基于LMDI方法的企业办公领域碳达峰路径研究——以电力企业为例

Research on Carbon Peak Path in Enterprise Office Field Based on LMDI Method—A Case Study of Electric Power Enterprise

摘要: 本研究聚焦于某电力企业行政办公领域的碳排放问题，运用对数平均除数指数(LMDI)方法，深入剖析碳排放驱动因素，并探索碳达峰路径。研究结合Kaya恒等式与LMDI分解法，针对能源碳排放系数(ΔCE)、能源结构(ΔES)、建筑面积能源强度(ΔEI)、人均建筑面积(ΔAP)及人员规模(ΔP)等因素展开分析。基于对企业办公领域碳排放现状的全面分析，本研究构建了Kaya-LMDI分解模型，并借助情景分析法对2025年至2035年的碳排放趋势进行预测。结果显示，能源结构的协同优化、能效提升以及办公规模的合理控制是实现行政办公领域碳达峰的关键举措。本研究为企业制定精准的碳减排策略提供了理论支持和实践参考。

Abstract: This study focuses on the carbon emission issue in the administrative office field of a certain power enterprise. By using the logarithmic Mean divisor Index (LMDI) method, it deeply analyzes the driving factors of carbon emissions and explores the path to carbon peaking. The study combines the Kaya identity and the LMDI decomposition method to analyze factors such as the energy carbon emission coefficient (ΔCE), energy structure (ΔES), energy intensity of building area (ΔEI), per capita building area (ΔAP), and personnel size (ΔP). Based on a comprehensive analysis of the current situation of carbon emissions in the enterprise office field, this study constructed the Kaya-LMDI decomposition model and predicted the carbon emission trend from 2025 to 2035 with the help of the scenario analysis method. The results show that the collaborative optimization of the energy structure, the improvement of energy efficiency, and the reasonable control of office scale are the key measures to achieve carbon peaking in the administrative office field. This research provides theoretical support and practical reference for enterprises to formulate precise carbon emission reduction strategies.

1. 引言

自1978年改革开放以来，我国在取得了巨大的经济增长的同时，能源消耗也在逐年增加。到目前为止，我国的二氧化碳排放水平仍在逐年增加，全国二氧化碳排放量从2005年的59.4亿吨增加到2020年的98.2亿吨，约占世界排放量的30% [1] [2]。

2022年，国务院国资委提出[3]：“将节能减排、生态环保、碳调峰、碳中和的战略导向和目标要求纳入企业发展战略和规划。”因此，企业办公活动的低碳转型成为实现碳达峰和碳中和目标的关键环节。此外，对行政办公领域的碳达峰进行分析，有助于更准确地反映行政办公领域在碳排放总量中的比例和影响，合理配置碳达峰资源和任务。进一步制定精准的碳减排措施，有助于完善和发展碳达峰目标管理体系。

现有的文献和官方报告仅限于建筑运行阶段的碳排放情况，其中蒋友娣等人[4]对上海某区域办公建筑的综合能耗、碳排放强度等信息进行计算，为节能优化提出改造建议。陈奕等人[5]则对绿色办公建筑全生命周期碳排放进行了研究，研究指出建筑使用阶段碳排放占比最高。同时，中国建筑节能协会和重庆大学联合发布的报告[6]对我国建筑运行阶段碳排放量进行全面计算，并对排放量差异进行分析。综上所述，目前针对办公碳排放方面的研究及报告多在考虑办公建筑的相关排放，没有考虑碳排放结构、人员规模等因素对企业碳排放的影响。本研究以电力企业为例，基于LMDI分析方法，列出了碳排放系数的影响、建筑面积能耗强度的影响、人员规模的影响等各因素对企业碳排放的影响。

目前碳排放影响因素分析的两种常用技术分别是Kaya恒等式和对数平均迪氏分解法(LMDI) [7]-[9]。LMDI分解方法往往基于Kaya恒等式，分析和说明碳排放与产业结构、经济发展、能源效率、能源结构要素之间的关系[10]-[13]。本研究旨在填补LMDI分析在企业办公领域研究的空白，通过对企业办公活动碳排放特征的深入分析，结合LMDI分解结果，提出有针对性的碳减排策略和措施，为企业办公碳管理提供方法论和案例参考。

2. 模型建立

2.1. 核算边界与方法

本研究仅核算二氧化碳排放，不包括其他温室气体。核算范围为行政办公领域所涉及的直接碳排放和间接碳排放，即化石燃料燃烧产生的二氧化碳直接排放，以及净购入电力蕴含的间接排放，不包括企业行政办公领域上下游供应链的间接排放。

根据已建立的核算边界和IPCC指南[14]，行政办公领域碳排放总量为化石燃料燃烧排放与外购电力间接排放之和，计算公式为(1)。

${\text{CO}}_{2,总}={\text{CO}}_{2,燃烧}+{\text{CO}}_{2,电力}$ (1)

式中：

CO_2,总——行政办公领域二氧化碳排放总量，单位为吨(t)；

CO_2,燃烧——化石燃料燃烧二氧化碳排放量，单位为吨(t)；

CO_2,电力——外购电力二氧化碳排放量，单位为吨(t)。

化石燃料燃烧二氧化碳排放量和外购电力二氧化碳排放量分别按公式(2)、公式(3)计算。

${\text{CO}}_{2,燃烧}={\displaystyle {\sum }_{\text{i}}{\text{FC}}_{\text{i}}}\times {\text{NVC}}_{\text{i}}\times {\text{CC}}_{\text{i}}\times {\text{OF}}_{\text{i}}\times \frac{44}{12}$ (2)

式中：

FC_i——第i种化石燃料消耗量。对固体或液体燃料，单位为吨(t)，对气体燃料，单位为万立方米(10⁴ Nm³)；

NCV_i——第i种化石燃料的平均低位发热量，单位为吉焦/吨(GJ/t)或吉焦/万立方米(GJ/10⁴ Nm³)；

CC_i——第i种化石燃料的单位热值含碳量，单位为吨碳/吉焦(tC/GJ)；

OF_i——第i种化石燃料碳氧化率，以%表示；

$\frac{44}{12}$ ——二氧化碳与碳的相对分子质量之比。

${\text{CO}}_{2,电力}={\text{AD}}_{电}\times {\text{EF}}_{电}÷1000$ (3)

式中：

AD_电——外购电力消费量(不包括绿电消费量)，单位为千瓦时(kWh)；

EF_电——电力二氧化碳排放因子，单位为千克/千瓦时(kg/kWh)。

2.2. 基于LMDI的影响因素分析

本研究将采用Kaya恒等式和LMDI分解法相结合的方法分析能源结构、建筑面积能源强度、人均建筑面积、人员规模、碳排放系数等驱动因素对行政办公领域碳排放的影响。

基于LMDI分解法原理，结合企业行政办公领域的碳排放特征，在Kaya恒等式的基础上进一步扩展，行政办公领域的碳排放分解模型，最终构建形成行政办公领域碳排放量分解模型如公式(4)所示。将式(4)进一步简化得到式(5)。各变量的含义及关系如表1所示。

$\text{C}={\displaystyle {\sum }_{\text{i}}{\text{C}}_{\text{i}}}={\displaystyle {\sum }_{\text{i}}\frac{{\text{C}}_{\text{i}}}{{\text{E}}_{\text{i}}}}\times \frac{{\text{E}}_{\text{i}}}{\text{E}}\times \frac{\text{E}}{\text{S}}\times \frac{\text{S}}{\text{P}}\times \text{P}$ (4)

$\text{C}={\displaystyle {\sum }_{\text{i}}{\text{CE}}_{\text{i}}}\times {\text{ES}}_{\text{i}}\times \text{EI}\times \text{AP}\times \text{P}$ (5)

Table 1. Meaning of each variable in the LMDI model

表1. LMDI分解模型各变量含义

变量	单位	含义
C	t	行政办公领域碳排放总量
Ci	t	第i种能源消耗的碳排放量
Ei	吨标准煤	第i种能源消耗量
E	吨标准煤	行政办公领域能耗总量
S	m^2	行政办公建筑面积
P	人	人员规模，即单位总人数
CEi	tCO2/tce	${\text{CE}}_{\text{i}}={\text{C}}_{\text{i}}/{\text{E}}_{\text{i}}$ 为第i种能源的二氧化碳排放系数
ESi	%	${\text{ES}}_{\text{i}}={\text{E}}_{\text{i}}/\text{E}$ 为第i种能源在能耗总量中的比重，即能源消费结构
EI	tce/m^2	$\text{EI}=\text{E}/\text{S}$ 为单位建筑面积能耗，即建筑面积能源强度
AP	m^2/人	$\text{AP}=\text{S}/\text{P}$ 为人均建筑面积

根据LMDI加法分解计算，行政办公领域碳排放总量变化综合效应可分解为：

$\Delta \text{C}={\text{C}}^{\text{t}}-{\text{C}}^0=\Delta \text{CE}+\Delta \text{ES}+\Delta \text{EI}+\Delta \text{AP}+\Delta \text{P}$ (6)

公式中：

ΔC——基期第0年至末期第t年碳排放变化量(t)；

C^t——末期第t年碳排放量(t)；

C⁰——基期第0年碳排放量(t)；

ΔCE——能源碳排放系数效应，表示基期至末期能源碳排放系数变化对行政办公领域碳排放的影响(t)，由于化石燃料排放系数保持不变，此效应变化主要由电力碳排放系数变化引起；

ΔES——能源结构效应，表示基期至末期能源结构变化对行政办公领域碳排放的影响(t)；

ΔEI——建筑面积能源强度效应，表示基期至末期建筑面积能源强度变化对行政办公领域碳排放的影响(t)；

ΔAP——人均建筑面积效应，表示基期至末期人均建筑面积变化对行政办公领域碳排放的影响(t)；

ΔP——人员规模效应，表示基期至末期人员规模变化对行政办公领域碳排放的影响(t)。

各影响因素的贡献值按式(7)~式(11)计算。

$\Delta \text{CE}={\displaystyle {\sum }_{\text{i}}\frac{{\text{C}}_{\text{i}}^{\text{t}}-{\text{C}}_{\text{i}}^0}{{\text{lnC}}_{\text{i}}^{\text{t}}-{\text{lnC}}_{\text{i}}^0}}\times \text{ln}\frac{{\text{CE}}_{\text{i}}^{\text{t}}}{{\text{CE}}_{\text{i}}^0}$ (7)

$\Delta \text{ES}={\displaystyle {\sum }_{\text{i}}\frac{{\text{C}}_{\text{i}}^{\text{t}}-{\text{C}}_{\text{i}}^0}{{\text{lnC}}_{\text{i}}^{\text{t}}-{\text{lnC}}_{\text{i}}^0}}\times \text{ln}\frac{{\text{ES}}_{\text{i}}^{\text{t}}}{{\text{ES}}_{\text{i}}^0}$ (8)

$\Delta \text{EI}={\displaystyle {\sum }_{\text{i}}\frac{{\text{C}}_{\text{i}}^{\text{t}}-{\text{C}}_{\text{i}}^0}{{\text{lnC}}_{\text{i}}^{\text{t}}-{\text{lnC}}_{\text{i}}^0}}\times \text{ln}\frac{{\text{EI}}^{\text{t}}}{{\text{EI}}^0}$ (9)

$\Delta \text{AP}={\displaystyle {\sum }_{\text{i}}\frac{{\text{C}}_{\text{i}}^{\text{t}}-{\text{C}}_{\text{i}}^0}{{\text{lnC}}_{\text{i}}^{\text{t}}-{\text{lnC}}_{\text{i}}^0}}\times \text{ln}\frac{{\text{AP}}^{\text{t}}}{{\text{AP}}^0}$ (10)

$\Delta \text{P}={\displaystyle {\sum }_{\text{i}}\frac{{\text{C}}_{\text{i}}^{\text{t}}-{\text{C}}_{\text{i}}^0}{{\text{lnC}}_{\text{i}}^{\text{t}}-{\text{lnC}}_{\text{i}}^0}}\times \text{ln}\frac{{\text{P}}^{\text{t}}}{{\text{P}}^0}$ (11)

3. 结果分析

3.1. LMDI分解结果分析

通过分解模型和上述公式计算，得到2020~2024年行政办公领域碳排放的LMDI分解结果，如表2和图1所示。如某因素的贡献值为正值，则该因素在相应时期内呈现正效应，对碳排放增长具有促进作用；如某因素的贡献值为负值，则该因素在相应时期内表现为负效应，对碳排放增长具有抑制作用。

2020~2024年行政办公领域碳排放综合效应整体表现为增长。从2020~2024年各因素的累计贡献值看，碳排放系数效应、建筑面积能源强度效应及人员规模效应在2020~2024年期间对碳排放量增长表现为抑制作用，其中人员规模效应的抑制贡献最大。人均建筑面积效应及能源结构效应在2020~2024年期间对碳排放量增长分别表现为促进和抑制作用。

Table 2. Contribution value of carbon emission factors in the administrative office sector from 2020 to 2024 (Unit: Ton)

表2. 2020~2024年行政办公领域碳排放因素贡献值(单位：吨)

年份	ΔCE	ΔES	ΔEI	ΔAP	ΔP	ΔC
2020~2021	12,620.24	2749.86	24,514.81	19,599.83	−10,995.21	48,489.53
2021~2022	−20,511.46	9477.65	−27,210.01	−9027.76	23,256.90	−24,014.68
2022~2023	0.00	2557.93	11,672.71	16,604.69	−11,088.29	19,747.04
2023~2024	0.00	1360.41	−18,568.44	21,665.60	−10,999.63	−6542.06
2020~2024	−6886.98	15,187.08	−7850.77	47,349.95	−10,078.32	37,720.96

就因素影响程度而言，2020~2024年期间各因素对碳排放变化的影响程度由大到小分别为人均建筑面积效应(54.21%)、能源结构效应(17.39%)、人员规模效应(11.4%)、建筑面积能源强度效应(8.99%)、碳排放系数效应(7.88%)。

Figure 1. Influence degree of carbon emission factors in the administrative office sector from 2020 to 2024

图1. 2020~2024年行政办公领域碳排放因素影响程度

人均建筑面积因素在2020~2024年对行政办公碳排放量增长的逐年影响效应中主要表现为促进作用，2022年表现为抑制作用，且2022~2023、2023~2024贡献值逐步增长。主要由于2022年企业总人数较2021年大幅上升，导致人均建筑面积对应下降。同时，由于企业总人数在2023年及2024年逐年下降，人均建筑面积对应增长。在此基础上，2023年起，企业下达了一系列行政办公领域绿色低碳发展任务，包括推进办公节能改造项目，全面提升办公系统用能效率；新建食堂电磁厨具全覆盖，截止2024年，企业全电厨房占比72%；以及采用节约型绿化技术，打造绿色办公空间，要求企业行政办公类建筑总体绿化率原则上不低于33%等一系列措施，降低人均建筑面积排放。

能源结构因素在2020~2024年对行政办公碳排放量增长的逐年效应中均表现为促进作用，其贡献值呈现先增后降趋势。主要由于“十四五”前期化石燃料比重稍大，且调整量较小；后期化石燃料比重明显下降、电力占比上升，且可再生能源电力比例逐步增加。表明能源结构优化是漫长的过程；同时表明“十四五”后期能源结构调整的方向是控制碳排放量增速的有效举措之一，尽管后期对碳排放量增长仍表现为促进作用，但一定程度上可减缓碳排放量的增速。

建筑面积能源强度因素对行政办公碳排放量增长影响效应在2022年和2024年表现为抑制作用，2021年和2023年表现为促进作用，表明降低建筑面积能源强度可有效抑制碳排放量增长。

3.2. 情景设计与参数设置

本研究基于行政办公领域碳排放现状及构建的碳排放量Kaya-LMDI分解模型，结合情景分析方法对行政办公领域碳排放趋势进行预测分析。

情景分析法是一种面向未来的研究方法，通过构建多维度的未来情景框架，通过推理分析系统的关键驱动因素及驱动力之间的相互关系，模拟不同发展路径下目标系统的演变趋势，为不确定性环境下战略决策提供依据。其核心是通过多维度的“假设–推演”框架，识别不确定性中的关键变量，探索不同路径下的潜在结果。情景分析被广泛应用于经济、能源发展和环境等领域趋势分析及路径研究，能为相关的管理方探究系统影响因素和战略决策提供科学的方法学依据[15]。

基准情景是相对保守的情景，基于2020~2024年期间的现状情况，根据历史发展趋势和当前形势合理外推预测，碳排放控制力度相对较弱。

控制情景是指相较于基准情景，基于历史发展趋势与现状，结合企业已有规划和工作方案等，通过在能源消费结构、能源利用强度等方面采取一系列综合控制措施进行干预与约束，从而实现有效控制碳排放总量的低碳化情景。基准年2024年基本数据见表3。

Table 3. Basic index of the base year

表3. 基准年主要指标

指标	2024
终端用能电气化率	75.05%
绿电比例	0.00%
自建光伏比例	1.76%
可再生能源比例	1.32%
建筑面积能耗强度累计递减率	6.06%
建筑面积能源强度	14.121
人均建筑面积	83.18
人数变化率	−3.64%
员工总数	81,105
办公总能耗	95,262.97

结合现状分析和因素分析结果，场景设置主要考虑建筑面积、能耗强度、能耗结构等参数。根据现状，结合电力企业低碳发展的相关规划、碳调峰目标及分解实施等相关要求，进行综合分析。两种不同场景的具体参数设置如下表4所示。

Table 4. Different scenario parameter settings

表4. 不同情景参数设置

参数		基准情景	控制情景
建筑面积 能源强度	2024年	14.121 kgce/m^2
	2025年	较2020年累计下降3.44%	较2020年累计下降3.44%
	2030年	较2025年累计下降2%	较2025年累计下降3.5%
	2035年	较2030年累计下降2%	较2030年累计下降4%
能源消费 结构	2024年	电力消费占比75.05%，其中可再生能源电力占1.76%；油品消费占比24.53%；天然气消费占比0.32%；液化石油气占比0.10%
	2025年	电力消费占比达77.90%，其中可再生能源 电力1.67%；油品消费比重21.89%；天然气、液化石油气分别占0.21%、0%；	电力消费占比达79%，其中可再生能源 电力4.73%；油品消费比重20.89%；天然气、液化石油气分别占0.11%、0%；
	2030年	电力消费占比达82.90%，其中可再生能源 电力1.73%；油品消费比重17.10%；	电力消费占比达84%，其中可再生能源 电力6.06%；油品消费比重16%；
	2035年	电力消费占比达86.90%，其中可再生能源 电力1.76%；油品消费比重13.10%；	电力消费占比达88%，其中可再生能源 电力8.50%；油品消费比重12%；
单位总人数	2024年	81,105人
	2025年	较2024年下降0.89%	较2024年下降0.89%
	2030年	较2025年累计增长2%	较2025年累计增长2%
	2035年	较2030年累计增长1%	较2030年累计增长1%
人均建筑 面积	2024年	83.18 m^2/人
	2025年	较2024年增长3.22%	较2024年增长2.92%
	2030年	较2025年累计下降1.96%	较2025年累计下降1.96%
	2035年	较2030年累计下降0.99%	较2030年累计下降0.99%

3.3. 碳排放总量和强度预测结果

根据上述情景设定及分析模型，对上述情景进行预测，得到全局行政办公领域总体碳排放情况如图2所示。

基准情景下，行政办公领域碳排放量在2024~2030年期间逐年缓慢增长，累计增长3.32%，预计在2030年达到峰值，峰值约309,381.43 t。2030年后进入缓慢下降的平台期，在2035年碳排放总量为308,804.03 t，较2030年下降0.19%。

控制情景下，行政办公领域碳排放预计在2025年达到峰值，峰值约300,814.80 t，较2024年增长0.45%。2025年后，碳排放总量逐年下降，在2030年碳排放总量为293,308.72 t，较峰值年2025年下降2.50%；2035年碳排放总量约279,381.44 t，较2030年下降4.75%。

Figure 2. Prediction results of total carbon emissions in baseline and control scenarios

图2. 基准和控制情景下的碳排放总量预测结果

如图3所示，在基准情景下，2025年单位建筑面积碳排放为44.697 kg/m²，较2024年上升0.69%。单位建筑面积碳排放在2025~2030年逐年小幅度逐年增长至44.830 kg/m²，累计上升0.30%；2031~2035年逐年缓慢下降至44.746 kg/m²，累计下降0.19%。

在控制情景下，单位建筑面积碳排放在2024~2035年期间逐年下降，且降幅逐步扩大。2025年单位建筑面积碳排放为43.717 kg/m²，较2024年下降1.52%；2030年单位建筑面积碳排放为42.626 kg/m²，较2025年下降2.50%，且较基准情景低4.92%；2035年单位建筑面积碳排放为40.602 kg/m²，较2030年下降4.75%，较基准情景低9.26%。

如图4所示，基准情景和控制情景下，人均办公碳排放趋势均表现为“短期上升、长期下降”，在2025年分别较2024年增长3.94%和1.36%，2025年后均逐年下降。控制情景下，2030年人均办公碳排放为3.577 t/人，较2025年累计下降4.41%，较基准情景低5.20%；2035年人均办公碳排放为3.374 t/人，较2030年累计下降5.59%，较基准情景低9.53%。

Figure 3. Carbon emissions per unit building area in baseline and control scenarios

图3. 基准和控制情景下单位建筑面积的碳排放量

Figure 4. Per capita office carbon emissions in baseline and control scenarios

图4. 基准情景和控制情景人均办公碳排放

3.4. 能耗总量与强度预测结果

如不同场景下行政办公场地的总能耗和强度如图5和图6所示。在基准情景下，2025年总能耗和单位建筑面积能耗呈上升趋势，2025~2035年能耗呈逐年下降趋势，2030年能耗峰值达到94,822.91吨标准煤。

控制情景下，总能耗和单位建筑面积能耗的总体变化趋势与基准情景相似，2025年先上升，2025~2035年呈逐年下降趋势，但下降幅度大于基准情景。2025年能源消费总量达到峰值96,474.33吨标准煤，比2024年增长1.27%。

Figure 5. Total energy consumption prediction results for baseline and control scenarios

图5. 基准情景和控制情景能源消费总量预测结果

Figure 6. Prediction results of energy consumption per unit building area under baseline scenario and control scenario

图6. 基准情景和控制情景单位建筑面积能耗预测结果

3.5. 能各种能源碳排放预测结果

图7和图8分别显示了基准情景和控制情景下行政办公领域的能源碳排放比例。随着汽车电气化替代工作的推进，能源消费结构将逐步适应电气化发展，2024年后电力碳排放量将逐年增加，而天然气、汽油、柴油等化石燃料的碳排放量将逐年缓慢下降。在基准情景下，2035年电力碳排放量预计将达到峰值284,205.37吨，占总碳排放量的92.03%。在控制情景下，预计2030年电力碳排放峰值为263,187.78 t，占碳排放总量的89.73%。

Figure 7. The proportion of carbon emissions by energy in the administrative office sector under the baseline scenario

图7. 基准情景下行政办公领域各能源碳排放量占比

Figure 8. The proportion of carbon emissions by energy in the administrative office sector under the control scenario

图8. 控制情景下行政办公领域各能源碳排放量占比

4. 总结与分析

4.1. 总结

根据LMDI分解模型的结果，碳排放系数效应、建筑面积能源强度效应和人员规模效应表现为抑制效应，人均建筑面积效应和人员规模效应表现为促进效应，其中人均建筑面积效应和人员规模效应分别是促进和抑制的关键因素。

基准情景和控制情景下的碳排放预测结果表明：基准情景下，预计行政办公领域碳达峰时间为2030年，峰值排放量为309,381.43 t。高峰年度总能耗为94,822.91吨标准煤，单位建筑面积能耗为13.740 kgce/m²。控制情景下，碳达峰时间预计在2025年，峰值排放量为300,814.80 t，比基准情景降低2.77%。高峰年度总能耗96,474.33吨标准煤，单位建筑面积能耗14.020 kgce/m²。

4.2. 下一步工作建议

根据分析结果，本研究提出以下工作建议：

1) 持续提高办公建筑绿色低碳化。优化空间布局，合理配置办公建筑用房资源，盘活办公用房存量资源以提高资源利用率。积极落实地方城乡建设领域碳达峰工作要求，逐步提高新建超低能耗建筑比例。对于新建建筑，鼓励采用节能材料、优化建筑围护结构、提升能效，以及充分利用自然光和通风，减少能源消耗。

2) 全面深化能源节约工作。推动现有办公建筑节能改造，提高能源利用效率。持续推动合同能源管理模式，升级照明系统，优化能源管理系统，加强设备维修保养，减少设备不正常运行，提升设备运作效率，降低能源损耗。持续开展办公场所节约用电工作。推进用能设备节能增效，鼓励淘汰落后低效设备，提高节能设备使用比例。

3) 加快推动能源利用清洁化。持续提高办公领域终端用能电气化率，逐步降低对传统化石能源的依赖。提高办公领域可再生能源利用比例，鼓励利用闲置屋面、停车场安装分布式光伏，探索办公园区内储能项目建设，逐年提高绿电消费比例。持续推进车辆电动化替代工作，逐步淘汰报废老旧车辆，加大电动车辆配备使用力度，逐步提高新增公务车电动化比例。

4) 组织开展试点示范创建行动。以清洁能源利用、绿色低碳办公等为方向，鼓励能源利用效率高、能耗强度与碳排放强度低的单位参与行政办公碳达峰试点示范创建，总结推广试点示范建设经验。加强绿色低碳技术的推广应用，持续开展先进适用技术遴选和能源资源节约示范案例推介，积极响应政府部门开展的绿色低碳技术集和应用示范案例集征集工作。探索推行内部碳普惠和“碳积分”制度，引导员工低碳办公行为。