我國省際火電能源經濟系統效率評價研究

丁 晗，陳守海，馮連勇

(中國石油大學(北京)經濟管理學院，北京市昌平區，102249)

0 引言

在能源減碳不斷發力的當下，電能作為重要的終端能源，不僅與能源消費緊密聯系，而且對全社會的經濟發展有強勁的促進作用。我國是世界上最大的電力能源生產國和消費國，目前依然以火力發電為主、水力發電為輔，光伏、風力、核能等大多處于輔助和測試階段[1]。據國家能源局數據顯示，2021年我國火力發電量為57 702.7億kW·h，同比增長8.4%，約為我國全社會發電量的71.13%。近年來我國火電(約90%是煤電)的二氧化碳排放量占全國總排放量43%，是二氧化碳排放的最大單一來源，約占社會總排放量的50%[2]。在如此龐大的火電生產態勢中，低碳之路困難重重。隨著煤炭供需持續偏緊和能耗“雙控”政策的落實，煤炭消費量在逐漸下降。但由于國際環境復雜、替代能源發電出力不足，限制火力發電反而出現拉閘限電、工廠停工等現象。可見，我國要走低碳之路，首先要改變火力發電高碳低能效的現狀。火力發電能耗大、污染性強，在如此嚴峻的降碳政策下，火力發電利用效率不高和浪費的問題仍然存在。電力行業作為國民經濟的重要基礎產業，迫切需要提高電力能源效率、實現清潔用電。因此，筆者以DEA模型衡量火電、能源和經濟三者的投入產出關系，評估省際火電能源經濟系統效率，針對性地提出優化政策。

目前許多學者對我國能源效率做過大量研究。關偉[3]測算遼寧省各地級市的能源效率值情況，得出遼寧省突破能源困局的重要途徑是提高能源效率；吳江[4]測算了我國30個省(自治區、直轄市)2005-2015年的全要素能源效率；楊宇[5]通過DEA-ESDA模型對1990年、2000年和2010年我國各省(自治區、直轄市)能源效率進行分析，并探索其空間集聚狀態以及冷熱點區域格局的演化；黃德春[6]運用三階段DEA模型分析了我國29個省(自治區、直轄市)2009年的能源效率，利用純技術效率和規模效率的數值來分析能源效率，同時加入環境變量來分析完善計算結果；邵留國[7]基于方向距離函數模型，對我國2007-2013年火電產業循環經濟效率進行評估；王喜平等[8]以發電煤耗量、供電煤耗量、發電設備利用小時數和發電廠用電率作為投入變量，以發電量、用電量作為產出變量，對我國2001-2008年電力行業能源利用效率進行分解分析。盡管上述文獻已經對我國能源系統、電力行業做了細致的分析和效率評價，但是鮮少有研究將環境成本考慮在內，僅對火電能源系統進行了效率評價。全球低碳化進程中，電力系統的轉型化進程亟不可待，以火電為主的發電系統是能源轉型的首要對象，然而當下的技術難以支撐清潔能源完全替代火力發電；因此提高火電能源效率是當下突破能源困境的有力手段。筆者以我國30個省(自治區、直轄市)的火電能源系統為研究對象，利用數據包絡分析(DEA)方法和DEAP軟件對各地區的火電能源消耗效率進行更深入地評估分析，將考慮經濟與環境指標，針對性地為各地區提高火電能源利用過程提供決策依據。

1 數據包絡分析BCC模型與數據

1.1 BCC模型介紹

數據包絡分析(DEA)是一種基于被評價對象間相對比較的非參數技術效率分析方法[9]。DEA適用范圍廣，在分析多投入多產出的情況時具有特殊的優勢且作為非參數模型無需考慮具體生產函數形式，評價過程不受主觀因素的影響，可以計算決策單元的相對有效性。DEA分析方法中常用的模型有CCR模型和BCC模型。CCR模型在規模效益不變的假定下衡量各決策單元的技術效率，得出的效率值包含了規模效率的成分，稱之為綜合技術效率，但由于許多生產單位并沒有處于最優的生產階段，CCR模型的假定在實際生產過程中難以成立，因此提出了基于規模收益可變前提下的BCC模型來衡量DMU(決策單元)的綜合效率、純技術效率、規模效率，且純技術效率排除了規模的影響。此外，BCC模型可以同時評價決策單元所處的規模報酬階段，也可判斷評價的決策單元綜合效率低的原因[10]。因此筆者選取BCC模型(VRS徑向DEA模型)進行系統的效率評價，BCC初始模型建立如下。

評價30個省級DMU的綜合效率，記為DMUj(j=1，2，…，30)；每個DMU有3種投入(本研究包括環境成本、標煤消耗量和火電裝機容量)，記為xi(i=1，2，3)，投入的權重表示為vi(i=1，2，3)；有2種產出(本研究包括GDP和火力發電量)，記為yz(z=1，2)，產出的權重表示為uz(z=1，2)。模型確定的權重u和v都是對當前DMU最有利的。當前被測量的DMU記為DMUk，其投入產出比hk為：

(1)

附加約束條件，所有DMU采用上述權重得出的效率值θn限定在[0，1]的區間內，即

(2)

筆者聯系實際選取BCC模型(VRS徑向DEA模型)進行系統的效率評價。通過求解DMU的效率θ來判斷各省效率是否達到最優。其約束條件如下：

式中：θ——DMU 的效率；

λj——各省的權重組合，通過對30個省(自治區、直轄市)按照不同權重比例進行產出或投入要素的加總可以幫助計算出需要評價地區的效率，λ≥0；

yzj——第j個DMU的第z種產出要素；

xij——第j個DMU的第i種投入。

以上約束條件的含義是在產出不小于第k個省(自治區、直轄市)的條件下，要盡可能少的投入要素，并以此得到第k個省(自治區、直轄市)的效率θ。若θ=1，則說明無法通過權重組合使得產出不減少的情況下減少投入，即該省級的效率達到最優。

選取非導向投入優先的徑向DEA模型評估火電能源經濟系統的效率。火力發電最直觀地產出為火力發電量，而電力用于社會生產拉動經濟發展，由此選取經濟的量化指標GDP和火力發電量為產出指標。輸入變量側重于發電側的能源投入，即火電廠所消耗的各種能源，由于火電廠并非使用單一能源發電，不同能源間的投入比較需要有統一的度量標準，因此將各種能源消耗量折合為標煤消耗量來代表能源投入量。火力發電過程中排出大量有害氣體，由此引起了不小的環境污染損失，帶來環境外部性損失不可忽視，火電行業應該承擔其成本。故筆者選取火力發電耗煤量、裝機容量和污染物的環境價值為投入指標，生產電力量和GDP為產出指標，具體如表1所示。

1.2 數據來源

由于數據統計時間上的滯后性，筆者選取2020年的省際數據進行效率評價。其中火力發電煤耗量、裝機容量來源于《我國電力統計年鑒》和Wind數據庫，社會火力發電量和GDP數據來自國家統計局。火電廠燃煤發電過程中排放大量煙塵、二氧化硫、氮氧化物、二氧化碳等污染氣體和粉煤灰、爐渣等固定污染物[11]，其排放造成的環境成本無法直接獲取數據，通常情況下選取防護費用作為間接評估標準。筆者以石灰石脫硫工藝產生的費用估算SO2的環境成本[12]。世界觀察研究所指出，發展中國家的減碳成本為5～10美元/t，疊加我國嚴格的“雙碳”政策帶來的碳排放成本上升的效益后，以0.132元/kg核算CO2排放的環境成本。其他污染物環境成本參照總量排污收費標準界定。借鑒白連勇等[13]通過《燃煤電廠大氣污染物排放標準》對火電行業減排污染物的環境成本標準估算結果折算成標準煤的污染物排放量，由此計算出相關數據見表2，各項指標的具體數據見表3。

表2 火電廠燃燒1 t標準煤排放出的主要污染物排放量及環境成本

表3 各省(自治區、直轄市)投入產出指標數值

2 基于DEAP軟件的省際火力能源效率分析

借助DEAP軟件縱向分析省際火力能源相關投入產出，并從效率和松弛變量兩方面對績效評價結果進行分析，得出火電能源效率情況。測算的相關指標結果值見表4，其中純技術效率為1.000代表技術有效，表示該生產單元技術水平已達最優。規模效率為1.000代表規模有效，是指決策單元處于規模收益由遞增到遞減的交界處，投入產出為最優配置。綜合效率為純技術效率與規模效率的乘積，當純技術和規模同時有效則DEA有效，即綜合效率為1.000時決策單元到達生產前沿面。結果顯示只有北京、內蒙古、江西和新疆為DEA有效。其余省(自治區、直轄市)火力發電的能源利用效率沒用達到最優，其中各省的純技術效率數值并不相同，有些省(自治區、直轄市)低至0.650，有的省(自治區、直轄市)高達0.990。規模收益分別有規模報酬遞增、不變、遞減3種狀態。此結果說明了各省(自治區、直轄市)的火電能源經濟系統的效率未到最優的原因各不相同，后續進一步討論分析。

表4 2020年我國省際能源利用效率

3 各地區火電能源效率及改進方向分析

3.1 火電能源效率分析

各省(自治區、直轄市)綜合效率雷達分布如圖1所示。

圖1 各省(自治區、直轄市)綜合效率雷達分布

在煤炭工業“十三五”規劃中，北京市煤炭生產全部退出。由于北京電力主要由外調輸入，其用于火力發電的能源并不多，且北京市科技發展水平高，高技術資源向其傾斜，因此對于能源效率在當前的數據分析下達到了最優。新疆、江西地區也達到了DEA有效，說明其投入產出結構到達了生產前沿面。筆者結合《煤炭工業“十三五”規劃》所劃分的東、中、西部地區宏觀分析不同區域的綜合效率，根據地區探討各省(自治區、直轄市)火電能源利用效率未達最優的原因。

3.1.1 火電綜合效率層面分析

首先在DEA無效的省(自治區、直轄市)里，云南、貴州的綜合效率低下，規模收益狀態為遞增，純技術效率相比規模效率來說更低。云貴地區位于我國西南部，地形崎嶇，規模方面處于規模收益遞增的狀態，所以這2個省增加要素投入可以獲取更高比例的收益，同時云貴地區純技術效率是制約綜合效率低下的主要原因。說明在能源利用方面火電廠需要改變技術、增加投入，優化產業結構以期增加產出。云南和貴州火電系統綜合效率低下的原因并不一樣；煤炭產業政策導致煤炭供應緊張局面加劇，云南省能源生產量少于消費量，煤炭缺口4000萬t/a，無法滿足日益增長的能源消費需求，每年都需要從省外調入一定數量的原煤，云南已成為能源輸入型省份。而隨著國家供給側改革和2017年煤炭去產能政策的實施，擔任云南煤炭主要供應來源的貴州實施了嚴格的煤炭封關措施[14]，因此云南火力發電沒有達到最優的生產規模，規模無效，且技術層面的純技術效率低至0.65，火電廠能源技術管理需要進一步加強。與之區別的貴州地區煤炭資源豐富，規模效率略高于云南地區，火力發電技術是制約火力發電綜合效率低的主要因素。

上海、吉林、遼寧、黑龍江、河南、重慶、甘肅的火電綜合效率均低于0.8，這些地區的火電技術效率是制約綜合效率的主要因素，說明火電廠的現有技術水平還有很大的提升空間。青海、廣東的火電綜合效率同樣低于0.8，原因是火電規模效率過低，這說明該地區后續需要從火電規模大小的角度調整能源投入，以此提升火電利用效率。

3.1.2 地區層面分析

將DEA無效的省(自治區、直轄市)按地區分類為華北、華東，其中華北包括天津、山西、河北，華東包括上海、江蘇、浙江、安徽、福建、山東。電力生產過程中，電廠規模起主導性作用。我國華東、華北地區的火力發電量占全國的50%以上，火電企業規模大，地區發展水平高，擁有較高端設備，能高效地將原煤或其他能源轉換成電力，因此華北和華東地區的綜合效率普遍偏高[15]。值得一提的是，河北是火力發電使用燃氣量最多的省份。天津屬于規模報酬遞增的非DEA 有效，說明仍處于可發展階段，可以通過加大能源投入促進火電廠發電效率提高，但純技術效率更低是制約綜合效率提升的主要因素。江蘇和山東則為規模報酬遞減的非DEA有效，且技術效率已達最優，說明規模配置不當，加大投入只會讓產出越來越少；且山東是我國發電使用煤氣量排名前三的省份，這種情況應該及時調整火電廠規模與投入能源的配比，避免效率進一步低下導致資源浪費。浙江屬于規模報酬遞減的階段且純技術效率相對低，說明此時不能純粹加大投入更應該提升技術水平。山西、上海、安徽效率低下的主要原因仍是火電技術層面，且規模報酬遞減，說明不能依靠加大投入來獲取經濟社會效益，需要技術創新。而福建省的火電技術效率已達最優，處于火電規模遞減階段，此時應該調整投入比例，不能盲目增加能源投入。

東北地區大部分火電規模效益是遞增的，這主要是因為東北地區凈調入煤炭占其消費量的75%，大都依賴其他地區的調入。但東北地區電力冗余度超過了30%，東北的火電機組過剩，新能源消納中的棄風棄光問題嚴重，棄風率高達60%，嚴重制約了火電機組運營[16]，技術層面是造成東北三省火電效率低下的主要原因。因此需要進行火電技術變革，提升機組的靈活性。

西部地區與東北地區在火電規模特征上有所區別。總體上西部地區煤炭產量23.1 億t，占全國的59.2%，煤炭消費量 14.5 億t，占全國的35.1%。西部省(自治區)多呈現火電規模效率較高的規模報酬遞增狀態，與之相比其火電技術效率更低，導致火電綜合效率不高，因此改變火電技術層面的問題才是重中之重。重慶的火電規模效率0.978，為火電規模收益遞增的發展階段，說明還可以適當增加火力發電能源投入，提高產出收益，火電規模效率很高，但是火電技術效率低下為0.812，這是制約重慶火電能源利用率不高的主要原因。陜西、甘肅、寧夏等西北地區中、陜西作為重點建設省其煤炭等能源充裕，可以滿足自身需要，在DEA測算火電規模效率中均處于較高的效率水平，火電規模方面適當調整即可，火電技術層面仍需要加大投資以提高技術水平。值得一提的是，西部偏北地區各省(自治區)的火電廠技術層面有很大的進步空間，應該增加對火電技術進步方面的投入以提升火電綜合效率。青海地區較為特殊，達到了火電技術有效，但火電規模效率處于遞增階段，為0.554，在所有省(自治區、直轄市)中火電規模效率最低，說明在生產規模層面還有很大的調整空間，與其資源稟賦有關，青海的煤炭資源相對貧乏且分布不均衡，總體勘探程度較低。

3.2 改進分析

上述指標值雖然可以評價決策單元的火電技術和規模是否有效，但是無法進一步找出其無效的原因，因此需要進行松弛變量分析。2020年我國30省(自治區、直轄市)能源投入冗余和產出不足的具體指標結果如表5所示。根據DEA的前沿理論，當投入指標的松弛變量值不為0時，表示投入冗余；當產出指標的松弛變量值不為0時，說明產出不足。松馳變量S-表示減少多少投入時可達到目標效率，松馳變量S+表示增加多少產出時可達到目標效率。 由表5可知，以山西省為例，要達到效率最優，需要減少投入標煤2 516.527萬t，減少投入環境成本1 099 623.329萬元。

表5 2020年我國30省(自治區、直轄市)能源投入冗余和產出不足

從投入側指標觀察，有10個省(自治區、直轄市)的投入存在相對冗余，不同地區的冗余指標并不一樣。其中山西、貴州、吉林、黑龍江和寧夏等能源環境投入冗余相當大，其中遼寧是我國火電用燃料油最多的省份。過多的煤炭等能源投入不僅沒有使發電量和經濟的期望產出有所增加，反而使非期望產出如污染氣體排放量大量增加，導致環境治理成本上升。說明此時缺乏有效的技術管理，盲目認為多投入必定多產出，不僅導致了資源的浪費，而且使得污染治理成本增加。

重慶、上海、山西、湖南和云南在能源投入及環境投入都有冗余，上海是使用柴油火力發電最多的省份，湖南在使用燃料油進行火力發電的省份中位列第二。說明這幾個省(直轄市)的火電技術亟待提高，以此提高能源利用效率和降低環境治理成本。

產出側指標方面，吉林、黑龍江、貴州、甘肅和寧夏的經濟指標方面存在較大的松弛量，表明這些地區的能源投入并沒有帶來最優的經濟效益，需要改革技術，提高火電廠運行經濟性，通過運行優化調整盡量減少各種損失，以提高發電效率，提高能源利用水平。

吉林、甘肅、貴州、寧夏、黑龍江能源投入冗余、經濟產出不足，說明資源投入被極大浪費，沒有發揮相應價值，基本與火電綜合效率的評估結果一致。這些省(自治區)的火電規模效率都比較高，有著較為豐富的能源，但是火電技術效率普遍偏低，加大能源投入并不會帶來高倍的經濟增長，應該優化現有技術水平、管理模式和產業結構，以期通過技術效率的提高充分利用投入要素，獲得最優產出。

火電裝機量方面，2020年各省(自治區、直轄市)在此投入指標中沒有體現冗余。隨著我國能源結構的改變，大力發展清潔可再生能源發電。各省紛紛淘汰落后機組，“瘦身”提速，減少火電廠數量，同時擴大火電廠規模，通過政策引導火電企業間的合并重組，形成一批大容量、高參數，更能發揮規模經濟效益的大型火電廠[17]。

4 結論與建議

以 2020年各省(自治區、直轄市)用于火力發電的能源數據，運用 DEA 模型對其效率進行了測算得出：各地能源效率有較大差距，且均有進步空間，從規模效益來看，各地狀況不同，對處于規模收益遞增階段的地區，提升能源效率的一個有效途徑就是增加資源投入。煤炭資源豐富的地區存在著較大的能源投入冗余，節能潛力巨大可重點進行資源調配，因而也是今后一段時期節能降耗的重點監控對象。基于以上實證分析結果，提出以下兩點建議。

(1)提高火電技術效率，加快火力發電技術進步，進一步加強技術進步對能源效率的主導作用。大力推廣高效節能減排技術，重視脫硫技術、電氣自動化技術等發展。在設備源頭進行改進，大力發展超臨界、超超臨界等高參數大容量火電機組，用大型燃煤發電機組代替小機組，淘汰落后產能；加強管理，推動科技創新與應用，火電能源轉型不僅需要加大研發投入，更要注重科技成果轉化。引進新技術的同時，應充分注意挖掘現有全部潛力和努力改善自身效率，同時達到火電技術效率提升和火電技術進步改善。

(2)因地制宜地調整投入規模，針對各地要素投入產出冗余量進行合理調整，對于規模收益遞增的地區要加大投入，獲得高倍產出，促進我國火力發電能效穩定提高。鼓勵其他發電方式加快發展，提高綜合發電水平，優化電力產業結構。大力發展水電、風電、太陽能、核電等其他符合資源與環境需求的發電方式。