解百臣 譚昕昀 張爽

摘要 分析火電企業(yè)碳排放變化的驅(qū)動(dòng)因素以及減排潛力是實(shí)現(xiàn)電力部門(mén)乃至國(guó)家減排目標(biāo)的前提和基礎(chǔ)。文章提出了基于半可處置性的生產(chǎn)理論分解分析模型，研究了中國(guó)17家主要火電企業(yè)2008—2018年碳排放變化的驅(qū)動(dòng)因素和時(shí)變趨勢(shì)。同時(shí)，有針對(duì)性地引入裝機(jī)容量利用率因素，分析各因素碳排放貢獻(xiàn)值的時(shí)變趨勢(shì)，比較中央管理與地方國(guó)有企業(yè)的差異性，為行業(yè)政策制定和火電企業(yè)變革提供新思路。實(shí)證結(jié)果表明：① 研究期間各企業(yè)的碳排放均有所增長(zhǎng)，其中裝機(jī)容量的增長(zhǎng)是促進(jìn)碳排放增長(zhǎng)的最主要驅(qū)動(dòng)力，裝機(jī)利用率、潛在能源強(qiáng)度、潛在排放強(qiáng)度以及碳排放績(jī)效則不同程度抑制了排放量的上升。② 中央管理企業(yè)的整體可處置性程度較高，且內(nèi)部差異較小;經(jīng)濟(jì)發(fā)達(dá)地區(qū)的地方國(guó)有企業(yè)則表現(xiàn)出較高的可處置性程度，而主營(yíng)區(qū)域煤炭資源豐富的企業(yè)則表現(xiàn)相對(duì)較差?？傮w而言，兩類(lèi)企業(yè)在各驅(qū)動(dòng)因素貢獻(xiàn)的占比上存在差異。③從時(shí)變分析來(lái)看，新增裝機(jī)容量對(duì)排放量變化的貢獻(xiàn)逐漸降低，裝機(jī)利用率已逐漸成為最主要的影響因素。與此同時(shí)，現(xiàn)有裝機(jī)容量利用率則處于低位，亟待提升。未來(lái)應(yīng)繼續(xù)控制火電新建項(xiàng)目總量，并確保設(shè)備的技術(shù)先進(jìn)性和能源的高效利用;考慮到企業(yè)的差異性，需因地制宜地制定減排策略和激勵(lì)措施，實(shí)現(xiàn)差異化管理;同時(shí)，還應(yīng)積極推動(dòng)電力交易體制改革，淘汰冗余裝機(jī)，提升機(jī)組有效利用小時(shí)數(shù)，更好地實(shí)現(xiàn)火電行業(yè)的碳排放目標(biāo)。

關(guān)鍵詞 碳排放;生產(chǎn)理論分解分析;半可處置性;火電企業(yè)

中圖分類(lèi)號(hào) C206? 文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 1002-2104（2020）04-0042-09? DOI：10.12062/cpre.20200913

自2011年起，中國(guó)已成為世界上最大的電力生產(chǎn)國(guó)?；鹆Πl(fā)電占比長(zhǎng)期高于70%，其中絕大多數(shù)來(lái)自比燃?xì)獍l(fā)電排放更高的煤電，電力與供熱行業(yè)的碳排放占比也始終保持在總量的44%以上[1]。目前，中國(guó)已提出2030年碳排放達(dá)峰，且單位國(guó)內(nèi)生產(chǎn)總值碳排放比2005年水平下降60%～65%的目標(biāo)。考慮到發(fā)電部門(mén)的高排放占比，火電企業(yè)作為電力部門(mén)中的市場(chǎng)參與主體和決策執(zhí)行單元，其排放變化很大程度上影響著全國(guó)的碳排放表現(xiàn)。為促進(jìn)企業(yè)減能增效，國(guó)務(wù)院在2007年出臺(tái)了“上大壓小”政策，鼓勵(lì)企業(yè)集中建設(shè)效率更高的大容量機(jī)組，淘汰小型機(jī)組。2013年開(kāi)始逐步向全國(guó)推行的碳排放權(quán)交易體系建設(shè)則進(jìn)一步激勵(lì)了企業(yè)減少排放以獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。2017年環(huán)保部印發(fā)的《火電廠污染防治可行技術(shù)指南》，則從技術(shù)層面規(guī)范了企業(yè)排放控制的可行路徑。因此，為了實(shí)現(xiàn)國(guó)家碳減排目標(biāo)，深入分析火電企業(yè)碳排放變化的驅(qū)動(dòng)因素，對(duì)于制定相應(yīng)的減排措施，實(shí)現(xiàn)國(guó)家減排承諾具有重要意義。

已有碳排放研究通常采用生產(chǎn)理論分解分析模型剝離生產(chǎn)中的無(wú)效率項(xiàng)，以分析高效運(yùn)營(yíng)條件下可能的減排路徑。但現(xiàn)有方法往往基于弱可處置性假設(shè)計(jì)算環(huán)境效率值，無(wú)法反映通過(guò)設(shè)備更新等方式實(shí)現(xiàn)技術(shù)升級(jí)、提高排放表現(xiàn)的可能性。為此，作者創(chuàng)新性地提出了基于半處置性假設(shè)的改進(jìn)生產(chǎn)理論分解分析模型。與已有研究相比，該模型避免了弱可處置性假設(shè)高估效率值的缺陷，使結(jié)果更好地反映真實(shí)生產(chǎn)過(guò)程，所得行業(yè)相關(guān)建議也更具參考價(jià)值。從研究視角而言，盡管火電企業(yè)在發(fā)電部門(mén)中具有重要地位，但目前尚未有針對(duì)企業(yè)碳排放的生產(chǎn)理論分解分析研究。因此，作者將火力發(fā)電企業(yè)作為研究對(duì)象?？紤]到火電行業(yè)高門(mén)檻和高集中度的特性，研究選取了中國(guó)17家主要的火電企業(yè)，運(yùn)用改進(jìn)的生產(chǎn)理論分解分析方法，分析了2008—2018年間的碳排放變化情況。同時(shí)，還創(chuàng)新性地從中央和地方國(guó)有企業(yè)視角進(jìn)行對(duì)比分析，探究排放驅(qū)動(dòng)因素及企業(yè)間的差異性，所得結(jié)果能夠?qū)痣娖髽I(yè)改革和減排政策制定提供參考。

1 文獻(xiàn)綜述

目前廣泛應(yīng)用的分解模型主要分為三類(lèi)：指數(shù)分解分析方法（index decomposition analysis，IDA），結(jié)構(gòu)分解分析方法（structural decomposition analysis，SDA），以及以數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）模型為基礎(chǔ)的生產(chǎn)理論分解分析方法（production-theoretical decomposition analysis，PDA）[2]。其中，IDA計(jì)算相對(duì)簡(jiǎn)單，通常從碳排放強(qiáng)度、能耗強(qiáng)度等角度解釋排放變化的原因[3];SDA則多基于投入產(chǎn)出表數(shù)據(jù)研究能源結(jié)構(gòu)、產(chǎn)業(yè)占比等因素對(duì)于總體碳排放產(chǎn)生的影響[4]。

然而，IDA與SDA均未考慮實(shí)際生產(chǎn)過(guò)程中環(huán)境效率對(duì)碳排放的影響，而PDA方法則可以較好地解決此類(lèi)問(wèn)題。與前兩種方法相比，PDA能夠在考慮投入產(chǎn)出過(guò)程的同時(shí)將環(huán)境效率納入分解分析框架，以消除運(yùn)行中的無(wú)效率項(xiàng)，進(jìn)而衡量潛在排放指標(biāo)的變化，分析高效運(yùn)營(yíng)下可能的減排路徑。Pasurk[5]在2006年首次將生產(chǎn)力理論框架納入PDA分解方法。Zhou和Ang[6]則進(jìn)一步明確了PDA方法的具體含義，并在分解中納入了基于弱可處置性假設(shè)的DEA環(huán)境效率值。在最近的研究中，PDA方法通常將DEA模型與對(duì)數(shù)平均迪式指數(shù)分解（logarithmic mean divisia index， LMDI）技術(shù)相結(jié)合。其主要過(guò)程包括：第一步，應(yīng)用DEA模型計(jì)算研究對(duì)象的環(huán)境效率值，評(píng)價(jià)其相對(duì)排放表現(xiàn);第二步，將效率值代入LMDI分析框架，利用該方法的優(yōu)勢(shì)計(jì)算各驅(qū)動(dòng)因素的影響[7]。由于環(huán)境效率值反映了決策單元相對(duì)于生產(chǎn)前沿面的距離，PDA方法能夠有效剝離生產(chǎn)中的無(wú)效率所帶來(lái)的影響[8]，從而更直觀地展示減排潛力和實(shí)際運(yùn)行效率變動(dòng)分別引起的排放變化。

目前，基于PDA的電力行業(yè)排放研究相對(duì)較少。Wang等[9]專(zhuān)注于發(fā)電行業(yè)碳排放，通過(guò)結(jié)合共同前沿分析（Meta-frontier Analysis）方法考慮了不同決策單元之間的異質(zhì)性因素，解釋了潛在能源強(qiáng)度、共同前沿表現(xiàn)等因素對(duì)不同類(lèi)別火電廠碳排放變化的影響。林伯強(qiáng)等[10]則將研究焦點(diǎn)專(zhuān)注于中國(guó)能源生產(chǎn)率的變動(dòng)及其影響因素，從可變規(guī)模報(bào)酬和地區(qū)技術(shù)差距兩個(gè)方面拓展了PDA的分析框架。除上述因素外，區(qū)域差異、能源結(jié)構(gòu)、經(jīng)濟(jì)活動(dòng)等指標(biāo)也被納入了分解框架中以從不同角度解釋電力行業(yè)碳排放變化[11-12]。

盡管具有較多優(yōu)勢(shì)，現(xiàn)有PDA研究在可處置性假設(shè)與研究視角方面仍然存在缺陷?，F(xiàn)有方法往往基于Faere等[13]提出的弱可處置性假設(shè)計(jì)算環(huán)境效率，即同一研究對(duì)象的碳排放和期望產(chǎn)出只能同比例增加或減少。該假設(shè)忽視了技術(shù)升級(jí)的可能性，傾向于高估決策單元的環(huán)境效率值，使分解結(jié)果產(chǎn)生偏差。與之相反，傳統(tǒng)的強(qiáng)可處置性假設(shè)則傾向于低估效率評(píng)價(jià)結(jié)果。為了解決這一問(wèn)題，Chen等[14]提出了半可處置性假設(shè)，認(rèn)為在達(dá)到現(xiàn)有技術(shù)限制前，企業(yè)可以通過(guò)設(shè)備升級(jí)等方式在期望產(chǎn)出不變的情況下實(shí)現(xiàn)碳減排;在超出現(xiàn)有技術(shù)范圍后，對(duì)碳排放的處理則與弱可處置性相同。該方法在DEA模型中同時(shí)考慮了設(shè)備升級(jí)可能與現(xiàn)有技術(shù)限制，與傳統(tǒng)的強(qiáng)、弱可處置性假設(shè)相比，其效率評(píng)價(jià)結(jié)果更接近真實(shí)的生產(chǎn)過(guò)程。目前，尚未有將半可處置性假設(shè)應(yīng)用于PDA方法的研究。

另一方面，在研究視角上，多數(shù)文章往往關(guān)注于國(guó)家或者省級(jí)層面的比較，分析整體碳排放變化的驅(qū)動(dòng)因素[15-16]，而尚未有學(xué)者將PDA方法應(yīng)用于發(fā)電企業(yè)的碳減排分析中。事實(shí)上，火電企業(yè)的技術(shù)水平、管理能力以及經(jīng)營(yíng)范圍往往與一個(gè)乃至多個(gè)地區(qū)發(fā)電部門(mén)的碳排放息息相關(guān)[17-18]， 是電力部門(mén)最主要的市場(chǎng)參與者和政策執(zhí)行者。因此，從企業(yè)的角度研究碳排放變化，所得結(jié)論能夠更符合生產(chǎn)實(shí)際，以指導(dǎo)未來(lái)的整體電力行業(yè)發(fā)展。

基于上述缺陷，作者創(chuàng)新性地提出了基于半可處置性的PDA模型，并分解了2008—2018年間中國(guó)主要火電企業(yè)碳排放變化的驅(qū)動(dòng)因素。通過(guò)賦予每一個(gè)決策單元具體的可處置性程度，該模型有效避免了已有方法存在的環(huán)境效率評(píng)價(jià)的偏差，并能夠準(zhǔn)確剝離企業(yè)運(yùn)營(yíng)中的無(wú)效率項(xiàng)，更真實(shí)地還原減排潛力和實(shí)際的效率變化對(duì)碳排放影響。與已有文獻(xiàn)相比，試圖在以下幾方面有所貢獻(xiàn)：①將半可處置性納入PDA分析模型中，拓展PDA方法的理論框架，使分解結(jié)果更精確。②立足于火電行業(yè)參與主體，從企業(yè)角度對(duì)排放變化進(jìn)行系統(tǒng)分析，有助于客觀評(píng)估企業(yè)環(huán)境表現(xiàn)，明確未來(lái)改進(jìn)方向。③從生產(chǎn)實(shí)際出發(fā)，針對(duì)性地引入裝機(jī)容量利用率作為驅(qū)動(dòng)因素，并分解出潛在排放強(qiáng)度、潛在能源強(qiáng)度的影響，從不同角度為電力部門(mén)節(jié)能降耗提出具有針對(duì)性的政策建議。

2 模型構(gòu)建

首先，計(jì)算半可處置性假設(shè)下決策單元的可處置性程度，以確定現(xiàn)有技術(shù)條件下可能的碳減排比例。然后，帶入改進(jìn)的Shephard距離函數(shù)中，分別計(jì)算以期望和非期望產(chǎn)出為導(dǎo)向的距離函數(shù)值。最后，將距離函數(shù)結(jié)果納入碳排放變化的分解過(guò)程中，利用LMDI方法量化各驅(qū)動(dòng)因素影響，形成改進(jìn)的生產(chǎn)理論分解分析框架。

2.1 非期望產(chǎn)出的可處置性程度計(jì)算

半可處置性假設(shè)的應(yīng)用是本文距離函數(shù)計(jì)算的核心環(huán)節(jié)之一。該假設(shè)為每個(gè)決策單元賦予不同的可處置性程度指標(biāo)αi，t以確定可能的減排幅度。采用發(fā)電企業(yè)的供電煤耗Qi，t（g/kW·h）計(jì)算企業(yè)的可處置性程度。該指標(biāo)不僅反映了發(fā)電機(jī)組的能源利用程度，同時(shí)也扣除了發(fā)電過(guò)程中消耗的廠用電量，因此能夠較為全面地體現(xiàn)企業(yè)現(xiàn)有的技術(shù)與管理運(yùn)營(yíng)水平[19]?？商幹眯猿潭鹊挠?jì)算過(guò)程為：

Q*t=min i=1，…，NQi，t（1）

αI，t=Q*t / Qi，t（2）

其中，Q*t 代表t時(shí)期所有發(fā)電企業(yè)可能達(dá)到的最優(yōu)技術(shù)水平，N表示火電企業(yè)個(gè)數(shù)，αi，1表示t時(shí)期第i個(gè)發(fā)電企業(yè)的可處置性程度，取值范圍在0到1之間。令Ci，t×αi，t代表t時(shí)期第i個(gè)企業(yè)的碳排放量，在半可處置性假設(shè)下，當(dāng)?shù)趇個(gè)企業(yè)的目標(biāo)排放量大于或等于Ci，t×αi，t時(shí)，則表明現(xiàn)有最優(yōu)技術(shù)水平能夠在保持期望產(chǎn)出不變的情況下降低排放，即滿足強(qiáng)可處置性假設(shè)條件;反之，減排目標(biāo)超出Ci，t×αi，1的部分則無(wú)法通過(guò)設(shè)備更換和改造達(dá)到，只能以同比例降低期望產(chǎn)出的方式實(shí)現(xiàn)，與弱可處置性假設(shè)對(duì)產(chǎn)出量的約束相同。

2.2 基于半可處置性的Shephard距離函數(shù)

PDA方法應(yīng)用DEA模型計(jì)算環(huán)境效率，并將距離函數(shù)結(jié)果及效率值納入碳排放變化的驅(qū)動(dòng)因素分析。Shephard距離函數(shù)由于具有簡(jiǎn)潔易用的特點(diǎn)，常被用作環(huán)境效率評(píng)價(jià)的研究工具[20]。作者將半可處置性假設(shè)應(yīng)用于Shephard距離函數(shù)中，避免了常用的弱可處置性假設(shè)高估決策單元效率值帶來(lái)的偏差?？紤]到發(fā)電行業(yè)屬于重資產(chǎn)行業(yè)，且主要成本集中于燃料采購(gòu)的特點(diǎn)，將資本（K）、 燃料成本（E）和人力成本（L）作為投入要素，將發(fā)電量（Y）和碳排放（C）作為期望和非期望產(chǎn)出?；谏鲜鲎兞?，以期望產(chǎn)出為導(dǎo)向的改進(jìn)Shephard距離函數(shù)為：

DY，ti0（Ki，t，Li，t，Ei，t，Yi，t，Ci，t）=maxβ

s.t.∑Ni=1λiKi，tKi0，t;∑Ni=1λiLi，tLi0，t

∑Ni=1λiEi，tEi0，t;∑Ni=1λiYi，tβYi0，t

∑Ni=1λiCi，tCi0，t;∑Ni=1λiCi，tαi0Ci0，t

λi0，i=1，…，N（3）

其中，DY，ti0表示在t時(shí)期技術(shù)水平下決策單元i0到前沿面的距離，即最優(yōu)期望產(chǎn)出Y與實(shí)際產(chǎn)出Yi0，t之比β;以期望產(chǎn)出為導(dǎo)向的環(huán)境效率值則可以由β的倒數(shù)表示;λi代表各項(xiàng)指標(biāo)的權(quán)重值。與傳統(tǒng)的處置性假設(shè)不同，半可處置性假設(shè)同時(shí)限制了非期望產(chǎn)出Ci0，t變動(dòng)的上界和下界，以更符合決策單元的自身情況和當(dāng)期技術(shù)水平。顯然，β1，且β值越大，決策單元距離前沿面越遠(yuǎn)，效率值越低。同理，可以計(jì)算得到以非期望產(chǎn)出為導(dǎo)向的距離函數(shù)Dc，ti0（Ki，t，Li，t，Ei，t，Ci，t）[21]，且距離函數(shù)取值越小，則效率值越低。

2.3 生產(chǎn)理論分解分析模型

PDA模型的優(yōu)勢(shì)在于可以將環(huán)境效率值納入碳排放的分解過(guò)程中，以此計(jì)算潛在排放強(qiáng)度等指標(biāo)?；谒眯屎途嚯x函數(shù)值，可以將t時(shí)期的碳排放量分解為：

Ci，t=Ci，t×Dc，ti0（Ki，t，Li，t，Ei，t，Ci，t）Ei，t×

Ei，tYi，t×DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）

×Yi，tICi，t×ICi，t×

DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）DC，ti0（Ki，t，Li，t，Ei，t，Ci，t）

=PCFi ，t×PEIi ，t×CURi ，t×ICi ，t×

DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）DC，ti0（Ki，t，Li，t，Ei，t，Ci，t）（4）

其中，Ci，t、Ei，t、Yi，t和ICi，t分別表示第i個(gè)決策單元t時(shí)期的碳排放總量、能源消耗量、火力發(fā)電量和裝機(jī)容量。等式右側(cè)第一項(xiàng)代表潛在排放強(qiáng)度（Potential Carbon Factor，PCF），其數(shù)值為半可處置性假設(shè)下最優(yōu)碳排放量與能源消耗量的比值。第二項(xiàng)表示潛在能源強(qiáng)度（Potential Energy Intensity，PEI），即單位產(chǎn)出所需的最低能耗。兩項(xiàng)指標(biāo)在計(jì)算時(shí)納入了距離函數(shù)值，消除了電力生產(chǎn)中的非效率項(xiàng)，分別給出了最優(yōu)情況下潛在碳排放與能源強(qiáng)度因素對(duì)排放總量的貢獻(xiàn)值。第三項(xiàng)和第四項(xiàng)為裝機(jī)容量利用率（Capacity Utilization Rate，CUR）和裝機(jī)容量（Installed Capacity，IC）指標(biāo)，分別表示企業(yè)已有發(fā)電能力的利用率和裝機(jī)容量的變化。由公式（4）表明，不同決策單元的CUR取值與其利用小時(shí)數(shù)成正比，能有效衡量現(xiàn)有設(shè)備利用程度對(duì)碳排放的影響。最后一項(xiàng)為兩個(gè)距離函數(shù)的比值，可以進(jìn)一步分解為公式（5）的形式：

DY，ti0（Ki，t，Li，t，Ei，t，Ci，t）Dc，ti0（Ki，t，Li，t，Ei，t，Ci，t）=Y*/YC*/C=C*Y*CY-1

=CPI-1i，t（5）

這里引入了碳排放績(jī)效（Carbon Performance Index， CPI）的概念[16]，其含義為最優(yōu)單位發(fā)電量碳排放與實(shí)際值之比。公式（4）最后一項(xiàng)可以表示為CPI的倒數(shù)形式，其數(shù)值越小，對(duì)應(yīng)決策單元的相對(duì)碳排放績(jī)效評(píng)價(jià)越高。

進(jìn)一步地，為了動(dòng)態(tài)分析碳排放的變化情況，需要對(duì)t到t+1時(shí)期的碳排放量之差進(jìn)行分解?？紤]到LMDI方法具有時(shí)間可逆性、零值穩(wěn)定性等良好性質(zhì)[22]，作者將其應(yīng)用于PDA分解框架中。同時(shí)，為了避免前沿面選擇的任意性帶來(lái)偏差，在分解時(shí)需要同時(shí)考慮t與t+1時(shí)期的前沿面基準(zhǔn)，具體過(guò)程為：

Ci，t+1-Ci，t=ωi×ln PCFi，t+1/PCFi，t+ωi×

lnPEIi，t+1/PEIi，t+ωi×lnCURi，t+1/CURi，t+

ωi×lnICi，t+1/ICi，t+ωi×ln CPI-1i，t+1/CPI-1i，t

=△PCFi，t+△PEIi，t+△CURi ，t+

△ICi，t+△CPI-1i，t（6）

其中，△大于零表示該因子在研究期間推動(dòng)了碳排放增加，反之則起到了抑制作用。ωi代表權(quán)重函數(shù)，表達(dá)式為ωi=L（Ci，t+1，Ci，t）。L（）表示一種算子，其計(jì)算過(guò)程如公式（7）所示：

L（a，b）=a-blna-lnb，a≠b

a，a=b（7）

以上分解過(guò)程中，潛在排放強(qiáng)度、潛在能源強(qiáng)度和碳排放績(jī)效均為基于t時(shí)期的前沿面計(jì)算所得。為了避免前沿面選擇的任意性，類(lèi)似地，我們可以得到在t+1時(shí)期前沿面下的計(jì)算結(jié)果。然后，對(duì)兩者的取值進(jìn)行算術(shù)平均即可以得到最終結(jié)果，即將相鄰期間的碳排放量之差分解為潛在能源強(qiáng)度因素（ΔPCF）、潛在排放強(qiáng)度因素（ΔPEI）、裝機(jī)容量利用率因素（ΔCUR）、裝機(jī)容量因素（ΔIC）以及碳排放績(jī)效因素（ΔCPI-1）之和。如公式（8）所示：

Ci，t+1-Ci，t=12（ΔPCFi，t+ΔPCFi，t+1）+

12（PEIi，t+PEIi，t+1）+12（△CURi ，t+

△CURi，t+1）+12（△ICi，t+△ICi，t+1）+

12（△CPI-1i，t+△CPI-1i，t+1）

=ΔPCF+ΔPEI+△CUR+△IC+△CPI-1

（8）

3 企業(yè)碳排放變化分解分析

3.1 指標(biāo)選取

在電力部門(mén)環(huán)境效率計(jì)算中，能源、資本和人力常作為投入指標(biāo)以反映必須的生產(chǎn)要素投入[9]?？紤]到火電企業(yè)主要的可變成本來(lái)自燃料采購(gòu)，研究選取了燃料成本作為能源投入量。作為主要的生產(chǎn)設(shè)備與固定資產(chǎn)，火電裝機(jī)容量則可以較好地反映主要資本投入量。研究進(jìn)一步選取了火電部門(mén)的應(yīng)付職工薪酬以代表企業(yè)的人力投入量[23-24]。在產(chǎn)出指標(biāo)方面，作為火電企業(yè)最主要產(chǎn)品與收入來(lái)源，火力發(fā)電量常被作為期望產(chǎn)出以衡量研究對(duì)象的生產(chǎn)水平。與之相對(duì)應(yīng)地，碳排放量常作為不可避免的非期望產(chǎn)出以衡量企業(yè)對(duì)環(huán)境的影響程度[25]。本研究中，碳排放量根據(jù)2006年《國(guó)家溫室氣體清單指南》數(shù)據(jù)計(jì)算得出[26-27]，可處置性程度則依據(jù)企業(yè)歷年供電煤耗值計(jì)算，企業(yè)能源消耗、火電裝機(jī)容量及發(fā)電量、供電煤耗數(shù)據(jù)來(lái)源于2008—2018年《中國(guó)電力工業(yè)統(tǒng)計(jì)資料匯編》，企業(yè)燃料成本及應(yīng)付職工薪酬數(shù)據(jù)來(lái)源于企業(yè)對(duì)應(yīng)年份的公開(kāi)年報(bào)。

3.2 可處置性程度分析

考慮到火電行業(yè)的高門(mén)檻特性，中國(guó)大部分的火力發(fā)電量來(lái)自數(shù)量較少的大型發(fā)電集團(tuán)。作者選取17家中國(guó)主要火電企業(yè)作為研究對(duì)象，見(jiàn)表1。根據(jù)Golany和Roll[28]提出的經(jīng)驗(yàn)法則，本研究火電企業(yè)數(shù)量大于投入與產(chǎn)出指標(biāo)個(gè)數(shù)的兩倍，不會(huì)對(duì)模型準(zhǔn)確性造成影響。所選企業(yè)在2018年火力發(fā)電量為31 747億kW·h，占全國(guó)火電總量的63.8%，能夠代表企業(yè)的整體運(yùn)行情況以及技術(shù)水平。同時(shí)，根據(jù)股權(quán)結(jié)構(gòu)和主要業(yè)務(wù)活動(dòng)范圍的差異，可以將其劃分為8家由中央直接或委托管理的全國(guó)性火電企業(yè)和9家經(jīng)營(yíng)范圍具有明顯地域特點(diǎn)的地方國(guó)有企業(yè)。圖1給出了所選企業(yè)研究期間的平均碳排放量，除國(guó)投電力與華潤(rùn)電力外，其余中央管理企業(yè)的年均碳排放均在200 Mt以上。而在地方國(guó)有企業(yè)中，只有廣東粵電年均排放量超過(guò)50 Mt。相較于地方性企業(yè)，中央管理企業(yè)的裝機(jī)容量、發(fā)電量規(guī)模更大，碳排放量也更高，是電力行業(yè)減排降耗的主力。

根據(jù)公式（1）和（2），可以得到2008—2018年各企業(yè)的平均可處置性程度，如圖1所示。大部分企業(yè)的指標(biāo)均值大于0.9，即與最優(yōu)技術(shù)管理水平相比可減排幅度低于10%，表明所選企業(yè)雖然存在一定的技術(shù)差距，但總體水準(zhǔn)較為一致。中央管理企業(yè)在規(guī)模上具有明顯優(yōu)勢(shì)，其中有6家企業(yè)年均碳排放大于200 Mt。其可處置性程度的內(nèi)部差異也較小，約在0.92～0.94之間，整體更為接近最優(yōu)值。與地方企業(yè)相比，由中央直接管理的發(fā)電集團(tuán)在資金投入、研發(fā)實(shí)力與經(jīng)營(yíng)管理方面具有明顯優(yōu)勢(shì)，現(xiàn)有燃煤發(fā)電技術(shù)也已達(dá)到世界先進(jìn)水平，進(jìn)步空間較小。

在地方國(guó)有企業(yè)中，可處置性程度的差異則較為明顯。主營(yíng)區(qū)域經(jīng)濟(jì)技術(shù)水平較為發(fā)達(dá)的企業(yè)可處置性程度相對(duì)較高，如申能集團(tuán)、京能集團(tuán)、深圳能源等。其中，申能集團(tuán)的均值為1，表明其供電煤耗值為全國(guó)最優(yōu)水平。申能集團(tuán)運(yùn)營(yíng)區(qū)域?yàn)樯虾Ｊ屑爸苓叺貐^(qū)，具有資本密集、技術(shù)先進(jìn)的特點(diǎn)。值得注意的是，在可處置性為1的條件下，應(yīng)用于申能集團(tuán)的半可處置性假設(shè)實(shí)質(zhì)上與弱可處置性相同，即減排目標(biāo)只能通過(guò)同比例減少發(fā)電量來(lái)實(shí)現(xiàn)，而無(wú)法通過(guò)技術(shù)與設(shè)備升級(jí)的方式達(dá)成。另一方面，結(jié)果表明主營(yíng)區(qū)域具有豐富煤炭資源的企業(yè)可處置性程度反而更低，如河北建投與山西電力。該類(lèi)企業(yè)能夠以較低的價(jià)格獲取電煤用于生產(chǎn)，相對(duì)較低的燃料成本反而降低了上述企業(yè)通過(guò)設(shè)備更換與技術(shù)升級(jí)提高發(fā)電效率的積極性，因此，與其余用煤主要依賴(lài)外地調(diào)入的企業(yè)相比，其減排潛力更高。

3.3 驅(qū)動(dòng)因素分解結(jié)果

計(jì)算基于半可處置性假設(shè)的環(huán)境效率，并帶入PDA框架中進(jìn)行分解分析，所得結(jié)果如表1所示。與Wang等[29]對(duì)中國(guó)火電部門(mén)研究結(jié)果相似，裝機(jī)容量因素對(duì)碳排放表現(xiàn)出了明顯的正向作用。除江西投資火電裝機(jī)容量在研究期間略有下降外，新增裝機(jī)容量是企業(yè)碳排放增長(zhǎng)最重要的推動(dòng)因素，且對(duì)中央管理的全國(guó)性發(fā)電集團(tuán)尤為明顯。2008—2018年間，中國(guó)的電力消費(fèi)量從3.42萬(wàn)億kW·h增長(zhǎng)至6.84萬(wàn)億kW·h[30]，需求側(cè)電力消費(fèi)量的提升推動(dòng)了供給側(cè)裝機(jī)容量的快速增長(zhǎng)，進(jìn)而引起整體排放的增加。

與之相反，裝機(jī)容量利用率大多呈負(fù)向變化，即對(duì)碳排放增長(zhǎng)具有抑制作用。裝機(jī)量的快速提升并不意味著裝機(jī)利用率的增長(zhǎng)，反而會(huì)因?yàn)樘嵘^(guò)快造成與電力需求的不匹配，使得部分裝機(jī)利用效率偏低，造成資源浪費(fèi)。同時(shí)，中國(guó)清潔能源發(fā)電的高速發(fā)展也導(dǎo)致電力供應(yīng)對(duì)火電的依賴(lài)逐漸降低，火電有效利用小時(shí)數(shù)不斷減小。

潛在排放強(qiáng)度因素表示在不含無(wú)效率項(xiàng)的情況下，單位能源消耗所產(chǎn)生的最低碳排放量。得益于研究期間發(fā)電機(jī)組的升級(jí)、能源結(jié)構(gòu)的改善以及電煤質(zhì)量的提升，潛在排放強(qiáng)度因素對(duì)大多數(shù)企業(yè)排放總量具有負(fù)向作用。除國(guó)電集團(tuán)外，這一影響在大型發(fā)電集團(tuán)中尤為明顯。同樣地，多數(shù)企業(yè)潛在能源強(qiáng)度因素取值也為負(fù)。這一因素表示最優(yōu)情況下單位發(fā)電量所需的能源消耗，其降低在一定程度上緩解了碳排放的增長(zhǎng)趨勢(shì)，也進(jìn)一步提升了企業(yè)可能的碳減排上限。

在碳排放績(jī)效方面，由于該指標(biāo)采用相對(duì)效率評(píng)價(jià)方法得出，因此可以反映出所選企業(yè)在行業(yè)中相對(duì)排放表現(xiàn)的變化情況。值得注意的是，在地方國(guó)有企業(yè)中，京能集團(tuán)、申能集團(tuán)、廣東粵電、廣州發(fā)展與深圳能源五家主要服務(wù)于經(jīng)濟(jì)、技術(shù)較為發(fā)達(dá)地區(qū)的企業(yè)排放績(jī)效變化均為負(fù)值或0。該因素表明上述企業(yè)的排放表現(xiàn)進(jìn)步幅度快于其他地方企業(yè)或一直處于最優(yōu)水準(zhǔn)，進(jìn)一步體現(xiàn)了地區(qū)經(jīng)濟(jì)技術(shù)水平對(duì)地方國(guó)有發(fā)電企業(yè)運(yùn)行效率的促進(jìn)作用。

3.4 企業(yè)對(duì)比與因素時(shí)變分析

整體而言，中央管理企業(yè)的體量要高于地方國(guó)有企業(yè)，經(jīng)營(yíng)涉及地域也更多。為了分析企業(yè)經(jīng)營(yíng)規(guī)模對(duì)碳排放驅(qū)動(dòng)因素的影響，圖2分別展示了不同驅(qū)動(dòng)因素對(duì)兩類(lèi)企業(yè)碳排放變化的影響情況?？梢钥闯?，新增裝機(jī)容量為兩類(lèi)企業(yè)最重要的排放增長(zhǎng)來(lái)源，貢獻(xiàn)占比均在65%以上。除裝機(jī)容量增長(zhǎng)外，其余因素均為負(fù)值，但在占比上有所不同。對(duì)于中央管理企業(yè)而言，潛在排放強(qiáng)度與潛在能源強(qiáng)度對(duì)于減排的貢獻(xiàn)顯著高于地方國(guó)有企業(yè)。究其原因，該類(lèi)企業(yè)在規(guī)模上具有顯著優(yōu)勢(shì)，有更充足的技術(shù)與經(jīng)濟(jì)實(shí)力引進(jìn)超超臨界燃煤機(jī)組、整體煤氣化聯(lián)合循環(huán)等先進(jìn)設(shè)備和技術(shù)。綜合來(lái)看，中央管理企業(yè)單位發(fā)電量的減排潛力在研究期間的提升幅度更高。

相比之下，裝機(jī)容量利用率與碳排放績(jī)效變化的減排效果在地方國(guó)有企業(yè)中更為顯著。隨著近年來(lái)中國(guó)電力供需形勢(shì)的變化，火電供給總體呈現(xiàn)過(guò)剩局面，火電機(jī)組有效運(yùn)行小時(shí)數(shù)持續(xù)承壓。全國(guó)性企業(yè)在爭(zhēng)取發(fā)電額度、生產(chǎn)管理調(diào)度上具有優(yōu)勢(shì)，而地方國(guó)有企業(yè)則有更高比例的減排幅度是已有裝機(jī)得不到充分利用所導(dǎo)致。碳排放績(jī)效因素對(duì)該類(lèi)企業(yè)的減排貢獻(xiàn)更高，這主要是由于地方國(guó)有企業(yè)相對(duì)規(guī)模較小，對(duì)已有設(shè)備升級(jí)改造所需的投入也相對(duì)較小，其在環(huán)境表現(xiàn)指標(biāo)上的提高幅度要比規(guī)模更大的央企更高。

圖3顯示了所選企業(yè)代表性年份各因素的動(dòng)態(tài)變化情況。其中，裝機(jī)容量因素對(duì)碳排放增長(zhǎng)的促進(jìn)作用在研究期間呈現(xiàn)降低趨勢(shì)?？傮w而言，盡管新增裝機(jī)容量是發(fā)電企業(yè)碳排放增加的最主要驅(qū)動(dòng)力，但隨著中國(guó)經(jīng)濟(jì)增速放緩、高能耗產(chǎn)業(yè)比重降低以及電源結(jié)構(gòu)的多元化發(fā)展，新增火電需求不斷減少，裝機(jī)容量因素在2017—2018年間已不再是主要的排放影響因子。與此同時(shí)，現(xiàn)有裝機(jī)利用程度在2008—2015年間也呈現(xiàn)降低趨勢(shì)。盡管在研究末期這一趨勢(shì)有所緩解，但未來(lái)受到清潔能源發(fā)展的影響，火電行業(yè)將持續(xù)承壓，并將逐漸向低負(fù)荷發(fā)電和調(diào)峰定位轉(zhuǎn)變。如何合理利用存量裝機(jī)，積極保證有效利用小時(shí)數(shù)將是火電行業(yè)面臨的重要問(wèn)題。潛在排放強(qiáng)度、潛在能源強(qiáng)度與碳排放績(jī)效因素衡量了發(fā)電行業(yè)減排潛力和排放表現(xiàn)的變化情況，三種因素在研究期間對(duì)排放降低均有顯著的促進(jìn)作用。需要關(guān)注的是，已有研究更多揭示了排放表現(xiàn)提升對(duì)行業(yè)減排的促進(jìn)作用，但本文對(duì)因素時(shí)變分析表明，2017—2018年間三項(xiàng)指標(biāo)降低幅度均低于前期水平，尤其是潛在排放強(qiáng)度和能源強(qiáng)度因素。這一趨勢(shì)主要是由于中國(guó)火電技術(shù)已總體處于世界領(lǐng)先水平，受到單位減排成本約束以及燃燒熱效率的固有限制，難以實(shí)現(xiàn)排放表現(xiàn)的持續(xù)提升，體現(xiàn)了火力發(fā)電形式的局限性。

4 結(jié)論與建議

文章創(chuàng)新性地提出了基于半可處置性假設(shè)的PDA模型，研究了2008—2018年中國(guó)17家火電企業(yè)的碳排放變化情況及其驅(qū)動(dòng)因素。與已有研究相比，不僅能夠避免弱可處置性高估環(huán)境效率帶來(lái)的結(jié)果偏差，同時(shí)，也從企業(yè)角度應(yīng)用PDA方法對(duì)發(fā)電行業(yè)碳排放進(jìn)行分解分析。研究針對(duì)性地引入了裝機(jī)容量利用率因素，并進(jìn)行了企業(yè)對(duì)比與因素時(shí)變趨勢(shì)分析，所得結(jié)論與過(guò)往研究相比，對(duì)火電企業(yè)改革和減排政策制定更具參考價(jià)值。

研究結(jié)果表明：①裝機(jī)容量增長(zhǎng)是研究期間碳排放增加的主要驅(qū)動(dòng)因素。裝機(jī)利用率呈現(xiàn)降低趨勢(shì)，潛在排放強(qiáng)度、潛在能耗強(qiáng)度等因素則對(duì)減排起到積極作用。與Wang等[9]的結(jié)論相似，研究發(fā)現(xiàn)盡管2008年以來(lái)中國(guó)火力發(fā)電量大幅增加，但得益于技術(shù)升級(jí)與設(shè)備改造帶來(lái)的效率提升，近年來(lái)碳排放增長(zhǎng)趨勢(shì)得以緩解。②中央管理與地方國(guó)有企業(yè)差異顯著。中央管理企業(yè)可處置性程度內(nèi)部差異小且整體取值較高，其潛在排放強(qiáng)度、潛在能耗強(qiáng)度以及現(xiàn)有裝機(jī)利用率因素對(duì)減排貢獻(xiàn)較高，但碳排放績(jī)效的提升幅度相對(duì)較低。同時(shí)，進(jìn)一步發(fā)現(xiàn)主營(yíng)區(qū)域經(jīng)濟(jì)技術(shù)較為發(fā)達(dá)的地方企業(yè)可處置性程度相對(duì)更高，表明經(jīng)濟(jì)技術(shù)水平對(duì)火電環(huán)境效率的提升也具有積極的促進(jìn)作用。③從變化趨勢(shì)來(lái)看，新增裝機(jī)對(duì)排放增量的貢獻(xiàn)明顯減少，裝機(jī)利用率在前期下降后在2017—2018年有所回升，且成為主要影響因素。與已有研究不同，因素時(shí)變分析還表明碳排放績(jī)效等與發(fā)電效率有關(guān)的指標(biāo)受到發(fā)電形式局限與減排成本的限制，難以實(shí)現(xiàn)持續(xù)快速地提升。

基于上述分析，提出如下建議以提升火電企業(yè)碳排放表現(xiàn)。

（1）嚴(yán)控火電總量，確保機(jī)組技術(shù)先進(jìn)性?？紤]到電力消費(fèi)的增速逐漸趨緩，為實(shí)現(xiàn)火電機(jī)組的高效、節(jié)能利用，政府應(yīng)該嚴(yán)控火電裝機(jī)總量，避免新增裝機(jī)容量持續(xù)成為排放增長(zhǎng)的主要推動(dòng)力。同時(shí)，強(qiáng)化對(duì)現(xiàn)存設(shè)備的環(huán)保與排放要求，鼓勵(lì)采用先進(jìn)、大型的發(fā)電機(jī)組進(jìn)行產(chǎn)能置換，提升現(xiàn)有機(jī)組的能效水平。

（2）因地制宜，制定差異化減排政策和激勵(lì)措施。由分解結(jié)果可知，受主營(yíng)區(qū)域經(jīng)濟(jì)技術(shù)水平的影響，不同的地方國(guó)有企業(yè)排放表現(xiàn)差異顯著。一方面政府應(yīng)著手強(qiáng)化對(duì)低效火電企業(yè)的監(jiān)管，促進(jìn)地方與中央企業(yè)間技術(shù)和管理經(jīng)驗(yàn)交流，實(shí)現(xiàn)整體環(huán)境效率的提升;另一方面，也應(yīng)努力推動(dòng)發(fā)達(dá)地區(qū)企業(yè)，如申能集團(tuán)、京能集團(tuán)等試點(diǎn)先進(jìn)火電技術(shù)，驗(yàn)證碳捕集與封存等先進(jìn)發(fā)電方式的技術(shù)可行性，拓展火電生產(chǎn)前沿面。從電源結(jié)構(gòu)來(lái)看，考慮到火電效率的提升受到發(fā)電形式的固有限制而逐漸減緩，企業(yè)還應(yīng)積極探索多元化和清潔化的發(fā)電形式，立足經(jīng)營(yíng)區(qū)域的自然條件，大力發(fā)展風(fēng)電、光伏、光熱等多種可再生能源，在提供清潔電力的同時(shí)實(shí)現(xiàn)企業(yè)的可持續(xù)發(fā)展。

（3）推動(dòng)電力交易體制改革，提升現(xiàn)有裝機(jī)利用率。通過(guò)培育市場(chǎng)化競(jìng)爭(zhēng)體系，淘汰火電行業(yè)中的低效冗余裝機(jī)，鼓勵(lì)企業(yè)通過(guò)提升設(shè)備利用率、降低能源消耗以獲得成本優(yōu)勢(shì)。同時(shí)，還應(yīng)加快完善跨區(qū)電力交易機(jī)制?？紤]到裝機(jī)容量利用率指標(biāo)在研究期間總體呈現(xiàn)降低趨勢(shì)，且在地方國(guó)有企業(yè)中尤為明顯，推動(dòng)跨區(qū)電力交易能夠鼓勵(lì)清潔、低成本的優(yōu)質(zhì)電力資源跨區(qū)調(diào)配輸送，進(jìn)一步提升具有競(jìng)爭(zhēng)力企業(yè)的機(jī)組有效利用小時(shí)數(shù)。

參考文獻(xiàn)

[1]International Energy Agency. Global energy and CO2 status report 2018[R]. Paris： IEA， 2019.

[2]WANG Q W， CHIU Y H， CHIU C R. Driving factors behind carbon dioxide emissions in China： a modified production-theoretical decomposition analysis[J]. Energy economics， 2015， 51：252-260.

[3]WANG H， ANG B W， SU B. Assessing drivers of economy-wide energy use and emissions： IDA versus SDA[J]. Energy policy， 2017， 107：585-599.

[4]張納軍， 程郁泰， 肖紅葉. 我國(guó)碳排放因素時(shí)變分解分析：基于生產(chǎn)理論分解分析模型的研究[J]. 江西財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2018（3）：23-30.

[5]PASURKA C A. Decomposing electric power plant emissions within a joint production framework[J]. Energy economics， 2006， 28（1）：26-43.

[6]ZHOU P， ANG B W. Decomposition of aggregate CO2 emissions： a production-theoretical approach[J]. Energy economics， 2008， 30（3）：1054-1067.

[7]陳菡， 於世為. 中國(guó)生活能源消費(fèi)的典型污染物排放及驅(qū)動(dòng)因素研究[J]. 中國(guó)人口·資源與環(huán)境， 2017， 27（12）：40-51.

[8]WANG H， ANG B W， ZHOU P. Decomposing aggregate CO2 emission changes with heterogeneity： an extended production-theoretical approach[J]. The energy journal， 2018.DOI：10.5547/01956574.39.1.hwan.

[9]WANG H， ZHOU P， XIE B C， et al. Assessing drivers of CO2 emissions in Chinas electricity sector： a metafrontier production-theoretical decomposition analysis[J]. European journal of operational research， 2019， 275（3）：1096-1107.

[10]林伯強(qiáng)， 杜克銳. 我國(guó)能源生產(chǎn)率增長(zhǎng)的動(dòng)力何在：基于距離函數(shù)的分解[J]. 金融研究， 2013（9）：84-96.

[11]ZHANG M， LIU X， WANG W， et al. Decomposition analysis of CO2 emissions from electricity generation in China[J]. Energy policy， 2013， 52：159-165.

[12]LIU N， MA Z， KANG J. A regional analysis of carbon intensities of electricity generation in China[J]. Energy economics， 2017， 67：268-277.

[13]FAERE R， GROSSKOPF S， LOVELL C A K， et al. Multilateral productivity comparisons when some outputs are undesirable： a nonparametric approach[J]. The review of economics and statistics， 1989， 71（1）：90.

[14]CHEN L， WANG Y， LAI F. Semi-disposability of undesirable outputs in data envelopment analysis for environmental assessments[J]. European journal of operational research， 2017， 260（2）：655-664.

[15]范丹. 中國(guó)能源消費(fèi)碳排放變化的驅(qū)動(dòng)因素研究：基于LMDI-PDA分解法[J]. 中國(guó)環(huán)境科學(xué)， 2013， 33（9）：1705-1713.

[16]WANG H， ZHOU P. Multi-country comparisons of CO2 emission intensity： the production-theoretical decomposition analysis approach[J]. Energy economics， 2018， 74：310-320.

[17]徐靜， 張瑜璇. 火力發(fā)電企業(yè)離散決策及其對(duì)碳排放權(quán)價(jià)格影響[J]. 管理工程學(xué)報(bào)， 2020， 34（2）：105-115.

[18]XU J P， FENG Q， LV C ， et al. Low-carbon electricity generation-based dynamic equilibrium strategy for carbon dioxide emissions reduction in the coal-fired power enterprise[J]. Environmental science and pollution research， 2019， 26（36）：36732-36753.

[19]安洪光， 張琳， 靳坤坤， 等. 基于綜合用電煤耗的電力高質(zhì)量發(fā)展評(píng)價(jià)指標(biāo)研究及應(yīng)用[J]. 熱力發(fā)電， 2020（2）：10-16.

[20]田立新， 張蓓蓓. 中國(guó)碳排放變動(dòng)的因素分解分析[J]. 中國(guó)人口·資源與環(huán)境， 2011， 21（11）：1-7.

[21]ZHANG X P， TAN Y K， TAN Q L， et al. Decomposition of aggregate CO2 emissions within a joint production framework[J]. Energy economics， 2012，34（4）：1088-1097.

[22]林伯強(qiáng)， 杜克銳. 理解中國(guó)能源強(qiáng)度的變化：一個(gè)綜合的分解框架[J]. 世界經(jīng)濟(jì)， 2014， 37（4）：69-87.

[23]劉佳， 劉伊生， 施穎， 等. 基于DEA的我國(guó)上市建筑企業(yè)生產(chǎn)效率研究[J]. 科技管理研究， 2016， 36（16）：214-218.

[24]劉傳江，向曉建，李雪.人力資本積累可以降低中國(guó)二氧化碳排放嗎：基于中國(guó)省域人力資本與二氧化碳排放的實(shí)證研究[J].江南大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2021，20（2）：76-88.

[25]XIE B C， GAO J， ZHANG S， et al. The environmental efficiency analysis of Chinas power generation sector based on game cross-efficiency approach[J]. Structural change and economic dynamics， 2018， 46：126-135.

[26]王常凱， 謝宏佐. 中國(guó)電力碳排放動(dòng)態(tài)特征及影響因素研究[J]. 中國(guó)人口·資源與環(huán)境， 2015， 25（4）：21-27.

[27]蔣毅一，彭林，趙爽，等.基于空間計(jì)量的中國(guó)省域火電行業(yè)碳排放效率分析[J].山東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019，31（2）：31-42.

[28]GOLANY B， ROLL Y. An application procedure for DEA[J]. Omega， 1989， 17（3）：237-250.

[29]WANG S G， ZHU X J， SONG D， et al. Drivers of CO2 emissions from power generation in China based on modified structural decomposition analysis[J]. Journal of cleaner production， 2019， 220：1143-1155.

[30]中國(guó)電力企業(yè)聯(lián)合會(huì). 中國(guó)電力行業(yè)年度發(fā)展報(bào)告（2019）[R]. 2019.

Drivers of CO2 emissions from thermal power enterprises based on production-theoretical decomposition analysis

XIE Baichen1 TAN Xinyun1 ZHANG Shuang2

（1. College of Management and Economics， Tianjin University， Tianjin 300072， China;

2. School of Economics and Management， Tianjin Chengjian University， Tianjin 300384， China）

Abstract The analysis of the carbon emission changes and emission reduction potential of thermal power enterprises is the premise and foundation of realizing the emission reduction target of the power sector and even the country. This paper proposed a modified production-theoretical decomposition analysis （PDA） approach based on semi-disposability， aiming to study the trends and driving factors of the carbon emission changes of seventeen Chinese main thermal power enterprises from 2008 to 2018. The factor of capacity utilization rate （CUR） was introduced specifically， the dynamic changes of the decomposition results were analyzed and the differences between the state-owned enterprises administered by the central government and those administered locally were compared， aiming to provide new inspirations for the policy formulation and reform of thermal power enterprises. The results of this empirical study showed that： ① During the study， carbon emissions of all enterprises grew， and the change of installed capacity was taken as the most important driving force. However， the rising trends of emissions were restrained by the capacity utilization rate， the potential carbon factor （PCF）， the potential emission intensity （PEI） and the carbon performance index （CPI） to varying degrees. ② The classification analysis demonstrated that the centrally-administered enterprises shared higher non-disposal degrees and smaller internal differences. As for state-owned enterprises administered locally， those in economically developed areas were endowed with higher disposal degrees， while enterprises closer to coal resources performed relatively worse. Also， there were differences between the two kinds of enterprises in the proportion of driving factors. ③ From the perspective of dynamic changes， the contribution of the newly installed capacity declined gradually， and the capacity utilization rate had become the main driving force of carbon emissions. The utilization rate of the existing installed capacity was low in recent years， which needed to be improved urgently. In the future， it is important for us to keep controlling the total amount of newly installed capacity and ensure the progressiveness of the equipment along with the efficient use of energy. Considering the differences among enterprises， we should formulate emission reduction strategies and incentive measures according to local conditions. Furthermore， it is important for us to actively promote the reform of electricity trading mechanism and eliminate redundant installed capacity in order to improve the effective utilization hours and better achieve the emission reduction target in the thermal power industry.

Key words carbon emission; production-theoretical decomposition analysis; semi-disposability; thermal power enterprise

（責(zé)任編輯：劉照勝）

收稿日期：2020-06-03? 修回日期：2020-09-21

作者簡(jiǎn)介：解百臣，博士，教授，博導(dǎo)，主要研究方向?yàn)槟茉喘h(huán)境政策與管理、管理決策與運(yùn)籌技術(shù)。E-mail：xiebaichen@tju.edu.cn。

通信作者：張爽，博士，講師，主要研究方向?yàn)榈吞及l(fā)展與環(huán)境政策。E-mail：zhang_shuang1985@tcu.edu.cn。

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目“考慮異質(zhì)性因素影響的電力系統(tǒng)環(huán)境成本效率改進(jìn)策略研究”（批準(zhǔn)號(hào)：71874121）;國(guó)家重點(diǎn)研發(fā)計(jì)劃“研究我國(guó)城市建設(shè)綠色低碳發(fā)展技術(shù)路線圖”（批準(zhǔn)號(hào)：2018YFC0704400）;國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目“微電網(wǎng)提高可再生能源利用的機(jī)制創(chuàng)新與頂層設(shè)計(jì)”（批準(zhǔn)號(hào)：17ZDA065）。