基于SNA的中国电力消费空间网络结构特征

彭欣怡,朱汶郡,石常峰

(河海大学 商学院,江苏 常州 213002)

目前,各类资源的紧缺问题困扰着世界各国,电力资源作为日常生活使用和工业消耗的主要能源之一,其发展深受重视。当前我国的发电总量位居世界第一,但电力资源分布不均、局部地区电力消耗大所导致的用电紧张现象仍然时有发生,电力行业作为支柱产业,关系到经济社会发展、国家能源安全等方面。因此,如何更高效地使用、调度电力资源成为政府当前及未来关注的重要问题。

西方国家通过模仿英国开展电力体制改革,随后中国也发布电力体制改革方案启动电改[1],使得我国电力行业飞速发展;2015年,我国开启了新一轮电力体制改革,虽然在跨省跨地区电力输送等关键环节还存在问题,但通过改革在许多方面都取得了一定成绩[2];2021年11月,《关于加快建设全国统一电力市场体系的指导意见》的发布,将电力体制改革推向建立由政府统一管理的、功能设施完备的、组织有序的全国统一电力大市场[3],这使得对全国电力消费空间关联网络的研究愈发重要;电力系统可以从最初的电力媒介,成为其他能源连接的系统,这需要进一步加强对电力系统的管理和控制以确保其灵活性和安全性[4]。综上,电力行业通过施行各种改革,逐渐成为我国各个领域发展关注的重点,并呈现出构建全国一体化电力大市场的趋势,在此背景下,对电力消费的省际空间关联关系、网络分布特点、各省份在网络中承担角色等进行研究具有重大价值。

BU等[5]运用社会网络分析(social network analysis,SNA)方法揭示了我国省际天然气消费的网络特征和空间格局;刘华军等[6]基于1995—2012年中国省际能源消费量,利用SNA实证分析我国能源消费空间关联网络;孙亚男等[7]以网络思维为基础,以碳制造量在网络中呈现出的空间关联特征为切入点,对中国省际碳制造量空间网络结构及其特征进行了SNA研究;高振宇[8]基于SNA方法分析了近年中国天然气交易市场的各地区网络联系关系和中心程度,以期为我国天然气重要建设地区的选择提供指引;宫汝凯[9]采用SNA方法对万州电力基础设施进行研究,并对构建的电力网络的拓扑结构与网络运行稳定性进行评价。由此可见,电力资源领域的社会网络分析研究较为匮乏,少部分运用SNA方法研究电力资源空间格局的研究也局限于地区或小范围的城市群,全国性的省际电力消费空间网络的研究缺失;已有社会网络分析研究仅表达出电力网络空间关联网络呈现核心-边缘格局,而对该格局的显著程度缺少实证分析。

综上,为揭示中国省际电力消费格局及其特征,探究各个省份在该格局中扮演的角色与作用,利用修正后的引力模型和SNA方法,对中国电力消费省际空间关联的网络结构进行验证;基于2005—2020年数据,针对整体网络效率、网络密度、网络等级度等网络特点及其趋势进行统计分析;对网络中各地区中心性进行分析;通过块模型对空间网络中各地区进行聚类分析,对块内块外关系进行测量;对电力消费空间关联网络的核心-边缘格局显著性进行实证分析。

1 方法与数据

1.1 社会网络分析

1.1.1 引力模型

引力模型描述了空间对象之间相互作用随距离的衰减效应,将复杂的电力消费网络抽象为社会网络,将中国各省的电力消费数据作为网络节点,网络中两节点之间的线为各省之间在电力消费方面的空间相关性,从而构成全国性的电力消费空间相关性网络。关系的确定是网络分析的关键,引力模型和VAR Granger Causality检验方法是当前两种主流的关系确定方法。考虑到引力模型在总量数据的描绘上更具有优势,且能涵括经济地理距离因素,进而可以利用截面数据刻画空间关联网络的演变趋势,因此采用引力模型来表达电力消费空间关联网络关系。由于经济发展水平、人口规模、能源消费量、能源制造量是当前影响电力消费量的主要因素,故将电力消费引力(y)与各省份实际GDP(G)、人口数量(P)、耗电量(C)、发电量(N)联系起来,构建如下修正后的引力模型:

(1)

1.1.2 网络特征

(1)整体网络特征。通过网络密度、网络效率、网络等级度3个指标及其随时间的变化研究整体网络,揭示整体网络特性和变化。网络效率越高,则整体网络交往越高效;网络密度越高,省际电力消费关系越密切;网络等级度越高则层级越固化,越不利于跨层级交往。

(3)空间聚类分析。空间聚类分析是将各个要素根据一定标准划分为不同聚类,以达到简化模型和角色定位的作用。使用Concor方法进行聚类划分,参考文献[5]将电力消费空间关联网络中块的角色界定为4种类型:①双向溢出角色,该类板块没有显著的向其他板块的发出关系或来自其他板块接收关系的数量差异,板块内联系比与外部的联系多;②经纪人角色,该类板块与其他板块间的关系有向外外溢和向内接收两种,且与其他板块联系更多,忽视了板块内的交流;③净受益角色,该类板块具有内部联系,该类型角色多接受其他类型角色某一或某些方面的“支持”;④净溢出角色,此类型角色与净受益角色相反,关系多向板块外发送,进行“支援”活动。

(4)核心-边缘分析。核心-边缘结构存在由多个节点构成的集群,部分节点处于核心地位,互相联系紧密,且无法再分割为更小的集团,其余节点彼此关系松散但与核心节点存在联系。

1.2 数据源

各年度电力消费量、值GDP、人口数量均来自来源于《中国统计年鉴》,发电量与耗电量源于《中国能源统计年鉴》。考虑到社会网络分析在电力消费领域应用的可计算性和准确性,收集2005—2020年数据研究中国省际电力消费格局及消费驱动因素。由于数据缺失和分析效果等原因,研究不包括西藏和港澳台地区。以2020年北京与其他6个地区电力消费引力计算为例,相关结果如表1所示。

表1 北京与部分地区2020年电力消费引力计算结果

2 中国省际电力消费空间关联网络结构特征

2.1 整体网络特征和演化趋势

根据改进后的电力省际消费引力模型,利用UCINET和Netdraw可视化软件,建立基于2020年数据的中国省际电力消费引力模型,如图1所示。由图1可知,中国省际电力消费网络呈典型的网状分布,不存在孤立省份存在,其中有向箭头代表箭头发出省对射入省电力消费具有关联关系,圆点大小则表示该省点度中心性的大小。

图1 2020年中国电力消费空间关联网络

网络密度揭示着空间关联网络的联系紧密程度,网络密度越大则各省份间电力消费相互影响力越大。2005—2020年省际电力空间关联网络的关联关系与网络密度如图2所示,可知观测期内网络整体的关联关系数基本上均匀分布在200～250之间,但所有的电力网络关联关系数最大可达870个(29×30),说明促进省际电力网络联系增加还很大的发展空间。对于整体网络密度而言,所有年份数据基本上都处于0.230～0.265间,其变动趋势与关联关系数大体一致。虽然整体网络密度在不断变动,但最大密度也未超过0.3,说明中国省际电力空间关联网络整体关联度较低。

图2 空间关联关系与网络密度

网络等级度越大,说明在一个整体内阶层划分越明显,阶层间的交流越困难。网络等级度与网络效率如图3所示,可以看出网络等级度呈现出阶梯式的先降后升的“V”型状态,网络等级度的降低说明分级别的、森严的电力网络等级逐渐被打破,各省份在电力领域的联系更加顺畅。然而,2014年我国进行了电力直接交易改革,原本不规范的电力直接交易市场受到政府的监管和控制,这使得各阶层间的电力交流受到一定限制,但是长久看来,这一改革更有利于电力市场的健康、规范发展。

图3 网络等级度与网络效率

网络效率揭示了网络中各省份间的电力输送效率。电力空间网络效率下降,表明我国具有相似电力消费关联结构的省份之间电力消费关联关系数量呈现出上升趋势,而空间网络效率上升,则表明不同空间关联结构的省份之间电力消费关联关系数量增加。综合图2与图3可知,网络密度曲线和网络效率曲线的变化趋势基本相反,当电力消费的空间关联网络联系紧密、整体网络密度较高时,电力输入、溢出关系较多的省份负担较重,可能导致网络效率的下降,二者平衡关系问题的提出为之后政策方向提供了指引。网络效率总体趋势与网络等级度曲线基本一致,但网络等级度对于网络效率影响不强,故在图3中一致性体现不明显,这主要是因为网络效率是纵观整体的电力空间关联网络,虽然网络等级度对于跨阶层电力交流有影响,但在相应的阶层内部,电力的交流会更加频繁和高效,弥补了由于等级森严而形成的隔绝带来效率低的弊端。

2.2 中心性分析

为揭示各省在中国电力消费空间关联网络中的地位与影响,基于2020年数据对各中心度的进行测度,结果如表2所示。

表2 省际电力消费空间关联网络中心性分析

(1)度数中心度。度数中心度的均值为36.32,大于均值的地区依次为山东、江苏、北京等14地,这些地区在全国电力消费空间网络中关联省较多。而度数中心度大小位居前6名的地区,除青海以外都位于中国东部沿海地带。广西、贵州、浙江、海南、安徽的度数中心度依次减少,处于最末5位,其中安徽的度数中心度仅为17.24。这些地区的电力消费直接省际联系缺乏,可能是由于他们均位于内陆或最南部的一些较偏远地区,地理上的远距离限制了他们与其他省份之间的联系,导致他们与其他地区在电力空间联系不足。对各省的点出度与点入度进行分析,点出度与点入度的均值约为7。超出点出度平均线的省份由大到小依次为青海、黑龙江、新疆等11个地区,他们对其他地区有较强的电力溢出作用。山东、江苏、北京等13个地区的点入度均大于7,且均大于点出度。这些省份大都属于环渤海地区、长江中下游地区和中部的重要城市,电力能源消耗量大,本省的发电量无法完全支撑全省电力消耗,属于电力资源流入支援的省份。

(2)接近中心度。接近中心度的均值为59.74,大于均值的地区大多处于中国文化、政治和商贸中心,对全国的经济吸引、辐射范围大,能与网络中其他节点在电力消费领域迅速关联,属于网络中的核心成员。吉林、浙江、安徽、海南的接近中心度处于末尾4位,其中吉林和海南地理位置较为偏僻,且在电力信息资源与影响方面较弱,无法直接与其他各省产生联系。

(3)中介中心度。中介中心度平均值为2.46,大于均值的地区为山东、江苏、北京等9个地区,这些地区份对于其他省份的电力交往控制能力较强。其中山东和江苏的中介中心度均大于11,远远高于其他省份。山东是人口和能源大省,位于环渤海地区,拥有优越的地理位置,是我国对外贸易的重要港口,对周边城市群的辐射能力强;江苏位于长江中下游,属于江浙沪城市群的重要组成部分,经济文化十分发达。这些因素都使得他们在电力消费空间关联网络中对其他省份起着巨大的“中介”和“联结”作用。排名靠后的省份大多位于边缘与内陆地区,表现出地理位置偏僻、经济规模小、对外经济联系纽带弱的特点,难以对电力消费空间关联网络中其他成员产生控制和影响作用。

2.3 空间聚类分析

采UCINET中的Concor方法,设置最大分割深度为3,集中标准为0.2,揭示各个省份在电力消费空间关联网络中的聚类特征。全国30个省市区被划分为8个板块,结果如表3所示。第1板块包括北京、山东、河北、内蒙古、山西,大多位于环渤海地区;第2板块由辽宁、河南、新疆组成,多位于西北、内陆地区;第3板块由天津、吉林、黑龙江,多属于东北地区;第4板块包括宁夏、甘肃、青海、陕西,基本上都位于中西部内陆地区;第5板块由上海、江西、湖南构成;第6板块包括广西、重庆、贵州、海南,主要位于南部地区;第7板块由江苏、浙江、安徽、福建、湖北组成,大多位于长江中下游和沿海地区;第8板块包括广东、四川、云南,主要位于西南部地区。

表3 省际电力消费空间关联网络中心性分析

电力消费空间关联网络中存在212个关联关系,板块间的溢出与接收关系明显,呈现出显著的关联性。板块1为“净受益”,主要位于环渤海地区,能源消耗量大,依靠其他电力资源储备丰富的板块输入电力来维持正常用电;板块2与板块3均为“经纪人”板块,内部联系极其微弱,向其他板块溢出和接收来自其他板块的关系数量差距不大 ;板块4属于“净溢出”板块;板块5的成员仅接收来自其他板块成员的关系,板块内部不产生关系,属于“经纪人”板块;板块6与板块5区别在于该板块计算内部关系比例大于预期内部关系比例,属于“双向溢出”板块;板块7属于“双向溢出”板块;板块8内部成员不产生溢出和接收关系,属于“经纪人”板块。

电力消费空间关联板块的密度矩阵如表4所示,可知整体网络密度为0.243 7,将大于该值的密度值设置为1,反之则为0,构建像矩阵,如表5所示。根据表4和表5可知,板块1不仅内部存在电力资源的关联关系,板块2～板块4的电力资源也流入支援,说明板块1内部各个省份间存在大量电力资源相互运输、补给,城市群内部的集体效应明显;板块2～板块3均对多个板块存在电力支援,同时也接收多个板块的电力流入;板块4中省份基本上均处于西部地区,发电量均属前列,属于“西电东输”政策的重点输电区域,该板块不仅对内部各成员间进行供电、配电,还对环渤海、长三角等用电紧张区域进行电力补充;板块5与板块7～板块8互相存在电力资源溢出效应,这两个板块中各省份大多处于中部沿江和南部地区,属于地理位置具有重要战略意义的全国性电力中转站和枢纽;板块6～板块7除了与其他板块间的密切联系外,均存在板块内部各个成员的电力关联网络的密切联系。综上,全国性的各个地区的电力资源联动效应十分明显。

表4 电力消费空间关联板块的密度矩阵

表5 电力消费空间关联板块的像矩阵

2.4 核心-边缘分析

对2020年电力关联网络进行核心-边缘分析,结果如表6所示,可知核心-边缘关联缺失模型的相关系数较大,故使用核心-边缘关联缺失模型来对全国的电力空间关联网络进行研究。

表6 2020年电力关联网络核心-边缘分析

核心-边缘分析结果如图4所示,可知青海、山西、广东、重庆、北京、内蒙古、湖北、山东、天津、江苏、上海、江西、湖南、海南14个地区属于电力空间关联网络的核心,其余各省属于网络的边缘地位,且由密度矩阵可知处于网络核心区域的各省份间电力消费联系最为紧密,密度为0.385,处于边缘地位的各个省份间缺乏联系,边缘板块内部的关联密度为0.138。但对整个电力空间关联网络而言,其相关系数均不高,核心与边缘的密度矩阵值差别不大,所以该电力空间关联网络呈现出存在但表现不明显的核心-边缘格局,表示全国各省份间的电力消费关联较强,全国各个地区对于电力输入输出的参与度均比较高,这样的格局不仅核心-边缘结构鲁棒性较好,还不容易产生核心板块的个别省份工作负载过高或一些边缘省份的能力无法完全发挥的情况。

图4 核心-边缘分析结果

3 结论与建议

3.1 结论

(1)省际电力消费关联格局呈网络结构,整体网络密度仍有较大增大空间,网络效率与网络密度的变化趋势大致相反,整体网络森严的等级结构逐渐被破坏。

(2)山东、北京、江苏等地处于中心地位,安徽、海南、浙江等省中心程度较低。

(3)各省根据特征被划分为8个板块,包括1个“净收益”板块、1个“净溢出”板块、4个“经纪人”板块、2个“双向溢出”板块。

(4)青海、山西、广东、重庆、北京、内蒙古、湖北、山东、天津、江苏、上海、江西、湖南、海南14个地区属于电力空间关联网络的核心,电力空间关联网络呈现出存在但表现不明显的核心-边缘格局。

3.2 政策建议

(1)对电力消费空间关联网络整体特征及分布格局全面分析,发挥电力消费在经济社会发展中的作用。在能源消费指标中,电力消费作为经济增长的主要支撑,与经济增长密不可分[10]。基于当前电力消费空间关联网络仍然呈现核心-边缘格局,应当对处于“边缘”地位的各省进行重点研究,促进电力消费空间关联网络边缘地区中心化,抓住当前“一带一路”政策带来的机遇不断模糊核心-边缘地区边界。同时,为了保证处于电力交易网络核心地区的工作效率,应当关注其负担程度,控制其工作强度。

(2)结合各省具体情况对其电力消费状况分析,因地制宜地提出碳减排措施。中国电力行业碳排放量占全行业碳排放总量的40%以上,如若电力行业减碳无法推进,“十三五”对于碳减排的要求就无法按质按量地达到[11]。对于电力消费靠前的重点省份,由于碳排放与用电量之间的关联得出其碳排放较多,应当对其加大科技创新活动的资金、政策支持力度,促进电力能源低碳化转型。而对于其他地区,可以采取更加温和的转变方式,借鉴重点地区经验和研究成果。

(3)推动电力消费空间关联网络中各个板块发挥其角色作用,推行差异化的不同角色板块政策制定。针对“净溢出”板块和“经纪人”板块,应当不断促进其电力输送积极性保障全国的电力使用,提高电力输送网络效率,减少浪费。对于经济发展较快、电力资源消耗量大的“净收益”板块和“双向溢出”板块,应当提高电力资源使用效率,将有限的电力资源使用在重点领域和民生保障领域[12]。