環境約束下電力行業能源效率研究

王婷婷　朱建平

摘要針對傳統效率測算模型未能考慮決策單元博弈關系以及測度結果不能充分排序的缺陷，提出考慮決策單元之間博弈關系的生態-博弈交叉DEA（eco-GCDEA）模型，并應用該模型對中國省際電力行業能源消耗與環境協調發展程度展開實證分析與討論。選取中國2002-2012年30個省份的電力行業面板數據，其中非期望產出指標通過熵值法將工業二氧化硫排放量、工業煙塵排放量等5個環境污染指標加以綜合，力求最大限度地刻畫當前的環境污染問題。在構造環境污染綜合指標的基礎上，采用eco-GCDEA模型對環境約束下的中國省際電力行業能源利用效率進行測度與排序，并用該模型的測算結果與當前比較流行的SBM模型進行對比分析。研究發現：新模型完成了所有決策單元的充分排序，有效克服了傳統SBM模型無法完全排序的缺陷；環境約束下電力行業能源效率得分存在相對緩慢的增長趨勢，東部地區電力行業能源與環境發展協調度高于中西部地區。根據實證分析結果給出三點建議：首先大力發展新能源、推進清潔技術研發，調整能源消耗結構；其次各大電網區域統籌協調，聯動發展；最后正確應對碳金融市場給電力行業帶來的機遇與挑戰，在參與碳金融市場的活動中深化節能減排。

關鍵詞博弈關系；電力行業；eco-GCDEA模型；充分排序

中圖分類號F205；F207 文獻標識碼A文章編號1002-2104（2015）03-0120-08doi：103969/jissn1002-2104201503016

電力行業是國民經濟發展的支柱、人民生活的保障，是能源生產者同時也是能源消費者，其角色具有雙面性，也就是說電力是一種清潔的二次能源，但它的產生卻需要充足的一次能源作為基礎。這一特殊的行業性質，奠定了電力行業在整個能源領域的決定性地位。電力行業能源消耗結構以煤炭為主，因此該行業也被視為節能減排的主要對象，尤其在低碳化浪潮席卷全球的歷史機遇面前，電力行業將在節能減排中發揮重要作用。2010年我國電力行業用于發電生產的原煤量占全國煤炭消費總量的一半以上，達到16億噸。與之相對應的是電力行業溫室氣體排放量，占到了全國總量的近4成。電力行業能源效率的提高，有助于減少溫室氣體排放，緩解能源消耗所帶來的環境污染問題，但低碳化是一條艱巨而長期的道路，沒有任何一個企業乃至行業能夠一蹴而就，因此電力行業應深入了解自身情況，在此基礎上不斷加大行業低碳化改革力度，從而更好地實現節能減排，這也是本文研究的目的所在。

1文獻綜述

自從Fre et al [1]1985年引入DEA模型用于評價國有和私人電廠的相對技術效率以來， DEA方法開始被廣泛應用于評價電力行業的技術效率。Mike Goto 等[2]用DEA模型對美國和日本1984-1993年的電力行業技術效率等進行比較分析，結果表明日本在技術效率等方面均高于美國電力行業。Alexander Vaninsky[3]采用DEA方法對美國1991-2004年間電力行業技術效率進行了實證分析，研究表明美國電力行業效率在1991-2000年相對穩定，之后急劇下降。Arocena[4]采用DEA模型分析了多元化經營和垂直一體化體制下電力行業技術效率變動、成本及收益的差異性。RamosReal et al[5]采用DEAMalmquist指數模型，構造全要素能源效率指標，對巴西17家配電企業1998-2005年間的全要素生產率變動進行測算和分解以掌握各個分解要素的變動情況。Sueyoshi et al[6]利用DEA模型和DEADA分析技術度量了2005-2009年日本10家電力企業，研究發現日本電力企業的生產效率并沒有發生積極變化。Welch等[7]采用DEA模型研究了環境規制對電力行業的效率影響，研究表明成本效率和環境效率存在明顯的差異，環境規制強度的加大導致電力行業效率的降低。

從現有相關文獻來看，省際能源效率研究成果相當豐碩，而關于工業或者行業間的能源效率研究相對較少。電力行業作為工業的一個部門，關于它的能源效率尤其是考慮環境因素的電力行業能源效率研究則并不多見。縢飛、吳宗鑫[8]分別采用CRS、VRS、NIRS模型對我國1991年燃煤電廠進行技術效率和規模報酬的測算，研究認為燃料的過度使用是造成成本無效率的主要原因。白雪潔等[9]采用三階段DEA方法對2004年我國30個省級行政單位的火電行業進行技術效率分析，研究表明地區經濟發展程度、資源稟賦等會對多省份的火電行業效率水平造成影響。張各興、夏大慰[10]利用隨機前沿生產函數對我國30個省2003-2009年發電行業技術效率進行分析，并對所有權結構、環境規制等因素對發電行業效率的影響進行了實證檢驗。王喜平等[11]利用Malmquist全要素生產率指數對中國電力行業2002-2008年能源利用效率進行了評價。曲茜茜[12]采用SBMDEA 模型對中國2000-2009年火電行業能源效率進行了研究。

上述研究普遍采用傳統的DEA模型，但該模型存在以下缺陷：首先它的“自評”體系導致評價結果偏大且不客觀；其次它未考慮決策單元之間的博弈關系。此外關于電力行業能源效率的環境約束考慮甚少，在涉及環境約束下能源效率研究當中SBM模型是目前較為流行的方法，該模型解決了投入的松弛性問題，卻無法針對決策單元充分排序。本文提出的ecoGCDEA模型則能有效解決上述弊端。

2研究方法與數據說明

2.1研究方法

博弈交叉效率測算思路是在解決傳統CCR模型不能有效排序的基礎上，引入評價單元之間的博弈關系，在避免交叉效率模型二次目標選擇的同時，放寬傳統模型嚴苛的假設條件，使其更加貼切實際，是對傳統效率測度思路和方式的一種改進。

此法有以下三點優勢：第一，對傳統DEA模型單一的“自評”體系進行了有效地補充，解決了決策單元無法充分排序的問題；第二，簡化了“交叉評價”的計算步驟，避免了“二次目標”的選擇問題，增強了模型的客觀性與穩定性；第三，弱化了傳統DEA評價模型的假設條件，將決策單元看做具有博弈關系的“參與人”，更加貼近現實生產活動。

2.2數據說明

本文在選取投入產出指標方面，緊密結合研究問題的本質，并把環境因素納入考核對象，從而形成較為科學完備的投入產出指標體系。選取中國30個省級行政單位2002-2012年的電力行業投入產出數據，其中不包含港澳臺及西藏地區。數據來源于《中國電力年鑒》、《中國環境統計年鑒》及《中國統計年鑒》等。

投入指標4個，分別為：①裝機容量：表示發電行業投資規模的重要指標，并直接關系到電力生產能力的高低；②發電煤耗量：是維系電力行業運行的重要可變投入成本；③發電設備利用小時數：是電力行業發電設備利用程度的指標；④發電廠用電率：是發電行業的用電量與發電量的比值。產出指標2個，分別為：①發電量：為期望產出，標志著電力行業的產出實現能力；②環境污染綜合指數：為非期望產出指標，采用5個環境污染指標（工業二氧化硫排放量、工業煙塵排放量、工業粉塵排放量、工業廢水中化學需氧量排放量、工業廢水中氨氮排放量）通過熵值法[14]測算綜合而成。

3實證測算與結果分析

3.1實證分析

本文在傳統DEA模型基礎上，把各地區的博弈關系納入考核，并構造考慮環境因素的綜合指標，提出ecoGCDEA模型，該模型可以有效克服測度結果夸大和不能充分排序的問題。在世界邁向低碳化發展的道路上，該模型在很多領域都將有廣泛的應用價值。本文針對環境約束下的中國省際電力行業能源效率問題展開實證研究，經Matlab軟件進行編程得到以下測度結果，見表1。

表1給出了我國30個省級行政單位2002-2012年電力行業環境約束下的能源效率變動情況。從表1能夠直觀地看到“1值”單元明顯減少，其中上海在2002-2006年、2011-2012年連續7年獲得100分，成為這些考察年段唯一一個有效決策單元；江蘇則在2008與2009年獲得100分，而浙江在2010年得100分，它們分別成為相應年段的省市標桿；其他省份在2002-2012所有考察年段都沒有出現100分。

從全國總體情況來看，我國電力行業在考察年段的能源效率發展趨勢較為明朗， 2003-2008年段上升趨勢比較顯著，從88.90上升到93.09，增長了4.7%。這說明我國從2002年開始的電力行業體制改革具有一定成效。2008年我國電力行業能源效率又出現小幅下滑，從93.09跌至2009年的92.53，這意味著2008年所爆發的金融危機對我國電力行業產生了一定的負面影響。但隨著金融風暴力度的減弱和我國一系列應對措施的出臺，截止2012年我國電力行業能源效率再次出現回升趨勢，有理由相信隨著經濟活力的進一步釋放、電力行業改革步伐的進一步深化，自2009年之后的增長趨勢會繼續保持。

行均值則反應了我國30個省級行政單位在2002-2012年電力行業能源效率發展的總體情況，不難發現各地區電力行業能源利用效率主要集中在80-100的范圍之內，該區間共涵蓋了我國29個省級行政單位。為了進一步利用省際電力行業能源效率實證結果對所有決策單元進行更加深入的比較分析，本文將根據行均值對我國各省、市、自治區、直轄市進行梯隊劃分，劃分情況見表2。

環境約束下的省際電力行業能源效率測度結果在某種程度上集中反映了電力行業發展與環境資源的協調程度。如表2所示，本文根據效率得分將30個省市劃分為四大梯隊。第一梯隊的電力行業能源效率得分普遍較高，代表了我國環境約束下能源利用的先進地區，可認為是電力行業發展與資源環境高度協調的地區。第二梯隊相對第一梯隊效率表現較弱，因此可認為是電力行業發展與資源環境中度協調的地區。第三梯隊的省份取值在90-80之間，處于得分相對低下的地區，因此可認為該梯隊的協調度處于較低水平。第四梯隊僅含有新疆一個省份，得分位于全國倒數第一，因此是電力行業發展與資源環境協調程度較差的地區。

從涵蓋范圍來看，第一梯隊涵蓋了我國華東、華北、華中以及南方地區的8個省份，其中華東地區占4個、華北2個、華中和南方各1個，而西北與東北地區沒有省份入圍，說明我國電力行業與生態環境高度協調的地區主要集中在我國華東等地。第二梯隊共有12個省份入圍，除了華中地區沒有省份入圍之外，其他地區均有部分省份進入該梯隊，是4個梯隊當中包含省份數目最多的梯隊，因此代表了中國電力行業與資源環境協調程度的一般水平。第三梯隊共有9個省份，僅次于第二梯隊，因此也具有較強的代表性，該梯隊成員主要來自于華中、南方、東北和西北地區，而華東地區未有成員進入。其中華中地區有5個省份入圍，南方有2個地區進入，東北和西北分別占1席名額。第四梯隊的成員數目最少，僅新疆一個省份，它的 效率取值落入80-70的區間，是電力行業與資源環境協調度最差的地區，也是應受到高度重視與重點發展的潛力地帶。

誠如前文所述，新模型的優點之一是能夠完成決策單元的充分排序，為了更進一步了解各個地區之間的動態性差異，彌補傳統模型無法實現的完全排序問題，在此對我國2002-2012年省際電力行業能源效率進行排名，見表3。

能源效率得分的排名情況。其中上海表現相對較好，曾在2002-2007、2011-2012年段連續排名第一；江蘇在2008和2009兩個年份排名第一；浙江省在2010年上升到第一位次。就總體表現而言得分較高的省市主要集中在我國東部地區。例如廣東和福建在排名上都有不俗的表現。其中廣東省在2008年位居第五，其他年份均在全國前五，福建情況類似。排名相對落后的地區主要集中在我國的

西部，新疆在2002、2003年度排名分別為29和28，在2004-2012年段，則一直處于全國倒數第一，而2002和2003年段的最后一名是同樣來自西北地區的青海省。排除個別省份的表現，我國電力行業能源效率排名總體呈現東部地區較高而西北相對落后的格局。

值得一提的是，通過ecoGCDEA模型所測算的省際電力行業能源效率值在2002-2012年所有考察期內，排序失效個數均為0，即在同一考察期內不存在一個以上的“1值單元”，從而做到了對決策單元的完全排序，有效克服了傳統SBM模型的弊端，為效率測算的深入研究、信息挖掘提供了可靠保障。

3.2與SBM模型的對比分析

為了更直觀地考察SBM模型和ecoGCDEA模型在測算以及排序方面的差異性，針對這一實證問題分別測算，考慮到數據量以及直觀展示等問題，在此僅選取2年的效率得分及其排序進行對比研究。本文實證分析的考察年段為2002-2012年，基本處于我國十五與十一五規劃時間范圍之內，因此選取2005和2010年（兩次規劃的最后一年）進行比較與分析。

對比可知兩種測算模型所得出的測算結果不同，但這并不妨礙整體分析，因為效率得分僅表示相對值而非絕對。ecoGCDEA模型的測算結果不存在大量的“1值單元”，從而為“有效單元”的排序提供了可能。從排序分析的對比結果可以直觀地看出ecoGCDEA模型在排序方面的優勢。在SBM測算體系下，2005年出現的有效決策單元數量為11個，這意味著在所有評價單元里，有三分之一強的決策單元無法做到充分排序。2010年的情況相對2005年有所好轉，但依然存在7個有效決策單元無法排序。而在ecoGCDEA體系中，2005年和2010年都分別出現一個“1值單元”，分別為上海和浙江，這兩個單元也在SBM模型的“1值單元”集合之內，但卻具有唯一性，因此提供了決策單元充分排序的可能。在這里需要說明的是并非所有SBM模型下的1值單元在ecoGCDEA模型中都能名列前茅，反之亦然。例如2005年在SBM模型中排名第13位的福建，在ecoGCDEA模型中上升到了第5，相差8個位次。但就總體趨勢而言，兩種測評模型對電力行業能源效率的測算及其排序結果具有一定的一致性。例如廣西，在2005年的兩次排序中分別位居第28和26位，在2010年的考察中具有相同的位次21，這種情況在所有評價單元中絕非個例。

4總結與啟示

本文采用ecoGCDEA模型對環境約束下我國省際電力行業能源效率進行了考察，從宏觀和微觀兩個層面對環境約束下電力行業能源動態效率進行分析。研究發現我國電力能源效率總體上存在上升趨勢，但相對微弱；6大電網區域中華東地區效率得分表現最好，而西北地區最為落后；各個省份的效率變化趨勢不盡相同。根據靜態結果把30個省份劃分為4大梯隊，由于靜態結果在一定程度上反映了電力行業發展與資源環境的協調程度，因此第一梯隊是高度協調地區，第二梯隊為中度協調地區，第三梯隊為低度協調地區，第四梯隊為差等協調地區。最后，為了更加直觀地反映新模型測算的優越性，把SBM模型的測評得分與排名情況與之進行對比。從測算值來看，兩種模型的測度結果存在差異性，ecoGCDEA模型的測算結果偏高，但該模型有效解決了存在過多“1值單元”而無法充分排序的情形。從排序結果來看，兩種方法存在一定的一致性，但后者解決了前者的測算缺陷，完成了決策單元的充分排序。

通過以上結論可以得出如下啟示：首先，要發展新能源、調整能耗結構，提高利用效率。對于電力行業而言，以煤炭為主的能源消費結構使其成為全國二氧化碳排放大戶，極大地制約了該行業低碳化改革的進程。在國家大力推動新能源產業發展的歷史機遇下，對于電力行業尤其是大型發電集團公司而言，要積極投身于新能源技術的研究與開發，力爭能夠優化行業的能源消費結構、順應低碳經濟發展大潮，同時規避低碳政策對高能耗企業的不利影響。其次，各大電網區域統籌協調、優勢互補、聯動發展。實證研究結果表明我國環境約束下，電力行業能源效率表現較好的區域主要集中在東部沿海地區，該地區具有良好的經濟發展基礎、工業化水平以及得天獨厚的生態系統，因此上述區域要充分發揮自身優勢，加大對電力行業發電、輸電、配電等各環節的技術研發支持力度，深入開展節能減排技術創新與升級，將低碳經濟發展與環境污染綜合治理緊密結合，并帶動其他落后地區共同進步。最后，掌握低碳經濟發展格局，積極投身碳金融市場，利用市場機制深化節能減排。電力行業是碳排放較重的領域，同時也是節能減排的重點領域，我國碳金融市場已經初步建立，勢必對電力行業的發展產生重大影響，電力行業將成為節能減排的主要控制對象。因此，在機遇與挑戰面前，應當積極參與各種碳交易活動，讓碳金融市場為火力發電的清潔化與高效化發展助力，從而推動整個電力行業的低碳化進程。

（編輯：尹建中）

參考文獻（References）

[1]Fre R， Grosskopf S， Logan J. The Relative Performance of Publiclyowned and Privatelyowned Electric Utilities[J]. Journal of Public Economics， 1985， 26（1）： 89-106.

[2]Goto M，Tsutsui M.Comparison of Productive and Cost Efficiencies Among Japanese and US Electric Utilities[J]. Omega，1998，31（2）： 177-194.

[3]Vaninsky A. Efficiency of Electric Power Generation in the United States[J].Energy Econmics，2006，28（3）：326-338.

[4]Arocena P.Cost and Quality Gains From Diversification and Vertical Integration in the Electricity Industry [J].Energy Economics，2008，30（5）：39-58.

[5]RamosReal F J，Tovar B，Iootty M， et al. The Evolution and Main Determinants of Productivity in Brazilian Electricity Distribution 1998-2005 [J]. Economics， 2009， 31（6）： 298-305.

[6]Sueyoshi T， Goto M. Efficiencybased Rank Assessment for Electric Power Industry [J]. Energy Economics， 2012， 34（3）：634-644.

[7]Welch E， Barnum D. Joint Environmental and Cost Efficiency Analysis of Electricity Generation[J]. Ecological Economics， 2009， 68（5）：2336-2343.

[8]縢飛，吳宗鑫.中國電力企業的績效分析[J].數量經濟技術經濟研究，2003，（6）：127-130. [Teng Fei， Wu Zongxin. Analysis of Electric Power Enterprises Performance in China[J].Quantitative&Technica Economics， 2003，（6）：127-130.]

[9]白雪潔，宋瑩.中國各省火電行業的技術效率及其提升方向[J].財經研究，2008，34（10）：15-25.[Bai Xuejie，Song Ying. Technical Efficiency and Its Upgrade Orientation of Thermal Power Industry in Provinces of China[J].Journal of Finance and Economics， 2008， 34（10）： 15-25.]

[10]張各興，夏大慰.所有權結構、環境規制與中國發電行業的效率[J].中國工業經，2011，（6）：130-139.[Zhang Gexing，Xia Dawei.Ownership Structure Environment Regulation and Efficiency of Chinese Power Generation Industry[J].China Industrial Economics， 2011， （6）：130-139. ]

[11]王喜平，姜曄.中國電力行業能源利用效率及收斂性分析[J].現代電力，2011，28（4）：84-89.[Wang Xiping，Jiang Hua. Convergence Analysis on Energy Utilization Efficiency in Electric Power Industry of China[J].Modern Electric Power， 2011，28（4）：84-89. ]

[12]曲茜茜.火電行業環境效率評價及監管研究[D].天津：天津大學，2011：32-35.[Qu Qianqian. Study of Environmental Efficiency and Monitoring in Thermal Power Industry[D].Tian Jin：Tian Jin university，2011：32-35. ]

[13]Liang L，Wu J，Cook WD，et al.The DEA Game Cross Efficiency Model and Its Nash Equilibrium[J].Oerations Research，2008，56（5）： 1278-1288.

[14]胡曉珍，楊龍.中國區域綠色全要素生產率增長差異及收斂分析[J].財經研究，2011，37（4）：123-134.[Hu Xiaozhen，Yang Long. Analysis of Growth Differences and Convergence of Regional Green TFP in China[J].

AbstractSince the 21st century environmental deterioration arising from energy consumption has aroused widespread concern and discussion. Because traditional models failed to consider the relationship of DMUs， and its result cant be fully sorted， this paper put forward the ecoGCDEA model， and the model was applied to study provincial electric power industry of Chinas energy consumption and environmental coordinated development degree. With Chinas 30 provinces in 2002-2012 panel data of the electric power industry selected， the undesirable output indicators through the entropy method combine industrial SO2 emissions，industrial soot emissions etc. five environmental pollution indexes， making efforts to maximize the depict of the current existing problems of environmental pollution.On the basis of constructing environmental pollution comprehensive index， the paper uses the ecoGCDEA model to perform measuring and sorting for Chinas provincial electric power industry energy efficiency under the environment restriction， and applies the measured results of the model to compare with the current relatively popular SBM model. The study found that the new model finished full sort of all DMUs and effectively overcome the defects of traditional SBM model. Under environmental constraints power industry energy efficiency scores exist relatively slow growth trend， and the eastern region in energy and environmental development coordination degree of the electric power industry is higher than the central and western regions.Finally according to the result of empirical analysis， the article put forward two suggestion as follows：on the one hand，we should develop the new energy， promote clean technology research and development， and adjust the structure of energy consumption.On the other hand，we need correctly deal with the carbon financial market opportunities and challenges for the power industry and deepen the energy conservation and emissions reduction in the participation of carbon financial market activities.

Key wordsthe game relationship； power industry； ecoGCDEA model； fully sorting