1、1基于 DEA 的电力行业环境绩效测度模型通讯联系人，Email：zhouhao_eezjueducn 摘要：为准确测度电力行业造成的环境影响，在距离函数数据包络分析（DEA）环境绩效评价模型的基础上，引入投入、期望产出和非期望产出的松弛变量，建立归一化的综合绩效评价模型针对电力行业因区域间电量交换造成的投入和产出不匹配问题，提出电力行业静态和动态环境绩效指标评价方法，为深入分析电力行业环境绩效的变化规律以及影响因素提供方法应用提出的模型，分析 2006-2010 年中国 30 个省份的电力行业环境绩效，结果表明：高用电环境效率的省份通常拥有较高的发电环境效率，火电发电比例是影响电力行业环境绩
2、效的重要因素；在研究期内中国电力行业环境绩效逐步改善；环境技术进步是改善电力行业环境绩效的最主要因素 关键词：数据包络分析（DEA） ；环境绩效；电力行业 中图分类号：F426.6 文献标识码：A 电力行业是一个包含了资源投入、经济产出以及非期望产出（污染物）的综合体，单一指标难以全面衡量电力行业环境绩效数据包络分析（DEA）方法可有效地对具有多投入多产出的决策单元进行效率评价，是环境绩效评价的重要方法文献建立了基于 DEA 的双曲测度模型用以评价美国 30 家造纸厂的环境效率这是第一个基于 DEA 方法的环境绩效测度模型，但受限于非线性优化的求解方法，难以运用到复杂问题中此后，一2大批学者从
3、不同角度研究了 DEA 框架下的环境效率评价问题文献2-3提出了规模收益不变的 DEA 环境绩效评价模型，分别对美国火电厂和意大利石油精炼厂的环境效率进行评价文献4-5直接基于生态效率的定义（生产活动的经济产出与其对环境造成破坏的比值）建立 DEA 环境效率评价模型，并引入 Malmquist 指数方法建立动态评价模型然而该模型只考虑经济产出和非期望产出的关系，忽略了资源投入对环境绩效的影响，并且多个期望产出的情况也不在该模型的考虑范围文献6-7基于非期望产出与投入都是越少越好的思想，将非期望产出作为一种特殊投入求解环境效率该模型只考虑在现有的输入和非期望产出水平上通过增加期望产出提高效率，而
4、没有考虑减少非期望产出提高效率文献8将非期望产出乘以-1 再加上一个足够大数 W，使其值大于零，并将其作为普通产出求解环境的效率，但是 W 的取值对最后的结果会产生一定的影响文献9-10通过构建距离函数，控制投入、产出改进方向实现效率改进，但是选择不同的方向函数会产生不同的效率结果 本文在距离函数模型的基础上，提出一个基于松弛变量的 DEA 模型，通过最大化投入、期望产出和非期望产出的松弛变量构建模型的综合绩效评价指标同时，为解决电力行业区域间电量交换造成的投入和产出不匹配的问题，本文将电力行业拆分为发电和用电两个环节，分别计算其环境绩效，取两者的几何平均值作为电力行业静态环境绩效测度指标在此
5、基础上，采用 Malmquist 指数分解方法，建立电力行业动态环境绩效测度模型最后，在算例中对 2006-2010 年我国各省电力行业环境绩效进行测度和分析 31 环境绩效测度模型构建 距离函数模型直接测度决策单元到前沿面的距离，意义明确，并且通过选择合适的方向向量，可以获得较为准确的结果然而，预先给定方向向量会给评价模型带来诸多主观因素，且该模型只考虑了期望产出和非期望产出的效率改进方向，而忽视了减小投入对提高效率的贡献此外，由于 取值范围很大，可能给后期数据应用带来困难为此，本文在距离函数模型的基础上提出改进模型，引入投入、期望产出和非期望产出松弛变量，允许决策单元自主选择最佳效率改进方
6、向，第 i 个决策单元的环境绩效可表示为： 2 电力行业静态环境绩效测度模型 电力行业涵盖发电、输电以及用电 3 个环节，其中发电和用电是造成电力行业环境问题的主要原因发电环节化石能源燃烧产生的CO2，SO2，NOx 以及烟尘等污染物是造成电力行业环境问题的直接原因；用电环节的电能需求直接决定了发电量，电能的不合理使用间接造成环境问题因此，发电能源结构、火电机组转化效率、减排设备投入水平以及电能使用效率等都是影响电力行业环境绩效的因素 基于 DEA 测度电力行业环境绩效时，可将一个国家或地区分为 N 个区域，每一个区域作为一个决策单元，从而组成一个有 N 个可比较单元的样本集电力行业的投入主要
7、为能源及资金的投入，期望产出为电能的经济产出，非期望产出主要为污染物排放电能作为重要的二次能源，为社会生产各领域提供动力，用电量与经济增长呈现很强的正相关性11-12，因此，将国内生产总值（GDP）作为电力行业的经济产出是可行的4然而，由于区域间存在电量交换，某个区域的 GDP 与该区域的发电量并不完全相关，因此，该区域的 GDP 与投入和非期望产出都不完全相关，如图 2 所示因此，直接计算区域电力行业环境绩效是不准确的为此，本文将电力行业拆分为发电和用电两个环节，分别计算各自的环境绩效 3 电力行业动态环境绩效测度模型 静态环境绩效测度模型只能对一个时期的环境绩效进行评价，无法反映环境绩效的
8、变化情况本节在静态环境绩效测度模型的基础上，采用Malmquist 指数分解方法，建立电力行业动态环境绩效测度模型令Dti（s）为区域 i 在 s 期相对 t 期效率前沿（基准）测度的环境绩效，改写式（2）为： 4 案例分析 41 数据来源 本节对我国 30 个省份（由于缺少统计数据，西藏不在计算范围内）电力行业的环境绩效进行评估，探索不同地区电力行业生态效率的变化规律 选取 2006-2010 年电力行业投入产出数据作为统计分析对象发电环节的投入用各省火电行业燃料煤消费量和废气治理设施运行费用来衡量，期望产出用各省发电量来衡量，非期望产出用各省火电行业 CO2，SO2 和NOx 以及烟尘排放
9、量来衡量；用电环节的期望产出用各省 GDP 来衡量，投入和非期望产出根据式（7）和式（8）计算得到 各变量的统计结果如表 1 所示，火电行业燃料煤消费量、废气治理设施运行费用、SO2，NOx 以及烟尘排放量数据来自 2006-2010 年中国环境统计年报 ；5发电量和用电量数据来自 2007-2011 年中国电力年 鉴 ；GDP 数据来自 2007-2011 年中国统计年鉴由于各省电力行业 CO2 排放量没有官方公布的统计数据，只能基于发电过程中消耗的化石能源消费量估算标准煤的低热值为 值得肯定的是，在整个研究期内北京、广西、海南、青海一直保持在发电环境效率前沿，而湖北、海南一直保持在用电环境
10、效率前沿研究发电和用电环境效率关系时发现，高用电环境效率的省份通常也拥有较高发电环境效率，如图 3 所示，海南、广西、福建、青海、北京等发电和用电环节的平均环境效率都大于 095 用电环境绩效 在整个研究期内，只有海南始终保持在电力行业环境效率前沿此外，广西处于效率前沿 4 次，四川 3 次，福建、湖北和新疆 2 次广西、四川、湖北等省份火电发电比例较低，相应的污染物排放也少，一直保持着较高的环境效率与之相对的，河南电力行业平均环境效率以 053 垫底，其它排名较低的省份包括山东、江苏、内蒙古、河北等，其平均环境效率低于 065，这些省份的火电发电比例普遍较高因此，火电发电比例是影响环境绩效的
11、重要因素，大力发展清洁能源发电是提高电力行业环境绩效的重要手段 422 动态环境绩效 2006-2010 年我国电力行业平均 DPI 及其分解指标如图 4 所示在整个研究期内，发电环节、用电环节以及整个电力行业的 DPI 和 ENVTECH都是大于 1 的，表明整体上我国电力行业环境技术不断进步，环境绩效6不断提高，环境技术进步是电力行业环境绩效改善的主要动力 2006-2009年电力行业平均 ENVTECH 为 102，意味着环境技术前沿年均 2%的速度在进步，其中 2007-2008 年环境技术前沿进步最大，达到 338%值得注意的是，发电环节的 ENVTECH 呈上升趋势，这体现了我国电
12、力行业在提高火电效率、节能减排、发展清洁能源等方面的成效用电环节的ENVTECH 呈下降趋势，这是由于单位 GDP 能耗的下降趋势受节能技术普及程度的限制而趋于平稳综合考虑，用电环节 ENVTECH 的下降大于发电环节的上升，造成整个电力行业 ENVTECH 下降因此，提高我国电力行业 DPI 值的潜力在于实施电力需求侧管理电力行业平均 REE 在 2006-2009 年呈现先下降后上升的趋势，且在 2007-2010 年期间都是小于 1 的，这意味着 2007-2010 年各省电力行业环境绩效差距逐年拉大，低效率省份逐渐远离效率前沿 善，山东、河南、广东等在改善电力行业环境绩效上表现最好，而
13、内蒙古、新疆和浙江的环境绩效呈退步趋势有 13 个省的年均 REE 小于1，意味着有 433%的省份相对环境效率前沿的距离被拉大，只有吉林、广西、云南 3 个省的 REE 大于 1，剩下 14 个省的 REE 等于 1 大部分省份的 EBIAS 都接近 1，平均值为 1，这表明环境技术进步是 Hicks 中性 5 结论 1）本文在距离函数 DEA 模型的基础上，提出了基于松弛变量的改进模型模型引入投入、期望产出和非期望产出的松弛变量，通过最大化松弛变量确定决策单元效率改进方向，以各松弛变量标么值之和作为决策单元到效率前沿的距离，并建立归一化的综合绩效评价指标 72）为解决电力行业因区域间的电量
14、交换造成投入和产出不匹配问题，本文将电力行业分解成发电和用电两个环节，分别求取环境绩效，并将两者的几何平均值作为电力行业静态环境绩效测度指标在此基础上，采用 Malmquist 指数方法，建立动态环境绩效测度模型，提出 DPI 及其分解指标体系 3）应用提出的模型，分析了 2006-2010 年中国 30 个省份的电力行业环境绩效，结果表明：火电发电比例是影响电力行业环境绩效的重要因素；中国电力行业环境绩效在逐年进步；环境技术进步是改善我国电力行业环境绩效的最主要因素 参考文献 1FRE R， GROSSKOPF S， LOVELL CAK， et al Multilateral produc
15、tivity comparisons when some outputs are undesirable： a nonparametric approach J The Review of Economics and Statistics， 1989， 71（1）： 90-98 2TYTECA D Linear programming models for the measurement of environmental performance of firmsconcepts and empirical results J Journal of Producticity Analysis，
16、1997， 8： 183-197 3BEVILACQUA M， BRAGLIA M Environmental efficiency analysis for ENI oil refineries J Journal of Cleaner Production， 2002， 10（1）： 85-92 4KUOSMANEN T， KORTELAINEN M Measuring ecoefficiency of 8production with data envelopment analysis J Journal of Industrial Ecology， 2005， 9（4）： 59-72
17、5KORTELAINEN M Dynamic environmental performance analysis： a malmquist index approach J Ecological Economics， 2008， 64： 701-715 6CROPPER ML， OATES W E Environmental economics： a survey J Journal of Economic Literature， 1992， 30（2）： 675-740 7REINHARD S， LOVELL C， THIJSSEN G Econometric estimation of
18、technical and environmental efficiency： an application to dutch dairy farms J American Journal of Agricultural Economics， 1999， 81（1）： 44-60 8SEIFORD LM， ZHU J Modeling undesirable factors in efficiency evaluation J European Journal of Operational Research， 2002， 142： 16-20 9CHUNG Y H， FARE R， GROSS
19、KOPF S Productivity and undesirable outputs： a directional distance function approach J Journal of Environmental Management， 1997， 51： 229-240 10FRE R， GROSSKOPF S， PASURKA J C Environmental production function and environmental directional distance function J Energy， 2007， 32（7）： 1055-1066 11SHIU A
20、， LAM P L Electricity consumption and economic growth in China J Energy Policy， 2004， 32（1）： 47-54 912YUAN J， ZHAO C， YU S， et al Electricity consumption and economic growth in China： cointegration and cofeature analysis J Energy Economics， 2007， 29： 1179-1191 13FRE R， GROSSKOPF S， HEMANDEZSANCHO F
21、Environmental performance： an index number approach J Resource and Energy Economics， 2004， 26： 343-352 14LIU T， XU G， CAI P， et al Development forecast of renewable energy power generation in China and its influence on the GHG control strategy of the country J Renewable Energy， 2011， 36（4）： 1284-1292
