引言

2020年9月，在第七十五届联合国大会上中国正式提出“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”（以下简称“双碳”目标）。在“双碳”目标下，加快发展可再生能源成为中国实现低碳转型和生态文明建设的客观要求^[1]。但是受制于资源禀赋、消费习惯和技术依赖等因素，煤炭、石油等化石能源在中国能源消费结构中仍然占据主导地位，发展可再生能源迫在眉睫^[2]。2021年，中共中央、国务院《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》要求到2030年非化石能源消费比重达到25%左右。2024年《关于大力实施可再生能源替代行动的指导意见》（发改能源〔2024〕1537号）明确2030年全国可再生能源消费量达到15亿吨标准煤以上。为此，中国政府决定实施以命令-控制为主导的可再生能源配额政策。通过明确各省份应达到的可再生能源利用目标，完成既定的消纳责任，进而促进可再生能源生产消费，加快推进能源结构清洁化转型^{[3, 4]}。

可再生能源配额分配是以提高中国可再生能源利用水平为目的而采取的重大政策工具创新^[5]。2018年11月，国家能源局发布《关于实行可再生能源电力配额制的通知》（征求意见稿），按省级行政区域确定配额指标，实行可再生能源电力配额制^[6]。可再生能源配额通常以能源单位来量化，强制责任主体在其总体能源消费中包含一定数量的可再生能源，确保各区域达到政府设定的可再生能源消费目标^[7]。配额制的核心问题即探讨配额总量目标的合理分配方式，确定各省份的配额指标^[8]。然而，现阶段实行的可再生能源分配策略仍存在责任不匹配和效率低下的弊端，导致中国各地可再生能源发展不均衡的问题凸显^[9]。一方面，从责任分担角度来看，现行分配方式未能充分体现不同地区在能源消费规模、碳排放水平和低碳转型压力方面的差异，导致能源需求量大、碳排放强度高的东部地区承担的可再生能源责任偏低，而经济发展水平落后、能源消费能力有限的西部地区承担的责任较高，形成责任配置上的结构性不匹配^{[10, 11]}。四川、云南等西部省份的可再生能源消纳量显著高于多数东部省份，凸显了区域间责任配置与能源需求结构之间的不协调。另一方面，从配置效率角度来看，可再生能源分配并未与地区能源利用效率相匹配。清洁资源富集的西部地区受制于本地消纳条件，可再生能源利用效率偏低，弃风弃光等现象突出；而经济发达和能源利用效率高的东部地区，却未能配置与其需求相匹配的可再生能源^[12]。这种区域间失衡的可再生能源配置格局，加剧了资源供需错配和能源利用效率低下的问题，严重制约了我国可再生能源发展和“双碳”目标的顺利实现^[13]。

为明确地区差异化的可再生能源消纳责任并提升配额利用效率，有必要探索符合中国国情和“双碳”目标要求的可再生能源配额分配方式。为此，本文构建理论模型并结合实证分析，对2030年全国可再生能源配额总量进行省际分解，重点探讨以下问题：①在能源转型与“双碳”目标约束下，如何构建科学合理的省际可再生能源配额分配方案；②如何综合考虑地区异质性特征，量化省际可再生能源的消纳责任，破解配额分配中的公平性缺失问题；③如何构建科学合理的配置方案效率评估模型，并从责任与效率耦合的视角优化配额分配，确保方案的公平与高效。

1 文献综述

本研究从国际政策实践、关键原则及研究方法等方面梳理了可再生能源配额分配的相关研究。

1.1 可再生能源配额分配的实践进展

在可再生能源配额分配的起步阶段，许多国家、地区如澳大利亚、英国、意大利和美国的大部分州都采用等比例法进行配额分配^[14]。这种简单直接的分配方法要求所有责任主体平均分担可再生能源责任，难以反映不同地区在可再生能源资源禀赋、能源结构和能源需求方面的差异，容易导致分配结果在公平性和效率性上的不足。相较之下，差异化分配方法通过综合考虑各地区的可再生能源资源条件、经济发展水平和环境目标等因素，有助于提高配额分配的公平性^[15]。日本和美国加利福尼亚州较早转向实施差异化的可再生能源配额管理政策，以更好地适应地区异质性特征^[16]。然而，差异化分配方法在实践中也伴随着更高的实施复杂性。若缺乏合理的分配策略，仍可能导致地区的配额配置与实际利用效率不匹配，无法保证配额利用的产出效益最大化，从而可能影响整体资源配置效率^[17]。

中国现行的可再生能源配额分配政策虽然已强调区域差异，并为各省份设定了明确的规划期目标，但政府主导的命令型分配方式在一定程度上忽视了地区间可再生能源利用效率的差异，容易造成资源错配和配额利用效率偏低的问题^[18]。从实践效果来看，中国省际可再生能源配额配置在效率层面仍有进一步提升空间^[12]。因此，有必要探索一种兼顾公平和效率的省际可再生能源配额差异化分配方案。

1.2 可再生能源配额分配的关键原则和方法

可再生能源配额分配需要兼顾公平与效率，确保各地在能源转型过程中既能合理分担可再生能源消纳责任，又能实现资源的优化配置^{[19, 20]}。其中，科学合理地量化地区责任是实现公平分配的核心，而提高配额的配置效率则是保障政策实施效果的重要前提^[18]。

在责任量化方面，能源三难困境理论为刻画不同地区在能源转型中的责任差异提供了重要理论框架^{[21, 22]}。该理论从能源安全、能源公平和环境可持续性三个维度综合衡量地区能源系统特征：在能源安全方面，可再生能源利用有助于降低对外部能源的依赖，提高能源供给稳定性^[23]；在能源公平方面，可再生能源发展能够引导资源禀赋较强地区承担更多能源转型责任^[24]；在环境可持续性方面，高碳排放地区需要通过提高可再生能源利用水平承担更高的减排责任。因此，基于能源三难困境理论构建评价指标体系，可以为公平合理的配额分配提供理论依据^[25]。

在效率分配方面，零和博弈—数据包络分析（ZSG-DEA）模型被广泛应用于能源配置研究^[26]。该模型在总量控制条件下，通过调整不同地区的能源配置实现系统整体效率的提升^[27]，在可再生能源配额研究中具有较好的效率优化效果^[18]。然而，现有研究主要侧重于经济效率优化，忽视了可再生能源在能源转型中提供的的环境改善、资源节约等多重附加效益^[28]。此外，现有研究未能充分考虑其与化石能源的协同利用关系。不同地区的能源组合特征（如可再生能源装机容量、火电占比等）对能源系统效率的影响较大，因此需要在优化过程中综合考虑可再生能源与传统能源的协同利用，以提高配额优化方案的科学性和合理性。

1.3 文献述评

综合分析上述文献可以发现，现有研究在可再生能源配额分配领域已形成一定理论基础和方法体系，但仍存在有待深入探究的问题。首先，现有研究较少从责任与效率耦合的视角系统构建配额分配机制，导致区域消纳责任与其实际条件不匹配，“高配额、低效率”的利用困境无法破解。其次，在责任量化方面，多数研究仍依赖单一指标或缺乏明确的理论框架支撑，未能从能源安全、能源公平和环境可持续性等多个维度系统刻画区域可再生能源的消纳责任差异。最后，缺乏科学合理的配置方案和效率评估体系。已有文献主要关注经济产出效率，而对可再生能源在资源节约、环境改善及与化石能源协同利用等方面的综合效益关注不足。

针对上述不足，本文从责任与效率耦合的视角出发，构建两阶段可再生能源配额分配模型：在初始分配阶段，基于能源三难困境理论构建评价指标体系，量化省际可再生能源消纳责任，为可再生能源配额分配提供公平合理的科学依据；在优化阶段，引入改进的ZSG-DEA模型，建立责任和效率的耦合机制，对配额方案进行综合效率评估和优化调整，从而在全国总量目标要求下实现公平性与效率性的双重考量，为可再生能源配额分配政策制定提供决策参考。

2 研究方法 2.1 研究思路

分配模型通过两阶段予以实现，研究思路为：①模型第一阶段形成初始分配方案。以2030年中国可再生能源利用目标作为配额总量进行省级层面分解，综合不同地区可再生能源在能源安全、能源公平和环境可持续方面的差异性特征，构建基于能源三难困境的可再生能源责任评估指标体系，运用熵值法确定各省份初始配额分配系数，形成可再生能源初始分配方案。②模型第二阶段形成优化分配方案。为确保初始方案省级层面可再生能源目标的分配效率，运用ZSG-DEA效率分配模型，构建可再生能源与传统能源协同利用的能源效率评估体系。在优化配额分配过程中，结合责任与效率耦合的优化机制，提出省际可再生能源配额分配的优化模型方法。最后，根据优化的配额分配结果，明确各省份2030年可再生能源配额利用目标。具体的研究思路如图 1所示。

2.2 第一阶段初始分配模型构建 2.2.1 构建可再生能源责任评估指标体系

在初始分配的思路中，本研究基于能源三难困境理论框架来量化可再生能源的消纳责任，根据责任系数确定分配比例，形成初始分配方案。其中，能源三难困境包括能源安全、能源公平和环境可持续性三个维度。基于这三个维度，本研究构建了可再生能源利用责任评估的指标体系，通过熵值法量化出相应的责任系数。责任系数体现了各地区在能源转型过程中应承担的可再生能源消纳责任，以此作为初始配额分配的依据。各维度的选择指标如表 1所示。

在能源安全方面，增加可再生能源配额有助于保障区域能源消费需求，降低对传统能源的依赖。具体包括以下指标：①能源消费水平。能源消费总量高的地区需要更多的能源供应来保障稳定的供给。增加可再生能源利用有助于保障该地区的能源供应^[29]。②电力消费规模。电力消费规模大的地区能够通过增加可再生能源的配额，缓解电力供应的压力并且提高电力清洁度^[19]。③化石能源供给支撑度。计算方式为化石能源生产量除以能源消费量。对于化石能源供给支撑度较低的地区，提高可再生能源配额，有助于降低对外部化石能源输入的依赖，增强能源安全保障能力。④外部能源依赖性。外部能源依赖性高的地区，增加可再生能源的配额有助于降低该地区对外部能源的依赖，提升能源安全性^[25]。⑤能源消费弹性系数。定义为能源消费年均增长率与地区生产总值年均增长率之比。该指标值越高，表明在经济增长过程中能源需求增长越快，有必要增加可再生能源的配额来适应快速增长的能源需求^[25]。⑥省际可再生能源输送规模。较高的省际可再生能源输送规模意味着地区具备较好的跨区域可再生能源配置经验和条件，据此增加可再生能源配额可以增强能源供应的安全性和配置方案的可行性^[19]。⑦电力传输基础设施。该指标通过单位面积输电线路长度来表征。较高的电力传输基础设施水平意味着更完善的输电通道和能源系统调节能力，该指标高的地区分配较高配额可以提升配置方案落实的现实可行性^{[30, 31]}。

能源公平的核心在于确保不同类型地区在能源转型过程中承担合适的责任。基于此，本研究选择了以下指标：①人均地区生产总值。经济发达地区通常具备更强的资源发展能力和更高的技术创新能力，在分配可再生能源配额时应当承担更大的责任^[29]。②可再生能源装机容量。装机容量越大，意味着该地区具备较好的可再生能源发展基础和技术支持，因此可以通过分配更多的可再生能源配额来发挥其生产能力^[19]。③水电、风电和光电的资源禀赋程度。清洁资源丰富的地区拥有天然的可再生能源发展优势，应当获得更多的配额支持，以促进当地可再生能源的最大化利用^[32]。

环境可持续性关注的是各地区在碳排放、能源结构和环境污染等方面的状况。碳排放水平和能源结构偏煤意味着地区过度依赖高碳排放的传统能源，这些地区应承担更多的责任，利用可再生能源以促进环境可持续发展。因此，本研究基于该维度选择了以下指标：①碳排放水平。碳排放高的地区在环境改善方面的责任更大，分配更多的可再生能源配额有助于这些地区减少温室气体排放^[33]。②污染物排放水平。与碳排放类似，污染物排放高的地区需要通过增加可再生能源使用来减少传统污染源^[33]。③能源消费结构和电力能源结构。依赖煤炭和其他高污染能源的地区在可再生能源配额分配中应承担能源结构转型责任，以促进能源的清洁利用和环境质量的改善^[29]。

2.2.2 初始分配模型

初始分配运用熵权法对指标进行加权，计算各地区的综合责任系数，数值越高表示该地区承担的可再生能源利用责任越大。根据责任系数确定分配比例，将全国可再生能源配额总量按比例分配至各地区，确保配额分配符合国家可再生能源发展目标要求。

首先，根据表 1的指标体系，计算责任系数：

$ R_i=\sum\limits_{i=1}^n w_j Y_{i j} $

(1)

式中，R_i为第i个地区的责任系数，数值越大表明该地区承担的可再生能源消纳责任越大；w_j为运用熵值法确定的指标权重；Y_ij为各项指标规范化处理后的结果。

其次，根据责任系数，计算初始分配比例：

$ P_i=\frac{R_i}{\sum\limits_{i=1}^n R_i} ; \quad \mathrm{RE}_i=\mathrm{RE}_{\text {total }} \times P_i $

(2)

根据责任系数R_i，可以确定不同地区的初始配额分配比例系数P_i。对2030年可再生能源配额目标RE_total进行分解，确定第一阶段初始分配中i省份2030年的可再生能源配额量RE_i。

2.3 第二阶段优化分配模型构建

在完成初始分配后，需要进一步从效率视角评估配置方案的有效性，以确保可再生能源的合理消纳和优化配置。优化分配的第一步是对可再生能源配额分配方案进行效率评估，采用ZSG-DEA模型，对初始配置方案中各地区的能源利用效率进行系统测算。该模型围绕能源投入与产出，整合化石能源和可再生能源两个维度计算各地区的能源利用效率，并识别出低效率地区。在效率评估后，优化分配的第二步是对配额方案进行效率优化，运用ZSG-DEA模型的迭代算法，遵循高效利用原则和责任优先原则，确保高效率、责任大的地区获得合理的配额调整。若优化方案使所有地区的效率值均达到DEA有效前沿，则确定为最终的分配方案。具体的效率评估模型如下：

${\mathop{\rm Min}\nolimits} {\theta _r}{\rm{ s}}{\rm{.t}}{\rm{. }}\left\{ \begin{array}{l} \left. {\begin{array}{*{20}{l}} {\sum\limits_{i=1}^{30} \lambda_i \mathrm{FE}_i \leqslant \mathrm{FE}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{EGI}_i \leqslant \mathrm{EGI}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{GDP}_i \geqslant \mathrm{GDP}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{CR}_i \geqslant \mathrm{CR}_r} \end{array}} \right\}{\rm{ 化石能源利用效率}}\\ \left. {\begin{array}{*{20}{l}} {\sum\limits_{i=1}^{30} \lambda_i \mathrm{RE}_i\left[1+\frac{\mathrm{RE}_r\left(1-\theta_r\right) \mathrm{RE}_i}{\sum\limits_{r \neq i}^N \mathrm{RE}_i}\right] \leqslant \theta_r \mathrm{RE}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{REI}_i \leqslant \mathrm{REI}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{EAB}_i \geqslant \mathrm{EAB}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{EIB}_i \geqslant \mathrm{EIB}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{SWB}_i \geqslant \mathrm{SWB}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i \mathrm{ESB}_i \geqslant \mathrm{ESB}_r}\\ {\sum\limits_{i=1}^{30} \lambda_i=1 ; \quad \lambda_i \geqslant 0} \end{array}} \right\}\begin{gathered} \text { 可 } \\ \text { 再 } \\ \text { 生 } \\ \text { 能 } \\ \text { 源 } \\ \text { 利 } \\ \text { 用 } \\ \text { 效 } \\ \text { 率 } \end{gathered} \end{array} \right. $

(3)

模型中，θ_r为ZSG-DEA模型计算出的第r个决策单元的相对效率，λ_i为第i个决策单元的线性组合系数。FE、EGI、GDP、CR为为评估化石能源利用效率选择的指标参数，分别表示地区的化石能源利用量、环境污染治理投资、化石能源利用产生的经济产值和碳排放变化量。RE、REI、EAB、EIB、SWB、ESB为为评估可再生能源利用效率选择的指标参数。其中RE、REI作为投入指标，分别表示可再生能源分配量和可再生能源装机容量。EAB、EIB、SWB、ESB作为产出指标，分别表示现有技术条件下地区可再生能源初始配额可以产生的经济附加效益、环境改善效益、社会福利效益和能源节约效益。

ZSG-DEA模型对可再生能源配额的优化迭代算法思路如下：在可再生能源目标总量确定的实际条件下，某省份可再生能源配额的增减，必然会影响其他部门的投入产出行为，因此ZSG-DEA模型融入了零和博弈的思想，即当一个地区减少可再生能源配额目标时，为保证总利用目标可以实现，其他地区必须增加相同数量配额。此处以第r个效率值小于1的省份为例，DEA测度无效说明该地区可能因技术水平、产业结构或能源政策限制，导致可再生能源利用效率偏低，即同样的可再生能源投入在其他高效率地区会产生更高的经济和环境收益。该省份为了实现DEA有效，需要减少RE_r(1-θ_r)的配额，而在利用总量目标明确的前提下，减少的配额将会分配给其他省份。本文根据初始效率值的计算结果和能源三难困境评价体系得到的责任系数对省份减少的配额进行重新分配，以第i（i≠r）个省份为例，其得到的配额与其实际的责任系数呈正相关，r省份经第一次调整后，第i个省份分别增加了$\operatorname{RE}_r\left(1-\theta_r\right) \times \frac{R_i}{\sum\limits_{i \neq r}^{30} R_i}$单位配额量。根据责任系数计算公式（2），责任系数和初始配额量成正相关，因此，第i个省份增加了$\operatorname{RE}_r\left(1-\theta_r\right) \times \frac{\operatorname{RE}_i}{\sum\limits_{i \neq r}^{30} \operatorname{RE}_i}$单位的配额量。当所有地区均进行调整后，第i个省份从其他地区调入的配额为$\sum\limits_{i \neq r} \frac{\mathrm{RE}_r\left(1-\theta_r\right) \mathrm{RE}_i}{\sum\limits_{i \neq r}^{30} \mathrm{RE}_i}$。而第i个地区由于未实现DEA有效，因此自身也需要调出配额$\mathrm{RE}_i-\mathrm{RE}_i\left(1-\theta_i\right)$。经第一次调整，第i个地区更新的配额量如式（4）所示。由于仅经过一次调整并不一定能使所有省份均达到零和DEA有效，需要不断重复上述调整过程，使得所有省份均处于DEA有效前沿面。本文采用林坦和宁俊飞提出的迭代方法进行求解^[34]。

$ \mathrm{RE}_i^{\prime}=\mathrm{RE}_i-\mathrm{RE}_i\left(1-\theta_i\right)+\sum\limits_{i \neq r} \frac{\mathrm{RE}_r\left(1-\theta_r\right) \mathrm{RE}_i}{\sum\limits_{i \neq r}^{30} \mathrm{RE}_i} $

(4)

2.4 变量和数据

根据《关于大力实施可再生能源替代行动的指导意见》（发改能源〔2024〕1537号）要求“2030年全国可再生能源消费量达到15亿吨标煤以上”，本研究以此为目标进行省级层面的配额分配。限于数据可获得性，研究样本选取2011—2022年中国30个省级行政区域数据（台湾、香港、澳门和西藏等地区由于数据缺失未纳入研究范围）。模型第一阶段的数据主要来源于2012—2023年的《中国统计年鉴》《中国区域经济统计年鉴》《中国能源统计年鉴》《中国电力统计年鉴》《中国环境统计年鉴》及各省份统计年鉴。碳排放数据来源于中国碳核算数据库（CEADs）。

初始配额结果用第二阶段ZSG-DEA模型进行优化分配。第二阶段的可再生能源配额优化分配涉及对2030年人口数量、实际GDP、能源消费量、化石能源消费量及碳排放量等指标的预测。具体而言，预测分为全国总量测算与地区总量测算两部分。在全国层面，2030年人口数量与实际GDP采用2011—2022年的平均增长率进行推算^{[35, 36]}；碳排放总量参考王文举等学者在配额分配研究中设定的2030年碳排放峰值预测结果（131.9931亿吨）^[37]；能源消费总量目标依据国家发展改革委和国家能源局印发的《能源生产和消费革命战略（2016—2030）》中提出，到2030年全国能源消费总量控制在60亿吨标准煤以内，本文以此确定能源消费总量目标^[38]。在地区层面，各省份2030年预测值依据2011—2022年各项指标占全国总量的平均比例进行比例外推，以保持地区间结构的稳定性与可比性^[36]。

模型第二阶段的效率评估系统里的产出指标包括EAB、ESB、EIB和SWB。EAB通过可再生能源分配量除以地区的能源消费强度计算，用以估算可再生能源增加带来的额外经济价值^[28]。能源消费强度（能源消费量/地区生产总值）是评价地区能源利用经济效果的综合性指标^[29]，以可再生能源分配量除以能源消费强度估算EAB，可以反映可再生能源利用对地区经济增长的潜在促进作用^[33]。ESB用于衡量可再生能源利用在减少传统化石能源消耗方面的贡献。在总能耗约束下，新增的可再生能源利用量可视为对化石能源的等量替代，其分配量即可近似表示节约的化石能源量，从而反映能源结构优化的节能效应。EIB的计算基于地区化石能源碳排放强度，根据可再生能源分配量所替代的化石能源消耗量，估算相应的碳排放减少量^[38]。SWB用于衡量不同可再生能源配置方案下，地区居民人均可获得的可再生能源使用水平，从而刻画可再生能源配置对居民层面社会福利分配的影响。参考相关研究中以人均清洁能源消费量衡量清洁能源福利水平的思路，本文将可SWB定义为可再生能源分配量与地区人口数量之比，即人均可再生能源配置量^[25]。该指标反映在不同配额配置结果下，每个地区居民所得到的可再生能源的平均使用水平。

3 结果与分析 3.1 可再生能源初始分配结果

通过模型第一阶段初始分配，得到2030年各省份基于能源三难困境的可再生能源责任系数和初始配额，具体结果如图 2所示。

结果表明，高碳排放地区（如山东、江苏、广东、内蒙古等）分配了较高的初始配额，需要承担更多责任，以推动能源清洁化转型，这一趋势与“双碳”目标高度契合，对高排放地区进行环境治理是国家低碳转型的核心任务。能源公平性主要影响清洁资源禀赋丰富的地区（如四川、云南、湖北等），这些地区具有优越的水电、风电、光伏等可再生能源资源，并具备较强的清洁能源资源禀赋和可再生能源生产能力，因此在分配中获得了较高的配额。这一结果突出了资源优势地区在可再生能源发展中的引领作用，有助于提升全国可再生能源供应能力。在能源安全性方面，外部能源依赖度高、碳排放量大的东部发达地区（如广东、江苏、山东、浙江等）承担了较高的可再生能源消纳责任。由于这些地区能源需求大、对化石能源依赖度高，因此初始分配了较高的可再生能源配额，以优化能源消费结构、降低对外部化石能源的依赖，从而提升能源安全性。

3.2 可再生能源配额优化分配结果 3.2.1 第二阶段优化分配的效率提升过程

运用ZSG-DEA模型对第一阶段结果进行评估与优化，各地区的效率提升过程如图 3所示。

从初始效率值来看，整体的配额利用效率尚未达到最高水平，部分地区（如内蒙古、山西、河北、新疆等）存在低效利用的问题，高效地区的配额仍有提升空间，有必要对初始方案进行优化调整。通过ZSG-DEA模型进行的5次优化调整，低效率地区效率值有效提升，最终所有地区的效率值均达到1。图 3展示了效率优化的动态调整过程，随着优化轮次的增加，各地区效率值逐步提升，最终收敛至最优状态。这一结果验证了效率优化模型的有效性，证明了在初始分配方案的基础上，通过优化分配模型对配额进行合理调整，能够实现可再生能源的高效配置。

3.2.2 第二阶段优化分配的配额调整结果

第二阶段优化分配和第一阶段初始分配的比较详见表 2。

从第二阶段优化结果来看，优化方案总体上提高了初始效率较高的东部地区的可再生能源配额。具体而言，江苏、浙江、广东等经济发达、能源消费规模较大的地区在优化后配额配置明显提升，这表明在全国总量目标约束下，配额配置逐步向高效率地区集中，以更充分发挥其能源利用和减排潜力。与此同时，四川、云南、甘肃、贵州、青海等可再生能源资源富集省（区、市）仍保持较高的配额水平，但部分地区的配额增长幅度相对受限，反映出优化过程对区域资源禀赋、消纳条件和利用效率的综合权衡。相较之下，内蒙古、山西、河北、新疆等传统能源供给型省（区、市）由于初始效率水平较低，其可再生能源配额在优化过程中有所下降。总体而言，第二阶段优化结果在不改变全国总量目标的前提下，呈现出可再生能源配额在区域间按照效率导向重新分布的结构性特征。

3.2.3 优化分配的配额调整机制

为进一步厘清配额优化过程的调整机制，图 4将可再生能源配额调整量、初始效率值和责任系数三者间的相互关系进行了可视化呈现。

图 4通过气泡图展示了可再生能源配额调整量、初始效率值与责任系数之间的关系，刻画出了优化分配机制的内在逻辑。整体来看，配额调整量较大的地区（如广东、四川、江苏等）对应的气泡较大、颜色较深，表明其初始效率水平较高且责任系数较大。这一结果表明，可再生能源配额倾向于向效率高、承担责任重的地区调整，体现了效率优先与责任导向相结合的分配原则。这一调整有助于充分发挥高效率地区的消纳潜力，提升整体能源的转型绩效。

相对而言，配额调整量为负的地区（如内蒙古、山西、山东等）对应的气泡较小，表明其初始效率水平较低，其可再生能源配额在优化分配过程中被适当压缩。这一结果表明，配额优化分配过程执行的是责任与效率耦合的调节机制，提升效率高、责任重的地区的配额，削减效率低、责任轻的地区的配额，实现了配置效率的整体提升，兼顾了配额分配的公平性与效率性。

3.3 省际可再生能源配额分配的结果分析 3.3.1 省际可再生能源配额分配的差异分析

图 5展示了2030年我国省际可再生能源配额分配的空间差异特征。东部地区的广东、江苏、浙江和山东等省份分配了较高的可再生能源配额，反映出配额配置向能源需求集中、经济发展水平较高的地区倾斜。东部地区对外部能源依赖程度较高、经济和技术基础较好，同时面临较大的碳减排压力，具备承担更多可再生能源配额的现实基础。

相较之下，东北地区（辽宁、吉林、黑龙江）的可再生能源配额水平相对较低，这与其近年来经济增速放缓、工业用能需求下降等因素密切相关。中部地区（如安徽、山西、湖南等）的配额总体处于中等水平，这些地区目前仍较为依赖煤炭等传统能源，需要在能源结构转型过程中保持传统能源体系与可再生能源发展之间的阶段性平衡。西部地区的配额分布则呈现出较为明显的内部差异。其中，四川、云南等水电资源禀赋突出的省份分配了较高的配额，成为全国可再生能源供给体系的重要支撑；而青海、宁夏、甘肃等西北地区，尽管清洁能源开发基础逐步完善，但受制于经济规模偏小和能源消费需求有限，其配额分配量相对较少。

3.3.2 配额优化方案地区配额承担比例的变化

本文进一步比较了2030年与2022年各省份可再生能源配额占全国总量的比例变化，以明确未来地区可再生能源配额利用的调整方向。配额承担比例提升幅度越大，表明该地区在未来能源结构转型过程中需承担更多的责任。结果如图 6所示。

图 6展示了2022年与2030年各省份可再生能源配额承担比例的变化情况。从配额承担比例的增长幅度来看，呈现出“东部 > 中部 > 西部”的差异化趋势。2030年东部省份的配额承担比例普遍上升，而西部省份的配额承担比例则整体呈下降趋势，这反映出未来可再生能源配额由西向东的责任转移趋势。具体而言，北京、上海、天津、浙江、广东、山东和江苏等省份的配额承担比例明显提高。这些地区经济发展水平较高、能源需求规模大，在全国能源结构转型中承担更为重要的责任。从能源安全角度看，东部地区能源自给能力相对不足，对外部能源依赖程度较高，提高其可再生能源配额有助于降低化石能源依赖、增强能源供应稳定性。从能源公平角度看，四川、云南等西部省份虽然清洁能源资源禀赋突出，但受制于本地消纳条件，其配额承担比例在优化过程中有所下降。省际配额由西向东进行责任转移，不仅有助于缓解区域可再生能源发展的不均衡格局，也能为跨区域交易机制下可再生能源的高效配置创造条件，推动西部地区清洁资源优势向经济发展动能的合理转化。

3.3.3 配额优化分配方案的现实可行性分析

为进一步评估本文提出的省际可再生能源配额优化分配方案在现实条件下的合理性与可行性，有必要结合我国区域能源消纳格局及能源输送基础设施条件，对配额方案的落地实施进行补充分析。

已有研究表明，可再生能源在区域间的优化配置通常依赖就地消纳与跨区输送并行推进的双轨路径，该模式已成为我国当前及中长期能源配置体系的重要实现方式^[30]。从空间结构上看，本文优化结果显示，东部地区部分省份的可再生能源配额承担比例可以有所提高，西部地区部分省份的可再生能源配额承担比例可以进行下调，这与现有研究结论一致^[10]。配额占比提升的地区普遍具有能源消费规模大、负荷基础雄厚和能源需求刚性较强等特征，同时也是我国跨区域能源配置体系中的主要受端。近年来，随着“西电东送”等跨区能源输送工程的持续推进，以及国家层面对新型电力系统和跨区域电力互济能力的持续强化，东部地区在能源受入和可再生能源消纳方面的基础条件不断改善，为可再生能源消费责任向需求集中区域合理转移提供了制度与工程层面的现实支撑^[39]。因此，本文提出的配额分配结果在总体空间结构上与我国现有能源配置格局及未来能源发展战略具有较好的一致性。

需要指出的是，对于个别地区在短期内可能面临的消纳压力或配套约束问题，可通过完善绿证交易、省际配额转让及分阶段推进配额目标等政策与市场机制进行缓冲和调节^[40]。总体来看，在现有政策框架和能源基础设施条件下，本文提出的省际可再生能源配额优化分配方案在宏观层面具备现实可行性，并可为相关政策制定和实施提供有益的参考。

4 结论与政策建议

本文以全国30个省份为研究对象，基于责任与效率耦合视角构建可再生能源配额两阶段分配模型，围绕2030年我国可再生能源发展目标开展实证研究。结果表明：①省际可再生能源配额差异显著，其分配逻辑与能源安全、能源公平、环境可持续性三大维度高度契合，能源消费规模大、碳排放量大及化石能源依赖度高的地区和清洁能源禀赋优的地区承担更多消纳责任；②ZSG-DEA模型优化后，配额向效率高、责任大的地区倾斜，可有效解决初始方案资源错配问题，全面提升区域配额配置效率；③优化方案推动可再生能源消纳责任由西向东中部转移，既能缓解配额消纳失衡问题，又能引导高需求、高经济水平地区承担更多转型责任，助力区域协调发展与“双碳”目标实现。

本文基于研究结果提出以下建议：①实施差异化配额分配方式，强化经济发达、高耗能、高排放地区的消纳责任，同时完善清洁资源丰富地区的输电基础设施与跨区输送能力；②建立统筹责任与效率的配额动态调整机制，配额分配优先向效率高、责任大的地区倾斜，倒逼低效地区提升能源利用效率；③稳妥推进区域消纳责任转移与协同发展，依托绿证交易、配额转让等市场化机制，推动西部清洁能源优势转化为经济动能，实现环境效益与区域经济协同发展。