基于EROI和DEA的中国油气开采效率评价研究

崔天航，冯连勇

(中国石油大学(北京)经济管理学院，北京 102249)

0 引 言

自2020年9月起，习近平总书记多次提出“中国力争2030年前二氧化碳排放达到峰值，努力争取2060年前实现碳中和”。在碳排放目标的约束下，积极调整能源结构、提高非化石能源消费比重成为了能源发展政策的重点内容。考虑到能源低碳转型会增加能源成本[1]，未来需要推进阶段性渐进转型，因此应关注石油长期消费弹性并发挥天然气的过渡作用。2019年，石油在我国能源消费结构中占比为18.9%，天然气占比为8.1%，《中国长期低碳发展战略与转型路径研究》指出，油气能源消费占比将逐步上升到30%，由此判断油气行业在未来仍是能源系统的重要支柱。然而，我国油气对外依存度较高，能源安全和国际价格冲击等问题不容忽视，想要保证油气产业以及能源系统的稳定运行，就需要提高我国油气上游环节的勘探开发效率，增强原油与天然气的供应能力。 此外，碳中和的提出使能源开发利用过程中的环境影响和资源消耗问题更受重视，油气开采所导致的环境问题也应当作为衡量油气产业发展的重要指标。在这一背景下，对当前油气产业上游勘探开发环节进行综合效率评价具有重要意义。

能源投入回报(energy return on investment，EROI)为能源产出与能源投入之比，这一概念在1974年被CLEVELAND提出[2]，最先应用于美国常规天然气开采效率评价，之后引起相关学者的重视，如今已逐渐发展完善成为能源开发利用特别是化石能源开采领域中重要的效率指标之一。在国外方面，GRANDELL等[3]认为EROI是衡量能源供应质量的最佳指标，并测算了挪威的石油开采EROI；KONG等[4]对煤制油项目进行EROI评价，计算考虑副产品和间接能源消耗时的EROI；BROCKWAY等[5]对于化石能源最终使用阶段和可再生能源的EROI进行了对比分析。EROI在中国的应用时间较晚，目前在油气开采方面已有一些相关成果，胡燕等[6]采用该方法对大庆油田的开采效率展开研究；孔朝阳[7]和刘健烨等[8]在考虑直接能耗与间接物质两种投入的情况下利用EROI进行效率评价，结果显示国内油气开采效率不断提高。EROI虽然能够对能源开发利用的效率进行综合评价，但不能对资源配置问题进行具体分析，难以提出具体的改进建议，需要利用其他方法进行补充。数据包络分析法利用规划思想，给出相对有效的生产前沿面，并且可以根据测算结果得出决策单元的投入和产出调整幅度[9]。该方法在能源领域已有广泛应用，涉及到电力企业绩效、能源效率以及煤层气开发效率等方面，WANG等[10]使用扩展的DEA模型衡量生态效率得分，对亚洲20个经济体的环境效率进行评估并分类；KOÇAK等[11]利用自举DEA，考察了OECD国家能源效率、可再生能源、水电和燃料电池、化石能源、核能等电力和存储技术研发支出的环境效率；夏盼盼[12]以火力发电企业为对象，考虑能源投入、污染物排放规制、消费单元的经营策略等影响因素，利用DEA对我国能源消费单元的绩效水平进行评价；吴琦等[13]利用DEA对中国30个行政区域2006年的能源效率进行综合评价，并通过冗余松弛分析给出具体改进建议。

综上所述，EROI和DEA均是基于投入产出的角度对开采效率进行分析，但两者侧重点不同：EROI以净能源为分析重点，关注能源开采过程本身消耗的投入，通过产出与投入之比来反映效率绝对值；而DEA则利用前沿生产面对不同决策单元的相对生产效率进行测算，判断决策单元是否达到技术有效和规模有效，并分析造成决策单元非DEA有效的原因，能够提供具体的改善方向。因此，本文将EROI和DEA相结合来评价中国油气行业的勘探开发效率，首先计算不同年份的EROI来反映绝对效率，然后利用DEA对不同年份的相对效率进行对比分析，提供全面具体的结论与建议。

1 研究方法与数据

1.1 能源投入回报方法

EROI反映能源的开采效率，等于能源生产过程中总产出与总投入的比值，常折算成热当量进行计算，公式为式(1)。

(1)

表1 EROI计算公式总结

为了评价油气开采的综合效率，本文选择直接能源、间接投资、劳动力与环境影响进行研究。借鉴胡燕等[14]总结的四层次投入分析方法，基于热当量对油气开采的EROI进行测算。最终确定的基础公式见式(2)。

(2)

式中：Eout为总能源产出，通过能源转换因子转化成热当量值；Ed为油气开采的直接能源投入的热当量值；Eid为间接投入量，如辅助材料、设备投资等；El为劳动力投入；Eenv为对环境产生的外部性进行的补偿。

最终确定的直接能源投入的量化公式见式(3)。

(3)

式中：Ei为第i种直接投入中第i中能源的热当量值；Ti为第i种能源的能源转换系数，MJ/kg。

考虑到间接能源的相关投入多用货币的形式展现，因此本文借鉴胡燕等[14]总结的财务投入公式的处理，量化公式见式(4)。

(4)

式中：EICi为不同类型的间接投入，元；I为能源强度，MJ/元。

劳动力投入的量化公式见式(5)。

El=S×N×I

(5)

式中：S为平均工资，元；N为职工总人数，人。

能源开采会对环境造成多方面的影响，由于数据难以获取，本文主要考虑油气开采过程中的废气污染，具体包括SO2、CO2、NOX和粉尘。参考孔朝阳等[15]在评价页岩油生产效率时给出的环境成本估算公式，本文将环境投入公式设置见式(6)。

(6)

式中：Ai为第i种能源的标准煤转换系数，kgce/kg；Bj为第j种污染物的外部成本因子，元/kg；Cj为标准煤的污染物排放因子。

1.2 数据包络分析方法

数据包络分析法基于投入产出角度，控制决策单元(DMU)的投入或者产出固定，利用已知数据和规划思想给出相对有效的生产前沿面，用决策单元到生产前沿面的相对距离来判断其有效性，分析造成决策单元非有效的原因并得到调整方案，基本思路如下所述[16]。

若有n个决策单元DMUj(1≤j≤n)，每个决策单元都有p种投入要素以及q种产出要素，即DMUj对应的投入向量和产出向量分别为见式(7)和式(8)。

xj=(x1j，x2j，…，xpj)T>0,j=1,2,…,n

(7)

yj=(y1j，y2j，…，yqj)T>0,j=1,2,…,n

(8)

对于每一个决策单元DMUj,定义一个效率评价指标hj，表示满足hj≤1的第j个单元的生产效率，见式(9)。

(9)

式中：ua为对a种输入的权重，a=1,2,…,p；vb为对b种输出的权重，b=1,2,…,q；xaj为第j个决策单元中第a种类型输入的投入量a=1,2,…,p；ybj为第j个决策单元中第b种类型输出的产出量，b=1,2,…,q；DEA的核心是寻找最优权向量u和v，使第j0个决策单元生产效率最高。为了计算最优权重定义如下线性规划，见式(10)。

(10)

经过Charnes-Cooper变换[17]，得到了具有非阿基米德无穷小量的对偶输入模型，见式(11)。

min[θ-ε(e^ Ts-+ETs+)]

(11)

式中：ε为非阿基米德无穷小量，通常取10-5；s+和s-分别为松弛变量和剩余变量；e^ T=(1,1,…,1)Em；eT=(1,1,…,1)计算的指标见表2。

表2 DEA主要计算指标

DEA模型主要分析指标的经济含义介绍见表3，其中综合技术效率值等于纯技术效率乘以规模效率。

表3 DEA主要指标经济含义介绍

1.3 数据来源

由于数据可得性，本文针对2003—2017年的油气开采效率进行评价。中国石油生产总量、天然气生产总量、石油和天然气开采业投资、国内生产总值、能源消费总量等数据通过国家统计局获得。能源转换系数指单位质量的能源转化为热当量的数值，能源转换系数和标准煤排放因子等数据通过文献总结获得[18-23]；污染物外部成本因子是指污染物的环境价值，常采用防护费用等来间接评估，本文采用李泓泽等[24]对主要污染物的环境价值评估结果，借鉴美国排污收费标准[25]确定污染物外部排放因子(表4)；油气开采行业的直接能源消耗数据通过查阅中国统计年鉴获得，相关数据见表5；各能源的标准煤折算系数通过查阅《国家综合能耗计算通则》(GB/T 2589—2020)获得；历年来石油和天然气开采业就业人员工资总额、平均工资、年末人数等通过查阅中国劳动统计年鉴获得；能源强度经计算得出，等于能源消费总量除以当年国内生产总值。

表4 气体排放因子

表5 油气开采业的直接能源消耗量

2 结果与分析

2.1 计算结果

通过前文计算得出2003—2017年我国油气开采的EROI，如图1所示。由图1可知，中国油气勘探开发的EROI总体呈现上升趋势，从2003年的3.03逐步增长至2017年的11.75，这意味着投入产出效率的显著提高，其中，在2004年实现跳跃式上升，接着在2005—2009年间保持相对稳定，后续勘探开发过程中EROI仅在2013年发生波动，其余年份均保持不断增长的状态。

图1 2003—2017年中国油气开采EROI变动图

EROI是油气产出与其勘探开发投入的比值，代表每年的绝对生产效率，上述计算结果表明了绝对效率的提升，却难以反映每年的资源配置状况，因此本文利用DEA做进一步的分析。在进行DEA效率评价时，选择与EROI分析相同的投入产出指标，其中直接投入使用直接能源总投入转化的热当量值，相关数据见表6。投入指标：X1为直接投入，108MJ；X2为石油和天然气开采业投资，亿元；X3为石油和天然气开采业就业人员总数，千人；X4为环境污染投入，亿元。产出指标：Y1为石油生产量，万t；Y2为天然气生产量，亿m3。

表6 2003—2017年中国油气开采绩效评价指标数据

本文借助DEAP2.1软件，横向比较2003—2017年中国油气开采行业数据，并从效率和松弛变量两方面对绩效评价结果进行分析，了解油气勘探开发的效率情况。利用DEA测算的相关指标值见表7，其中技术有效是代表产出相对投入已达最大，规模有效是指决策单元处于规模收益由递增到递减的交界处。结果显示，2003—2017年间，有6年为DEA有效，9年为非DEA有效，综合技术效率(TE)、纯技术效率(PTE)和规模效率(SE)的均值分别为0.965、0.976和0.989。具体来看，2007年、2008年、2009年和2011年非DEA有效，综合技术效率不为1，但其规模效率均为递增状态，说明投入相对不足，可以考虑加大投入提升综合技术效率。2005年、2010年、2013年、2014年和2015年同样非DEA有效，但规模收益递减，所以加大投入已不能提升综合技术效率。其中，2015年的TE不为1而PTE为1，说明就技术效率而言该年的投入产出决策已达最优，非DEA有效的原因是其规模与投入产出不匹配。 其余的年份均为DEA有效，说明在大多数的年份里，中国油气开采业的资源配置相对优化，资源利用率相对较高，投入产出配置比较适当。

表7 2003—2017年中国油气开采绩效评价结果

上述DEA的三项指标值虽然可以评价决策单元的技术和规模是否有效，但是无法进一步找出其无效的原因，因此需要进行松弛变量分析。根据DEA的前沿理论，当投入指标的松弛变量不为0时，表示投入冗余；当产出指标的松弛变量不为0时，说明产出不足[26]。由表8可知，在2015年以前有部分年份指标的松弛变量不全为0，说明存在投入未被有效利用或者产出有盈余的情况，而在2015—2017年间不存在冗余问题，达到了较优的资源配置，这一点也与EROI的分析结果对应。根据EROI结果显示，中国油气开采的EROI在2012年前增长速度较为缓慢，而2013年后增长较为迅速。2003—2012年，EROI由3.03升至8.29，年均增长率为20.25%；而在2013—2017年，EROI从7.44迅速升至11.75，年均增长率高达44.08%，其中2015—2017年的年均增长率高达57.67%，同样也说明了最近几年油气行业的开采效率正加速上升，行业发展态势良好。

表8 DEA模型求解的投入产出指标松弛变量值

对于存在冗余问题的年份，以2014年为例，当年中国油气勘探开发的间接投资与劳动人数存在冗余，相关投入未能有效利用，而在产出方面，天然气产量也有待提升。根据DEA理论中的投影定理得到当年的DEA有效目标值，调整后，天然气产量增加至1 312.212亿m3、间接投入和劳动力投入分别调整为3 221.442亿元和585.905千人，具体结果见表9。

表9 2014年中国油气开采投入产出调整方案

2.2 讨论分析

化石能源是一种特殊的产品，其产量不仅受到投入要素的影响，更重要的是受到资源储量的制约。DALE等[27]曾对化石能源开采EROI的变动规律进行总结，认为EROI会随着累计产量的不断增加呈现出先上升后下降的趋势。以石油为例，最初的资源储量十分丰富，在完成初步的勘探开发准备后，即使在技术水平较低的情况下也可以通过较少的投入来获取大量的能源产量，而随着开发的推进，资源耗竭与技术因素产生博弈，EROI上升的速度将会变慢，当资源耗竭达到一定程度时，EROI达到峰值后发生转折开始缓慢下降。这一推论适用于化石能源的EROI分析。对于中国来说，石油与天然气的勘探开发难以区分，因此DALE等的结论难以直接应用于中国的油气行业分析中。本文搜集过去油气的产量数据，统一换算为热当量后(图2)，发现石油产量上升速度减缓，到2015年开始进入峰值平台期，而天然气产量在2003—2017年间保持快速上升趋势，且在油气总产量中的占比不断提高，2003年天然气产能占油气总产量的比值仅为16%，到2017年天然气的油气产量占比已经增加至41%，由此推断在2003—2017年间石油已经处于资源耗竭阶段，EROI即油气开采效率的提升主要得益于天然气的开发利用，这一点与孔朝阳[7]和刘键烨等[8]的研究结论一致。

图2 2003—2017年中国油气产量分布图

另外，在投入方面，劳动力投入与环境投入占比较小，而直接能耗与间接投资两种投入总占比始终维持85%以上，且变化趋势不同。直接能耗投入在2004年大幅度降低，之后保持缓慢降低的状态，根据直接能耗与油气产出的相关数据测算发现，在2003年开采得到1 MJ的油气需要0.26 MJ的能源投入，而在2017年单位能耗降低至0.044 MJ，这得益于油气勘探开发领域节能效率的提高。间接投入是油气开采行业投资额与工业能源强度的乘积，在2003—2017年间呈现出两次先升后降的变动规律。追溯测算数据发现工业能源强度始终保持下降趋势，而行业投资在2003—2014年间不断上升，其中，2008—2012年间投资增加幅度减缓，之后在2015年和2016年大幅度下降，由此导致了间接投入的波动性。

图3 2003—2017年中国油气开采投入变动图

本文数据主要来源于国家统计局等官方网站，由于2018—2020年油气开采业投资、直接能源消耗等数据尚未公布，因此本文未能使用最新数据，具有一定的局限性。然而本文可以得到近十五年来中国油气开采效率的整体变动趋势，仍然具有一定意义。根据EROI和DEA的测算结果，中国油气开采的效率持续提高，其资源配置在2015年后实现相对优化，但未来效率的变动情况并不明朗，具体如下所述。

从产出侧来看，截至目前，我国天然气累计探明率不足20%，总体处于勘探中早期和开发红利期[28]。在未来的一段时间内，我国天然气产量会继续上涨，常规气产量增速放缓，非常规气保持快速增长[29]。根据国家统计局的最新数据，2018年天然气生产总量为1 601.6亿m3，较2017年同比增长8%。王建良等[30]预测，在现有条件下天然气产量峰值将于2028年左右到来，而如果在未来跟进勘探开发与技术的相关投入，天然气产量将能够维持长期增长，其峰值大概在2055—2060年间出现。此外，在碳中和的背景下，天然气作为清洁能源，未来也将进一步发挥重要作用，其产量会维系上涨趋势，进一步促进油气总产出的增加。

从投入侧来看，目前已有多位学者证明了资源耗竭对开采投入和EROI的负面影响[8,27]，故应注重勘探开发与技术条件的提升，以保持高水平的油气开采效率。然而，勘探开发与技术研发的投资对当期与未来的影响并不一致。一般来说，想要保证油气开采行业未来稳定的生产，需要当前大量的资金投入来进行勘探开发并提高技术水平，寻找到可供生产的油气资源，增加可采储量以强化生产能力，但高投资又会降低当期的油气开采效率。当前投资与未来产量的博弈给油气开采业增加了不确定性。尽管2016—2017年间油气开采业投资下降，但是为了保障能源安全，油气开采业的投资不会一直维持低水平，未来勘探开发力度的加大将使得油气开采业的投资不断增加，给资源配置带来冲击，EROI能否继续维持增长、DEA能否维持有效尚不明朗。油气开采业在发展过程中需要在未来投资回报与当期开采效率中做出合理规划，以实现长期高效的勘探开发。

3 结 论

1) 我国油气开采行业目前正处于良性的发展之中，开采效率相对较高。

2) 天然气产量占油气总产量的比例从2003年的16%已增长至2017年的41%，因此本文认为近年来油气开采效率能够维持在相对较高的水平，这主要得益于天然气在开发红利期产量的大幅递增。

3) 本文发现单位产量所需的直接能耗始终保持下降趋势，2015年后行业投资大幅度降低，这有效提升了油气开采效率，实现了资源配置优化。

当期的低投资虽然可以有效地降低总投入，增大EROI，维持DEA有效，但投资的疲软也会无可避免地导致在未来损失产量，降低开采效率。展望未来，为保障能源安全，发挥油气能源在低碳转型中的过渡作用，油气勘探开发投资将会有所增加，保证投资的适度与有效性成为制约油气开采效率的重要因素，油气开采业需要对资源配置做出合理的规划，保障油气上游产业的高水平发展。