基于生產理論分解分析的火電企業碳排放驅動因素與時變趨勢

解百臣 譚昕昀 張爽

摘要 分析火電企業碳排放變化的驅動因素以及減排潛力是實現電力部門乃至國家減排目標的前提和基礎。文章提出了基于半可處置性的生產理論分解分析模型，研究了中國17家主要火電企業2008—2018年碳排放變化的驅動因素和時變趨勢。同時，有針對性地引入裝機容量利用率因素，分析各因素碳排放貢獻值的時變趨勢，比較中央管理與地方國有企業的差異性，為行業政策制定和火電企業變革提供新思路。實證結果表明：① 研究期間各企業的碳排放均有所增長，其中裝機容量的增長是促進碳排放增長的最主要驅動力，裝機利用率、潛在能源強度、潛在排放強度以及碳排放績效則不同程度抑制了排放量的上升。② 中央管理企業的整體可處置性程度較高，且內部差異較小;經濟發達地區的地方國有企業則表現出較高的可處置性程度，而主營區域煤炭資源豐富的企業則表現相對較差。總體而言，兩類企業在各驅動因素貢獻的占比上存在差異。③從時變分析來看，新增裝機容量對排放量變化的貢獻逐漸降低，裝機利用率已逐漸成為最主要的影響因素。與此同時，現有裝機容量利用率則處于低位，亟待提升。未來應繼續控制火電新建項目總量，并確保設備的技術先進性和能源的高效利用;考慮到企業的差異性，需因地制宜地制定減排策略和激勵措施，實現差異化管理;同時，還應積極推動電力交易體制改革，淘汰冗余裝機，提升機組有效利用小時數，更好地實現火電行業的碳排放目標。

關鍵詞 碳排放;生產理論分解分析;半可處置性;火電企業

中圖分類號 C206? 文獻標識碼 A? 文章編號 1002-2104（2020）04-0042-09? DOI：10.12062/cpre.20200913

自2011年起，中國已成為世界上最大的電力生產國。火力發電占比長期高于70%，其中絕大多數來自比燃氣發電排放更高的煤電，電力與供熱行業的碳排放占比也始終保持在總量的44%以上[1]。目前，中國已提出2030年碳排放達峰，且單位國內生產總值碳排放比2005年水平下降60%～65%的目標。考慮到發電部門的高排放占比，火電企業作為電力部門中的市場參與主體和決策執行單元，其排放變化很大程度上影響著全國的碳排放表現。為促進企業減能增效，國務院在2007年出臺了“上大壓小”政策，鼓勵企業集中建設效率更高的大容量機組，淘汰小型機組。2013年開始逐步向全國推行的碳排放權交易體系建設則進一步激勵了企業減少排放以獲得競爭優勢。2017年環保部印發的《火電廠污染防治可行技術指南》，則從技術層面規范了企業排放控制的可行路徑。因此，為了實現國家碳減排目標，深入分析火電企業碳排放變化的驅動因素，對于制定相應的減排措施，實現國家減排承諾具有重要意義。

已有碳排放研究通常采用生產理論分解分析模型剝離生產中的無效率項，以分析高效運營條件下可能的減排路徑。但現有方法往往基于弱可處置性假設計算環境效率值，無法反映通過設備更新等方式實現技術升級、提高排放表現的可能性。為此，作者創新性地提出了基于半處置性假設的改進生產理論分解分析模型。與已有研究相比，該模型避免了弱可處置性假設高估效率值的缺陷，使結果更好地反映真實生產過程，所得行業相關建議也更具參考價值。從研究視角而言，盡管火電企業在發電部門中具有重要地位，但目前尚未有針對企業碳排放的生產理論分解分析研究。因此，作者將火力發電企業作為研究對象。考慮到火電行業高門檻和高集中度的特性，研究選取了中國17家主要的火電企業，運用改進的生產理論分解分析方法，分析了2008—2018年間的碳排放變化情況。同時，還創新性地從中央和地方國有企業視角進行對比分析，探究排放驅動因素及企業間的差異性，所得結果能夠對火電企業改革和減排政策制定提供參考。

1 文獻綜述

目前廣泛應用的分解模型主要分為三類：指數分解分析方法（index decomposition analysis，IDA），結構分解分析方法（structural decomposition analysis，SDA），以及以數據包絡分析（data envelopment analysis，DEA）模型為基礎的生產理論分解分析方法（production-theoretical decomposition analysis，PDA）[2]。其中，IDA計算相對簡單，通常從碳排放強度、能耗強度等角度解釋排放變化的原因[3];SDA則多基于投入產出表數據研究能源結構、產業占比等因素對于總體碳排放產生的影響[4]。

然而，IDA與SDA均未考慮實際生產過程中環境效率對碳排放的影響，而PDA方法則可以較好地解決此類問題。與前兩種方法相比，PDA能夠在考慮投入產出過程的同時將環境效率納入分解分析框架，以消除運行中的無效率項，進而衡量潛在排放指標的變化，分析高效運營下可能的減排路徑。Pasurk[5]在2006年首次將生產力理論框架納入PDA分解方法。Zhou和Ang[6]則進一步明確了PDA方法的具體含義，并在分解中納入了基于弱可處置性假設的DEA環境效率值。在最近的研究中，PDA方法通常將DEA模型與對數平均迪式指數分解（logarithmic mean divisia index， LMDI）技術相結合。其主要過程包括：第一步，應用DEA模型計算研究對象的環境效率值，評價其相對排放表現;第二步，將效率值代入LMDI分析框架，利用該方法的優勢計算各驅動因素的影響[7]。由于環境效率值反映了決策單元相對于生產前沿面的距離，PDA方法能夠有效剝離生產中的無效率所帶來的影響[8]，從而更直觀地展示減排潛力和實際運行效率變動分別引起的排放變化。

目前，基于PDA的電力行業排放研究相對較少。Wang等[9]專注于發電行業碳排放，通過結合共同前沿分析（Meta-frontier Analysis）方法考慮了不同決策單元之間的異質性因素，解釋了潛在能源強度、共同前沿表現等因素對不同類別火電廠碳排放變化的影響。林伯強等[10]則將研究焦點專注于中國能源生產率的變動及其影響因素，從可變規模報酬和地區技術差距兩個方面拓展了PDA的分析框架。除上述因素外，區域差異、能源結構、經濟活動等指標也被納入了分解框架中以從不同角度解釋電力行業碳排放變化[11-12]。

盡管具有較多優勢，現有PDA研究在可處置性假設與研究視角方面仍然存在缺陷。現有方法往往基于Faere等[13]提出的弱可處置性假設計算環境效率，即同一研究對象的碳排放和期望產出只能同比例增加或減少。該假設忽視了技術升級的可能性，傾向于高估決策單元的環境效率值，使分解結果產生偏差。與之相反，傳統的強可處置性假設則傾向于低估效率評價結果。為了解決這一問題，Chen等[14]提出了半可處置性假設，認為在達到現有技術限制前，企業可以通過設備升級等方式在期望產出不變的情況下實現碳減排;在超出現有技術范圍后，對碳排放的處理則與弱可處置性相同。該方法在DEA模型中同時考慮了設備升級可能與現有技術限制，與傳統的強、弱可處置性假設相比，其效率評價結果更接近真實的生產過程。目前，尚未有將半可處置性假設應用于PDA方法的研究。

另一方面，在研究視角上，多數文章往往關注于國家或者省級層面的比較，分析整體碳排放變化的驅動因素[15-16]，而尚未有學者將PDA方法應用于發電企業的碳減排分析中。事實上，火電企業的技術水平、管理能力以及經營范圍往往與一個乃至多個地區發電部門的碳排放息息相關[17-18]， 是電力部門最主要的市場參與者和政策執行者。因此，從企業的角度研究碳排放變化，所得結論能夠更符合生產實際，以指導未來的整體電力行業發展。

基于上述缺陷，作者創新性地提出了基于半可處置性的PDA模型，并分解了2008—2018年間中國主要火電企業碳排放變化的驅動因素。通過賦予每一個決策單元具體的可處置性程度，該模型有效避免了已有方法存在的環境效率評價的偏差，并能夠準確剝離企業運營中的無效率項，更真實地還原減排潛力和實際的效率變化對碳排放影響。與已有文獻相比，試圖在以下幾方面有所貢獻：①將半可處置性納入PDA分析模型中，拓展PDA方法的理論框架，使分解結果更精確。②立足于火電行業參與主體，從企業角度對排放變化進行系統分析，有助于客觀評估企業環境表現，明確未來改進方向。③從生產實際出發，針對性地引入裝機容量利用率作為驅動因素，并分解出潛在排放強度、潛在能源強度的影響，從不同角度為電力部門節能降耗提出具有針對性的政策建議。

2 模型構建

首先，計算半可處置性假設下決策單元的可處置性程度，以確定現有技術條件下可能的碳減排比例。然后，帶入改進的Shephard距離函數中，分別計算以期望和非期望產出為導向的距離函數值。最后，將距離函數結果納入碳排放變化的分解過程中，利用LMDI方法量化各驅動因素影響，形成改進的生產理論分解分析框架。

2.1 非期望產出的可處置性程度計算

半可處置性假設的應用是本文距離函數計算的核心環節之一。該假設為每個決策單元賦予不同的可處置性程度指標αi，t以確定可能的減排幅度。采用發電企業的供電煤耗Qi，t（g/kW·h）計算企業的可處置性程度。該指標不僅反映了發電機組的能源利用程度，同時也扣除了發電過程中消耗的廠用電量，因此能夠較為全面地體現企業現有的技術與管理運營水平[19]。可處置性程度的計算過程為：

Q*t=min i=1，…，NQi，t（1）

αI，t=Q*t / Qi，t（2）

其中，Q*t 代表t時期所有發電企業可能達到的最優技術水平，N表示火電企業個數，αi，1表示t時期第i個發電企業的可處置性程度，取值范圍在0到1之間。令Ci，t×αi，t代表t時期第i個企業的碳排放量，在半可處置性假設下，當第i個企業的目標排放量大于或等于Ci，t×αi，t時，則表明現有最優技術水平能夠在保持期望產出不變的情況下降低排放，即滿足強可處置性假設條件;反之，減排目標超出Ci，t×αi，1的部分則無法通過設備更換和改造達到，只能以同比例降低期望產出的方式實現，與弱可處置性假設對產出量的約束相同。

2.2 基于半可處置性的Shephard距離函數

PDA方法應用DEA模型計算環境效率，并將距離函數結果及效率值納入碳排放變化的驅動因素分析。Shephard距離函數由于具有簡潔易用的特點，常被用作環境效率評價的研究工具[20]。作者將半可處置性假設應用于Shephard距離函數中，避免了常用的弱可處置性假設高估決策單元效率值帶來的偏差。考慮到發電行業屬于重資產行業，且主要成本集中于燃料采購的特點，將資本（K）、 燃料成本（E）和人力成本（L）作為投入要素，將發電量（Y）和碳排放（C）作為期望和非期望產出。基于上述變量，以期望產出為導向的改進Shephard距離函數為：

DY，ti0（Ki，t，Li，t，Ei，t，Yi，t，Ci，t）=maxβ

s.t.∑Ni=1λiKi，tKi0，t;∑Ni=1λiLi，tLi0，t

∑Ni=1λiEi，tEi0，t;∑Ni=1λiYi，tβYi0，t

∑Ni=1λiCi，tCi0，t;∑Ni=1λiCi，tαi0Ci0，t

λi0，i=1，…，N（3）

其中，DY，ti0表示在t時期技術水平下決策單元i0到前沿面的距離，即最優期望產出Y與實際產出Yi0，t之比β;以期望產出為導向的環境效率值則可以由β的倒數表示;λi代表各項指標的權重值。與傳統的處置性假設不同，半可處置性假設同時限制了非期望產出Ci0，t變動的上界和下界，以更符合決策單元的自身情況和當期技術水平。顯然，β1，且β值越大，決策單元距離前沿面越遠，效率值越低。同理，可以計算得到以非期望產出為導向的距離函數Dc，ti0（Ki，t，Li，t，Ei，t，Ci，t）[21]，且距離函數取值越小，則效率值越低。

2.3 生產理論分解分析模型

PDA模型的優勢在于可以將環境效率值納入碳排放的分解過程中，以此計算潛在排放強度等指標。基于所得效率和距離函數值，可以將t時期的碳排放量分解為：

Ci，t=Ci，t×Dc，ti0（Ki，t，Li，t，Ei，t，Ci，t）Ei，t×

Ei，tYi，t×DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）

×Yi，tICi，t×ICi，t×

DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）DC，ti0（Ki，t，Li，t，Ei，t，Ci，t）

=PCFi ，t×PEIi ，t×CURi ，t×ICi ，t×

DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）DC，ti0（Ki，t，Li，t，Ei，t，Ci，t）（4）

其中，Ci，t、Ei，t、Yi，t和ICi，t分別表示第i個決策單元t時期的碳排放總量、能源消耗量、火力發電量和裝機容量。等式右側第一項代表潛在排放強度（Potential Carbon Factor，PCF），其數值為半可處置性假設下最優碳排放量與能源消耗量的比值。第二項表示潛在能源強度（Potential Energy Intensity，PEI），即單位產出所需的最低能耗。兩項指標在計算時納入了距離函數值，消除了電力生產中的非效率項，分別給出了最優情況下潛在碳排放與能源強度因素對排放總量的貢獻值。第三項和第四項為裝機容量利用率（Capacity Utilization Rate，CUR）和裝機容量（Installed Capacity，IC）指標，分別表示企業已有發電能力的利用率和裝機容量的變化。由公式（4）表明，不同決策單元的CUR取值與其利用小時數成正比，能有效衡量現有設備利用程度對碳排放的影響。最后一項為兩個距離函數的比值，可以進一步分解為公式（5）的形式：

DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）Dc，ti0（Ki，t，Li，t，Ei，t，Ci，t）=Y*/YC*/C=C*Y*CY-1

=CPI-1i，t（5）

這里引入了碳排放績效（Carbon Performance Index， CPI）的概念[16]，其含義為最優單位發電量碳排放與實際值之比。公式（4）最后一項可以表示為CPI的倒數形式，其數值越小，對應決策單元的相對碳排放績效評價越高。

進一步地，為了動態分析碳排放的變化情況，需要對t到t+1時期的碳排放量之差進行分解。考慮到LMDI方法具有時間可逆性、零值穩定性等良好性質[22]，作者將其應用于PDA分解框架中。同時，為了避免前沿面選擇的任意性帶來偏差，在分解時需要同時考慮t與t+1時期的前沿面基準，具體過程為：

Ci，t+1-Ci，t=ωi×ln PCFi，t+1/PCFi，t+ωi×

lnPEIi，t+1/PEIi，t+ωi×lnCURi，t+1/CURi，t+

ωi×lnICi，t+1/ICi，t+ωi×ln CPI-1i，t+1/CPI-1i，t

=△PCFi，t+△PEIi，t+△CURi ，t+

△ICi，t+△CPI-1i，t（6）

其中，△大于零表示該因子在研究期間推動了碳排放增加，反之則起到了抑制作用。ωi代表權重函數，表達式為ωi=L（Ci，t+1，Ci，t）。L（）表示一種算子，其計算過程如公式（7）所示：

L（a，b）=a-blna-lnb，a≠b

a，a=b（7）

以上分解過程中，潛在排放強度、潛在能源強度和碳排放績效均為基于t時期的前沿面計算所得。為了避免前沿面選擇的任意性，類似地，我們可以得到在t+1時期前沿面下的計算結果。然后，對兩者的取值進行算術平均即可以得到最終結果，即將相鄰期間的碳排放量之差分解為潛在能源強度因素（ΔPCF）、潛在排放強度因素（ΔPEI）、裝機容量利用率因素（ΔCUR）、裝機容量因素（ΔIC）以及碳排放績效因素（ΔCPI-1）之和。如公式（8）所示：

Ci，t+1-Ci，t=12（ΔPCFi，t+ΔPCFi，t+1）+

12（PEIi，t+PEIi，t+1）+12（△CURi ，t+

△CURi，t+1）+12（△ICi，t+△ICi，t+1）+

12（△CPI-1i，t+△CPI-1i，t+1）

=ΔPCF+ΔPEI+△CUR+△IC+△CPI-1

（8）

3 企業碳排放變化分解分析

3.1 指標選取

在電力部門環境效率計算中，能源、資本和人力常作為投入指標以反映必須的生產要素投入[9]。考慮到火電企業主要的可變成本來自燃料采購，研究選取了燃料成本作為能源投入量。作為主要的生產設備與固定資產，火電裝機容量則可以較好地反映主要資本投入量。研究進一步選取了火電部門的應付職工薪酬以代表企業的人力投入量[23-24]。在產出指標方面，作為火電企業最主要產品與收入來源，火力發電量常被作為期望產出以衡量研究對象的生產水平。與之相對應地，碳排放量常作為不可避免的非期望產出以衡量企業對環境的影響程度[25]。本研究中，碳排放量根據2006年《國家溫室氣體清單指南》數據計算得出[26-27]，可處置性程度則依據企業歷年供電煤耗值計算，企業能源消耗、火電裝機容量及發電量、供電煤耗數據來源于2008—2018年《中國電力工業統計資料匯編》，企業燃料成本及應付職工薪酬數據來源于企業對應年份的公開年報。

3.2 可處置性程度分析

考慮到火電行業的高門檻特性，中國大部分的火力發電量來自數量較少的大型發電集團。作者選取17家中國主要火電企業作為研究對象，見表1。根據Golany和Roll[28]提出的經驗法則，本研究火電企業數量大于投入與產出指標個數的兩倍，不會對模型準確性造成影響。所選企業在2018年火力發電量為31 747億kW·h，占全國火電總量的63.8%，能夠代表企業的整體運行情況以及技術水平。同時，根據股權結構和主要業務活動范圍的差異，可以將其劃分為8家由中央直接或委托管理的全國性火電企業和9家經營范圍具有明顯地域特點的地方國有企業。圖1給出了所選企業研究期間的平均碳排放量，除國投電力與華潤電力外，其余中央管理企業的年均碳排放均在200 Mt以上。而在地方國有企業中，只有廣東粵電年均排放量超過50 Mt。相較于地方性企業，中央管理企業的裝機容量、發電量規模更大，碳排放量也更高，是電力行業減排降耗的主力。

根據公式（1）和（2），可以得到2008—2018年各企業的平均可處置性程度，如圖1所示。大部分企業的指標均值大于0.9，即與最優技術管理水平相比可減排幅度低于10%，表明所選企業雖然存在一定的技術差距，但總體水準較為一致。中央管理企業在規模上具有明顯優勢，其中有6家企業年均碳排放大于200 Mt。其可處置性程度的內部差異也較小，約在0.92～0.94之間，整體更為接近最優值。與地方企業相比，由中央直接管理的發電集團在資金投入、研發實力與經營管理方面具有明顯優勢，現有燃煤發電技術也已達到世界先進水平，進步空間較小。

在地方國有企業中，可處置性程度的差異則較為明顯。主營區域經濟技術水平較為發達的企業可處置性程度相對較高，如申能集團、京能集團、深圳能源等。其中，申能集團的均值為1，表明其供電煤耗值為全國最優水平。申能集團運營區域為上海市及周邊地區，具有資本密集、技術先進的特點。值得注意的是，在可處置性為1的條件下，應用于申能集團的半可處置性假設實質上與弱可處置性相同，即減排目標只能通過同比例減少發電量來實現，而無法通過技術與設備升級的方式達成。另一方面，結果表明主營區域具有豐富煤炭資源的企業可處置性程度反而更低，如河北建投與山西電力。該類企業能夠以較低的價格獲取電煤用于生產，相對較低的燃料成本反而降低了上述企業通過設備更換與技術升級提高發電效率的積極性，因此，與其余用煤主要依賴外地調入的企業相比，其減排潛力更高。

3.3 驅動因素分解結果

計算基于半可處置性假設的環境效率，并帶入PDA框架中進行分解分析，所得結果如表1所示。與Wang等[29]對中國火電部門研究結果相似，裝機容量因素對碳排放表現出了明顯的正向作用。除江西投資火電裝機容量在研究期間略有下降外，新增裝機容量是企業碳排放增長最重要的推動因素，且對中央管理的全國性發電集團尤為明顯。2008—2018年間，中國的電力消費量從3.42萬億kW·h增長至6.84萬億kW·h[30]，需求側電力消費量的提升推動了供給側裝機容量的快速增長，進而引起整體排放的增加。

與之相反，裝機容量利用率大多呈負向變化，即對碳排放增長具有抑制作用。裝機量的快速提升并不意味著裝機利用率的增長，反而會因為提升過快造成與電力需求的不匹配，使得部分裝機利用效率偏低，造成資源浪費。同時，中國清潔能源發電的高速發展也導致電力供應對火電的依賴逐漸降低，火電有效利用小時數不斷減小。

潛在排放強度因素表示在不含無效率項的情況下，單位能源消耗所產生的最低碳排放量。得益于研究期間發電機組的升級、能源結構的改善以及電煤質量的提升，潛在排放強度因素對大多數企業排放總量具有負向作用。除國電集團外，這一影響在大型發電集團中尤為明顯。同樣地，多數企業潛在能源強度因素取值也為負。這一因素表示最優情況下單位發電量所需的能源消耗，其降低在一定程度上緩解了碳排放的增長趨勢，也進一步提升了企業可能的碳減排上限。

在碳排放績效方面，由于該指標采用相對效率評價方法得出，因此可以反映出所選企業在行業中相對排放表現的變化情況。值得注意的是，在地方國有企業中，京能集團、申能集團、廣東粵電、廣州發展與深圳能源五家主要服務于經濟、技術較為發達地區的企業排放績效變化均為負值或0。該因素表明上述企業的排放表現進步幅度快于其他地方企業或一直處于最優水準，進一步體現了地區經濟技術水平對地方國有發電企業運行效率的促進作用。

3.4 企業對比與因素時變分析

整體而言，中央管理企業的體量要高于地方國有企業，經營涉及地域也更多。為了分析企業經營規模對碳排放驅動因素的影響，圖2分別展示了不同驅動因素對兩類企業碳排放變化的影響情況。可以看出，新增裝機容量為兩類企業最重要的排放增長來源，貢獻占比均在65%以上。除裝機容量增長外，其余因素均為負值，但在占比上有所不同。對于中央管理企業而言，潛在排放強度與潛在能源強度對于減排的貢獻顯著高于地方國有企業。究其原因，該類企業在規模上具有顯著優勢，有更充足的技術與經濟實力引進超超臨界燃煤機組、整體煤氣化聯合循環等先進設備和技術。綜合來看，中央管理企業單位發電量的減排潛力在研究期間的提升幅度更高。

相比之下，裝機容量利用率與碳排放績效變化的減排效果在地方國有企業中更為顯著。隨著近年來中國電力供需形勢的變化，火電供給總體呈現過剩局面，火電機組有效運行小時數持續承壓。全國性企業在爭取發電額度、生產管理調度上具有優勢，而地方國有企業則有更高比例的減排幅度是已有裝機得不到充分利用所導致。碳排放績效因素對該類企業的減排貢獻更高，這主要是由于地方國有企業相對規模較小，對已有設備升級改造所需的投入也相對較小，其在環境表現指標上的提高幅度要比規模更大的央企更高。

圖3顯示了所選企業代表性年份各因素的動態變化情況。其中，裝機容量因素對碳排放增長的促進作用在研究期間呈現降低趨勢。總體而言，盡管新增裝機容量是發電企業碳排放增加的最主要驅動力，但隨著中國經濟增速放緩、高能耗產業比重降低以及電源結構的多元化發展，新增火電需求不斷減少，裝機容量因素在2017—2018年間已不再是主要的排放影響因子。與此同時，現有裝機利用程度在2008—2015年間也呈現降低趨勢。盡管在研究末期這一趨勢有所緩解，但未來受到清潔能源發展的影響，火電行業將持續承壓，并將逐漸向低負荷發電和調峰定位轉變。如何合理利用存量裝機，積極保證有效利用小時數將是火電行業面臨的重要問題。潛在排放強度、潛在能源強度與碳排放績效因素衡量了發電行業減排潛力和排放表現的變化情況，三種因素在研究期間對排放降低均有顯著的促進作用。需要關注的是，已有研究更多揭示了排放表現提升對行業減排的促進作用，但本文對因素時變分析表明，2017—2018年間三項指標降低幅度均低于前期水平，尤其是潛在排放強度和能源強度因素。這一趨勢主要是由于中國火電技術已總體處于世界領先水平，受到單位減排成本約束以及燃燒熱效率的固有限制，難以實現排放表現的持續提升，體現了火力發電形式的局限性。

4 結論與建議

文章創新性地提出了基于半可處置性假設的PDA模型，研究了2008—2018年中國17家火電企業的碳排放變化情況及其驅動因素。與已有研究相比，不僅能夠避免弱可處置性高估環境效率帶來的結果偏差，同時，也從企業角度應用PDA方法對發電行業碳排放進行分解分析。研究針對性地引入了裝機容量利用率因素，并進行了企業對比與因素時變趨勢分析，所得結論與過往研究相比，對火電企業改革和減排政策制定更具參考價值。

研究結果表明：①裝機容量增長是研究期間碳排放增加的主要驅動因素。裝機利用率呈現降低趨勢，潛在排放強度、潛在能耗強度等因素則對減排起到積極作用。與Wang等[9]的結論相似，研究發現盡管2008年以來中國火力發電量大幅增加，但得益于技術升級與設備改造帶來的效率提升，近年來碳排放增長趨勢得以緩解。②中央管理與地方國有企業差異顯著。中央管理企業可處置性程度內部差異小且整體取值較高，其潛在排放強度、潛在能耗強度以及現有裝機利用率因素對減排貢獻較高，但碳排放績效的提升幅度相對較低。同時，進一步發現主營區域經濟技術較為發達的地方企業可處置性程度相對更高，表明經濟技術水平對火電環境效率的提升也具有積極的促進作用。③從變化趨勢來看，新增裝機對排放增量的貢獻明顯減少，裝機利用率在前期下降后在2017—2018年有所回升，且成為主要影響因素。與已有研究不同，因素時變分析還表明碳排放績效等與發電效率有關的指標受到發電形式局限與減排成本的限制，難以實現持續快速地提升。

基于上述分析，提出如下建議以提升火電企業碳排放表現。

（1）嚴控火電總量，確保機組技術先進性。考慮到電力消費的增速逐漸趨緩，為實現火電機組的高效、節能利用，政府應該嚴控火電裝機總量，避免新增裝機容量持續成為排放增長的主要推動力。同時，強化對現存設備的環保與排放要求，鼓勵采用先進、大型的發電機組進行產能置換，提升現有機組的能效水平。

（2）因地制宜，制定差異化減排政策和激勵措施。由分解結果可知，受主營區域經濟技術水平的影響，不同的地方國有企業排放表現差異顯著。一方面政府應著手強化對低效火電企業的監管，促進地方與中央企業間技術和管理經驗交流，實現整體環境效率的提升;另一方面，也應努力推動發達地區企業，如申能集團、京能集團等試點先進火電技術，驗證碳捕集與封存等先進發電方式的技術可行性，拓展火電生產前沿面。從電源結構來看，考慮到火電效率的提升受到發電形式的固有限制而逐漸減緩，企業還應積極探索多元化和清潔化的發電形式，立足經營區域的自然條件，大力發展風電、光伏、光熱等多種可再生能源，在提供清潔電力的同時實現企業的可持續發展。

（3）推動電力交易體制改革，提升現有裝機利用率。通過培育市場化競爭體系，淘汰火電行業中的低效冗余裝機，鼓勵企業通過提升設備利用率、降低能源消耗以獲得成本優勢。同時，還應加快完善跨區電力交易機制。考慮到裝機容量利用率指標在研究期間總體呈現降低趨勢，且在地方國有企業中尤為明顯，推動跨區電力交易能夠鼓勵清潔、低成本的優質電力資源跨區調配輸送，進一步提升具有競爭力企業的機組有效利用小時數。

參考文獻

[1]International Energy Agency. Global energy and CO2 status report 2018[R]. Paris： IEA， 2019.

[2]WANG Q W， CHIU Y H， CHIU C R. Driving factors behind carbon dioxide emissions in China： a modified production-theoretical decomposition analysis[J]. Energy economics， 2015， 51：252-260.

[3]WANG H， ANG B W， SU B. Assessing drivers of economy-wide energy use and emissions： IDA versus SDA[J]. Energy policy， 2017， 107：585-599.

[4]張納軍， 程郁泰， 肖紅葉. 我國碳排放因素時變分解分析：基于生產理論分解分析模型的研究[J]. 江西財經大學學報， 2018（3）：23-30.

[5]PASURKA C A. Decomposing electric power plant emissions within a joint production framework[J]. Energy economics， 2006， 28（1）：26-43.

[6]ZHOU P， ANG B W. Decomposition of aggregate CO2 emissions： a production-theoretical approach[J]. Energy economics， 2008， 30（3）：1054-1067.

[7]陳菡， 於世為. 中國生活能源消費的典型污染物排放及驅動因素研究[J]. 中國人口·資源與環境， 2017， 27（12）：40-51.

[8]WANG H， ANG B W， ZHOU P. Decomposing aggregate CO2 emission changes with heterogeneity： an extended production-theoretical approach[J]. The energy journal， 2018.DOI：10.5547/01956574.39.1.hwan.

[9]WANG H， ZHOU P， XIE B C， et al. Assessing drivers of CO2 emissions in Chinas electricity sector： a metafrontier production-theoretical decomposition analysis[J]. European journal of operational research， 2019， 275（3）：1096-1107.

[10]林伯強， 杜克銳. 我國能源生產率增長的動力何在：基于距離函數的分解[J]. 金融研究， 2013（9）：84-96.

[11]ZHANG M， LIU X， WANG W， et al. Decomposition analysis of CO2 emissions from electricity generation in China[J]. Energy policy， 2013， 52：159-165.

[12]LIU N， MA Z， KANG J. A regional analysis of carbon intensities of electricity generation in China[J]. Energy economics， 2017， 67：268-277.

[13]FAERE R， GROSSKOPF S， LOVELL C A K， et al. Multilateral productivity comparisons when some outputs are undesirable： a nonparametric approach[J]. The review of economics and statistics， 1989， 71（1）：90.

[14]CHEN L， WANG Y， LAI F. Semi-disposability of undesirable outputs in data envelopment analysis for environmental assessments[J]. European journal of operational research， 2017， 260（2）：655-664.

[15]范丹. 中國能源消費碳排放變化的驅動因素研究：基于LMDI-PDA分解法[J]. 中國環境科學， 2013， 33（9）：1705-1713.

[16]WANG H， ZHOU P. Multi-country comparisons of CO2 emission intensity： the production-theoretical decomposition analysis approach[J]. Energy economics， 2018， 74：310-320.

[17]徐靜， 張瑜璇. 火力發電企業離散決策及其對碳排放權價格影響[J]. 管理工程學報， 2020， 34（2）：105-115.

[18]XU J P， FENG Q， LV C ， et al. Low-carbon electricity generation-based dynamic equilibrium strategy for carbon dioxide emissions reduction in the coal-fired power enterprise[J]. Environmental science and pollution research， 2019， 26（36）：36732-36753.

[19]安洪光， 張琳， 靳坤坤， 等. 基于綜合用電煤耗的電力高質量發展評價指標研究及應用[J]. 熱力發電， 2020（2）：10-16.

[20]田立新， 張蓓蓓. 中國碳排放變動的因素分解分析[J]. 中國人口·資源與環境， 2011， 21（11）：1-7.

[21]ZHANG X P， TAN Y K， TAN Q L， et al. Decomposition of aggregate CO2 emissions within a joint production framework[J]. Energy economics， 2012，34（4）：1088-1097.

[22]林伯強， 杜克銳. 理解中國能源強度的變化：一個綜合的分解框架[J]. 世界經濟， 2014， 37（4）：69-87.

[23]劉佳， 劉伊生， 施穎， 等. 基于DEA的我國上市建筑企業生產效率研究[J]. 科技管理研究， 2016， 36（16）：214-218.

[24]劉傳江，向曉建，李雪.人力資本積累可以降低中國二氧化碳排放嗎：基于中國省域人力資本與二氧化碳排放的實證研究[J].江南大學學報（人文社會科學版），2021，20（2）：76-88.

[25]XIE B C， GAO J， ZHANG S， et al. The environmental efficiency analysis of Chinas power generation sector based on game cross-efficiency approach[J]. Structural change and economic dynamics， 2018， 46：126-135.

[26]王常凱， 謝宏佐. 中國電力碳排放動態特征及影響因素研究[J]. 中國人口·資源與環境， 2015， 25（4）：21-27.

[27]蔣毅一，彭林，趙爽，等.基于空間計量的中國省域火電行業碳排放效率分析[J].山東財經大學學報，2019，31（2）：31-42.

[28]GOLANY B， ROLL Y. An application procedure for DEA[J]. Omega， 1989， 17（3）：237-250.

[29]WANG S G， ZHU X J， SONG D， et al. Drivers of CO2 emissions from power generation in China based on modified structural decomposition analysis[J]. Journal of cleaner production， 2019， 220：1143-1155.

[30]中國電力企業聯合會. 中國電力行業年度發展報告（2019）[R]. 2019.

Drivers of CO2 emissions from thermal power enterprises based on production-theoretical decomposition analysis

XIE Baichen1 TAN Xinyun1 ZHANG Shuang2

（1. College of Management and Economics， Tianjin University， Tianjin 300072， China;

2. School of Economics and Management， Tianjin Chengjian University， Tianjin 300384， China）

Abstract The analysis of the carbon emission changes and emission reduction potential of thermal power enterprises is the premise and foundation of realizing the emission reduction target of the power sector and even the country. This paper proposed a modified production-theoretical decomposition analysis （PDA） approach based on semi-disposability， aiming to study the trends and driving factors of the carbon emission changes of seventeen Chinese main thermal power enterprises from 2008 to 2018. The factor of capacity utilization rate （CUR） was introduced specifically， the dynamic changes of the decomposition results were analyzed and the differences between the state-owned enterprises administered by the central government and those administered locally were compared， aiming to provide new inspirations for the policy formulation and reform of thermal power enterprises. The results of this empirical study showed that： ① During the study， carbon emissions of all enterprises grew， and the change of installed capacity was taken as the most important driving force. However， the rising trends of emissions were restrained by the capacity utilization rate， the potential carbon factor （PCF）， the potential emission intensity （PEI） and the carbon performance index （CPI） to varying degrees. ② The classification analysis demonstrated that the centrally-administered enterprises shared higher non-disposal degrees and smaller internal differences. As for state-owned enterprises administered locally， those in economically developed areas were endowed with higher disposal degrees， while enterprises closer to coal resources performed relatively worse. Also， there were differences between the two kinds of enterprises in the proportion of driving factors. ③ From the perspective of dynamic changes， the contribution of the newly installed capacity declined gradually， and the capacity utilization rate had become the main driving force of carbon emissions. The utilization rate of the existing installed capacity was low in recent years， which needed to be improved urgently. In the future， it is important for us to keep controlling the total amount of newly installed capacity and ensure the progressiveness of the equipment along with the efficient use of energy. Considering the differences among enterprises， we should formulate emission reduction strategies and incentive measures according to local conditions. Furthermore， it is important for us to actively promote the reform of electricity trading mechanism and eliminate redundant installed capacity in order to improve the effective utilization hours and better achieve the emission reduction target in the thermal power industry.

Key words carbon emission; production-theoretical decomposition analysis; semi-disposability; thermal power enterprise

（責任編輯：劉照勝）

收稿日期：2020-06-03? 修回日期：2020-09-21

作者簡介：解百臣，博士，教授，博導，主要研究方向為能源環境政策與管理、管理決策與運籌技術。E-mail：xiebaichen@tju.edu.cn。

通信作者：張爽，博士，講師，主要研究方向為低碳發展與環境政策。E-mail：zhang_shuang1985@tcu.edu.cn。

基金項目：國家自然科學基金項目“考慮異質性因素影響的電力系統環境成本效率改進策略研究”（批準號：71874121）;國家重點研發計劃“研究我國城市建設綠色低碳發展技術路線圖”（批準號：2018YFC0704400）;國家社會科學基金重大項目“微電網提高可再生能源利用的機制創新與頂層設計”（批準號：17ZDA065）。