褚智亮，楊永標(biāo)，王旭東，黃 莉，王 冬

（1.國電南瑞科技股份有限公司，南京 210000；2.國網(wǎng)天津市電力公司電力科學(xué)研究院，天津 300384；3.南京理工大學(xué)，南京 210000）

如今中國城鎮(zhèn)化進(jìn)程大大加快、人們的生活水平也日益提高，建筑能耗呈現(xiàn)出快速的增長趨勢。工業(yè)化的快速發(fā)展和交通領(lǐng)域節(jié)能策略的實(shí)施，使得工業(yè)和交通的節(jié)能潛力空間越來越小，如何減小建筑領(lǐng)域能耗的工作成為重點(diǎn)。為此中國制定了“十二五”節(jié)能減排規(guī)劃，計(jì)劃到2015年，全國萬元國內(nèi)生產(chǎn)總值能耗下降到0.869噸標(biāo)準(zhǔn)煤，比2010年的1.034噸標(biāo)準(zhǔn)煤下降16%?！笆濉逼陂g，實(shí)現(xiàn)節(jié)約能源6.7億噸標(biāo)準(zhǔn)煤。完成此目標(biāo)的重中之重是在建筑節(jié)能方面取得重大突破。

目前，國內(nèi)對驅(qū)動建筑能耗增加影響因素的研究集中在影響因素的定性分析研究，并沒有定量的分析影響因素的大小。周大地運(yùn)用LEAP軟件情景預(yù)測2020年中國的建筑能耗，研究表明政策的執(zhí)行力度對建筑能耗影響很大，居民采暖能耗和公共建筑能耗就可造成2億噸標(biāo)準(zhǔn)煤的能源消費(fèi)差距［1］。清華大學(xué)建筑節(jié)能中心通過CBEM模型對2030年中國建筑能耗進(jìn)行了情景分析，主要研究了生活方式、技術(shù)水平、建筑面積三個(gè)關(guān)鍵驅(qū)動因素，結(jié)果顯示：當(dāng)建筑面積穩(wěn)定緩慢增長、人們保持自然和諧的生活方式、先進(jìn)技術(shù)得到大范圍推廣，2030年建筑能耗僅比2006年增加14%［2］。楊嘉等人認(rèn)為未來建筑能耗變化的主要影響因素包括城市化進(jìn)程的推進(jìn)、經(jīng)濟(jì)的發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整升級、人口的增長、能源價(jià)格和科技水平的提高［3］。

本文以天津市智能電網(wǎng)園區(qū)的建設(shè)為案例，創(chuàng)新的采用STIRPAT模型來分析研究驅(qū)動智能電網(wǎng)園區(qū)建筑能耗增長的影響因素。在之前的研究中STIRPAT模型常被用來解決能源環(huán)境中遇到的問題，國內(nèi)對該模型的應(yīng)用主要集中在研究碳排放的問題上。本文對智能電網(wǎng)園區(qū)能耗影響因素的作用機(jī)理及其影響程度的大小進(jìn)行了研究，在此基礎(chǔ)上運(yùn)用嶺回歸分析方法建立了能耗增長驅(qū)動因素的回歸模型，為智能電網(wǎng)園區(qū)制定建筑節(jié)能戰(zhàn)略提供了相關(guān)依據(jù)。

2 STIRPAT模型及其相關(guān)理論基礎(chǔ)

隨著工業(yè)領(lǐng)域革命的發(fā)生、科技的日新月異、人口的迅猛增長、經(jīng)濟(jì)的不斷發(fā)展，資源和環(huán)境給全球帶來的壓力也日益加劇。專家學(xué)者展開了大量研究關(guān)于人口、經(jīng)濟(jì)、科技對環(huán)境的影響，并提出了相關(guān)的數(shù)學(xué)模型。

2.1 IPAT模型及相關(guān)理論基礎(chǔ)

Ehrlich和Holden首次提出建立“IPAT”方程來定量反映人口、經(jīng)濟(jì)發(fā)展和科學(xué)技術(shù)對環(huán)境的影響，其中I是環(huán)境壓力（Impact），P是人口數(shù)量（Population），A是富裕度（Affluence），T為技術(shù)（Technology）［4，5］。學(xué)術(shù)界對該模型廣泛認(rèn)可，并將其用于分析影響環(huán)境的關(guān)鍵因素。此后，有學(xué)者對該模型進(jìn)行了改進(jìn)，提出了不同形式的擴(kuò)展模型。Schulze把人的行為因素B（Behavior）引入到IPAT模型中，提出“I＝PBAT”，他認(rèn)為人類不僅可以通過使用有效的技術(shù)手段來減少對環(huán)境的影響之外，還有更為有效的方式，如自身行為［6］。Waggoner和Ausube提出了IMPACT模型，把“I＝PAT”中的T分解成單位GDP的消費(fèi)（C）和單位消費(fèi)產(chǎn)生的影響（T）［7］。

2.2 STIRPAT模型及相關(guān)理論基礎(chǔ)

“I＝PAT”模型、“I＝PBAT”和“I＝PACT”模型，都是通過改變一個(gè)影響因素，并保持其它影響因素不變來分析問題，這種情況下得到的結(jié)果是變量的等比例變化，是這類模型最大的局限性。

為了更好的彌補(bǔ)IPAT的不足，York等人通過建立隨機(jī)模型來分析人口、經(jīng)濟(jì)、科技對環(huán)境的非比例影響。在IPAT模型的基礎(chǔ)上，建立了STIRPAT模型［8］，即：

式中 I——環(huán)境；P——人口；A——財(cái)富；T——技術(shù)；a——模型系數(shù)；b——人口影響指數(shù)；c——財(cái)富影響指數(shù)；d——技術(shù)驅(qū)動力的影響指數(shù)；e——模型的誤差。

IPAT模型事實(shí)上是STRIPAT模型的一種特殊形式，當(dāng)a＝b＝c＝d＝e＝l時(shí)，STRIPAT模型就轉(zhuǎn)化為IPAT模型了。STIRPAT模型是一個(gè)非線性的多自變量模型，對等式兩邊進(jìn)行對數(shù)化處理后：

STIRPAT模型的優(yōu)勢在于在保留了IPAT等式乘法結(jié)構(gòu)的基礎(chǔ)上，通過引入指數(shù)來填補(bǔ)各影響因素等比例變化的缺陷，更為關(guān)鍵的是，STIRPAT模型不僅允許將各個(gè)系數(shù)作為參數(shù)來進(jìn)行估計(jì)，而且也允許對各個(gè)影響因素進(jìn)行適當(dāng)?shù)姆纸?，從而彌補(bǔ)了難以定量分析各個(gè)因素對環(huán)境產(chǎn)生影響的不足［9］。

3 針對智能電網(wǎng)園區(qū)建立相應(yīng)的STIRPAT模型

推動園區(qū)建筑能耗增長的影響因素眾多，通過調(diào)研大體上可分為：人口因素包括園區(qū)人口總量、人口分布結(jié)構(gòu)、年齡結(jié)構(gòu)等；經(jīng)濟(jì)因素包括人均GDP、建筑行業(yè)總產(chǎn)值等；居民生活因素包括人均居住面積、可支配收入、居民消費(fèi)水平等；園區(qū)建設(shè)水平因素包括房屋建筑面積、集中供暖面積等。

3.1 園區(qū)建筑能耗影響因素的定性分析

園區(qū)建筑能耗增加的重要因素之一就是人口總量，人口的增長必然會增加能源的消耗，因此可以假定人口總量與建筑能耗存在著正向關(guān)系。

導(dǎo)致建筑能耗增長的直接因素是迅速增長的園區(qū)建筑總面積。從技術(shù)角度分析，隨著建筑面積的增加，用能設(shè)備的負(fù)荷隨之增加。例如采暖系統(tǒng)、空調(diào)系統(tǒng)、照明系統(tǒng)的負(fù)荷設(shè)計(jì)依據(jù)之一就是建筑面積，建筑面積越大，用能負(fù)荷越大。以采暖為例，北方城鎮(zhèn)的平均采暖能耗為20 kg標(biāo)煤／m2年，也就是說當(dāng)建筑面積每增加1 m2，年采暖能耗就多消耗20 kg的標(biāo)準(zhǔn)煤。

首先我們觀察混合數(shù)據(jù)(pooled data)中各變量與主觀幸福度的相關(guān)性。由于OLS和Ordered model得到的結(jié)果并無實(shí)質(zhì)性差異(Ferrer-i-Carbonell and Frijters, 2004)，本文采用OLS方法得到混合回歸結(jié)果。從表2回歸結(jié)果中可以看出，健康、婚姻狀況、教育、工作、性別和年齡等人口學(xué)變量都對主觀幸福度有顯著影響。這一研究結(jié)論與幸福經(jīng)濟(jì)學(xué)文獻(xiàn)(如Easterlin，2002，溫曉亮等，2011)的研究結(jié)論基本一致。

園區(qū)的城鎮(zhèn)化建設(shè)對建筑能耗的影響并不是單一的，一是由于城鎮(zhèn)建設(shè)的大規(guī)模開展，導(dǎo)致園區(qū)的建筑面積迅速增長；二是農(nóng)村居民人均能源消費(fèi)相比城鎮(zhèn)要低得多，城鎮(zhèn)化進(jìn)程必將導(dǎo)致大量農(nóng)民進(jìn)城，建筑能耗會因此增長；三是加速城鎮(zhèn)化進(jìn)程必將推動第三產(chǎn)業(yè)發(fā)展，公共建筑的能耗也因此增長。

人民生活水平的提高也會導(dǎo)致園區(qū)建筑能耗的快速增長。我國小康社會2020年住宅居住目標(biāo)：北方地區(qū)冬季供暖將得到全面普及，供暖覆蓋率達(dá)到99%以上；南方冬季寒冷地區(qū)的家庭擁有健全的取暖設(shè)施，冬季的居住舒適度得到保障。因此暖通空調(diào)能耗等建筑能耗所占的比例也會相應(yīng)上升，建筑能耗的需求量也大大增加［10］。

公共建筑能耗的最大組成部分就是第三產(chǎn)業(yè)能耗，第三產(chǎn)業(yè)經(jīng)濟(jì)活動的頻繁發(fā)生導(dǎo)致公共建筑能耗隨之增長。因此第三產(chǎn)業(yè)的快速發(fā)展也是推動園區(qū)建筑能耗的增長因素之一。

3.2 模型擴(kuò)展及模型變量的說明

根據(jù)3.1對智能電網(wǎng)園區(qū)建筑能耗增長驅(qū)動因素的定性研究分析，為了能夠更準(zhǔn)確的定量分析驅(qū)動因素的影響程度，將初始IPAT模型中的各因素進(jìn)行進(jìn)一步擴(kuò)展，其中人口因素可被分解為人口總量和城鎮(zhèn)化率兩個(gè)因素，富裕程度可被分解為第三產(chǎn)業(yè)增加值指數(shù)、建筑總面積、居民消費(fèi)水平指數(shù)三個(gè)因素。技術(shù)因素應(yīng)歸結(jié)為單位面積建筑能耗，居民生活水平和建筑能耗水平是單位面積建筑能耗的直接影響因素，兩者并不能準(zhǔn)確反映技術(shù)因素的影響程度大小。本文分析的著力點(diǎn)是建筑能耗增長的驅(qū)動因素，技術(shù)因素反而是促進(jìn)建筑能耗下降的因素?；谏鲜龇治觯诖四Ｐ椭屑夹g(shù)因素不予考慮。

根據(jù)以上分析，得到的最終智能電網(wǎng)園區(qū)驅(qū)動建筑能耗增長影響因素STIRPAT分析模型如式（3）所示，具體模型變量如表1所示。

表1 模型中各變量的說明

3.3 模型數(shù)據(jù)來源

STIRPAT模型中所需的社會與經(jīng)濟(jì)數(shù)據(jù)來自《2011年天津統(tǒng)計(jì)年鑒》，GDP換算成2005年標(biāo)準(zhǔn)，時(shí)間序列選擇的區(qū)間為1985～2010年，其中城鎮(zhèn)化水平只有1996～2010年的數(shù)據(jù)，對其進(jìn)行指數(shù)式（4）擬合，R2為0.996，進(jìn)而可以推算以前的城鎮(zhèn)化水平。

4 驗(yàn)證與分析

4.1 最小二乘法回歸分析結(jié)果

當(dāng)利用普通最小二乘法（Ordinary Least Squares，簡稱OLS）對STIRPAT模型進(jìn)行線性回歸擬合時(shí)，變量之間不能存在高度的線性關(guān)系是重要前提之一［11］。多元線性回歸模型的矩陣形式為Y＝Xβ＋ε，其中參數(shù)β的普通最小二乘估計(jì)為：

當(dāng)X中的變量完全相關(guān)時(shí)，（XTX）為不可逆矩陣。因此，不能用公式求出回歸系數(shù)。

當(dāng)X中變量高度相關(guān)時(shí)，此時(shí)幾乎為0，此時(shí)求（XTX）的逆矩陣會產(chǎn)生嚴(yán)重的舍入誤差。因此，該模型的回歸系數(shù)極易受到舍入誤差的影響，其估計(jì)值的抽樣變異性大大增加。所以當(dāng)模型的變量存在多重共線性時(shí)，采用OLS建立的回歸模型存在的缺陷是回歸系數(shù)參數(shù)估計(jì)的標(biāo)準(zhǔn)誤差變大，估計(jì)值的穩(wěn)定性下降，置信區(qū)間寬度變大，系數(shù)t檢驗(yàn)不能達(dá)到要求或得不到正確的系數(shù)估計(jì)值［10］。

因此，當(dāng)利用OLS法對模型進(jìn)行線性回歸擬合時(shí)，首先要考慮的是診斷變量的多重共線性。由3.1分析可知，智能電網(wǎng)園區(qū)建筑能耗的影響因素為人口、第三產(chǎn)業(yè)的發(fā)展、建筑總面積、城鎮(zhèn)化、居民消費(fèi)水平，4個(gè)因素在時(shí)間序列上有著共同的趨勢。其中建筑總面積、城鎮(zhèn)化、第三產(chǎn)業(yè)的發(fā)展、居民消費(fèi)水平都與經(jīng)濟(jì)發(fā)展存在正相關(guān)的關(guān)系。

依據(jù)收集到的各項(xiàng)數(shù)據(jù)指標(biāo)，以擴(kuò)展后的STIRPAT方程為模型，運(yùn)用SPSS18.0對模型（3）做OLS多元回歸分析和多重共線性VIF檢驗(yàn)，結(jié)果如表2所示。VIF檢驗(yàn)的結(jié)果顯示，模型中5個(gè)自變量的VIF值均大于10，因此模型（3）的自變量之間存在嚴(yán)重的多重共線性。由普通最小二乘法回歸分析結(jié)果可以看出，P、U、A的系數(shù)均為負(fù)數(shù)，不能滿足研究分析的要求。故模型（3）不能采用普通OLS進(jìn)行回歸擬合。

表2 OLS回歸分析及多重共線性VIF檢驗(yàn)

4.2 嶺回歸分析結(jié)果

為了更好的克服自變量之間嚴(yán)重的多重共線性，本文采用嶺回歸（Ridge Regression）估計(jì)對模型進(jìn)行擬合。Ridge estimate是由Hoerl和Kennard于1970年提出的。嶺回歸分析是一種修正改良后的的最小二乘估計(jì)法，當(dāng)自變量之間存在嚴(yán)重的多重相關(guān)性時(shí)，該方法比OLS有著更為穩(wěn)定的估計(jì)，并且最終的回歸系數(shù)的標(biāo)準(zhǔn)差也比OLS要要小的多［12］。

該方法的基本原理是當(dāng)自變量之間存在多重相關(guān)性時(shí)，Ridge estimate會在自變量標(biāo)準(zhǔn)化矩陣XTX的基礎(chǔ)上加上一個(gè)正常數(shù)矩陣k I，則存在k＞0，使｜XTX＋k I｜盡可能不等于0，此時(shí)嶺回歸參數(shù)估計(jì)為：

利用SPSS18.0軟件自帶的嶺回歸函數(shù)對方程（5）進(jìn)行線性擬合，并設(shè)置嶺回歸系數(shù)k的區(qū)間為（0，1），步長為0.01。當(dāng)k≥0.06時(shí)，該方程的回歸系數(shù)慢慢趨于穩(wěn)定，當(dāng)k≥0.12時(shí)，所有的回歸系數(shù)均為正值，滿足分析的要求。因此選擇嶺回歸系數(shù)為0.12，嶺回歸結(jié)果如表3所示。

表3 嶺回歸模型擬合結(jié)果

由方差分析結(jié)果可知，F(xiàn)顯著性檢驗(yàn)p＜0.000 01，各自變量標(biāo)準(zhǔn)回歸系數(shù)的方差膨脹因子VIF值均小于1.08，并且回歸系數(shù)的符號滿足經(jīng)濟(jì)學(xué)的要求。由模型的顯著性檢驗(yàn)結(jié)果可以看出可決系數(shù)大于0.94，因此該模型有較高的擬合度。綜上所述，模型（3）的擬合方程為：

根據(jù)該模型的嶺回歸估計(jì)結(jié)果可以得出，該模型下天津市近25年來驅(qū)動建筑能耗增加的影響因素按其影響程度的大小依次為：居民消費(fèi)水平（26.9%）、第三產(chǎn)業(yè)發(fā)展（23.8%）、建筑總面積（18.5%）、城鎮(zhèn)化率（14.7%）、總?cè)丝冢?%）。如圖1所示。

圖1 驅(qū)動因素影響程度大小圖

由表3可知，模型中各自變量所對應(yīng)的回歸系數(shù)，即各驅(qū)動因素變化1%所對應(yīng)的建筑能耗變化量。其中總?cè)丝诘淖兓繛?.057，城鎮(zhèn)化率的變化量為0.326，建筑總面積的變化量為0.276，居民消費(fèi)水平的變化量為0.214，第三產(chǎn)業(yè)發(fā)展的變化量為0.151。

5 結(jié)語

在人口因素中主要從人口總量和城鎮(zhèn)化率這兩個(gè)角度進(jìn)行分析，對建筑能耗的影響程度分別為14.7%和1%，人口結(jié)構(gòu)因素對建筑能耗增長的影響程度大于人口總量因素。造成這樣的結(jié)果其原因是多樣化的。城鎮(zhèn)化對智能電網(wǎng)園區(qū)的建筑能耗的影響效應(yīng)是多重的，主要體現(xiàn)在由人口結(jié)構(gòu)的變化導(dǎo)致居民消費(fèi)行為的變化。相比而言，由于計(jì)劃生育和觀念的改變，人口總量因素對建筑能耗的驅(qū)動作用十分有限［13］。

消費(fèi)水平的提高是五個(gè)因素中對建筑能耗驅(qū)動作用最為明顯的，高達(dá)26.9%。衡量國家富裕程度的一個(gè)重要指標(biāo)就是居民消費(fèi)水平，其對建筑能耗的影響方式主要體現(xiàn)在：（1）消費(fèi)水平提高導(dǎo)致家用電器擁有量和使用時(shí)間上升；（2）消費(fèi)水平提高導(dǎo)致人們更注重生活的舒適度，其中供熱供冷的暖通空調(diào)系統(tǒng)的能源消耗也將大大增加［14］。

第三產(chǎn)業(yè)的發(fā)展對建筑能耗的驅(qū)動作用也是十分明顯的。主要原因是公共建筑能耗的最大組成部分就是第三產(chǎn)業(yè)能耗，第三產(chǎn)業(yè)經(jīng)濟(jì)活動的頻繁發(fā)生導(dǎo)致公共建筑能耗隨之增長［15］。

建筑總面積的增加是驅(qū)動建筑能耗增長的直接因素，建筑面積增加必然帶來照明系統(tǒng)、空調(diào)系統(tǒng)、動力系統(tǒng)用能的增長。

政府在建筑節(jié)能中的處于主導(dǎo)地位，充分發(fā)揮政策的優(yōu)勢。抓住戰(zhàn)略機(jī)遇，引導(dǎo)生態(tài)城區(qū)建設(shè)與發(fā)展。積極引導(dǎo)市場，促進(jìn)建筑行業(yè)節(jié)能的健康發(fā)展。抓緊基礎(chǔ)研究工作、完善建筑節(jié)能技術(shù)和服務(wù)保障體系。

［1］ 周大地.2020中國可持續(xù)能源情景［M］.北京：中國環(huán)境科學(xué)出版社.

［2］ 清華大學(xué)建筑節(jié)能中心.中國建筑節(jié)能年度發(fā)展研究報(bào)告（2009）［M］.北京：中國建筑工業(yè)出版社，2003.

［3］ 楊 嘉，吳祥生，張敏琦.神經(jīng)網(wǎng)絡(luò)在建筑能耗宏觀預(yù)測模型中的應(yīng)用［C］.全國暖通空調(diào)制冷2002年學(xué)術(shù)年會論文集／下冊，廣州，2002.

［4］ EHRLICH P R，HOLDEN JP.Impact of population growth［J］.Science，1971，171：1212-1217.

［5］EHRLICH P R，HOLDEN J P.One dimensional economy［J］.Bulletin of atomic scientists，1972，16：18-27.

［6］ WAGGONER P E，AUSUBEL J H.A framework for sustainability science：a renovated IPAT identity［J］.Proceedings of the National Academy of Science，2002（99）：7860-7885.

［7］SCHULZE P C.I＝PBAT［J］.Ecological Economics，2002（40）：149-150.

［8］DIETZ T，ROSA E A.Rethinking the environmental impacts of population，affluence and technology［J］.Human Ecology Review 1994（1）：277-300.

［9］YORK R，ROSA E A，DIETA T.STIRPAT，IPAT and Impact：analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological economics，2003（46）：351-365.

［10］ 王惠文.變量多重相關(guān)性對主成分分析的危害［J］.北京航空航大大學(xué)學(xué)報(bào)，1996，22（1）：65-70.

WANG Hui-wen.Elementary introduetion to mutiple correlation causing harm to principle component analysis［J］.Journal of Beijing University of Aeronautics and Astronautics，1996，22（1）：65-70.

［11］ 王惠文，吳載斌，孟 潔.偏最小二乘回歸的線性與非線性方法［M］.北京：國防工業(yè)出版社，2006.

［12］HOERL A E，KENNARD R W.Ridge regression biased estimation for non－orthogonal problems［J］.Techometrics，1970（12）：55-68.

［13］ 何 強(qiáng)，呂光明.基于IPAT模型的生態(tài)環(huán)境影響分析—以北京市為例［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2008（12）：83-88.

HE Qiang，LV Guang-ming.Analysis of ecological environmental impact based on IPAT model－－A case study of Beijing［J］.Journal of Central University of Finance ＆Economics，2008（12）：83-88.

［14］ 盧 娜，曲福田，瑪淑怡，等.基于STIRPAT模型的能源消費(fèi)碳足變化及影響因素—以江蘇省蘇錫常地區(qū)為例［J］.自然源學(xué)報(bào)，2011，26（5）：814-824.

LU Na，QU Fu-tian，F(xiàn)ENG Shu-yi，et al.Trends and determining factors of energy consumption carbon footprint-An analysis for Suzhou-Wuxi-Changzhou region based on STIRPAT model［J］.Journal of Natural Resources，2011，26（5）：814-824.

［15］ 燕 華，郭運(yùn)功，林逢春.基于STIRPAT模型分析CO2控制下上海城市發(fā)展模式［J］.地理學(xué)報(bào)，2010，65（8）：983-990.

YAN Hua，GUO Yun-gong，LIN Feng-chun.Analyzing the developing model of Chinese cities under the control of CO2 emissions using the STIRPAT model：A case study of Shanghai［J］.Acta Geographica Sinica，2010，65（8）：983-990.