燃煤电厂经营绩效评价及污染减排路径选择——基于环境约束视角的传统BCC和超效率BCC.doc

燃煤电厂经营绩效评价及污染减排路径选择基于环境约束视角的传统BCC和超效率BCC 摘 要 在曾绍伦等人2009的研究基础上，针对多个决策单元同时处于效率前沿的情况，使用传统BCC和超效率BCC，评价了基于环境约束视角的燃煤电厂经营绩效，就如何在现有技术条件下稳步推进污染减排计划提出建议.研究认为无论从传统BCC模型还是超效率BCC模型来看，标号为9和10的燃煤电厂的经营绩效都处于前列，是其他燃煤电厂效法的标杆，而标号为7的燃煤电厂的经营绩效最差；在现有技术水平条件下，推进污染减排计划将不可避免地带来经营绩效的下降，稳妥的计划推进路径应该是“废水→粉煤灰→SO2→烟尘→NO2”. 关键词 燃煤电厂；污染减排；路径选择；超效率 中图分类号 F426 文献标识码 A Efficiency uation and Pollution Reduction Path Choice of Coalfired Power PlantsEnvironmental Restriction Perspective Based on Traditional 2, Business School, CUFE, Beijing 100088; 3.School of Applied Technology, CUMT, Xuzhou,Jiasu 221116 Abstract With the research foundation of Zeng et al. 2009, and given many DMUs on the frontier at the same time, both the traditional and the super efficiency models were used to uate the operational efficiency of coalfired power plants from the perspective of environmental restriction,and the proposal to promote pollution reduction was also given. The results suggest that both power plant 9 and 10 have the best efficiency perance, which are the benchmarks of the other coalfired power plants, while power plant 7 shows the worst perance.Given the current technology to promote pollution reduction will low the efficiency inevitably, while “wastewater→flying ash→SO2→smoke pollution reduction; path choice; super efficiency 1 引 言 1978至2009年的30多年间，中国电力工业得到迅速发展，发电装机容量由1978年的5 712 万kw增到2009年的逾87 407 万kw，年均增长速度为8.9.由于煤炭在一次能源结构中的主导地位，决定了电力生产中以煤电为主的格局.2009年，火电机组的发电量占总发量的74.6，其中所消耗的煤炭占煤炭总产量的47.5.能源研究所IPAC模型研究组对中国电力部门未来发展的预测结果表明，到2020年中国的电力装机容量将达到9.61 亿kw，发电量达到4.44 万亿kwh；到2030年中国的电力装机容量将继续增加到12.4 亿kw，发电量增加到5.95 万亿kwh.届时，燃煤电厂装机容量将在6.0 亿kw，仍占60左右.然而，燃煤电厂在生产过程中会产生大量的温室气体以及二氧化硫、氮氧化物、粉尘、废水等多种污染物，使其发展受到环境的严重制约.对此，从环境约束视角考察燃煤电厂的经营绩效、提出稳妥的污染减排计划实施路径，具有重要的现实操作价值. 然而，对循环经济视角对燃煤电厂经营绩效的实证研究目前尚不多见，已有的文献多数是围绕地区视角展开的.文献［1］利用DEAData Envelopment Analysis, 数据包络分析三阶段分析法对2004年中国30个省火电行业进行了排除环境变量和统计噪音影响的技术效率分析，结果表明很多省份火电行业效率水平的确受到地区经济发展水平、资源禀赋等环境变量和好坏运气的影响,在同质经营环境下规模效率不高的问题更为突出.文献［2］基于效率的视角，利用三阶段DEA从非规制、弱规制、强规制三个层次分析环境规制程度与中国火电行业效率的关系，得出环境规制可以提升中国火电行业整体的效率水平的结论，并将中国各地区火电行业的发展模式划分为内力驱动环境友好型、环境弱友好型和外力推动环境友好型三种.文献［3］测度了2002-2007年间我国各省火电行业的经营绩效，发现在环境约束的情况下，沿海地区和煤炭资源相对丰富的省份，火电行业技术效率较高；进一步的研究发现，机组容量利用率、燃煤效率与环境约束对技术效率有显著的影响，但是，文章在最后遗憾地指出“我国电力体制改革对技术效率的促进作用并没有得到体现”，这暗示着我国电力体制改革远未结束，换言之，就污染减排而言，涉足电力体制改革的深水区必然要求研究人员以企业层面的数据为研究对象. 经 济 数 学第 29卷第1期吉生保等燃煤电厂经营绩效评价及污染减排路径选择 文献［4］的研究对象与上述要求最为接近.其利用调研得到的一手数据对10个燃煤电厂的纯技术效率和规模效率进行了研究，并进一步指出投入产出冗余及改进方向；但是该文在分析过程中并没有对各类污染排放予以足够的重视，稍显不足.此外，在研究方法上，由于仅使用BCC模型，该文无法对多个同时处于效率前沿的DMUsDecision Making Units，决策单元区分，使得政策建议的针对性削弱.为了从以上方面推进文献［4］的研究，本文仍基于其调查数据，应用传统BCC模型和超效率BCC模型，从环境约束视角对燃煤电厂的经营绩效进行评价；并进一步借鉴经济学中的比较静态分析思路，提出在现有技术条件下稳妥推进污染减排计划的路径. 值得注意的是，上述文献对非期望产出的处理方法不尽相同.借鉴文献［5］的研究思想，文献［1］将污染物视为投入；按照文献［6］提供的方法，文献［2］将污染物转换为“正常产出”；参考文献［7］的研究建议，文献［3］用方向距离函数方法将污染物作为“坏产出”.对此，文献［8］曾在理论上证明处理非期望产出的各种方法的结果是趋同的.此外，在投入导向还是产出导向的选择上，上述文献也是不一致的.文献［1］选择了投入导向，文献［2］的研究中又选择了产出导向；而文献［3］虽然没有明确指出所选导向，但是类似文献［9］中所描述的“非导向nooriented measure”.对此，文献［10］研究认为，在多数情况下，导向的选择对所求问题结果的影响不会太大.综合以上研究成果，结合我国火电行业当前“产能过剩、订单生产以及节能减排”的现状，本文使用将污染物视为投入的处理方法，选择投入导向.巧合的是，文献［4］亦使用将污染物视为投入的处理方法，亦选择投入导向.鉴于此，本文的研究和分析结论完全可以视为文献［4］的深入和推广. 2 研究工具和方法 2.1 传统BCC模型 针对CCR模型只能处理具有不变规模报酬特征的DMU效率评估问题，文献［11］开发了BCC模型为了与下文表示区分，这里称为传统BCC模型，即考虑有I个DMU，投入/产出集合分别是Θ/ΞJ/R分别表示对应元素数量的情况.对于任意一个DMUo，BCC模型投入导向，下同可以表示为 min θo－ε［∑Jj1s－j∑Rr1sr］ s.t.∑Ii1λixijs_jθoxjo;j∈Θ,∑Ii1λiyir－sryro;rΞ,s－j,sr,λi≥0,∑Ii1λi1.1 若θ*o1，DMUs为技术有效而规模无效；若θ*o＜1，DMUs为技术和规模均无效. 2.2 超效率BCC模型 为了进一步对处于效率前沿面的DMUs进行效率排名，文献［12］建议的式1对应的超效率BCC模型可以表示为 min θo－ε［∑Jj1s－j∑Rr1sr］ s.t.∑Ii≠oλixijs_jθoxjo;j∈Θ,∑Ii≠oλiyir－sryro;r∈Ξ,s－j,sr,λi≥0,∑Ii≠oλi1. 2 式2与式1的区别在于，式1在对DMUo进行评价时，其自身DMUo的投入和产出是包括在内的；而式2将DMUo的投入和产出排除在外，其投入和产出由其他DMU的投入和产出的线性组合代替.一个有效的DMU可以使其投入按比率增加，而其技术效率保持不变，其投入增加比率即其超效率评价值.因此，在超效率BCC模型中，对于无效率的DMU，其效率值与传统BCC模型一致；而对于有效率的DMU，以1.18为例，表示该即使再等比例地增加18的投入，它在整个样本集合中仍能保持相对有效即仍能维持1的效率值水平. 3 实证结果及相关分析 3.1 样本数据及投入产出指标介绍 参考发改委等部颁发的循环经济指标体系，借鉴物质流分析方法，结合国内燃煤电厂生产实际和环境保护政策等因素，本文构建出燃煤电厂循环经济评价指标体系.所用数据及指标源自文献［4］对10个燃煤电厂生产运行情况的调研和设计.需要说明的是，虽然在文献［4］的研究中没有给出变量单位，但在指标选择一致的情况下不影响各DMU之间的相对绩效，也不会影响污染减排路径的选择.限于篇幅，具体变量的指标含义见文献［4］. 3.2 现有技术条件下环境约束对燃煤电厂经营绩效的影响 毋庸置疑，从长期来看，燃煤电厂突破环境约束的根本出路在于技术的进步；然而，从中短期来看，在现有技术条件保持不变的情况下，直观判断，环境约束似乎与燃煤电厂经营绩效不可兼得，而且环境约束越严格，对经营绩效的影响可能越大. 为对上述直觉进行实证检验，借鉴文献［2］中“环境弱规制”的思路，现有技术条件保持不变意味着“正常投入”x1-x3以及产出y1-y4保持不变，而环境约束则意味着“非正常投入”x4-x8发生变化；为便于处理，本文假定各类非正常投入在环境约束下发生着“0-1”变化，即若对粉煤灰进行环境约束，则对于所有的DMU而言，x4都变为零，其他污染物排放保持不变.这样，环境约束决策空间就有2532种环境约束方案；特别地，除了完全没有环境约束和完全环境约束两种极端情况以外，部分的环境约束仍有25-230种方案，情况复杂，囿于篇幅，这里不逐一列出，只给出这30种方案对燃煤电厂经营绩效的平均影响情况.需要注意到，为求解传统BCC模型和超效率BCC模型，每一种方案又分别对应20个线性规划；从而，在计算了232201280个线性规划以后，表1报告了相应的检验结果. 注TE、PTE和SE表示含义同前文.big表示相应的超效率得分很高，即投入比例的任意增加都能保证其仍位于效率前沿，已不满足传统的TEPTESE，相应地，SE也就不存在记为none；对此，在计算平均值时将其剔除，而在相应的Friedman ANOVA检验中，考虑到DMU的数量本来就不多，借鉴线性规划中“大M法”的思想，统一令big10 000，none0. 首先，需要更正的是，文献［4］文中表2给出的CCR模型中DMU效率水平应为本文中表1a主体部分第一列，却误给出本文中表1a主体部分第三列对应为规模效率；两者相比之下，可以发现P07的效率水平被明显高估.其次，从文献［4］中表2可以发现，10个DMU中竟然有7个位于效率前沿直觉上，这7者之间不可能完全相同，而仅利用文献［4］使用的CCR和BCC模型无法对其做进一步的区分，这是本文选择超效率BCC模型的初衷.表1b显示，无论是否考虑环境约束，P09的经营绩效都是所有DMU中最高的，P10的经营绩效也较高，而且具有较好的稳健性，两者都是其他DMU的学习标杆；相比之下，无论使用传统BCC模型还是超效率BCC模型，与文献［4］的研究结论一致，P07的经营绩效都是最低的. 此外，从表1a可以发现，与前文的直观判断相一致，在现有技术条件不变的情况下，实施环境约束会带来燃煤电厂经营绩效的下滑；而且环境约束越严格，经营绩效的下降越明显.极端地，严禁任何污染物的排放会导致最低的经营绩效这一研究结论与文献［2］以我国各省火电行业为研究对象得出的结论类似，从微观角度反映了实施环境约束任务的艰巨性和困难性所在.表1b在传统BCC模型基础上利用超效率BCC模型进一步验证了上述判断.为了进一步检验上述差别是否具有统计学意义，表2报告了Friedman ANOVA检验结果.研究显示，不论是传统BCC模型还是超效率BCC模型，在现有技术条件不变的情况下，实施环境约束会对燃煤电厂的经营绩效包括纯技术效率和规模效率带来显著的变化；而且，由于超效率BCC模型的引进可以对同时处于效率前沿的DMU进行进一步的区分，从而表2b中对应的概率水平远小于表2a中对应的概率水平正式地，不能认为不同环境约束下得到的技术效率、纯技术效率以及规模效率源自同一总体分布. 当然，不同的污染减排计划带来的经营绩效的下降程度不尽一致.那么，是否存在一条使经营绩效下降最少的稳妥的污染减排计划实施路径呢下文就这一问题进行分析. 3.3 现有技术条件下稳妥推进污染减排计划的路径选择探讨 考虑到现实操作性，为突出工作重点，这一部分在前文的基础上进一步假定阶段性的环境约束只对一种污染排放进行，不考虑同时对多种污染排放进行环境约束的情况.借鉴经济学中比较静态的分析思路，逐一考察对每一种污染物实施环境约束以后的经营绩效.具体地，当对单位产值粉煤灰排放实施环境约束的时候，所有燃煤电厂的粉煤灰排放必须为零，而对其它污染排放没有要求，这样对应有2416种方案按照前面分析，完全理性DMU应该只满足环境约束，而对其他污染排放“大开绿灯”；但是现实中个人升迁、社会舆论等因素影响，很难保证经理人的决策与上述理性决策相一致。出于这一考虑，本文没有仅分析5种理性决策方案，而是对决策空间中所有可能情况进行分析，更具一般性.. 与上文类似，为求解传统BCC模型和超效率BCC模型，每一种方案又分别对应20个线性规划；在计算了516201 600个线性规划以后，表3报告了相应的经验结果. 就各个DMU而言，通过与表1对比可以发现，从传统BCC模型来看，首先对x8、x4或x6实施环境规制都会导致7家燃煤电厂的平均经营绩效含纯技术效率和规模效率出现不同程度的下滑；而若首先对x5或x7实施环境规制，则会导致10家燃煤电厂规模效率的全部下滑，引发的震荡可想而知.从超效率BCC模型来看，无论首先对哪种污染实施环境规制都会分别导致8家和9家燃煤电厂综合技术效率和纯技术效率的下滑；但是首先对x8、x4或x6实施环境规制会导致4家燃煤电厂规模效率的下滑，而如果首先对x5或x7实施环境规制，则会导致5家燃煤电厂规模效率的下滑. 进一步，就经营绩效平均值的稳定而言，从表3中可以看到，从传统BCC模型来看，稳妥的污染减排计划实施路径应该是“x8→x4→x6→x5→x7”；从超效率BCC模型来看，计划实施路径应该是“x8→x4→x6→x7→x5”.两者的差异只表现在最后的两个阶段，基本没有太大的差别.从实际运作角度来看，这样的路径选择也与传统的“先易后难、逐步推进”思路不谋而合，即先从较为容易实现的废水和粉煤灰减排入手，再考虑稍有难度的SO2减排，最后是难度较大的烟尘及NO2减排. 为谨慎起见，表4从统计学角度检验了上述污染减排计划实施路径之间有无显著性差异.换言之，如果各种减排计划实施路径之间并无显著区别，那么，就没有必要考虑所谓的实施路径问题，即对任何一种污染排放首先进行规制对燃煤电厂经营绩效的影响都是一样的.表4的检验结果显示，无论从传统BCC模型还是超效率BCC模型来看 ，不同的实施路径对燃煤电厂经营绩效的影响有显著差异，故而，上面的路径分析是很有必要的. 4 结论及政策建议 4.1 基本结论 本文在文献［4］的研究基础上，基于环境约束视角，运用传统BCC模型和超效率BCC模型对10家燃煤电厂的经营绩效及其分解项进行了分析比较，并进一步探讨了现有技术条件下稳妥推进污染减排计划的实施路径.研究结论显示第一，总体而言，P09和P10的经营绩效和稳定性都很好，是其他燃煤电厂学习的榜样和标杆，而P07的经营绩效则令人担忧，亟待改进；第二，在现有的技术条件下，污染减排计划的实施将会不可避免地带来燃煤电厂经营绩效的下滑，特别地，污染减排计划的实施力度越大，引起燃煤电厂经营绩效的下滑越明显；第三，不同的污染减排计划实施方案会带来燃煤电厂经营绩效不同程度的下滑，稳妥的计划实施方案路径应该是“废水→粉煤灰→SO2→烟尘→NO2”.4.2 政策建议 基于以上结论，为进一步提升燃煤电厂的经营绩效，积极稳妥推进污染减排计划，保证其协调、可持续发展，并发挥其对相关下游产业的电力保障作用.本文提出如下政策建议 1进一步扩大燃煤电厂的规模经济水平.鼓励P09和P10这样的优质企业通过参股、控股和收购等方式有效整合行业现有资源，合理扩大生产经营规模，提高产业集中度和规模经济水平.超效率BCC模型显示，这是燃煤电厂在环境约束下面临的迫切问题. 2在现有技术条件不变的情况下，要对实施污染减排计划所付出的效率代价有足够的认识.正所谓“天下没有免费的午餐”，作为“改革的阵痛”，短期来看，经营绩效与污染减排是“鱼和熊掌不可兼得”；进一步，“舍鱼而取熊掌”只是权宜之计，要想实现“鱼和熊掌兼得”，只有依靠技术条件的升级，乃至逐步改变对火电、煤电的过分依赖. 3稳妥的计划推进路径应该是“废水→粉煤灰→SO2→烟尘→NO2”.按照这一思路，对于SO2的规制是减排由易入难的关键点和转折点，从某种程度上决定了减排阶段性成果能否巩固和继续深入进行；对此，燃煤电厂应积极配合国家目前正在推行的SO2减排规划，争取享受相关宏观政策的“红利”.参考文献 ［1］ 白雪洁,宋莹.中国各省火电行业的技术效率及其提升方向基于三阶段DEA模型的分析［J］.财经研究,2008,341015-25. ［2］ 白雪洁,宋莹.环境规制、技术创新与中国火电行业的绩效提升［J］.中国工业经济,2009,868-77. ［3］ 王兵,卢金勇,陈茹. 环境约束下的中国火电行业技术效率及其影响因素实证研究［J］.经济评论, 2010,4 90-97. ［4］ 曾绍伦,任玉珑,王伟. 基于DEA的燃煤电厂循环经济评价研究［J］.中国人口资源与环境,2009,193113-118. ［5］ A HAILU, T S VEEMAN.Nonparametric Productivity Analysis with Undesirable Outputs An Application to the canadian pulp and paper industry［J］.American Journal of Agricultural Economics, 2001, 833605-616. ［6］ L M SEIFORD, J ZHU.Modeling undesirable factors in efficiency uation［J］.European Journal of Operational Research,2002,1421 16-20. ［7］ R FARE, S GROSSKOPF. Modeling undesirable factors in efficiency uationcomment［J］.European Journal of Operational Research,2004,1571242-245. ［8］ J P KORHONEN, M LUPTACIK. Ecoefficiency analysis of power plants an extension of data envelopment analysis［J］.European Journal of Operational Research, 2004,154（2）437-446. ［9］ H SCHEEL, Effizienzmaβe der Data envelopment analysis［M］Gabler, Wiesbaden, 2000. ［10］T J COELLI, S PERELMAN.A comparison of parametric and nonparametric distance functionswith application to european railways［J］.European Journal of Operational Research, 1999,117（2）326-339. ［11］R D BANKER, A CHARMES,W W COOPER.Some models for estimating technical and scale efficiencies in data envelopment analysis［J］. Management Science,1984，30（91078-1092. ［12］P ANDERSEN, N.C PETERSEN. A procedure for ranking efficient units in data envelopment analysis［J］. Management Science, 1993，39（101261-1264.