煤炭加工过程中主要污染物治理效率评估方法

韩 慧

(山东省枣庄生态环境监测中心，山东 枣庄 277100)

为了更好地满足人们日常生活的需求，对于煤炭的使用要求越来越高，煤炭加工技术开始逐渐受到重视[1]。煤炭加工保证了开采的煤炭得到充分地利用，有效地发挥能源的应用效果，使煤炭伴生矿产业得以应用，满足了社会需求[2]。由于煤炭加工需要生产出质量不同的煤炭种类，这个过程中需要利用物理、化学方法对矿物中包含的杂质进行处理。煤作为高污染的能源，其自身对地质环境有一定的影响，生产加工过程使煤中的各种有害元素得以释放和溶解[3]。煤炭加工过程中主要污染物包括煤矸石、粉煤灰等。这些主要污染物大部分加工企业采取的处理方法是就地掩埋，或者堆放在煤炭加工厂附近空旷区域。随着时间的不断流逝，采取堆积贮存方式处理的污染物中包含的有害物质发挥更大的破坏能力[4]，污染土壤结构、破坏地下水资源等，都会对人的身体健康产生危害。因此，煤炭加工过程中主要污染物治理成为一件备受重视的工作[5]。

本文以污染物治理效率评估为研究核心，采用数据包络分析模型的方式，针对治理中的投资、运行费用等投入项以及污染物重复利用量、COD去除量、污染处理量等产出项为基础，判断污染物治理效率[6]，并依据评估结果显示出的治理影响因素完成治理资源的合理分配，从而实现治理绩效的有效提升[7]。

1 污染物治理效率评估方法设计

对于污染物治理效率评估方法设计，从投入、产出2个方向进行研究[8]。由于煤炭加工过程中主要污染物治理的投入和产出包含多个指标，指标单位也并不相同[9]。因此需要采用数据包络分析法进行多指标计量，明确各项之间存在的定量关系。效率评估方法中数据包络分析法的应用减少了工作量，只需要确定投入与产出指标就可以完成接下来的工作[10]。本文以DEA模型为基础，对全要素生产率指数分析，并选取效率评估所需指标，最终实现污染物治理效率评估。

1.1 构建治理效率评估模型

DEA方法理论和模型不断深入的发展，使得该模型在生活中的效率评价应用范围逐渐扩大。DEA模型所展现的效率评价结果，也从只能横向比较同质决策单元的有效性，拓展为纵向比较同一单元历史活动。根据研究发现DEA应用具有一定步骤，如图1所示。

图1 DEA应用步骤Fig.1 DEA application steps

通过图1所示的应用步骤，完成污染物治理效率评估，获取最终评估结果。文中以DEA模型为基础，构建了一个污染物治理效率评估模型。该模型是效率评估方法设计的基础内容，以线性规划工具为重点，针对已经获取的决策单元的投入产出项观测值，将目标决策单元同其他单元相比较，获取效率值、治理投入冗余值以及产出不足值3方面数据信息。通过对DEA理论和作为污染物治理情况的研究，将治理效果当作主要研究目标，设计一个可变规模效益模型，构建完成的线性规划模型为：

(1)

式中,θ为目标表达式；λ为权系数向量；xλ为污染物治理过程中目标单元投入值；yλ为污染物治理过程中目标单元产出值；N′为单位行向量；xi为其他决策单元的投入数值;yi为其他决策单元的产出数值。

通过上述模型得出的各种效率取值，大部分的取值在0～1。当效率值达到1的情况下，表明DEA具有良好的效果。在规模报酬不变的条件下，通过计算可以获取纯技术效率；在规模报酬变化的情况下，可以获得综合技术效率。因此，将规模报酬不变与可变2种情况下的技术效率比值作为规模效率。通过DEA方法计算得出最佳产出值，将其同各决策单元的实际值相比较，获得产出不足信息也就是投入冗余值。在数据包络DEA方法应用过程中需要注意的一点是保证输入的数值为正，并且满足投入、产出指标、决策单元。和传统回归分析方法不同，效率评估过程中使用DEA方法具有更大优势，可以更加有效衡量生产函数，更客观地呈现投入指标和产出指标间函数关系。

1.2 基于模型计算全要素生产率指数

基于治理效率评估模型，可以通过计算得到全要素生产率指数。最初全要素生产率指数应用于测算生产效率变化情况，随着不断的发展，全要素理论与DEA理论逐渐融合，使得全要素生产率指数应用范围开始扩大。以效率评估模型为依据完成全要素生产率指数的计算，从而明确目标决策单元的污染物治理效率同其他时期内污染物治理最佳状态的距离，将治理绩效的波动状态准确表达出来。根据研究可以发现，全要素生产率指数由技术变化、技术效率变化2部分组成，通过计算获取效率变动情况。而技术效率变化则由纯技术效率、规模效率2方面变化来表达。

具体的全要素生产率指数公式为：

(2)

生产率水平的变化情况通过全要素生产率指数的计算得以呈现，生产率水平的提高会使获取指数大于1，相反则表明生产率水平有所下降。技术变化、技术效率变化、纯技术效率变化皆是如此。此外，规模效率变化反映出了当前规模与最优规模的关系，当运算结果小于1，表明正在远离最优规模，如果结果大于1则为正在靠近最优规模。

1.3 选取效率评估指标

对于污染物治理效率评估，需要一套作为标准的评估体系——污染物治理效率评估方法。当前社会环境下，很多专业人员进行污染物治理效率方面研究，建立了差异比较大的评价指标体系。对煤炭加工过程中污染物处理的投入包括：治理设施、运行费用。①污染物治理设施的投入包括污染物处理区域建筑、机械设备等属于一次性投入，是污染物治理的基础；②运行费用则代表治理过程中花费的金额，取决于污染物治理方式以及运营管理决策，需要保证长期的资金注入。

所以，对于治理效率评估模型的投入项指标选取，需要考虑污染物治理工程设施以及设备运行费用，具体包括煤炭加工过程中污染物源头处理投资、基础治理设施，以及设施运行费用。治理效率分析的产出项指标选取包括污染物处理量、污染物去除量、污染物再利用量3个方面，具体的投入产出指标说明见表1。

根据DEA分析方法的要求，选取的投入产出指标数量需要保持在7以内。因此，将表1中治理设施数量这一项进行删除，且产出指标方向数据获取困难，将污染物COD去除量指标同样剔除。根据保留结果作为评估指标，完成污染物治理效率评估。

表1 污染物治理投入产出指标Tab.1 Pollutant treatment input and output indicators

1.4 完成污染物治理效率评估

根据选取的效率评估指标，可以实现对治理效率的初步分析。但是需要注意的一点是，由于当前生产技术的约束，污染物治理过程中所投入的一些资源在治理过程中会出现附属品，无法将投入资源向期望产出完全转换。这些附属品的出现，也被称为非期望产出的污染物。非期望产出污染物的处理如图2所示。

图2 非期望产出污染物处理Fig.2 Treatment of undesired output pollutants

为了更加准确地评估污染物治理效率，将评估分为如图2所示的2个部分。第1部分评价过程中，重点在于非期望产出污染物。和通常情况下的产出不同，对于非期望产出的要求是越少越好。非期望产出污染物少也就代表对环境的影响程度越低。已经存在的非期望产出，需要使用非线性规划模型进行处理。伴随着研究人员不断发掘，污染物处理的方法越发多样化，采用线性数据函数转换方式，其公式为：

(3)

式中,Z为足够大的向量。

将式(3)转换结果看作期望产出，融入到文中构建的DEA模型进行计算。由于会对第2阶段治理效率产生影响，所以应用投入导向的DEA模型，计算得出第1阶段治理效率为：

(4)

而第2部分的污染物治理效率计算，需要对非期望产生污染物处理。所以，投入的部分含有污染物。为了使治理效率达到最佳效果，需要对新投入治理资源进行改善。

(5)

将2部分综合考虑可以获得污染物治理总效率，公式为：

θ=w1θ1+w2θ2

(6)

w1+w2=1

(7)

式中，w1为第1治理阶段污染物治理的总效率；w2为第2治理阶段污染物治理的总效率。

污染物治理总效率评价具有以下特点，θ<[0,1]，并且min(θ1，θ2)<θ

此外，在进行污染煤炭加工过程中主要污染物治理效率评估时，投入资源重要性存在差别，导致最终的效率评估结果并不相同。因此，在评价总效率过程中，不同的评价者通过为投入资源添加不同的权重来实现效率评估。以2个污染物治理区域为例，对其进行调查，投入资源重要性与总效率变化情况如图3所示。

图3 投入资源重要性与总效率Fig.3 Importance of resources and overall efficiency

由图3可知，根据治理投入资源的重要性变化，2个区域的污染物治理总效率变化情况很大，当2个阶段重要性相同，区域1总效率大于区域2。当投入资源重要性为80%时，区域2治理总效率明显更大；当投入资源重要性为20%时，区域1治理总效率明显更大，不同条件下治理效率差距很大。由此可见，不同的权重选择对总效率影响很大。因此，要选择能跟上社会发展的步伐且符合国家战略发展要求的合理的权重，公正公平地对总系统效率进行评价。

2 实验

为了验证文中设计的效率评估方法在实际应用中具有良好的效果，特进行实验。实验数据以某省份近5年内煤炭加工污染物治理数据为基础。具体的治理效率变化情况见表2。根据表2数据分析，该区域近些年的污染物治理效率处于先上升后下降的趋势，说明污染物治理过程中的资源分配没有完成优化，进而拉低了污染物治理效率。为了保证实验的科学性，选取2种传统的效率评估方法对实验数据进行评估。并根据3种方法得出的评估结果分析治理过程中的投入冗余和产出不足，并且制定合理的治理投入预算和产出目标，最终实现污染物治理的绩效提升。以规模效率为依据，该区域污染物治理过程中规模效率变化情况如图4所示。

表2 近5年污染物治理效率值变化情况Tab.2 Changes in the efficiency of pollutant treatment in the past five years

图4 规模效率变化情况Fig.4 Changes in scale efficiency

决策单元最优生产规模的界限设置为1，当规模效率小于1时代表当前并未达到最优生产规模。如图4所示的规模效率始终小于1，因此需要对投资规模进行调整。根据数据的变化情况，判断该年份投入指标的冗余程度，明确污染物治理的投入预算。在实际治理工作中可以减少部分设施的使用，提高每台设施的使用效率，减少设施的损耗和维护费用，减少不必须的资源浪费，合理配置资源。从纯技术效率的变化情况，提升治理工作中科学管理水平和制度水平的重视程度。从规模效率变动情况分析，获取最佳有效的投资规模。综合各方面信息进行资源配置改善，最终实现治理绩效的提升。

3 实验结果分析

实验在污染物治理的过程中分别应用3种效率评估方法得出的结果，分析影响治理效率的因素，针对因素进行资源配置优化。治理绩效变动指数用TFP来表示，TFP值的计算表示了区域污染物治理效率与相邻时期治理的最佳状态的距离，反映了治理绩效的变化情况。实验事件以1个月为期限，每隔5 d计算污染物治理绩效，优化后的治理绩效变化如图5所示。

根据图5可以得出发现，依据文中设计的污染物治理效率评估方法得出结果优化后，区域内治理绩效有了显著提升，平均TFP值保持在1.15左右。而根据2种传统方法评估结果优化后，治理绩效提升幅度较低，并且TFP值变化较大。以传统方法1为依据优化后污染物平均治理TFP值为0.81；以传统方法2为依据优化后污染物平均治理TFP值为0.67。

综上所述，可以得出结论，文中的治理效率评估方法更加全面、准确地反映了污染物治理效率影响因素，以此为依据进行治理资源的优化有效提升了污染物治理绩效。相比2种传统方法，文中方法的治理资源优化将治理绩效提升了29.6%、41.7%。更加适用于煤炭加工过程中的污染物治理评估。

4 结语

本文以污染物治理效率为研究方向，设计煤炭加工过程中主要污染物治理效率评估方法。通过模型的建立、全要素生产率指数计算、评估指标选取。最后通过两阶段处理，完成污染物治理效率评估。通过本文的研究，分析了影响污染物治理效率的因素，利用治理资源调配的方式，合理进行资源倾斜，有效提升污染物治理绩效。文中设计的评估方法在实际应用中具有良好的效果。