火电行业发展指数问题研究

徐靖雯，王 鹏

(华北电力大学 现代电力研究院，北京 102206)



火电行业发展指数问题研究

徐靖雯，王 鹏

(华北电力大学 现代电力研究院，北京 102206)

火电在电源构成中占据基础性地位，构建反映定性或定量指标特点及较好实用性的评价体系对于火电行业来说具有现实意义。本文针对火电行业的具体发展现状，依据火电项目的评价工作标准，首先建立评价指标体系，制定生产技术、减排管理、经济效益3个一级指标以及包括供电标准煤耗在内的9个二级指标。各指标间具有相互制约性，便于多层次对火电行业发展进行评价。对选用的9个二级指标进行数据收集工作，选用2005-2015年全国数据。随后对指标进行预处理，运用改进的功效系数法对指标进行无量纲化。对处理后的数据使用熵值法进行初始权重系数的计算，分别计算出信息熵值和信息效用值，再结合灰色关联度法进行二级指标分指数的运算，并综合之前得出的熵值权重得出年度指数。分析计算结果，结合实际火电行业情况和国家经济趋势印证分析，指数的计算结果基本贴合实际情况。

火电行业；多指标综合评价指数编制；改进功效系数法；熵值法；灰色关联度法

电力是支撑我国经济发展的基础行业。从全世界及我国电力工业发展史来看，火电对人类文明进步和经济发展一直发挥着重要作用，火电的发展始终与能源和电力供应的安全密不可分。近年来，受到国际金融危机、节能减排需求、煤电价格矛盾加剧等因素的影响，火电企业的经营效益下滑。而随着我国工业化、城镇化、信息化的不断推进，电力需求仍将呈现增长趋势，火电装机不断扩大，而新能源的开发与利用尚不成熟。因此我们必须高度重视火电在电源构成中的基础性地位[1]。2015年，火电受电力市场化改革的影响巨大，未来火电企业经营形势将面临严峻挑战。如上所述，构建反映定性或定量指标特点的评价体系对于火电产业来说具有现实意义。

一、方法设计与指标选取

(一)方法设计概述

本文火电行业发展指数编制的核心在于建立多指标综合评价指数体系。综合评价指数即通过指数形式将不同的考核指标转化为无量纲分数，然后按照一定的统计方法得到无量纲的综合指数值，其权重系数值的选择有相对主观性，也可使用其他方法进行客观赋权，以得到一个综合性评价结果[2-3]。主要运用方法如流程图所示：应用改进功效系数法对初始数据进行无量纲化处理，熵值法计算权重系数，结合灰色关联度法得改进关联度系数指标值，添加系数得百分制结果。

(二)指标选取原则

在实际综合评价中，评价指标选取的关键并不在于数量，在于评价指标对评价目标的影响力。单一指标无法客观描述事物发展的各个层面，指标间的信息重迭缺陷通常也会使评价结果失真。所以，有必要建立一个较为完整、科学的指标体系进行综合评估。火电行业发展指数，本文定义为对其发展质量的评价。而拉里·R史密斯对质量的定义为：质量即可持续性。在设计并提供产品服务时，公司所要考虑的不仅是单一提高产品与服务的性能，更要把公正(社会责任)、生态学(环境保护)和经营业绩(经济)三者加以优化并与服务质量融为一体[4]。所以本文在搜集数据时考虑火电产业的生产技术、经济效益和减排管理三方面的综合发展，并将这三者作为一级评价指标。

基于一级指标，二级指标参考火电项目评价准则[5]选定，如表1。

表1 评价指标体系

一级指标二级指标指标解释生产技术B1火电发电设备利用小时数C1反映发电厂发电设备利用程度及电力供需形势供电标准煤耗C2反映火电厂燃料管理水平高低和煤炭能源效率火电机组综合厂用电率C3反映发电厂设备状况及管理水平减排管理B2烟气脱硫机组投运比例C4反映火电厂硫氧化物排放的控制及资金投入烟气脱硝机组投运比例C5反映火电厂氮氧化物排放的控制及资金投入烟尘排放绩效C6反映火电厂烟尘排放量的控制经济效益B3资产报酬率C7反映火电企业的获利能力和投入产出状况,表示企业全部资产获取收益的水平资产负债率C8反映火电企业的负债能力火电企业亏损面C9反映火电企业的总体盈利情况

二、指数计算方法

(一)指标无量纲化处理

各指标间常因单位及量级间的差异存在着不可同度量性问题，此时就要对指标进行无量纲化。无量纲化，又被称为指标数据的标准化，常用的方法是经由数学变换来达到消除原始指标的单位及量级的影响的目的[6-7]。本文使用改进的功效系数法进行无量纲化处理，同时实现预评价和同度量转化功能。功效系数指的是各指标的实际值占该指标允许变动范围的相对位置。

该方法的基本步骤为：1)选定指标，形成综合评价体系；2)根据研究目的，选定指标的满意值和不允许值；3)利用功效函数公式计算单项指标得分，功效函数公式为：

(1)

改进功效系数法中的满意值和不允许值令这种转化可以体现出各评价数值大小，使各评价单位差异化，较单一数学变换处理方法更具优势[8]。但需要预先确认参考基准——满意值以及不允许值。在实际使用改进功效系数法操作时，一般进行如下处理：在历史数据中分别选取最优、最差的若干项数据(如10%数值)的平均值或最优值、最差值来替代。

(二)熵值法确定权重系数

权重系数被定义为一个体系中对目标值能发挥权衡作用的数值。本文首先使用熵值法确定指标的权重系数。

熵值法是根据各指标所携带信息有序程度来判定权重的一种方法。信息熵表达样本数据变化的相对速率，由熵值法所计算出的指标权重实际上表达的是变化波动的相对幅度，信息熵值越低，权重值就越高。因而可以根据熵值法来确定权重的大小，最终评价结果更具合理性[9-10]。步骤如下(设现n个指标p年的数据)：

1.定义标准化Yij

设n个指标p年的评价矩阵y=yij(i=1，2，…，p; j=1，2，…，n)，即：

(2)

2.计算指标信息熵值 e 和信息效用值 d

第 j 项指标的信息熵值为

(3)

信息效用值为

(4)

3.计算评价指标的权重ω

d越大，表明指标评价的重要性越高[11]。最终j 项指标的权重如下：

(5)

(三)指数计算

1.求两级最大差Δ(max)和两级最小差Δ(min)。首先进行各序列与参考序列间的绝对差序列Δij的计算，公式为：

(6)

在此基础上，计算两级最大差Δ(max)和两级最小差Δ(min)为：

(7)

(8)

2.计算关联度系数ξ。利用灰色关联度系数公式可以计算第j个比较数列与参考数列a的关联度系数ξ，ξ表达的是这2个数列之间的密切程度，则有：

(9)

其中：ρ代表分辨系数，可以使得因Δ(max)过大以至于关联度系数失真的的效果降低，0<ρ<1，通常情况下取0.1至0.5，本文取ρ为0.5。

理论上ξ是用关联度系数的简单均值以数量化反映这二者数列的的关联程度，忽略了各指标间的相对重要性[13-14]。为克服这一不足，考虑引入熵值法所得权重系数来改进评价方法。

(10)

式中：ri为第i个对象的改进后的关联度系数；ωj为第j项指标的权重系数。

在得出ξ后，以便于与常用的百分制评分法保持一致，添加参数100，从而得出分值为百分制的最终结论。

三、应用实例

(一)初始数据

上文详细阐述了熵值法结合灰色关联度法计算指数的基本思路及其数学模型。以下结合各二级指标年度数据进行实例计算，分析2005- 2015年度的火电行业综合发展情况，下面列写2005-2015年度各指标初始数据，数据来自中国电力企业联合会、世经未来、国研网经济信息数据库等，如表2所示。

表2 二级指标初始数据值

火电发电设备利用小时数,小时供电标准煤耗,g/kWh火电机组综合厂用电率,%烟气脱硫机组投运比例,%烟气脱硝机组投运比例,%烟尘排放绩效,g/kWh资产报酬率,%资产负债率,%火电企业亏损面,%200558653706.804.30.91.775.7471.3332.75200656123666.7734.81.51.596.5672.7534.53200753443576.6250.22.41.216.3269.1027.25200848853456.7963.73.31.020.9274.4137.85200948653406.6276.07.70.775.0972.7130.10201050313336.3388.012.70.504.0174.3225.71201152943296.2389.118.20.393.9073.9143.16201249823266.0890.228.10.393.8173.1831.73201350213216.0190.649.40.344.4770.0317.22201447063196.0091.5720.314.0267.9518.46201543293156.0491.284.50.094.5565.8125.00

(二)数据计算

首先，使用改进的功效系数法对初始数据进行无量纲处理，并且所有指标均已正向化。此处要注意的是满意值和不允许值的处理。考虑本文初始数据选用2005年至2015年这11年间的数据，为降低历史数据量对无量纲化数据变动的影响，综合考量历史数据最优值和最差值，对满意值、不允许值重新界定如表3：

表3

C1(h)C2(g/kWh)C3(%)C4(%)C5(%)C6(g/kWh)C7(%)C8(%)满意值58653105.0100%100%06.5617.22不允许值43293707.0001.77043.16

其中，资产负债率为区间型变量，需重新确定4个区间值，分别为不允值下限FD、不允许值上限FU、满意值下限SD和满意值上限SU。SU的确定参考央企对资产负债率的平均要求，SD的确定参考历史数据平均水平。具体数值如表4：

表4 资产负债率区间标准值

区间型变量FDSDSUFU资产负债率(%)8071.416360

资产负债率功效函数公式调整如下：

dij(1-|SD-Xij|/|SD-FD|)*40+60

(Xij≥SD)

dij=100

(SU

dij(1-|Xij-SU|/|FU-SU|*40+60

(Xij

此外，满意值选取中，供电煤耗、烟气脱硫机组投运比例、烟气脱硝机组投运比例这3个指标的满意值以电力“十三五规划”中节能减排要求来定义，分别为310g/kWh、100%和100%。各二级指标以评价指标体系表编号表示，后续计算结果指标编号列表表示一致。

然后运用熵值法确定各指标权重系数；选定元素全为1的参考数列，运用公式(9)计算关联度系数ξ，即各二级指标分指数。随后引入权重系数，依据公式(10)计算改进关联度系数得：

ωj={0.119743，0.156877，0.053332，0.114463，0.171383， 0.150612，0.073383， 0.023202，0.136999}(j=1，2，…，9)

ri={0.4823，0.4750，0.5007，0.4324，0.5061，0.5580，0.5530，0.5752， 0.6937，0.7039，0.7197 }(i=1，2，…，11)

最后添加系数100，引入百分制评价。

(三)结果分析

由图1可以看出，火电行业整体发展呈上升态势，2015年受电力市场化改革影响上升趋势放缓。虽然近年来，受到国际金融危机、煤电价格矛盾、环境保护要求提高等诸多因素的影响，火电行业盈利下滑，但火电在电源构成中的基础性地位是不动摇的，优化发展煤电一直是国家的主力政策。从图3也可以看出，火电行业在绿色发展的道路上一路前行，各项排放指标不断优化。尽管C1分指数不断下降，但生产技术的其他2项指标、减排管理全部指标分指数均呈稳步上升态势，经济效益指标经过2008—2010年的波动后亦有所回升，这也导致总指数仍呈上升趋势。同时发展指数趋势中有两个关键节点，分别为2008年和2013年。在2008年指数有所回落，结合实际情况分析，2008年受全球金融危机影响，发电企业经营形势严峻，出现了历史上首次的全行业超额亏损，且大幅上涨的煤炭价格使电煤供应态势紧张。09年以后，电煤价格有所回落，但煤价仍一直在高 位震 荡，2008年指数回落后小幅平稳增长。2013年指数较2012年数值有一个明显的攀升，而依据行业发展状况，2013年火电版块的确成为盈利的“主力”，源于电煤成本的下滑；同时，清洁能源的开发也对燃煤需求造成挤压，使得煤炭价格打开下降空间；且2013年我国经济趋稳回升，也带动了用电需求的增速回升。

图1 火电行业发展总指数趋势图

图2 生产技术二级指标分指数趋势图

图3 减排管理二级指标分指数趋势图

图4 经济效益二级指标分指数趋势图

分析各分指数趋势，2011年我国通胀压力增大，货币政策紧缩，随着电力企业渐渐丧失了原本融资优势的同时，火电行业也承受着越来越大的融资困难和利息支付所带来的压力，经济效益二级指标2011年的3个分指数均处于较低水平。对于减排管理二级指标来说，火电行业的节能减排需求迫切，国家环保政策也越来越严格，这3个指标指数均稳步上升。但需注意的是，减排指标指数的上升意味着火电行业节能环保成本的不断增加，制约火电行业的盈利，对经济效益指标有一定影响。

需要单独说明的是，C1比较特殊，总体随年度时间序列呈下降趋势。由于各发电企业调整电源结构，大力开发清洁能源以及可再生能源项目，对火电采取了“理性发展”的措施。火电投资连年下降，太阳能、新能源的崛起和水电的充裕很大程度上挤占火电市场，年利用小时数的不断下降，也一定程度上降低火电机组经济性，加大火电企业成本。

此外，随着电力市场化改革的不断推进，2015年火电行业发展指数需要格外关注。在利用小时数再次突破新低的情况下，火电发展在2015年仍呈上升态势，一是因为火电发展空间非常有限，各发电企业希望能抓住“最后机会”，抢占市场份额；二是因为投资体制改革，以及中央简政放权，下放火电项目审批权，地方政府为稳增长、保就业，加快了核准进度；三是因为2015年煤炭价格持续低迷，火电边际收益可观，客观上促进了火电投资的增长。由2014至2015年指数分析，未来几年火电行业发展速度渐趋平缓。随着火电行业内部结构调整的加快，清洁能源发电比重将逐步增加，火电等传统能源发电占比将降低，这些都让火电行业进入低速慢跑时代。

四、结论

本文以基于火电行业的电力发展指数为研究对象，以统计学指数编制理论为研究基础，以数量化综合反映火电企业发展的现状，得出年度总体指数及各项指标以年度为时间序列的具体评价数值，便于精细化分析各个影响因子对火电产业发展的影响程度；有了精准的指数，便于政府判断相关政策如煤电联动、财政补贴、税收减免等是否应该出台，便于企业的战略决策如大力发展、收缩防线、以煤补电等和精细化管理等战术安排。2016年电力体制改革进一步强力推进，电力需求放缓，煤价大幅波动，火电行业发展面临着艰难局面，需要一个科学、全面的评价指数客观评估行业的发展情况。

针对数据问题，数据选择还可以扩大，数据区间的跨度选择还可以更长，这也会影响到改进功效系数法中满意值和不允许值的选取，计算结果更为精确。年度时间序列选择上可升级为季度时间序列选择甚至月度时间序列选择，现存的问题是季度数据体系建立不完备，数据的可获得性与完整性难以保证。针对指标问题，在指标的筛选方面可以更加细化，方法确定更成熟后扩大指标体系，使评价更全面。

[1] 张维荣. 中国火电产业发展概论[M].北京：中国电力出版社，2014.

[2] 徐国祥等.统计指数理论、方法与应用研究[M].上海：上海人民出版社，2011.

[3] 李伟,王静,牛东晓. 基于组合权重的发电企业竞争力综合评价研究[J]. 华北电力大学学报,2006(5):93-96.

[4] 沈云交.什么是质量[J]. 世界标准化与质量管理，2005(8):16-18+1.

[5] 中国大唐集团公司.火电项目后评价工作手册[M].北京：中国电力出版社，2009.

[6] 叶宗裕. 关于多指标综合评价中指标正向化和无量纲化方法的选择[J]. 浙江统计，2003(4):25-26.

[7] 王文博.统计学—原理、方法及应用(第三版)[M].西安：西安交通大学出版社，2014.

[8] 王春枝.综合评价指标筛选及预处理的方法研究[J].统计教育， 2007(3)：15-16.

[9]JamesL.Worrell，PaulM.DiGangi，AshleyA.Bush.ExploringtheuseoftheDelphimethodinaccountinginformationsystemsresearch[J].InternationalJournalofAccountingInformationSystems，2013：143.

[10]DongxiaoNiu，CongXu，YananWei，LingJi.NoticeofRetractionComprehensiveEvaluationoftheListedPowerEnergyCompaniesGrowthAbilityBasedonImprovedSeasonalDynamicsandMulti-index.E-BusinessandE-Government(ICEE)，2010InternationalConferenceon.Page(s): 741-744.

[11] 齐敏芳,付忠广,景源,马亚. 基于信息熵与主成分分析的火电机组综合评价方法[J]. 中国电机工程学报，2013(2):58-64+12.

[12] 程诚,李春杰. 灰色关联分析在区域电力市场效率评价中的应用[J]. 华北电力大学学报(社会科学版),2010(3):10-13.

[13] 刘清宇,齐力,王江波,张戈. 基于灰色关联度法的火电厂生产运营对标管理效果评价[J]. 陕西电力，2011(6):21-25.

[14] 李荣平,李剑玲. 多指标统计综合评价方法研究[J]. 河北科技大学学报，2004(1):85-88.

(责任编辑：王 荻)

Study on Development Index of Thermal Power Industry

XU Jing-wen，WANG Peng

(Modern Electric Power Research Institute，North China Electric Power University，Beijing 102206，China)

The thermal power has the fundamental status in the power supply constitution，building an Evaluation system that reflects qualitative or quantitative index characteristics and owns good practicability has practical significance for the thermal power industry. According to the current development of thermal power industry and the evaluation of thermal power projects，we first establish an evaluation index system and formulate production technology， management of emission reduction and economic benefits as first level indexes which include 9 second level indexes such as supply standard coal consumption. Each index has mutual restraint to each other so it’s easy to evaluate the development of thermal power industry from various aspects. We collect the selected 9 second level index national data from 2005 to 2015. Subsequently，the indexes are pretreated and the dimensionless treatment is carried out by using the improved coefficient method. Entropy method is used to calculate the initial weight coefficient of processed data and the information entropy value and utility value are obtained respectively. Combined with the method of gray correlation degree，second level indexes were calculated. Combined with the obtained entropy weight，we get the annual index. We analyze the results of the calculation，combined with the actual thermal power industry and the national economic trend，the calculation results of the index basically fit the actual situation by analysis.

thermal power industry；multi index comprehensive evaluation index system；improved coefficient method；entropy method；gray correlation method

F206

A

1008-2603(2017)01-0037-06

2016-12-01

徐靖雯，女，华北电力大学现代电力研究院硕士研究生；王鹏，男，华北电力大学现代电力研究院教授，博士。