碳排放約束下火力發電能源效率評估

［摘 要］將碳排放作為非期望產出，構建了一套符合火電行業生產情況的省市區域火力發電碳排放能源效率評估模型，使用含有松弛變量的方向距離函數模型SBM-DDF，更適合含有非期望產出的效率計算。本文首先進行實證試驗驗證模型有效，火電能源效率在加入非期望產出后排序有了明顯變化；其次結合火力發電減排相關影響因素對計算結果聚類；最后根據結果分析為地區電力行業減排提出建議。本文填補了將碳排放作為非期望產出的火電行業能源效率空白，為各地區火電節能減排、持續發展提出可靠的政策建議。

［關鍵詞］碳排放；SBM-DDF；火力發電；能源效率

doi：10.3969/j.issn.1673-0194.2024.21.046

［中圖分類號］F206 ［文獻標識碼］A ［文章編號］1673-0194（2024）21-0155-09

1" " "文獻綜述與研究背景

我國為應對氣候變化，做出了積極的承諾，2020年習近平主席宣布中國二氧化碳排放力爭2030年前達到峰值，努力爭取2060年前實現碳中和。據《中國2030年前碳達峰研究報告》數據顯示，2020年我國全社會碳排放約106億噸，其中電力行業碳排放約46億噸，基本上占據了中國碳排放量的一半。因此電力行業實現節能減排，是實現“雙碳”目標的關鍵著力點。但是，目前燃煤電廠仍然是中國電力行業的主力軍，2021年全國火電裝機容量達129 678萬千瓦，同比增長4.1%，占全部裝機容量的54.6%，火電裝機容量持續增加。因此，在優化能源結構的持久改進之余，提升火電行業能源效率，大規模降低碳排放量，探索碳約束下的火電行業發展路徑，是我國目前亟待解決的主要問題。本文應用方向距離函數，以碳排放量作為非期望輸出指標，分析火電行業真實能源利用效率，提出減少電力行業碳排量的相關對策建議。

隨著綠色發展需求的凸顯，將非期望產出納入效率評估模型中，能夠更加客觀地體現能源真實的利用效率。王婷婷[1]利用二氧化碳排放量和實際GDP構建低碳GDP指標作為輸出，基于交叉博弈DEA模型計算了省際能源效率；陳超凡[2]運用方向距離函數及ML指數測算了資源環境約束下的工業綠色全要素生產率；Zhao L等[3]使用DEA模型研究環境約束下中國電能效率面板數據；王鑒雪等[4]通過三階段DEA模型，測算環境因素影響下北京地區能源效率并提出對策建議。在電力能源效率研究領域，閆丹[5]研究了碳排放火電效率評價模型、影響因素和其中的空間性關系；王嬋等[6]利用包含非期望產出的博弈交叉全要素生產率模型分析電力能源利用面板數據，對其影響因素進行分析；王婷婷等[7]研究了碳約束下的中國省際電力行業消費效率；張寧[8]基于兩期方向距離函數和Bootsrap方法提出了一種碳要素生產率測算及分解框架；以及Zhang N等[9]整理了方向距離函數在環境能源效率測量中的應用。

綜上，在火力發電領域內研究碳排放作為非期望產出計算能源效率的文章相對于其他領域非常少且需求更迫切，已有的研究涉及的效率模型在計算效率和處理非期望產出方面也不夠完善。本文補充了將碳排放作為非期望產出的火電能源效率領域的空白，使用SBM-DDF模型和ML指數，分析火電能源利用效率與碳排放之間的關系，結合地域、減排手段等因素，因地制宜提出了相應的減排路徑規劃建議。

2" " "模型描述

效率計算的影響因素眾多且單位不一，選擇數據包絡分析（Data Envelopment Analysis，DEA）為基礎計算效率不需要預先設定生產函數的參數值，又可以同時處理多投入多產出。在綠色發展的要求下，碳排放已成為能源效率計算必須考慮的因素，方向距離函數（Directional Distance Function，DDF）[10]是在DEA方法上改進，在處理非期望產出問題的理論和實踐方面都具有可行性的重要方法。通過方向設定滿足污染物減少的同時，增加經濟產出的要求。本文使用了非徑向的DDF模型，增加了松弛變量[11]，使投入要素之間不需要同比例變化，更符合火電行業的實際情況，決策單元（DMU）距離最優投影點位置更遠，效率差更大。松弛變量與方向向量設定的混合方法稱為SBM-DDF模型[12]。

以圖1解釋模型，在徑向DDF模型中，對于無效率程度的測量只包含了所有投入（產出）等比例縮減

（增加）的比例，如圖1中E點到F點。對于無效DMU來說，其當前狀態與最優目標投影點之間的差距，除了等比例改進的部分之外，還包括松弛改進的部分，如圖1中F點到B點。在計算含有非期望效率時，考慮松弛改進，規避了部分方向距離函數使用時主觀因素的影響。本文選擇研究模型SBM-DDF，如圖1所示，決策單元E、C分別沿設定方向g投影到生產前沿G、A、B、H上，落點為F、D，SBM-DDF模型在方向距離函數的基礎上考慮了冗余變量，使得E點的投影落點變為B點，相對F點，B點在產出不變的情況下可以減少投入，效率值以E點到B點的距離為基礎計算。

假設一個包含期望產出和非期望產出的環境生產技術，在給定的情況下，實現期望產出y的最大化和非期望產出b的最小化，及確定投入x具有強可處置性、產出y，b具有聯合性，且聯合產出具有弱可處置性。N、M、I分別為投入產出個數，K為決策單元個數，t表示第t年的數據。以每個區域為決策單元，（ gx、gy、gb ）分別表示投入減少、期望產出增加和非期望產出減少的方向向量，（ sxn、sym、sbi ）為松弛向量，分別代表投入冗余、期望產出不足和非期望產出過多的量，若該值大于0則代表實際投入和非期望產出大于邊界的投入和產出，而期望產出小于邊界產出。

研究使用規模報酬可變的含有松弛變量的方向距離函數模型，計算各省市火力發電能源利用效率，涵蓋非期望產出的SBM方向距離函數定義為：

Malmquist-Luenberger（ML）全要素生產率指數，是基于含有非期望產出的DDF模型的M指數的更新，展現了環境問題下技術效率的動態變化，以公式（1）為基礎進行計算。ML計算為：

其中，為方向距離函數，ML=EC×TC。EC為技術效率變化，衡量的是配置變化，如果EC＞1，那么t+1時期比t時期效率更高，反之亦然；TC為技術進步變化，如果TC＞1，那么t+1時期比t時期技術進步，反之亦然。

3" " "實證研究

3.1" "指標說明

本文的研究對象是我國30個省、自治區和直轄市，西藏由于數據缺失并未列出，以2017—2021年數據為研究樣本。2017年電力行業開始逐步納入碳交易市場[13]，對碳排放的重視程度更高，故選擇從2017年的數據開始分析。輸入指標為火電發電端效率衡量主要因素，分別為火電能源消耗量、火電裝機容量和火電裝機發電利用小時數?；痣娔茉聪目偭縓1、單位為萬噸標準煤，通過各地區能源平衡表中加工轉換部分火力發電行各類能源消耗乘以標準煤系數折算得出，折標準煤系數來自《中國能源統計年鑒》附錄，如表1所示，計算公式見（3）。

能源消耗總量 各能源消耗量×折標準煤系數

（3）

通過電力工業統計資料匯編，得到各地區火力發電裝機容量X2、單位為萬千瓦和火電裝機發電利用小時數X3。產出指標分為期望產出和非期望產出，期望產出為火力發電量、單位為億千瓦時，數據來自《中國電力統計年鑒》，非期望產出為電力、蒸汽、熱水的生產和供應所產生的二氧化碳，根據地區能源平衡表數據按照中國省級二氧化碳排放清單（IPCC部門核算法）計算，數據來自中國碳核算數據庫CEADs，各變量描述性統計分析如表2所示。

將收集整理的數據進行標準化處理，避免數據差異對結果造成影響，標準化處理方式為均值化，計算公式如下。

（4）

3.2" "實證實驗

本研究進行了二組實證實驗驗證模型準確性。實驗一：投入變量為火電能源消耗量、火電裝機容量和火電裝機發電利用小時數，期望產出為火力發電量。實驗一計算結果如表3所示，表中數據為5年結果的平均值，根據數據性質EFF與松弛變量計算算術平均值，ML、TC、EC計算幾何平均值。

實驗二：投入變量相同，期望產出變量相同，增加非期望產出，電力、蒸汽、熱水的生產和供應所產生的二氧化碳。增加了非期望產出驗證模型的可行性和準確性，同時分析二氧化碳對火力發電效率的影響。得到的實驗二結果如表4所示。

對比發現，在引入二氧化碳排放量作為非期望產出后，效率排名結果發生了很大變動，效率對比如圖2所示，一些清潔能源使用占比較高的地區，其火力發電能源效率在引入非期望產出后排名有所下降，如青海、湖南等；一些火力發電占比較高的區域在不考慮碳排放時效率排名靠前，考慮碳排放后排名明顯下降，如山東、河北、新疆等；又或者火力發電本身效率不高，在考慮到二氧化碳排放后，效率反而上升，如北京、上海。對比證明火電能源效率在考慮碳排放后會產生明顯差異，且與二氧化碳排放量的變化相關，驗證模型確實可以很好處理碳約束下火電行業能源效率問題，實現綠色能源效率分析的目標。

3.3" "聚類分析

對含有非期望產出的模型計算結果和相關影響因素聚類分析，使用SPSS對個體進行系統聚類，相關因素有2017—2021年火電發電量占比總發電量記為火電占比平均值、2017—2021年單位火力發電量的二氧化碳排放量平均值記為CO2 /火電、預期2025年非化石能源占總能源消費比重記為非化石能源消費比重。火電占比體現地區發電結構特點，數據來自電力統計年鑒，CO2 /火電體現火電碳排放情況，單位為克/

千瓦時。非化石能源的消費比重是表現能源規劃的重要指標，直接體現發電行業能源結構規劃，數據來自各地區已經發布的“十四五”碳達峰實施方案中關于非化石能源消費比重部分，如表5所示。對EFF、ML指數，CO2 /火電、火電占比、非化石能源消費比重進行系統聚類。結果如圖3所示。

減排措施。二氧化碳捕集利用與封存技術（CCUS）[14]，是指將CO2從工業過程、能源利用或大氣中分離出來，直接加以利用或注入地層以實現CO2永久減排的過程。CCUS技術的部署有助于充分利用現有的煤電機組，適當保留煤電產能，避免一部分煤電資產提前退役而導致資源浪費。

火電行業是當前中國CCUS示范的重點，潛力逐年大幅上升，火電安裝碳捕集裝置導致的度電成本增加為0.26～0.4元，火電度電發電成本在0.27～0.34元，發展瓶頸主要為成本和缺乏經驗，需要因地制宜安置使用。東部、北部沉積盆地與碳源分布空間匹配相對較好；西北地區封存地質條件相對較好，但碳源分布相對較少。南方及沿海碳源集中，但能開展封存的地質條件相對較差，陸上封存潛力非常有限；在近海沉積盆地實施離岸地質封存可作為CCUS重要的備選。

相比之下，在碳處理成本上，碳排放權交易的價格要遠遠低于CCUS，碳排放權交易是將碳排放作為商品，運用市場機制實現低碳發展。2023年碳價格的平均成本約為55元/噸，遠低于國際價格，碳價格勢必會逐步提升，對大容量電廠、高碳排地區或碳儲存成本相對較低的地區CCUS的減排性價比更高。

結合聚類分析結果，將有相似減排特征的區域劃分為五類，如表6所示。總結相似特征區域問題，根據現有減排措施得出研究結論。

（1）富能高產出地區中大多屬于發電輸出主要區域。其中效率值內蒙古與山西較低，在不考慮非期望產出時，內蒙古與山西火電發電效率都較高。根據模型計算，近5年的內蒙古ML指數都大于1，并領先其他省市區域，但TC指數較低，效率持續提升，但仍有技術提升空間。山西的ML和TC指數相對較低，建議從技術改進方面入手，適當更新設備，提高能源利用率，減少尾氣排放。

高耗能輸出區的低碳減排以內蒙古為例。內蒙古低碳減排發電發展首先提高了火電技術效率，增加了火電發電量，使其保證作為能源輸出大省的穩定，滿足逐步增加的電力輸出需求，與此同時，逐步發展了清潔能源發電。目前清潔能源發電發展速度較慢，但增長趨勢十分穩定，非化石能源消費比重預計2025年達到18%，2030年達到25%，由清潔能源逐步替代碳排放較多的設備。內蒙古的火電單位碳排放量較高，但近幾年變化明顯，主要為技術效率提升的原因。

火力發電是輸出大省的發電主力，考慮到地理位置，對于無法提供大量可再生電力的地區或是燃料價格較低的地區，煤結合CCUS技術是成本最低的脫碳減排路徑，如河北、河南、內蒙古、陜西等。運用CCUS技術的發電廠能提供可調度的低碳電力，以及維護電網的穩定，避免光伏發電或水力發電帶有的入網難、不穩定問題。

（2）綠色電力潛力區。這些區域的單位碳排放在整體中屬于中等偏下，火電效率較高且火電占比逐步下降，完成了第一步綠色電力轉型。清潔能源占比較高的有福建、湘鄂、云貴川渝等西南、華南地區，從地理資源和能源規劃可以看出，發展清潔能源的主力還是在我國南部，區域的清潔能源儲備量都相對豐富，但地理條件不適宜應用CCUS。這些地區的發電減排路徑建議優先發展清潔能源，鼓勵碳排放權交易促進減排，逐步實現向綠色電力區轉型。

（3）綠色電力區。青海、云南、四川的效率都較低，單位發電量碳排放較高，但考慮到火力發電只占其發電總量很小部分，適合的發展路徑是逐步淘汰低效率的火力發電裝機，保留部分作為應急發電裝備，將碳排放限制在國家分配的碳排放額度內。大力發展綠色電力，助力國家“雙碳”目標實現。

（4）高效科研區。北京、上海、天津、安徽的能源效率都很高、單位碳排放也很低，都比較成功地利用了本地區的特點和優勢。以北京為例。北京是首個全部實施清潔能源發電的城市，是由燃氣熱電中心取代原煤發電，效率很高、碳排放較少，但發電成本較大，北京自己發電量占總用電量的39%左右。類似性質的上海等直轄市大部分電力由外部輸入，目前對于發電減排的壓力比較小，未來可以多發展蓄能儲電領域，在降低發電成本同時，為其他地區提供技術支持。

（5）技術落后區。東北三省地區處于技術落后且受環境限制較重的狀態，從能源使用來看，東北三省的發電情況大致滿足自給自足，但火電效率低，同時對于清潔能源發電的投資和重視程度也較弱。東北三省地大物博，風電、光伏、水電均有所發展，但發展速度非常緩慢，主要是由于東北三省四季溫差大，降雨降雪等情況對發展產生了很大的限制。短期內想大規模以清潔能源取代火力發電不可行。清潔能源發展道路道阻且長，想要實現低碳目標，還是需要從火電入手。

從經濟投資來看，2017—2022年的黑吉遼對電力行業的固定投資，遼寧、黑龍江各在530萬元左右，吉林在500萬元左右，在各省市電力投資排名中靠后，從火電技術方面改進，可以更有效地減少碳排放和提高發電效率。同時，東部、北部沉積盆地與碳源分布空間匹配相對較好，結合地質特征和二氧化碳排放源分布，可在東北區域大力發展CCUS技術，東北地區還擁有像小興安嶺的大型林場，可以發展綠色碳匯交易。更新火電技術、發展CCUS和綠色碳匯更適合像東北這樣不具備清潔能源優勢的地區的發展路徑。

4" " "結 論

（1）SBM-DDF模型是在數據包絡模型基礎上的改進，通過設定方向向量控制決策點向前沿面移動的方向來解決投入變量和非期望產出減少、期望產出增多的構想，同時在方向距離函數基礎上增加了松弛變量，使決策點前沿面投影可以繼續向最優生產點移動，增加了效率的準確性。基于SBM-DDF模型計算ML指數也是傳統M指數的升級，更適應含有非期望產出的情況，表現了效率的動態變化情況。

（2）實證實驗證明，在引入二氧化碳排放量作為非期望產出后，火電效率排名結果發生了很大變動，使用SBM-DDF模型計算碳約束下火電能源效率結果更貼合實際情況，解決了合理計算碳約束下火電能源效率和全要素能源效率的數學問題。使用SBM-DDF模型計算效率為火電行業能源節能減排規劃提供了數據支持。

（3）聚類結果顯示，富能高產出區的綠色發電效率普遍較高，形成了具有規模優勢的發電集群，為其他?。▍^、市）發展起到保障作用，個別效率略低、碳排放較高地區，如內蒙古、山西，減排路徑可先保證發電量，提高技術效率，再因地制宜發展CCUS等減碳手段，提高發電量的同時保證電網穩定安全；綠色電力潛力區清潔能源發展潛力比較大，綠色能源效率較高，應著力于可再生電力裝機建設，向綠色電力區轉型，助力實現減碳目標；東三省技術落后區綠色能源效率較低，應重點幫扶，重點在于技術投資，結合地理優勢發展CCUS技術，減少碳排放；非能源大省，但效率較高地區，減排壓力較小，可根據自身情況側重研究發展方向，如北京應大力發展儲電等相關技術，為其他地區提供技術支持。

綜上，本研究以碳排放作為非期望產出計算碳約束下火電行業能源利用效率，采用并驗證SBM-DDF模型在處理含有非期望產出的效率計算、ML指數計算方面是合理可行的，并且將碳排放作為非期望產出計算碳約束下火電能源效率更符合當下的實際情況和研究需求，根據實證分析結果對地區分五類分析，提出了適合各地區的減排建議。

主要參考文獻

［1］王婷婷.基于博弈關系與碳排放約束的中國省際能源效率評價［J］.軟科學，2016，30（3）：89-93.

［2］陳超凡.中國工業綠色全要素生產率及其影響因素：基于ML生產率指數及動態面板模型的實證研究［J］.統計研究，2016，33（3）：53-62.

［3］ZHAO L，ZHA Y，WEI K，et al.A Target-based method for energy saving and carbon emissions reduction in China based on environmental date envelopment analysis［J］.Annals of Operations Research，2017（255）：277-300.

［4］王鑒雪，陳紅梅，劉潔.考慮環境因素的北京區域能源效率研究［J］.山東工商學院學報，2020，34（4）.

［5］閆丹，中國省域火電行業碳排放效率評價及空間相關性研究［D］.北京：中國地質大學，2018.

［6］王嬋，鄒斌，金茜，等.基于兩階段DEA方法的中國省際電力能源利用效率評估［J］.數字的實踐與認識，2020（2）：150-161.

［7］王婷婷，朱建平.碳約束下的中國省際電能終端消費：效率測度及影響因素研究［J］.數理統計與管理，2018，37（2）：211-223.

［8］張寧.碳全要素生產率、低碳技術創新和節能減排效率追趕：來自中國火力發電企業的證據［J］.經濟研究，2022，57（2）：158-174.

［9］ZHANG N，Y CHOI. A note on the evolution of directional distance function and its development in energy and environmental studies 1997—2013［J］.Renewable and Sustainable Energy Reviews，2014（33）：50-59.

［10］CHAMBERS R G，CHUNG Y，FARE R. Benefit and distance functions［J］. Journal of Economic Theory，1996（70）：407-419.

［11］KAORU TONE. A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research，2001，130（3）：498-509.

［12］HIROFUMI FUKUYAMA，WILLIAM L W. A directional slacks-based measure of technical inefficiency［J］. Socio-Economic Planning Sciences，2009，43（4）：274-287.

［13］生態環境部.碳排放權交易管理辦法（試行）［S］. 2021.

［14］生態環境部環境規劃院.中國二氧化碳捕集利用與封存（CCUS）年度報告［R］.2021.