解百臣 谭昕昀 张爽

摘要 分析火电企业碳排放变化的驱动因素以及减排潜力是实现电力部门乃至国家减排目标的前提和基础。文章提出了基于半可处置性的生产理论分解分析模型，研究了中国17家主要火电企业2008—2018年碳排放变化的驱动因素和时变趋势。同时，有针对性地引入装机容量利用率因素，分析各因素碳排放贡献值的时变趋势，比较中央管理与地方国有企业的差异性，为行业政策制定和火电企业变革提供新思路。实证结果表明：① 研究期间各企业的碳排放均有所增长，其中装机容量的增长是促进碳排放增长的最主要驱动力，装机利用率、潜在能源强度、潜在排放强度以及碳排放绩效则不同程度抑制了排放量的上升。② 中央管理企业的整体可处置性程度较高，且内部差异较小;经济发达地区的地方国有企业则表现出较高的可处置性程度，而主营区域煤炭资源丰富的企业则表现相对较差。总体而言，两类企业在各驱动因素贡献的占比上存在差异。③从时变分析来看，新增装机容量对排放量变化的贡献逐渐降低，装机利用率已逐渐成为最主要的影响因素。与此同时，现有装机容量利用率则处于低位，亟待提升。未来应继续控制火电新建项目总量，并确保设备的技术先进性和能源的高效利用;考虑到企业的差异性，需因地制宜地制定减排策略和激励措施，实现差异化管理;同时，还应积极推动电力交易体制改革，淘汰冗余装机，提升机组有效利用小时数，更好地实现火电行业的碳排放目标。

关键词 碳排放;生产理论分解分析;半可处置性;火电企业

中图分类号 C206  文献标识码 A  文章编号 1002-2104（2020）04-0042-09  DOI：10.12062/cpre.20200913

自2011年起，中国已成为世界上最大的电力生产国。火力发电占比长期高于70%，其中绝大多数来自比燃气发电排放更高的煤电，电力与供热行业的碳排放占比也始终保持在总量的44%以上[1]。目前，中国已提出2030年碳排放达峰，且单位国内生产总值碳排放比2005年水平下降60%～65%的目标。考虑到发电部门的高排放占比，火电企业作为电力部门中的市场参与主体和决策执行单元，其排放变化很大程度上影响着全国的碳排放表现。为促进企业减能增效，国务院在2007年出台了“上大压小”政策，鼓励企业集中建设效率更高的大容量机组，淘汰小型机组。2013年开始逐步向全国推行的碳排放权交易体系建设则进一步激励了企业减少排放以获得竞争优势。2017年环保部印发的《火电厂污染防治可行技术指南》，则从技术层面规范了企业排放控制的可行路径。因此，为了实现国家碳减排目标，深入分析火电企业碳排放变化的驱动因素，对于制定相应的减排措施，实现国家减排承诺具有重要意义。

已有碳排放研究通常采用生产理论分解分析模型剥离生产中的无效率项，以分析高效运营条件下可能的减排路径。但现有方法往往基于弱可处置性假设计算环境效率值，无法反映通过设备更新等方式实现技术升级、提高排放表现的可能性。为此，作者创新性地提出了基于半处置性假设的改进生产理论分解分析模型。与已有研究相比，该模型避免了弱可处置性假设高估效率值的缺陷，使结果更好地反映真实生产过程，所得行业相关建议也更具参考价值。从研究视角而言，尽管火电企业在发电部门中具有重要地位，但目前尚未有针对企业碳排放的生产理论分解分析研究。因此，作者将火力发电企业作为研究对象。考虑到火电行业高门槛和高集中度的特性，研究选取了中国17家主要的火电企业，运用改进的生产理论分解分析方法，分析了2008—2018年间的碳排放变化情况。同时，还创新性地从中央和地方国有企业视角进行对比分析，探究排放驱动因素及企业间的差异性，所得结果能够对火电企业改革和减排政策制定提供参考。

1 文献综述

目前广泛应用的分解模型主要分为三类：指数分解分析方法（index decomposition analysis，IDA），结构分解分析方法（structural decomposition analysis，SDA），以及以数据包络分析（data envelopment analysis，DEA）模型为基础的生产理论分解分析方法（production-theoretical decomposition analysis，PDA）[2]。其中，IDA计算相对简单，通常从碳排放强度、能耗强度等角度解释排放变化的原因[3];SDA则多基于投入产出表数据研究能源结构、产业占比等因素对于总体碳排放产生的影响[4]。

然而，IDA与SDA均未考虑实际生产过程中环境效率对碳排放的影响，而PDA方法则可以较好地解决此类问题。与前两种方法相比，PDA能够在考虑投入产出过程的同时将环境效率纳入分解分析框架，以消除运行中的无效率项，进而衡量潜在排放指标的变化，分析高效运营下可能的减排路径。Pasurk[5]在2006年首次将生产力理论框架纳入PDA分解方法。Zhou和Ang[6]则进一步明确了PDA方法的具体含义，并在分解中纳入了基于弱可处置性假设的DEA环境效率值。在最近的研究中，PDA方法通常将DEA模型与对数平均迪式指数分解（logarithmic mean divisia index， LMDI）技术相结合。其主要过程包括：第一步，应用DEA模型计算研究对象的环境效率值，评价其相对排放表现;第二步，将效率值代入LMDI分析框架，利用该方法的优势计算各驱动因素的影响[7]。由于环境效率值反映了决策单元相对于生产前沿面的距离，PDA方法能够有效剥离生产中的无效率所带来的影响[8]，从而更直观地展示减排潜力和实际运行效率变动分别引起的排放变化。

目前，基于PDA的电力行业排放研究相对较少。Wang等[9]专注于发电行业碳排放，通过结合共同前沿分析（Meta-frontier Analysis）方法考虑了不同决策单元之间的异质性因素，解释了潜在能源强度、共同前沿表现等因素对不同类别火电厂碳排放变化的影响。林伯强等[10]则将研究焦点专注于中国能源生产率的变动及其影响因素，从可变规模报酬和地区技術差距两个方面拓展了PDA的分析框架。除上述因素外，区域差异、能源结构、经济活动等指标也被纳入了分解框架中以从不同角度解释电力行业碳排放变化[11-12]。

尽管具有较多优势，现有PDA研究在可处置性假设与研究视角方面仍然存在缺陷。现有方法往往基于Faere等[13]提出的弱可处置性假设计算环境效率，即同一研究对象的碳排放和期望产出只能同比例增加或减少。该假设忽视了技术升级的可能性，倾向于高估决策单元的环境效率值，使分解结果产生偏差。与之相反，传统的强可处置性假设则倾向于低估效率评价结果。为了解决这一问题，Chen等[14]提出了半可处置性假设，认为在达到现有技术限制前，企业可以通过设备升级等方式在期望产出不变的情况下实现碳减排;在超出现有技术范围后，对碳排放的处理则与弱可处置性相同。该方法在DEA模型中同时考虑了设备升级可能与现有技术限制，与传统的强、弱可处置性假设相比，其效率评价结果更接近真实的生产过程。目前，尚未有将半可处置性假设应用于PDA方法的研究。

另一方面，在研究视角上，多数文章往往关注于国家或者省级层面的比较，分析整体碳排放变化的驱动因素[15-16]，而尚未有学者将PDA方法应用于发电企业的碳减排分析中。事实上，火电企业的技术水平、管理能力以及经营范围往往与一个乃至多个地区发电部门的碳排放息息相关[17-18]， 是电力部门最主要的市场参与者和政策执行者。因此，从企业的角度研究碳排放变化，所得结论能够更符合生产实际，以指导未来的整体电力行业发展。

基于上述缺陷，作者创新性地提出了基于半可处置性的PDA模型，并分解了2008—2018年间中国主要火电企业碳排放变化的驱动因素。通过赋予每一个决策单元具体的可处置性程度，该模型有效避免了已有方法存在的环境效率评价的偏差，并能够准确剥离企业运营中的无效率项，更真实地还原减排潜力和实际的效率变化对碳排放影响。与已有文献相比，试图在以下几方面有所贡献：①将半可处置性纳入PDA分析模型中，拓展PDA方法的理论框架，使分解结果更精确。②立足于火电行业参与主体，从企业角度对排放变化进行系统分析，有助于客觀评估企业环境表现，明确未来改进方向。③从生产实际出发，针对性地引入装机容量利用率作为驱动因素，并分解出潜在排放强度、潜在能源强度的影响，从不同角度为电力部门节能降耗提出具有针对性的政策建议。

2 模型构建

首先，计算半可处置性假设下决策单元的可处置性程度，以确定现有技术条件下可能的碳减排比例。然后，带入改进的Shephard距离函数中，分别计算以期望和非期望产出为导向的距离函数值。最后，将距离函数结果纳入碳排放变化的分解过程中，利用LMDI方法量化各驱动因素影响，形成改进的生产理论分解分析框架。

2.1 非期望产出的可处置性程度计算

半可处置性假设的应用是本文距离函数计算的核心环节之一。该假设为每个决策单元赋予不同的可处置性程度指标αi，t以确定可能的减排幅度。采用发电企业的供电煤耗Qi，t（g/kW·h）计算企业的可处置性程度。该指标不仅反映了发电机组的能源利用程度，同时也扣除了发电过程中消耗的厂用电量，因此能够较为全面地体现企业现有的技术与管理运营水平[19]。可处置性程度的计算过程为：

Q*t=min i=1，…，NQi，t（1）

αI，t=Q*t / Qi，t（2）

其中，Q*t 代表t时期所有发电企业可能达到的最优技术水平，N表示火电企业个数，αi，1表示t时期第i个发电企业的可处置性程度，取值范围在0到1之间。令Ci，t×αi，t代表t时期第i个企业的碳排放量，在半可处置性假设下，当第i个企业的目标排放量大于或等于Ci，t×αi，t时，则表明现有最优技术水平能够在保持期望产出不变的情况下降低排放，即满足强可处置性假设条件;反之，减排目标超出Ci，t×αi，1的部分则无法通过设备更换和改造达到，只能以同比例降低期望产出的方式实现，与弱可处置性假设对产出量的约束相同。

2.2 基于半可处置性的Shephard距离函数

PDA方法应用DEA模型计算环境效率，并将距离函数结果及效率值纳入碳排放变化的驱动因素分析。Shephard距离函数由于具有简洁易用的特点，常被用作环境效率评价的研究工具[20]。作者将半可处置性假设应用于Shephard距离函数中，避免了常用的弱可处置性假设高估决策单元效率值带来的偏差。考虑到发电行业属于重资产行业，且主要成本集中于燃料采购的特点，将资本（K）、 燃料成本（E）和人力成本（L）作为投入要素，将发电量（Y）和碳排放（C）作为期望和非期望产出。基于上述变量，以期望产出为导向的改进Shephard距离函数为：

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时期技术水平下决策单元i0到前沿面的距离，即最优期望产出Y与实际产出Yi0，t之比β;以期望产出为导向的环境效率值则可以由β的倒数表示;λi代表各项指标的权重值。与传统的处置性假设不同，半可处置性假设同时限制了非期望产出Ci0，t变动的上界和下界，以更符合决策单元的自身情况和当期技术水平。显然，β1，且β值越大，决策单元距离前沿面越远，效率值越低。同理，可以计算得到以非期望产出为导向的距离函数Dc，ti0（Ki，t，Li，t，Ei，t，Ci，t）[21]，且距离函数取值越小，则效率值越低。

2.3 生产理论分解分析模型

PDA模型的优势在于可以将环境效率值纳入碳排放的分解过程中，以此计算潜在排放强度等指标。基于所得效率和距离函数值，可以将t时期的碳排放量分解为：

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分别表示第i个决策单元t时期的碳排放总量、能源消耗量、火力发电量和装机容量。等式右侧第一项代表潜在排放强度（Potential Carbon Factor，PCF），其数值为半可处置性假设下最优碳排放量与能源消耗量的比值。第二项表示潜在能源强度（Potential Energy Intensity，PEI），即单位产出所需的最低能耗。两项指标在计算时纳入了距离函数值，消除了电力生产中的非效率项，分别给出了最优情况下潜在碳排放与能源强度因素对排放总量的贡献值。第三项和第四项为装机容量利用率（Capacity Utilization Rate，CUR）和装机容量（Installed Capacity，IC）指标，分别表示企业已有发电能力的利用率和装机容量的变化。由公式（4）表明，不同决策单元的CUR取值与其利用小时数成正比，能有效衡量现有设备利用程度对碳排放的影响。最后一项为两个距离函数的比值，可以进一步分解为公式（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）

这里引入了碳排放绩效（Carbon Performance Index， CPI）的概念[16]，其含义为最优单位发电量碳排放与实际值之比。公式（4）最后一项可以表示为CPI的倒数形式，其数值越小，对应决策单元的相对碳排放绩效评价越高。

进一步地，为了动态分析碳排放的变化情况，需要对t到t+1时期的碳排放量之差进行分解。考虑到LMDI方法具有时间可逆性、零值稳定性等良好性质[22]，作者将其应用于PDA分解框架中。同时，为了避免前沿面选择的任意性带来偏差，在分解时需要同时考虑t与t+1时期的前沿面基准，具体过程为：

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，△大于零表示该因子在研究期间推动了碳排放增加，反之则起到了抑制作用。ωi代表权重函数，表达式为ωi=L（Ci，t+1，Ci，t）。L（）表示一种算子，其计算过程如公式（7）所示：

L（a，b）=a-blna-lnb，a≠b

a，a=b（7）

以上分解过程中，潜在排放强度、潜在能源强度和碳排放绩效均为基于t时期的前沿面计算所得。为了避免前沿面选择的任意性，类似地，我们可以得到在t+1时期前沿面下的计算结果。然后，对两者的取值进行算术平均即可以得到最终结果，即将相邻期间的碳排放量之差分解为潜在能源强度因素（ΔPCF）、潜在排放强度因素（ΔPEI）、装机容量利用率因素（ΔCUR）、装机容量因素（ΔIC）以及碳排放绩效因素（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 企業碳排放变化分解分析

3.1 指标选取

在电力部门环境效率计算中，能源、资本和人力常作为投入指标以反映必须的生产要素投入[9]。考虑到火电企业主要的可变成本来自燃料采购，研究选取了燃料成本作为能源投入量。作为主要的生产设备与固定资产，火电装机容量则可以较好地反映主要资本投入量。研究进一步选取了火电部门的应付职工薪酬以代表企业的人力投入量[23-24]。在产出指标方面，作为火电企业最主要产品与收入来源，火力发电量常被作为期望产出以衡量研究对象的生产水平。与之相对应地，碳排放量常作为不可避免的非期望产出以衡量企业对环境的影响程度[25]。本研究中，碳排放量根据2006年《国家温室气体清单指南》数据计算得出[26-27]，可处置性程度则依据企业历年供电煤耗值计算，企业能源消耗、火电装机容量及发电量、供电煤耗数据来源于2008—2018年《中国电力工业统计资料汇编》，企业燃料成本及应付职工薪酬数据来源于企业对应年份的公开年报。

3.2 可处置性程度分析

考虑到火电行业的高门槛特性，中国大部分的火力发电量来自数量较少的大型发电集团。作者选取17家中国主要火电企业作为研究对象，见表1。根据Golany和Roll[28]提出的经验法则，本研究火电企业数量大于投入与产出指标个数的两倍，不会对模型准确性造成影响。所选企业在2018年火力发电量为31 747亿kW·h，占全国火电总量的63.8%，能够代表企业的整体运行情况以及技术水平。同时，根据股权结构和主要业务活动范围的差异，可以将其划分为8家由中央直接或委托管理的全国性火电企业和9家经营范围具有明显地域特点的地方国有企业。图1给出了所选企业研究期间的平均碳排放量，除国投电力与华润电力外，其余中央管理企业的年均碳排放均在200 Mt以上。而在地方国有企业中，只有广东粤电年均排放量超过50 Mt。相较于地方性企业，中央管理企业的装机容量、发电量规模更大，碳排放量也更高，是电力行业减排降耗的主力。

根据公式（1）和（2），可以得到2008—2018年各企业的平均可处置性程度，如图1所示。大部分企业的指标均值大于0.9，即与最优技术管理水平相比可减排幅度低于10%，表明所选企业虽然存在一定的技术差距，但总体水准较为一致。中央管理企业在规模上具有明显优势，其中有6家企业年均碳排放大于200 Mt。其可处置性程度的内部差异也较小，约在0.92～0.94之间，整体更为接近最优值。与地方企业相比，由中央直接管理的发电集团在资金投入、研发实力与经营管理方面具有明显优势，现有燃煤发电技术也已达到世界先进水平，进步空间较小。

在地方国有企业中，可处置性程度的差异则较为明显。主营区域经济技术水平较为发达的企业可处置性程度相对较高，如申能集团、京能集团、深圳能源等。其中，申能集团的均值为1，表明其供电煤耗值为全国最优水平。申能集团运营区域为上海市及周边地区，具有资本密集、技术先进的特点。值得注意的是，在可处置性为1的条件下，应用于申能集团的半可处置性假设实质上与弱可处置性相同，即减排目标只能通过同比例减少发电量来实现，而无法通过技术与设备升级的方式达成。另一方面，结果表明主营区域具有丰富煤炭资源的企业可处置性程度反而更低，如河北建投与山西电力。该类企业能够以较低的价格获取电煤用于生产，相对较低的燃料成本反而降低了上述企业通过设备更换与技术升级提高发电效率的积极性，因此，与其余用煤主要依赖外地调入的企业相比，其减排潜力更高。

3.3 驱动因素分解结果

计算基于半可处置性假设的环境效率，并带入PDA框架中进行分解分析，所得结果如表1所示。与Wang等[29]对中国火电部门研究结果相似，装机容量因素对碳排放表现出了明显的正向作用。除江西投资火电装机容量在研究期间略有下降外，新增装机容量是企业碳排放增长最重要的推动因素，且对中央管理的全国性发电集团尤为明显。2008—2018年间，中国的电力消费量从3.42万亿kW·h增长至6.84万亿kW·h[30]，需求侧电力消费量的提升推动了供给侧装机容量的快速增长，进而引起整体排放的增加。

与之相反，装机容量利用率大多呈负向变化，即对碳排放增长具有抑制作用。装机量的快速提升并不意味着装机利用率的增长，反而会因为提升过快造成与电力需求的不匹配，使得部分装机利用效率偏低，造成资源浪费。同时，中国清洁能源发电的高速发展也导致电力供应对火电的依赖逐渐降低，火电有效利用小时数不断减小。

潜在排放强度因素表示在不含无效率项的情况下，单位能源消耗所产生的最低碳排放量。得益于研究期间发电机组的升级、能源结构的改善以及电煤质量的提升，潜在排放强度因素对大多数企业排放总量具有负向作用。除国电集团外，这一影响在大型发电集团中尤为明显。同样地，多数企业潜在能源强度因素取值也为负。这一因素表示最优情况下单位发电量所需的能源消耗，其降低在一定程度上缓解了碳排放的增长趋势，也进一步提升了企业可能的碳减排上限。

在碳排放绩效方面，由于该指标采用相对效率评价方法得出，因此可以反映出所选企业在行业中相对排放表现的变化情况。值得注意的是，在地方国有企業中，京能集团、申能集团、广东粤电、广州发展与深圳能源五家主要服务于经济、技术较为发达地区的企业排放绩效变化均为负值或0。该因素表明上述企业的排放表现进步幅度快于其他地方企业或一直处于最优水准，进一步体现了地区经济技术水平对地方国有发电企业运行效率的促进作用。

3.4 企业对比与因素时变分析

整体而言，中央管理企业的体量要高于地方国有企业，经营涉及地域也更多。为了分析企业经营规模对碳排放驱动因素的影响，图2分别展示了不同驱动因素对两类企业碳排放变化的影响情况。可以看出，新增装机容量为两类企业最重要的排放增长来源，贡献占比均在65%以上。除装机容量增长外，其余因素均为负值，但在占比上有所不同。对于中央管理企业而言，潜在排放强度与潜在能源强度对于减排的贡献显著高于地方国有企业。究其原因，该类企业在规模上具有显著优势，有更充足的技术与经济实力引进超超临界燃煤机组、整体煤气化联合循环等先进设备和技术。综合来看，中央管理企业单位发电量的减排潜力在研究期间的提升幅度更高。

相比之下，装机容量利用率与碳排放绩效变化的减排效果在地方国有企业中更为显著。随着近年来中国电力供需形势的变化，火电供给总体呈现过剩局面，火电机组有效运行小时数持续承压。全国性企业在争取发电额度、生产管理调度上具有优势，而地方国有企业则有更高比例的减排幅度是已有装机得不到充分利用所导致。碳排放绩效因素对该类企业的减排贡献更高，这主要是由于地方国有企业相对规模较小，对已有设备升级改造所需的投入也相对较小，其在环境表现指标上的提高幅度要比规模更大的央企更高。

图3显示了所选企业代表性年份各因素的动态变化情况。其中，装机容量因素对碳排放增长的促进作用在研究期间呈现降低趋势。总体而言，尽管新增装机容量是发电企业碳排放增加的最主要驱动力，但随着中国经济增速放缓、高能耗产业比重降低以及电源结构的多元化发展，新增火电需求不断减少，装机容量因素在2017—2018年间已不再是主要的排放影响因子。与此同时，现有装机利用程度在2008—2015年间也呈现降低趋势。尽管在研究末期这一趋势有所缓解，但未来受到清洁能源发展的影响，火电行业将持续承压，并将逐渐向低负荷发电和调峰定位转变。如何合理利用存量装机，积极保证有效利用小时数将是火电行业面临的重要问题。潜在排放强度、潜在能源强度与碳排放绩效因素衡量了发电行业减排潜力和排放表现的变化情况，三种因素在研究期间对排放降低均有显著的促进作用。需要关注的是，已有研究更多揭示了排放表现提升对行业减排的促进作用，但本文对因素时变分析表明，2017—2018年间三项指标降低幅度均低于前期水平，尤其是潜在排放强度和能源强度因素。这一趋势主要是由于中国火电技术已总体处于世界领先水平，受到单位减排成本约束以及燃烧热效率的固有限制，难以实现排放表现的持续提升，体现了火力发电形式的局限性。

4 結论与建议

文章创新性地提出了基于半可处置性假设的PDA模型，研究了2008—2018年中国17家火电企业的碳排放变化情况及其驱动因素。与已有研究相比，不仅能够避免弱可处置性高估环境效率带来的结果偏差，同时，也从企业角度应用PDA方法对发电行业碳排放进行分解分析。研究针对性地引入了装机容量利用率因素，并进行了企业对比与因素时变趋势分析，所得结论与过往研究相比，对火电企业改革和减排政策制定更具参考价值。

研究结果表明：①装机容量增长是研究期间碳排放增加的主要驱动因素。装机利用率呈现降低趋势，潜在排放强度、潜在能耗强度等因素则对减排起到积极作用。与Wang等[9]的结论相似，研究发现尽管2008年以来中国火力发电量大幅增加，但得益于技术升级与设备改造带来的效率提升，近年来碳排放增长趋势得以缓解。②中央管理与地方国有企业差异显著。中央管理企业可处置性程度内部差异小且整体取值较高，其潜在排放强度、潜在能耗强度以及现有装机利用率因素对减排贡献较高，但碳排放绩效的提升幅度相对较低。同时，进一步发现主营区域经济技术较为发达的地方企业可处置性程度相对更高，表明经济技术水平对火电环境效率的提升也具有积极的促进作用。③从变化趋势来看，新增装机对排放增量的贡献明显减少，装机利用率在前期下降后在2017—2018年有所回升，且成为主要影响因素。与已有研究不同，因素时变分析还表明碳排放绩效等与发电效率有关的指标受到发电形式局限与减排成本的限制，难以实现持续快速地提升。

基于上述分析，提出如下建议以提升火电企业碳排放表现。

（1）严控火电总量，确保机组技术先进性。考虑到电力消费的增速逐渐趋缓，为实现火电机组的高效、节能利用，政府应该严控火电装机总量，避免新增装机容量持续成为排放增长的主要推动力。同时，强化对现存设备的环保与排放要求，鼓励采用先进、大型的发电机组进行产能置换，提升现有机组的能效水平。

（2）因地制宜，制定差异化减排政策和激励措施。由分解结果可知，受主营区域经济技术水平的影响，不同的地方国有企业排放表现差异显著。一方面政府应着手强化对低效火电企业的监管，促进地方与中央企业间技术和管理经验交流，实现整体环境效率的提升;另一方面，也应努力推动发达地区企业，如申能集团、京能集团等试点先进火电技术，验证碳捕集与封存等先进发电方式的技术可行性，拓展火电生产前沿面。从电源结构来看，考虑到火电效率的提升受到发电形式的固有限制而逐渐减缓，企业还应积极探索多元化和清洁化的发电形式，立足经营区域的自然条件，大力发展风电、光伏、光热等多种可再生能源，在提供清洁电力的同时实现企业的可持续发展。

（3）推动电力交易体制改革，提升现有装机利用率。通过培育市场化竞争体系，淘汰火电行业中的低效冗余装机，鼓励企业通过提升设备利用率、降低能源消耗以获得成本优势。同时，还应加快完善跨区电力交易机制。考虑到装机容量利用率指标在研究期间总体呈现降低趋势，且在地方国有企业中尤为明显，推动跨区电力交易能够鼓励清洁、低成本的优质电力资源跨区调配输送，进一步提升具有竞争力企业的机组有效利用小时数。

参考文献

[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]张纳军， 程郁泰， 肖红叶. 我国碳排放因素时变分解分析：基于生产理论分解分析模型的研究[J]. 江西财经大学学报， 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]陈菡， 於世为. 中国生活能源消费的典型污染物排放及驱动因素研究[J]. 中国人口·资源与环境， 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， 杜克锐. 我国能源生产率增长的动力何在：基于距离函数的分解[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. 中国能源消费碳排放变化的驱动因素研究：基于LMDI-PDA分解法[J]. 中国环境科学， 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]徐静， 张瑜璇. 火力发电企业离散决策及其对碳排放权价格影响[J]. 管理工程学报， 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， 张琳， 靳坤坤， 等. 基于综合用电煤耗的电力高质量发展评价指标研究及应用[J]. 热力发电， 2020（2）：10-16.

[20]田立新， 张蓓蓓. 中国碳排放变动的因素分解分析[J]. 中国人口·资源与环境， 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]林伯强， 杜克锐. 理解中国能源强度的变化：一个综合的分解框架[J]. 世界经济， 2014， 37（4）：69-87.

[23]刘佳， 刘伊生， 施颖， 等. 基于DEA的我国上市建筑企业生产效率研究[J]. 科技管理研究， 2016， 36（16）：214-218.

[24]刘传江，向晓建，李雪.人力资本积累可以降低中国二氧化碳排放吗：基于中国省域人力资本与二氧化碳排放的实证研究[J].江南大学学报（人文社会科学版），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]王常凯， 谢宏佐. 中国电力碳排放动态特征及影响因素研究[J]. 中国人口·资源与环境， 2015， 25（4）：21-27.

[27]蒋毅一，彭林，赵爽，等.基于空间计量的中国省域火电行业碳排放效率分析[J].山东财经大学学报，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]中国电力企业联合会. 中国电力行业年度发展报告（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

（責任编辑：刘照胜）

收稿日期：2020-06-03  修回日期：2020-09-21

作者简介：解百臣，博士，教授，博导，主要研究方向为能源环境政策与管理、管理决策与运筹技术。E-mail：xiebaichen@tju.edu.cn。

通信作者：张爽，博士，讲师，主要研究方向为低碳发展与环境政策。E-mail：zhang_shuang1985@tcu.edu.cn。

基金项目：国家自然科学基金项目“考虑异质性因素影响的电力系统环境成本效率改进策略研究”（批准号：71874121）;国家重点研发计划“研究我国城市建设绿色低碳发展技术路线图”（批准号：2018YFC0704400）;国家社会科学基金重大项目“微电网提高可再生能源利用的机制创新与顶层设计”（批准号：17ZDA065）。