煤炭加工過程中主要污染物治理效率評估方法

韓 慧

(山東省棗莊生態環境監測中心，山東 棗莊 277100)

為了更好地滿足人們日常生活的需求，對于煤炭的使用要求越來越高，煤炭加工技術開始逐漸受到重視[1]。煤炭加工保證了開采的煤炭得到充分地利用，有效地發揮能源的應用效果，使煤炭伴生礦產業得以應用，滿足了社會需求[2]。由于煤炭加工需要生產出質量不同的煤炭種類，這個過程中需要利用物理、化學方法對礦物中包含的雜質進行處理。煤作為高污染的能源，其自身對地質環境有一定的影響，生產加工過程使煤中的各種有害元素得以釋放和溶解[3]。煤炭加工過程中主要污染物包括煤矸石、粉煤灰等。這些主要污染物大部分加工企業采取的處理方法是就地掩埋，或者堆放在煤炭加工廠附近空曠區域。隨著時間的不斷流逝，采取堆積貯存方式處理的污染物中包含的有害物質發揮更大的破壞能力[4]，污染土壤結構、破壞地下水資源等，都會對人的身體健康產生危害。因此，煤炭加工過程中主要污染物治理成為一件備受重視的工作[5]。

本文以污染物治理效率評估為研究核心，采用數據包絡分析模型的方式，針對治理中的投資、運行費用等投入項以及污染物重復利用量、COD去除量、污染處理量等產出項為基礎，判斷污染物治理效率[6]，并依據評估結果顯示出的治理影響因素完成治理資源的合理分配，從而實現治理績效的有效提升[7]。

1 污染物治理效率評估方法設計

對于污染物治理效率評估方法設計，從投入、產出2個方向進行研究[8]。由于煤炭加工過程中主要污染物治理的投入和產出包含多個指標，指標單位也并不相同[9]。因此需要采用數據包絡分析法進行多指標計量，明確各項之間存在的定量關系。效率評估方法中數據包絡分析法的應用減少了工作量，只需要確定投入與產出指標就可以完成接下來的工作[10]。本文以DEA模型為基礎，對全要素生產率指數分析，并選取效率評估所需指標，最終實現污染物治理效率評估。

1.1 構建治理效率評估模型

DEA方法理論和模型不斷深入的發展，使得該模型在生活中的效率評價應用范圍逐漸擴大。DEA模型所展現的效率評價結果，也從只能橫向比較同質決策單元的有效性，拓展為縱向比較同一單元歷史活動。根據研究發現DEA應用具有一定步驟，如圖1所示。

圖1 DEA應用步驟Fig.1 DEA application steps

通過圖1所示的應用步驟，完成污染物治理效率評估，獲取最終評估結果。文中以DEA模型為基礎，構建了一個污染物治理效率評估模型。該模型是效率評估方法設計的基礎內容，以線性規劃工具為重點，針對已經獲取的決策單元的投入產出項觀測值，將目標決策單元同其他單元相比較，獲取效率值、治理投入冗余值以及產出不足值3方面數據信息。通過對DEA理論和作為污染物治理情況的研究，將治理效果當作主要研究目標，設計一個可變規模效益模型，構建完成的線性規劃模型為：

(1)

式中,θ為目標表達式；λ為權系數向量；xλ為污染物治理過程中目標單元投入值；yλ為污染物治理過程中目標單元產出值；N′為單位行向量；xi為其他決策單元的投入數值;yi為其他決策單元的產出數值。

通過上述模型得出的各種效率取值，大部分的取值在0～1。當效率值達到1的情況下，表明DEA具有良好的效果。在規模報酬不變的條件下，通過計算可以獲取純技術效率；在規模報酬變化的情況下，可以獲得綜合技術效率。因此，將規模報酬不變與可變2種情況下的技術效率比值作為規模效率。通過DEA方法計算得出最佳產出值，將其同各決策單元的實際值相比較，獲得產出不足信息也就是投入冗余值。在數據包絡DEA方法應用過程中需要注意的一點是保證輸入的數值為正，并且滿足投入、產出指標、決策單元。和傳統回歸分析方法不同，效率評估過程中使用DEA方法具有更大優勢，可以更加有效衡量生產函數，更客觀地呈現投入指標和產出指標間函數關系。

1.2 基于模型計算全要素生產率指數

基于治理效率評估模型，可以通過計算得到全要素生產率指數。最初全要素生產率指數應用于測算生產效率變化情況，隨著不斷的發展，全要素理論與DEA理論逐漸融合，使得全要素生產率指數應用范圍開始擴大。以效率評估模型為依據完成全要素生產率指數的計算，從而明確目標決策單元的污染物治理效率同其他時期內污染物治理最佳狀態的距離，將治理績效的波動狀態準確表達出來。根據研究可以發現，全要素生產率指數由技術變化、技術效率變化2部分組成，通過計算獲取效率變動情況。而技術效率變化則由純技術效率、規模效率2方面變化來表達。

具體的全要素生產率指數公式為：

(2)

生產率水平的變化情況通過全要素生產率指數的計算得以呈現，生產率水平的提高會使獲取指數大于1，相反則表明生產率水平有所下降。技術變化、技術效率變化、純技術效率變化皆是如此。此外，規模效率變化反映出了當前規模與最優規模的關系，當運算結果小于1，表明正在遠離最優規模，如果結果大于1則為正在靠近最優規模。

1.3 選取效率評估指標

對于污染物治理效率評估，需要一套作為標準的評估體系——污染物治理效率評估方法。當前社會環境下，很多專業人員進行污染物治理效率方面研究，建立了差異比較大的評價指標體系。對煤炭加工過程中污染物處理的投入包括：治理設施、運行費用。①污染物治理設施的投入包括污染物處理區域建筑、機械設備等屬于一次性投入，是污染物治理的基礎；②運行費用則代表治理過程中花費的金額，取決于污染物治理方式以及運營管理決策，需要保證長期的資金注入。

所以，對于治理效率評估模型的投入項指標選取，需要考慮污染物治理工程設施以及設備運行費用，具體包括煤炭加工過程中污染物源頭處理投資、基礎治理設施，以及設施運行費用。治理效率分析的產出項指標選取包括污染物處理量、污染物去除量、污染物再利用量3個方面，具體的投入產出指標說明見表1。

根據DEA分析方法的要求，選取的投入產出指標數量需要保持在7以內。因此，將表1中治理設施數量這一項進行刪除，且產出指標方向數據獲取困難，將污染物COD去除量指標同樣剔除。根據保留結果作為評估指標，完成污染物治理效率評估。

表1 污染物治理投入產出指標Tab.1 Pollutant treatment input and output indicators

1.4 完成污染物治理效率評估

根據選取的效率評估指標，可以實現對治理效率的初步分析。但是需要注意的一點是，由于當前生產技術的約束，污染物治理過程中所投入的一些資源在治理過程中會出現附屬品，無法將投入資源向期望產出完全轉換。這些附屬品的出現，也被稱為非期望產出的污染物。非期望產出污染物的處理如圖2所示。

圖2 非期望產出污染物處理Fig.2 Treatment of undesired output pollutants

為了更加準確地評估污染物治理效率，將評估分為如圖2所示的2個部分。第1部分評價過程中，重點在于非期望產出污染物。和通常情況下的產出不同，對于非期望產出的要求是越少越好。非期望產出污染物少也就代表對環境的影響程度越低。已經存在的非期望產出，需要使用非線性規劃模型進行處理。伴隨著研究人員不斷發掘，污染物處理的方法越發多樣化，采用線性數據函數轉換方式，其公式為：

(3)

式中,Z為足夠大的向量。

將式(3)轉換結果看作期望產出，融入到文中構建的DEA模型進行計算。由于會對第2階段治理效率產生影響，所以應用投入導向的DEA模型，計算得出第1階段治理效率為：

(4)

而第2部分的污染物治理效率計算，需要對非期望產生污染物處理。所以，投入的部分含有污染物。為了使治理效率達到最佳效果，需要對新投入治理資源進行改善。

(5)

將2部分綜合考慮可以獲得污染物治理總效率，公式為：

θ=w1θ1+w2θ2

(6)

w1+w2=1

(7)

式中，w1為第1治理階段污染物治理的總效率；w2為第2治理階段污染物治理的總效率。

污染物治理總效率評價具有以下特點，θ<[0,1]，并且min(θ1，θ2)<θ

此外，在進行污染煤炭加工過程中主要污染物治理效率評估時，投入資源重要性存在差別，導致最終的效率評估結果并不相同。因此，在評價總效率過程中，不同的評價者通過為投入資源添加不同的權重來實現效率評估。以2個污染物治理區域為例，對其進行調查，投入資源重要性與總效率變化情況如圖3所示。

圖3 投入資源重要性與總效率Fig.3 Importance of resources and overall efficiency

由圖3可知，根據治理投入資源的重要性變化，2個區域的污染物治理總效率變化情況很大，當2個階段重要性相同，區域1總效率大于區域2。當投入資源重要性為80%時，區域2治理總效率明顯更大；當投入資源重要性為20%時，區域1治理總效率明顯更大，不同條件下治理效率差距很大。由此可見，不同的權重選擇對總效率影響很大。因此，要選擇能跟上社會發展的步伐且符合國家戰略發展要求的合理的權重，公正公平地對總系統效率進行評價。

2 實驗

為了驗證文中設計的效率評估方法在實際應用中具有良好的效果，特進行實驗。實驗數據以某省份近5年內煤炭加工污染物治理數據為基礎。具體的治理效率變化情況見表2。根據表2數據分析，該區域近些年的污染物治理效率處于先上升后下降的趨勢，說明污染物治理過程中的資源分配沒有完成優化，進而拉低了污染物治理效率。為了保證實驗的科學性，選取2種傳統的效率評估方法對實驗數據進行評估。并根據3種方法得出的評估結果分析治理過程中的投入冗余和產出不足，并且制定合理的治理投入預算和產出目標，最終實現污染物治理的績效提升。以規模效率為依據，該區域污染物治理過程中規模效率變化情況如圖4所示。

表2 近5年污染物治理效率值變化情況Tab.2 Changes in the efficiency of pollutant treatment in the past five years

圖4 規模效率變化情況Fig.4 Changes in scale efficiency

決策單元最優生產規模的界限設置為1，當規模效率小于1時代表當前并未達到最優生產規模。如圖4所示的規模效率始終小于1，因此需要對投資規模進行調整。根據數據的變化情況，判斷該年份投入指標的冗余程度，明確污染物治理的投入預算。在實際治理工作中可以減少部分設施的使用，提高每臺設施的使用效率，減少設施的損耗和維護費用，減少不必須的資源浪費，合理配置資源。從純技術效率的變化情況，提升治理工作中科學管理水平和制度水平的重視程度。從規模效率變動情況分析，獲取最佳有效的投資規模。綜合各方面信息進行資源配置改善，最終實現治理績效的提升。

3 實驗結果分析

實驗在污染物治理的過程中分別應用3種效率評估方法得出的結果，分析影響治理效率的因素，針對因素進行資源配置優化。治理績效變動指數用TFP來表示，TFP值的計算表示了區域污染物治理效率與相鄰時期治理的最佳狀態的距離，反映了治理績效的變化情況。實驗事件以1個月為期限，每隔5 d計算污染物治理績效，優化后的治理績效變化如圖5所示。

根據圖5可以得出發現，依據文中設計的污染物治理效率評估方法得出結果優化后，區域內治理績效有了顯著提升，平均TFP值保持在1.15左右。而根據2種傳統方法評估結果優化后，治理績效提升幅度較低，并且TFP值變化較大。以傳統方法1為依據優化后污染物平均治理TFP值為0.81；以傳統方法2為依據優化后污染物平均治理TFP值為0.67。

綜上所述，可以得出結論，文中的治理效率評估方法更加全面、準確地反映了污染物治理效率影響因素，以此為依據進行治理資源的優化有效提升了污染物治理績效。相比2種傳統方法，文中方法的治理資源優化將治理績效提升了29.6%、41.7%。更加適用于煤炭加工過程中的污染物治理評估。

4 結語

本文以污染物治理效率為研究方向，設計煤炭加工過程中主要污染物治理效率評估方法。通過模型的建立、全要素生產率指數計算、評估指標選取。最后通過兩階段處理，完成污染物治理效率評估。通過本文的研究，分析了影響污染物治理效率的因素，利用治理資源調配的方式，合理進行資源傾斜，有效提升污染物治理績效。文中設計的評估方法在實際應用中具有良好的效果。