伴随着“双碳”目标(碳达峰、碳中和)的持续推动和有效落实，低碳乃至零碳园区的概念逐渐兴起，这类园区旨在建设经济与低碳共举的园区能源系统，以谋求可持续发展。低碳园区是指以可持续发展为目标，使生产发展、人员活动、资源利用和环境保护形成良性循环的产业园或地块^[1]。在园区的建设与运行过程中，产业低碳化、交通低碳化、建筑低碳化、运营低碳化都是必不可少的环节^[2]。商业园区作为用能大户和用能多样性的代表，在研究低碳园区建设中极具代表性。商业园区是指交易繁荣、客流量大、服务型产业密集的综合性经济园区。在商业园区内汇集了电、热、冷、气等多元用能用户，且用能较为集中^[2-3]。随着“现代智慧能源城市”建设步伐加快，商业园区建设数量和规模也在不断扩大，导致用能需求提高，碳排放增大 ^[4]。

然而，目前对现代商业园区低碳建设的内涵架构尚未有标准统一且清晰明确的定义，国内外学者将低碳化建设的重点工作放在工业园区而非商业园区，因此以商业园区为主要研究对象的碳达峰路径规划关键技术研究也尚不明确。本研究选择华北地区某国家级商业园区作为研究对象开展研究，该园区的用能主要集中在商业、办公、居住、教育、公共区域及交通6个部分。园区总建筑面积约85万m²，其中包括办公楼宇、独立商业及商务办公楼宇、星级酒店、住宅及配套商业楼宇、学校等功能性建筑。目前，该区域能源结构已相对低碳化，基本无煤炭消费，主要能源以外购电力和热力为主，天然气、汽油和柴油等化石能源消费占比较低。

从典型商业园区碳排放现状入手，通过碳排放核算、碳排放影响因素分析、碳排放预测，开展碳达峰研究。最后，归纳总结低碳商业园区碳达峰路径，规划关键技术，以期为零碳商业园区的实现提供更有力的技术支撑。

1 研究方法 1.1 碳排放量计算模型

商业园区可以通过碳核算直接量化碳排放数据，针对性地开展各项节能减排工作。目前，碳核算的主流方式主要有联合国政府间气候变化专门委员会(IPCC)清单法、实测法、质量平衡法^[5]。实测法需要投入大量的人力和物力，成本较高，而且要求检测样品具有代表性。质量平衡法需要大量的生产过程数据。相比之下，IPCC清单法计算方便，能够对特定区域的整体情况进行宏观把控，提供准确、详细的碳排放数据^[6]。因此，本研究中园区的碳核算基于IPCC清单法。

商业园区的能源需求领域主要包括商业、办公、居住、教育、公共区域及交通6个部门^[7]。根据各部门活动水平与终端能耗强度计算得到不同类型的能源消费量，公式如下。

$E_k=\sum\nolimits_i \mathrm{AL}_{k, i} \times \mathrm{EI}_{k, i}$

(1)

式中：k——园区6类用能部门；E_k——k部门能源终端需求量，万t(以标准煤计，下同)；i——不同能源种类；AL_k，i——k部门第i种能源的活动水平，交通部门以100 km计，商业、办公、居住、教育、公共区域以m²计；EI_k，i——k部门第i种能源单位活动水平的能耗强度，100 t/km(交通部门)，万t/m²(商业、办公、居住、教育、公共区域)。

根据不同部门能源消费量和对应的碳排放因子，可确定每个部门的碳排放量，公式如下。

$C_k=\sum\nolimits_i E_{k, i} \times \mathrm{EF}_{k, i}$

(2)

式中：C_k——k部门的二氧化碳(CO₂)排放量，万t；E_k，i——k部门第i种能源的能源终端需求量，万t；EF_k，i——k部门第i种能源的碳排放系数。

1.2 基于对数平均迪氏指数(LMDI)模型的碳排放驱动因素提取

采用LMDI法来构建碳排放驱动因素的分析模型，将目标商业园区能源消费产生的碳排放影响因素分解为能源结构、能耗强度、人口规模、经济发展4大因素^[8-9]。采用LMDI法的加法形式，在扩展的Kaya恒等式基础上，使用LMDI法进行分解^[6]，碳排放量与各相关影响因素的关系式如下：

$\begin{aligned} & \qquad C=\sum \frac{C}{E} \times \frac{E}{G} \times \frac{G}{P} \times P=\sum \mathrm{ES} \times \mathrm{EI} \times \\ & \mathrm{GPC} \times P\end{aligned}$

(3)

式中：C——终端能源消费产生的CO₂排放总量，万t；E——能源消耗总量，万t；G——生产总值，万元；P——人口规模，万人；ES——能源结构，无量纲(万tCO₂/万t标煤)；EI——单位国内生产总值(GDP)能耗总量，即能耗强度，万t/万元；GPC——人均GDP，用以表征经济发展程度，万元/万人。

$C_t-C_0=\Delta C=\Delta C_{\mathrm{ES}}+\Delta C_{\mathrm{EI}}+\Delta C_{\mathrm{GPC}}+\Delta C_P$

(4)

式中：C_t——第t年的碳排放总量，万t；C₀——基准年的碳排放总量，万t；ΔC——第t年与基准年碳排放量的差值，即各影响因素引起的碳排放效应之和，万t；ΔC_ES、ΔC_EI、ΔC_GPC、ΔC_P——能源结构、能耗强度、经济发展、人口规模引起的碳排放量变化，万t。

各影响因素的权重分解算式如下：

$\Delta C_{\mathrm{ES}}=\sum _{i=1}^I \frac{C_{i t}-C_{i 0}}{\operatorname{Ln}\left(C_{i t} / C_{i 0}\right)} \operatorname{Ln}\left(\frac{\mathrm{ES}_t}{\mathrm{ES}_0}\right)$

(5)

$\Delta C_{\mathrm{EI}}=\sum _{i=1}^I \frac{C_{i t}-C_{i 0}}{\operatorname{Ln}\left(C_{i t} / C_{i 0}\right)} \operatorname{Ln}\left(\frac{\mathrm{EI}_t}{\mathrm{EI}_0}\right)$

(6)

$\Delta C_{\mathrm{GPC}}=\sum _{i=1}^I \frac{C_{i t}-C_{i 0}}{\operatorname{Ln}\left(C_{i t} / C_{i 0}\right)} \operatorname{Ln}\left(\frac{\mathrm{GPC}_t}{\mathrm{GPC}_0}\right)$

(7)

$\Delta C_P=\sum _{i=1}^I \frac{C_{i t}-C_{i 0}}{\operatorname{Ln}\left(C_{i t} / C_{i 0}\right)} \operatorname{Ln}\left(\frac{P_t}{P_0}\right)$

(8)

式中：C_it、C_i0——第i类能源品种在第t年和基准年中产生的碳排放量，万t；ES_t、ES₀——第t年和基准年的能源结构，无量纲；EI_t、EI₀——第t年和基准年的能耗强度，万t/万元；GPC_t、GPC₀——第t年和基准年的人均GDP，万元/万人；P_t、P₀——第t年和基准年的人口数量，万人。

1.3 基于长期能源替代规划(LEAP)模型的碳排放预测

LEAP模型是一种自下而上的能源-环境核算工具，该模型与情景分析法联用可预测不同发展条件下中长期CO₂排放情况，且在能源数据不全面的情况下，也可以展开工作，现已广泛应用于区域能源-环境战略研究中^[10-11]。基于目标商业园区目前的能源、环境等现状及未来发展定位，以2020年为基准年，2021—2060年为预测期，构建LEAP模型，设置基准(S1)、减排(S2)、强化减排(S3)3种情景，对未来碳排放趋势进行分析和预判。其中，基准情景代表持续基准年低碳建设内容，稳步发展经济；减排情景预测分为2个时间段，分别为2020—2040年和2040—2060年，代表挖掘节能减排潜力，推广节能减碳技术，开展重点领域节能减排工作；强化减排情景预测则分为3个时间段，分别为2020—2035，2035—2050和2050—2060年，代表在减排情景基础上，进一步挖掘各部门减碳潜力，全面加强全行业的节能减排力度，先进减排技术得到广泛应用。不同碳排放情景下商业园区关键指标参数设置见表 1。模型假定各部门的能源消费可以由活动水平和能耗强度表示，各部门的CO₂排放量根据其能源消费量、能源的排放因子计算得到。

2 结果与讨论 2.1 园区能耗分析

2018—2022年，目标商业园区能源消耗整体情况见表 2。由表 2可见，无论是园区分部门能耗还是园区总能耗均不断上升，2022年能耗比2018年增长了5 051.56 t，这是经济发展的必然代价。值得一提的是，以2020年为拐点，之后该园区能源消耗增速明显下降。不同用能部门的能耗稳定呈现商业＞办公＞交通＞居住＞教育＞公共区域的分布特征，这主要取决于目标园区的商业属性。从能源种类来看，目前该区域内部能源结构已具备初步低碳化水平，基本无煤炭消费，主要能源以外购电力为主，天然气、汽油和柴油等化石能源消费占比较低。

2.2 园区现阶段碳排放分析

2018—2022年目标商业园区总碳排放量及增长率见图 1。由图 1可见，2018—2022年，该商业园区碳排放量整体呈上升趋势，2022年碳排放量比2018年增长了13 816.82 t。这是由于商业园区内汇集了大量单体面积大的商业建筑，且建筑规模不断扩大，单位面积能耗远高于一般的民用住宅区^[12]。商业园区产生的碳排放集中在建筑运行阶段，用于维持建筑环境和内部活动的终端设备用能。由于我国双碳战略的提出和持续推进，2020年之后目标商业园区的碳排放增长率明显下降。

2018—2022年目标商业园区各用能部门碳排放量及增长率见图 2(a)—(f)。由图 2可见，商业部门碳排放量在整个园区中处于领先地位，这和人流密度以及商户入住率有直接关系。商业部门碳排放量大是因为其中的购物中心、酒店、餐厅等多种应用场景集中，导致能源供应网络负荷过大。公共区域的碳排放量在整个园区的占比最小。所有用能部门碳排放量均呈逐年上升趋势，这些都与经济的快速发展有密切联系。其中，交通部门碳排放相对特殊，虽然碳排放量逐年上升，但增速也在逐年放缓，这是因为新能源汽车和园区充电桩的普及。总体而言，除公共区域外，各部门碳排放增速在2020年之后均呈缓慢增长或明显下降状态。

2.3 园区碳排放驱动因素分析

2018—2022年，园区的碳排放总量的增加是多个驱动因素共同作用的结果。基于LMDI模型，研究各驱动因素对园区碳排放的贡献，各影响因素对园区碳排放量的贡献见图 3。

由图 3可见，能源结构对碳排放量变化的贡献处于波动状态。2022年，能源结构驱动碳排放轻微增加，这主要是因为园区经济的发展对能源的需求增大，但能源生产结构中煤炭等一次能源依然占据重要地位，导致碳排放系数的升高。除2022年以外，其他年份能源结构对碳排放均具有抑制作用，累计抑制碳排放1 137.40 t。但是从整体来看，其对碳排放的抑制作用较能耗强度效应小，对碳减排贡献略低。目标商业园区电气化率逐年提高，且商业园区多为第三产业，能源品种较为单一，因此能源结构对碳排放抑制能力有限^[13]。

能耗强度一直对碳排放量保持抑制趋势，累计抑制碳排放17 921.42 t，是园区碳减排贡献度的主要来源，这表明园区通过一系列的节能减排策略，提高了能源效率。因此，应重点加强节能环保技术的创新力度，发展低碳技术，制定因地制宜的减排政策，从而维持能源强度的抑制作用^[14]。

经济发展是引起碳排放增加的主要驱动因素之一，2018—2021年经济发展对碳排放的贡献有逐渐上升的趋势，2022年开始出现下降。研究期内，人均GDP不断升高，这证实了经济的持续发展驱动碳排放量增加。由经济发展所导致的碳排放量在2022年出现降低，说明经济发展因素对碳排放的驱动作用开始减弱，经济发展与能源消费之间正逐渐实现脱钩。

人口增长在研究期内累计导致碳排放量增加22 305.88 t，人口规模效应对碳排放量的增长具有拉动作用。而且与经济发展因素导致的碳排放增加量相比，其对碳排放的促进作用贡献更大。随着居民消费水平的提高，为满足其更高质量的生活需求而导致的能源消耗量不断升高，由此导致的碳排放量也进一步升高^[14]。

2.4 基于不同情景的碳排放预测分析

基于LEAP模型，采用情景分析法，探讨不同参数设置下该园区未来碳排放情况。以2020年为基准年，设置基准情景(S1)、减排情景(S2)、强化减排情景(S3)3个减排力度不断加大的综合情景，据此分析园区实现碳达峰、碳中和的时间和路径。2020—2060年不同情景下目标商业园区碳排放量预测见图 4。由图 4可见，S1情景下该商业园区保持现有的经济发展速度和节能减排力度，预测显示碳排放量持续增加，在2060年之前不可能实现双碳目标。S2情景下，2021—2040年园区碳排放量呈上升趋势，2040年达到峰值，其碳排放量为87 630.60 t，达峰后碳排放量逐步降低。S3情景下，由于采取了强制性的碳减排措施，2030年准时达峰，峰值为70 902.73 t，实现碳达峰后碳排放大幅下降，逐渐趋于碳中和。因此，该商业园区应以强化减排情景下各类能源指标为参考，实施园区低碳建设，为我国双碳战略目标的实现提供有力的区域支撑。

3 低碳商业园区碳达峰路径优化规划

基于园区碳排放驱动因素分析，碳达峰路径优化规划主要从降低人口规模和经济发展对碳减排的制约，加强能耗强度与能源结构对碳减排的推动入手。

人口增长和经济发展带来的是对能源、食品、住房、交通的需求加大，想维持现有经济水平或进一步发展经济，能源的投入必不可少，这些都会导致碳排放增加。但是人口增长和经济发展是园区稳定运行的导向性因素，是不可避免的，因此要想完成目标商业园区的碳达峰路径优化，更多的是从能源角度如能耗强度和能源结构入手。同时，结合情景预测分析结论，园区需要在强化减排情景(S3)下才能满足2030年碳达峰的目标。因此，在保障经济社会发展的条件下，从能源角度采取针对性节能降碳措施，才能有效控制园区碳排放总量。因此，基于能源供应、能源需求、能源调控分别提出如下3点规划措施。

3.1 能源混联型低碳微网规划建设

为降低能耗强度、优化能源结构，在商业园区内构建能源混联型低碳微网(图 5)，保障能源合理供应。多能源供给体系包括电能、天然气和热能，其均可通过电力机组、储能装置、电气设备实现园区自供，也可以向上级市场购买^[4]。现代商业园区一般地处城市核心区，能源资源相对匮乏，没有大规模利用风能、生物质能的客观条件。因此，将以光伏发电为主的新能源电力机组并入商业园区微网，能够提高新能源消纳能力，助力园区碳减排。在商业园区内接入热电联供机组、电转气设备等电子设备，可以实现园区内的多能量耦合，使用能环节更具针对性，极大降低了用能损耗和碳排放强度^[15-16]。

3.2 低碳智慧楼宇规划建设

商业园区中汇聚了大量相似的现代楼宇，电、热消耗水平高，电气化程度深，能源需求大且多样。为了降低能耗，加快园区低碳建设，建设低碳智慧楼宇至关重要^[17]。其目的是将商业园区楼宇建成集中央空调系统、智能照明系统、新风系统于一体的综合性楼宇^[15]。建设智慧低碳型楼宇，结合实际光照辐射和人流量自动调节室内温度；结合光照强度自动调节室内亮度；结合楼宇人流量自动调节室内新风。商业楼宇还应积极响应园区分时电价机制，主动参与需求响应管理，将工作负荷转移到低电价时段，照明系统在白天适当减少不必要照明，从而减少工作功率。

3.3 灵活性资源优化配置规划建设

商业园区可凭借其可调度资源的灵活性以及需求侧管理的便利性，通过协调优化园区源、储、荷各系统之间能量交互关系，全面提高商业园区能源的整体经济性^[18]。目标商业园区拥有大面积闲置的屋顶资源，于园区内配置屋顶光伏和储能设施可以有效提高园区内可再生能源消纳水平，降低园区用电成本^[19]。商业园区内终端用能设备多样、用能灵活，拥有电动汽车和空调等柔性负荷，具有很大的可调控潜力^[20-21]。合理规划园区内弹性负荷，使其参与需求响应，可以激发园区用户合理用能，减少碳排放^[16]。

4 结论

以现代商业园区为研究对象，建立了适应现代商业园区的碳排放核算体系、碳排放驱动因素提取模型、碳排放预测模型，重点分析了园区内的能耗及碳排放情况，并对未来商业园区碳中和路径优化做出了相应规划，得出如下主要结论。

(1) 现阶段园区能耗和碳排放仍在不断增长，2022年能耗和碳排放比2018年分别增长了5 051.56和13 816.82 t。

(2) 在不同用能部门中，商业用能占据园区碳排放的主导地位，其他用能部门碳排放波动较小。

(3) 经济规模扩大和人口密度提高是园区碳排放升高的主要原因，而能耗强度和能源结构则是促进园区减排的主导因素。

(4) 碳排放预测结果显示：在强化减排情景下，园区有望在2030年如期完成碳达峰，至2060年极限减排潜力是289 386.85 t。

(5) 通过构建能源混联型低碳微网，建设低碳智慧楼宇，加强灵活性资源优化配置，可加快商业园区减排进程。