中国电力消费的动态时空特征及其驱动因素

刘自敏 崔志伟 朱朋虎

摘要

电力消费的动态时空变化是国家能源布局规划中的重要问题。本文利用中国286个地级市城市数据可视化了2004—2016年间电力消费重心的动态变化，并基于电力消费量驱动消费重心变化的理论分析，进一步通过广义迪氏指数分解法（GDIM）将电力消费量的变化分解为经济规模、电力强度、投资规模、投资效率、人口规模、人均用电量、人均生产总值及固定资产投入产出八个效应，分层次分析了电力消费量变化的影响因素贡献度。研究结论为：①三类电力消费重心都位于中部地区，但均偏离几何重心而偏向于东部经济发达地区，同时呈现出整体向西南方向迁移的趋势，因此要筛选主要的电力供需点及中转节点来建设能源基础设施，以最小的经济成本来最大化其辐射范围;②当前电力消费重心与几何重心的距离逐渐减小，但若保持目前趋势，在越过垂直的最小点后有扩大的可能，反映出中国目前区域发展不均衡的状况有所改善但仍不能忽视，未来应要继续促进区域均衡发展;③东北地区的年均电力消费增长率最低，北部沿海、东部沿海次之，西北地区的年均电力消费增长率最高，综合作用下拉动了电力消费重心整体向西南方向迁移，在進一步的能源基础设施布局中要着重考虑电力消费重心的动态变化趋势;④经济规模和投资规模是促进电力消费量增长的主要推动力，电力强度与投资效率则是抑制电力消费量增长的主要因素，因此要根据不同地区的影响因素贡献度变化进行差异化管理。本文为优化能源布局和制定能源政策提供了理论支持和政策指导。

关键词电力消费;重心法;时空变化;GDIM;影响因素

中图分类号F129.9

文献标识码A文章编号1002-2104（2019）11-0020-10DOI：10.12062/cpre.20190509

为了保障我国生产生活的电力需求并促进电力消费与生产间的衔接平衡，中国从上世纪末开始实施“西电东送”工程，一定程度上解决了电力资源与电力负荷分布不均衡的状况。然而，在我国地缘广阔而资源分布不均的背景下，输配电网等电力基础设施建设成本高、周期长的特点对电力基础设施布局以及输配电网规划等提出了更高要求。同时，我国各地经济发展水平差异较大，其长期电力需求更是难以预测，实现电力生产与电力消费间的有效衔接需要准确把握电力消费的时空变化特征。

重心概念来源于物理学，自1872年Hilgard将其用于研究美国的人口问题后，这种简洁的方法就被广泛应用于诸如人口、农业、能源等地理分布领域的研究。重心主要由地理位置和研究属性决定，当地理位置保持不变时重心的变化就反应了研究属性的变化，因此电力消费重心迁移背后的根源在于电力消费量的变化。基于此，本文通过引入电力消费重心概念来反映中国电力消费的空间分布状况，以重心迁移来响应时间趋势，并进一步使用广义迪氏指数分解法（GDIM）分析电力消费变化的影响因素，为优化我国电力基础设施布局以保障我国电力资源高效利用提供参考。

1文献回顾

现有相关研究主要从以下几方面展开。一是关于能源消费的空间分布情况，尤其是运用能源重心方法对空间布局的分析。能源重心是指在二维平面空间中在各个方向上保持能源属性均衡的一个质点，Wang等[1]在探索全球能源生产与消费的时空特征中发现不同种类的能源在其格局演变中重心迁移趋势各不相同。基于经济与能源的相关性，有学者将能源重心与经济重心等联系起来分析了能源生产、消费与经济发展区域差异的动态变化及其相互关系[2-3]。此外由于能源供需空间上的差异，Zhang等[4]测量了中国能源生产与消费重心的位置、移动、距离和速率的变化，进而解释了能源供需格局上的区域差异。刘满芝等[5]则根据中国煤炭的储、产、消以及经济的重心位置、重心移动距离和方向进行产业空间布局的优化。

二是关于能源重心移动的因素贡献度分析。在重心移动分解中，叶明确[6-7]较为系统地总结了常用的贡献度分解方法在重心法研究中的不适用性且给出了解决方案，并以中国经济重心变动为例指出每个阶段下的重心移动均是不同地区的不同影响因素所造成的。基于不同的能源种类，Zhang等[8]探究了中国石油生产与消费重心迁移的因素分析，张露等[9]和李兰兰等[10]分别按照地理和经济等划分区域研究了中国天然气的消费重心迁移贡献大小的原因与规律，基础设施、需求和服务效率分别在不同时期对不同地区产生影响，进而影响天然气消费重心的移动。聚焦在电力方面，谢品杰等[11]分析了电力强度重心的迁移路径，内部差异引起的重心演变推力主要受到西北、西南、华北地区的影响。

三是关于能源消费量变化的分析。越来越多的学者采用分解法来探究能消费量变化背后的原因，常见的有指数分解和结构分解方法。较有代表性的是，Ang & Choi[12]基于传统阶乘指数分解提出了对数平均迪氏分解（LMDI），克服了传统方法中存在分解残差和零值问题的缺陷。Ang[13]基于理论基础、适应性、易用性和结果展示等方面考虑，认为LMDI是能源领域中的首选方法，此后LMDI广泛运用在环境污染尤其是碳排放及能源消费等方面的影响因素分析中[14]。Vaninsky[15]进一步对LMDI在实际运用中无法考察多个绝对变量的影响等进行了完善，并提出了广义迪氏指数分解法（GDIM）。众多学者运用GDIM分析了相关行业中碳排放的影响因素并结合当前绿色发展的趋势提出了碳减排的相关建议[16-18]。

梳理上述文献可以看出，将重心法引入能源领域能够反映电力消费的空间分布，同时在探索电力消费量变化背后的原因时采用分解法也具有简单易操作且没有残差等优点。但由于重心移动是一种复杂的合力结果，当前对能源重心的研究大多是在省级数据确定全国重心的基础上进行简单的迁移路径分析，并在能源消费影响因素分析时基本使用传统的LMDI方法。目前尚缺乏基于城市层面对省级和全国能源消费重心的动态刻画。伴随着能源改革市场化的进一步深入，同时各地区间经济发展水平不均衡、产业结构差异大、人口及能源等要素分布不均，使得省域间的电力消费特征和电力消费的影响因素有较大的区域差异性。明确与识别省级层面的消费重心动态变化及其影响因素对于市场化改革下进行精准能源战略布局具有重要的现实与政策含义。

本文试图在以下方面有所创新：①研究方法上，借鉴碳排放领域使用GDIM方法的思路，将GDIM引入电力消费领域，可以把多个绝对影响因素同时纳入分析框架，相比LMDI能更为全面有效地度量电力消费变化背后的主要驱动力;②实证分析中，基于地级市城市数据在将电力消费重心细化到省级层面的基础上，将电力消费的时空分布特征与电力基础设施布局联系起来，进而为能源基础设施布局的前瞻性规划提供有益参考。

2基本概念与研究方法

2.1消费重心及变动

重心是指在空间中保持均衡的一个质点，在二维平面中由各区域地理位置和所研究的目标变化两个因素决定，在地理位置保持不变的情况下重心的位移就反映了所研究目标的变化。具体到本文中为某地区由n个地级市组成，则求该地区电力消费重心的计算公式为：

Xt=∑ni=1QitXi/∑ni=1Qit

Yt=∑ni=1QitYi/∑ni=1Qit

（1）

其中，（Xi，Yi）为该地区地級市i的地理重心经纬度坐标，其纬度为Xi、经度为Yi，Qit为该市i第t年的电力消费量，则（Xt，Yt）为该地区第t年的电力消费重心。需要注意的是，在求特定的电力消费重心时要保持属性维度的一致，依次求出社会电力消费重心、工业电力消费重心以及城镇居民生活电力消费重心。重心计算的前提条件是二维平面，故使用欧氏距离计算移动距离。考虑到经纬度与实际的比例差距，参考王维华[3]的比例系数111.111，得到：

Dt1，2=C×（X—t2-Xt1）2+（Yt2-Yt1）2

（2）

其中，Dt1，2为时间t内的移动距离，C为比例系数，（Xt1，Yt1）为重心在基期的经纬度，（Xt2，Yt2）为终期经纬度。

2.2广义迪氏指数分解

2.2.1基本变量

电力是生产活动的重要动力来源，也是社会进步的重要支撑条件，这决定了电力消费受到众多因素的影响。不难发现，目前对于能源消费的因素分解模型及指标选取较为固定，经济发展、人民生活与电力息息相关，可以明显看出经济规模和人口规模均是影响电力消费的主要因素[19]。刘畅和李承财[20]、申俊等[21]发现经济的迅速发展以及人口规模的扩张均促进了我国的能源消费。同时随着人们生活水平日益提高和社会的快速发展，家庭电器的数量和种类也在不断丰富，更多的电器进入了人们的日常生活中，带来的必然是人均用电量的大幅增长，进而导致电力消费量的增加[22-23]。但另一方面，随着人均GRP的提高和环保意识的增强，人们也更有动力去购买更加先进、节能的电器，这将有助于提高电力利用率[24]。与此同时，随着电力强度的下降，势必会提高电力的利用效率而降低电力消费量[25]，但效率的提高也可能会因回弹效应的存在而进一步促进电力消费的增长[26]，因此电力强度效用的真实情况有待检验。

此外现有研究更多的是考察经济规模或者人口规模对于能源消费的影响，很少考虑到投资对能源消费的影响。实际上，改革开放以来，大规模的固定资产投资也促进了能源消费[27]，因此本文特别引入投资规模、投资效率等因素来完善电力消费的影响机理分析。具体来看，当进行固定资产投资时，相当一部分投资被用于基础设施建设，在建设和运营时就导致了大量的电力消费，而且又会形成电力基础设施等有效保障了电力供应，所以固定资产投资规模直接对电力消费产生了促进作用。同时当资本配置效率改善时，在提高固定资产投入产出的同时也将间接降低电力消费，而当企业等进一步进行更新和改造节能减排设备时，其投资效率也会提高电力利用效率进而降低电力消费量[17，28]见图1。

2.2.2分解模型

Vaninsky在Kaya恒等式的基础上提出了GDIM，本文在其基础上将GDIM引入电力消费量变化的影响因素分解，具体有如下关系：

其中，E为该地区的电力消费量，GRP为地区生产总值，INV为固定资产投资，POP为人口数量，PI=E/GRP为电力强度，IE=E/INV为投资效率，PE=E/POP为人均用电量，PG为人均生产总值，IO为固定资产投入产出比。进一步根据式（3）变换：

ΔGRP为经济规模效应，反映了经济发展的影响;ΔPI为电力强度效应，反映电力的利用效率;ΔINV为投资规模效应，说明固定资产投资的影响;ΔIE为投资效率，说明投资的节能效果;ΔPOP为人口规模效应，反映人口变动的影响;ΔPE为人均用电量，反映人们生活水平变化的影响;ΔPG为人均生产总值，反映人们收入变动的影响;ΔIO为固定资产投入产出比，反映资本配置效率。再进一步，我们得到了所有剩余的阶乘指标和由此产生的指标随时间变化与方程一致，并在此基础上定义电力消耗量Q在时间t上的指数函数并对t求导为：

Q（t）=（Q1Q0）t，dQ（t）dt=ln（Q1Q0）Q（t）

（9）

其中，Q0和Q1分别是其基期数值和最终值。通过GDIM分解将电力消费量的变动分解为以上8个效应。

3数据说明

本文所使用的地理信息数据来自于GPSSPG网站，在计算省级电力消费重心中参照通用做法采用各地区地级市的行政中心的位置来指代地理中心。而各地级市电力消费以及分解所用指标数据均来自《中国城市统计年鉴》，其中2005年的统计年鉴才开始将社会用电中的工业电力消费和城镇居民生活电力消费分开统计，因此本研究期为2004—2016年。在分析电力消费影响因素时使用的省级层面数据由地级市数据加总得到，部分地级市数据缺失时采用均值法进行插值并对总量进行一定调整。为剔除时间、通货膨胀等因素对本研究的影响，本文使用各地区统计年鉴中的居民消费价格指数和固定资产投资价格指数分别对地区生产总值、固定资产投资进行调整，处理后的各主要变量的描述性统计见表1。

4实证结果

本节首先可视化了整体电力消费重心的动态变化轨迹，并分地区分析了三类重心的趋势变化，然后进一步考察了重心距离变化的情况。由式（1）可知，当地理信息保持不变时重心变化反应了研究属性的变化，因此电力消费重心迁移背后的根源在于电力消费量的变化。进一步使用GDIM分析各地区的社会电力消费量变化主要影响因素的贡献度。

4.1电力消费重心的动态时空特征

4.1.1全国层面

基于286个城市电力消费数据和地理信息计算出

2004—2016年研究区域内三类电力消费重心，具体移动轨迹见图2。几何重心是假定研究属性均为1的无量纲属性算出，因此能够较为简单地反映研究区域地理的重心点，进而一定程度上代表该地区的稳定点。通过加入几何重心作为参照点来比较电力消费重心与几何重心的差距变化，来显示区域内的电力消费均衡度。其中中国港澳台地区、新疆及西藏由于数据可得性等问题并没有纳入计算。

从重心分布地看，2004—2016年期间三类重心虽然都位于中部地区，但实际上均偏离几何重心而偏向于东部沿海地区。因此可以认为东部地区仍然是目前中国电力消费的主要地区。同时社会用电跟工业用电两者变动具有同步性，而城镇居民生活用电重心移动幅度更大。工业用电由于占据社会用电比重大，同时电力也是工业生产中必不可少的生产要素，易受经济状况等因素影响，多方综合作用下拉动社会用电重心与之一起向经济发达地区偏移。

而城镇居民生活用电为人们基本的生活需求，相对受人口数量、家庭电器数量等因素的影响更大。

从重心移动趋势看，虽然三类重心都有反复，但总体仍呈现向西南方向移动的趋势。从纬度上看，社会用电、工业用电与城镇居民生活用电分别向西移动了0.40°、0.39°、0.44°，经度上三者分别向南移动了0.36°、0.41°、0.52°，表明重心呈现向西南迁移的趋势，说明西南地区将是未来电力消费增长的主要力量。在资源就地转化的地缘限制下，通过合理规划输配电网等电力基础设施的布局来优化电力资源配置、保障用电需求将是不可忽视的焦点问题。

4.1.2省级层面

因重心计算中子区域应多于1个，本文排除直辖市及青海、海南，使用余下数据计算23个地区重心的分布位置，见表2、图3。

从整体重心位置来看，多数重心均偏向于其地区内经济较为发达的位置。沿海城市相对内陆城市要经济领先，使得电力消费也遥遥领先，进而拉动电力消费重心向沿海方向偏移。此外具有类似现象的还有安徽、江西、河南、湖北、湖南等区域内有长江、黄河等主要水系流过的省份。江苏则是受这种航运所带来的经济辐射作用最为明显的省份。此外宁夏自治区的电力消费重心明显聚集在其北部，这是因为在其北部有黄河流域而南部属高原地带，不利于经济发展，二者综合作用下使得出现重心偏移严重的现象。类似的还有四川地区。而黑龙江、内蒙古、云南等地处中国边境的地域，由于边境区域的经济发展状况以及地理地貌的限制等，导致其电力消费重心偏向国内方向。重心所在地与省会或经济发达地区有较大重合性。一般来说，省会城市均是该地区的经济、人口、政治中心等，这也表明在省域视角下的电力消费重心跟该地区的经济等联系紧密。因此从省级层面上考虑电力基础设施建设时，应当围绕其经济发达地区来考虑，如作为主要输配电网的终点，在城郊建设大型变压站等。

除去辽宁、安徽、福建、山东、湖北、湖南、贵州七个地区，剩余地区的城镇居民生活用电重心相对于其他重心来说更趋向于地区几何重心，表明城镇居民生活用电分布相对来说较为均衡，这是由于城镇居民生活用电多为人民生活基本需求，受经济、地域等影响相对要小。而工业用电则与之相反，偏向该地区经济发达方向的同时也带动社会电力消费重心随之偏移。

4.1.3重心距离分析

几何重心代表该地区的稳定点，而电力是经济发展中不可或缺的要素，在一定程度上代表经济发展状况，因此电力消费重心与几何重心的距离能够从侧面反映区域发展的均衡状况。

从整体上来看，三类电力消费重心与几何重心的距离虽有反复，但总的仍呈下降趋势。沿海地区的经济发展明显优于内陆，但随着“西部大开发”等战略的相继实施，通过政策红利等措施来促进区域均衡发展，以东部经济发达地区来带动西部地区发展的政策目标取得了一定进展，说明中国目前的区域发展不均衡的状况得到改善。另一方面从距离几何重心的方位来看，得益于近些年南方地区经济发展迅猛，由原先的东部逐渐偏移到南方。这从研究期内地区GDP增速可以明显看出，前几名均为贵州、云南、重庆等西南地区省份，而东北、天津等地区则处于下半区。结合图2从预测的角度看，如果电力消费重心继续保持当前的迁移趋势，那么在越过最小距离点后其与几何重心的距离将会增大，因此从社会均衡发展的角度出发全面振兴东北老工业地区等显得尤为重要。

4.2电力消费变化影响因素分解

4.2.1全國层面

本文对每一年的实际情况进行单独分解分析，计算中将2004年设为基期（实为2005年初期数据），2005年为终期，计算结果为2005年情况，以此类推。图4为全国社会用电中的变量链式变化率。

研究期间电力消费增加了152%。从整体来看，电力消费量与地区生产总值、固定资产投资、人均生产总值呈现同向变动，均保持较高的增长率，而人均用电量在保持前几年的稳定增长后在2013年则基本稳定，甚至还略呈下降趋势;人口规模与固定资产投入产出比在研究期间基本维持稳定，也仅增长了不到50%;而电力强度与固定资产投资所带来的电力利用效率则呈现持续下降趋势。所有数据在2008—2010年段均出现较大波动，这可能与2008年次贷危机的滞后影响有关。进一步地，本文分析了全国社会用电的历年消费量变化的影响因素贡献度，从历年来看每个因素的影响大小都不是很稳定，并偶尔改变影响方向，故本文将每个因素进行加总取均值处理以反映整个研究期间的影响情况，见图5。

总体来看，我国目前的电力消费增长趋势呈现逐渐放缓的趋势，可能的原因之一是自次贷危机后愈发重视的工业转型升级取得了初步成果。在历年电力消费量变化中，正向驱动效应始终占据主导地位。在电力消费年均8.1%的增长率中，投资规模贡献额高达5.05%，经济规模也达到了3.89%，其次是人均用电量和人口规模。具体来说，在市政工程建设等公共领域和企业扩大再生产决策中，固定资产建造中会消耗大量电力能源，其日常运行过程中电力消费也不容忽视。大规模的固定资产投资是造成我国电力消费增长的决定性原因，控制无谓的固定资产投资与遏制产能过剩行业及高耗能高污染行业的盲目扩张需要进一步加强。经济产出也是电力消费增长的次要因素，前期的快速增长使得经济规模对于电力消费增长的贡献效应显著。次贷危机后的工业振兴规划虽然使影响趋势产生波动，但随着我国经济进入新常态，经济增长由高速增长转向中高速增长，其对电力消费的促进影响也在不断削弱中。人均用电量对于电力消费的影响具有较大的波动，在2014年和2015年更

成为电力消费增长的限制因素，但总的来说还是以促进为主。随着人们生活水平日益提高和社会发展，更多的电器进入了人们的日常生活中，带来用电量的大幅增长。人口规模一直对电力消费

增长保持着微弱的贡献，基于庞大的人口基数和我国人口城市化率的不断提高，城镇人口规模始终保持着稳定的逐步增长，这些都一定程度上促进了电力消费。

在负向抑制效应方面，投资效率达到2.19%，电力强度为1.12%，是限制电力消费增长的主要力量，投资效率更主要体现的是固定资产投资的节能效应，设备更新等所带来的能源效率改善对耗电量产生了影响。在电力强度方面，当单位GRP的电力消费下降时表明我国的技术效率和电力利用效率的情况均大幅改善，这既跟技术创新有关，也是当前将碳排放约束纳入企业经营决策的结果。碳交易市场的建立将会倒逼企业等主体不断寻求低碳发展的最优路径，而电力行业作为高耗能、高排放行业的典型代表也将承担起更多压力。而人均生产总值与固定资产投入产出虽然也起到了一定的抑制作用，但表现并不明显。同时资本生产率的提高也对电力消费产生了负向作用，在未来的节能减排中资本、技术要发挥更大的作用。

4.2.2区域层面

本文进一步分析各地情况，结果见表3、图6。所有地区的电力消费都处于增长趋势，但各地的差异性较大。如黑龙江、上海、山西等地的电力消费增长较慢，而海南、陕西、重庆、宁夏、青海等西部地区增速较快，这也和近些年来各省生产总值的增速情况在一定程度上符合。可以看出，经济规模对各省市的电力消费增长均起到促进作用，尤其是重庆、青海等地都达到了6.5%以上，但辽宁、黑龙江仅为2%左右。投资规模同样具有明显的促进作用，而北京、上海两地作为我国的政治、经济中心，城市发展规模等早已超越其他省份，其投资规模效应相对来说并不是很明显，河北、安徽、河南、广西、贵州、陕西等经济相对不发达的地区则表现的较为突出。除湖北外，人口规模与人均用电量同样是正向效应。

在负向抑制效应中，电力强度对大多数地区起到明显的限制作用，但有所差异，说明我国的电力利用效率虽然在不断地持续提升，但是区域差异性依然存在，部分地区的电力利用效率扼需改善。而投资效率的抑制程度相对来说甚于电力强度效应，虽然固定资产投资导致了电力消费快速增长，但是另一方面固定资产投资所带来的设备更新等技术升级的效果又能够有效抑制电力消费的快速增长。但辽宁、北京、青海表现为正向促进，其固定资产投资等非但没有有效改善生产效率，反而带来了负面效果。人均生产总值与固定资产投入产出比抑制效果没有前两者明显，但在所有地区中也都是降低电力消费的组成部分。电力消费重心的移动是多种因素综合作用的合力结果，基于各地经济的发展水平和联系程度，本文进一步从经济分区的视角来分析消费重心的移动与电力消费驱动因素的关联性。

从经济分区来看，电力消费增长率方面东北地区最低，年均增长率仅为5.71%，北部沿海、东部沿海次之，南部沿海、西南地区、黄河中游、长江中游地区也均达到了9%以上，西北地区最高，达到了16.27%。由于8大经济区域的电力消费增长率差异明显，导致电力消费重心逐年向西南方向迁移。可以看出，东北地区经济规模的促进效应是最低的，仅为2.42%，这与东北整体的经济低迷有很大关系。电力消费能够在一定程度上反映经济发展状况。在人均用电量方面，除了东北和西南地区，其余地区的促进效用均在2%以上，西北地区更是达到了4.95%。在当前我国资源总量庞大但人均不足的情况下，应当努力降低高效应地区的人均用电量，这不仅有利于我国碳规制目标的实现，也有利于消费重心的调控。

另一方面东部沿海的投资规模效应最低，仅为3.73%，而长江中游、西北地区、西南地区均达到了6%以上;西南地区的投资效率达到了3.28%，东部沿海、西北地区却均不到1%，这也正是西南地区在正向促进效应巨大的情况下总效应不大的关键原因。也就是说西北、西南地区的投资规模都显著促进电力消费的同时，西南地區较西北地区更多投向了效率提升。西北地区的电力强度效应为正，在省级层面中甘肃仅为-0.51%，宁夏为0.27%，青海更是达到了2.84%。说明西北地区的电力能源利用效率并不高，经济发展较为粗放，在其他地区电力强度效应积极发挥节能减排作用的同时西北地区正相反。这也导致西北地区的电力消费增长率远远高于其他地区，加之东北地区的电力消费增长率明显过低，进而拉动电力消费重心向西南方向迁移。这也反映当前中国能源利用效率、技术创新及利用等存在一定程度上的地区差异。

5结论及政策建议

本文通过引入消费重心来反映中国电力消费的空间分布，并进一步通过GDIM探究电力消费量变化的主要影响因素，主要结论和建议如下：

首先，三类电力消费重心都位于中部地区，但均偏向于东部经济发达地区，同时呈现出整体向西南方向迁移的趋势。政府部门要筛选主要的电力供需点及中转节点，基于地理地貌条件构建以主要节点为核心的全国输配电网络体系并优化骨干电力网络布局。能源基础设施的选址

如能源基地、大型電力变压站等应当围绕电力消费重心所在的经济发达城市，达到以最小的经济成本来最大化其辐射范围的目的。

其次，电力消费重心与几何重心的距离目前呈现减小的状态，但未来可能有扩大的趋势。得益于西南地区等近些年的较快发展使得电力消费重心向几何重心靠近，从侧面反映出中国目前区域发展不均衡的状况有所改善。但因东北老工业地区的“深陷泥潭”等导致未来的发展形势并不乐观。因此像东北地区等经济发展迟缓的地区，要抓住中央政府的政策红利，尤其是借助冰上丝绸之路等倡议下的地缘优势，实现新时代下全面、全方位振兴。

再次，东北地区的年均电力消费增长率最低，北部沿海、东部沿海次之，西北地区最高，综合作用下拉动了电力消费重心整体向西南方向迁移。说明西北、西南及南部沿海等地区是未来电力消费增长的主要区域。但目前的输配电网等电力设施布局规划仍然侧重东部地区。基于能源基础设施的长期性和投资规模大的特点，在能源基础设施布局中要着重考虑能源消费重心的动态变化趋势。

最后，经济规模和投资规模是促进电力消费的主要推动力，电力强度与投资效率则是抑制电力消费增长的主要因素。东北地区电力消费增长缓慢的主要因素是经济增长乏力，相比通过投资等来拉动电力消费增长，实现东北经济的复苏是更为理想和合适的选择，因此实现新时代下的东北全面振兴显得尤为必要。而西北地区相对粗放的经济发展方式导致了较高的电力消费，因此要提高资产、能源等的利用率，实现效益与效率的同向进步。不同地区要根据电力消费的特点进行差异化管理，促进经济健康均衡发展。

随着电力发展“十三五”规划的发布，已经开始论证全国同步的电网格局。未来应当继续关注电力能源基础设施的布局优化。本文将研究目标放在电力行业这一单能源系统中具有一定的局限性，下一步的研究将建立在全能源系统中，将碳排放约束也纳入整体分析框架。

（编辑：刘照胜）

参考文献

[1]WANG W W， ZHANG M， LI P. Exploring temporal and spatial evolution of global energy production and consumption [J]. Renewable & sustainable energy reviews， 2014， 30（2）：943-949.

[2]任志远，李强.1978年以来中国能源生产与消费时空差异特征[J].地理学报，2008，63（12）：1318-1326.

[3]王维华.中国经济重心与能源消费重心动态轨迹的实证研究[J].西安财经学院学报，2016，29（2）：81-85.

[4]ZHANG Y， ZHANG J Y， YANG Z F， et al. Analysis of the distribution and evolution of energy supply and demand centers of gravity in China [J]. Energy policy， 2012， 49（10）：695-706.

[5]刘满芝，马燕燕，周梅华，等.中国煤炭供需与经济的重心演变轨迹研究[J].中国管理科学，2012，20（S2）：820-826.

[6]叶明确.系统重心迁移的贡献度分解方法[J].系统管理学报，2012，21（4）：559-563，570.

[7]叶明确.1978—2008年中国经济重心迁移的特征与影响因素[J].经济地理，2012，32（4）：12-18.

[8]ZHANG M， XIA Q， WANG W W， et al. Study on temporal and spatial evolution of Chinas oil supply and consumption [J]. Natural hazards， 2014， 72（2）：809-825.

[9]张露，龚承柱，李兰兰，等.中国天然气供需重心迁移路径及贡献度分解[J].中国人口·资源与环境，2013，23（12）：90-97.

[10]李兰兰，徐婷婷，李方一，等.中国居民天然气消费重心迁移路径及增长动因分解[J].自然资源学报，2017，32（4）：606-619.

[11]谢品杰，潘仙友，林美秀.中国电力强度重心迁移及差异研究[J].世界地理研究，2017，26（2）：119-126.

[12]ANG B W， CHOI K H. Decomposition of aggregate energy and gas emission intensities for industry： a refined Divisia index method [J]. Energy journal， 1997， 18（3）：59-73.

[13]ANG B W. Decomposition analysis for policymaking in energy： which is the preferred method？[J]. Energy policy， 2004， 32（9）：1131-1139.

[14]ACHO C， SCHAEFFER R. Decomposition analysis of the variations in residential electricity consumption in Brazil for the 1980-2007 period： measuring the activity， intensity and structure effects [J]. Energy policy， 2009， 37（12）：5208-5220.

[15]VANINSKY A. Factorial decomposition of CO2 emissions： a generalized Divisia index approach [J]. Energy economics， 2014，45：389-400.

[16]SHAO S， LIU J H， GENG Y， et al. Uncovering driving factors of carbon emissions from Chinas mining sector [J]. Applied energy， 2016，166：220-238.

[17]邵帥，张曦，赵兴荣.中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J].中国工业经济，2017（3）：44-63.

[18]YAN Q Y， YIN J T， BALEZENTIS T， et al. Energyrelated GHG emission in agriculture of the European countries： an application of the generalized Divisia index [J]. Journal of cleaner production， 2017，164：686-694.

[19]林伯强.电力消费与中国经济增长：基于生产函数的研究[J].管理世界，2003（11）：18-27.

[20]刘畅，李承财.基于LMDIANNDEA集成方法的我国能源消费评价与优化研究[J].江淮论坛，2017（4）：77-82.

[21]申俊，孙涵，成金华.中国城镇居民能源消费及其影响因素[J].北京理工大学学报（社会科学版），2016，18（1）：45-53.

[22]杨正东，李京文.能源因素分解模型的比较、改进与应用[J].管理学报，2015，12（12）：1860-1864.

[23]贾艳琴.西北地区城镇化进程中的家庭电力消费差异研究[J].资源开发与市场，2015，31（6）：731-735.

[24]于启武， 陈立平，郭慧婷.北京城镇居民节能电器消费及节能效果分析[J].北京工商大学学报（社会科学版），2012，27（6）：96-103.

[25]孙涵，申俊，彭丽思，等.中国省域居民生活能源消费的空间效应研究[J].科研管理，2016，37（12）：82-91.

[26]李金铠，刘宗项，张瑾，等.能源回弹效应研究述评[J].管理学刊，2018，31（1）：9-21.

[27]欧育辉，刘轶芳，尤佳.基于面板数据模型的能耗与固定资产投资关系的实证研究[J].管理学报，2009，6（1）：51-56.

[28]何晓萍.基础设施的经济增长效应与能耗效应——以电网为例[J].经济学（季刊），2014，13（4）：1513-1532.