基于因子分析和数据包络分析的发电企业能效评价研究

仇 磊，王俊和，仲 跃，王潇婕

基于因子分析和数据包络分析的发电企业能效评价研究

仇 磊1，王俊和1，仲 跃2，王潇婕3

（1.西安热工研究院有限公司，陕西 西安 710054；2.中国华能集团有限公司，北京 100031；3.陕西省发展和改革委员会，陕西 西安 710006）

发电企业的能源效率（能效）控制是影响企业经营绩效及履行企业社会责任的重要因素。科学进行能效评价是发电企业能效管理重要的基础性工作。本文探讨了因子分析-数据包络分析（因子分析-DEA）组合评价模型对发电企业能效评价的适用性，并利用因子分析-DEA组合评价模型对我国五大发电集团的能效水平进行了实证性评价及对比分析。结果表明，该组合评价法能克服常用评价方法中由于评价对象少于指标数量而导致的评价指标之间相关性过高的问题，同时又能充分考虑投入产出指标体系中非期望产出的影响，使结果更加科学合理。该方法普遍适用于效率评价领域，能为决策者提供更加准确的信息反馈。

发电企业；因子分析；数据包络分析；能源效率；评价

能源效率（能效）是研究单位能量投入、产出的经济效益，即能源的使用效率问题。单因素能源效率是指仅考虑单一变量的投入和产出，可以直接理解为能源产出与能源投入的比值。单因素能源效率会忽略其他投入因素对能源产出的附加作用，同样也会忽略一些非期望产出，如二氧化碳等。多因素能源效率则充分考虑了能源、劳动力、资本及其他投入因素，同时也考虑了预期输出和非预期产出。显然，多因素的能源效率评价更加科学。

针对能效评价问题，国内外学者采用不同评价方法对能源使用单位和能源提供单位展开了分析。在对能源使用单位（主要是企业）的评价方面：宋绍剑等[1]采用层次分析法（AHP）对企业电力能效进行评估；文献[2-3]采用物元综合模型，分析了重点耗能企业电力能耗综合水平；田贺平等[4]采用AHP与熵权法相结合的方法，对企业电力能效进行了评估；方彦军等[5]也采用这一方法对高能耗企业的电力能效状态进行评价；张建华等[6]运用粗糙集理论和AHP对水泥企业电力能效进行评价。在对能源提供单位（发电企业）的评价方面：韦杏秋[7]、程雯[8]等采用数据包络分析（DEA）对发电机组的能源效率进行了评价；田皎等[9]采用模糊综合评价法对水电厂能效进行评价；宋晨希等[10]分别采用主观的层次分析法和客观的熵权法、可拓物元模型和逼近理想值的排序方法对火电厂进行了能效判断；国外学者Simab等人[11]提出了一种K-均值聚类和主成分分析（PCA）法的数据包络分析，对伊朗电力公司的能源效率进行了评价。

由此可见：1）学术上已深刻认识到单一评价法在能源效率评价方面的不足；2）目前几乎没有真正研究发电企业能源效率评价的文献；3）相关评价忽略了非期望产出（包括二氧化硫、二氧化碳、固体废弃物等）的影响，这显然会导致能源效率的评价不准确。对此，本文将以我国五大发电集团作为研究对象，选用因子分析-DEA的组合法，对5家发电企业的能效进行评价。

1 发电企业能效评价体系构建

1.1 发电企业能效评价指标体系构建

选取燃料量、劳动力、装机容量作为3个投入指标，以期望产出（发电量）和非期望产出（二氧化硫排放量）作为产出指标。各指标说明见表1。

表1 能效评价指标说明

Tab.1 The description of energy efficiency evaluation indexes

1.2 能效评价运用的方法和模型介绍

EDA方法是投入产出效率评价方面常用的方法，该方法无需对参数及指标进行权重假设。但是EDA方法要求较高：1）评价对象个数大于投入产出指标数量的2倍；2）投入指标之间、产出指标之间相关性不能过高；3）投入、产出指标数量不能过多，否则会导致主次不分，影响评价准确性。为此，一些学者通过减少指标选取来解决这些问题[12-17]。但这种做法不够科学，容易丢失重要信息。本文首先采用因子分析法对所选择的投入指标、产出指标进行降维，缩减投入、产出指标数量，但又不减少信息含量，使投入产出指标符合上述3个条件；再用DEA方法对发电企业能源效率进行评价。

1）因子分析法 因子分析法的主要作用是将多维度的数据降维，找到合理且个数较少的综合指标去代替实际较多指标，以达到减少所要分析的指标个数，又尽量不损失原来指标所包含的信息的目的。其基本思想就是根据相关性大小把变量分组，使得同组的变量之间相关性较高，不同组的变量相关性较低。每组变量代表1个基本结构，这个基本结构称为因子。因子分析法就是通过少量因子来代替全部因素的一种降维处理方法。

2）DEA发电企业具有多投入、多产出的特点，可以采用DEA进行效率评价。DEA测算的综合效率由技术效率和规模效率2个部分组成。技术效率反映了在给定投入情况下获取最大产出的能力，规模效率则反映了是否在最合适的投资规模下进行经营。综合效率、技术效率和规模效率的取值范围为0~1，当测算的综合效率值为1时，被称为DEA有效；如果小于1，则称为DEA无效。

1.3 能效评价流程

综上，发电企业能效评价分为3个方面：首先，建立科学合理的指标体系；其次，对指标体系进行优化、降维；最后，借助DEA方法进行综合评价。图1显示了能效评价的具体流程。

2 发电企业能效评价实证研究

2.1 数据处理

本文选择我国五大发电集团作为研究对象。五大发电集团包括中国华能集团有限公司（华能）、中国大唐集团公司（大唐）、中国华电集团有限公司（华电）、中国国电集团公司（国电）、中国电力投资集团公司（中电投）。其中，中电投于2015年与国家核电技术有限公司合并为国家电力投资集团有限公司（国电投），国电于2017年与神华集团有限责任公司合并重组为国家能源投资集团有限责任公司（国家能源）。

图1 能效评价的具体流程

本文选择这5家发电企业2014年和2018年的数据进行横向和纵向对比分析。表2和表3分别显示了2014年和2018年五大发电集团能效评价投入指标和产出指标的数值。表中数据来源于历年《中国电力报》的五大发电集团主要经济技术指标解读和五大发电集团历年《社会责任报告》。

表2 能效评价投入指标数据

Tab.2 The input indicator data of energy efficiency evaluation

表3 能效评价产出指标数据

Tab.3 The output indicator data of energy efficiency evaluation

2.2 模型分析

由表2和表3可知：投入指标之间、产出指标之间存在较强的正相关性；同时，被评价对象的数量少于投入与产出指标数量之和的2倍。因此，如果直接将这些指标数据放入DEA模型中进行能效评价，将会导致结果不准确。为此，先用因子分析法将投入指标、产出指标都降维到1个因子，再进行DEA分析。由于SO2排放是非期望产出，属于逆指标，因此需对其进行指标正向处理，具体操作为将各数值乘以–1。

以2014年数据为例，在因子分析前要对数据采取特定的方法检验，以判断数据是否适合因子分析。本文通过KMO和Bartlett球度检验，结果显示KMO值为0.553，球度检验近似卡方值对应的显著性概率为0.008，说明数据适合因子分析。表4为解释的总方差，用于判断提取的几个因子。由表4可以看到：提取出来的3个公共因子特征值分别为2.234、0.164和0.003；第一个公共因子累积方差贡献率为93.045%>85%，因此只需要1个因子就可以掌握3个变量的信息。

表4 解释的总方差

Tab.4 The total variance of interpretation

通过上述分析，可得成分得分系数矩阵为[FuelCapitalLabor]=[0.433 0.434 0.432]。可见，3个变量几乎等权。由此可以得出最后的综合得分计算公式：

式中Fuel、Capital和Labor均为经过标准化处理后的数据。

同样对2014年和2018年投入指标、产出指标进行相似处理，最终得到五大发电集团能效评价的投入、产出因子数值，见表5。

在表5的基础上进一步采用数据包络模型进行效率测算，得到五大发电集团能效评价结果见表6。从表6中看到：在5家发电企业中，仅华能的综 合效率达到1，说明该企业的能效为DEA有效；而其余4家发电企业都小于1，说明这4家企业能效为DEA无效，即能源效率相对较低。这一结果在2014和2018年均成立。同时可以看到：从2014年到2018年，华电和国电投（中电投）2家发电企业的能效有所上升；而大唐和国家能源（国电）的能效出现下降，国家能源（国电）的能效下降最明显。比较5家发电企业，在2014年，能效从高到低分别是华能＞国电投（中电投）＞国家能源（国电）＞大 唐＞华电；而在2018年，能效从高到低分别是华 能＞国电投（中电投）＞华电＞大唐＞国家能源（国电）。这表明，合并重组并不能提高国有发电企业的能源效率。

表5 能效评价投入、产出因子

Tab.5 The input and output factors of energy efficiency evaluation

表6 五大发电集团能效评价结果

Tab.6 The energy efficiency evaluation results for five major power generation groups in China

2.3 评价结果分析

从以上结果可知，对于发电企业来说，在测算能源效率时，仅仅从单位发电煤耗指标无法真正比较企业之间的能效（从表2、表3可计算出5家发电企业的单位发电耗煤非常接近），这是由于火电技术在各发电企业之间差异性很小。但是这并不代表各家发电企业的能效相等，因为有2个因素影响：

1）投入指标在评价能效时，要从生产要素的角度，将各种要素同时纳入到能效评价范畴，如2018年国家能源（国电）尽管发电量远高于其他 4家发电企业，但其装机容量、员工数量均远超过其他4家发电企业。

2）产出指标发电企业属于高污染排放企业，在测算能效时，如果仅考虑期望产出而不关注非期望产出，会导致能效评价不准确，这是由于期望产出与非期望产出具有正相关性。以国电投（中电投）为例，其发电量最少，但其二氧化硫排放量也最低，同时3个投入要素相对也较低，因此能效评价结果能稳居第2。

综合以上分析可知，因子分析-DEA方法在测算企业能效时可靠性较高。

3 因子分析-DEA组合评价模型运用策略

本文通过采用因子分析-DEA组合模型，对发电企业能源效率进行了评价，结果显示该方法在能源效率评价上能较好反映实际情况，但使用过程中有几点需要说明：

1）要准确选择待评价对象的投入和产出指标，这是效率评价的关键。通过本文分析，在考虑产出指标时，不能遗漏非期望产出，这会影响效率评价的准确性。因此在运用因子分析-DEA模型之前，要从理论和实际的角度去筛选产出指标，特别关注非期望产出指标，这样才能综合评价效率水平。

2）在选取了投入和产出指标后，考虑到DEA分析对指标数量的要求，因此要对指标进行降维。因子分析降维过程中选择几个因子，取决于研究对象：一方面要考虑经济含义，不能丢失重要指标信息；另一方面要考虑DEA指标数量要求。

3）因子分析-DEA组合法也具有一定局限性。由于因子分析将指标混合，这就导致在得出各评价对象排名顺序时，很难直观地解释排名靠后（即效率低）对象的低效率由哪些因素影响。是因为投入过高还是因为产出过低，均无法给出直观判断。

4 结 语

本文利用因子分析-DEA的组合模型对我国五大发电集团的能效进行评价及对比分析。实证结果表明，该组合评价法能克服评价对象少于指标数量、指标之间相关性过高的问题，同时又能充分考虑投入产出指标体系中非期望产出的影响，使结果更加科学合理。该方法普遍适用于效率评价领域，能为决策者提供更加准确的信息反馈。

［1］ 宋绍剑, 薛春伟. 基于层次分析法的水泥企业电力能效评估[J]. 电力学报, 2012, 27(2): 154-157.

SONG Shaojian, XUE Chunwei. The power energy efficiency evaluation of cement industry based on the analytic hierarchy process[J]. Journal of Electric Power, 2012, 27(2): 154-157.

［2］ 杨列銮, 解佗, 张刚, 等. 基于物元综合评价法的高耗能企业电力能效评价[J]. 电力科技与环保, 2014, 30(6): 44-47.

YANG Lieluan, XIE Tuo, ZHANG Gang, et al. The method of energy-saving calculation’s analysis and application in industrial enterprises[J]. Electric Power Environmental Protection, 2014, 30(6): 44-47.

［3］ 卢思瑶, 陈缨, 张振雨. 基于物元综合模型的重点耗能企业电力能效评价研究[J]. 四川电力技术, 2016, 39(2): 64-68.

LU Siyao, CHEN Ying, ZHANG Zhenyu. Power efficiency evaluation of key energy-consuming enter- prises based on matter-element comprehensive model[J]. Sichuan Electric Power Technology, 2016, 39(2): 64-68.

［4］ 田贺平, 杜松怀, 韩晓慧, 等. 基于AHP-熵权法的企业电力综合能效评估[J]. 智能电网, 2015, 3(2): 112-118.

TIAN Heping, DU Songhuai, HAN Xiaohui, et al. Assessment of power integrated energy efficiency for industrial enterprise users based on AHP-entropy method[J]. Smart Grid, 2015, 3(2): 112-118.

［5］ 方彦军, 唐猛, 黄巍. 高耗能企业电力能效等级评估方法[J]. 电测与仪表, 2015, 52(6): 6-11.

FANG Yanjun, TANG Meng, HUANG Wei. Electricity energy efficiency rating assessment method for high en- ergy-consuming enterprises[J]. Electrical Measurement & Instrumentation, 2015, 52(6): 6-11.

［6］ 张建华, 刘彩琴, 杜培东, 等. 企业电力能效评价方法研究与实践[J]. 智能电网, 2015, 3(11): 1078-1083.

ZHANG Jianhua, LIU Caiqin, DU Peidong, et al. Research and practice of evaluation method for enterprise energy efficiency[J]. Smart Grid, 2015, 3(11): 1078-1083.

［7］ 韦杏秋, 程鹏飞, 陈碧云, 等. 火电机组能耗的数据包络分析方法[J]. 电网与清洁能源, 2012, 28(2): 44-51.

WEI Xingqiu, CHENG Pengfei, CHEN Biyun, et al. An optimization model for energy consumption of unit based on DEA[J]. Power System and Clean Energy, 2012, 28(2): 44-51.

［8］ 程雯. 基于DEA模型的我国电力产业能源效率分析[J]. 经济研究导刊, 2015(7): 45-46.

CHENG Wen. Energy efficiency analysis of China’s electric power industry based on DEA model[J]. Economic Research Guide, 2015(7): 45-46.

［9］ 田皎, 刘福潮, 解建仓, 等. 模糊综合评价法在水电厂能效评估中的应用[J]. 智慧电力, 2013, 41(3): 49-51.

TIAN Jiao, LIU Fuchao, XIE Jiancang, et al. Application of fuzzy comprehensive evaluation in efficiency evaluation of hydroelectric power station[J]. Shaanxi Electric Power, 2013, 41(3): 49-51.

［10］ 宋晨希, 李明佳, 何雅玲, 等. 火电厂综合能效评价模型的探索[J]. 工程热物理学报, 2015, 36(2): 229-233.

SONG Chenxi, LI Mingjia, HE Yaling, et al. Research on comprehensive evaluation model of energy efficiency for fossil power plants[J]. Journal of Engineering Thermophysics, 2015, 36(2): 229-233.

［11］ SIMAB M, HAGHIFAM M R . Assessing the efficiency of Iranian electric distribution companies using nonparametric approach[C]. IEEE Power & Energy Society General Meeting. IEEE, 2009: 1-5.

［12］ 曹叶. 热电企业能源效率分析与管理绩效评价研究[D]. 北京: 华北电力大学, 2016: 16-19.

CAO Ye. Energy efficiency analysis and management performance evaluation of thermoelectric enterprises[D]. Beijing: North China Electric Power University, 2016: 16-19.

［13］ 邵世圻, 戴赛, 胡林献, 等. 计及热网特性的电热联合系统调度方法[J]. 电力系统保护与控制, 2018, 46(10): 24-30.

SHAO Shiqi, DAI Sai, HU Linxian, et al. Research on heat-electricity combined scheduling method considering the characteristics of the heating network[J]. Power System Protection and Control, 2018, 46(10): 24-30.

［14］ 刘欣艳. 生活垃圾焚烧发电厂能耗评价指标研究[J]. 节能, 2015, 34(2): 27-30.

LIU Xinyan. Study on the energy consumption evaluation index of domestic waste incineration power plant[J]. Energy Conservation, 2015, 34(2): 27-30.

［15］ 赵玉芝. 发电企业节能潜力分析及能效提高策略研究[D]. 保定:华北电力大学, 2009: 20-28.

ZHAO Yuzhi. Energy-saving potential analysis of power generation enterprises and strategies for improving energy efficiency[D]. Baoding: North China Electric Power University, 2009: 20-28.

［16］ 孙云涛, 宋依群. 基于调峰能力评估的省间调峰互济交易模式[J]. 电力系统保护与控制, 2018, 46(4): 86-91.

SUN Yuntao, SONG Yiqun. Peak load regulation trading mode for trans-provincial aid based on evaluation of system regulation capability[J]. Power System Protection and Control, 2018, 46(4): 86-91.

［17］ 周永芳, 时章明, 沈浩. 基于SVM的火电企业能效监督评价体系[J]. 2015, 34(4): 3-6.

ZHOU Yongfang, SHI Zhangming, SHEN Hao. Energy efficiency supervision and evaluation system for thermal power enterprises based on SVM[J]. Energy for Metallurgical Industry, 2015, 34(4): 3-6.

Research on energy efficiency evaluation for power generation enterprises based on factor analysis and data envelopment analysis

QIU Lei1, WANG Junhe1, ZHONG Yue2, WANG Xiaojie3

(1. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China; 2. China Huaneng Group Co., Ltd., Beijing 100031, China;3. Shaanxi Provincial Development and Reform Commission, Xi’an 710006, China)

Energy efficiency control of power generation enterprises is an important factor affecting business performance and fulfilling corporate social responsibility. Scientific energy efficiency evaluation is an important basic work for energy efficiency management of power generation enterprises. This paper discusses the applicability of the factor analysis-DEA (data envelopment analysis) combination evaluation model to the energy efficiency evaluation of power generation enterprises, and uses the factor analysis-DEA combination evaluation model to empirically evaluate and compare the energy efficiency levels of China’s five major power generation groups. The results show that, the combined evaluation method can overcome the problem of over high correlation between the evaluation indicators caused by the number of evaluation objects less than the number of indicators in the commonly used evaluation methods. At the same time, it fully considers the undesired output in the input-output indicator system. The impact makes the results more scientific and reasonable. This method is generally applicable to the field of efficiency evaluation and can provide more accurate information feedback for decision makers.

power generation enterprise, factor analysis, DEA, energy efficiency, evaluation

TK011

A

10.19666/j.rlfd.201907137

仇磊, 王俊和, 仲跃, 等. 基于因子分析和数据包络分析的发电企业能效评价研究[J]. 热力发电, 2019, 48(12): 87-91. QIU Lei, WANG Junhe, ZHONG Yue, et al. Research on energy efficiency evaluation for power generation enterprises based on factor analysis and data envelopment analysis[J]. Thermal Power Generation, 2019, 48(12): 87-91.

2019-07-09

仇磊(1983)，男，硕士，高级经济师，主要研究方向为能源经济与能源管理，qiulei@tpri.com.cn。

（责任编辑 刘永强）