董长贵，蒋 艳，李瑜敏

（1. 中国人民大学公共管理学院，北京 100872；2. 上海财经大学商学院，上海 200433；3. 上海大学悉尼工商学院，上海 201800）

电力行业在推动中国经济发展过程中承担着基础性、驱动性和保障性功能。电力行业引领先进技术的开发与应用，同时凝聚着较高的经济附加值，是带动上下游企业高质量发展的重要引擎，对中国的经济增长有着显著的正向影响［1］。科学、合理的电力价格设计是电力行业健康发展的制度基础与促进电力行业投资发展的重要因素［2］，也是提高资源配置效率、推进节能减排、进而促进中国经济发展方式转变的迫切需要［3］。

在新一轮电力体制改革中，电价交叉补贴是其中重要议题之一，且与供给侧结构性改革中工业降成本密切相关。中国工业高电价、居民低电价的电价交叉补贴政策广受社会各界诟病，并且跟西方经济学的基本原理直接相悖。学界普遍认为这种交叉补贴扭曲了市场、降低了效率［4-13］，并呼吁推行拉姆齐定价法则，实施工业部门低电价、居民部门高电价政策［14，6］。然而，中国销售电价却长期保持工业高电价、居民低电价的政策实践，这与西方发达国家的做法刚好相反；近年来国务院政府工作报告也只是将降低工商业电价作为主要举措，并未提出要提高居民电价。这种西方理论和中国实践的不一致亟需合理的解释。

1 文献综述

最优部门电价涉及多重政策目标和多个视角［15］。大多数学者对当前电价交叉补贴的批评源自拉姆齐定价的效率法则：即利润约束下追求社会福利最大化的反弹性价格设计［16］；高价格弹性的工业部门应该低电价，低价格弹性的居民部门应该高电价。与此同时，学界也有观点认为交叉补贴可以促进公平性，保障民生和照顾低收入群体［4，17-21］，尽管部分研究发现大部分交叉补贴最终落到了高收入居民手中［4，22］。还有一种观点认为，在没有完全矫正工业部门环境负外部性问题之前，可以把电力行业的交叉补贴视为一种具有“双重红利”的“环境税”［23］，即通过提高工商业电价改善经济福利和生态福利［24］。但既有的电价研究鲜有将效率、公平和环保等多个目标综合到一起讨论。

当前电价交叉补贴讨论的焦点主要集中在消费侧，而供给侧鲜有涉及。在电力供给侧，跟电价交叉补贴同时存在的另一普遍现象是“电荒”和“拉闸限电”［25-26］。电力短缺对经济和社会的影响巨大，短缺的经济成本甚至远大于供电成本［27］。在过去20 多年中，中国电力需求增长迅速，而电力建设耗时较长，很多省份和地区都出现了不同程度的电力短缺现象。2002 年，12 个省份的电网出现电力短缺和拉闸限电；2004 年这个数字进一步上升到24 个［28］。2008 年，中国煤电油出现全面紧张［29］。电荒现象在国内如此普遍，以至于2013 年人民网还专门发文解释未出现电荒的市场担忧［30］。2020年冬天，浙江、湖南等地再次出现“拉闸限电”［31］，电力短缺状况并未得到有效解决。

当前中国的电力短缺是否可归结于电价交叉补贴政策？经典拉姆齐定价认为居民部门价格弹性低、应该高电价，而工业部门价格弹性高、应该低电价［14，32］。因此，高工业电价下的电价交叉补贴不可能是电力短缺的原因；高电价会抑制需求。此外，考虑到中国工业用电量远超居民用电量，在电力短缺时降低工业部门定价、提高其电力消费并不现实。相反，当电力短缺严重时，应设法降低高弹性的工业部门用电量，如此既可以保障居民用电，又不至于给整个电力供给带来极大压力。因此，作者认为在存在诸如电力供给约束等条件时，反拉姆齐定价可能是合理的；它同样将导致工业高电价、居民低电价的局面。

为检验上述推测，作者在经典拉姆齐定价的理论模型基础上加入公平性、外部性和供给约束的目标考量，先从理论上证明工业电价高于居民电价在多数情形下是最优选择。进一步，文章以公平性和供给约束为例，采用现实数据进行数值模拟（外部性跟供给约束模拟相似），计算出供给约束下的最优部门定价。该研究的模拟结果表明：当存在供给约束时，最优的部门电价应该服从反拉姆齐定价，而不是拉姆齐定价；只有当供给约束放松到一定程度，反拉姆齐定价才渐渐回归到经典的拉姆齐定价。这些结论同样适用于存在环境负外部性的情形。此外，当决策者更看重居民部门的社会福利时，最优的部门电价也应服从反拉姆齐定价；反之，拉姆齐定价则适用于决策者更看重工业部门的社会福利。

文章的研究贡献主要有三点：首先，综合效率、公平、外部性与供给约束的理论多维视角探讨电价交叉补贴，丰富了拉姆齐定价、交叉补贴和电力价格设计的相关研究。其次，在理论推导的基础上，利用现实观测数据计算出各种目标和约束条件组合下的部门最优定价，并进行了多种敏感性分析。最后，深入阐释了西方经典拉姆齐定价理论跟中国实践之间的悖论，为理解长期以来中国电价的政策实践和学界对电价交叉补贴的争端提供了多种新的解释，并且为下一步工业降电价和电价改革提供新的借鉴。

2 理论分析

该节以经典的拉姆齐定价模型为基础［16］，加入公平性、外部性和电力供给约束，探讨不同目标和约束对分部门最优电价的影响。文章假设电力零售市场是完全垄断市场，由电网公司负责满足各部门电力需求，电价由政府价格部门制定。各部门对电力的需求不同、价格弹性也不一样，政府的目标是在满足一定盈利条件下追求全社会福利最大化，并由此导出各部门的最优定价水平。

2.1 经典拉姆齐定价模型

经典拉姆齐定价模型通过设置不同部门的电价以实现社会总剩余最大：

其中：i代表不同电力消费部门，qi为各部门电力消费量，q为积分变量，pi为各部门电价，C为电力供应总成本。上述目标函数可以形象理解为需求曲线与成本曲线之间的面积总和。需要说明的是，（1）式隐含地假设了不同部门的消费者剩余和生产者剩余权重相同；改变部门之间的相对权重将产生不同的定价策略。

利润约束条件为：

其中：π*为最低盈利额。设λ为利润约束条件（2）的拉格朗日乘子（λ≥0），对公式（1）和（2）进行拉格朗日求解（假设部门之间无交叉价格弹性）：

（3）式中pi跟εi成反比，即弹性越低，价格越高。此为拉姆齐定价模型的经典反弹性最优定价结果。与此同时，如果利润约束较为宽松，λ= 0，那么各部门最优定价均等于其边际成本，此时电网公司的利润为零，无法回收固定投资成本。从这个意义上来说，拉姆齐定价是通过提高价格弹性较低部门的价格来满足最低利润额；又因为价格弹性较低，此部门电价的提高对市场的扭曲不会太大。与此同时，价格弹性高的部门的电力消费和消费者剩余得以增加。

2.2 公平性考虑

为了清晰地展示目标函数中各部门的隐含权重，不妨以两部门为例并假设两部门边际成本相等，改写（1）式为：

上述目标函数中的三项分别为工业部门（部门1）的消费者剩余，居民部门（部门2）的消费者剩余，以及生产者剩余。经典拉姆齐定价模型默认这三项的权重相等。为了更好地展现权重的重要性，此处参照吕东伟等［31］的设定，将三项剩余的权重分别设为β1，β2和1 -β1-β2，其中0＜β1＜1 和0＜β2＜1。基于此，可以将目标函数改写为：

上述目标函数加上利润约束条件（2）式，运用拉格朗日乘子法可以得到（假设利润约束条件取等号）：

其中：q′1和q′2为数量对价格的偏导，二者符号均为负，因此上式中分母均为负值，分子第二项同为负值。如果决策者更加看重居民侧消费者剩余，即β2＞β1，那么有p1＞c（分子小于零），即工业电价高于边际成本；此时当二者权重之差超过一定比例时有p2＜c，即居民电价低于边际成本，更要低于工业部门的电价。这就给中国工业和居民电价“倒挂”提供了第一个解释。

2.3 外部性和供给约束考虑

外部性和电力供给约束的讨论非常类似，这里一并讨论。具体做法为在上述优化模型中增加一个新的约束条件：

在考虑外部性时，k为外部性系数，例如一度电生产过程中的污染排放，而Q*为总体的排放约束值。因为居民和工业部门电力消费来源相同，这里无需区分二者的外部性系数。此外，如果（8）式是供给约束，则k= 1，Q*为电力供应约束值。后文主要以供给约束为例，讨论相同权重下的最优部门定价。

设（8）式的拉格朗日乘子为γ≥0，对qi求一阶导，得：

（9）式中如果供给约束松弛，γ= 0，即回归经典的拉姆齐定价法则。如果利润约束松弛（λ= 0）而供给约束趋紧（γ＞0），则pi=ci+γ，各部门价格将在其边际成本基础上提高γ（供给约束的影子价格）以满足供给约束。如果利润约束和供给约束同时起作用，λ＞0 和γ＞0，那么有：

因此，在利润和供给的双重约束下，最优部门定价里的工业电价高于居民电价。这种定价跟拉姆齐定价刚好相反，不妨称之为反拉姆齐定价法则。上述两部门最优电价结果见表1。

表1 两部门最优电价结果汇总

跟拉姆齐定价相比，在供给约束趋紧的情况下，需要通过提高价格去降低电力总消费。由于居民部门的弹性较低，提高居民电价对于降低总需求的效果并不明显。因此，提高弹性较高的工业部门电价更为有效。为了使两部门总的用电量不超过约束值，让工业部门电价高于居民部门成为一种选择。在电力供应紧张情况下，实际消费量就相当于供给约束值Q*；如果假设实际利润值就是约束值π*，实际观测到的工业高电价、居民低电价也就是在利润、供给双重约束下的最优电价，即反拉姆齐定价法则。

供给约束值Q*可以大于或小于实际观测值。其中，Q*大于实际观测值比较容易理解，即电力供应能力尚有富余；Q*小于实际观测值则对应电力供应超负荷运载，实际发电水平超出机组设计能力。该研究进一步针对Q*作比较静态分析。为简单起见，仍考虑两部门的情况（1 为工业部门、2为居民部门）：

将式（13）代入（12）中，得：

根据隐函数定理（假设其他内生变量不变），

类似地，式（14）可变为：F(p1，p2，Q*) =p1q1+p2q2-c2Q*+(c2-c1)q1=π*+FC；进一步，居民部门用电量对价格的影响可表示为：

由此可见，在供给约束不断收紧的情况下（Q*变小），对于需求价格弹性大于1的部门（如工业），价格应不断提高以抑制其需求；与此同时，对于弹性小于1的部门（如居民），价格应不断降低，使其需求增加、售电支出减少，目的是在成本下降的情况下保证一定的利润额。这也就是反拉姆齐定价法则的来源。如果两部门的价格弹性均小于1，那么在供给约束收紧和边际成本差不多的情况下，（15）和（16）式分母越小的部门（如居民）其价格应下降更多。这也将使两部门价格趋于相同、甚至出现反拉姆齐定价局面。类似地，文章可以得出如果供给约束不断放松（Q*变大），反拉姆齐定价将逐渐转变为拉姆齐定价。

（14）式同时也表明，利润约束的松紧和固定成本的大小也会对两部门定价产生同样的影响。比如，如果要增加（降低）电网公司的利润，那么低价格弹性部门的电价需要提升（降低）。同理，如果固定成本变高（变低），那么低价格弹性部门的电价需要提升（降低）以增加（减少）收入、平抑成本变化。

上述比较静态分析假设了其他内生变量保持不变。即使放松这一假设，该研究也可以得到类似结果。在供给约束趋松时，工业电价应该降低，反之则应升高。同理，放松供给约束将导致居民电价升高，收紧则该降低。

（17）和（18）式无论两部门边际成本c1和c2是否相等都成立，前提是没有对工业部门进行垄断定价或工业部门价格弹性不至于太小（比如居民是0.1，工业是0.18）。

2.4 四种目标小结

上述理论推导表明，追求次优效率的拉姆齐定价只考虑了利润约束条件、并假设不同部门的消费者剩余和生产者剩余权重相等，然而却忽略了价格政策中可能存在的公平性、外部性和供给约束等其他目标和可能性。在经典模型的基础上增加其他目标和约束可能导致拉姆齐定价转向反拉姆齐定价，即富有弹性的工业部门高电价、缺乏弹性的居民部门低电价。从这些不同视角来看，中国工业和居民电价“倒挂”不应简单理解为全是电价交叉补贴的问题，而是存在其他多种解释和原因。

在这些其他不同解释当中，供给约束应该最为贴近实际情况。文献［33］提出的公平性模型将已经货币化的两部门消费者剩余和生产者剩余赋予不同权重。从社会福利角度来说，这种做法值得商榷，而且这种公平性考量跟决策者眼中的公平不尽相同（对政府而言，电价公平更多指的是给低收入人群设定基本电价，保障其基本用电需求），后者可以不通过维持居民普遍低电价和工业高电价来实现。就环境外部性来说，虽然其作用逻辑跟供给约束高度一致，但是国内环境保护长期服务于经济发展的需要。相比之下，利润和供给双约束视角下的反拉姆齐定价更符合中国的实际情况。在经济增长迅速和电力大幅短缺的情况下，通过提高弹性较高的工业部门电价、降低其需求来达到供需平衡，不失为工业高电价的一个合理解释，尤其是考虑到工业部门在全社会用电量的绝对主导地位。

当然，即使是电力供应短缺，反拉姆齐定价也不一定是唯一的政策选项。在实际生活中，电力供应短缺或者说电力供给约束在用电高峰期发生较多。因此，不一定需要提高全年的电价来抑制电力消费，更合理的做法在于引入峰谷电价，在高峰期采用高电价来抑制需求。这也正是中国2003 年和2013 年在工业侧和居民侧相继推出峰谷分时电价的原因。然而问题是中国在设定峰谷电价时同时保持了电价总水平基本稳定；如果用户敏感的对象是平均电价、而不是边际电价［34］，那么工业峰谷电价可能削峰效果不足。实际上，即使在工业侧实行了峰谷电价之后，电力供应短缺依然非常严重；中国入世后的电力供应短缺和“拉闸限电”在多年、多省份出现（详情见表4）。因此，反拉姆齐定价可能是一种国家层面缓解电力供应短缺问题的电力定价方式。尤其是当“拉闸限电”的背后存在如煤价、环保等其他原因时，提高工业电价更可能是无奈之举，毕竟“拉闸限电”本身就是一种“变相”的提高工业电价之举，因为按照电网企业目前的“拉闸限电”顺序，工业部门远排在居民部门之前。

3 反拉姆齐定价数值模拟

为了进一步印证理论模型的推演结果，下面主要以供给（含外部性）约束为例，采用真实观测数据来模拟出利润和其他约束条件（目标）下的反拉姆齐定价。环境外部性的探讨非常类似，这里不再赘述。因公平性考虑只涉及目标函数的权重变化、不涉及具体约束条件的改变，相关结果将直接在下节给出。该节的数值模型模拟主要由以下几个步骤构成。首先是参数估计，具体估计居民、工业部门的需求函数，分别求得两部门各自的需求价格弹性。接着由需求函数出发设定模型的目标函数，即社会总福利最大化。然后量化模型的约束条件：利润约束和供给约束。最后将根据这些参数值和约束条件，求解不同目标考量下居民、工业部门的最优电价水平。

3.1 需求价格弹性和目标函数

作者首先针对居民电力需求采用Deaton 等［35］提出的“几乎理想的需求模型”（Almost Ideal Demand System）。该模型的估计方程是任何需求系统的局部一阶近似，可以通过限制参数值来满足消费者选择公理。由于无法获得工业企业总支出中的具体构成部分、相应的支出金额以及各类的价格指数，所以文章对工业部门电力需求估计采用双对数（log-log）模型。该模型也在文献中被广泛采用［36-38］。

需求价格弹性的估计结果为：居民电力需求价格弹性-0.062，基本无弹性，这与Amarawickrama 等［39］、Ziramba［40］的估计结果相近；工业部门需求价格弹性-1.62，富有弹性，这与Bentzen 等［41］、Dergiades 等［42］的估计结果类似。具体的数据、估计过程、内生性问题处理以及估计结果可参见李瑜敏等［43］。后文将继续针对需求价格弹性进行敏感性分析，以验证结果的稳健性。在此之前，文章假设两部门的需求价格弹性不变。

接下来，优化模型的目标函数是最大化两部门的社会福利，即两部门的效用之和减去电力供应成本。两部门的效用可通过对各自需求函数进行积分获得。考虑到非线性需求函数的福利计算比较复杂，文章对两部门的需求函数进行线性处理。电力供应总成本为两部门用电量之和乘以电力平均成本。具体估算方法见下节。

3.2 利润约束和供给约束

理论模型中两个约束条件的数值化主要是不同年份的两个约束值π*和Q*。由于是年度数据、时间跨度较大，为了跟理论模型保持一致，这里不考虑跨期优化的问题。

3.2.1 利润约束

利润约束条件为：p1q1+p2q2-FC-c1q1-c2q2≥π*，其中p1q1+p2q2为两部门电力销售总额，p1、p2分别代表居民和工业电价，q1、q2分别代表居民和工业用电量；FC+c1q1+c2q2为电力供应总成本，FC为供电固定成本，c1、c2则分别为居民、工业部门的平均供电成本。

该研究采用了中国2001—2020年的年度宏观电力消费数据对利润约束条件进行计算。首先，通过工业和居民部门的用电量和电价水平可以计算出它们的电力销售额。表2列出了中国工业和居民部门历年的电力消费价格、用电量和由此计算得出的销售额。从下表可以看出，工业和居民电价整体呈上升的趋势，其中工业电价在15 年内每kW·h上涨了0.27元，居民电价总体涨幅较小，每kW·h增加了0.08元。这种相对变化趋势离拉姆齐定价似乎越来越远。两部门用电量在20年间增加了4～5倍，反映出随着中国经济的迅速发展，消费者对电力的需求越来越大。在用电量水平上，从2020年的数据可以发现，工业部门大大超过了居民用电量，后者仅为前者的五分之一。

在成本方面，由于统计年鉴并没有按电力消费部门拆分总成本，也没有进一步拆分固定成本和边际成本，为此，作者利用利润率来反推两部门的供电成本。具体计算公式为：

电力总成本= 销售额×(1 - 利润率)

上式中，销售额由表2 计算得出，利润率则采用国泰安数据库的电力供应业利润数据以及财富网公开的国家电网和南方电网利润率数据。在测算出电力总成本之后，文章进一步计算电力供应平均成本（电力总成本除以两部门用电量），用于计算不同电价水平政策下的电力供应总成本。需要说明的是，这里暂且忽略了电力损耗，因此会低估电力生产总量和高估行业平均成本；但是这种整体性误差并不会影响最终分部门定价的相对大小。同样的逻辑也适用于销售额和利润率的整体性偏差。

表2 2001—2020年电力消费数据

表3列出了计算的电力行业平均利润率，两部门的电力总成本和平均成本①这里由于数据原因假设了两部门的平均供电成本相等，但实际上它们的成本可能相差1.5～2倍。然而，即使考虑不同的平均供电成本，模型优化的结果在有、无供给约束下均无太大变化。这是因为：①供电部门的总成本和利润没有发生变化，不会引起分部门定价的太多变动；②两部门供电成本的差距跟二者之间的反需求曲线斜率差距相比还是太小，后者决定了分部门定价的相对水平和基本走向。。电力销售额和总成本之间的差值即为利润约束值。这一约束值背后的假设是：如果要改变现有的分部门电价水平，需要设计出对电网企业激励兼容的政策，让电网企业持续获得不低于当前的利润额度，以弥补其固定成本支出。

表3 两部门利润约束条件计算结果

3.2.2 供给约束

最大电力供给= 装机容量× 理论最大利用小时数

正常而言，上述计算方式没有什么问题。但是在实际优化过程中，分时供给约束更为合理。上式给出的年度最大电力供给限值往往虚高，因为假设了非高峰时段电力装机都可以大发，从而导致供给约束实质上没有任何约束力。优化结果很可能出现最后的全年用电量未超过年度最大电力供给，但高峰时段用电量却突破了理论最大水平。而现实情况是电力行业在部分月份和部分时段中电力生产和使用已经达到理论最大装机容量，无法进一步突破。这从中国2013年之前每年都出现不同程度的拉闸限电的现象中可以得到证实。表4 列出了文献中和新闻媒体对拉闸限电的相关报道［4，28，42-53］。中国电力供给不足在加入世贸组织之后非常普遍，尤其是在2004—2006 年。即使到了2014 年，用电高峰期和极端天气导致电煤运输困难也可以造成电力供应暂时性短缺。2021年下半年，中国出现了大面积“拉闸限电”的现象，从吉林到广东，中国约有20个省份实施了限电或“有序用电”。

因此，供给约束值在用电高峰期应该是两部门实际用电量的观测值；只有到了平时和低谷期，供给约束值才可能超越用电量的观测值。借鉴已有研究［56-58］，该研究假设峰、谷用电比重均为50%，然后将供给约束分成了高峰时段供给约束和低谷时段供给约束两部分，并在此基础上进行模型优化。具体来说，优化后的两部门高峰期用电量之和小于等于对应时期两部门历史观测值；而优化后的两部门低谷时段用电量之和将超越对应历史观测值。考虑到电力供应不是在高峰期的所有时刻都趋紧，后文的敏感性分析将进一步降低高峰时段的用电量比例。

需要进一步说明的是，即使是在非用电高峰期，供给约束值能在多大程度上超越实际观测值也值得商榷。首先，用户的峰、谷时段用电行为已经是他们优化决策后的结果，不降低电价无法刺激更多的用电量；但是降低电价（除非有峰、谷电价）又无法保证不突破高峰期用电量。再者，表4所描述的电力短缺已经是在工业侧实行峰谷电价的结果，在此基础上进一步增加平时用电量将缺乏更多动力。最后，增加平时供给以及随之增加的总量供给将会给上游行业（如煤炭和交通运输）带来压力，这种做法在煤炭供应紧俏的黄金十年（2002—2012）非常有挑战。因此，下文的基线结果将两部门用电量实际观测值之和当作供给约束值，并在敏感性分析中放松这一约束。

4 优化结果与讨论

作者基于上一节的参数估计和约束条件量化结果，对第二节的理论模型进行数值优化求解，重点关注不同目标考量下的两部门最优定价水平，并跟实际情况进行对比。下面的结果先比较有、无供给约束条件下的模型优化结果（结果同样适用于外部性考虑）。接着，文章在模型中加入公平性考虑，进一步探讨两部门优化电价与各自福利权重之间的关系。最后，文章对平均供电成本、供给约束松紧、需求价格弹性等参数进行敏感性分析。

4.1 利润和供给双约束下的基准结果

该节首先分别对利润约束条件下有、无供给约束的理论模型进行数值优化求解。由于每一年的结果都比较类似，作者暂且以2020年为例展示两种最优定价策略的结果。

表5首先展示了无供给约束下的两部门最优电价水平。在利润约束的单驱动下，为了实现社会总福利最大化，拉姆齐定价是最佳的。具体来说，此时工业最优电价为0.606元/（kW·h），居民最优电价为0.643元/（kW·h），该结果与拉姆齐定价的反弹性原则相符。在此价格推动下，工业用电量将增加至53 850 亿kW·h（假设价格弹性不变），比实际观测值增长6.85%，而居民用电量缩小至10 785 亿kW·h，比实际降低1.47%。但两部门用电量之和增加至61 344亿kW·h，增长5.37%。事实上，2020年两部门电力消费只增长了3.3%。虽然进入经济新常态之后，电力供应紧张局面有了很大的缓解、甚至出现了某种程度上的过剩；但是对于其他电力紧张年份来说，拉姆齐定价增加工业和总体用电量的做法会加剧电力供应短缺问题。

表5 2020年模型优化结果：有、无供给约束

在利润和供给双重约束下，工业和居民部门优化电价回归到实际观测值，即工业优化电价0.633元/（kW·h），居民优化电价0.520 元/（kW·h）。这跟前面的理论分析结果一样，在双重约束下应该实行反拉姆齐定价（即弹性定价），而不是拉姆齐定价（即反弹性定价）。此外，由于两个约束条件刚好确定两个未知数，因此，如果供给约束值等于实际观测值，那么数值模型优化相当于联立方程组求解，并且这个解（之一）就是实际观测到的部门电价。从这个意义上来说，工业部门高电价、居民部门低电价的现象与其视为交叉补贴，不如理解为在紧供给约束条件下通过提高工业电价、抑制富有弹性的工业部门的电力消费来保证电力供需整体平衡。根据表4 的结果，2012年之前存在的严重缺电情况普遍要求实行反拉姆齐定价来应对供电紧张局面。但即使到了经济新常态下电力相对过剩，近年来由于电煤供应导致的拉闸限电问题仍时有发生，在缺乏其他有力政策工具的情形下，工业相对高电价仍不失为一种缓解电力短缺的方法。

表4 电力短缺相关数据

根据文章前面估计的工业部门电力消费价格弹性，工业电价每降低1%，工业用电量将增加1.62%。如果以2020年为例，工业电价降到居民电价水平，即下降18%，那么工业用电量将增加29%，也就是14 575 亿kW·h。如果除以当年的发电装机容量（220 058万kW），新增工业用电量将使发电设备的年均利用增加662 h，在当年平均利用小时（3 758）的基础上增长18%。可想而知，在缺电严重的年份政府很难像拉姆齐定价指导的那样去降低工业电价、增加其消费者剩余，而不考虑电力供需平衡的压力。

表6计算出了历年来无供给约束条件下两部门用电量跟实际观测值的对比。从比较结果来看，工业部门电力消费的增长量都大大超过了居民部门电力消费的减少量，这将导致两部门电力消费之和持续增长。2004年，优化后的电力消费增长总量为634亿kW·h，2005年为1 172亿kW·h，而2006年更是达到了1 774亿kW·h。而这三年刚好是中国电力短缺最严重的三年，也是发电装机增长率最快的三年。然而，在电力短缺年份，大小发电机组都在全力发电，设备的年均利用小时数都很高。2004 年中国发电设备年均利用小时更是达到了创纪录的5 460 h，大大超过了发达国家年均的4 200 h［59］。在此基础上，进一步提高3%（164小时）似乎不太现实。

表6 无约束条件下模型优化结果和实际观测值对比

表7进一步汇总了2001—2020 年两种模型设定对应的优化结果。可以看出缺乏供给约束会导致拉姆齐定价，即最优工业电价低于最优居民电价，而在有供给约束的模型中结论刚好相反，要推行反拉姆齐定价，即工业电价高于居民电价。结合中国在金融危机前普遍存在的电力短缺事实，文章认为在最优部门电价问题上应该考虑供给约束，而不仅仅是供电企业的利润约束。双重约束、甚至是多重约束更符合价格规制的客观现实。因此，工业部门高电价不仅仅是为了补贴居民部门，也是为了在缺电的情况下抑制其部分电力消费，让电力市场的供需得以平衡。

表7 模型优化结果汇总 /（元/（kW·h））

4.2 纳入公平考虑的模型优化结果

第二节的理论模型表明：居民福利权重越高，对应的电价则越低。换句话说，如果政府更重视居民部门的消费者剩余，居民电价则低于边际成本，而且更要低于工业部门的电价。该研究通过数据模拟对这一理论模型结果进行检验。假定目标函数中生产者剩余的权重为0.34，工业和居民两部门的消费者剩余权重之和为0.66。下面以2020 年数据为例（其他年份结果非常类似），选取不同居民侧的福利权重进行模型优化，具体结果如图1所示。

图1的结果表明：居民社会福利的权重越大，对应的居民电价则越低，而工业部门的电价则越高。以居民部门的社会福利权重占0.325为分界线（近似两部门一半的权重0.33），权重相对越高的部门对应的电价更低，这跟第二节的理论推演相一致。有意思的是，随着居民部门社会福利权重的不断提高，居民电价不会越来越低；背后的根本原因在于利润约束的趋紧对居民电价提出了越来越高的要求。

图1为中国电力行业存在的反拉姆齐定价提供了另一种合理化解释。换句话说，当政府更注重居民福利时，此时居民电价更低，定价方式为反拉姆齐定价。因此，政府对社会公平的考量将直接影响到部门电价的制定和选择。当然，由于不同时间阶段国家面临的发展目标和局限条件可能不一样，居民部门福利和工业部门福利的相对权重可能会发生变化，但即使是工业部门权重下降，工业部门高电价还可以通过工业产品价格转嫁到居民消费者身上，这一点在现有讨论中经常被忽略。

图1 不同居民侧福利权重的优化电价：2020年

4.3 供给约束下的敏感性分析

前面的基线结果做了一些必要的前提假设，如根据电力行业平均利润率反推出来的平均供电成本，供电约束值等于实际观测值，两部门估计的电力需求价格弹性等。该节将在基线结果的基础上对这些假设做敏感性分析，并同时与前面的理论分析结果相印证。

4.3.1 平均供电成本

平均供电成本影响最优部门定价，并且作用方向与利润率一致。这是因为更高的利润率（保持平均成本不变）和更高的供电成本（保持利润率不变）本质上都需要消费者来支付更多；基于全社会福利最大化的视角，这种支付压力将落在价格弹性较低的部门，即居民消费者。因此，平均供电成本升高将会导致居民电价不断升高、最优部门定价从反拉姆齐定价转向拉姆齐定价，这跟利润率升高是一致的。

图2展示了供给约束下不同平均供电成本对应的两部门最优定价，同样以2020年为例（其他年份结果非常类似）。2020年，以电力行业平均利润率反推平均供电成本为0.60 元/（kW·h）。在此基础上文章上下浮动0.1 元/（kW·h）以考虑测量误差和其他不确定性等因素，并增加电价非负的约束条件。跟理论分析预测结果一致，图2中平均供电成本的升高将不断推高居民电价，而工业部门的电价降幅则不大。当平均成本上升到0.624元/（kW·h），工业电价和居民电价相等。在此之后，居民电价将一直高于工业电价，符合拉姆齐定价。

图2对平均供电成本的敏感性分析结果同样适用于对电网企业利润率和固定成本等模型参数的分析和讨论。此外，图2 工业电价变化的结果也表明：在供给约束的限制下，工业电价不能下降太多，否则两部门用电量将会超过供给约束。即使考虑不同用户差异化的供电成本（工业低成本、居民高成本），当存在供给约束时，居民电价仍低于工业电价，符合反拉姆齐定价，该研究的结论仍然成立。接下来作者将进一步放松供给约束。

图2 2020年电力行业平均供电成本敏感性分析：有供给约束

4.3.2 供给约束松弛度

由于短期内无法改变用电高峰期的供给约束，尤其是在缺电的情形下，因此文章只对平时供电约束进行放松，并考察不同放松程度对最优部门定价的影响。以表4中供电最为紧张的2004 年为例，假设电力平时供给约束值在现有基础上分别增加1%～6%，再进行模型优化。其他年份因为电力供应没有2004 年那么紧张，因此放宽供应约束这一条件对于逆转反拉姆齐定价收效更小。

图3的优化结果显示，随着电力供应约束条件不断放松，工业电价将越来越低，而居民电价将越来越高，这跟前面的理论分析结果一致。图3也表明，居民电价的增长速度要大于工业电价的下降速度，以保证利润约束的实现。当平时供给约束松弛度足够大时，居民电价将超过工业电价；在平时供给约束值增加4.6%时，两部门电价刚好相等，均为0.55 元/kW·h。小于4.6%的情形对应反拉姆齐定价，而大于4.6%的情形对应拉姆齐定价。

图3 2004年电力供给约束松弛度敏感性分析

显然，如果平时用电量增长幅度超过4.6%，并且不考虑增长动力来源和对上游行业的压力，拉姆齐定价看起来是合理的；但是，只要平时用电量不会增长太快或者不增长，实行反拉姆齐定价则更为可取。考虑到2004 年中国已经在大工业侧实行峰谷分时电价，所以观测到的平时用电量数据已经是政策激励下削峰填谷的结果；在此基础上继续增加难度较大。跟平时用电量相比，消费部门增加高峰用电量的边际效用和产出可能更大。因此，如果要约束高峰用电量（等于实际观测值），只能同时约束平时用电量。换句话说，在峰谷电价力度有限的情况下，要增加平时用电量，高峰用电量也会随之增加，这将进一步加剧高峰时段的供给约束。缓解高峰时段的供给约束需要力度更大的峰谷电价。

4.3.3 需求价格弹性

该研究在模型优化时假设了两部门各自的需求价格弹性为常数，并且对需求函数进行了线性化处理。为了考察基线结果对需求价格弹性的敏感性，作者在基线价格弹性组合（-0.06，-1.6）的基础上，分别假设居民和工业部门的价格弹性组合为：（-0.02，-1）和（-0.1，-2）①关于居民在（显著或极端）高电价情形下价格弹性的大小由于文献没有估计，文章不作过多讨论。现有文献表明，居民在峰时、高档位时的价格弹性较谷时［59］、低档位时［20］更小，因此并不能认为居民高电价就对应着高弹性。，再重新进行优化求解。

表8的优化结果表明，不同的需求价格弹性对结果的影响很小，基线结果稳健。尤其是在有供给约束情况下，两部门最优定价不受价格弹性大小的影响。这是因为利润和供给双约束可以同时确定两部门的均衡价格，而均衡数量则由价格弹性决定。但是无论弹性大小，均衡数量都要通过实际观测数据点，不同的只是需求函数的斜率；因此，实际观测数据点总是双重约束下的一个均衡解，而且这个均衡解不受需求价格弹性的影响。

表8 不同需求价格弹性组合下的模型优化结果 /（元/（kW·h））

4.3.4 峰、谷用电比重

为了进一步考察基线结果对峰谷用电比例的敏感程度，作者重新设定了四种高峰时用电比重：10%、20%、30%、40%。高峰用电比重为10%时的优化结果见表9，其他比重结果非常类似。跟基线结果一致，无供给约束对应拉姆齐定价，而有供给约束将实行反拉姆齐定价。此外，跟需求价格弹性一样，有供给约束情形下的优化结果不受高峰用电比重的影响。这是因为无论是利润约束还是供给约束，峰、谷用电在模型中并无实质区别、可以相互替代。因此，模型对峰、谷用电比例不敏感。对比供给约束有、无的两种情形，该研究发现供给约束的实质是为了降低工业部门的电力消费来保证供需平衡。从这个意义上来说，供给约束跟峰、谷电价的目标是一致的。如果推行峰谷电价，工业电价不必然要高过居民电价；但是前提是峰谷电价的力度足够大，切实能较好地缓解电力短缺。然而，2004—2006年全国大面积的电荒现象说明保持电价总水平基本不变的峰谷电价削减用电量效力有限。

表9 高峰用电比重为10%的优化结果 /（元/（kW·h））

值得注意的是，供给约束视角下的反拉姆齐定价虽然类似于峰谷电价，但二者却有着不同的作用机理。跟峰谷电价不同的是，反拉姆齐定价的作用对象是高价格弹性、不考虑具体用电时期，而峰谷电价的作用对象是高峰期的电力消费、不考虑具体的价格弹性。事实上，高峰时期的价格弹性应该低于平时或低谷时期［60］，这意味着实行峰谷价差实则是拉姆齐定价，而非反拉姆齐定价。

5 结论与政策建议

结合经典拉姆齐定价模型和中国电力行业实际情况，该研究为长期存在的工业高电价、居民低电价这一争议现象提供了多种新的解释。在理论推演和数值模拟的基础上，本文的主要结论如下：

出于电力的特殊性和重要性，效率不应该是评价电价政策唯一的目标，而是要同时关注电力价格的效率、安全、环保和公平等多维目标。当电力部门只存在利润约束时，工业电价应低于居民电价，此时符合经典拉姆齐定价法则；然而，当除了利润约束，还存在社会公平、外部性和供给受限等其他目标和约束时，最优的工业电价应高于最优的居民电价，此时反拉姆齐定价比拉姆齐定价更为合理和有效。因此，电力短缺和社会公平等背景下的工业高电价、居民低电价不应简单理解为许多人诟病的电价交叉补贴，而是可以促进电力供需平衡、保障社会公平等目标的一种电价政策安排。此外，对工业部门采取高电价也可以促进其节能减排、收获环境红利。

工业高电价、居民低电价充分体现了决策者对居民社会福利的高度重视。虽然对居民统一实行的低电价政策不利于补贴落到最需要补贴的部分人手中，但是这并不能否定居民用电比工业用电整体优先级更高的政策事实。类似地，对居民侧实行的阶梯电价政策有利于防止电价补贴落入高收入居民手中，但并不意味着需要逆转工业高电价和居民低电价的相对关系。不同部门相对电价的变化意味着各部门社会福利权重的变化，是个动态调整的过程。现阶段一种更合理的做法是通过降低生产者剩余的权重（如电网企业）来提高工业部门权重。这有助于打破在不同电力消费部门之间调整的单一思路，符合当前电力市场的改革方向。

文章的结论对下一步电价改革具有鲜明的政策含义。2013 年经济新常态之后，国民经济承受了较大的下行压力、部分行业产能过剩，电力供给约束趋于松弛。因此，电力价格领域的改革应逐步将反拉姆齐定价转变为拉姆齐定价。这也印证了中央政府几次降低工业电价的做法，让工业电价逐步向居民电价靠拢。但是，2021年出现的全国大范围的“拉闸限电”现象再次给工业降电价踩了急刹车。从中长期看，电力行业再次出现短缺的可能性仍然存在，“双碳”目标的实现在一定程度也会加剧电力短缺的可能性，因此不能轻易改变工业高电价、居民低电价的基本现状。而在峰谷电价基础上加大力度、推行尖峰电价不失为一种合理的做法。

在碳中和背景下，文章对中国未来电价改革提出几点建议。

首先，工业降电价要慎重。虽然降低工业电价符合经济发展和社会福利最大化的效率原则，但是，工业作为电力消费主体，用电价格的连续下调会使其用电需求上升，碳排放量也将增加，给“双碳”目标的实现带来阻力，形成“降电价”与“碳减排”的两难困境。因此，在厘清不同改革目标和政策之间的相互作用和复杂关系之前，工业降电价应十分谨慎。未来可以考虑在可再生能源发电量充裕且成本较低时给工业部门降电价。

其次，让电价真实反映电力短缺，而不是简单地拉闸限电。电力短缺时的用电价格，尤其是工业电价，应该更加灵活，电价调整的频率可以适当增加。当前，虽然对工业实施了峰谷分时电价，但是调整频率和幅度太低，不能真实且及时地反应电力的短缺或者过剩。所以，工业电价应该根据电力供给状况，进行灵活调整。与此同时，进一步完善电力市场、让更多工业用户参与到电力市场当中不失为一种合理做法。

最后，连接好中国电力市场和碳市场。当前，中国电力市场与碳市场并未实现有效关联，电力市场没有充分受到碳减排政策的约束。此外，电力的供给约束和环保约束很难区分。考虑到未来碳中和将进一步加剧电力短缺，有必要让碳市场通过价格传导机制为电价附加碳成本，从而对电力市场的碳排放形成管制，更加高效地实现“双碳”目标，客观反映电力的供给约束和环保约束。