Province （2020-2030）［EB/OL］.（2019-12-30）［2024-01-30］..
[25]	陕西省政府采购网. 西安市餐厨垃圾资源化利用和无害化处理（二期）社会资本方采购公开招标公告［EB/OL］. （2020-07-16）［2024-1-28］. .
	Shaanxi Provincial Government Procurement Network. Public bidding announcement for the procurement of social capital for food waste resource utilization and harmless treatment （Phase II） in Xi'an City［EB/OL］.（2020-07-16）［2024-01-28］..
[26]	光大环保集团有限公司. 可持续发展报告［EB/OL］. （2022-12-31）［2024-1-31］. .
	Everbright Environmental Protection Group Co.， Ltd. Sustainability report［EB/OL］.（2022-12-31）［2024-01-31］..
[27]	上海环境能源交易所.2021碳市场工作报告［EB/OL］. （2022-04-29）［2024-01-28］. .
	Shanghai Environment and Energy Exchange. 2021 carbon market work report ［EB/OL］. （2022-04-29）［2024-01-28］..
[28]	大荔县人民政府. 大荔县环境保护局关于2019年8月28日受理环境影响报告情况公示［EB/OL］. （2019-08-28）［2024-02-14］..
	People's Government of Dali County. Public announcement on the acceptance of environmental impact reports by the Environmental Protection Bureau of Dali County on August 28，2019［EB/OL］.（2019-08-28）［2024-02-14］..
[29]	西安市发展和改革委员会. 关于转发西安市城市生活垃圾处理收费实施意见的通知［EB/OL］. （2020-02-12）［2024-02-12］..
	Xi'an Municipal Development and Reform Commission. Notice on forwarding the implementation opinions on the collection of urban domestic waste treatment fees in Xi'an ［EB/OL］.（2020-02-12）［2024-02-12］..
[30]	财政部，国家税务总局.关于印发《资源综合利用产品和劳务增值税优惠目录》的通知［EB/OL］.（2015-06-12）［2024-01-22］..
	Ministry of Finance， State Taxation Administration. Notice on issuing the “catalog of value-added tax preferences for products and services from comprehensive utilization of resources”［EB/OL］.（2015-06-12）［2024-01-22］..
[31]	国家税务总局. 关于印发节能节水和环境保护专用设备企业所得税优惠目录（2017年版）的通知［EB/OL］. （2017-09-26）［2024-01-21］. .
	State Taxation Administration. Notice on issuing the catalog of enterprise income tax preferences for special equipment for energy and water conservation and environmental protection （2017 edition）［EB/OL］.（2017-09-26）［2024-01-21］..
[32]	Li T， Wang J， Chen H， et al. Performance analysis of an integrated biomass-to-energy system based on gasification and pyrolysis［J］. Energy Conversion and Management， 2023， 287： 117085.
[33]	刘新建，宋中炜，吴洁. 碳中和目标下能源经济系统转型：碳定价与可再生能源政策作用有多大？［J］. 中国管理科学， 2024， 32（11）： 325-334.
	Liu X J， Song Z W， Wu J. Transforming the energy economic system with the carbon neutrality goal： How much can the carbon pricing and renewable energy policy contribute？［J］. Chinese Journal of Management Science， 2024， 32（11）： 325-334.

情境类别	具体情境模式	情境代码	参数设置
情境类别	具体情境模式	情境代码	碳价(元/吨)	碳排放基准(克/千瓦时)	碳价波动率
基准情境	当前碳交易市场的自然经济增长	S0	40	1586	0.03
碳价	在基准情境的基础上提高碳价	A1	80	1586	0.03
碳价	在基准情境的基础上提高碳价	A2	120	1586	0.03
碳排放基准	在基准情境基础上降低碳排放基准	B1	40	750	0.03
碳排放基准	在基准情境基础上降低碳排放基准	B2	40	0	0.03
碳价波动	在基准情境基础上提高碳价波动率	C1	40	1586	0.1
碳价波动	在基准情境基础上提高碳价波动率	C2	40	1586	0.2

情境设置	预期收益（万元）
情境设置	0	100	200	300	400	500	600	700	800
S0	208.2	208.2	208.2	306.6	411.2	-	-	-	-
A1	408.1	408.1	408.1	408.1	408.1	509.9	613.5	-	-
A2	417.3	417.3	417.3	417.3	427.3	529.7	608.8	731.6	813.3
B1	187.2	187.2	205.9	301.5	-	-	-	-	-
B2	151.3	151.3	207.9	-	-	-	-	-	-
C1	373.5	373.5	373.5	373.5	441.8	-	-	-	-
C2	338.3	338.3	338.3	338.3	430.8	-	-	-	-

情境设置	预期收益（万元）
情境设置	0	100	200	300	400	500	600	700	800
S0	588.8	588.8	588.8	625.2	811.9	-	-	-	-
A1	763.5	763.5	763.5	763.5	923.5	968.1	1248.7	-	-
A2	968.6	968.6	968.6	968.6	968.6	1037.2	1139.3	1304.3	1440.6
B1	512.2	512.2	528.8	793.3	-	-	-	-	-
B2	434.4	434.4	581.2	-	-	-	-	-	-
C1	801.7	801.7	801.7	801.7	871.6	-	-	-	-
C2	863.2	863.2	863.2	863.2	1152.9	-	-	-	-