考虑双碳目标的新型火力发电企业环境效率测度

李 涛，郭云芬

（华北电力大学 经济与管理学院, 北京 102206）

当前，我国仍处于工业化中期阶段。城市化加速发展进程中电力需求以每年10%左右的速度增长。燃煤火电在能源消费中的主导地位短期内不会发生改变[1]。而以火力发电为主的电源结构具有高能耗、高污染、低效率的特征，加剧了全球变暖、水污染等环境后果[2]。

随着供给侧结构性改革方案的提出、环保观念的逐渐加强以及环保相关政策频繁颁布，电力污染与环境保护之间的矛盾日益突出。特别是2020 年双碳目标提出后，火力发电企业面临着更加严格的环境规制，迫使企业必须转而寻求可持续的综合发展之路，在保证电力供应的前提下提升其环境效率水平，助力电力行业碳减排、碳中和的实现。因此火力发电行业中出现了许多注重环境保护、大力发展新能源、积极寻求可持续综合发展之路的火力发电企业。本文在传统火力发电企业定义的基础上，选取新能源电力发展水平作为关键判定指标，将借助综合发展手段实现双碳目标的火力发电企业定义为新型火力发电企业。

火力发电企业探索综合发展的主要路径包括合理控制生产运营过程、优化和调整电源结构、推进技术创新与改革[3]。一方面，关停低效高耗能机组、推进高效机组建设，能够减少发电过程中的污染物排放，提高发电效率[4]；另一方面，调整能源结构、大力发展可再生能源发电。对于火电企业来说可以调整资产结构、抵御市场风险、实现经济效益与环境效益的平衡，特别是在煤价飙升的市场背景下有效提高企业的盈利能力[5]。此外，技术的进步及转化应用是火电企业兼顾安全、效益与节能的先决条件，也是其发展创新的核心驱动力[6]。

环境效率是指一定时期内经济活动对环境产生的影响，反映了经济与环境的协调发展水平，是企业可持续发展潜力的重要评价指标[7]。电力企业环境效率即为企业在发电过程中控制其对环境的影响，实现节能减排、可持续发展的成效。新发展模式下，火电企业环境效率测度将从单一要素评价转向综合要素评价。目前，火力发电企业环境效率的评价与测度多是从资本投入、能源投入等方面考虑，其理论相对成熟，但新型火力发电企业环境效率的评价与规范相较于不考虑发电方式异质性的电力行业研究仍处于相对落后的水平，对于当下环境规制、特别是双碳目标提出后火力发电企业的综合发展覆盖程度不足，也未将火力发电企业转型新能源方面的成果涵盖进来。鉴于此，本研究在环境规制的社会背景及火力发电企业转型的时代背景下，综合考虑其探索综合发展过程中环境效率的表现，为企业未来可持续发展努力方向提供建议，为我国经济可持续发展、电力行业转型升级提供数据支撑和理论基础。

一、研究背景

目前，国内主要通过参数法（主要指随机前沿方法，简称SFA）和非参数法（主要指数据包络分析方法，即DEA）对环境效率进行测算。其中，SFA 由于其在处理多投入、多产出问题时需要进行合并等处理，影响了结果的可靠性；而DEA 可用于多项投入与多项产出的效率评估，且DMU 效率求解中无需构造生产函数就能得到客观可靠的结果，因此得到了学术界的广泛采用[8]。

李静[10]在比较了非期望产出处理的相关DEA 模型的优缺点后，提出了一个非径向、非角度的SBM 模型，通过观测该模型对中国43 家企业进行环境效率的实证分析，得出结论：SBM 模型提高了效率评价的准确性和可信程度；曲茜茜[11]将二氧化碳排放量等非理想产出纳入环境效率评价指标体系中，并采用更为准确的SBM 模型对中国30 个省市火电行业2005—2009 年的环境效率进行静态评价；王喜平等[12]运用Malmquist 生产力指数测算了中国2002—2008 年间电力行业能源利用效率，并将其分解为技术进步指数、纯技术效率变动和规模效率变动；戴攀等[13]基于DEA 模型分析中国30 个省份2006—2010 年间电力行业的环境效率，并利用Malmquist 指数对其进行动态环境效率趋势分析。结果显示，火力发电比例是影响我国电力行业环境效率的重要因素，环境技术进步是改善其环境效率的最主要因素；赵醒等[14]对中国30 个省市2006—2012 年火力发电行业的环境效率进行评价，同时基于DEA 模型测算其节能减排潜力。结果表明，样本期内中国火力发电行业整体环境效率值不断提高，但各地区间存在明显差异。

综上所述，不少文献对于电力行业效率问题进行了有益探索，但这些研究对环境的负面影响重视程度不足，在发电企业环境效率评价的投入、产出指标选取上也不够全面，无法体现出新型火力发电企业在煤电减排及新能源电力建设方面的探索与发展。因此，本文从新型火力发电企业定义出发，选取了15 家比较有代表性的、进行综合发展探索的火力发电上市公司，结合双碳目标背景从静态和动态两个视角对其进行环境效率测度。

二、方法与数据

（一） 测度模型

在环境效率的测度方面，目前学术界主要存在静态与动态两种效率评价方法。静态测度方法着眼于当期表现，旨在通过当年投入产出指标对环境效率表现进行评价，经济意义明确且直观，在一定程度上反映了环境效率水平的高低，但无法考察期间内的变动情况，不能准确辨识环境效率的改善情况；动态评价方法虽然无法给出环境效率水平的直观评价结果，但考虑了环境效率在整个期间的变化情况，能够实现环境效率变化的细分，从而找出导致变化发生的不同来源[15]，因此作为静态测度的补充方法广泛应用于效率评价中。

1. US-SBM 模型

US-SBM（Undesirable slacks-based measurement）模型是DEA 模型的衍生模型，近年来在环境治理效率、生态建设效率、可持续发展评估等绩效考评领域中得到了广泛运用。US-SBM 模型对传统DEA 模型进行了改进，将松弛变量纳入目标函数，即能够利用相应松弛变量可以缩减或增加的比例对导致无效率产生的具体因素进行分析[16]。事实证明，在环境效率评价相关方面，US-SBM 模型比DEA 模型更加科学准确[17]。

US-SBM 模型由Tone[18]在2004 年提出，模型的具体描述为：考虑n 个DMU（新型火电企业），假设每个DMU 由投入向量X（如装机容量、供电煤耗等）、期望产出向量 Yd（如发电量）和非期望产出向量 Yu（如污染物排放[量）三]个要素构成，向量形式记为X ∈Rm,yd∈Rr1,yb∈Rr2；令X=[x1,...,xn]∈Rm×n、Yd=yd1,...,ydn∈Rr1×n、和Yu=[y1u,...,ynu]∈Rr2×n，且全为正。基于规模收益可变的US-SBM 模型的线性规划表达式表示如下：r1Ydr2Yuλ ρ

式中，m 表示DMU 投入种类数量， 表示期望产出 的种类数量， 表示非期望产出 的种类数量， 为常数向量。目标函数的效率值 越大，表示评价DMU 的效率值越高，效率值为1 表示评价DMU 强有效。

如此折腾了整整一夜。第二天一大早，我便爬起来穿好衣服准备去医院。老婆这才哈欠连天地出现在小屋门口问：你昨晚大号没？假牙屙没屙出来？我说：没有。一语双关。老婆说：让你这一宿咳得，我一夜没咋睡。老婆还不知道，她不但今晚没有睡好，几乎在今后的两个多月里一直睡不好。

2. GML 模型

Oh[19]用包含非期望产出的方向性距离函数对Malmquist 模型进行优化，并将所有被评价的DMU 均包含在全局参考集中，构建了GML（Global-Malmquist-Luenberger）生产率指数，其可分解为综合技术效率变化指数（EC）和技术进步变化指数（TC），避免了VRS 无可行解和“技术倒退”现象。

对环境效率进行静态评价后，采用GML 模型可以对环境效率的变动情况进行分析，并厘清影响DMU 环境效率的内在驱动因素。本研究构建的新型火电企业GML 指数如下：

GML、EffeC、TechC 指数大于1 则表示DMU 从t 到t+1 其环境效率提高、技术效率改进使得环境效率提升、技术进步对环境效率增长也有贡献，数值越大表示贡献程度越大。

（二） 指标选取与数据来源

在发电行业环境效率的相关研究中，现有的文献根据研究目的和侧重点的不同而有所差异，但由于发电行业属于资金密集型行业，资本投入的主要目的是扩大发电规模和提升装机容量，且火电企业电力生产过程需要大量以煤炭为主的能源供应，学术界通常应用资本投入、能源投入等作为投入指标[21]；而发电是电力企业最重要的指标，可以反映电力企业的运营效率[22]，因此通常应用发电量作为期望产出指标。本文在现有研究的基础上，结合新型火电企业自身特点和生产实际，考虑了火电企业在发电过程中产生的能源污染、环境污染和碳排放等问题，另外，创新性地考虑了新型火电企业在双碳目标背景下转型新能源方面的成果，以此区别于传统火电企业的指标选取及综合效率测算。

在本研究中，投入变量包括：（1）资本投入。发电行业通常选取电力生产规模指标代表企业的资本投入，本研究沿袭这一做法选取企业装机容量来反映其资本投入与发电能力；（2）能源投入。发电行业通常选取电力生产过程中的燃料消耗指标代表企业的能源投入，本研究选取发电标煤消耗量来反映其能源投入水平；（3）环境投入。本研究选取新能源发电规模代表企业在双碳目标背景下的环境投入，具体采用企业新能源装机占比来反映其环境投入水平。

产出变量包括：（1）期望产出。即企业生产环节的正常产品产出，本研究选取发电量作为期望产出指标；（2）非期望产出。即企业生产过程中产生的污染物排放，本研究选取综合排污指数和CO2排放量作为非期望产出指标；综合排污水平由3 个污染物排放指标（二氧化硫排放量、氮氧化物排放量、烟尘排放量）通过熵值法综合测算得出。本文指标体系见表1。

表1 新型火电企业环境效率测算指标体系

考虑到指标数据的可得性，本文选取沪深证券交易所电力行业火力发电板块的上市公司作为研究样本，对2017—2021 年数据进行企业环境效率测度。为保证研究数据的有效性，剔除了上市公司中创业板块、中小板块以及数据不完整和明显异常的公司，最终确定了15 家具有代表性且符合本文新型火电企业定义的上市公司进行研究，具体指标表现如图1 所示。为保证文章的客观性，避免不必要的纠纷发生，对上市公司名称做模糊化处理，研究样本所涉及的指标值来源于国泰安数据库、巨潮资讯网以及上市公司年报、社会责任报告。

三、新型火电企业环境效率评价

（一） 环境效率静态测度

根据前文所述方法与模型，本研究基于15 家新型火电企业的面板数据，运用MaxDea Pro 软件，在规模报酬可变的假设下以投入为导向测算了基于US-SBM 模型的2017—2021 年度各样本新型火电企业的环境效率值，结果如表2 所示，值越大代表环境效率越高。

表2 新型火电企业静态环境效率测度结果

总体来看，2017—2021 年中国新型火电行业环境效率均值为0.8574，未达有效，样本期内行业环境效率呈波动趋势，2017—2018 年出现下降趋势后一路提升，从2018 年的0.8322 上升至2021 年的0.8945，但2018、2019、2020 均未达到样本期均值。从样本来看，各新型火电企业环境效率差异明显。2017—2021 年，年均环境效率值排名前五的企业分别为SH 电力、HN 电力、HB 电力、SN 电力和HD 电力，其中，SH 电力和HN 电力五年中有四年效率值均为1，处于效率前沿水平，表明这些企业能源与资源投入达到了最优产出，有利于企业自身及行业整体提高环境效率，早日实现双碳目标；年均环境效率值排名后五的企业分别为SZ 电力、YD 电力、GZ 电力、GN 电力和HY 电力，年均环境效率值分别为0.5790、0.7221、0.7295、0.7464、0.7678，这些企业发电技术效率、新型清洁能源发电装机比例较低，环保技术水平相对欠发展，能源结构相对欠优化，是电力行业实现双碳目标需要重点关注的对象。

为显示总体分布水平及各企业之间的差异，对表2 数据做去均值化处理，图中零值表示企业环境效率值与行业年度均值无差异，正向偏离零值越高则说明该企业环境效率值高于行业年度均值越多，反之则代表企业低于均值越多，绘制出的效率值箱型图如图2 所示。

图2 新型火电企业2017—2021 年环境效率分布情况

结合图中信息，根据箱型图形状及位置可将样本企业大致分为三大梯队，第一梯队包括HB 电力、HD 电力、HN 电力、SH 电力、SN 电力和ZN 电力，这些企业五年间环境效率值比较稳定，变化幅度较小且维持于较高水平，多数年度的环境效率值超过行业平均水平0.1 以上，个别年度超出均值0.15；第二梯队包括CY 电力、DT 电力、FN 电力和GD 电力，这些企业环境效率值大多处于行业平均水平；第三梯队包括GN 电力、GZ 电力、HY 电力、SZ 电力和YD 电力，这些企业环境效率值大多情况下低于行业平均水平，其中GN 电力和GZ 电力样本期内效率值变化较大但多数年份低于行业均值。由此可知，样本企业环境效率值大多处于一二梯队，说明近五年新型火电行业内低碳环保理念的宣教颇有成效，企业在追求经济利益的同时注重对环境进行事先保护和事后处理，在碳减排、碳中和领域也做出了实质性的贡献。另外，多数企业的箱型图较短且较为稳定地分布在-0.3~0.2 的区间内，表明行业整体环境效率值跨期变动较小，原因是火力发电行业目前已发展成熟，尽管在发电方式转型和清洁环保方面下足了功夫，短期内仍难以实现质的突破；而FN 电力、GN 电力、GZ 电力和GD 电力跨期变动较大，结合原始数据及行业背景可知主要原因是这些企业规模较小、环境效率水平落后于行业基准，近年来大力进行新能源发电项目建设、积极寻求新型可持续发展道路使得发电过程中的效率水平得以提升、供电煤耗逐年降低，因此在样本期内跨期变动较大，反映了其环境效率水平逐渐追平甚至赶超行业基准。

（二） 环境效率动态评价

为考察样本新型火电企业环境效率的变化趋势，本文从动态视角对环境全要素生产率进行观测，采用GML 生产率指数法对新型火电企业GML 及其分解项EC（技术效率变化指数）、TC（技术进步变化指数）进行分析，结果如表3 所示。

表3 双碳目标提出前后新型火电企业动态环境效率分解结果

经计算可知，我国新型火电企业的环境全要素生产率为1.0186，这表明样本期内行业技术水平有所进步，资源与能源利用效率有所提升。2017—2021 年间，新型火电企业整体环境效率每年平均提升1.86%，根据分解结果，其技术效率变化指数为1.0178，技术进步变化指数为1.0077，这表明我国新型火电企业全要素生产率的提升既依靠技术的进步又依靠技术效率的提升，且对于技术效率的依赖程度更甚。样本期内大部分新型火电企业的环境全要素生产率大于1，表明其环境效率正在提升；2017—2018、2019—2020 年技术效率变化指数大于1，反映了该期间技术效率提升促进了环境效率的提高；样本期间除2017—2018 年外技术进步变化指数均大于1，可知该期间技术进步推动了环境效率的提高。2018—2019 年和2020—2021 年样本企业技术进步变化指数均大于1，而技术效率变化指数均小于1，表明这两年技术的进步对环境效率提升的促进作用更为显著，2018 年则表现了相反的情况。

本研究将样本期分为“双碳目标提出前”和“双碳目标提出后”两个阶段，分析15 家新型火电企业两个研究期间的GML 指数、EC 指数和TC 指数的变化情况，具体结果如表4 所示。

表4 双碳目标提出前后新型火电企业动态环境效率分解结果

分析可知，双碳目标提出后（2020—2021 年）各企业GML 指数基本高于双碳目标提出前（2017—2020 年），反映了样本期内大部分企业环境效率得到了显著改善，其中CY 电力、ZN 电力、HB 电力等表现更为突出，GML 指数提升幅度超过10%。根据双碳目标提出前后的数据来看，超过60%的样本企业GML 值大于1，反映了业内大部分企业的环境效率改善速度正在加快。具体结合分解指标EC、TC 来看，双碳目标提出前绝大部分企业技术效率变化指数均大于1 且大于技术进步变化指数，反映了在这一研究期间环境效率提升的主要驱动力为技术效率的进步，尤其是YD 电力、HY 电力等企业，其技术效率的提升极大改进了环境效率水平。然而双碳目标提出后，几乎所有样本企业技术进步变化指数均大于1 且大于技术效率变化指数，反映了在此期间技术水平变化对环境效率的提升起到了更大的促进作用。综上所述，以双碳目标的提出为节点，多数样本企业的环境效率改善速度得以提升，且其驱动力逐渐由技术效率转变为技术进步。

四、结论与启示

本文突破传统火电企业提出了新型火电企业的定义，引入CO2排放量作为非期望产出，采用US-SBM 模型和GML 模型对双碳目标背景下15 家新型火电企业2017—2021 年环境效率和环境全要素生产率进行了测算，从静态和动态两个视角对其进行分析。研究发现：第一，对样本企业的US-SBM 静态分析结果表明2017—2021 年间行业整体环境效率值达0.8574，处于较高水平且呈现出先降后升的增长趋势，但仍有一定的提升空间；各新型火电企业环境效率差异明显，根据静态结果可将样本企业分为三大梯队，分别代表高效率水平、中等效率水平和低效率水平。第二，对样本企业的GML 动态分析及其分解结果表明，2017—2021 年新型火电企业整体环境效率每年平均提升1.86%，各企业环境效率的提升既依靠技术的进步又依靠技术效率的提升，且对于技术效率的依赖程度更甚。结合双碳目标提出前后两个阶段分析可知，以双碳目标的提出为节点，多数样本企业的环境效率改善速度得以提升，且其驱动力逐渐由技术效率转变为技术进步。

显然，我国火电企业肩负着环境保护、节能减排的艰巨任务，根据上文所述，为促进环保任务与经济目标的协同发展，进一步提升新型火电企业环境效率，引领碳达峰、碳中和的实现进程，本文得出如下启示：第一，重视技术进步对环境技术效率的促进作用，加快技术进步与生产创新，提升火力发电的燃煤效率和脱硫脱硝技术水平。增加环保投入，大力发展尖端技术，努力提高生产效率、资源利用效率，提升废物回收利用水平。第二，调整能源结构，加快清洁能源建设，积极投身新能源技术的研究开发，顺应低碳经济发展浪潮降低火力发电比例。第三，积极投身碳金融市场，推进碳排放权交易制度建设，提高企业减排效率，努力实现碳达峰、碳中和的双重目标。