“碳中和”視角下主成分分析法的能源轉型成效評價研究

摘要：傳統的主成分分析法在評價能源轉型成效時，無法充分考慮“碳中和”目標的影響，因此，提出“碳中和”視角下改進主成分分析法的能源轉型成效評價方法。“碳中和”視角下計算能源轉型成效指標權重，從多個維度全面評價能源轉型的成效，構建能源轉型成效評價模型，基于改進主成分分析法評價能源轉型成效，綜合得分越高，說明在能源轉型方面的整體成效越好。實驗結果表明：使用此方法后，碳排放量的減排效果明顯，碳排放量明顯下降，達到“碳中和”的目標。

關鍵詞：能源轉型 主成分分析法 “碳中和”視角 碳排放量

中圖分類號：D26.4

Research on the Effectiveness Evaluation of Energy Transition Based on Principal Component Analysis from the Perspective of “Carbon Neutrality”

WU Hong LUO PengHechuan Branch of China Tower Co.，Ltd.， Chongqing， 401520 China

Abstract： Traditional principal component analysis cannot fully consider the impact of the “carbon neutrality” goal when evaluating the effectiveness of energy transition， so this paper proposes to improve the evaluation method of the effectiveness of energy transition based on principal component analysis from the perspective of “carbon neutrality”. The weights of the effectiveness indicators of energy transition are calculated from the perspective of “carbon neutrality”， the effectiveness of energy transition is comprehensively evaluated from multiple dimensions， and an effectiveness evaluation model of energy transition is constructed. Evaluating the effectiveness of energy transition based on the improved principal component analysis method， and the higher the comprehensive score， the better the overall effectiveness of energy transition. Experimental results show that after using this method， the emission reduction effect of carbon emissions is obvious with their significant reduction， achieving the goal of “carbon neutrality”.

Key Words： Energy transition; Principal component analysis; “Carbon neutrality” perspective;Carbon emission

能源轉型不僅涉及到能源結構的調整，還涉及能源效率的提升和碳排放的減少。主成分分析法是一種常用的多元統計分析方法，它能夠通過降維的方式，從多個指標中提取出主要的影響因素，從而簡化問題、揭示規律。在能源轉型成效評價中，主成分分析法可以有效地整合多個評價指標，提供更直觀、更全面的評價結果。因此，改進主成分分析法，提高其在能源轉型成效評價中的準確性和有效性，是當前研究的熱點和難點。基于以上背景，本研究從“碳中和”視角出發，改進主成分分析法，構建一套更加科學、準確的能源轉型成效評價方法[1]。

1 “碳中和”視角下能源轉型成效評價方法設計

“碳中和”視角下計算能源轉型成效指標權重

“碳中和”視角下的能源體系轉型不僅涉及了能源結構的升級與技術的提升，還涉及了清潔能源技術的高效普及。通過對清潔能源項目的環境、經濟和社會效益等進行全面的理解和分析，并結合改進主成分分析法的實際運作機理，制定出相應的能源轉型的成效評價政策提供借鑒[2]。

本文選擇熵權法進行能源轉型成效樣本評價指標的數據信息大小程度的確定，在一定程度上，避免受能源轉型評價的主觀因素造成的誤差。熵權法的具體計算過程如下：

（1）建立原始能源轉型數據的初始決策向量[3]，其計算公式如下：

式（1）中：代表原始能源轉型數據。

（2）將得到的原始能源轉型數據進行標準化處理，可以得出第個指標的比重，其計算公式如下：

式（2）中：表示第個指標的比重；代表當量因子。

（3）根據該比重進而確定出第個指標的加權值，其計算公式如下：

（4）第個指標的權重的計算公式如下：

構建的能源轉型成效指標體系[4]，如表1所示。

根據具體情況和實際需求，還可以進一步細化和定制指標，以確保評價結果的準確性和有效性[5]。

1.2 構建能源轉型成效評價模型

本文選擇STIRPAT模型構建出能源轉型成效評價模型，STIRPAT模式的基本原理就是采用比較評價對象與最優解或者最劣解的距離來進行排序。本文在傳統的主成分分析法基礎上，根據樣本指標的信息量大小程度，結合加權法對各評價指標進行賦權。通過加權改進的STIRPAT模型，可以在一定程度上避免主觀因素引起的誤差。這種改進方法考慮了各評價指標在整體評價中的相對重要性，從而提高成效評價結果的準確性和客觀性。

首先，將正、負效應指標進行規范化處理，其計算公式如下：

其次，確定能源轉型成效評價模型的理想值，其表達公式如下：

式（6）中：代表最優方案即正理想解；代表最劣方案即負理想解。

這里使用STIRPAT模型分析能源轉型水平變化與影響因素之間的關系，能源轉型成效評價模型的計算公式如下：

式（7）中：代表能源轉型水平；代表誤差項。

根據式（7）可以看出越大時，越接近能源轉型成效的最優水平，的取值范圍為[0，1]，當時，能源轉型水平最高，當時，能源轉型水平最低。

基于改進主成分分析法評價能源轉型成效

針對目前統計數據指標可獲得性的現狀，將目的性、全面性、定性與定量相結合、穩定性可比性與靈活性可操作性相結合，建立出一種新的能源轉型成效評價指標體系。利用因素分析檢測變量之間的相關性，對原變量進行歸類，將相關度高的變量歸到一類，再與以上主成分的結果相結合，得到一種更加科學、合理的多級目標評價模式，在這個基礎上，再與專家們的意見相結合，對評價向量進行客觀、精確的構建。最后，基于交叉后的評價向量，測算出每一項指標的相對權重，并將每一項指標的相對指標值進行無量綱化后，再采用綜合評價方法，就能獲得各樣本的綜合得分值，進而對其進行合理的能源轉型成效綜合評價。

為此，本文選擇的能源轉型成效評價的目標函數分別為：碳排放、年度能源消耗總量，其中的決策變量是能源轉型中的風電裝機容量與光伏裝機容量，其表示如下：

上述目標函數的約束條件的表達公式為：

式（8）中：代表風電裝機容量，單位為MW；表示光伏裝機容量，單位為MW；代表最大風電裝機容量，單位為MW；表示最大光伏裝機容量，單位為MW。

基于上述章節中構建的能源轉型成效評價模型與碳排放和年度能源消耗總量，進行標準化處理，并最終得出加權能源轉型成效的評價得分結果，其計算公式如下：

式（9）中：代表環境影響類型的影響潛因；表示第種污染物的排放量；代表環境影響類型。

將各個樣本的主成分得分進行綜合，得到每個樣本的綜合得分。綜合得分越高，說明該樣本在能源轉型方面的整體成效越好。

2實驗測試與分析

2.1實驗準備

本次實驗將選取A市的5個項目作為實驗調研對象，該5個項目的詳細參數如下表2所示。

在本次實驗中，將測試氣站通過能源轉型，減少化石能源的使用效果，增加清潔能源的使用。將對五個氣站實施能源轉型后，監測碳排放量的結果，是否達到“碳中和”的目標為實驗目標。

2.2實驗結果與分析

根據上述實驗準備，檢測出5個氣站的碳排放量結果，其測試結果如下表3所示。

經過“碳中和”視角下改進主成分分析法的能源轉型成效評價方法使用后，氣站#2的碳排放量減少了4.96×104kg/a，氣站#2的碳排放量減少了2.57×104 kg/a，氣站#3的碳排放量減少了4.17×104 kg/a，氣站#4的碳排放量減少了5.07×104 kg/a，氣站#5的碳排放量減少了4.39×104 kg/a，碳排放量的減排效果明顯突出，碳排放量明顯下降，達到“碳中和”的目標。

3結語

通過引入主成分分析法，能夠更全面、更準確地評估能源轉型的成效，為政策制定和實施提供有力支持。通過實證分析，發現改進的主成分分析法能夠更準確地反映能源轉型的實際情況，為政策制定者提供更準確、更有針對性的建議。在未來的研究中，將繼續改進主成分分析法，提高評價方法的準確性和有效性。

參考文獻

[1] 徐偉，時圣強.基于熵權—TOPSIS法的能源轉型成效評價及障礙度分析：以內蒙古自治區為例[J].應用能 源技術，2020（1）：13-19.

[2] 湯偉，楊鋮，謝芝東等.綜合主成分分析及改進神經網絡的電壓穩定控制方法[J].微型電腦應用，2021，37（8）：78-81.

[3] 龔旭，呂佳.基于加權主成分分析和改進密度峰值聚類的協同訓練算法[J].重慶師范大學學報（自然科學版），2021，38（4）：87-96.

[4] 田家豪，劉思佳，李運瑋.碳中和視角下產業協調對碳排放的影響研究[J].商展經濟，2023（18）：135-138.

[5] 王文，劉錦濤.碳中和引發的大國博弈規則重塑：基于碳約束下的生產轉型與國力升級視角[J].探索與爭 鳴，2023（7）：118-131，179.