中國電力消費的動態時空特征及其驅動因素

劉自敏 崔志偉 朱朋虎

摘要

電力消費的動態時空變化是國家能源布局規劃中的重要問題。本文利用中國286個地級市城市數據可視化了2004—2016年間電力消費重心的動態變化，并基于電力消費量驅動消費重心變化的理論分析，進一步通過廣義迪氏指數分解法（GDIM）將電力消費量的變化分解為經濟規模、電力強度、投資規模、投資效率、人口規模、人均用電量、人均生產總值及固定資產投入產出八個效應，分層次分析了電力消費量變化的影響因素貢獻度。研究結論為：①三類電力消費重心都位于中部地區，但均偏離幾何重心而偏向于東部經濟發達地區，同時呈現出整體向西南方向遷移的趨勢，因此要篩選主要的電力供需點及中轉節點來建設能源基礎設施，以最小的經濟成本來最大化其輻射范圍;②當前電力消費重心與幾何重心的距離逐漸減小，但若保持目前趨勢，在越過垂直的最小點后有擴大的可能，反映出中國目前區域發展不均衡的狀況有所改善但仍不能忽視，未來應要繼續促進區域均衡發展;③東北地區的年均電力消費增長率最低，北部沿海、東部沿海次之，西北地區的年均電力消費增長率最高，綜合作用下拉動了電力消費重心整體向西南方向遷移，在進一步的能源基礎設施布局中要著重考慮電力消費重心的動態變化趨勢;④經濟規模和投資規模是促進電力消費量增長的主要推動力，電力強度與投資效率則是抑制電力消費量增長的主要因素，因此要根據不同地區的影響因素貢獻度變化進行差異化管理。本文為優化能源布局和制定能源政策提供了理論支持和政策指導。

關鍵詞電力消費;重心法;時空變化;GDIM;影響因素

中圖分類號F129.9

文獻標識碼A文章編號1002-2104（2019）11-0020-10DOI：10.12062/cpre.20190509

為了保障我國生產生活的電力需求并促進電力消費與生產間的銜接平衡，中國從上世紀末開始實施“西電東送”工程，一定程度上解決了電力資源與電力負荷分布不均衡的狀況。然而，在我國地緣廣闊而資源分布不均的背景下，輸配電網等電力基礎設施建設成本高、周期長的特點對電力基礎設施布局以及輸配電網規劃等提出了更高要求。同時，我國各地經濟發展水平差異較大，其長期電力需求更是難以預測，實現電力生產與電力消費間的有效銜接需要準確把握電力消費的時空變化特征。

重心概念來源于物理學，自1872年Hilgard將其用于研究美國的人口問題后，這種簡潔的方法就被廣泛應用于諸如人口、農業、能源等地理分布領域的研究。重心主要由地理位置和研究屬性決定，當地理位置保持不變時重心的變化就反應了研究屬性的變化，因此電力消費重心遷移背后的根源在于電力消費量的變化。基于此，本文通過引入電力消費重心概念來反映中國電力消費的空間分布狀況，以重心遷移來響應時間趨勢，并進一步使用廣義迪氏指數分解法（GDIM）分析電力消費變化的影響因素，為優化我國電力基礎設施布局以保障我國電力資源高效利用提供參考。

1文獻回顧

現有相關研究主要從以下幾方面展開。一是關于能源消費的空間分布情況，尤其是運用能源重心方法對空間布局的分析。能源重心是指在二維平面空間中在各個方向上保持能源屬性均衡的一個質點，Wang等[1]在探索全球能源生產與消費的時空特征中發現不同種類的能源在其格局演變中重心遷移趨勢各不相同?；诮洕c能源的相關性，有學者將能源重心與經濟重心等聯系起來分析了能源生產、消費與經濟發展區域差異的動態變化及其相互關系[2-3]。此外由于能源供需空間上的差異，Zhang等[4]測量了中國能源生產與消費重心的位置、移動、距離和速率的變化，進而解釋了能源供需格局上的區域差異。劉滿芝等[5]則根據中國煤炭的儲、產、消以及經濟的重心位置、重心移動距離和方向進行產業空間布局的優化。

二是關于能源重心移動的因素貢獻度分析。在重心移動分解中，葉明確[6-7]較為系統地總結了常用的貢獻度分解方法在重心法研究中的不適用性且給出了解決方案，并以中國經濟重心變動為例指出每個階段下的重心移動均是不同地區的不同影響因素所造成的。基于不同的能源種類，Zhang等[8]探究了中國石油生產與消費重心遷移的因素分析，張露等[9]和李蘭蘭等[10]分別按照地理和經濟等劃分區域研究了中國天然氣的消費重心遷移貢獻大小的原因與規律，基礎設施、需求和服務效率分別在不同時期對不同地區產生影響，進而影響天然氣消費重心的移動。聚焦在電力方面，謝品杰等[11]分析了電力強度重心的遷移路徑，內部差異引起的重心演變推力主要受到西北、西南、華北地區的影響。

三是關于能源消費量變化的分析。越來越多的學者采用分解法來探究能消費量變化背后的原因，常見的有指數分解和結構分解方法。較有代表性的是，Ang & Choi[12]基于傳統階乘指數分解提出了對數平均迪氏分解（LMDI），克服了傳統方法中存在分解殘差和零值問題的缺陷。Ang[13]基于理論基礎、適應性、易用性和結果展示等方面考慮，認為LMDI是能源領域中的首選方法，此后LMDI廣泛運用在環境污染尤其是碳排放及能源消費等方面的影響因素分析中[14]。Vaninsky[15]進一步對LMDI在實際運用中無法考察多個絕對變量的影響等進行了完善，并提出了廣義迪氏指數分解法（GDIM）。眾多學者運用GDIM分析了相關行業中碳排放的影響因素并結合當前綠色發展的趨勢提出了碳減排的相關建議[16-18]。

梳理上述文獻可以看出，將重心法引入能源領域能夠反映電力消費的空間分布，同時在探索電力消費量變化背后的原因時采用分解法也具有簡單易操作且沒有殘差等優點。但由于重心移動是一種復雜的合力結果，當前對能源重心的研究大多是在省級數據確定全國重心的基礎上進行簡單的遷移路徑分析，并在能源消費影響因素分析時基本使用傳統的LMDI方法。目前尚缺乏基于城市層面對省級和全國能源消費重心的動態刻畫。伴隨著能源改革市場化的進一步深入，同時各地區間經濟發展水平不均衡、產業結構差異大、人口及能源等要素分布不均，使得省域間的電力消費特征和電力消費的影響因素有較大的區域差異性。明確與識別省級層面的消費重心動態變化及其影響因素對于市場化改革下進行精準能源戰略布局具有重要的現實與政策含義。

本文試圖在以下方面有所創新：①研究方法上，借鑒碳排放領域使用GDIM方法的思路，將GDIM引入電力消費領域，可以把多個絕對影響因素同時納入分析框架，相比LMDI能更為全面有效地度量電力消費變化背后的主要驅動力;②實證分析中，基于地級市城市數據在將電力消費重心細化到省級層面的基礎上，將電力消費的時空分布特征與電力基礎設施布局聯系起來，進而為能源基礎設施布局的前瞻性規劃提供有益參考。

2基本概念與研究方法

2.1消費重心及變動

重心是指在空間中保持均衡的一個質點，在二維平面中由各區域地理位置和所研究的目標變化兩個因素決定，在地理位置保持不變的情況下重心的位移就反映了所研究目標的變化。具體到本文中為某地區由n個地級市組成，則求該地區電力消費重心的計算公式為：

Xt=∑ni=1QitXi/∑ni=1Qit

Yt=∑ni=1QitYi/∑ni=1Qit

（1）

其中，（Xi，Yi）為該地區地級市i的地理重心經緯度坐標，其緯度為Xi、經度為Yi，Qit為該市i第t年的電力消費量，則（Xt，Yt）為該地區第t年的電力消費重心。需要注意的是，在求特定的電力消費重心時要保持屬性維度的一致，依次求出社會電力消費重心、工業電力消費重心以及城鎮居民生活電力消費重心。重心計算的前提條件是二維平面，故使用歐氏距離計算移動距離?？紤]到經緯度與實際的比例差距，參考王維華[3]的比例系數111.111，得到：

Dt1，2=C×（X—t2-Xt1）2+（Yt2-Yt1）2

（2）

其中，Dt1，2為時間t內的移動距離，C為比例系數，（Xt1，Yt1）為重心在基期的經緯度，（Xt2，Yt2）為終期經緯度。

2.2廣義迪氏指數分解

2.2.1基本變量

電力是生產活動的重要動力來源，也是社會進步的重要支撐條件，這決定了電力消費受到眾多因素的影響。不難發現，目前對于能源消費的因素分解模型及指標選取較為固定，經濟發展、人民生活與電力息息相關，可以明顯看出經濟規模和人口規模均是影響電力消費的主要因素[19]。劉暢和李承財[20]、申俊等[21]發現經濟的迅速發展以及人口規模的擴張均促進了我國的能源消費。同時隨著人們生活水平日益提高和社會的快速發展，家庭電器的數量和種類也在不斷豐富，更多的電器進入了人們的日常生活中，帶來的必然是人均用電量的大幅增長，進而導致電力消費量的增加[22-23]。但另一方面，隨著人均GRP的提高和環保意識的增強，人們也更有動力去購買更加先進、節能的電器，這將有助于提高電力利用率[24]。與此同時，隨著電力強度的下降，勢必會提高電力的利用效率而降低電力消費量[25]，但效率的提高也可能會因回彈效應的存在而進一步促進電力消費的增長[26]，因此電力強度效用的真實情況有待檢驗。

此外現有研究更多的是考察經濟規模或者人口規模對于能源消費的影響，很少考慮到投資對能源消費的影響。實際上，改革開放以來，大規模的固定資產投資也促進了能源消費[27]，因此本文特別引入投資規模、投資效率等因素來完善電力消費的影響機理分析。具體來看，當進行固定資產投資時，相當一部分投資被用于基礎設施建設，在建設和運營時就導致了大量的電力消費，而且又會形成電力基礎設施等有效保障了電力供應，所以固定資產投資規模直接對電力消費產生了促進作用。同時當資本配置效率改善時，在提高固定資產投入產出的同時也將間接降低電力消費，而當企業等進一步進行更新和改造節能減排設備時，其投資效率也會提高電力利用效率進而降低電力消費量[17，28]見圖1。

2.2.2分解模型

Vaninsky在Kaya恒等式的基礎上提出了GDIM，本文在其基礎上將GDIM引入電力消費量變化的影響因素分解，具體有如下關系：

其中，E為該地區的電力消費量，GRP為地區生產總值，INV為固定資產投資，POP為人口數量，PI=E/GRP為電力強度，IE=E/INV為投資效率，PE=E/POP為人均用電量，PG為人均生產總值，IO為固定資產投入產出比。進一步根據式（3）變換：

ΔGRP為經濟規模效應，反映了經濟發展的影響;ΔPI為電力強度效應，反映電力的利用效率;ΔINV為投資規模效應，說明固定資產投資的影響;ΔIE為投資效率，說明投資的節能效果;ΔPOP為人口規模效應，反映人口變動的影響;ΔPE為人均用電量，反映人們生活水平變化的影響;ΔPG為人均生產總值，反映人們收入變動的影響;ΔIO為固定資產投入產出比，反映資本配置效率。再進一步，我們得到了所有剩余的階乘指標和由此產生的指標隨時間變化與方程一致，并在此基礎上定義電力消耗量Q在時間t上的指數函數并對t求導為：

Q（t）=（Q1Q0）t，dQ（t）dt=ln（Q1Q0）Q（t）

（9）

其中，Q0和Q1分別是其基期數值和最終值。通過GDIM分解將電力消費量的變動分解為以上8個效應。

3數據說明

本文所使用的地理信息數據來自于GPSSPG網站，在計算省級電力消費重心中參照通用做法采用各地區地級市的行政中心的位置來指代地理中心。而各地級市電力消費以及分解所用指標數據均來自《中國城市統計年鑒》，其中2005年的統計年鑒才開始將社會用電中的工業電力消費和城鎮居民生活電力消費分開統計，因此本研究期為2004—2016年。在分析電力消費影響因素時使用的省級層面數據由地級市數據加總得到，部分地級市數據缺失時采用均值法進行插值并對總量進行一定調整。為剔除時間、通貨膨脹等因素對本研究的影響，本文使用各地區統計年鑒中的居民消費價格指數和固定資產投資價格指數分別對地區生產總值、固定資產投資進行調整，處理后的各主要變量的描述性統計見表1。

4實證結果

本節首先可視化了整體電力消費重心的動態變化軌跡，并分地區分析了三類重心的趨勢變化，然后進一步考察了重心距離變化的情況。由式（1）可知，當地理信息保持不變時重心變化反應了研究屬性的變化，因此電力消費重心遷移背后的根源在于電力消費量的變化。進一步使用GDIM分析各地區的社會電力消費量變化主要影響因素的貢獻度。

4.1電力消費重心的動態時空特征

4.1.1全國層面

基于286個城市電力消費數據和地理信息計算出

2004—2016年研究區域內三類電力消費重心，具體移動軌跡見圖2。幾何重心是假定研究屬性均為1的無量綱屬性算出，因此能夠較為簡單地反映研究區域地理的重心點，進而一定程度上代表該地區的穩定點。通過加入幾何重心作為參照點來比較電力消費重心與幾何重心的差距變化，來顯示區域內的電力消費均衡度。其中中國港澳臺地區、新疆及西藏由于數據可得性等問題并沒有納入計算。

從重心分布地看，2004—2016年期間三類重心雖然都位于中部地區，但實際上均偏離幾何重心而偏向于東部沿海地區。因此可以認為東部地區仍然是目前中國電力消費的主要地區。同時社會用電跟工業用電兩者變動具有同步性，而城鎮居民生活用電重心移動幅度更大。工業用電由于占據社會用電比重大，同時電力也是工業生產中必不可少的生產要素，易受經濟狀況等因素影響，多方綜合作用下拉動社會用電重心與之一起向經濟發達地區偏移。

而城鎮居民生活用電為人們基本的生活需求，相對受人口數量、家庭電器數量等因素的影響更大。

從重心移動趨勢看，雖然三類重心都有反復，但總體仍呈現向西南方向移動的趨勢。從緯度上看，社會用電、工業用電與城鎮居民生活用電分別向西移動了0.40°、0.39°、0.44°，經度上三者分別向南移動了0.36°、0.41°、0.52°，表明重心呈現向西南遷移的趨勢，說明西南地區將是未來電力消費增長的主要力量。在資源就地轉化的地緣限制下，通過合理規劃輸配電網等電力基礎設施的布局來優化電力資源配置、保障用電需求將是不可忽視的焦點問題。

4.1.2省級層面

因重心計算中子區域應多于1個，本文排除直轄市及青海、海南，使用余下數據計算23個地區重心的分布位置，見表2、圖3。

從整體重心位置來看，多數重心均偏向于其地區內經濟較為發達的位置。沿海城市相對內陸城市要經濟領先，使得電力消費也遙遙領先，進而拉動電力消費重心向沿海方向偏移。此外具有類似現象的還有安徽、江西、河南、湖北、湖南等區域內有長江、黃河等主要水系流過的省份。江蘇則是受這種航運所帶來的經濟輻射作用最為明顯的省份。此外寧夏自治區的電力消費重心明顯聚集在其北部，這是因為在其北部有黃河流域而南部屬高原地帶，不利于經濟發展，二者綜合作用下使得出現重心偏移嚴重的現象。類似的還有四川地區。而黑龍江、內蒙古、云南等地處中國邊境的地域，由于邊境區域的經濟發展狀況以及地理地貌的限制等，導致其電力消費重心偏向國內方向。重心所在地與省會或經濟發達地區有較大重合性。一般來說，省會城市均是該地區的經濟、人口、政治中心等，這也表明在省域視角下的電力消費重心跟該地區的經濟等聯系緊密。因此從省級層面上考慮電力基礎設施建設時，應當圍繞其經濟發達地區來考慮，如作為主要輸配電網的終點，在城郊建設大型變壓站等。

除去遼寧、安徽、福建、山東、湖北、湖南、貴州七個地區，剩余地區的城鎮居民生活用電重心相對于其他重心來說更趨向于地區幾何重心，表明城鎮居民生活用電分布相對來說較為均衡，這是由于城鎮居民生活用電多為人民生活基本需求，受經濟、地域等影響相對要小。而工業用電則與之相反，偏向該地區經濟發達方向的同時也帶動社會電力消費重心隨之偏移。

4.1.3重心距離分析

幾何重心代表該地區的穩定點，而電力是經濟發展中不可或缺的要素，在一定程度上代表經濟發展狀況，因此電力消費重心與幾何重心的距離能夠從側面反映區域發展的均衡狀況。

從整體上來看，三類電力消費重心與幾何重心的距離雖有反復，但總的仍呈下降趨勢。沿海地區的經濟發展明顯優于內陸，但隨著“西部大開發”等戰略的相繼實施，通過政策紅利等措施來促進區域均衡發展，以東部經濟發達地區來帶動西部地區發展的政策目標取得了一定進展，說明中國目前的區域發展不均衡的狀況得到改善。另一方面從距離幾何重心的方位來看，得益于近些年南方地區經濟發展迅猛，由原先的東部逐漸偏移到南方。這從研究期內地區GDP增速可以明顯看出，前幾名均為貴州、云南、重慶等西南地區省份，而東北、天津等地區則處于下半區。結合圖2從預測的角度看，如果電力消費重心繼續保持當前的遷移趨勢，那么在越過最小距離點后其與幾何重心的距離將會增大，因此從社會均衡發展的角度出發全面振興東北老工業地區等顯得尤為重要。

4.2電力消費變化影響因素分解

4.2.1全國層面

本文對每一年的實際情況進行單獨分解分析，計算中將2004年設為基期（實為2005年初期數據），2005年為終期，計算結果為2005年情況，以此類推。圖4為全國社會用電中的變量鏈式變化率。

研究期間電力消費增加了152%。從整體來看，電力消費量與地區生產總值、固定資產投資、人均生產總值呈現同向變動，均保持較高的增長率，而人均用電量在保持前幾年的穩定增長后在2013年則基本穩定，甚至還略呈下降趨勢;人口規模與固定資產投入產出比在研究期間基本維持穩定，也僅增長了不到50%;而電力強度與固定資產投資所帶來的電力利用效率則呈現持續下降趨勢。所有數據在2008—2010年段均出現較大波動，這可能與2008年次貸危機的滯后影響有關。進一步地，本文分析了全國社會用電的歷年消費量變化的影響因素貢獻度，從歷年來看每個因素的影響大小都不是很穩定，并偶爾改變影響方向，故本文將每個因素進行加總取均值處理以反映整個研究期間的影響情況，見圖5。

總體來看，我國目前的電力消費增長趨勢呈現逐漸放緩的趨勢，可能的原因之一是自次貸危機后愈發重視的工業轉型升級取得了初步成果。在歷年電力消費量變化中，正向驅動效應始終占據主導地位。在電力消費年均8.1%的增長率中，投資規模貢獻額高達5.05%，經濟規模也達到了3.89%，其次是人均用電量和人口規模。具體來說，在市政工程建設等公共領域和企業擴大再生產決策中，固定資產建造中會消耗大量電力能源，其日常運行過程中電力消費也不容忽視。大規模的固定資產投資是造成我國電力消費增長的決定性原因，控制無謂的固定資產投資與遏制產能過剩行業及高耗能高污染行業的盲目擴張需要進一步加強。經濟產出也是電力消費增長的次要因素，前期的快速增長使得經濟規模對于電力消費增長的貢獻效應顯著。次貸危機后的工業振興規劃雖然使影響趨勢產生波動，但隨著我國經濟進入新常態，經濟增長由高速增長轉向中高速增長，其對電力消費的促進影響也在不斷削弱中。人均用電量對于電力消費的影響具有較大的波動，在2014年和2015年更

成為電力消費增長的限制因素，但總的來說還是以促進為主。隨著人們生活水平日益提高和社會發展，更多的電器進入了人們的日常生活中，帶來用電量的大幅增長。人口規模一直對電力消費

增長保持著微弱的貢獻，基于龐大的人口基數和我國人口城市化率的不斷提高，城鎮人口規模始終保持著穩定的逐步增長，這些都一定程度上促進了電力消費。

在負向抑制效應方面，投資效率達到2.19%，電力強度為1.12%，是限制電力消費增長的主要力量，投資效率更主要體現的是固定資產投資的節能效應，設備更新等所帶來的能源效率改善對耗電量產生了影響。在電力強度方面，當單位GRP的電力消費下降時表明我國的技術效率和電力利用效率的情況均大幅改善，這既跟技術創新有關，也是當前將碳排放約束納入企業經營決策的結果。碳交易市場的建立將會倒逼企業等主體不斷尋求低碳發展的最優路徑，而電力行業作為高耗能、高排放行業的典型代表也將承擔起更多壓力。而人均生產總值與固定資產投入產出雖然也起到了一定的抑制作用，但表現并不明顯。同時資本生產率的提高也對電力消費產生了負向作用，在未來的節能減排中資本、技術要發揮更大的作用。

4.2.2區域層面

本文進一步分析各地情況，結果見表3、圖6。所有地區的電力消費都處于增長趨勢，但各地的差異性較大。如黑龍江、上海、山西等地的電力消費增長較慢，而海南、陜西、重慶、寧夏、青海等西部地區增速較快，這也和近些年來各省生產總值的增速情況在一定程度上符合。可以看出，經濟規模對各省市的電力消費增長均起到促進作用，尤其是重慶、青海等地都達到了6.5%以上，但遼寧、黑龍江僅為2%左右。投資規模同樣具有明顯的促進作用，而北京、上海兩地作為我國的政治、經濟中心，城市發展規模等早已超越其他省份，其投資規模效應相對來說并不是很明顯，河北、安徽、河南、廣西、貴州、陜西等經濟相對不發達的地區則表現的較為突出。除湖北外，人口規模與人均用電量同樣是正向效應。

在負向抑制效應中，電力強度對大多數地區起到明顯的限制作用，但有所差異，說明我國的電力利用效率雖然在不斷地持續提升，但是區域差異性依然存在，部分地區的電力利用效率扼需改善。而投資效率的抑制程度相對來說甚于電力強度效應，雖然固定資產投資導致了電力消費快速增長，但是另一方面固定資產投資所帶來的設備更新等技術升級的效果又能夠有效抑制電力消費的快速增長。但遼寧、北京、青海表現為正向促進，其固定資產投資等非但沒有有效改善生產效率，反而帶來了負面效果。人均生產總值與固定資產投入產出比抑制效果沒有前兩者明顯，但在所有地區中也都是降低電力消費的組成部分。電力消費重心的移動是多種因素綜合作用的合力結果，基于各地經濟的發展水平和聯系程度，本文進一步從經濟分區的視角來分析消費重心的移動與電力消費驅動因素的關聯性。

從經濟分區來看，電力消費增長率方面東北地區最低，年均增長率僅為5.71%，北部沿海、東部沿海次之，南部沿海、西南地區、黃河中游、長江中游地區也均達到了9%以上，西北地區最高，達到了16.27%。由于8大經濟區域的電力消費增長率差異明顯，導致電力消費重心逐年向西南方向遷移?？梢钥闯?，東北地區經濟規模的促進效應是最低的，僅為2.42%，這與東北整體的經濟低迷有很大關系。電力消費能夠在一定程度上反映經濟發展狀況。在人均用電量方面，除了東北和西南地區，其余地區的促進效用均在2%以上，西北地區更是達到了4.95%。在當前我國資源總量龐大但人均不足的情況下，應當努力降低高效應地區的人均用電量，這不僅有利于我國碳規制目標的實現，也有利于消費重心的調控。

另一方面東部沿海的投資規模效應最低，僅為3.73%，而長江中游、西北地區、西南地區均達到了6%以上;西南地區的投資效率達到了3.28%，東部沿海、西北地區卻均不到1%，這也正是西南地區在正向促進效應巨大的情況下總效應不大的關鍵原因。也就是說西北、西南地區的投資規模都顯著促進電力消費的同時，西南地區較西北地區更多投向了效率提升。西北地區的電力強度效應為正，在省級層面中甘肅僅為-0.51%，寧夏為0.27%，青海更是達到了2.84%。說明西北地區的電力能源利用效率并不高，經濟發展較為粗放，在其他地區電力強度效應積極發揮節能減排作用的同時西北地區正相反。這也導致西北地區的電力消費增長率遠遠高于其他地區，加之東北地區的電力消費增長率明顯過低，進而拉動電力消費重心向西南方向遷移。這也反映當前中國能源利用效率、技術創新及利用等存在一定程度上的地區差異。

5結論及政策建議

本文通過引入消費重心來反映中國電力消費的空間分布，并進一步通過GDIM探究電力消費量變化的主要影響因素，主要結論和建議如下：

首先，三類電力消費重心都位于中部地區，但均偏向于東部經濟發達地區，同時呈現出整體向西南方向遷移的趨勢。政府部門要篩選主要的電力供需點及中轉節點，基于地理地貌條件構建以主要節點為核心的全國輸配電網絡體系并優化骨干電力網絡布局。能源基礎設施的選址

如能源基地、大型電力變壓站等應當圍繞電力消費重心所在的經濟發達城市，達到以最小的經濟成本來最大化其輻射范圍的目的。

其次，電力消費重心與幾何重心的距離目前呈現減小的狀態，但未來可能有擴大的趨勢。得益于西南地區等近些年的較快發展使得電力消費重心向幾何重心靠近，從側面反映出中國目前區域發展不均衡的狀況有所改善。但因東北老工業地區的“深陷泥潭”等導致未來的發展形勢并不樂觀。因此像東北地區等經濟發展遲緩的地區，要抓住中央政府的政策紅利，尤其是借助冰上絲綢之路等倡議下的地緣優勢，實現新時代下全面、全方位振興。

再次，東北地區的年均電力消費增長率最低，北部沿海、東部沿海次之，西北地區最高，綜合作用下拉動了電力消費重心整體向西南方向遷移。說明西北、西南及南部沿海等地區是未來電力消費增長的主要區域。但目前的輸配電網等電力設施布局規劃仍然側重東部地區?；谀茉椿A設施的長期性和投資規模大的特點，在能源基礎設施布局中要著重考慮能源消費重心的動態變化趨勢。

最后，經濟規模和投資規模是促進電力消費的主要推動力，電力強度與投資效率則是抑制電力消費增長的主要因素。東北地區電力消費增長緩慢的主要因素是經濟增長乏力，相比通過投資等來拉動電力消費增長，實現東北經濟的復蘇是更為理想和合適的選擇，因此實現新時代下的東北全面振興顯得尤為必要。而西北地區相對粗放的經濟發展方式導致了較高的電力消費，因此要提高資產、能源等的利用率，實現效益與效率的同向進步。不同地區要根據電力消費的特點進行差異化管理，促進經濟健康均衡發展。

隨著電力發展“十三五”規劃的發布，已經開始論證全國同步的電網格局。未來應當繼續關注電力能源基礎設施的布局優化。本文將研究目標放在電力行業這一單能源系統中具有一定的局限性，下一步的研究將建立在全能源系統中，將碳排放約束也納入整體分析框架。

（編輯：劉照勝）

參考文獻

[1]WANG W W， ZHANG M， LI P. Exploring temporal and spatial evolution of global energy production and consumption [J]. Renewable & sustainable energy reviews， 2014， 30（2）：943-949.

[2]任志遠，李強.1978年以來中國能源生產與消費時空差異特征[J].地理學報，2008，63（12）：1318-1326.

[3]王維華.中國經濟重心與能源消費重心動態軌跡的實證研究[J].西安財經學院學報，2016，29（2）：81-85.

[4]ZHANG Y， ZHANG J Y， YANG Z F， et al. Analysis of the distribution and evolution of energy supply and demand centers of gravity in China [J]. Energy policy， 2012， 49（10）：695-706.

[5]劉滿芝，馬燕燕，周梅華，等.中國煤炭供需與經濟的重心演變軌跡研究[J].中國管理科學，2012，20（S2）：820-826.

[6]葉明確.系統重心遷移的貢獻度分解方法[J].系統管理學報，2012，21（4）：559-563，570.

[7]葉明確.1978—2008年中國經濟重心遷移的特征與影響因素[J].經濟地理，2012，32（4）：12-18.

[8]ZHANG M， XIA Q， WANG W W， et al. Study on temporal and spatial evolution of Chinas oil supply and consumption [J]. Natural hazards， 2014， 72（2）：809-825.

[9]張露，龔承柱，李蘭蘭，等.中國天然氣供需重心遷移路徑及貢獻度分解[J].中國人口·資源與環境，2013，23（12）：90-97.

[10]李蘭蘭，徐婷婷，李方一，等.中國居民天然氣消費重心遷移路徑及增長動因分解[J].自然資源學報，2017，32（4）：606-619.

[11]謝品杰，潘仙友，林美秀.中國電力強度重心遷移及差異研究[J].世界地理研究，2017，26（2）：119-126.

[12]ANG B W， CHOI K H. Decomposition of aggregate energy and gas emission intensities for industry： a refined Divisia index method [J]. Energy journal， 1997， 18（3）：59-73.

[13]ANG B W. Decomposition analysis for policymaking in energy： which is the preferred method？[J]. Energy policy， 2004， 32（9）：1131-1139.

[14]ACHO C， SCHAEFFER R. Decomposition analysis of the variations in residential electricity consumption in Brazil for the 1980-2007 period： measuring the activity， intensity and structure effects [J]. Energy policy， 2009， 37（12）：5208-5220.

[15]VANINSKY A. Factorial decomposition of CO2 emissions： a generalized Divisia index approach [J]. Energy economics， 2014，45：389-400.

[16]SHAO S， LIU J H， GENG Y， et al. Uncovering driving factors of carbon emissions from Chinas mining sector [J]. Applied energy， 2016，166：220-238.

[17]邵帥，張曦，趙興榮.中國制造業碳排放的經驗分解與達峰路徑——廣義迪氏指數分解和動態情景分析[J].中國工業經濟，2017（3）：44-63.

[18]YAN Q Y， YIN J T， BALEZENTIS T， et al. Energyrelated GHG emission in agriculture of the European countries： an application of the generalized Divisia index [J]. Journal of cleaner production， 2017，164：686-694.

[19]林伯強.電力消費與中國經濟增長：基于生產函數的研究[J].管理世界，2003（11）：18-27.

[20]劉暢，李承財.基于LMDIANNDEA集成方法的我國能源消費評價與優化研究[J].江淮論壇，2017（4）：77-82.

[21]申俊，孫涵，成金華.中國城鎮居民能源消費及其影響因素[J].北京理工大學學報（社會科學版），2016，18（1）：45-53.

[22]楊正東，李京文.能源因素分解模型的比較、改進與應用[J].管理學報，2015，12（12）：1860-1864.

[23]賈艷琴.西北地區城鎮化進程中的家庭電力消費差異研究[J].資源開發與市場，2015，31（6）：731-735.

[24]于啟武， 陳立平，郭慧婷.北京城鎮居民節能電器消費及節能效果分析[J].北京工商大學學報（社會科學版），2012，27（6）：96-103.

[25]孫涵，申俊，彭麗思，等.中國省域居民生活能源消費的空間效應研究[J].科研管理，2016，37（12）：82-91.

[26]李金鎧，劉宗項，張瑾，等.能源回彈效應研究述評[J].管理學刊，2018，31（1）：9-21.

[27]歐育輝，劉軼芳，尤佳.基于面板數據模型的能耗與固定資產投資關系的實證研究[J].管理學報，2009，6（1）：51-56.

[28]何曉萍.基礎設施的經濟增長效應與能耗效應——以電網為例[J].經濟學（季刊），2014，13（4）：1513-1532.