丁 晗，陈守海，冯连勇

(中国石油大学(北京)经济管理学院，北京市昌平区，102249)

0 引言

在能源减碳不断发力的当下，电能作为重要的终端能源，不仅与能源消费紧密联系，而且对全社会的经济发展有强劲的促进作用。我国是世界上最大的电力能源生产国和消费国，目前依然以火力发电为主、水力发电为辅，光伏、风力、核能等大多处于辅助和测试阶段[1]。据国家能源局数据显示，2021年我国火力发电量为57 702.7亿kW·h，同比增长8.4%，约为我国全社会发电量的71.13%。近年来我国火电(约90%是煤电)的二氧化碳排放量占全国总排放量43%，是二氧化碳排放的最大单一来源，约占社会总排放量的50%[2]。在如此庞大的火电生产态势中，低碳之路困难重重。随着煤炭供需持续偏紧和能耗“双控”政策的落实，煤炭消费量在逐渐下降。但由于国际环境复杂、替代能源发电出力不足，限制火力发电反而出现拉闸限电、工厂停工等现象。可见，我国要走低碳之路，首先要改变火力发电高碳低能效的现状。火力发电能耗大、污染性强，在如此严峻的降碳政策下，火力发电利用效率不高和浪费的问题仍然存在。电力行业作为国民经济的重要基础产业，迫切需要提高电力能源效率、实现清洁用电。因此，笔者以DEA模型衡量火电、能源和经济三者的投入产出关系，评估省际火电能源经济系统效率，针对性地提出优化政策。

目前许多学者对我国能源效率做过大量研究。关伟[3]测算辽宁省各地级市的能源效率值情况，得出辽宁省突破能源困局的重要途径是提高能源效率；吴江[4]测算了我国30个省(自治区、直辖市)2005-2015年的全要素能源效率；杨宇[5]通过DEA-ESDA模型对1990年、2000年和2010年我国各省(自治区、直辖市)能源效率进行分析，并探索其空间集聚状态以及冷热点区域格局的演化；黄德春[6]运用三阶段DEA模型分析了我国29个省(自治区、直辖市)2009年的能源效率，利用纯技术效率和规模效率的数值来分析能源效率，同时加入环境变量来分析完善计算结果；邵留国[7]基于方向距离函数模型，对我国2007-2013年火电产业循环经济效率进行评估；王喜平等[8]以发电煤耗量、供电煤耗量、发电设备利用小时数和发电厂用电率作为投入变量，以发电量、用电量作为产出变量，对我国2001-2008年电力行业能源利用效率进行分解分析。尽管上述文献已经对我国能源系统、电力行业做了细致的分析和效率评价，但是鲜少有研究将环境成本考虑在内，仅对火电能源系统进行了效率评价。全球低碳化进程中，电力系统的转型化进程亟不可待，以火电为主的发电系统是能源转型的首要对象，然而当下的技术难以支撑清洁能源完全替代火力发电；因此提高火电能源效率是当下突破能源困境的有力手段。笔者以我国30个省(自治区、直辖市)的火电能源系统为研究对象，利用数据包络分析(DEA)方法和DEAP软件对各地区的火电能源消耗效率进行更深入地评估分析，将考虑经济与环境指标，针对性地为各地区提高火电能源利用过程提供决策依据。

1 数据包络分析BCC模型与数据

1.1 BCC模型介绍

数据包络分析(DEA)是一种基于被评价对象间相对比较的非参数技术效率分析方法[9]。DEA适用范围广，在分析多投入多产出的情况时具有特殊的优势且作为非参数模型无需考虑具体生产函数形式，评价过程不受主观因素的影响，可以计算决策单元的相对有效性。DEA分析方法中常用的模型有CCR模型和BCC模型。CCR模型在规模效益不变的假定下衡量各决策单元的技术效率，得出的效率值包含了规模效率的成分，称之为综合技术效率，但由于许多生产单位并没有处于最优的生产阶段，CCR模型的假定在实际生产过程中难以成立，因此提出了基于规模收益可变前提下的BCC模型来衡量DMU(决策单元)的综合效率、纯技术效率、规模效率，且纯技术效率排除了规模的影响。此外，BCC模型可以同时评价决策单元所处的规模报酬阶段，也可判断评价的决策单元综合效率低的原因[10]。因此笔者选取BCC模型(VRS径向DEA模型)进行系统的效率评价，BCC初始模型建立如下。

评价30个省级DMU的综合效率，记为DMUj(j=1，2，…，30)；每个DMU有3种投入(本研究包括环境成本、标煤消耗量和火电装机容量)，记为xi(i=1，2，3)，投入的权重表示为vi(i=1，2，3)；有2种产出(本研究包括GDP和火力发电量)，记为yz(z=1，2)，产出的权重表示为uz(z=1，2)。模型确定的权重u和v都是对当前DMU最有利的。当前被测量的DMU记为DMUk，其投入产出比hk为：

(1)

附加约束条件，所有DMU采用上述权重得出的效率值θn限定在[0，1]的区间内，即

(2)

笔者联系实际选取BCC模型(VRS径向DEA模型)进行系统的效率评价。通过求解DMU的效率θ来判断各省效率是否达到最优。其约束条件如下：

式中：θ——DMU 的效率；

λj——各省的权重组合，通过对30个省(自治区、直辖市)按照不同权重比例进行产出或投入要素的加总可以帮助计算出需要评价地区的效率，λ≥0；

yzj——第j个DMU的第z种产出要素；

xij——第j个DMU的第i种投入。

以上约束条件的含义是在产出不小于第k个省(自治区、直辖市)的条件下，要尽可能少的投入要素，并以此得到第k个省(自治区、直辖市)的效率θ。若θ=1，则说明无法通过权重组合使得产出不减少的情况下减少投入，即该省级的效率达到最优。

选取非导向投入优先的径向DEA模型评估火电能源经济系统的效率。火力发电最直观地产出为火力发电量，而电力用于社会生产拉动经济发展，由此选取经济的量化指标GDP和火力发电量为产出指标。输入变量侧重于发电侧的能源投入，即火电厂所消耗的各种能源，由于火电厂并非使用单一能源发电，不同能源间的投入比较需要有统一的度量标准，因此将各种能源消耗量折合为标煤消耗量来代表能源投入量。火力发电过程中排出大量有害气体，由此引起了不小的环境污染损失，带来环境外部性损失不可忽视，火电行业应该承担其成本。故笔者选取火力发电耗煤量、装机容量和污染物的环境价值为投入指标，生产电力量和GDP为产出指标，具体如表1所示。

1.2 数据来源

由于数据统计时间上的滞后性，笔者选取2020年的省际数据进行效率评价。其中火力发电煤耗量、装机容量来源于《我国电力统计年鉴》和Wind数据库，社会火力发电量和GDP数据来自国家统计局。火电厂燃煤发电过程中排放大量烟尘、二氧化硫、氮氧化物、二氧化碳等污染气体和粉煤灰、炉渣等固定污染物[11]，其排放造成的环境成本无法直接获取数据，通常情况下选取防护费用作为间接评估标准。笔者以石灰石脱硫工艺产生的费用估算SO2的环境成本[12]。世界观察研究所指出，发展中国家的减碳成本为5～10美元/t，叠加我国严格的“双碳”政策带来的碳排放成本上升的效益后，以0.132元/kg核算CO2排放的环境成本。其他污染物环境成本参照总量排污收费标准界定。借鉴白连勇等[13]通过《燃煤电厂大气污染物排放标准》对火电行业减排污染物的环境成本标准估算结果折算成标准煤的污染物排放量，由此计算出相关数据见表2，各项指标的具体数据见表3。

表2 火电厂燃烧1 t标准煤排放出的主要污染物排放量及环境成本

表3 各省(自治区、直辖市)投入产出指标数值

2 基于DEAP软件的省际火力能源效率分析

借助DEAP软件纵向分析省际火力能源相关投入产出，并从效率和松弛变量两方面对绩效评价结果进行分析，得出火电能源效率情况。测算的相关指标结果值见表4，其中纯技术效率为1.000代表技术有效，表示该生产单元技术水平已达最优。规模效率为1.000代表规模有效，是指决策单元处于规模收益由递增到递减的交界处，投入产出为最优配置。综合效率为纯技术效率与规模效率的乘积，当纯技术和规模同时有效则DEA有效，即综合效率为1.000时决策单元到达生产前沿面。结果显示只有北京、内蒙古、江西和新疆为DEA有效。其余省(自治区、直辖市)火力发电的能源利用效率没用达到最优，其中各省的纯技术效率数值并不相同，有些省(自治区、直辖市)低至0.650，有的省(自治区、直辖市)高达0.990。规模收益分别有规模报酬递增、不变、递减3种状态。此结果说明了各省(自治区、直辖市)的火电能源经济系统的效率未到最优的原因各不相同，后续进一步讨论分析。

表4 2020年我国省际能源利用效率

3 各地区火电能源效率及改进方向分析

3.1 火电能源效率分析

各省(自治区、直辖市)综合效率雷达分布如图1所示。

图1 各省(自治区、直辖市)综合效率雷达分布

在煤炭工业“十三五”规划中，北京市煤炭生产全部退出。由于北京电力主要由外调输入，其用于火力发电的能源并不多，且北京市科技发展水平高，高技术资源向其倾斜，因此对于能源效率在当前的数据分析下达到了最优。新疆、江西地区也达到了DEA有效，说明其投入产出结构到达了生产前沿面。笔者结合《煤炭工业“十三五”规划》所划分的东、中、西部地区宏观分析不同区域的综合效率，根据地区探讨各省(自治区、直辖市)火电能源利用效率未达最优的原因。

3.1.1 火电综合效率层面分析

首先在DEA无效的省(自治区、直辖市)里，云南、贵州的综合效率低下，规模收益状态为递增，纯技术效率相比规模效率来说更低。云贵地区位于我国西南部，地形崎岖，规模方面处于规模收益递增的状态，所以这2个省增加要素投入可以获取更高比例的收益，同时云贵地区纯技术效率是制约综合效率低下的主要原因。说明在能源利用方面火电厂需要改变技术、增加投入，优化产业结构以期增加产出。云南和贵州火电系统综合效率低下的原因并不一样；煤炭产业政策导致煤炭供应紧张局面加剧，云南省能源生产量少于消费量，煤炭缺口4000万t/a，无法满足日益增长的能源消费需求，每年都需要从省外调入一定数量的原煤，云南已成为能源输入型省份。而随着国家供给侧改革和2017年煤炭去产能政策的实施，担任云南煤炭主要供应来源的贵州实施了严格的煤炭封关措施[14]，因此云南火力发电没有达到最优的生产规模，规模无效，且技术层面的纯技术效率低至0.65，火电厂能源技术管理需要进一步加强。与之区别的贵州地区煤炭资源丰富，规模效率略高于云南地区，火力发电技术是制约火力发电综合效率低的主要因素。

上海、吉林、辽宁、黑龙江、河南、重庆、甘肃的火电综合效率均低于0.8，这些地区的火电技术效率是制约综合效率的主要因素，说明火电厂的现有技术水平还有很大的提升空间。青海、广东的火电综合效率同样低于0.8，原因是火电规模效率过低，这说明该地区后续需要从火电规模大小的角度调整能源投入，以此提升火电利用效率。

3.1.2 地区层面分析

将DEA无效的省(自治区、直辖市)按地区分类为华北、华东，其中华北包括天津、山西、河北，华东包括上海、江苏、浙江、安徽、福建、山东。电力生产过程中，电厂规模起主导性作用。我国华东、华北地区的火力发电量占全国的50%以上，火电企业规模大，地区发展水平高，拥有较高端设备，能高效地将原煤或其他能源转换成电力，因此华北和华东地区的综合效率普遍偏高[15]。值得一提的是，河北是火力发电使用燃气量最多的省份。天津属于规模报酬递增的非DEA 有效，说明仍处于可发展阶段，可以通过加大能源投入促进火电厂发电效率提高，但纯技术效率更低是制约综合效率提升的主要因素。江苏和山东则为规模报酬递减的非DEA有效，且技术效率已达最优，说明规模配置不当，加大投入只会让产出越来越少；且山东是我国发电使用煤气量排名前三的省份，这种情况应该及时调整火电厂规模与投入能源的配比，避免效率进一步低下导致资源浪费。浙江属于规模报酬递减的阶段且纯技术效率相对低，说明此时不能纯粹加大投入更应该提升技术水平。山西、上海、安徽效率低下的主要原因仍是火电技术层面，且规模报酬递减，说明不能依靠加大投入来获取经济社会效益，需要技术创新。而福建省的火电技术效率已达最优，处于火电规模递减阶段，此时应该调整投入比例，不能盲目增加能源投入。

东北地区大部分火电规模效益是递增的，这主要是因为东北地区净调入煤炭占其消费量的75%，大都依赖其他地区的调入。但东北地区电力冗余度超过了30%，东北的火电机组过剩，新能源消纳中的弃风弃光问题严重，弃风率高达60%，严重制约了火电机组运营[16]，技术层面是造成东北三省火电效率低下的主要原因。因此需要进行火电技术变革，提升机组的灵活性。

西部地区与东北地区在火电规模特征上有所区别。总体上西部地区煤炭产量23.1 亿t，占全国的59.2%，煤炭消费量 14.5 亿t，占全国的35.1%。西部省(自治区)多呈现火电规模效率较高的规模报酬递增状态，与之相比其火电技术效率更低，导致火电综合效率不高，因此改变火电技术层面的问题才是重中之重。重庆的火电规模效率0.978，为火电规模收益递增的发展阶段，说明还可以适当增加火力发电能源投入，提高产出收益，火电规模效率很高，但是火电技术效率低下为0.812，这是制约重庆火电能源利用率不高的主要原因。陕西、甘肃、宁夏等西北地区中、陕西作为重点建设省其煤炭等能源充裕，可以满足自身需要，在DEA测算火电规模效率中均处于较高的效率水平，火电规模方面适当调整即可，火电技术层面仍需要加大投资以提高技术水平。值得一提的是，西部偏北地区各省(自治区)的火电厂技术层面有很大的进步空间，应该增加对火电技术进步方面的投入以提升火电综合效率。青海地区较为特殊，达到了火电技术有效，但火电规模效率处于递增阶段，为0.554，在所有省(自治区、直辖市)中火电规模效率最低，说明在生产规模层面还有很大的调整空间，与其资源禀赋有关，青海的煤炭资源相对贫乏且分布不均衡，总体勘探程度较低。

3.2 改进分析

上述指标值虽然可以评价决策单元的火电技术和规模是否有效，但是无法进一步找出其无效的原因，因此需要进行松弛变量分析。2020年我国30省(自治区、直辖市)能源投入冗余和产出不足的具体指标结果如表5所示。根据DEA的前沿理论，当投入指标的松弛变量值不为0时，表示投入冗余；当产出指标的松弛变量值不为0时，说明产出不足。松驰变量S-表示减少多少投入时可达到目标效率，松驰变量S+表示增加多少产出时可达到目标效率。 由表5可知，以山西省为例，要达到效率最优，需要减少投入标煤2 516.527万t，减少投入环境成本1 099 623.329万元。

表5 2020年我国30省(自治区、直辖市)能源投入冗余和产出不足

从投入侧指标观察，有10个省(自治区、直辖市)的投入存在相对冗余，不同地区的冗余指标并不一样。其中山西、贵州、吉林、黑龙江和宁夏等能源环境投入冗余相当大，其中辽宁是我国火电用燃料油最多的省份。过多的煤炭等能源投入不仅没有使发电量和经济的期望产出有所增加，反而使非期望产出如污染气体排放量大量增加，导致环境治理成本上升。说明此时缺乏有效的技术管理，盲目认为多投入必定多产出，不仅导致了资源的浪费，而且使得污染治理成本增加。

重庆、上海、山西、湖南和云南在能源投入及环境投入都有冗余，上海是使用柴油火力发电最多的省份，湖南在使用燃料油进行火力发电的省份中位列第二。说明这几个省(直辖市)的火电技术亟待提高，以此提高能源利用效率和降低环境治理成本。

产出侧指标方面，吉林、黑龙江、贵州、甘肃和宁夏的经济指标方面存在较大的松弛量，表明这些地区的能源投入并没有带来最优的经济效益，需要改革技术，提高火电厂运行经济性，通过运行优化调整尽量减少各种损失，以提高发电效率，提高能源利用水平。

吉林、甘肃、贵州、宁夏、黑龙江能源投入冗余、经济产出不足，说明资源投入被极大浪费，没有发挥相应价值，基本与火电综合效率的评估结果一致。这些省(自治区)的火电规模效率都比较高，有着较为丰富的能源，但是火电技术效率普遍偏低，加大能源投入并不会带来高倍的经济增长，应该优化现有技术水平、管理模式和产业结构，以期通过技术效率的提高充分利用投入要素，获得最优产出。

火电装机量方面，2020年各省(自治区、直辖市)在此投入指标中没有体现冗余。随着我国能源结构的改变，大力发展清洁可再生能源发电。各省纷纷淘汰落后机组，“瘦身”提速，减少火电厂数量，同时扩大火电厂规模，通过政策引导火电企业间的合并重组，形成一批大容量、高参数，更能发挥规模经济效益的大型火电厂[17]。

4 结论与建议

以 2020年各省(自治区、直辖市)用于火力发电的能源数据，运用 DEA 模型对其效率进行了测算得出：各地能源效率有较大差距，且均有进步空间，从规模效益来看，各地状况不同，对处于规模收益递增阶段的地区，提升能源效率的一个有效途径就是增加资源投入。煤炭资源丰富的地区存在着较大的能源投入冗余，节能潜力巨大可重点进行资源调配，因而也是今后一段时期节能降耗的重点监控对象。基于以上实证分析结果，提出以下两点建议。

(1)提高火电技术效率，加快火力发电技术进步，进一步加强技术进步对能源效率的主导作用。大力推广高效节能减排技术，重视脱硫技术、电气自动化技术等发展。在设备源头进行改进，大力发展超临界、超超临界等高参数大容量火电机组，用大型燃煤发电机组代替小机组，淘汰落后产能；加强管理，推动科技创新与应用，火电能源转型不仅需要加大研发投入，更要注重科技成果转化。引进新技术的同时，应充分注意挖掘现有全部潜力和努力改善自身效率，同时达到火电技术效率提升和火电技术进步改善。

(2)因地制宜地调整投入规模，针对各地要素投入产出冗余量进行合理调整，对于规模收益递增的地区要加大投入，获得高倍产出，促进我国火力发电能效稳定提高。鼓励其他发电方式加快发展，提高综合发电水平，优化电力产业结构。大力发展水电、风电、太阳能、核电等其他符合资源与环境需求的发电方式。