基于改进三阶段松弛测量-数据包络模型的火电上市公司碳排放效率评估研究

doi:10.12096/j.2096-4528.pgt.23070

发电技术 ›› 2024, Vol. 45 ›› Issue (3): 458-467.DOI: 10.12096/j.2096-4528.pgt.23070

基于改进三阶段松弛测量-数据包络模型的火电上市公司碳排放效率评估研究

袁家海¹^,², 胡玥琳¹, 张健¹

^1.华北电力大学经济与管理学院，北京市昌平区 102206
^2.新能源电力与低碳发展研究北京市重点实验室(华北电力大学)，北京市昌平区 102206

收稿日期:2023-06-25 修回日期:2023-08-29 出版日期:2024-06-30 发布日期:2024-07-01
通讯作者: 张健
作者简介:袁家海(1979)，男，博士，教授，研究方向为能源系统转型、能源政策与管理，yuanjh126@126.com；
胡玥琳(1998)，女，硕士研究生，研究方向为能源政策、能源经济，huyuelin003@126.com；
张健(1989)，男，博士，副教授，主要研究方向为能源政策、可再生能源消纳，本文通信作者，zhangjianam@126.com。
基金资助:
国家自然科学基金项目(72173043);教育部哲学社会科学研究后期资助项目(22JHQ096)

The Carbon Emission Efficiency of China’s Listed Thermal Power Companies: An Improved Three-Stage Slack Based Measure-Data Envelopment Analysis Model

Jiahai YUAN¹^,², Yuelin HU¹, Jian ZHANG¹

^1.School of Economics and Management, North China Electric Power University, Beijing 102206, China
^2.Beijing Key Laboratory of New Energy and Low-Carbon Development (North China Electric Power University), Beijing 102206, China

Received:2023-06-25 Revised:2023-08-29 Published:2024-06-30 Online:2024-07-01
Contact: Jian ZHANG
Supported by:
Project Supported byFoundation: National Natural Science Foundation of China(72173043);The Late Stage Funding Project of Philosophy and Social Science Research of the Ministry of Education(22JHQ096)

摘要/Abstract

摘要：

目的计算火电上市公司的碳排放效率，对比分析效率排名居后的原因及排名前列的驱动因素，根据差异性条件对火电公司进行分组，探讨造成效率差异的影响因素。方法基于非期望产出的改进三阶段松弛值测量(slack based measure，SBM)-数据包络分析(data envelopment analysis，DEA)模型评估中国火电上市公司2016—2022年全要素碳排放效率。结果火电上市公司的碳排放效率逐年递增，并在剔除外部环境影响后整体下降。增加政府环保补贴可能会引发火电公司资本、人员和煤炭过度投入；增加地区研发投入对公司资产、人员和煤耗量具有积极作用；区域经济水平的提高会促进企业资产优化配置和人员有效管理，但会导致发电煤耗量的浪费。结论中央实控、低煤耗率和有碳排放交易的火电上市公司技术差距率更高，整体碳排放效率水平更优。

关键词: 改进三阶段松弛值测量-数据包络分析(SBM-DEA), Malmquist指数, 火电上市公司, 碳排放效率

Abstract:

Objectives Calculate the carbon emission efficiency of listed thermal power companies, compare and analyze the reasons why the efficiency ranks at the bottom and the top driving factors, group thermal power companies according to different conditions, and explore the influencing factors of efficiency differences. Methods Based on the improved three-stage undesirable-slack based measure (SBM)-data envelopment analysis (DEA) model to more accurately measure the total-factor carbon emission efficiency of China listed thermal power companies during 2016-2022. Results The carbon emission efficiency of listed thermal power companies rises annually and lowers when the effects of the external environment are taken into account. The increasing environmental subsidies from government may lead to excessive investment of capital, personnel and coal consumption in the thermal power companies. The increasing in regional R&D investment has a beneficial impact on company assets, personnel, and coal consumption. The most effective utilization of company assets and employees management will be promoted by a better regional economic level, but wasteful consumption of coal for power generation will occur. Conclusions The listed thermal power companies with central control, low coal consumption rate and carbon emissions trading have higher technology gap rate and better overall carbon emission efficiency.

Key words: improved three-stage undesirable-slack based measure (SBM)-data envelopment analysis (DEA), Malmquist index, listed thermal power company, carbon emission efficiency

中图分类号:

TK 01

袁家海, 胡玥琳, 张健. 基于改进三阶段松弛测量-数据包络模型的火电上市公司碳排放效率评估研究[J]. 发电技术, 2024, 45(3): 458-467.

Jiahai YUAN, Yuelin HU, Jian ZHANG. The Carbon Emission Efficiency of China’s Listed Thermal Power Companies: An Improved Three-Stage Slack Based Measure-Data Envelopment Analysis Model[J]. Power Generation Technology, 2024, 45(3): 458-467.

图/表 9

参考文献 19

1	朱维群，王倩．碳中和目标下的化石能源利用新技术路线开发[J]．发电技术，2021，42(1)：3-7． doi:10.12096/j.2096-4528.pgt.21009
	ZHU W Q， WANG Q ．Development of new technological routes for fossil energy utilization under the goal of carbon neutral[J]．Power Generation Technology，2021，42(1)：3-7． doi:10.12096/j.2096-4528.pgt.21009
2	张金良，贾凡．中国火电行业多模型碳达峰情景预测[J]．电力建设，2022，43(5)：18-28． doi:10.12204/j.issn.1000-7229.2022.05.003
	ZHANG J L， JIA F ．Multi-model carbon peak scenario prediction for thermal power industry in China[J]．Electric Power Construction，2022，43(5)：18-28． doi:10.12204/j.issn.1000-7229.2022.05.003
3	成润坤，岳赛雅，张国维，等．双碳及能源安全背景下中国电煤月度需求组合预测[J]．智慧电力，2022，50(9)：1-7． doi:10.3969/j.issn.1673-7598.2022.09.002
	CHENG R K， YUE S Y， ZHANG G W，et al ．Combination forecasting of monthly thermal coal demand in china under carbon peak，carbon neutrality and energy security[J]．Smart Power，2022，50(9)：1-7． doi:10.3969/j.issn.1673-7598.2022.09.002
4	张全斌，周琼芳．基于“双碳”目标的中国火力发电技术发展路径研究[J]．发电技术，2023，44(2)：143-154． doi:10.12096/j.2096-4528.pgt.22092
	ZHANG Q B， ZHOU Q F ．Research on the development path of China’s thermal power generation technology based on the goal of “carbon peak and carbon neutralization”[J]．Power Generation Technology，2023，44(2)：143-154． doi:10.12096/j.2096-4528.pgt.22092
5	CHARNES A， COOPER W W， RHODES E ．Measuring the efficiency of decision-making units[J]．European Journal of Operational Research，1979，3(4)：339． doi:10.1016/0377-2217(79)90229-7
6	HAILU A， VEEMAN T S ．Non-parametric productivity analysis with undesirable outputs：an application to the Canadian pulp and paper industry[J]．American Journal of Agricultural Economics，2001，83(3)：605-616． doi:10.1111/0002-9092.00181
7	FARE R， GROSSKOPF S ．Modeling undesirable factors in efficiency evaluation：comment [J]．European Journal of Operational Research，2004，157(1)：242-245． doi:10.1016/s0377-2217(03)00191-7
8	SEIFORD L M， ZHU J ．Modeling undesirable factors in efficiency evaluation[J]．European Journal of Operational Research，2002，142(1)：16-20． doi:10.1016/s0377-2217(01)00293-4
9	ZHOU Y X， LIU W L， LÜ X Y，et al ．Investigating interior driving factors and cross-industrial linkages of carbon emission efficiency in China’s construction industry：based on super-SBM DEA and GVAR model[J]．Journal of Cleaner Production，2019，241：118322． doi:10.1016/j.jclepro.2019.118322
10	余显，丁文斌．长江经济带绿色全要素经济能源效率研究：基于DEA-SBM模型测算[J]．特区经济，2023(4)：52-55．
	YU X， DING W B ．Study on energy efficiency of green total factor economy in yangtze river economic belt-based on the DEA-SBM model[J]．Special Zone Economy，2023(4)：52-55．
11	王馨，范敏，谢运生．基于SBM-DEA模型中部六省碳排放效率测度与分析[J]．能源研究与管理，2023，15(1)：26-31．
	WANG X， FAN M， XIE Y S ．Measurement and analysis of carbon emission efficiency in six central provinces based on SBM-DEA model[J]．Energy Research and Management，2023，15(1)：26-31．
12	王东，李金叶．环境规制、技术进步与能源碳排放效率[J]．技术经济与管理研究，2022(7)：31-36． doi:10.3969/j.issn.1004-292X.2022.07.006
	WANG D， LI J Y ．Environmental regulation， technological progress and energy carbon emission efficiency[J]．Journal of Technical Economics & Management，2022(7)：31-36． doi:10.3969/j.issn.1004-292X.2022.07.006
13	TONE K ．Dealing with undesirable outputs in DEA：a slacks-based measure (SBM) approach[J]．GRIPS Res Rep Ser 2003：445
14	李鸿，张军．RCEP国家能源效率分析：基于三阶段SBM-DEA模型[J]．能源与节能，2022(10)：26-29． doi:10.3969/j.issn.2095-0802.2022.10.007
	LI H， ZHANG J ．RCEP national energy efficiency analysis：based on three-stage SBM-DEA model[J]．Energy and Energy Conservation，2022(10)：26-29． doi:10.3969/j.issn.2095-0802.2022.10.007
15	彭文斌，曹笑天，苏昌贵，等．长江中游城市群碳效率时空演化特：基于三阶段SBM-DEA模型[J]．生态学报，2023，43(9)：3532-3545． doi:10.5846/stxb202211163319
	PENG W B， CAO X T， SU C G，et al ．Spatio-temporal evolutionary characteristics of carbon efficiency in the middle reaches of the Yangtze River urban agglomeration based on a three-stage SBM-DEA model[J]．Acta Ecologica Sinica，2023，43(9)：3532-3545． doi:10.5846/stxb202211163319
16	ZHAO H L， LIN B Q ．Assessing the energy productivity of China’s textile industry under carbon emission constraints[J]．Journal of Cleaner Production，2019，228：197-207． doi:10.1016/j.jclepro.2019.03.327
17	ZHENG Z L ．Energy efficiency evaluation model based on DEA-SBM-Malmquist index[J]．Energy Reports，2021，7：397-409． doi:10.1016/j.egyr.2021.10.020
18	ZHANG C， CHEN P ．Applying the three-stage SBM-DEA model to evaluate energy efficiency and impact factors in RCEP countries[J]．Energy，2022，241：122． doi:10.1016/j.energy.2021.122917
19	FARE R， GROSSKOPF S， NORRIS M ．Productivity growth，technical progress，and efficiency change in industrialized countries[J]．The American Economic Review，1994，84(1)：66-83．

变量类型	指标	定义
投入变量	资本投入/亿元	固定资产总额
	劳动力投入/人	员工数量
	能源投入/万t	发电煤耗量
产出变量	期望产出/亿元	营业收入
	期望产出/(kW⋅h)	总发电量
	非期望产出/万t	碳排放量
环境变量	政府补助/千万	政府环保补助
	区域科技水平/%	区域R&D与GDP比值
	经济发展水平/(元/人)	区域人均GDP

变量类型	指标	定义
投入变量	资本投入/亿元	固定资产总额
	劳动力投入/人	员工数量
	能源投入/万t	发电煤耗量
产出变量	期望产出/亿元	营业收入
	期望产出/(kW⋅h)	总发电量
	非期望产出/万t	碳排放量
环境变量	政府补助/千万	政府环保补助
	区域科技水平/%	区域R&D与GDP比值
	经济发展水平/(元/人)	区域人均GDP

变量	固定资产总额	员工数量	发电煤耗量
营业收入	0.906^**	0.901^**	0.948^**
总发电量	0.952^**	0.949^**	0.978^**
碳排放量	0.885^**	0.954^**	0.996^**

变量	固定资产总额	员工数量	发电煤耗量
营业收入	0.906^**	0.901^**	0.948^**
总发电量	0.952^**	0.949^**	0.978^**
碳排放量	0.885^**	0.954^**	0.996^**

DMU	2016	2017	2018	2019	2020	2021	2022	平均值
华电国际	0.684	0.760	0.784	0.795	0.870	0.971	1.000	0.838
京能电力	0.701	0.726	0.668	0.732	0.825	0.854	1.000	0.787
华银电力	0.406	0.429	0.499	0.495	0.669	1.000	0.666	0.595
浙能电力	0.882	0.851	0.825	0.824	0.826	0.835	0.841	0.841
国电电力	0.651	0.659	0.691	0.763	0.830	1.000	1.000	0.799
粤电力A	0.611	0.648	0.651	0.686	1.000	1.000	0.998	0.799
建投能源	0.632	0.644	0.739	0.728	0.766	0.799	0.905	0.745
晋控电力	0.390	0.412	0.449	0.443	0.434	0.503	0.622	0.465
大唐发电	0.696	0.703	0.757	0.775	0.772	0.841	0.902	0.778
华能国际	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
江苏国信	0.592	0.562	0.599	0.614	0.724	0.791	0.765	0.664
上海电力	0.797	0.852	0.886	0.899	0.902	0.916	0.959	0.887
金山股份	0.518	0.533	0.543	0.565	0.595	0.535	0.571	0.551
长源电力	0.551	0.578	0.600	0.656	0.580	0.663	0.696	0.618
湖北能源	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
赣能股份	1.000	1.000	1.000	0.982	1.000	0.879	0.898	0.966
广州发展	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
申能股份	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
皖能电力	0.763	0.773	0.776	0.832	0.86	1.000	1.000	0.858
内蒙华电	0.462	0.430	0.472	0.484	0.569	0.673	0.718	0.544
通宝能源	0.589	0.638	0.713	0.834	0.834	0.835	0.837	0.754
华润电力	0.699	0.715	0.753	0.716	0.598	0.825	1.000	0.758
中电控股	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
华电能源	0.662	0.686	0.704	0.718	0.739	0.894	1.000	0.772
深圳能源	1.000	0.868	0.770	1.000	0.670	1.000	1.000	0.901
豫能控股	0.521	0.631	0.737	0.782	0.755	0.739	0.803	0.710
吉电股份	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
国投电力	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000
中国电力	0.751	0.758	0.769	0.777	0.815	0.855	0.871	0.799
福能股份	0.987	0.782	0.647	1.000	0.670	0.974	1.000	0.866
平均值	0.752	0.755	0.768	0.803	0.810	0.879	0.902	0.810

基于改进三阶段松弛测量-数据包络模型的火电上市公司碳排放效率评估研究

The Carbon Emission Efficiency of China’s Listed Thermal Power Companies: An Improved Three-Stage Slack Based Measure-Data Envelopment Analysis Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 9

参考文献 19

相关文章 15

编辑推荐

Metrics

变量	固定资产总额松弛值	员工数量松弛值	发电耗煤量松弛值
常数项	-266.712***(-30.421)	-2 192.879***(-2 203.248)	-139.253***(-43.160)
政府补助	45.367***(79.275)	37.152***(16.454)	12.873***(18.735)
区域科技水平	-18.517***(-29.656)	-0.064***(-6.512)	-41.091***(-17.725)
经济发展水平	-12.134***(-16.493)	-0.065***(-39.055)	83.909***(16.227)
σ²	101 786.566	7 247 774.202	153 059.385
γ	1.000	1.000	1.000
对数似然函数	-202.056	-263.788	-204.654
LR 单边检验	12.535	11.208	20.001

年份	技术效率	技术进步	纯技术效率	规模效率	全要素生产率
均值	1.007	1.205	1.007	1.001	1.277
2016—2017	0.922	1.103	0.979	0.945	1.010
2017—2018	0.942	1.226	0.942	1.010	1.143
2018—2019	1.154	0.947	1.118	1.036	1.067
2019—2020	0.999	1.028	0.997	1.002	1.022
2020—2021	1.012	1.117	0.999	1.014	1.144
2021—2022	1.010	1.811	1.006	1.002	2.280

指标	<1	1~1.1	>1.1
效率改进	43.33%	56.67%	0
技术进步	0	66.67%	33.33%
全要素生产率	0	76.67%	23.33%

[1]	胡程平, 范明, 刘艾旺, 施云辉. 考虑云储能的多区互联综合能源系统规划[J]. 发电技术, 2024, 45(4): 641-650.
[2]	赵振宇, 包格日乐图, 李炘薪. 基于信息间隙决策理论的含碳捕集-电转气综合能源系统优化调度[J]. 发电技术, 2024, 45(4): 651-665.
[3]	杨康, 李蓝青, 李艺丰, 宋东阔, 王博仑, 陈金, 周霞, 单宇. 一种新型分布式光伏出力区间预测方法[J]. 发电技术, 2024, 45(4): 684-695.
[4]	孟梓睿, 刘雅雯, 巨星. 光伏-压电复合独立供电系统的运行分析[J]. 发电技术, 2024, 45(4): 696-704.
[5]	肖白, 赵雪纯, 董光德. 电能质量综合评估方法综述与展望[J]. 发电技术, 2024, 45(4): 716-733.
[6]	杜婉琳, 王玲, 罗威, 朱远哲, 吕鸿, 马潇男, 周霞. 基于深度强化学习的有源配电网电压分层控制策略[J]. 发电技术, 2024, 45(4): 734-743.
[7]	陈昱, 丁鸿, 崔勇, 朱里, 陈士俊, 凌秋阳, 徐勇生, 郑建. 变电设备温度态势感知及辅助决策系统方案研究[J]. 发电技术, 2024, 45(4): 744-752.
[8]	王伟杰, 曾鑫洁, 徐远途, 李书仪, 阮灿华, 童宁, 武小梅. 基于正序突变量相轨迹辨识的可再生能源配电网电流保护[J]. 发电技术, 2024, 45(4): 753-764.
[9]	段贵超, 王恭, 曹生现, 段洁. 虚拟电厂运行策略及DG分布式控制研究[J]. 发电技术, 2024, 45(4): 765-771.
[10]	叶健强, 孙敦虎. 碳交易条件下基于鲁棒优化的电源规划研究[J]. 发电技术, 2024, 45(3): 566-574.
[11]	张洺驿, 黄鹏, 王亚午. 环形介电弹性体发电机的输出特性研究[J]. 发电技术, 2024, 45(3): 517-526.
[12]	袁鑫, 刘骏, 陈衡, 潘佩媛, 徐钢, 王修彦. 碳捕集技术应用对燃煤机组调峰能力的影响[J]. 发电技术, 2024, 45(3): 373-381.
[13]	王放放, 杨鹏威, 赵光金, 李琦, 刘晓娜, 马双忱. 新型电力系统下火电机组灵活性运行技术发展及挑战[J]. 发电技术, 2024, 45(2): 189-198.
[14]	李展, 杨振勇, 刘磊, 陈振山, 季卫鸣, 洪烽. 火电机组深度调峰工况下炉侧蓄热系数对一次调频能力的影响分析[J]. 发电技术, 2024, 45(2): 226-232.
[15]	杨正, 孙亦鹏, 温志强, 程亮, 李战国. 深度调峰工况下超临界机组的干湿态转换策略研究[J]. 发电技术, 2024, 45(2): 233-239.