非核家園與政府再生能源推廣目標下之碳稅與 最適電源組合分析

1. 前　　言

氣候暖化問題使得減少碳排放的工作一 直是世界各國極度關注的議題，但由於煤炭資 源豐富且成本相對較低，並且煤電的投資建設 週期較短，能夠較快滿足經濟發展對電力的需 求。相較之下，水電、核電投資金額巨大，且 都需有較長的建設週期和投資回收期，加上新 能源發電目前又不具備經濟競爭力。因此目前 我國的電源結構是以煤電占最大比重的能源結 構。

然而以石化能源為主的電源結構的不確定 性和成本風險正逐漸展現，包括：(1)供給的不

確定風險：石化能源的不可再生性最終將達到 其供應的瓶頸，而地區間運輸也可能受到運輸 限制和惡劣天氣等因素影響而引起電力供應有 中斷的可能；(2)價格的波動風險：燃料價變 動與電價管制存在矛盾，特別是當國際燃料價 格持續上時漲，電價未反映成本，致使經營風 險增大，例如2009年時台灣電力公司(以下簡 稱「台電」)連續4年虧損；(3)碳排放的環境風 險：煤電為主的電源結構帶來了大量溫室氣體 和污染物的排放，環境成本大幅提升，給當代 社會的永續發展帶來巨大風險。

從永續發展的角度，如何最適化電源結構 以提高能源利用效率，提高環境品質水準，保

Volume 4, No. 2, June 2017, pp. 199-222

非核家園與政府再生能源推廣目標下之碳稅與 最適電源組合分析

王京明

　林祐民

摘　要

本研究採用財務學上之資產組合理論中的平均數－變異數分析方法，透過台電公司2003至2014 年的成本資料，導出在目前電源配比限制及政府2025年再生能源推廣目標下的電源配比效率組合前 沿，計算目前的應有的效率配比以及在2025年能源推廣目標下的效率配比，並導入效用曲線以求出 最適電源配比，分析課徵碳稅對效率及最適電源配比的影響，並評估碳稅稅率的改變的減碳效果。

研究結果顯示台電公司可以經由調整目前電源組合配比，以進行發電成本與財務風險間的抵換，在 2025年再生能源推廣目標下，效率能源配比的風險將小於目前的效率配比，CO2排放量亦可略為降 低，但發電平均成本上升。在課徵碳稅的情況下，由於燃煤價格既使含碳稅仍然相對較低，課稅 後燃煤用量依然增加，故課徵碳稅額度若不超過每噸CO2達3,000元水準將難以達到減碳的效果，此 外，也必須配合再生能源配比大幅增加以及再生能源成本的降低，才能達到較佳的減碳效果。上述 結論顯示政府在制訂碳稅政策時應考量碳稅的課徵對於不同電力資源間成本替代效果的影響，並且 必須同時規劃好積極擴大再生能源發電的相關配套措施。

關鍵詞：碳稅、電源配比、資產組合理論、再生能源、平均變異分析

收到日期: 2016年12月12日 修正日期: 2017年03月06日 接受日期: 2017年04月13日

1 財團法人中華經濟研究院研究員

2 財團法人中華經濟研究院輔佐研究員

*通訊作者, 電話: 02-27356006#5341, E-mail: [email protected]

障電力系統的穩定供給，是目前面臨的急迫問 題。而再生能源可以不受石化能源價格波動和 有限資源供給的影響和限制，從而投資風險相 對較低。雖然風能和太陽能等可再生能源也有 其自身顯著的風險，如原材料、勞動力和維護 成本波動的風險以及由於技術、資金限制而最 終導致的可再生能源上網電價較高，從而削弱 了其在競爭性電力市場中的競爭力。但是，如 果目當前發電系統的風險轉化成貨幣化成本並 反應於電價中，那麼再生能源在成本上仍具備 優勢。

然而，眾所皆知，再生能源推廣的主要困 難在於其成本的相對高於化石能源，更遠高於 核能，因此，政府在推廣再生能源的同時如何 避免發電成本的大幅上升，除了可以規模經濟 的風勢來降低再生能源的成本外，對於各類發 電配比進行效率的配置，也是十分值得參考的 重要方法之一。

基於上述原因，本研究應用財務投資組 合理論的均值變異分析方法(mean-variance analysis, MVA)，利用台電公司的實際資料以 及考慮人們對於風險的趨避特性，找出目前配 比限制下與2025年推廣目標下的最適發電能源 配比，的最適能源配比進行比較，並再進一步 分析課徵碳稅對最適能源配比、CO2排放的影 響，最後，並分析政府擴大再生能源推廣目標 後的碳排放與可能經濟效果。

2. 相關文獻

關於將投資組合之MVA方法應用發電能源 的效率組合研究中的為Bar-Lev and Katz (1976) 關於發電能源的效率組合研究，他們找出幾個 特定國家使用化石燃料發電的效率組合，並探 討各種成本與風險下能源的使用配比，其結論 指出，能源的分散化與多元化有助於提高發電 的效率與降低能源風險。

Awerbuch and Berger (2003)以資產組合理 論探討歐盟的電源規劃決策問題，作者引用當

代財務分析的MVA方法探討歐盟2000年及2010 年的電源配比組合之成本與風險以及可資改善 的方法，他們蒐集歐盟之電源配比下的各種發 電技術之成本，包括期初建置、燃料及運維成 本，再計算各種發電技術的每度均化成本(元/

度)，為了符合財務分析的架構作者將每度的均 化成本取其倒數(度/元)作為各種發電技術的預 期報酬，按照燃料市場及各種發電技術成本歷 年的數據推估各種發電技術間的風險(標準差) 及統計相關係數，具備上述資料後即進行各種 發電技術的資產組合效率前沿之求解，並以之 探討歐盟既存之電源配比的效率與風險，並尋 求可以改善的替代能源配比。研究結果指出，

既存的2000年及2010年的電源配比均非最適，

而有效的改善之道為可引進大量風力發電技術 或其他以固定成本為主的發電技術如核電，不 但可提升電源配比的預期報酬，亦可大幅降低 能源組合的風險。此外，若對另一固定成本為 主的核能發電技術設限，將會對歐盟電源最適 配比產生顯著衝擊，並大幅降低其預期報酬。

由於這些研究發現並無考慮再生能源發電額外 的環境效益，若加入考量，則再生能源配比會 再增加，因此作者最後強烈建議歐盟應改變其 能源配比，不應再強調發展天然氣 發電為主的 策略，而應改採其他以固定成本為主的發電技 術，如再生能源與核能發電技術。

Awerbuch and Yang (2007)改變其以往以預 期報酬與風險的資產組合理論探討最適電源配 比，而改採以預期成本與風險的組合方式進行 對歐盟發電配比(EU-2005配比及EU-2020配比) 的研究，該文首先分析傳統的最低成本電源規 劃方式與資產組合理論規劃方式的異同及優缺 點，而後則以資產組合理論探討歐盟電源規劃 的相關問題，與以往不同的是，此次分析不再 採用各種發電技術的預期報酬(度/元)，而直接 採用各種發電技術的均化成本直接進行均值變 異分析。均化成本的項目比以往多增加了排碳 成本(歐元/噸CO2)及再生能源加入電力系統的 額外整合成本，以消除其間歇不穩定性，同時

再生能源種類更細分為陸域風力、離岸風力、

小水力、大水力、光電、地熱及生質能等。研 究結果發現加入排碳成本後(35歐元/噸CO2)，

電源配比的效率前沿將大幅上移，代表電源組 合的預期成本與風險在排碳成本加入後都顯著 提升，而碳排放則每年將減少40%至825百萬公 噸的水準，而進一步增加核能與再生能源的配 比可將歐盟發電配比(EU-2005配比及EU-2020 的配比)的預期成本與風險顯著降低。最適的電 源配比可為歐盟帶來每年5,000億元的效益，因 此建議決策者應大力發展非化石能源發電。作 者最後強調當今的能源環境充滿了不確定性且 電源規劃又兼具動態性，因此以資產組合理論 為基礎的電源規劃方式較能反應市場的風險與 成本，所以不應該只採用傳統的單一技術最低 成本線性規劃方式分析未來的電源配比規劃問 題。

Roques et al. (2008)則利用蒙地卡羅模擬 英國的天然氣電廠、煤電廠和核電廠的發電報 酬，並將結果用於投資組合模型來研究自由化 電力市場下大規模電廠的效率發電配比，其結 論顯示增加煤電與核能的發電配比，可以降低 發電成本與風險。Zhu and Fan (2010)應用投資 組合理論探討中國2020年中期發電計畫，發現 中國2020年的發電組合可經由多樣化發電技術 降低能源組合的風險，但是生產成本將有所增 加。Bhattacharya and Kojima (2012)亦以投資組 合模型，研究了不同水準電價、碳稅、電廠規 模和市場規模對於最適發電配比的影響。

國內探討最適電力配比的研究文獻亦不 勝枚舉，大都皆遵循傳統的電源開發數理規劃 模式尋求在成本最小化條件下的各種電源配比 方案，梁啟源等(2015)以其開發之計量經濟模 型內含價格與成本份額的電力子模型來探討我 國各類發電技術之最適配比，同時亦考量不同 碳稅額度對最適配比的影響，研究結果發現若 不考慮碳稅最適配比核電應占13%，再生能源 6.4%，燃煤40%，燃氣34.35%，考慮碳稅則核 電與再生能源占比將隨之提升，燃煤會遞減

而燃氣則會些微上升，以碳價在40美元/噸CO2

為例，核電占比應提升至15.68%，再生能源 8.16%(低於政府規劃之目標)，燃氣39.05%而燃 煤則下降至29.6%。因此建議能源政策可考慮 將核四商轉或既有核能機組延役，並搭配課徵 碳稅做為支持達到我國規劃再生能源發電目標 的方式。此外，賴正文(1999)、王鈺惠(2010)、

鍾雨璇(2014)、劉哲良等(2015)也都採類似傳 統最小成本規劃的方法探討各種目標下最適電 力配比的問題，也都有類似的電力配比研究結 果。

Wu and Huang (2014)和李堅明等(2015)應用 資產組合理論搭配傳統的電源開發最適數理規 劃模型進行了我國最適電力配比的研究。此兩 篇研究首開我國研究電力配比突破傳統的最小 成本規劃方法，應用了資產組合理論兼顧了電 力配比的預期成本與風險。前者透過風險趨避 參數(risk aversion parameters)將系統發電成本的 風險融入電源規劃的最小成本目標函數並以之 求解，而後者則是將系統發電成本的風險納入 限制式，然後以最適控制理論求解我國長期永 續發展下的最適電力配比。兩者的研究都得出 類似的結論：傳統的電源開發規劃模型忽略了 再生能源對電力系統的貢獻，尤其是對其與化 石燃料價格呈低度或不相關的貢獻可以大幅降 低系統供電的風險與成本，此外亦可大幅地降 低溫室氣體的排放。Wu and Huang (2014)的研 究結果指出再生能源尤其是風力在考量風險的 情境下可以提早大量地加入電力系統，直到滿 足發展的潛力上限為止，但必要時得增加部分 少量的天然氣彈性機組以彌補風力發電在尖峰 時的不穩定出力。而李堅明(2015)的研究結果 指出若核四封存，2025年的最適電力配比為核 能占8%、再生能源提升為16%、燃煤30.6%、

燃氣42.2%、燃油0.8%及抽蓄水力9.5%。顯見 再生能源在採用不同的研究方法時電源最適配 比會有顯著不同的結果，但由於李的模型並未 考量決策者的風險態度之效用函數，因此其最 適電力配比理論上應該並非最適而是僅符合最

低成本與風險下最有效率的配比組合之一。此 外，該研究亦未能充分考慮到各種發電技術的 各項成本如投資、燃料、運轉、維修、除役等 之間的相互關係，這些都是後續研究可以擴充 的地方。而Wu and Huang (2014)的研究對風險 態度的簡易處理，亦有可改善的空間。

使用整合規劃模型模擬分析電力配比而不 追求最小化成本的研究方法亦是電源規劃的傳 統方法之一，國內外不乏有這方面的研究，以 國內而言，重要的有朱證達(2015)和郭瑾瑋等 (2015)等人的研究，前者引進英國的2050能源 供需模擬器(2050 Calculator)，模擬臺灣在不同 情境下考量各種電力參數與限制因素，對電力 供需規劃之結果。該模擬器若設定再生能源極 大化為目標來取代核電與燃煤，則模擬2030年 時的結果為我國的再生能源占比可達21%，核 電為0%，可是若採最小化成本為目標，核電 比重上升至18%，而再生能源占比下降至9%。

後者應用TIMES模型(The Integrated MARKAL- EFOM System)進行模擬分析能源系統成本最小 化下滿足電力供需特性的未來長期電力供需規 劃與能源技術組合，包括各種電力配比情況，

同時亦進行政府節電措施與抑低尖峰負載措施 對電力負載與電力配比的影響。研究結果指出 在節能與抑低尖峰負載情境下，若核四不商轉 且核電舊廠不延役，2030年時主要最適容量配 比為燃煤31.5%和燃氣29.8%，若核電舊廠可 延役則核電占比為7.7%，被取代的燃煤則下降 到23.6%。在能量配比方面，2050年時燃煤為 56.1%，而燃氣為15.3%。

3. 研究方法

由於臺灣的能源風險主要來自於燃料價格 波動的風險，因此由此方法可以經由組合配比 的調整來降低發電成本的變動風險。而在其他 成本方面，由於固定成本(如設廠成本或裝置成 本)為沈沒成本並非為風險的來源，因此在此所

使用的模型，並不直接考慮期初投資的固定成 本，即使如此，由於每年折舊攤提與資本成本 (利息)仍合計於每單位的發電成本中作為分析 的對象，故本模型的運用事實上也同時考慮了 固定成本的影響。本節首先說明投資組合理論 之模型設定以及如何將能源成本之資料運用於 模型中；其次，說明本文在尋找最適配比時所 導入的效用函數型態與其所代表的意義。

3.1 效率能源配比－理論模型

效率能源配比的含意是指在既定的發電報 酬或成本下，最小風險的發電技術組合，因此 我們使用財務領域中Markowitz (1952)所提出的 MVA方法，將風險決策設計為平均數與變異數 的抵換與選擇問題，其基本模型設定如下：

(1) 其中wi 表示投資組合中i 資產的配比，E[rp] 為投資組合的報酬，E[ri]為i資產的期望報酬，

σij 表示以資產i與資產j報酬的共變異數，因此 σij =σi2為以資產i報酬的變異數¹。

為了將上述模型應用於能源發電組合配比 的問題中，令wi 表示各類發電的配比，而由於 在Markowitz模型中的期望報酬E[r]為對社會福 利具有正向效果的變數，與本研究所使用的成 本變數對社會福利具有負向的效果有所不同，

因此上述模型必須進行修改，變成

(2)

2

{ } 1 1

1

1

min

s.t.

,2, , )

n n

p i j ij

w i j

n

p i

i n

i

i

i i

w w

i n

w w

= =

=

=

=

≥

=

=

=

∑∑

∑

∑

 

 (其中

1

0 1

E r[ ] wE r[ ]







[ ] [ ]

E C E C

2 '

{ } 1 1

1

1

min =

1 1

s.t.

n n

p i j ij

w i j

n i i

i

i p

n i

w w w w

= =

=

=

=

=

∑∑

∑

∑

 

1

1 Francis J., Kim D. Modern portfolio theory : foundations, analysis, and new developments, 2013.

其中Ci 為i類發電技術的成本，為一隨機變數，

E[Ci]為i類發電技術的期望成本，因此，E[Cp] 則為發電組合的調和平均成本，σ^'ij 為成本倒數 (1/C1, 1/C2, ..., 1/Cn )的共變異矩陣。

本文使用之資產組合分析法參考Awerbuch and Yang (2007)的做法，已隱含假設不同發電 能源間可以自由替代，因此並無考慮再生能源 與傳統能源間的整合成本與維持電力系統穩定 之輔助服務成本，由於這些成本資料乃電業自 由化後，在發、輸、配、售電業會計分離後才 會彰顯，目前並無資料，所以無法採用；而關 於發電機組本身所產生的運轉上風險，在資產 組合方法的電源配比分析中將之視為「系統風 險」，亦即，該種風險是無法經由分散電源組 合來降低電源組合之成本風險的，故系統風險 並非為本研究模型所要考慮的風險範疇。

3.2 最適能源配比之決定

效率前沿上之各點，雖然可使決策者在一 既定的成本下找到能使風險極小的能源組合配 比，但對於整體社會而言，究竟哪一點才是使 社會福利極大之能源組合？為解決此一問題則 必須考慮社會福利函數，我們以一個代表性個 人的效用函數來表示社會福利水準。

由於我們探討的內容專注在能源成本與能 源風險間的關係，因此設定效用函數如(3)式所 示

(3) 無異曲線(Indifference Curve)可用以排列各 個投資組合對投資人的效用等級，以成本－風 險的組合平面來看，位置愈往右上方的無異曲 線表示有較高的成本與較高的風險，因此其福 利水準愈低；位置愈往左下方的無異曲線表示 成本較低與風險較低的組合，故無異曲線愈往 左下角移動，代表決策者會因為預期成本下降 或是風險降低，而提高其福利水準。另外，以 無異曲線的斜率來看，風險趨避程度較大者，

無異曲線較陡，意即同樣承擔一單位的風險，

決策者會要求更多的風險溢酬(或減少較多的成 本)；風險趨避程度較小者，無異曲線較平坦，

代表同樣承擔一單位的風險，投資人要求較少 的風險溢酬(或減少較少的成本)，如圖1所示。

由於U、E[C]及σ分別代表決策者的效用，

面對的預期成本及承擔的風險，A則表示該投 資人的風險趨避程度。由該效用函數可知，決 策者的效用水準會因預期成本的增加以及風險 的增加而降低。至於效用水準會因此改變的相 對程度，則是由風險趨避程度(A)來決定。因為

表示「多增加一單位的風險，成本所必須降低 的程度」，也就是無異曲線上的斜率。又

上式中負號表示斜率的方向，而A則是用以衡 量風險趨避程度的大小。意即，風險係數A為 衡量每多增加承受一單位風險，所必須補償之 預期成本的降低幅度。

對於風險中立者，A = 0，此時無異曲線為 水平線，效用水準完全不受風險的影響，端視 預期成本的高低而定；對於風險愛好者而言，

A < 0，表示風險的增加將提高其效用；對於風 險趨避者而言，其A > 0，表示風險的增加將 降低其效用。其次，風險趨避程度愈大的投資 人，A愈大，反之則愈小。若為無風險的投資 組合，則因總風險σ為零，故決策者的效用即



 







( [ ], ) [ ] 2

U E C = −E C A − ×

圖1　無異曲線與風趨避係數





/ 2

/ 1

C dU d dC A

MRS dU dC d

= − = − =−

2 dMRS C A

d = −

為該投資組合的預期成本，而沒有任何風險。

圖1為固定效用水準下不同風險趨避程度 下的無異曲線，可以看出當風險趨避程度(A)愈 大時，無異曲線愈陡峭。圖2則為兩條風險趨避 係數相同(假設為A = 50)但效用水準不同的無異 曲線，而下方的效用曲線(U = -1.822)大於上方 的效用曲線，圖中框線內則為本研究數據約略 之範圍。

4. 資　　料

本研究使用台電近十二年之發電成本資 料，本節說明這些資料的統計特徵值與各類發 電成本間的相關性。

4.1 各類發電之成本結構

本研究蒐集台電公司2003~2014年的年發 電成本資料，計算各類發電經2011年為基期 的CPI指數(消費者物價指數，Consumer Price Index)調整後的平均發電成本及其組成結構(如 圖3)。由圖中可發現，就火力發電而言，以燃 油發電的燃料成本占比達90%最高，其次，天 然氣發電的燃料成本占約85%，燃煤發電的燃 料成本約占78%。目前火力發電占台電總發電 能量約65%~70%，是我國電力能源的主要來 源。

就再生能源(含水力)發電來看，目前占台 電總發電量約5.0%，其中主要是水力發電，風 資料來源：本研究繪製

圖2　配適本研究之無異曲線



資料來源：本研究蒐集整理

圖3　台電各類發電之發電成本及其結構



力發電約占臺灣總發電量的0.3%，太陽能發電 占比則不到0.01%。再生能源發電的主要成本 在於折舊與運維費用，且依不同的發電類型而 有相當大的差異。

核能發電目前約占台電總發電量的20%左 右，其成本結構大約平均分配於燃料、折舊、

運維、利息與後端處理等成本上。

4.2 各類發電之風險結構

本研究以各項發電技術之發電成本的波 動情形來做為其風險的測度，因此計算各類發 電之各項「成本的標準差」進行比較(如表1所 示)。由於臺灣的化石能源主要來自進口，且 歷年來燃油價格的波動幅度很大，因此它的燃 料風險(標準差)也在所有發電技術中是最高的 (1.53)，其次是天然氣(0.60)，在火力發電中，

燃煤的燃料風險是相對最低的(0.32)。從表2中 將總成本之風險與燃料成本風險進行比較發 現，火力發電的成本風險，主要來自於燃料成 本的風險，至於其折舊、維護與利息成本的風 險都很低。

再生能源(含水力)的風險主要來自於折舊 與維護成本的波動，表1顯示太陽能的成本風險 達1.90，而它的折舊成本風險為1.80，利息成本 風險為0.31，顯示對於太陽能發電而言，其每 年折舊成本的變化很大，這表示每年太陽能設 備的投資成本變動劇烈，每年持續變化的更新

設備機組的成本亦連帶的使得利息成本大幅變 動，因此造成風險變得較其他發電方式為高。

就水力發電來看，慣常水力發電的成本風 險(0.24)是所有發電技術中第二低的(僅次於核 能發電)，而其主要的風險來自於折舊成本的變 動。然而，抽蓄發電的風險達0.72，其風險的 主要來源為「其他營運費」，該成本近十二年 來的平均為每度1.97元，遠高於其他發電類別 的平均每度0.14元，顯示抽蓄發電的成本風險 來源較其他發電類別獨特。

核能發電的成本風險為0.12，它的風險主 要來自燃料成本的風險(0.09)，另外，由於建廠 成本高及其他外在因素，使核能發電還有其他 發電所沒有的後端成本風險因素(0.06)，而它的 利息成本風險(0.07)亦為其風險來源的重要因 素。

在圖4中，則將各類型發電能源過去12年 (2003-2014年，其中太陽能為2008-2014年)之 平均成本與風險做一比較。從圖中可以發現，

在石化能源中，以燃油的成本與風險最高，而 太陽能的成本與風險在過去十年都高於其他發 電能源，然而，隨著技術的進步與未來大規模 推廣，太陽能之成本與風險在未來可望大幅下 降，甚至低於燃油之發電成本。

4.3 發電燃料成本之相關性

經由2003~2014年的燃料成本資料，可計

表1　台電各類發電成本之風險

單位: 元/度

總成本 燃料 折舊 維護 利息 其他 後端

燃油 1.59 1.53 0.03 0.05 0.01 0.04 0.00 燃煤 0.30 0.32 0.03 0.01 0.00 0.03 0.00 天然氣 0.54 0.60 0.05 0.02 0.01 0.01 0.00 核能 0.12 0.09 0.01 0.01 0.07 0.01 0.06 慣常水力 0.24 0.00 0.13 0.03 0.02 0.08 0.00 抽蓄發電 0.72 0.00 0.08 0.02 0.02 0.75 0.00 風力 0.73 0.00 0.60 0.20 0.06 0.06 0.00 太陽能 1.90 0.00 1.80 0.20 0.31 0.15 0.00

資料來源：本研究計算

算這段期間燃料成本的相關係數，表2顯示火 力發電燃料成本的相關係數。表中可以看出三 種化石燃料成本的相關係數都相當高，特別是 燃油與天然氣的相關係數高達0.95，這是由於 臺灣的化石燃料95%以上都是來自國外，且石 油與天然氣價格本身就具有高度的連動關聯 性，因此台電的燃油與天然氣燃料成本具高度 相關也是必然的情況。另外，就核能與三種化 石能源之燃料成本的相關係數來看，核能與燃 油、燃氣的相關係數分別為0.68與0.69，具正相 關，但與燃煤的相關性則很低，其相關係數僅 0.18。

除了計算火力發電燃料成本間的相關係數 外，我們也計算各類發電技術總成本間的相關 係數於表3。從表3可以發現慣常水力、太陽能 發電與其他發電多數具有負向關係；其他各種 發電的成本間都是具有正的相關性。例如，慣 常水力發電成本僅與太陽能發電具有正相關，

與其他類型之發電成本均具有負向關係，特別

是慣常水力與燃油、燃煤、天然氣、風力都具 有較高的負相關(-0.60、-0.57、-0.70、-0.61)，

其 與 他 類 發 電 成 本 之 負 相 關 性 較 低(與核電 為-0.13，與抽蓄發電為-0.06)；此外，太陽光電 之發電成本僅與燃煤、慣常水力之發電成本接 近於無相關(分別為0.07、0.04)，而與其他發電 類型則具負向關係，其中最高是與燃油的相關 係為-0.78，從上述的結果顯示慣常水力、太陽 能發電與其他發電似乎具有替代的關係。

4.4 碳稅成本之計算

由於我國目前尚未實施碳稅，亦無碳交易 資料來源：本研究計算

圖4　台電各類發電之成本與其風險

表2　台電各類燃料成本的相關係數 燃油 燃煤 天然氣 核能 燃油 1.00

燃煤 0.79 1.00

天然氣 0.95 0.69 1.00

核能 0.68 0.18 0.69 1.00 資料來源：本研究計算



市場，故我們以下述兩步驟計算每度發電之碳 排放成本(亦即外部性之碳稅成本)，以做為接 下來分析課徵碳稅對能源配比影響的依據。

(1) 計算各種火力發電的CO2排放量

依據能源局公布的「台電火力發電燃料耗 用量」統計之台電各年度火力發電使用煤炭(煙

煤、亞煙煤)、燃油(柴油、燃料油)及液化天然 氣之耗用量(見表4)，再參考能源局公布之「我 國常用排放係數」中，煙煤、亞煙煤、柴油、

燃料油及液化天然氣的排放係數(如表5)，以下 式計算各類發電技術之CO2排放量。

表3　台電各類發電成本之相關係數

燃油 燃煤 天然氣 核能 慣常水力 抽蓄發電 風力 太陽能

燃油 1.00 0.74 0.95 0.64 -0.60 0.70 0.87 -0.78 燃煤 0.74 1.00 0.67 0.05 -0.57 0.29 0.72 0.07 天然氣 0.95 0.67 1.00 0.63 -0.70 0.64 0.84 -0.12 核能 0.64 0.05 0.63 1.00 -0.13 0.79 0.45 -0.07 慣常水力 -0.60 -0.57 -0.70 -0.13 1.00 -0.06 -0.61 0.04 抽蓄發電 0.70 0.29 0.64 0.79 -0.06 1.00 0.61 -0.44 風力 0.87 0.72 0.84 0.45 -0.61 0.61 1.00 -0.13 太陽能 -0.78 0.07 -0.12 -0.07 0.04 -0.44 -0.13 3.61

資料來源：本研究計算

表4　台電火力發電燃料耗用量

年份 煤炭 (公噸) 燃油 (公秉) 液化天然氣

(千立方公尺)

煙煤 亞煙煤 柴油 燃料油

2003 18,994,522 4,857,310 119,097 3,204,004 4,401,376 2004 19,435,872 5,013,193 87,033 2,681,150 4,186,496 2005 21,018,992 5,327,176 149,919 2,481,891 4,626,998 2006 22,513,523 5,156,810 273,303 3,176,942 5,033,289 2007 22,097,367 6,146,523 128,280 2,795,772 5,797,793 2008 20,739,152 7,109,662 136,984 2,623,952 6,505,333 2009 18,566,398 7,238,075 63,356 1,454,753 6,091,818 2010 18,978,702 6,926,796 63,463 1,981,148 8,489,598 2011 14,924,920 12,795,305 52,464 1,768,835 9,119,656 2012 12,294,584 15,780,246 48,060 1,385,607 10,000,703 2013 12,893,813 13,331,650 48,249 1,286,952 10,228,689 2014 13,335,530 12,984,905 78,696 1,567,705 10,898,114 2015 13,438,436 11,062,361 134,418 2,470,300 11,964,567 資料來源：經濟部能源局， 2016a

表5　CO2排放係數

煙煤 亞煙煤 柴油 燃料油(蒸餘油) 液化天然氣

單位 KgCO2/Kg KgCO2/Kg KgCO2/L KgCO2/L KgCO2/M³

排放係數 2.50 2.37 2.56 2.98 2.66

資料來源：經濟部能源局，2012

CO2 排放量 ＝ 燃料耗用量 × 排放係數 (2) 計算每度發電的CO2成本

在計算出各類發電技術的CO2排放量(表6) 後，再依據能源局公布的歷年發電量中台電各 類發電技術的發電量，以下列公式計算每度發 電的碳稅成本

每度碳稅成本 ＝

關 於 碳 稅 費 率 之 設 定 ， 本 文 參 考World Bank (2016)的“Carbon Pricing Watch 2016” ， 發現國際間碳稅費率的範圍相當大，例如：瑞 典之碳稅曾高達每公噸137美元，瑞士曾達每 公噸88美元，而法國碳稅將對未涵蓋在EU ETS 的化石燃料使用排放定價，這些包括住宅、服 務及運輸部門，稅率從每公噸17美元提高到 每 公噸25美元，從2016年1月開始實施，到2030 年則將達到每公噸114美元。另外，依據廖述 誼等人(2010)發現，若每公噸CO2課徵碳稅50美 元(約1,500元臺幣)時，對CO2排放的減量才能 達到顯著的數量，此時電力市場價格降上升一 倍。因此基於國外的碳稅費率情況以及相關研 究結果，本研究將碳稅費率設為每公噸1,000元 與3,000元的情況下計算每度發電的CO2成本(見

表7)，以之作為探討碳稅費率變化對最適電源 配比的影響。

(3) 依各類發電配比計算總碳排放量

由於每種發電技術的每年發電量、碳排放 係數不同，故接下來以公式(4)計算碳排放量

總碳排放量 = (總發電度數×i類發電配 比×i類發電每度CO2 排放量)

(4) 其中i = 1, 2, 3，分別表示燃油、燃煤與燃氣發 電。

表8計算當CO2排放每公噸課徵1,000元的碳 稅時，燃油、燃煤與燃氣的成本每度將比無碳 稅情況下增加0.73、1.00與0.53元，表9則計算 在碳稅分別是每公噸0、1,000與3,000元時的成 本與風險變化，從表9的右半部可看出，隨著碳 稅金額的增加，燃油與燃煤的風險微幅增加，

而燃氣的風險則維持不變。其他發電技術因不 課徵碳稅，故其個別成本與風險不因碳稅之課 徵而變化。另外，各項成本間的共變異數如表 10所示。

另外，在公式(1)、(2)的規劃模型中，僅限 制各能源的使用比率必須大於等於0小於1，並

表6　台電火力發電之CO2排放量

單位: 萬公噸

煙煤–燃料煤 亞煙煤 柴油 燃料油 液化天然氣

2003 4,805.61 1,151.18 32.51 954.79 1,170.77 2004 4,917.28 1,188.13 23.76 798.98 1,113.61 2005 5,317.80 1,262.54 40.93 739.60 1,230.78 2006 5,695.92 1,222.16 74.61 946.73 1,338.85 2007 5,590.63 1,456.73 35.02 833.14 1,542.21 2008 5,247.01 1,684.99 37.40 781.94 1,730.42 2009 4,697.30 1,715.42 17.30 433.52 1,620.42 2010 4,801.61 1,641.65 17.33 590.38 2,258.23 2011 3,776.00 3,032.49 14.32 527.11 2,425.83 2012 3,110.53 3,739.92 13.12 412.91 2,660.19 2013 3,262.13 3,159.60 13.17 383.51 2,720.83 2014 3,373.89 3,077.42 21.48 467.18 2,898.90 2015 3,399.92 2,621.78 36.70 736.15 3,182.57 資料來源：本研究計算

3 1

∑

表7　各類發電之每度發電CO2成本

單位: 元/度

年份 碳稅1,000元/公噸 碳稅3,000元/公噸

燃煤 燃油 燃氣 燃煤 燃油 燃氣

2003 0.9722 0.7044 0.5447 2.9165 2.1132 1.6340 2004 0.9851 0.7228 0.5309 2.9552 2.1683 1.5926 2005 1.0005 0.7148 0.5384 3.0015 2.1444 1.6151 2006 1.0056 0.7061 0.5370 3.0169 2.1182 1.6111 2007 0.9974 0.7117 0.5277 2.9922 2.1351 1.5830 2008 1.0015 0.7158 0.5299 3.0044 2.1474 1.5898 2009 0.9972 0.7358 0.5253 2.9917 2.2075 1.5758 2010 0.9928 0.7362 0.5305 2.9783 2.2086 1.5914 2011 1.0028 0.7409 0.5373 3.0083 2.2227 1.6119 2012 1.0149 0.7527 0.5324 3.0446 2.2582 1.5971 2013 1.0063 0.7520 0.5301 3.0190 2.2559 1.5903 2014 1.0054 0.7400 0.5280 3.0162 2.2200 1.5841 平 均 0.9985 0.7278 0.5327 2.9954 2.1833 1.5980 資料來源：本研究計算

表8　課徵碳稅後各類發電技術之成本結構

單位: 元/度

燃料 折舊 維護 其他 利息 後端 碳稅 合計

燃油 4.05 0.09 0.16 0.13 0.03 - 0.72 5.18 燃煤 1.07 0.13 0.07 0.08 0.02 - 1.00 2.35 天然氣 2.74 0.28 0.11 0.05 0.02 - 0.53 3.73 核能 0.16 0.07 0.13 0.15 0.05 0.14 0.00 0.72 慣常水力 0.00 0.83 0.23 0.27 0.12 - 0.00 1.51 抽蓄發電 0.00 0.58 0.11 1.97 0.07 - 0.00 2.80 風力 0.00 2.17 0.33 0.16 0.15 - 0.00 2.87 太陽能 0.00 9.38 0.20 0.17 1.14 - 0.00 10.87 說明：碳稅/價依1,000 (元/公噸)計算

資料來源：本研究計算

表9　課徵碳稅後各類發電技術之平均成本與標準差

單位: 元/度

成本 標準差

碳稅(元/公噸) 0 1,000 3,000 0 1,000 3,000 燃油 4.45 5.18 6.64 1.59 1.60 1.63 燃煤 1.35 2.35 4.35 0.30 0.30 0.32 燃氣 3.20 3.73 4.79 0.54 0.54 0.54 核能* 1.15 1.15 1.15 0.12 0.09 0.09 慣常水力 1.45 1.45 1.45 0.31 0.31 0.31 抽蓄發電 2.74 2.74 2.74 0.62 0.62 0.62 風力 2.81 2.81 2.81 0.65 0.65 0.65 太陽能 10.90 10.90 10.90 1.90 1.90 1.90 資料：本研究計算

* 核能原為0.73元，為考量核能另有其他社會成本因素，故加碼假設為1.15元以接近核四廠的均化 發電成本

未對其使用範圍做特別上下限之限制，為了合 乎臺灣現存的不同燃料別發電廠的現有總裝置 容量以及能源政策未來發展的情況，於模型中 我們增加了各能源的使用範圍的上下，如以下 限制式所示：

(5)

5. 效率能源組合

本節依據前述公式(2)之規劃模型求出效率 組合前沿，並探討課徵碳稅後效率前沿的變化 情形。

5.1 不含碳稅下之效率能源組合

利用前述模型及台電成本資料可求得效率 前沿如圖5所示。圖中的效率前沿顯示成本與 風險間的抵換關係，當欲降低風險，就必須承 擔較高的成本，若欲降低成本，則必須接受交 高的風險。圖5亦顯示最低風險組合為A點，

在該點上的配比，除了使用燃煤占比32%外，

其他發電配比都使用到其上限，此時碳排放為 8,988.2萬公噸，發電之平均成本為2.33元/度(表

11)。在效率前沿上，隨著成本的下降與風險的 上升，燃煤配比逐漸增加，最終達其配比的上 限45%。燃油、燃氣的配比則是隨著組合平均 成本的下降而減少(分別由10%下降至5%，30%

下降至23%)，這是因為燃油、燃氣的成本相對 較燃煤高，為了降低能源組合成本，故增加低 成本能源的配比，降低高成本能源的配比，而 因此也使得組合風險上升。在水力發電方面，

由於成本與風險都較低，故在效率前沿上的配 比始終達於上限。太陽供電由於成本高，故為 了降低能源組合成本，其最終的配為0。成本最 小之效率組合如F點所示，其配比為減少燃油 的使用至其下限，減少天然氣的使用至23%，

太陽能的使用降至0，而其他發電技術則使用 至其上限，此時碳排放9,851.1萬公噸，這是因 為碳排放量較高的燃煤使用大幅增加(32%增至 45%)所導致的結果。

5.2 課徵碳稅下之效率能源組合

在本研究模型的設定下，以歷史資料來 進行分析，因此當假設對過去歷年均有課徵碳 稅時，由於不同的稅率將引起各類發電相對成 本的變化，造成共變異矩陣數據的隨之變化，

這相當於電力公司將碳稅反應在發電成本的情 況，換言之，也就是課稅改變了過去發電成本 間的相互關係；另一方面，若以對未來碳稅的 不確定性來看時，我們亦可假設共變異數矩陣 不受碳稅的影響，意即此時課碳稅不會影響發 表10　各類能源發電成本Ci 之共變異矩陣－無碳稅情況

燃油 燃煤 天然氣 核能 慣常水力 抽蓄發電 風力 太陽能

燃油 2.5154

燃煤 0.3495 0.0892

天然氣 0.8183 0.1089 0.2964

核能 0.1183 0.0016 0.0401 0.0135

慣常水力 -0.2275 -0.0405 -0.0910 -0.0036 0.0573

抽蓄發電 0.7974 0.0630 0.2501 0.0662 -0.0101 0.5220

風力 1.0032 0.1560 0.3344 0.0382 -0.1065 0.3214 0.5338

太陽能 -0.7841 0.0709 -0.1201 -0.0699 0.0393 -0.4384 -0.1346 3.6118 資料來源：本研究計算

5% 10%

5% 45%

5% 30%

0% 20%

1% 3%

1% 3%

0% 1%

0% 1%

w w w w w w w w

≤ ≤

≤ ≤

≤ ≤

≤ ≤

≤ ≤

≤ ≤

≤ ≤

≤ ≤

燃油

燃煤

燃氣

核能

慣常水力

抽蓄水力

風力

太陽能

電成本間的相互關係，只會增加化石能源的發 電成本。在此兩種不同情境下，課徵碳稅將會 有不同的結果，以下我僅探討課碳稅會影響各 能源發電成本共變異數之情形。

在課徵碳稅會影響共變異數的情況下，課 稅將會使效率前沿向左上方移動(圖6)，且效率 前沿有變得較為陡峭的情況，這是因為課稅一 方面使電力組合成本提高，一方面亦使組合風 險下降所致。

6. 最適能源配比

本節進一步將無異曲線導入風險與期望成

本的組合平面中，配合效率前沿以找到最適之 能源配比。

6.1 最適能源配比之決定

在考慮社會福利因素後，可求得最適之能 源配比如圖7中的E0、E1000與E3000點所示之 配比(表12)，從圖中可以看出當課碳稅為每公 噸1,000元時，組合風險由0.1040降至0.0480，

最適點的效用水準由-3.36上升至為-2.46，但 是當碳稅增加到每公噸3,000元時，福利水準 降至-2.91，然而，可以發現在較低稅率的情 形下，由於可以經由大幅的降低風險來抵換成 本的上升，故課碳稅並不一定會使效用水準降 資料來源：本研究繪製

圖5　效率前沿－無碳稅情況



表11　效率前沿上成本、風險與CO2 排放量的變化情形

A B C D E F

組合成本(元/度) 2.33 2.25 2.17 2.12 2.01 1.95 組合風險 0.1033 0.1048 0.1064 0.1095 0.1120 0.1157 CO2 排放(萬公噸) 8,988.2 9,018.4 9,103.3 9,431.8 9,663.2 9,851.1

資料來源：本研究計算

資料來源：本研究繪製

圖6　碳稅對效率前沿的影響

資料來源：本研究繪製

圖7　最適能源配比





低，但是當稅率高到一定程度時，較難再以降 低風險來抵換成本的上升時，課稅將使效用水 準下降。

表12為在三個最適點(圖7之E0、E1000與 E3000)時的能源配比、碳排放與平均發電成 本。表中顯示，隨著碳稅的增加燃油的配比由 8.7%降至其下限(5%)，燃氣的配比由上限30%

下降至23.0%，但燃煤占比隨著碳稅的增加而 上升(33.3%上升至45%)，這顯示課徵碳稅雖可 降低組合風險，但並不會完全使石化燃料的占 比減少，這是因為下述三個原因所致：(1)雖然 課徵碳稅，但燃煤仍然是相對最便宜的燃料，

而且(2)高成本與高風險的燃油對於成本與風險 的下降並沒有貢獻，故燃油的配比始終均在其 下限，(3)再生能源的使用量受上限所限制無法 大幅增。

表13顯示圖7上各對應點的能源配比與碳 排放情況。從表中可以發現，課碳稅並不會 使CO2排放量下降，因為隨著課稅使得成本提 高，效率組合增加低成本能源的使用配比，而 燃煤在這兩個碳稅水準下仍然是火力發電中成 本最低者，且其配比的上限最高，因此仍會增 加燃煤的使用(表中顯示在課稅的情況下，效率 前沿上任一點的燃煤配比皆達其上限45%)，因 此課徵3,000元/噸以下的碳稅將仍無法降低CO2

排放量。

6.2 配合再生能源推廣目標之最適 能源配比

政府「2025非核家園計畫」，其主要的策 略是透過尋找替代能源、提升發電效率、節約

能源、產業結構調整和電業自由化，來達到讓 臺灣在2025年不必依賴核能發電的計畫。如果 臺灣在2025年不必依賴核能發電，核一、 核二 與核三廠可以按時除役，核四廠也可以不必商 轉。

依據政府的構想，填補核電空缺的方式在 於1. 提高再生能源的比例：依照政府規劃， 在 2025年再生能源可以增加約6.5%的總發電量。

2. 改善火力發電效率：如果投資火力電廠改善 設備， 約可以增加5.8%的總發電量。改善設備 除了增加發電效率，也可以減少碳排放。3. 新 建電廠以天然氣電廠優先：前兩種方式相加，

已經可以增加10%以上的總發電量。如果用電 量增加必須新建電廠，應以較乾淨、建廠快速 的天然氣電廠為優先。

依據2016年5月能源局公布的新能源政策 發展發向指出核一、二、三廠不延役，2025年 完成非核家園；在「積極多元創能，促進潔淨 能源發展」策略方面，指出全力擴大再生能 源發展於2025年占比達20%以上；擴大使用天 然氣，降低現有火力發電廠的污染與排放。

另外，經濟部能源局於2016年6月22日公布最 新再生能源推廣目標，太陽光電裝置容量大幅 增加，預計2025年達20 GW，此外，能源局也 規劃離岸風力發電裝置目標將提高五成、達3 GW；整體再生能源裝置容量目標大增，預估 發電量也將增加逾220億度(見表14)。

假設2025年時的總發電為1,755.5億度(2016 年台電公司的毛發電量)來看，表14中所示的再 生能源總發電量占整體發電量比為16.5%，其 中以太陽能的占比最高約占14.2%，其次為離 表12　目前配比限制下之最適能源配比

碳稅

(元) 燃油

(%) 燃煤

(%) 燃氣

(%) 核能

(%) 慣常 水力(%)

抽蓄 發電(%)

風力

(%) 太陽能

(%) CO2 排量

(萬公噸) 平均 (元/度)成本

風險 (%) 0 8.7 33.3 30.0 20.0 3.0 3.0 1.0 1.0 9,003.38 2.29 10.40 1,000 5.0 45.0 23.0 20.0 3.0 3.0 1.0 0.0 9,851.12 2.56 4.84 3,000 5.0 45.0 23.0 20.0 3.0 3.0 1.0 0.0 9,851.12 3.78 3.61 資料來源：本研究計算

表13　課碳稅下之效率配比－變動共變異數 無碳稅

燃油 (%) 燃煤

(%) 天然氣

(%) 核能

(%) 慣常水力

(%) 抽蓄發電

(%) 風力

(%) 太陽能

(%) 碳排放 (萬公噸) A 10.0 32.0 30.0 20.0 3.0 3.0 1.0 1.0 8,988.2 B 7.4 34.6 30.0 20.0 3.0 3.0 1.0 1.0 9,018.4 C 5.0 37.4 30.0 20.0 3.0 3.0 0.7 1.0 9,103.3 D 5.0 40.4 27.6 20.0 3.0 3.0 0.0 1.0 9,431.8 E 5.0 42.2 26.9 20.0 3.0 3.0 0.0 0.0 9,663.2 F 5.0 45.0 23.0 20.0 3.0 3.0 1.0 0.0 9,851.1

碳稅1,000元/公噸 燃油 (%) 燃煤

(%) 天然氣

(%) 核能

(%) 慣常水力

(%) 抽蓄發電

(%) 風力

(%) 太陽能

(%) 碳排放 (萬公噸) A’ 5.8 45.0 30.0 12.2 3.0 3.0 0.0 1.0 10,477.1 B’ 5.0 45.0 30.0 14.1 3.0 1.9 0.0 1.0 10,362.3 C’ 5.0 45.0 29.0 16.0 3.0 1.0 0.0 1.0 10,291.5 D’ 5.0 45.0 27.3 17.7 3.0 1.0 0.0 1.0 10,163.7 E’ 5.0 45.0 26.0 19.0 3.0 1.0 0.0 1.0 10,067.3 F’ 5.0 45.0 23.0 20.0 3.0 3.0 1.0 0.0 9,851.1

碳稅3,000元/公噸 燃油

(%) 燃煤

(%) 天然氣

(%) 核能

(%) 慣常水力

(%) 抽蓄發電

(%) 風力

(%) 太陽能

(%) 碳排放 (萬公噸) A” 10.0 45.0 30.0 7.0 3.0 3.0 1.0 1.0 11,127.7 B” 7.4 45.0 30.0 9.7 3.0 3.0 0.9 1.0 10,728.2 C” 5.0 45.0 30.0 12.4 3.0 2.7 0.9 1.0 10,362.3 D” 5.0 45.0 28.4 15.7 3.0 1.0 1.0 1.0 10,244.0 E” 5.0 45.0 27.4 17.6 3.0 1.0 1.0 0.0 10,170.3 F” 5.0 45.0 23.0 20.0 3.0 3.0 1.0 0.0 9,851.1 下限 5.0 5.0 5.0 0 1.0 1.0 0.0 0.0

上限 10.0 45.0 30.0 20.0 3.0 3.0 1.0 1.0 資料來源：本研究

表14　2025年我國再生能源推廣目標

新政府目標 舊政府目標

類別 裝置容量(MW) 發電量(億度) 裝置容量(MW) 發電量(億度) 發電量增加(%) 太陽光電 20,000 250 6,200 78 220.5 風力發電(陸域) 1,200 29 1,200 29 0.0 風力發電(離岸) 3,000 111 2,000 68 63.2

生質能 813 59 813 59 0.0

水力 2,150 48 2,150 48 0.0

地熱能 200 13 150 10 30.0

燃料電池 60 5 - -

累計 27,423 515 12,513 292 76.4

資料來源：國家發展委員會，2016

岸風力約占6.3%，顯示政府在未來十年間必須 致力於擴大太陽光電與離岸風力的推廣。

基於表14，我們設定2025年配比限制如 表15之上半部所示。由於能源價格之預測困難 且非本文之主題，因此關於2025年各種發電方 式的發電成本，在火力(燃油、燃煤與燃氣)發 電方面，我們假設其期望成本及風險與過去 (2003~2014年)的平均成本一致。另外，在慣 常水力、抽蓄發電與陸域風力方面，由於其成 本與風險在未來的變化可能性不大，故我們 亦假設其期望成本與風險與過去一致。在價格 方面，經濟部2016年8月30日初步決定2017年 各類再生能源發電收購價，將太陽能費率調降 4%。現行太陽光電主要分「地面型」與「屋 頂型」兩大類，前者每度為4.66元、後者6.48 元，2017年起各降為4.35與6.02元，降幅4%到 7%，而根據相關研究顯示，未來太陽能成本

將進一步下降，本研究經由諮詢相關專家並參 考核能研究所內部之估計資料，假設其期望成 本為每度3.77元，且因太陽光電普及後，其風 險將大幅下降，故其成本風險由每度1.9元降至 0.48元。在離岸風力方面，本研究亦經由諮詢 相關專家並參考核能研究所內部對於離岸風力 2017~2025年發電成本估計資料，設定為每度 5.39元，風險為0.20元。各項發電成本整理如表 16所示，並基於前述之模型設定與資料我們可 得效率前沿如圖8所示。

圖8顯示在效率前沿上風險最低點A之再生 能源配比皆達其上限，而隨著成本下降及風險 上升，僅陸域風力下降至0% (F點)，這是因為 陸域風力本的風險是0.65，離岸風力的成本風 險是0.20遠低於陸域風力的風險，故為了避險 組合風險大幅增加的情況下，陸域風力配比下 降至0%，其他再生能源的配比也都維持在其

表15　2025年配比限制

單位：%

2025配比限制

燃油 燃煤 天然氣 核能 慣常水力 抽蓄發電 陸域風力 離岸風力 太陽能 下限 5.0 5.0 5.0 0.0 1.0 1.0 0.0 0.0 3.0 上限 10.0 45.0 50.0 0.0 3.0 3.0 1.7 6.3 15.0

目前配比限制

下限 5.0 5.0 5.0 0.0 1.0 1.0 0.0 - 0.0 上限 10.0 45.0 30.0 20.0 3.0 3.0 1.0 - 1.0 資料來源：本研究

表16　2025年各類能源之預期成本與標準差

成本(元/度) 標準差(元/度)

碳稅(元/公噸) 0 1,000 3,000 0 1,000 3,000

燃油 4.45 5.18 6.64 1.59 1.60 1.63

燃煤 1.35 2.35 4.35 0.30 0.30 0.32

燃氣 3.20 3.73 4.79 0.54 0.54 0.54

核能 - - - -

慣常水力 1.45 1.45 1.45 0.31 0.31 0.31

抽蓄發電 2.74 2.74 2.74 0.62 0.62 0.62

陸域風力 2.81 2.81 2.81 0.65 0.65 0.65

離岸風力 5.39 5.39 5.39 0.20 0.20 0.20

太陽能 3.77 3.77 3.77 0.48 0.48 0.48

資料：本研究計算

使用上限。而火力發電中之燃油、燃煤及燃氣 之配比則隨著成本與風險的變動而互相抵換。

這樣的結果顯示，在2025年的成本與風險結構 下，再生能源的使用是相當重要的，因為在效 率前沿上他們的使用配比幾乎都是維持達到在 上限的情況。

表17顯示在上圖的對應點中，效率配比的 成本、風險與CO2排放的變化情形，表中顯示 隨著成本的下降與風險的上升，CO2排放量也 增加，這是因為低成本的燃煤使用量增加的結 果所致。圖8與表17亦顯示，盡可能地分散能 源的使用，可使能源組合風險降低，也可下降 CO2排放。

若我們進一步比較2025年配比限制與目前 配比限制的情況(如圖9所示)，可以發現2025年 配比限制下的效率前沿有較高的成本與較低的 組合風險，以下則進一步分析課碳稅後最適配 比的變化情形。

在課碳稅會影響各能源發電成本共變異 數之情形下，每公噸CO2課徵1,000元與3,000 元時，如圖10所示，最適點由原來的E0點分 別 移 至E1000與E3000，燃油的配比皆於其 下限5%，燃煤發電由原來的34.3%增加至其 上限45%，燃氣發電由33.4%下降至23.4%、

21.1%，在再生能源方面，由於一開始除了陸 域風力外，其他再生能源的最適配比即已達上 資料來源：本研究繪製

圖8　2025年效率前沿與效率源配比



表17　效率前沿上成本、風險與CO2 排放量的變化情形

A B C D E F

組合成本(元/度) 3.28 3.09 2.94 2.79 2.68 2.60 組合風險 5.91% 6.42% 7.42% 8.46% 9.26% 9.80%

CO2 排放(萬公噸) 6,992.6 7,372.0 8,109.0 8,845.1 9,398.0 9,766.0 資料來源：本研究

資料來源：本研究繪製

圖9　2025年與目前效率前沿比較

資料來源：本研究繪製

圖10　2025年配比限制下之最適能源組合





限，在稅率至每公噸3,000元時，陸域風力配比 由0%提高至1.7%，離岸風力占6%，太陽光電 的最適配比則達到上限。表18顯示在不同碳稅 稅率之最適組合下的能源配比、CO2排放量、

平均成本以及所對應的風險。 從上述的結果可 知，課徵碳稅將使能源使用配比由高成本者移 至低成本者(燃煤)，也會使再生能源的使用配 比提高。

在對效用水準的影響方面，課徵碳稅使得 風險趨避者的效用水準降低，如圖10所示，課 徵每公噸1,000元碳稅使效用水準由-3.21上升 至-3.09，但若將碳稅再提高至每公噸3,000元 時，效用水準降至-4.14，這樣的結果與在前述 目前配比的情況下，課稅會使效用水準先上升 後下降的情況一致。

6.3 最適配比下的CO

排放比較

表19整理目前及2025年配比限制下最適 配比下的CO2排放，可以發現在目前或在2025 年的配比限制下，課徵碳稅並無法降低CO2排 放，這是因為課稅使成本提高的情況下，仍然 只能以增加低成本的能源(燃煤)來替代，故無

法降低CO2排放。然而，從表中我們亦可以知 道，在2025年放寬再生能源配比限制後，不論 是否徵碳稅，最適配比的CO2排放均比目前配 比限制情況下的CO2排放量低，因此可知，以 發展再生能源來降低碳排放的政策，會比用碳 稅政策來的有效。

6.4 現行電力配比之經濟效率分析

本小節以2003~2014年之平均成本與各類 發電成本間的共變異數矩陣及2015年的實際發 電量(175,550.7百萬度)估算台電公司2015年的 總成本及實際配比下的風險²，並與前述估算之 2025年最適配比下的風險與總成本進行比較，

以探討最適配比與現行配比的成本(每度與總供 電成本)與風險在經濟效率上之差異。並且以年 總發電量，估算供電總成本的差異額度，以說 明這是廢核以及大力推廣RE必須多付出的最經 濟有效的成本代價。

計算之結果如表20所示，顯示相對上2025 年之最適配比由於大量引進再生能源可使整體 能源配比的風險由0.1062降至0.0716。另外，若 考慮課徵碳稅的情況，由圖10可知，課稅將使

表18　2025年之最適能源配比 碳稅

(元/公 噸)

燃油

(%) 燃煤

(%) 燃氣

(%) 慣常 水力 (%)

抽蓄 發電 (%)

陸域 風力 (%)

太陽能 (%) 離岸

風力 (%)

CO2 排量

(萬公噸) 平均 成本 (元/度)

風險 (%) 0 5.0 24.2 43.5 3.0 3.0 0.0 15.0 6.3 7,924.5 2.98 7.16 1,000 5.0 45.0 21.3 3.0 3.0 1.7 15.0 6.0 9,730.6 3.18 3.70 3,000 5.0 45.0 22.7 3.0 3.0 1.7 15.0 4.6 9,828.5 4.37 1.46 資料來源：本研究

表19　最適配比下CO2 排放

單位: 萬公噸

碳稅稅率(元/公噸) 目前配比限制 2025配比限制

0 9,003.4 7,924.5

1,000 9,851.1 9,730.6

3,000 9,851.1 9,828.5

資料來源：本研究計算

2 175,550.7百萬度(1,755.5億度)係能源局公布之台電民國104年之毛發電量，若依據台電公布之資料，其104年公布之 發購電量為2,191億度，兩者之差距係因前不者含台電之購電量。

發電平均成本更為上升，因此在2025年的目標 配比下，課稅將使供電總成本更為提高由每度 2.18原上升至3.11元，消費者的效用將大幅地降 低，因此如何使用碳稅收入來彌補消費者的損 失就格外具有政策意涵。

在CO2排放方面，依據本研究表5的排放係 數估算，2015年的排放量為9,065萬公噸(台電 公司公布之2015年火力發電之CO2排放為8,533 萬公噸)³，2025年最適配比下的CO2排放降低為 7,925 (萬公噸)，約減少了1,140萬公噸，此顯示 擴大再生能源之配比，使得石化能源配比下降 (特別試燃煤的比例降低)，則可降低CO2排放。

7. 結論與建議

財務理論中之投資組合的分析方法在1970 年代引入電力部門的電源規劃研究，將電力資 源配比結構看成是一種資產組合，同時考慮了 能源成本與其風險的結構最適化分析，研究在 面對未來的風險不確定時，如何實現同等成本 下的最低風險水準之最優電力資源配比目標，

使能源策略規劃的重點從傳統技術的開發評估

轉移到加入再生能源技術的能源組合和策略的 制定上。這些研究指出，電源結構最適化過程 應該放棄尋找最低成本的替代方案，而是尋求 開發有效率的發電資源組合，而所謂有效率的 電力能源組合應該具備如下兩個性質：(1)在既 定的風險水準下，整體電力資源組合的預期成 本最低或報酬最高；或(2)在每個預期成本(或 預期報酬)水準上，整體電力資源組合的風險最 小。

本研究參考上述方法以財務投資組合理 論中的均異分析MVA方法，使用台電公司近 12年之資料和專家對未來成本的判斷，並引入 效用函數的觀念，探討在考慮發電成本與風險 時的最適能源配比。研究結果顯示在既定的偏 好下，若在課徵碳稅會影響發電成本間的相互 關係時，在課既定的碳稅額度下會使發電成本 提高的同時，可以將發電配比移至風險較低的 能源(如煤炭)來抵換發電報酬的下降，故此時 課徵既定的碳稅並不會減少高碳排放能源的使 用，因此也無法降低CO2的排放。然而，若以 擴大再生能源配比的方式，則不需課徵碳稅即 可降低CO2的排放，但其代價為每度發電成本

3 台電公司網頁：http://www.taipower.com.tw/content/new_info/new_info-e14.aspx?LinkID=15 表20　2015配比與2025最適配比的經濟效率比較 每度成本

(元/度) 2015年 實際配比

2015年發電

量(百萬度) 每度成本

(元/度) 2025年 最適配比

2025年發電 量(百萬度) 燃油 4.45 6.57% 11,535.3 燃油 4.45 5.00% 8,777.5 燃煤 1.35 33.78% 59,306.0 燃煤 1.35 24.20% 71,063.0 燃氣 3.20 34.24% 60,103.2 燃氣 3.20 43.50% 47,784.9 核能 1.15 20.78% 36,471.1 慣常水力 1.45 3.00% 5,266.5 慣常水力 1.45 2.48% 4,358.5 抽蓄發電 2.74 3.00% 5,266.5 抽蓄發電 2.74 1.73% 3,035.0 陸域風力 2.81 0.00% 0.0 風力 2.81 0.41% 716.5 離岸風力 5.39 15.00% 26,332.6 太陽能 10.90 0.01% 25.2 太陽能 3.77 6.30% 11,059.7

平均成本 2.18 平均成本 3.11

風險(%) 10.62 風險(%) 7.16

碳排放 9,065.7 (萬公噸) 7,924.5 (萬公噸) 總成本 105,296.1 (百萬元) 總成本 116,264.6 (百萬元)

資料來源：經濟部能源局，2016b；其他本研究計算

將會提高。

本研究同時考慮並分析了各發電技術的能 源成本、風險、效用水準、碳稅與碳排放間的 關係，所得之主要結論整理如下：

1. 電力公司可經由能源配比的調整來進行整體 發電成本與風險間的相互抵換。

2. 碳稅的課徵會提高發電成本，但亦有可能降 低能源組合風險。

3. 若課碳稅會影響發電成本間的相互關係，則 在本研究設定的額度碳稅水準下將難以降低 碳排放。

4. 欲使用課碳稅來減少碳排放的關鍵在於，必 須減少化石能源，特別是減少燃煤，才能降 低碳排放，因此碳稅的高低、其他低碳替代 能源的可獲性和政府的減碳政策是重要關鍵 因素。

5. 對於福利水準而言，由於碳稅的課徵使期望 發電成本提高，若無法大幅降低整體電源組 合風險，則個人效用水準將會顯著降低。

6. 目前再生能源的成本仍相對較高，占整體能 源使用的比率低，是課碳稅(既使每噸3000元 的水準)仍無法降低使用化石能源的主因。

但在2025年再生能源配比限制放寬以及其期 望成本降低之下，化石能源的配比即可以下 降，碳排放亦可下降，效率配比組合的風險 下降，但效率配比的組合成本將高於目前的 情況。

本研究的政策意涵在於：

1. 政府在制訂碳稅政策時應考量碳稅的課徵對 於不同能源間成本替代效果的影響，有效的 碳稅必須能讓高排放的能源被低排放的能源 所取代，否則碳稅僅是一項增加稅收的財務 工具而已，於減排並無實質有效的成果。

2. 進行課徵碳稅政策的同時，必須同時有擴大 再生能源發電佔比上限的配套措施。

3. 課徵碳稅可能使CO2 排放降低，但亦會降低 效用水準，因此碳稅政策的實施應同時考量 對其他稅賦進行減免以緩解人民的效用減 損，此外，亦應利用碳稅的收入進行節能減

碳和消除能源貧窮社會安全的財政支出，以 達到能源稅或碳稅的雙重紅利效果。

在上述情況下，課徵碳稅才能有效減少高 污染能源的使用，以及才能真正減少CO2排放 和維持原來的效用水準不變。

參考文獻

王鈺惠，2010，「台灣電力部門供給面減碳政 策效益評估」，碩士論文，成功大學資源 工程學系。

朱證達，2015，「Taiwan 2050 Calculator-工具 特色介紹與電力系統」，中技社專家座談 會。

李堅明、李冠晨、葉鈞喬，2015，「臺灣永續 發電配比決策模式之研究－應用資產組合 理論」，能源簡析。

梁啟源、鄭睿合、郭博堯、郭箴誠，2015，

「我國最適電力配比之研究」，臺灣能源 期刊，2:4，481-496。

郭瑾瑋、周裕豐、洪明龍、劉子衙，2015，

「應用臺灣TIMES模型進行我國長期電力 供需規劃」，臺灣能源期刊，2: 4，363- 382。

國家發展委員會，2016，綠能政策目標、未來 規劃及執行現況書面報告，2016年6月22 日頁5。

經濟部能源局，2012，我國常用排放係數，

http://ghgregistry.epa.gov.tw/upload/Tools/盤 查與登錄指引定稿-附錄二.pdf。

經濟部能源局，2016a，能源統計月報，2016年 6月。

經濟部能源局，2016b，能源統計月報，2016年 5月。

廖述誼、陳盛通、郭曉怡、陳吉仲、蔡燕宗，

2010，「評估實施碳稅對國內電力部門之 影響」，農業與經濟，44期，39-71。

劉哲良、王鈺惠、陳家榮，2015，「電廠碳排 放標準對我國電力業之成本與碳排放衝

擊評析」，綠色經濟電子期刊，1:1，A1- A16。

賴正文，1999，「電力供給模型之建立及其應 用之研究」，南榮學報，3，9-20。

鍾雨璇，2014，「臺灣發電業最適電力配比之 研究」，碩士論文，成功大學資源工程學 系。

Awerbuch S. and M. Berger, 2003. Applying Portfolio Theory to EU Electricity Planning and Policy-Making, IEA Report Number EET/2003/03, Paris.

Awerbuch, S. and S. Yang, 2007. Efficient Electricity Generating Portfolios for Europe:

Maximising Energy Security and Climate Change Mitigation. EIB Papers, ISSN 0257- 7755, 12:2, 8-37.

Bar-Lev, D. and S. Katz, 1976. A Portfolio Approach to Fossil Fuel Procurement in the Electric Utility Industry. Journal of Finance, 31: 3, 933-47.

Bhattacharya, A and S. Kojima, 2012. Power Sector Investment Risk and Renewable Energy: A Japanese Case Study Using Portfolio Risk Optimization Method, Energy Policy, 40, 69-80.

Francis J., Kim D., 2013. Modern Portfolio Theory: Foundations, Analysis, and New Developments. New York: John Wiley &

Sons.

Markowitz, H., 1952. Portfolio Selection. The Journal of Finance, 7:77-91.

Roques, F. A., D.M. Newbery and W.J. Nuttall, 2008. Fuel mix diversification incentives in liberalized electricity markets: A Mean- Variance Portfolio theory approach. Energy Economics, 30:1831-1849.

World Bank Group, Ecofys, Carbon Pricing Watch 2016, May 25, 2016,[2017-03- 01]. https://openknowledge.worldbank.

o rg / b i t s t r e a m / h a n d l e / 1 0 9 8 6 / 2 4 2 8 8 / C a r b o n P r i c i n g W a t c h 2 0 1 6 . pdf?sequence=4&isAllowed=y.

Wu J, H. and Y. H. Huang, 2014. Electricity Portfolio Planning Model Incorporating Renewable Energy Characteristics. Applied Energy, 119, 278-287.

Zhu, L. and Y. Fan, 2010. Optimization of China's generating portfolio and policy implications based on portfolio 56 theory. Energy, 35:3, 1391-1402.

The Optimal Power Portfolio under Carbon Tax and Renewable Energy Promotion

King-Min Wang

Yo-Min Lin

ABSTRACT

In this study, we apply the mean-variance analysis method in the portfolio theory of finance, and use the data of cost information of Taiwan Power Company from the period of 2003 to 2014, to calculate the efficient portfolio frontier for current generation mix and for the 2025 renewable energy promotion goals.

Furtherly, we introduce the indifference curve from the utility theorem to derive the optimal generation mix.

In addition, in accordance with the global trend of the issue on the energy saving and carbon reduction, this study also analyzes the impact of carbon tax on the efficient generation mix and the optimal electricity portfolio. The results show that Taipower can adjust the energy mix to trade-off the cost and risk of power generation. Under the 2025 official renewable energy promotion target, the risk of efficient electricity portfolio is less than the risk of current efficienct electricity portfolio, and the CO2 emission will be reduced, but the average generation cost will rise. In the case of carbon tax implementation, the coal price is still relatively lower than the natural gas under the proposed tax level. Under the carbon tax coal consumption increased, the carbon tax levy cannot achieve the effect of carbon reduction. Therefore, in order to achieve a better carbon reduction effect it is necessary to make the substantial increase in renewable energy promotion goal and the decrease in renewable energy generation cost. The above conclusions show that the government should consider the impact of carbon tax on the cost substitution effect among different power resources, and must also make relevant supporting program to expand and diversify the renewable energy generation at the same time.

Keywords:

Received Date: December 12, 2016 Revised Date: March 6, 2017 Accepted Date: April 13, 2017

1 Research Fellow, Chung-Hua Institution for Economic Research.

2 Assistant Research Fellow, Chung-Hua Institution for Economic Research.

*Corresponding Author, Phone: +886-2-27356006 #5341, E-mail: [email protected]