基于灰色关联和DEA方法的福建省能源效率评价.docx
《基于灰色关联和DEA方法的福建省能源效率评价.docx》由会员分享,可在线阅读,更多相关《基于灰色关联和DEA方法的福建省能源效率评价.docx(34页珍藏版)》请在冰豆网上搜索。
基于灰色关联和DEA方法的福建省能源效率评价
基于灰色关联和DEA方法的福建省能源效率评价
摘要:
随着经济发展,企业节能减排工作势在必行。
本文首先利用灰色关联度方法,分析了福建省工业能源的消费与工业增长之间的关系,结果表明福建省工业总产值与能源消费存在显著的正相关关系;鉴于福建省目前工业的发展主要集中在大耗能、大排放的粗放型经济增长,本文接着采用DEA方法建立了能源效率评价模型,对福建省高耗能工业中十大行业的综合评价,可以为这些高能耗行业提高能源效率提供决策依据。
关键词:
节能;灰色关联分析;能源效率评价;数据包络分析
1.前言
能源是国民经济和社会发展的基础和战略资源,能源问题已经成为经济社会可持续发展的一个刚性约束问题。
提高能源效率的问题也因此得到重视。
近年来,中央高度重视节能减排工作,“十一五”规划提出节能减排目标,要建设资源节约型和环境友好型社会;社会的进步与发展,也对节约资源与环境保护提出更高要求。
近年来,福建省工业经济发展加快,电力、建材、化工、造纸、纺织、冶金和石油等主要耗能行业生产增势不减,需求旺盛,每年工业能源消耗量明显增加,工业经济的发展以高能源消耗为代价的状况没有得到明显改善。
同时,福建省十分重视能源节约工作,坚持资源开发与节约并举,积极推进节能技术,增加技术创新投入,有效推进了能源节约利用,全省节能工作取得了显著成效。
本文首先利用灰色关联度方法,分析得出了福建省工业总产值与能源消费存在显著的正相关关系;鉴于福建省目前工业的发展主要集中在大耗能、大排放的粗放型经济增长,本文采用DEA方法建立了能源效率评价模型,以能源消费量,从业人员平均数,固定资产净值年末平均值为投入指标,工业产值为产出指标,对2004年—2008年福建省主要能源消耗行业的综合评价,可以为这些高能耗行业提高能源效率提供决策依据。
2.灰色关联度分析方法
灰色关联分析的基本思想是根据序列曲线几何形状相似程度来判断其联系是否紧密。
曲线越接近,相应序列之间的关联度就越大,反之就越小。
运用灰色关联度方法可以分析福建省工业能源消费和工业经济增长的关系。
2.1灰色关联分析的数学模型[1]
设两个行为序列分别为:
X0=[X0
(1),X0
(2),X0(3),···X0(n)]
Xi=[X1
(1),X1
(2),X1(3),···X1(n)]i=1,2····m
灰色绝对关联度计算模型为:
ε0i=
其中,
灰色相对关联度模型的计算方法与绝对关联度计算方法相似,只是式中的
用Xi(n)初值像的始点零化像代替,设用相对关联度计算出来的关联度为
。
灰色综合关联度计算模型为:
ρ0i=θε0i+(1-θ)
θ∈[0,1],一般取θ=0.5i=1,2····m
3.DEA评价方法
数据包络分析方法(DEA,DataEnvelopmentAnalysis)由Charnes、Coopor和Rhodes于1978年提出,该方法的原理主要是通过保持决策单元(DMU)的输入或者输出不变,借助于数学规划和统计数据确定相对有效的生产前沿面,将各个决策单元投影到DEA的生产前沿面上,并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性[1]。
DEA包括很多种模型,该文将介绍其中的C2R模型和BC2模型,并利用这2种模型来评价福建省十大高能耗行业的能源利用相对效率问题。
3.1C2R模型
DEA中的C2R模型可以评价DMU的总体效率,即技术和规模的综合效率。
该模型的基本思想是:
设有n个同性质的部门(决策单元DMUj),每个决策单元有m个输入和s个输出,用向量形式表示为[2]:
其中,
为DMUj的第
种输入的投入量,
为DMUj的第
种输出的产出量。
引入非阿基米德无穷小量,则可得到对偶形式的具有非阿基米德无穷小量的输入C2R模型
(1)
其中,
为非阿基米德无穷小量(通常取足够小的正数,如10-6),
。
结论:
(1)
,且
=0,
=0。
则DMUj为DEA有效,决策单元的经济活动同时为技术有效和规模有效
(2)
,但至少某个输入或者输出大于0,则DMUj为弱DEA有效,决策单元的经济活动不是同时为技术效率最佳和规模最佳
(3)
,DMUj不是DEA有效,经济活动既不是技术效率最佳,也不是规模最佳。
3.2BC2模型
基于输入评价DMU纯技术效率的具有非阿基米德无穷小的BC2模型如下[2]:
(2)
其中,
为非阿基米德无穷小量(通常取足够小的正数,如10-6),
。
结论:
该模型计算DMU的纯技术效率。
若
=1,则DMUj为弱DEA有效(纯技术);;若
且
,
则DMUj为DEA有效(纯技术)。
设总体效率为
,纯技术效率为
,纯规模效率为s,则DMU的纯规模效率的计算公式为:
(3)
4.福建省工业增长与能源消费的灰色关联分析
由2009年《福建省统计年鉴》得到福建省2004—2008年的工业总产值和工业能源消费数据并进行标准化处理。
根据灰色关联分析方法,以2004—2008年福建省工业总产值和工业能源消费数据为基础,建立灰色综合关联度模型,分析福建省工业能源消费与工业增长的关联。
设福建省工业总产值为Y0(t)序列——序列1,工业能源消费总量为X1(t)序列——序列2,原始序列如下表1。
我们通过绘制标准化后的工业总产值与能源消费量的增长趋势图(见图1)可以大致看出,工业能源消费总量标准化值曲线与工业总产值标准化曲线的关联程度较强。
表一灰色关联度分析模型原始数列
年份
Y——工业产值
(亿元)
X——能源消耗
(万吨标准煤)
2004
8856.52
3002.33
2005
9995.89
4295.35
2006
11855.68
4819.96
2007
14425.06
5369.98
2008
17141.44
5839.61
资料来源:
2009年《福建省统计年鉴》整理和计算而得
图12004—2008年福建省工业产值与能源消费量的趋势图
4.1灰色关联度分析
计算过程如下
(1)计算灰色绝对关联度:
第一步:
初始化操作(整理为等长度1-时距序列)
序列[1]:
8856.52,9995.89,11855.68,14425.06,17141.44,
序列[2]:
3002.33,4295.35,4819.96,5369.98,5839.61,
第二步:
序列的始点零化像:
序列[1]:
0.0000,1139.3700,2999.1600,5568.5400,8284.9200,
序列[2]:
0.0000,1293.0200,1817.6300,2367.6500,2837.2800,
第三步:
计算|s0|,|s1|,|s1-s0|
|s0|=13849.53;|s1|=6896.94;|s1-s0|=6952.59
结论:
序列[1]和序列[2]的绝对关联度=0.7490
(2)计算灰色相对关联度:
第一步:
初始化操作(整理为等长度1-时距序列)
序列[1]:
8856.52,9995.89,11855.68,14425.06,17141.44,
序列[2]:
3002.33,4295.35,4819.96,5369.98,5839.61,
第二步:
序列的初值像:
序列[1]:
1.0000,1.1286,1.3386,1.6288,1.9355,
序列[2]:
1.0000,1.4307,1.6054,1.7886,1.9450,
第三步:
序列的始点零化像:
序列[1]:
0.0000,0.1286,0.3386,0.6288,0.9355,
序列[2]:
0.0000,0.4307,0.6054,0.7886,0.9450,
第四步:
计算|s0|,|s1|,|s1-s0|
|s0|=1.56375;|s1|=2.2972;|s1-s0|=0.73345
结论:
序列[1]和序列[2]的相对关联度=0.8689
(3)计算灰色绝对关联度:
取θ=0.5,ρ01=θε01+(1-θ)
=0.80895
由计算结果可知,在2004—2008年中,福建省工业能源消费总量与工业总产值的灰色综合关联度为0.80895。
可见,福建省工业能源消费总量与工业总产值的增长呈高度相关状态。
我们从图1也可以看出,工业能源消费总量标准化值曲线与工业总产值曲线的关联程度也很强,这与灰色相对关联度分析的结果相一致。
随着经济的发展,能源消费量的加大,势必给能源供应造成巨大的压力。
这一点也说明了,福建省目前工业的发展主要集中在大耗能、大排放的粗放型经济增长。
5.福建省十大高耗能产业能源效率评价
在“十一五”规划提出的节能减排目标要求下,福建省更要求转变经济增长方式,提高能源利用效率,坚持能源开发与节约并举,确立多样化能源战略。
能耗高是设备陈旧、技术落后、管理不力等多方面原因造成的,关键是要大力推进经济增长方式由粗放型向集约型转变。
本文接着采用DEA方法建立了能源效率评价模型,对福建省高耗能工业中十大行业的综合评价,可以为这些高能耗行业提高能源效率提供决策依据。
5.1指标的选取
能源效率的评价指标大志可以分投入和产出两类。
投入指标从能源投入、劳动力投入和资本投入考虑,选取能源消费量,平均从业人员数,固定资产净值年末平均值为模型的输入指标;产出指标选取工业产值[3][6]。
能源消费量:
每个行业的能源消费种类包括煤、油、天然气等,为了方便比较,把所有的能源消耗都转换成统一的计量单位“吨标准煤”。
平均从业人员数:
按照当年年末的从业人员数与上一年年末的从业人员数的平均值来计算。
固定资产净值年末平均值:
按照当年年末的固定资产净值年末值与上一年年末的净值的平均值来计算。
工业产值:
可以从总体上反应各个行业的状况,根据《福建省统计年鉴》中的原始数据即可得到。
本文使用的样本为2004-2008年福建十大高能耗行业的面板数据,统计口径为规模以上工业企业。
福建省工业高耗能产业主要集中在电力、热力的生产和供应业、非金属矿物制品业、黑色金属冶炼及压延加工业、化学原料及化学制品制造业、纺织业、造纸及纸制品业、石油加工炼焦及核燃料加工业、农副食品加工业、化学纤维制造业、食品制造业等十大行业。
本文根据《福建省统计年鉴》、《福建经济与社会统计年鉴》(2003-2009年)的统计资料,选取了2004年——2008年福建省这十大高能耗行业的能源消费量,平均从业人员数,固定资产净值年末平均值为输入指标;工业产值为输出指标。
相关指标的数据如表二。
表二福建省10大高能耗行业04-08年相关指标数据[5]
决策单元名称
从业人员平均数(万人)
固定资产净值
年均余额(亿元)
能源消费量
(万吨标准煤)
工业产值
(亿元)
04-电力、热力的生产和供应业
7.145
373.87
1652.83
533.41
04-非金属矿物制品业
19.155
79.16
499.84
664.43
04-黑色金属冶炼及压延加工业
3.185
35.30
330.64
294.60
04-化学原料及化学制品制造业
5.500
79.44
315.91
333.31
04-纺织业
17.425
78.95
116.75
488.65
04-造纸及纸制品业
5.595
42.41
132.50
238.30
04-石油加工、炼焦业及核燃料加工业
0.337
14.17
4.48
112.43
04-化学纤维制造业
1.565
41.03
29.92
98.14
04-农副食品加工业
7.190
29.59
47.12
402.97
04-食品制造业
5.660
20.82
42.62
187.91
05-电力、热力的生产和供应业
7.610
184.82
1656.40
611.96
05-非金属矿物制品业
21.825
38.17
536.43
474.19
05-黑色金属冶炼及压延加工业
3.520
22.84
413.02
350.69
05-化学原料及化学制品制造业
5.831
18.17
324.01
333.32
05-纺织业
20.700
41.88
123.65
474.06
05-造纸及纸制品业
6.305
11.73
128.65
198.14
05-石油加工、炼焦业及核燃料加工业
0.342
8.50
4.30
124.14
05-化学纤维制造业
1.445
20.22
43.25
131.10
05-农副食品加工业
8.510
16.12
42.72
372.30
05-食品制造业
6.375
11.06
37.92
167.05
06-电力、热力的生产和供应业
7.940
232.75
1806.61
702.88
06-非金属矿物制品业
23.195
37.94
629.61
616.51
06-黑色金属冶炼及压延加工业
3.790
22.79
512.77
430.24
06-化学原料及化学制品制造业
6.286
20.62
360.16
387.29
06-纺织业
22.675
43.61
140.31
589.14
06-造纸及纸制品业
6.765
19.38
128.59
235.73
06-石油加工、炼焦业及核燃料加工业
0.365
19.27
3.87
167.70
06-化学纤维制造业
1.700
16.81
45.08
179.48
06-农副食品加工业
9.490
18.98
42.70
446.95
06-食品制造业
6.910
13.94
37.64
202.66
07-电力、热力的生产和供应业
9.338
231.87
2323.57
856.95
07-非金属矿物制品业
40.543
58.56
778.38
1116.12
07-黑色金属冶炼及压延加工业
5.413
22.02
575.26
581.02
07-化学原料及化学制品制造业
9.912
36.64
376.23
527.23
07-纺织业
29.808
51.96
145.44
830.77
07-造纸及纸制品业
11.338
26.71
132.86
368.95
07-石油加工、炼焦业及核燃料加工业
0.510
32.17
4.45
176.72
07-化学纤维制造业
2.070
28.63
47.24
230.45
07-农副食品加工业
14.921
25.77
42.74
671.73
07-食品制造业
9.999
18.95
39.30
315.79
08-电力、热力的生产和供应业
12.738
696.86
2436.05
942.39
08-非金属矿物制品业
56.443
174.03
851.87
975.89
08-黑色金属冶炼及压延加工业
6.373
93.56
505.46
757.26
08-化学原料及化学制品制造业
12.817
106.00
403.37
542.27
08-纺织业
35.008
158.08
158.66
795.99
08-造纸及纸制品业
15.438
73.92
137.04
363.73
08-石油加工、炼焦业及核燃料加工业
0.645
36.71
5.21
209.43
08-化学纤维制造业
2.350
66.03
31.88
237.32
08-农副食品加工业
19.321
64.74
44.36
775.27
08-食品制造业
12.924
41.41
43.94
348.10
资料来源:
数据由2003-2009年《福建统计年鉴》和《福建经济与社会统计年鉴》整理而得。
5.2模型求解结果
表三C2R模型的求解结果
决策单元名称
04-电力、热力的生产和供应业
0.163
0.000
631.767
140.673
0.000
04-非金属矿物制品业
0.410
0.000
0.000
0.000
0.000
04-黑色金属冶炼及压延加工业
0.478
0.000
21.999
0.000
0.000
04-化学原料及化学制品制造业
0.259
0.000
0.000
0.000
0.000
04-纺织业
0.332
0.000
0.000
4.118
0.000
04-造纸及纸制品业
0.325
0.000
0.000
0.000
0.000
04-石油加工、炼焦业及核燃料加工业
0.790
0.000
0.000
0.000
0.000
04-化学纤维制造业
0.171
0.000
2.216
0.000
25.059
04-农副食品加工业
0.713
0.000
0.000
0.000
0.000
04-食品制造业
0.455
0.544
0.000
0.000
0.000
05-电力、热力的生产和供应业
0.226
0.000
683.697
39.399
0.000
05-非金属矿物制品业
0.474
3.401
0.000
0.000
0.000
05-黑色金属冶炼及压延加工业
0.727
0.000
47.976
0.000
0.000
05-化学原料及化学制品制造业
0.719
1.978
0.000
0.000
0.000
05-纺织业
0.458
0.000
0.000
0.000
0.000
05-造纸及纸制品业
0.645
4.583
20.464
0.000
0.000
05-石油加工、炼焦业及核燃料加工业
1.000
0.000
0.000
0.000
0.000
05-化学纤维制造业
0.412
0.203
5.624
0.000
0.000
05-农副食品加工业
0.913
0.000
0.000
0.000
0.000
05-食品制造业
0.579
4.342
0.000
0.000
0.000
06-电力、热力的生产和供应业
0.234
0.000
864.891
82.231
0.000
06-非金属矿物制品业
0.619
5.226
22.854
0.000
0.000
06-黑色金属冶炼及压延加工业
0.865
0.000
117.290
0.000
0.000
06-化学原料及化学制品制造业
0.750
0.764
0.000
0.000
0.000
06-纺织业
0.534
0.000
0.000
0.000
0.000
06-造纸及纸制品业
0.534
1.267
0.000
0.000
0.000
06-石油加工、炼焦业及核燃料加工业
1.000
0.000
0.000
0.000
0.000
06-化学纤维制造业
0.647
0.000
0.000
0.000
0.000
06-农副食品加工业
0.957
0.000
0.000
0.000
0.000
06-食品制造业
0.590
2.734
0.000
0.000
0.000
07-电力、热力的生产和供应业
0.253
0.000
0.000
0.000
0.000
07-非金属矿物制品业
0.727
0.000
0.000
0.000
0.000
07-黑色金属冶炼及压延加工业
1.000
0.000
0.000
0.000
0.000
07-化学原料及化学制品制造业
0.647
0.000
0.000
0.000
0.000
07-纺织业
0.613
0.000
0.000
0.000
0.000
07-造纸及纸制品业
0.579
0.000
0.000
0.000
0.000
07-石油加工、炼焦业及核燃料加工业
0.916
0.051
0.000
7.031
0.000
07-化学纤维制造业
0.516
0.000
0.000
0.000
0.000
07-农副食品加工业
1.000
0.000
0.000
0.000
0.000
07-食品制造业
0.663
1.263
0.000
0.000
0.000
08-电力、热力的生产和供应业
0.161
0.000
0.000
0.000
0.000
08-非金属矿物制品业
0.258
0.000
0.000
36.626
0.000
08-黑色金属冶炼及压延加工业
0.500
0.000
0.000
0.000
0.000
08-化学原料及化学制品制造业
0.297
0.000
0.000
0.000
0.000
08-纺织业
0.272
0.000
0.000
28.050
0.000
08-造纸及纸制品业
0.266
0.000
0.000
0.000
0.000
08-石油加工、炼焦业及核燃料加工业
0.928
0.000
0.000
0.000
0.000
08-化学纤维制造业
0.270
0.000
0.000
0.000
0.000
08-农副食品加工业
0.731
0.000
0.000
0.000
0.000
08-食品制造业
0.418
0.000
0.000
0.000
0.000
资料来源:
根据DEAP2.1软件数据处理结果及原始数据整理
表四B2C模型求解结果
决策单元名称
规模收益
(drs—递减irs—递增)
04-电力、热力的生产和供应业
0.564
0.289
drs
04-非金属矿物制品业
0.543
0.755
drs
04-黑色金属冶炼及压延加工业
0.596
0.801
drs
04-化学原料及化学制品制造业
0.446
0.579
drs
04-纺织业
0.490
0.678
drs
04-造纸及纸制品业
0.399
0.816
drs
04-石油加工、炼焦业及核燃料加工业
1.000
0.790
irs
04-化学纤维制造业
0.218
0.781
irs
04-农副食品加工业
0.912
0.781
drs
04-食品制造业
0.502
0.906
irs
05-电力、热力的生产和供应业
0.638
0.354
drs
05-非金属矿物制品业
0.499
0.949