中国电力系统环境效率研究：考虑松弛变量的网络DEA视角

中国电力系统环境效率研究：考虑松弛变量的网络DEA视角

邓英芝

(天津大学管理与经济学部，天津300072)

摘要：电力系统的环境效率变化直接影响中国节能减排目标的实现，文章采用基于松弛变量的网络数据包络分析模型(slack based measure-network data envelopment analysis：SBM-NDEA)研究30个省级行政区域(未包括港澳台和西藏)电力系统环境效率变动情况。通过对运算结果的分析发现：由于考虑了发电部门和输配部门间的竞争合作关系，SBM-NDEA模型结果的区分度更高，比传统模型更适用于电力系统效率评价；是否将上网电量作为输入对评价结果影响很大；加强对中西部电力输出地区的转移支付，有利于实现电力系统的调度优化。

关键词：非理想产出；网络DEA模型，电力系统；环境效率

收稿日期：2015-07-15修回日期：2015-10-20

基金项目：国家自然科学基金项目(71373172，71003072)；国家发改委清洁发展机制基金项目(2012023)；住房与城乡建设部项目(11-R1-338)

作者简介：邓英芝(1979-)，女，山东聊城人，天津大学管理与经济学部讲师，硕士，研究方向：信息管理与信息系统，能源政策与管理。

中图分类号：F224.7

文献标识码：A

文章编号：1002-9753(2015)11-0145-10

Abstract：The environmental efficiency ofChina’s power system is very important for achieving its energy saving and carbon emission reduction goals.This study employs a two-stage slack-based measure-network data envelopment analysis (SBM-NDEA)model to evaluate the environmental efficiencies of China’s power systems and the effects of related policy reforms.Thirty provincial administrative regions (PARs)are taken as decision making units (Taiwan，Hong Kong，Maocao and Tibet are not included due to data availability).The empirical analysis reach the following conclusions.First，compared with the traditional SBM-DEA，the network model does better in evaluating the environmental efficiency of the power systems as it can take the cooperation and competitive situation between generation and grid division into consideration.Second，whether on-grid power is taken as inputs will greatly affect the efficiency results.Finally，to strengthen the financial payment transfer policies for Midwest regions will help to optimize the national power dispatch.

Environmental Efficiency Evaluation on China’s Power Systems：

Perspective of Slack Based Network DEA

DENG Ying-zhi

(CollegeofManagementandEconomics，TianjinUniversity，Tianjin300072,China)

Key words:Undesirable outputs；slack based measure；power systems；network DEA；environmental efficiency.

一、 引言

中国政府在2009年底的哥本哈根气候峰会上提出了2020年单位GDP碳排放要在2005年基础上下降40%～45%的目标；并于2014年中美气候变化峰会期间进一步做出2030年左右二氧化碳排放总量达到峰值且将努力早日达峰的承诺。要实现这一宏伟目标，需要各行业的统筹安排。电力系统占中国碳排放总量的49%[1]，是产生碳排放最多的生产部门，且随着现代化程度的提高，经济发展对电力的依赖将越来越大，预计电力系统造成的碳排放将会进一步增长。提高电力部门的生产效率，减少电力系统排放，是实现这一目标不可或缺的重要环节。

电力系统是包含发、输、配、售等多个环节的纵向一体化系统，在中国分别由发电企业和电网公司经营。电力生产过程中会产生二氧化碳，输配过程中产生线路损耗。要提高电力系统环境效率，减少碳排放，需要综合考虑能源结构、技术水平、经济发展与电力管理体制等多方面因素。近年来，中国的电力事业发展迅速，技术水平不断提高。6000KW以上供电标准煤耗已从2000年的389g/KWh降低到2012年的326g/KWh；同期输配网络线路损失率从7.70%降低到6.50%[2]。因此，在考虑非理想产出的情况下，如何科学评价电力系统环境效率，进而对其整体发展进行优化调整，是影响我国未来节能减排工作的重要课题。

本文采用两阶段均含有非理想产出、第二阶段含有新增投入变量的考虑松弛变量的网络数据包络分析方法(slack based measure-network data envelopment analysis：SBM-NDEA)模型，以30个省市区为决策单元，实证分析2001—2010年的电力系统运行情况，研究促进电力系统环境效率提高的影响因素，提出激励发电部门积极生产，输配部门减少损耗，消费部门减少电力浪费，推进电力体制改革的政策建议。

二、文献综述

由于无需提前确定投入产出指标间的关系，非参数的数据包络分析(Data Envelopment Ana-lysis，DEA)方法在能源与环境领域的效率评价中得到了广泛应用[3]。Färe等最早采用DEA方法进行电力系统效率研究，他采用基于径向距离函数的DEA方法，在分别假设规模收益不变与规模收益可变的情况下，研究了1975到1979年22家美国伊利诺斯州发电企业的纯技术效率、规模效率与投入要素拥挤情况[4]。Lam 和Shiu结合DEA与两阶段回归分析法研究了1995到1996年中国各省、直辖市、自治区热电部门的生产效率[5]。解百臣等采用了投入型Malmquist指数研究了我国不同省份发电部门的生产效率[6]。刘明磊等采用基于距离函数的DEA方法研究了我国不同省份的碳排放绩效和边际减排成本[7]。曲茜茜等和Wang等较早进行了发电部门的环境效率研究，将碳排放作为非理想产出分析了我国不同地区火电部门的生产效率[8]。赵晓丽等进一步分析了实施厂网改革政策对火电企业的影响[9]。

Weyman-Jones是最早开展电网公司效率研究的学者之一，研究了英格兰与威尔士地区12家输配公司的效率差异，分析了企业技术无效的原因及1980年放松管制对企业效率的影响，提出技术无效企业相应的效率改进措施及放松管制的改进机制[10]。Yu等采用两阶段成本DEA模型研究天气变化对英国电网企业的效率影响时，将运营费用、顾客损失和电网损失等作为投入指标纳入评价指标体系，发现这些因素将显著影响企业效率[11]。Çelen 认为电网公司的效率评价同发电企业一样，不能只局限于静态效率评价，还要考虑效率的动态变化[12]。Gouveia在电网公司的效率评价中纳入了价值型指标[13]。

上述研究大多只研究发电企业或电网企业的生产效率，Nemoto和Goto采用动态DEA方法测算了含有近似固定投入变量时纵向一体化电力系统的生产效率[14]。Arocena对西班牙发电企业的研究发现：一体化经营和多样化发电来源会带来成本节约和效益提高，但企业规模过大却往往导致管理效率低下，因而宜在保持一体化经营和范围经济的前提下对大型电力公司进行拆分[15]。Sueyoshi和Goto在研究电力企业生产效率过程中，将企业经济效益考虑在内，发现经营效益、生产效率、企业价值的提高是相互促进的，放松管制后，一体化电力公司的协同效应并不明显，主营业务单一的公司生产更有效[16]。Xie等的研究发现发电形式的差异不仅影响发电部门的环境效率，而且显著影响一体化电力系统的效率[17]。Khalili-Damghani的研究也证明，发电部门和电网部门应统筹考虑，并探讨了非理想产出的处理方式[18]。

当前中国电力体制下，发电部门与输配部门隶属于不同企业，两部门间竞争与合作的关系直接影响电力系统整体效率。网络DEA模型将上网电量视为中间变量，在发电部门与输配部门的研究中分别考虑，克服了以往一体化电力系统评价中忽视系统内部因素影响的缺陷。环境DEA模型，不仅考虑生产效率，还考虑发电过程中的碳排放，以及输配过程中的线路损耗等因素，与目前减缓气候变化，促进可持续发展的指导思想一致；SBM-DEA模型能够分析各投入指标的冗余和产出指标的提高空间，刻画引致DEA无效的原因。本文有效结合3种模型优点，判断引致不同省份电力系统效率差异的原因。基于松弛变量的网络DEA模型的优点目前已经有很多文献探讨，并证实该方法适用于电力、银行、医疗等多个领域[19]。但结合中国电力政策改革实践，分析引致电力系统环境效率变化的分析少见报道，研究成果将能够为电力系统政策改革提供有益的决策参考。

三、研究方法与数据获取

(一)研究方法

传统的DEA模型将决策单元的生产过程视为“黑箱”，只关注决策单元总的投入和产出，相当于认为不同部门之间是完全合作的，且能够在最优状态下生产。现有的电力管理体制下，发电部门与输配部门隶属于不同企业，这种假设过于理想化。

Färe和Grosskopf首先在DEA方法的研究中引入中间变量的概念[16]，试图观测决策单元生产过程中各部门间关系对生产效率的影响，并于2000年正式提出了网络DEA模型概念[20]，分析该模型与以往动态DEA模型在内涵和求解方式上的不同。Kao等从不同的视角对网络DEA进行研究，他们将具有两阶段特征企业的整体效率分解为其内部部门效率的乘积，从而计算出决策单元整体效率和部门效率值[21]。需要指出的是，前述模型都是建立在基于径向距离函数基础上，在线性规划求解过程中忽略了投入与产出的松弛变量。Tsutsui和Goto认为投入产出数据基于径向变化的假设过强，因此建立了基于松弛变量的网络DEA模型[19]。Fukuyama 和Weber等将非理想产出的概念引入两阶段SBM-NDEA模型，并以2000—2006年日本银行业的经营情况为例进行实证分析，发现是否引入非理想产出对效率评价值影响很大[22]。发电部门除了产生有效发电量这一中间变量外，还会产生碳排放、厂用电等非理想产出，输配环节的输入除了中间变量发电量外，还包括如输配网络的投入因素等。下面首先按照传统的效率评价方法，采用含有非理想产出的SBM-DEA模型研究电力系统整体效率，然后提出与电力系统运行状况相吻合的含有非理想产出的两阶段SBM-网络DEA模型，对比分析网络模型的特点与不同。

(二)单部门模型

对任一决策单元j，以xj,yj，uj表示发电部门N维投入、M维理想产出和L维非理想产出。只要进行电力生产和输配，就不可避免的会产生碳排放、厂用电、线路损耗，也就意味着要想减少非理想产出，必须以减少理想产出为代价。若求解决策单元DMU(x0,u0,z0)的效率值，设定λ,s-,su-,s+分别为决策变量，参照Cooper 等的方法[23]，建立电力系统的SBM-DEA模型如下：

(1)

(DP’)max1-vx0-μuu0+μy0

(2)

其中，[1/x]，[1/u]，[1/y]分别表示列向量(1/x10,1/x20,…1/xN10)T，(1/u10,1/u20,…1/uL10)T和 (1/z10,1/z20,…1/zM0)T。对偶变量v∈RN,μu∈RL,μ∈RM可以理解为投入产出变量的价格，显然，对于生产前沿面上的决策单元，效率值不小于0，当值为1时达到SBM有效。

(三)两部门网络DEA模型

(3)

(4)

四、实证分析

(一)数据

2001年，由于经济快速发展，中国开始出现电力供需紧张的局面，这种趋势一直持续到2009年才基本缓解。文章以中国30个省级行政区域电力系统为决策单元(由于数据收集困难，香港、澳门、西藏和台湾未包括在内)，研究了2001到2010年期间电力系统效率变动情况。结合DEA模型指标设定的原则，投入指标为：装机容量、劳动力、燃料、线路长度；理想产出为：终端用电量和服务区域；非理想产出为：碳排放量和损失电量*包括厂用电和线路损耗两部分.。各指标具体定义与来源如表1所示。

表1　电力系统投入产出指标

(二)SBM-DEA 与 SBM-Network DEA结果对比分析

首先按照传统效率评价方法，将电力系统作为整体，采用含有非理想产出的SBM-DEA模型计算效率值。然后将上网电量视为中间变量，未考虑各省市区间的电力调度的情况下，采用含有非理想产出的SBM-网络DEA模型计算各决策单元效率值。由于目前中国并没有针对二氧化碳排放采取直接惩罚性措施，也没有针对电力输出地区的制定相应的优惠政策，所建模型与现有电力管理体制基本吻合。两模型的计算结果如表2所示。

从表2中可以看出，所有年份传统模型效率值为1的决策单元的数量远大于网络DEA模型，且效率均值也大于网络模型，这与以往的研究成果结果相同[22]。研究期间，传统模型位于生产前沿面上的决策单元数量平均为6，占决策单元总数的20%，而SBM-NDEA模型下生产有效决策单元最多只有2个。进一步分析各年份决策单元效率最小值，发现所有年份网络DEA模型效率的最小值都小于传统模型。这说明，与传统模型相比，网络DEA模型具有更高的区分度。从研究期内决策单元效率均值来看，两模型均波动不大，最大均值分别出现在电力供应紧张的2005年和供需基本平衡的2009年。标准差的分析也得出类似结果。电力系统的最佳运行状态是供需平衡，供大于求和供应不足都不利于生产效率提高和节能减排，同样表明网络模型视角下的评价结果优于传统模型。加之传统模型未考虑中间变量，相当于假设发电部门与输配部门是完全合作的，在两者隶属于不同公司的情况下，这种假设显然过于牵强。综合以上分析，网络DEA模型效率评价结果优于传统模型。

(三)电力自给情况影响分析

上述网络DEA模型中尽管将发电部门与输配部门分开考虑，但假定有效发电量全部进入本省输配部门，支持当地经济发展，这种假设与实际情况不符。若考虑各省份间的电力输送，发电部门的投入产出指标仍直接采用年鉴中对应省份的值，输配部门的投入产出指标采用如下方法折算[17]：

α=电网输入量*包括本省生产的电力和外省市调入的电力./发电量

投入产出指标值调整后的值=年鉴中对应投入产出指标值/α

将各指标未经处理的情况定义为情形1，经过折算后的指标值对应的情况定义为情形2。分别采用含有非理想产出的SBM-网络DEA模型计算。研究中遵循国家的分类，将30个省市区分为东中西三组，东部地区包括北京、福建、河北、辽宁、广东、江苏、山东、上海、天津、海南和浙江；中部地区包括安徽、河南、黑龙江、湖北、湖南、吉林、江西和山西；西部地区包括甘肃、广西、贵州、内蒙、宁夏、青海、四川、陕西、新疆、云南、重庆等。图1、图2、图3分别为两种情形下东中西部地区效率均值与全国均值的对比情况。

通过图1可以看出，情形1下东部省份所有年份效率值大于全国均值，且差值稳定在0.1左右。情形2下，除2002年外，东部省份效率均值依然都大于全国均值，但两者之间的差距波动较大，从0.02到0.10不等。2002年正是“厂网分离”政策出台年份，开始出现全国大范围电力供应紧缺。这可以理解为，情形2下东部地区受电力供需形势的影响变大，政策红利变小。进一步分析发现，情形2下，东部省份有5年，全国则有7年效率均值高于情形1。这说明，情形2下总体上各地区间的效率差异变小，但这种趋势在东部经济发达地区并不明显。

综合图1、图2、图3可以看出，情形2下，东中西部与全国效率均值的差距都小于情形1。这说明输出指标进行调整后，地区之间的效率差异变小。另外，中、西部省份效率均值分别有10年和7年高于情形1，以中部地区为例，尽管情形2下其效率值仍低于全国均值，但平均差距从0.12缩小到0.07左右。电力系统改革的目标是在保证公平的情况下，激励电力输出地区多发电，满足电力输入省份的需求。情形1下，投入产出数据直接来源于统计年鉴，未考虑省份间的电力调度，发电环节的碳排放、厂用电等非理想产出都计入电力输出省份，而输配环节的终端用电量直接计入电力输入省份。对电力输入省份而言，相当于以较少的资源投入获得较大产出，因而效率值较高；而对电力输出省份，将众多非理想产出留在本地，却不能带来经济和社会效益，因而在评估中处于不利地位。多角度分析都说明，情形2下，由于经济发展差异造成的地区差异对评价结果的影响减小，显然更有利于激发电力输出地区的发电积极性，实现全国电力供需的统筹安排和电力政策改革目标，比情形1更适合于未来的电力行业生产效率评价。

表2　SBM-DEA与SBM-NDEA模型结果对比分析

图1　东部地区效率均值变动情况

图2　中部地区效率均值变动情况

图3　西部地区效率均值变动情况

(四)东中西部地区效率值差异分析

通过以上对电力自给情况影响的分析可以发现，将目前类似于情形1的电力系统运行状况转化为情形2将有利于电力系统整体效率的提高。图4和图5分别为情形2下东中西部地区效率均值和标准差变动情况。

通过图4可以看出，几乎所有年份东部地区效率均值都是最高的，甚至其效率值优势有扩大的趋势。研究初期，西部地区效率值与东部较为接近，但随着时间的推移，与东部地区之间的差距扩大，愈来愈与中部地区的效率值趋同。

如图5所示，几乎整个研究期内中部地区效率值标准差一直是最低的；在研究初期，东部地区的标准差最大；随着时间的推移，西部取代东部成为标准差最大的地区。理想状态下，同类型省份效率值应差别不大。通过近年来的能源基地建设，西电东输等工程，各省份原来各自电力生产自给自足的模式逐步打破，如今东部地区多为电力输入地区或电力供给较为平衡的地区；西部省份多为自给自足省份或电力输出地区；中部地区一直是我国西电东输的主要通道，囊括了大部分电力生产基地，如山西、湖北等；研究期间在国家电力战略规划中的地位基本未变。东中西部地区环境效率标准差的变化趋势与国家电力生产形势的变化不谋而合，也印证了电力生产基地建设在一定程度上取得了成功，并已经反映到各省市区效率值的变化中。

要实现全国电力系统的整体优化，效率评价结果应该在各类型地区间无明显差异，为鼓励节能减排和电力输出地区增加供应，电力输入地区效率值应略低于全国均值才是最佳状态。现有评价体系下，东部地区甚至在效率评价中处于有利地位，就缺乏开展节能减排工作的动力；而中西部地区处于不利地位，加之研究期内燃料价格波动，

图4　情形2下东中西部效率均值变动情况

图5　情形2下东中西部效率均值标准差

企业大面积亏损，影响了其发电积极性。这种结果相当于鼓励各地区电力自给自足，与国家在全国范围内统筹调度电力需求的思想相违背，也是造成研究期内电力供应紧张的原因之一。

五、结论与建议

文章以中国30个省级行政区域为决策单元，采用含有非理想产出的SBM-DEA模型对电力系统整体环境效率进行研究，然后提出与电力系统运行状况相吻合的含有非理想产出的两阶段SBM-NDEA模型。研究引入有效发电量这一中间变量，研究其对系统整体效率的影响，并对比分析是否考虑省域间电力调度各省份效率值的差异，结果发现。

(1)网络模型比传统模型更适合于电力系统效率评价。与传统模型相比，网络模型由于考虑了有效发电量这一中间变量，在发电部门与输配部门隶属于不同公司的情况下，这种处理方式更贴近电力系统运行实际。此外，网络模型评价结果具有更高的区分度，处于生产前沿面上的决策单元数量大为减少，改不了传统模型位于生产前沿面上决策单元数量过多无法排序的问题。最后，网络模型在不同时期效率值标准差变动较小，更有利电力系统从总体上提高效率，节能减排。

(2)各省市区间的电力调度情况显著影响效率评价结果。情形1未考虑各省份间的电力调度，而情形2根据决策单元的电力输入输出情况调整了输配部门相应输出指标值。结果发现两种情形下，都是东部省份效率值最高，但情形2下各类型省份间效率值差异和标准差更小。目前电力管理体制接近于情形1，电力系统改革的目标，是在保证公平的情况下，激励电力输出地区多发电，满足电力输入省份的需求，因而有必要在未来的电力政策改革中应形成有利于情形2出现的政策。

综合上述分析和目前国家电力系统建设情况，结合电力系统特性和其他国家成功经验，文章为未来的政策改革提出如下可分步实施的政策建议。

(1)加强对电力输出省份的财政转移支付，提高其电力生产积极性。东部沿海地区大多经济发达，目前已经进入工业化进程后期，拥有充足较为先进的技术和充足的资金储备，而中西部地区经济与减排技术相对落后。同时必须注意的是，由于人口稠密和长期存在的发展方式误区，东部地区已经付出了沉重的代价：环境污染、生态恶化、节能减排形势严峻。通过加强对电力等能源输出地区的财政转移支付，一方面有利于鼓励中西部地区输出电力，实现全国电力系统的调度优化；另一方面能够加快地区间的技术交流，加快技术扩散速度，增加国家总体的节能减排投入，从而加强东部地区的节能减排意识和环保资金投入的综合效益，同时避免中西部地区重复东部地区先污染后治理的老路。

(2)探讨从能源消费视角进行环保类税收改革和节能减排指标分解的可行性。从评价结果中可以看出，两种情形下，电力输入地区在效率评价中均处于优势地位。这说明，无论采取哪种评价方式，中西部地区均在国家的节能减排指标分配中处于不利地位。要实现国家总体的温室气体排放和能耗控制目标，必须调动多方面的积极性，形成有利于全社会节能减排的政策环境。能源基地建设、西电东输、西气东输等工程的宗旨正是在统筹规划全国能源供需，发挥中西部地区的资源优势和东部地区的经济与技术优势。相对而言，从消费视角进行环境类税收改革和节能减排指标分解，形成有利于情形2出现的政策环境，有利于企业和居民的积极参与，减少电力浪费，同时评价结果更为客观，有利于国家重大能源工程项目的实施，从总体上提高全国的电力系统运行效率。

(3)电力行业的产权机制改革是未来电力价格形成机制改革的前提。研究结果表明：发电部门与输配部门复杂的竞争合作关系，电力系统对经济与环境影响等多方面情况显著影响评价结果。实际上，电网内部的输配售三等环节同样存在错综复杂的关系。价格是未来电力体制改革的核心，而厘清价格形成机制的前提是明晰企业的产权机制。国家正在推行的大用户直购电，一方面是从消费环节开展能源价格形成机制试点，另一方面也是探讨明晰电力企业财务核算体系的有意尝试。新一轮的电力体制改革进一步明晰了“放开两头，管住中间”的基本思路，可以看作是电力行业产权机制改革的有意尝试，与本文得出的结论不谋而合。可以预见，售电侧改革的成败将会显著影响配电行业改革的进程。

当然，文章中还有些未进行充分论证的地方，如由于统计资料的限制，劳动力的投入完全计算在了发电环节而并非按照全局最优在两部门之间进行合理分配；由于统计资料收集与概念界定的原因，非理想产出只考虑了碳排放；将发电部门与输配部门同等对待，而非根据现实条件各给予一定的权重等，这些工作将在后续研究中不断完善。

参考文献：

[1]IEA.World energy balance[R].Paris：IEA，2013.

[2]《中国电力年鉴》编委会.中国电力年鉴[M].北京：中国电力出版社，2002-2011.

[3]ZHOU P，ANG BW，POH KL.A survey of data envelo-pment analysis in energy and environmental studies[J].Eur-opean Journal of Operational Research，2008,189(1):1-18.

[5]LAM P，SHIU A.A data envelopment analysis of the ef-ficiency of China’s thermal power generation [J].Utilities Policy，2001，10(2):75- 83.

[6]解百臣，徐大鹏，刘明磊，许睿.基于投入型 Malmqu-ist 指数的省际发电部门低碳经济评价[J].管理评论，2010，22(6):119-128.

[7]刘明磊，朱磊，范英.我国省级碳排放绩效评价及边际减排成本估计:基于非参数距离函数方法[J].中国软科学，2011(3):106-114.

[8]曲茜茜，解百臣，殷可欣.考虑非理想产出的中国火电行业效率省际差异分析[J].资源科学，2012，34(6)：1160-1166.

[9]赵晓丽，马骞，马春波.电力工业厂网分开改革对火电企业效率影响的实证分析[J].中国软科学，2013(2):184-192.

[10]WEYMAN-JONES T.Productive efficiency in a regulated in-dustry：The area electricity boards of England and Wales[J].Energy Economics，1991，13(2):116-122.

[11]YU W，JAMASB T，POLLITT M.Does weather explain cost and quality performance？An analysis of UK electricity distribution companies[J].Energy policy，2009，37(11):4177- 4188.

[12]CELEN A.Efficiency and productivity (TFP)of the Tur-kish electricity distribution companies：An application of two-stage (DEA&Tobit)analysis[J].Energy policy，2013，63(1):300-310.

[13]GOUVEIA M，DIAS L，ANTUNES C，et al.Be-nchmarking of maintenance and outage repair in an electricity distribution company using the value-based DEA method[J].Omega，2015，53(1):104-114.

[14]NEMOTO J，GOTO M.Measurement of dynamic efficiency in production：An application of data envelopment analysis to Jap-anese electric utilities[J].Journal of Productivity analysis，2003，19(2/3):191-210.

[15]AROCENA P.Cost and quality gains from diversification and vertical integration in the electricity industry：A DEA app-roach[J].Energy Economics，2008,30(1):39-58.

[16]SUEYOSHI T，GOTO M.Operational synergy in the US ele-ctric utility industry under an influence of deregulation po-licy：A linkage to financial performance and corporate value[J].Energy Policy，2011，39(2):699-713.

[17]XIE BC，FAN Y，QU Q Q.Does generation form influence environmental efficiency performance？An analysis of China’s power system[J].Applied Energy，2012，96(8):261-271.

[18]KHALILI-DAMGHANI K，SHAHMIR Z.Uncertain network data envelopment analysis with undesirable outputs to evaluate the efficiency of electricity power production and dist-ribution pro-cesses[J].Computers & Industrial Engineering，2015，88(1):131-150.

[19]TSUTSUI M，GOTO M.A multi-division efficiency eval-uation of U.S.electric power companies using a weighted slacks-based measure[J].Socio-Economic Planning Sciences，2009，43(1):201-208.

[21]KAO C，HWANG SN.Efficiency decomposition in two-stage data envelopment analysis：An application to non-life ins-urance companies in Taiwan[J].European Journal of Ope-rational Research，2008，185(1)：418- 429.

[22]FUKUYAMA H，WEBER WL.A slacks-based ineffici-ency measure for a two-stage system with bad outputs[J].Omega，2010，38(5):398- 409.

[23]COOPER WW，SEIFORD LM，TPNE K.Data envelop-ment analysis：A comprehensive text with models，appli-cations，refer-ences and DEA-solver software[M].Springer Verl-ag，2007.

(本文责编：海洋)