碳排放约束下火力发电能源效率评估

［摘 要］将碳排放作为非期望产出，构建了一套符合火电行业生产情况的省市区域火力发电碳排放能源效率评估模型，使用含有松弛变量的方向距离函数模型SBM-DDF，更适合含有非期望产出的效率计算。本文首先进行实证试验验证模型有效，火电能源效率在加入非期望产出后排序有了明显变化；其次结合火力发电减排相关影响因素对计算结果聚类；最后根据结果分析为地区电力行业减排提出建议。本文填补了将碳排放作为非期望产出的火电行业能源效率空白，为各地区火电节能减排、持续发展提出可靠的政策建议。

［关键词］碳排放；SBM-DDF；火力发电；能源效率

doi：10.3969/j.issn.1673-0194.2024.21.046

［中图分类号］F206 ［文献标识码］A ［文章编号］1673-0194（2024）21-0155-09

1" " "文献综述与研究背景

我国为应对气候变化，做出了积极的承诺，2020年习近平主席宣布中国二氧化碳排放力争2030年前达到峰值，努力争取2060年前实现碳中和。据《中国2030年前碳达峰研究报告》数据显示，2020年我国全社会碳排放约106亿吨，其中电力行业碳排放约46亿吨，基本上占据了中国碳排放量的一半。因此电力行业实现节能减排，是实现“双碳”目标的关键着力点。但是，目前燃煤电厂仍然是中国电力行业的主力军，2021年全国火电装机容量达129 678万千瓦，同比增长4.1%，占全部装机容量的54.6%，火电装机容量持续增加。因此，在优化能源结构的持久改进之余，提升火电行业能源效率，大规模降低碳排放量，探索碳约束下的火电行业发展路径，是我国目前亟待解决的主要问题。本文应用方向距离函数，以碳排放量作为非期望输出指标，分析火电行业真实能源利用效率，提出减少电力行业碳排量的相关对策建议。

随着绿色发展需求的凸显，将非期望产出纳入效率评估模型中，能够更加客观地体现能源真实的利用效率。王婷婷[1]利用二氧化碳排放量和实际GDP构建低碳GDP指标作为输出，基于交叉博弈DEA模型计算了省际能源效率；陈超凡[2]运用方向距离函数及ML指数测算了资源环境约束下的工业绿色全要素生产率；Zhao L等[3]使用DEA模型研究环境约束下中国电能效率面板数据；王鉴雪等[4]通过三阶段DEA模型，测算环境因素影响下北京地区能源效率并提出对策建议。在电力能源效率研究领域，闫丹[5]研究了碳排放火电效率评价模型、影响因素和其中的空间性关系；王婵等[6]利用包含非期望产出的博弈交叉全要素生产率模型分析电力能源利用面板数据，对其影响因素进行分析；王婷婷等[7]研究了碳约束下的中国省际电力行业消费效率；张宁[8]基于两期方向距离函数和Bootsrap方法提出了一种碳要素生产率测算及分解框架；以及Zhang N等[9]整理了方向距离函数在环境能源效率测量中的应用。

综上，在火力发电领域内研究碳排放作为非期望产出计算能源效率的文章相对于其他领域非常少且需求更迫切，已有的研究涉及的效率模型在计算效率和处理非期望产出方面也不够完善。本文补充了将碳排放作为非期望产出的火电能源效率领域的空白，使用SBM-DDF模型和ML指数，分析火电能源利用效率与碳排放之间的关系，结合地域、减排手段等因素，因地制宜提出了相应的减排路径规划建议。

2" " "模型描述

效率计算的影响因素众多且单位不一，选择数据包络分析（Data Envelopment Analysis，DEA）为基础计算效率不需要预先设定生产函数的参数值，又可以同时处理多投入多产出。在绿色发展的要求下，碳排放已成为能源效率计算必须考虑的因素，方向距离函数（Directional Distance Function，DDF）[10]是在DEA方法上改进，在处理非期望产出问题的理论和实践方面都具有可行性的重要方法。通过方向设定满足污染物减少的同时，增加经济产出的要求。本文使用了非径向的DDF模型，增加了松弛变量[11]，使投入要素之间不需要同比例变化，更符合火电行业的实际情况，决策单元（DMU）距离最优投影点位置更远，效率差更大。松弛变量与方向向量设定的混合方法称为SBM-DDF模型[12]。

以图1解释模型，在径向DDF模型中，对于无效率程度的测量只包含了所有投入（产出）等比例缩减

（增加）的比例，如图1中E点到F点。对于无效DMU来说，其当前状态与最优目标投影点之间的差距，除了等比例改进的部分之外，还包括松弛改进的部分，如图1中F点到B点。在计算含有非期望效率时，考虑松弛改进，规避了部分方向距离函数使用时主观因素的影响。本文选择研究模型SBM-DDF，如图1所示，决策单元E、C分别沿设定方向g投影到生产前沿G、A、B、H上，落点为F、D，SBM-DDF模型在方向距离函数的基础上考虑了冗余变量，使得E点的投影落点变为B点，相对F点，B点在产出不变的情况下可以减少投入，效率值以E点到B点的距离为基础计算。

假设一个包含期望产出和非期望产出的环境生产技术，在给定的情况下，实现期望产出y的最大化和非期望产出b的最小化，及确定投入x具有强可处置性、产出y，b具有联合性，且联合产出具有弱可处置性。N、M、I分别为投入产出个数，K为决策单元个数，t表示第t年的数据。以每个区域为决策单元，（ gx、gy、gb ）分别表示投入减少、期望产出增加和非期望产出减少的方向向量，（ sxn、sym、sbi ）为松弛向量，分别代表投入冗余、期望产出不足和非期望产出过多的量，若该值大于0则代表实际投入和非期望产出大于边界的投入和产出，而期望产出小于边界产出。

研究使用规模报酬可变的含有松弛变量的方向距离函数模型，计算各省市火力发电能源利用效率，涵盖非期望产出的SBM方向距离函数定义为：

Malmquist-Luenberger（ML）全要素生产率指数，是基于含有非期望产出的DDF模型的M指数的更新，展现了环境问题下技术效率的动态变化，以公式（1）为基础进行计算。ML计算为：

其中，为方向距离函数，ML=EC×TC。EC为技术效率变化，衡量的是配置变化，如果EC＞1，那么t+1时期比t时期效率更高，反之亦然；TC为技术进步变化，如果TC＞1，那么t+1时期比t时期技术进步，反之亦然。

3" " "实证研究

3.1" "指标说明

本文的研究对象是我国30个省、自治区和直辖市，西藏由于数据缺失并未列出，以2017—2021年数据为研究样本。2017年电力行业开始逐步纳入碳交易市场[13]，对碳排放的重视程度更高，故选择从2017年的数据开始分析。输入指标为火电发电端效率衡量主要因素，分别为火电能源消耗量、火电装机容量和火电装机发电利用小时数。火电能源消耗总量X1、单位为万吨标准煤，通过各地区能源平衡表中加工转换部分火力发电行各类能源消耗乘以标准煤系数折算得出，折标准煤系数来自《中国能源统计年鉴》附录，如表1所示，计算公式见（3）。

能源消耗总量 各能源消耗量×折标准煤系数

（3）

通过电力工业统计资料汇编，得到各地区火力发电装机容量X2、单位为万千瓦和火电装机发电利用小时数X3。产出指标分为期望产出和非期望产出，期望产出为火力发电量、单位为亿千瓦时，数据来自《中国电力统计年鉴》，非期望产出为电力、蒸汽、热水的生产和供应所产生的二氧化碳，根据地区能源平衡表数据按照中国省级二氧化碳排放清单（IPCC部门核算法）计算，数据来自中国碳核算数据库CEADs，各变量描述性统计分析如表2所示。

将收集整理的数据进行标准化处理，避免数据差异对结果造成影响，标准化处理方式为均值化，计算公式如下。

（4）

3.2" "实证实验

本研究进行了二组实证实验验证模型准确性。实验一：投入变量为火电能源消耗量、火电装机容量和火电装机发电利用小时数，期望产出为火力发电量。实验一计算结果如表3所示，表中数据为5年结果的平均值，根据数据性质EFF与松弛变量计算算术平均值，ML、TC、EC计算几何平均值。

实验二：投入变量相同，期望产出变量相同，增加非期望产出，电力、蒸汽、热水的生产和供应所产生的二氧化碳。增加了非期望产出验证模型的可行性和准确性，同时分析二氧化碳对火力发电效率的影响。得到的实验二结果如表4所示。

对比发现，在引入二氧化碳排放量作为非期望产出后，效率排名结果发生了很大变动，效率对比如图2所示，一些清洁能源使用占比较高的地区，其火力发电能源效率在引入非期望产出后排名有所下降，如青海、湖南等；一些火力发电占比较高的区域在不考虑碳排放时效率排名靠前，考虑碳排放后排名明显下降，如山东、河北、新疆等；又或者火力发电本身效率不高，在考虑到二氧化碳排放后，效率反而上升，如北京、上海。对比证明火电能源效率在考虑碳排放后会产生明显差异，且与二氧化碳排放量的变化相关，验证模型确实可以很好处理碳约束下火电行业能源效率问题，实现绿色能源效率分析的目标。

3.3" "聚类分析

对含有非期望产出的模型计算结果和相关影响因素聚类分析，使用SPSS对个体进行系统聚类，相关因素有2017—2021年火电发电量占比总发电量记为火电占比平均值、2017—2021年单位火力发电量的二氧化碳排放量平均值记为CO2 /火电、预期2025年非化石能源占总能源消费比重记为非化石能源消费比重。火电占比体现地区发电结构特点，数据来自电力统计年鉴，CO2 /火电体现火电碳排放情况，单位为克/

千瓦时。非化石能源的消费比重是表现能源规划的重要指标，直接体现发电行业能源结构规划，数据来自各地区已经发布的“十四五”碳达峰实施方案中关于非化石能源消费比重部分，如表5所示。对EFF、ML指数，CO2 /火电、火电占比、非化石能源消费比重进行系统聚类。结果如图3所示。

减排措施。二氧化碳捕集利用与封存技术（CCUS）[14]，是指将CO2从工业过程、能源利用或大气中分离出来，直接加以利用或注入地层以实现CO2永久减排的过程。CCUS技术的部署有助于充分利用现有的煤电机组，适当保留煤电产能，避免一部分煤电资产提前退役而导致资源浪费。

火电行业是当前中国CCUS示范的重点，潜力逐年大幅上升，火电安装碳捕集装置导致的度电成本增加为0.26～0.4元，火电度电发电成本在0.27～0.34元，发展瓶颈主要为成本和缺乏经验，需要因地制宜安置使用。东部、北部沉积盆地与碳源分布空间匹配相对较好；西北地区封存地质条件相对较好，但碳源分布相对较少。南方及沿海碳源集中，但能开展封存的地质条件相对较差，陆上封存潜力非常有限；在近海沉积盆地实施离岸地质封存可作为CCUS重要的备选。

相比之下，在碳处理成本上，碳排放权交易的价格要远远低于CCUS，碳排放权交易是将碳排放作为商品，运用市场机制实现低碳发展。2023年碳价格的平均成本约为55元/吨，远低于国际价格，碳价格势必会逐步提升，对大容量电厂、高碳排地区或碳储存成本相对较低的地区CCUS的减排性价比更高。

结合聚类分析结果，将有相似减排特征的区域划分为五类，如表6所示。总结相似特征区域问题，根据现有减排措施得出研究结论。

（1）富能高产出地区中大多属于发电输出主要区域。其中效率值内蒙古与山西较低，在不考虑非期望产出时，内蒙古与山西火电发电效率都较高。根据模型计算，近5年的内蒙古ML指数都大于1，并领先其他省市区域，但TC指数较低，效率持续提升，但仍有技术提升空间。山西的ML和TC指数相对较低，建议从技术改进方面入手，适当更新设备，提高能源利用率，减少尾气排放。

高耗能输出区的低碳减排以内蒙古为例。内蒙古低碳减排发电发展首先提高了火电技术效率，增加了火电发电量，使其保证作为能源输出大省的稳定，满足逐步增加的电力输出需求，与此同时，逐步发展了清洁能源发电。目前清洁能源发电发展速度较慢，但增长趋势十分稳定，非化石能源消费比重预计2025年达到18%，2030年达到25%，由清洁能源逐步替代碳排放较多的设备。内蒙古的火电单位碳排放量较高，但近几年变化明显，主要为技术效率提升的原因。

火力发电是输出大省的发电主力，考虑到地理位置，对于无法提供大量可再生电力的地区或是燃料价格较低的地区，煤结合CCUS技术是成本最低的脱碳减排路径，如河北、河南、内蒙古、陕西等。运用CCUS技术的发电厂能提供可调度的低碳电力，以及维护电网的稳定，避免光伏发电或水力发电带有的入网难、不稳定问题。

（2）绿色电力潜力区。这些区域的单位碳排放在整体中属于中等偏下，火电效率较高且火电占比逐步下降，完成了第一步绿色电力转型。清洁能源占比较高的有福建、湘鄂、云贵川渝等西南、华南地区，从地理资源和能源规划可以看出，发展清洁能源的主力还是在我国南部，区域的清洁能源储备量都相对丰富，但地理条件不适宜应用CCUS。这些地区的发电减排路径建议优先发展清洁能源，鼓励碳排放权交易促进减排，逐步实现向绿色电力区转型。

（3）绿色电力区。青海、云南、四川的效率都较低，单位发电量碳排放较高，但考虑到火力发电只占其发电总量很小部分，适合的发展路径是逐步淘汰低效率的火力发电装机，保留部分作为应急发电装备，将碳排放限制在国家分配的碳排放额度内。大力发展绿色电力，助力国家“双碳”目标实现。

（4）高效科研区。北京、上海、天津、安徽的能源效率都很高、单位碳排放也很低，都比较成功地利用了本地区的特点和优势。以北京为例。北京是首个全部实施清洁能源发电的城市，是由燃气热电中心取代原煤发电，效率很高、碳排放较少，但发电成本较大，北京自己发电量占总用电量的39%左右。类似性质的上海等直辖市大部分电力由外部输入，目前对于发电减排的压力比较小，未来可以多发展蓄能储电领域，在降低发电成本同时，为其他地区提供技术支持。

（5）技术落后区。东北三省地区处于技术落后且受环境限制较重的状态，从能源使用来看，东北三省的发电情况大致满足自给自足，但火电效率低，同时对于清洁能源发电的投资和重视程度也较弱。东北三省地大物博，风电、光伏、水电均有所发展，但发展速度非常缓慢，主要是由于东北三省四季温差大，降雨降雪等情况对发展产生了很大的限制。短期内想大规模以清洁能源取代火力发电不可行。清洁能源发展道路道阻且长，想要实现低碳目标，还是需要从火电入手。

从经济投资来看，2017—2022年的黑吉辽对电力行业的固定投资，辽宁、黑龙江各在530万元左右，吉林在500万元左右，在各省市电力投资排名中靠后，从火电技术方面改进，可以更有效地减少碳排放和提高发电效率。同时，东部、北部沉积盆地与碳源分布空间匹配相对较好，结合地质特征和二氧化碳排放源分布，可在东北区域大力发展CCUS技术，东北地区还拥有像小兴安岭的大型林场，可以发展绿色碳汇交易。更新火电技术、发展CCUS和绿色碳汇更适合像东北这样不具备清洁能源优势的地区的发展路径。

4" " "结 论

（1）SBM-DDF模型是在数据包络模型基础上的改进，通过设定方向向量控制决策点向前沿面移动的方向来解决投入变量和非期望产出减少、期望产出增多的构想，同时在方向距离函数基础上增加了松弛变量，使决策点前沿面投影可以继续向最优生产点移动，增加了效率的准确性。基于SBM-DDF模型计算ML指数也是传统M指数的升级，更适应含有非期望产出的情况，表现了效率的动态变化情况。

（2）实证实验证明，在引入二氧化碳排放量作为非期望产出后，火电效率排名结果发生了很大变动，使用SBM-DDF模型计算碳约束下火电能源效率结果更贴合实际情况，解决了合理计算碳约束下火电能源效率和全要素能源效率的数学问题。使用SBM-DDF模型计算效率为火电行业能源节能减排规划提供了数据支持。

（3）聚类结果显示，富能高产出区的绿色发电效率普遍较高，形成了具有规模优势的发电集群，为其他省（区、市）发展起到保障作用，个别效率略低、碳排放较高地区，如内蒙古、山西，减排路径可先保证发电量，提高技术效率，再因地制宜发展CCUS等减碳手段，提高发电量的同时保证电网稳定安全；绿色电力潜力区清洁能源发展潜力比较大，绿色能源效率较高，应着力于可再生电力装机建设，向绿色电力区转型，助力实现减碳目标；东三省技术落后区绿色能源效率较低，应重点帮扶，重点在于技术投资，结合地理优势发展CCUS技术，减少碳排放；非能源大省，但效率较高地区，减排压力较小，可根据自身情况侧重研究发展方向，如北京应大力发展储电等相关技术，为其他地区提供技术支持。

综上，本研究以碳排放作为非期望产出计算碳约束下火电行业能源利用效率，采用并验证SBM-DDF模型在处理含有非期望产出的效率计算、ML指数计算方面是合理可行的，并且将碳排放作为非期望产出计算碳约束下火电能源效率更符合当下的实际情况和研究需求，根据实证分析结果对地区分五类分析，提出了适合各地区的减排建议。

主要参考文献

［1］王婷婷.基于博弈关系与碳排放约束的中国省际能源效率评价［J］.软科学，2016，30（3）：89-93.

［2］陈超凡.中国工业绿色全要素生产率及其影响因素：基于ML生产率指数及动态面板模型的实证研究［J］.统计研究，2016，33（3）：53-62.

［3］ZHAO L，ZHA Y，WEI K，et al.A Target-based method for energy saving and carbon emissions reduction in China based on environmental date envelopment analysis［J］.Annals of Operations Research，2017（255）：277-300.

［4］王鉴雪，陈红梅，刘洁.考虑环境因素的北京区域能源效率研究［J］.山东工商学院学报，2020，34（4）.

［5］闫丹，中国省域火电行业碳排放效率评价及空间相关性研究［D］.北京：中国地质大学，2018.

［6］王婵，邹斌，金茜，等.基于两阶段DEA方法的中国省际电力能源利用效率评估［J］.数字的实践与认识，2020（2）：150-161.

［7］王婷婷，朱建平.碳约束下的中国省际电能终端消费：效率测度及影响因素研究［J］.数理统计与管理，2018，37（2）：211-223.

［8］张宁.碳全要素生产率、低碳技术创新和节能减排效率追赶：来自中国火力发电企业的证据［J］.经济研究，2022，57（2）：158-174.

［9］ZHANG N，Y CHOI. A note on the evolution of directional distance function and its development in energy and environmental studies 1997—2013［J］.Renewable and Sustainable Energy Reviews，2014（33）：50-59.

［10］CHAMBERS R G，CHUNG Y，FARE R. Benefit and distance functions［J］. Journal of Economic Theory，1996（70）：407-419.

［11］KAORU TONE. A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research，2001，130（3）：498-509.

［12］HIROFUMI FUKUYAMA，WILLIAM L W. A directional slacks-based measure of technical inefficiency［J］. Socio-Economic Planning Sciences，2009，43（4）：274-287.

［13］生态环境部.碳排放权交易管理办法（试行）［S］. 2021.

［14］生态环境部环境规划院.中国二氧化碳捕集利用与封存（CCUS）年度报告［R］.2021.