徐树奇 马敏
摘 要:利用数据包络分析方法(DEA)对中国的电力供应系统的环境绩效表现进行了评价,以省份为主体、地域为区间进行了模型结果的综合分析,提出了整合电力供应系统内部博弈关系的网络DEA模型,同时改进了非期望产出的弱可处置性定理到模型中,并通过计算得出了很多新穎的评价结果。具体发现包括:中国整体的电力供应系统环境绩效表现仍有较大的提高空间;发电系统的绩效表现优于电网系统;发电系统在地域间的差异较之于电网系统更大。
关键词:网络结构;电力系统;环境绩效
中图分类号:F426 文献标志码:A 文章编号:1673-291X(2021)23-0133-03
中国电力行业在经济和环境保护中发挥着至关重要的基础性作用。2019年中国全年总发电量约为7.14万亿千瓦时,超过了当年全球总发电量的1/4。2017年新成立的中国国家排放交易计划(ETS)宣布电力行业将成为其第一个成员,凸显了该行业的重要性。此外,电力行业的碳排放巨大。为了实现电力行业的可持续发展目标,对我国电力行业的环境绩效进行评价非常有必要。
一、电力评价研究现状
目前国内对电力行业绩效评价的研究较少,综合来看,国内外现阶段研究可大致概括为对电厂系统的研究和对电网系统的单独评价上[1-3],但未能从整体视角出发进行研究。数据包络分析(DEA)作为一种新兴的非参数评价工具,有着不需要预先假设生产函数即可进行同质决策单元(DMU)之间的效率排序的优势,因此受到了大量学者的关注。其中,关于环境效率的评价技术一直是国内外研究的焦点;关于非期望产出的弱可处置性由fare等人[4]提出,该假设可展示期望产出与非期望产出间的链接关系,将该假设整合到DEA建模中一直是学者们关注的重点。传统DEA理论将决策单元视为黑箱,现实中存在决策单元为网络结构(如以省份为单元的电力供应系统)的情况,对该情况进行DEA建模并整合弱可处置性理论到建模中是学者们关注的问题。网络DEA在发展的过程中,各子阶段间的博弈关系引起了学者们关注。综上,若要对中国面前的电力供应系统进行评价,则需要解决上述问题。
本文将利用网络结构DEA方法打开传统DEA的黑箱;通过对中间产出作为链接来展示电网与电厂间的领导——跟随关系;在处理非期望产出上,本文将使用弱可处置性假设,在此基础上改进其缺陷,最终应用到中国各省份电力子系统,并给出政策发展建议。
二、方法
(一)问题描述
T1=(xj,bj,uj)|λX≤X,θλU≥U,θλB=B
后续研究指出,Tk并不能对非期望产出进行充分评价,且会使得被评价单元只能与处在与其有着相同非期望产出水平的单元比较。因此,本文将保留kuosmanen的研究优势,并在此基础上对非期望产出施加强可处置性的假设,上述生产可能集可重新表示为Tc[6]:
Tc=(xj,bj,uj)|λX≤X,θλU≥U,θλB≤B
为方便计算,使其线性化,则上述生产可能集可表示为:
Tc=(xj,bj,uj)|(P+V)X≤X,VU≥U,VB≤B
(三)本文模型
电网系统有着对电量的定价权,且各电网系统间缺乏竞争。鉴于这一现实,本文将电网系统看做系统中的领导者。基于上述生产可能集和规模收益可变的假设,我们首先得出电网系统的评价模型如下:
其中,β2指电网系统的效率可提升空间,pn和vn为两个限制权重。
经过计算后,电厂的效率值(e电厂)与电网的效率值(e电网)可定义为:
e电厂=1-E电网=1-β1
e电网=1-E电网=1-β2
三、数据及结果分析
本部分将所提出的模型应用于中国各省级电力供应系统的可持续绩效评估。
(一)指标选取
发电系统的指标包括电源建设新增生产能力、6000千瓦及以上电厂发电设备容量、发电设备平均利用小时、发电煤耗率、发电量和二氧化碳排放量。电网系统指标包括发电量、电网新增220千伏及以上变电设备容量、电网新增220千伏及以上送电线路长度、电力销售产值和线损率。其中发电量为中间变量,它既是发电系统的输出,也是电网系统的输入。数据搜集范围是2014—2017年,来自Wind数据库。根据地理位置,我们把中国各省份分为了四个区域,分别为,东部地区:北京市、江苏省、广东省、浙江省、天津市、山东省、河北省,中部地区:山西省、安徽省、河南省、湖北省、湖南省、江西省,西部地区:广西省、四川省、贵州省、云南省、陕西省、甘肃省、青海省、内蒙古自治区,以及东北地区:辽宁省、吉林省、黑龙江省。
(二)电力系统效率表现分析
为了对结果进行系统的分析,以图2展示了各省份分阶段的效率结果。从图中可以看出,所有省份的第一阶段效率都高于其第二阶段效率得分,其中,第一阶段的各省份效率得分平均值为0.911 5,第二阶段的各省份效率得分平均值为0.623 2,说明我国各省份电力系统存在内部发展不均衡的问题,且差距明显(0.288 3),也说明在电网系统作为领导阶段的条件下,其自身并没有实现领导的带头作用。