为积极应对气候变化和全球变暖的挑战，中国制定了到2030年达到碳排放峰值、到2060年实现碳中和的战略计划。2022年，中国的二氧化碳总排放量约为121亿吨，约占当年全球二氧化碳总排放量的32.9%（国际能源署，2023年）。中国仍处于快速发展阶段，迫切需要实现可持续的经济、能源和环境发展，这使得实现双碳目标极具挑战性。
作为实现国家减排目标的关键领域，电力行业的发展路径在很大程度上决定了目标的能否实现。尽管正在开发新的能源来源，但由于资源禀赋和能源结构的原因，中国主要依赖热力发电，这使得电力行业在短期内成为一个高碳行业（严等人，2019年）。如图1所示，2020年热力发电的比重很高，从资源禀赋和能源安全的角度来看，热力发电仍主导着中国的发电结构。在北京、天津、上海、江苏和山东六个省份和城市中，热力发电的比例甚至超过了90%。其中，北京、天津、上海、江苏和山东是中国经济最发达、人口最密集、工业化程度最高的地区。江苏、山东和安徽拥有大量的能源密集型产业（宋等人，2024年）。这些省份是主要的电力负荷中心，稳定的热力发电已成为满足其能源需求的主要来源。江苏、山东和广东的电力需求在全国名列前茅，其巨大的能源需求进一步增加了对热力发电作为稳定电源的依赖（韩等人，2025年；刘等人，2022年）。由于各省在经济规模、技术水平及自然资源分布等方面的差异，短期内难以提高能源效率和发电结构（王等人，2022a）。
因此，实现减排目标需要重组发电结构并降低电力行业的碳排放强度。中国各省在技术条件、资源禀赋、产业结构以及由此产生的减排潜力和成本方面存在显著差异。这些差异直接影响了减排路径的经济可行性（姚等人，2021年）。如果忽视各省在减排潜力方面的经济效率差异，单纯追求技术减排或总减排目标，不仅会导致较高的社会成本，还可能影响区域经济的协调发展（葛等人，2025年）。
在这种背景下，关注减排成本，特别是边际减排成本（MAC）的测量变得至关重要。MAC用于衡量在现有减排水平的基础上减少一个额外单位碳排放可能引发的经济损失。它反映了减排成本与减排潜力之间的联系（Kesicki和Strachan，2011年；Zhou等人，2014年），同时也分析了具有成本效应的不同节能和减排政策（Jiang等人，2022年）。因此，测量MAC对于设定减排目标和政策至关重要，因为它揭示了不同地区和行业的减排成本效益（Wang等人，2022b；Xian等人，2022年）。
本研究基于对区域经济减排潜力的深入理解。为了在实现国家“双碳”目标的同时平衡经济发展和能源安全，必须清楚了解每个省份电力行业的边际减排成本，并探索差异化的区域减排路径。核心在于充分利用具有成本优势（低MAC）地区的减排潜力。通过采用负碳技术（CCUS）、调整能源结构以及实施多种政策路径（Fang等人，2022年；Xiao等人，2021年），旨在确保国家电力供应安全的同时最小化总体减排成本。
因此，为了实现中国的碳排放峰值和碳中和目标，基于对减排成本的清晰理解，深入探索每个省份的电力行业减排路径至关重要。同时，考虑每个省份的减排潜力，提出区域合作策略以实现国家成本效益和减排目标。
大多数关于区域发电结构优化的研究集中在探索电力供应结构的低碳转型上。一些学者研究了新兴低碳技术发展对发电结构变化的影响（胡等人，2024年；明等人，2024年）。其他人分析了各种低碳政策对发电结构变化的影响（谢等人，2021年，2022年）。从省级角度来看，吴等人（2020年）为山东省的电力行业构建了一个生产路径优化模型，以消除热力发电过剩产能和采用CCUS作为起点。林等人（2019年）对广东省经济系统和碳排放减少的影响进行了定量评估。
然而，这些研究尚未考虑区域资源禀赋差异对中国电力供应结构的影响，考虑各省对区域电力供应结构异质性影响的研究仍不完整。中国各省在资源禀赋、产业结构、能源需求和技术储备方面的巨大差异直接决定了实现其减排潜力的成本和经济可行性。为了提高区域协同减排工作的经济效率，迫切需要边际减排成本（MAC），这是一种能够精确量化省级异质性成本和省际经济减排潜力的核心工具（Jiang等人，2022年）。
在估算边际减排成本（MAC）的方法中，差异差异函数（DDF）是最成熟的方法之一。它已被广泛用于解决污染物的影子价格问题，以提高“好”收益并减少“坏”收益（何等人，2018年；纪和周，2020年；王等人，2017年）。现有研究主要使用DDF来计算MAC，分析其驱动因素，根据MAC分配碳排放配额，并通过MAC结果评估行业减排潜力，以设定差异化的减排目标（曹等人，2021年；彭等人，2018年；吴等人，2019年）。例如，Rekker等人（2023年）通过DDF测量了几家欧洲公司的MAC，并分析了其对企业减排激励的影响。结论是，只有在碳价非常高或为某些减排技术提供财政支持的情况下，化学行业的碳排放才能减少。Xian等人（2019年）使用DDF在两种情景下对电力行业的碳排放减少成本进行了建模和评估：有和没有碳排放交易机制的情况。结论是，如果在2011-2015年间在中国电力行业引入全国性的排放许可交易系统，每年可实现13%的平均减排成本节省潜力（即1024亿元人民币）。王等人（2023年）通过DDF估算了每个行业的MAC，比较了不同行业组合的减排成本，并优先考虑将13个指定行业纳入碳市场。因此，本研究选择DDF进行MAC测量。此外，还使用了一个目标优化模型来确定最优减排策略（程等人，2020年；张等人，2025a）。
在这项研究中，基于MAC构建了一个综合减排成本函数，并进行了区域发电结构的优化研究，并将成本最小化纳入减排目标。值得注意的是，很少有研究同时考虑了发电结构优化中的边际成本分析和现实世界约束，这对于进一步提高碳排放减排的整体经济效率至关重要（曹等人，2021年）。因此，本研究提供了一种区域发电结构优化策略，以最小化综合减排成本。通过考虑省级区域的边际碳减排成本、实际发电量、不同情景下的减排空间、未来电力需求以及不同电网之间的贸易壁垒。
通过回顾和比较现有文献（如表1所示），本研究的创新点如下：首先，为了量化区域间减排潜力的差异，评估并比较了各区域的边际减排成本。其次，为了为不同区域提供经济减排解决方案，比较了不同情景下的综合减排成本。第三，在电力需求、低碳技术和能源安全的现实约束下优化了区域发电结构，旨在最小化总体减排成本。
