劉自敏 崔志偉 朱朋虎

摘要

電力消費(fèi)的動(dòng)態(tài)時(shí)空變化是國家能源布局規(guī)劃中的重要問題。本文利用中國286個(gè)地級(jí)市城市數(shù)據(jù)可視化了2004—2016年間電力消費(fèi)重心的動(dòng)態(tài)變化，并基于電力消費(fèi)量驅(qū)動(dòng)消費(fèi)重心變化的理論分析，進(jìn)一步通過廣義迪氏指數(shù)分解法（GDIM）將電力消費(fèi)量的變化分解為經(jīng)濟(jì)規(guī)模、電力強(qiáng)度、投資規(guī)模、投資效率、人口規(guī)模、人均用電量、人均生產(chǎn)總值及固定資產(chǎn)投入產(chǎn)出八個(gè)效應(yīng)，分層次分析了電力消費(fèi)量變化的影響因素貢獻(xiàn)度。研究結(jié)論為：①三類電力消費(fèi)重心都位于中部地區(qū)，但均偏離幾何重心而偏向于東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)，同時(shí)呈現(xiàn)出整體向西南方向遷移的趨勢(shì)，因此要篩選主要的電力供需點(diǎn)及中轉(zhuǎn)節(jié)點(diǎn)來建設(shè)能源基礎(chǔ)設(shè)施，以最小的經(jīng)濟(jì)成本來最大化其輻射范圍;②當(dāng)前電力消費(fèi)重心與幾何重心的距離逐漸減小，但若保持目前趨勢(shì)，在越過垂直的最小點(diǎn)后有擴(kuò)大的可能，反映出中國目前區(qū)域發(fā)展不均衡的狀況有所改善但仍不能忽視，未來應(yīng)要繼續(xù)促進(jìn)區(qū)域均衡發(fā)展;③東北地區(qū)的年均電力消費(fèi)增長(zhǎng)率最低，北部沿海、東部沿海次之，西北地區(qū)的年均電力消費(fèi)增長(zhǎng)率最高，綜合作用下拉動(dòng)了電力消費(fèi)重心整體向西南方向遷移，在進(jìn)一步的能源基礎(chǔ)設(shè)施布局中要著重考慮電力消費(fèi)重心的動(dòng)態(tài)變化趨勢(shì);④經(jīng)濟(jì)規(guī)模和投資規(guī)模是促進(jìn)電力消費(fèi)量增長(zhǎng)的主要推動(dòng)力，電力強(qiáng)度與投資效率則是抑制電力消費(fèi)量增長(zhǎng)的主要因素，因此要根據(jù)不同地區(qū)的影響因素貢獻(xiàn)度變化進(jìn)行差異化管理。本文為優(yōu)化能源布局和制定能源政策提供了理論支持和政策指導(dǎo)。

關(guān)鍵詞電力消費(fèi);重心法;時(shí)空變化;GDIM;影響因素

中圖分類號(hào)F129.9

文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2019）11-0020-10DOI：10.12062/cpre.20190509

為了保障我國生產(chǎn)生活的電力需求并促進(jìn)電力消費(fèi)與生產(chǎn)間的銜接平衡，中國從上世紀(jì)末開始實(shí)施“西電東送”工程，一定程度上解決了電力資源與電力負(fù)荷分布不均衡的狀況。然而，在我國地緣廣闊而資源分布不均的背景下，輸配電網(wǎng)等電力基礎(chǔ)設(shè)施建設(shè)成本高、周期長(zhǎng)的特點(diǎn)對(duì)電力基礎(chǔ)設(shè)施布局以及輸配電網(wǎng)規(guī)劃等提出了更高要求。同時(shí)，我國各地經(jīng)濟(jì)發(fā)展水平差異較大，其長(zhǎng)期電力需求更是難以預(yù)測(cè)，實(shí)現(xiàn)電力生產(chǎn)與電力消費(fèi)間的有效銜接需要準(zhǔn)確把握電力消費(fèi)的時(shí)空變化特征。

重心概念來源于物理學(xué)，自1872年Hilgard將其用于研究美國的人口問題后，這種簡(jiǎn)潔的方法就被廣泛應(yīng)用于諸如人口、農(nóng)業(yè)、能源等地理分布領(lǐng)域的研究。重心主要由地理位置和研究屬性決定，當(dāng)?shù)乩砦恢帽３植蛔儠r(shí)重心的變化就反應(yīng)了研究屬性的變化，因此電力消費(fèi)重心遷移背后的根源在于電力消費(fèi)量的變化?；诖耍疚耐ㄟ^引入電力消費(fèi)重心概念來反映中國電力消費(fèi)的空間分布狀況，以重心遷移來響應(yīng)時(shí)間趨勢(shì)，并進(jìn)一步使用廣義迪氏指數(shù)分解法（GDIM）分析電力消費(fèi)變化的影響因素，為優(yōu)化我國電力基礎(chǔ)設(shè)施布局以保障我國電力資源高效利用提供參考。

1文獻(xiàn)回顧

現(xiàn)有相關(guān)研究主要從以下幾方面展開。一是關(guān)于能源消費(fèi)的空間分布情況，尤其是運(yùn)用能源重心方法對(duì)空間布局的分析。能源重心是指在二維平面空間中在各個(gè)方向上保持能源屬性均衡的一個(gè)質(zhì)點(diǎn)，Wang等[1]在探索全球能源生產(chǎn)與消費(fèi)的時(shí)空特征中發(fā)現(xiàn)不同種類的能源在其格局演變中重心遷移趨勢(shì)各不相同。基于經(jīng)濟(jì)與能源的相關(guān)性，有學(xué)者將能源重心與經(jīng)濟(jì)重心等聯(lián)系起來分析了能源生產(chǎn)、消費(fèi)與經(jīng)濟(jì)發(fā)展區(qū)域差異的動(dòng)態(tài)變化及其相互關(guān)系[2-3]。此外由于能源供需空間上的差異，Zhang等[4]測(cè)量了中國能源生產(chǎn)與消費(fèi)重心的位置、移動(dòng)、距離和速率的變化，進(jìn)而解釋了能源供需格局上的區(qū)域差異。劉滿芝等[5]則根據(jù)中國煤炭的儲(chǔ)、產(chǎn)、消以及經(jīng)濟(jì)的重心位置、重心移動(dòng)距離和方向進(jìn)行產(chǎn)業(yè)空間布局的優(yōu)化。

二是關(guān)于能源重心移動(dòng)的因素貢獻(xiàn)度分析。在重心移動(dòng)分解中，葉明確[6-7]較為系統(tǒng)地總結(jié)了常用的貢獻(xiàn)度分解方法在重心法研究中的不適用性且給出了解決方案，并以中國經(jīng)濟(jì)重心變動(dòng)為例指出每個(gè)階段下的重心移動(dòng)均是不同地區(qū)的不同影響因素所造成的。基于不同的能源種類，Zhang等[8]探究了中國石油生產(chǎn)與消費(fèi)重心遷移的因素分析，張露等[9]和李蘭蘭等[10]分別按照地理和經(jīng)濟(jì)等劃分區(qū)域研究了中國天然氣的消費(fèi)重心遷移貢獻(xiàn)大小的原因與規(guī)律，基礎(chǔ)設(shè)施、需求和服務(wù)效率分別在不同時(shí)期對(duì)不同地區(qū)產(chǎn)生影響，進(jìn)而影響天然氣消費(fèi)重心的移動(dòng)。聚焦在電力方面，謝品杰等[11]分析了電力強(qiáng)度重心的遷移路徑，內(nèi)部差異引起的重心演變推力主要受到西北、西南、華北地區(qū)的影響。

三是關(guān)于能源消費(fèi)量變化的分析。越來越多的學(xué)者采用分解法來探究能消費(fèi)量變化背后的原因，常見的有指數(shù)分解和結(jié)構(gòu)分解方法。較有代表性的是，Ang & Choi[12]基于傳統(tǒng)階乘指數(shù)分解提出了對(duì)數(shù)平均迪氏分解（LMDI），克服了傳統(tǒng)方法中存在分解殘差和零值問題的缺陷。Ang[13]基于理論基礎(chǔ)、適應(yīng)性、易用性和結(jié)果展示等方面考慮，認(rèn)為L(zhǎng)MDI是能源領(lǐng)域中的首選方法，此后LMDI廣泛運(yùn)用在環(huán)境污染尤其是碳排放及能源消費(fèi)等方面的影響因素分析中[14]。Vaninsky[15]進(jìn)一步對(duì)LMDI在實(shí)際運(yùn)用中無法考察多個(gè)絕對(duì)變量的影響等進(jìn)行了完善，并提出了廣義迪氏指數(shù)分解法（GDIM）。眾多學(xué)者運(yùn)用GDIM分析了相關(guān)行業(yè)中碳排放的影響因素并結(jié)合當(dāng)前綠色發(fā)展的趨勢(shì)提出了碳減排的相關(guān)建議[16-18]。

梳理上述文獻(xiàn)可以看出，將重心法引入能源領(lǐng)域能夠反映電力消費(fèi)的空間分布，同時(shí)在探索電力消費(fèi)量變化背后的原因時(shí)采用分解法也具有簡(jiǎn)單易操作且沒有殘差等優(yōu)點(diǎn)。但由于重心移動(dòng)是一種復(fù)雜的合力結(jié)果，當(dāng)前對(duì)能源重心的研究大多是在省級(jí)數(shù)據(jù)確定全國重心的基礎(chǔ)上進(jìn)行簡(jiǎn)單的遷移路徑分析，并在能源消費(fèi)影響因素分析時(shí)基本使用傳統(tǒng)的LMDI方法。目前尚缺乏基于城市層面對(duì)省級(jí)和全國能源消費(fèi)重心的動(dòng)態(tài)刻畫。伴隨著能源改革市場(chǎng)化的進(jìn)一步深入，同時(shí)各地區(qū)間經(jīng)濟(jì)發(fā)展水平不均衡、產(chǎn)業(yè)結(jié)構(gòu)差異大、人口及能源等要素分布不均，使得省域間的電力消費(fèi)特征和電力消費(fèi)的影響因素有較大的區(qū)域差異性。明確與識(shí)別省級(jí)層面的消費(fèi)重心動(dòng)態(tài)變化及其影響因素對(duì)于市場(chǎng)化改革下進(jìn)行精準(zhǔn)能源戰(zhàn)略布局具有重要的現(xiàn)實(shí)與政策含義。

本文試圖在以下方面有所創(chuàng)新：①研究方法上，借鑒碳排放領(lǐng)域使用GDIM方法的思路，將GDIM引入電力消費(fèi)領(lǐng)域，可以把多個(gè)絕對(duì)影響因素同時(shí)納入分析框架，相比LMDI能更為全面有效地度量電力消費(fèi)變化背后的主要驅(qū)動(dòng)力;②實(shí)證分析中，基于地級(jí)市城市數(shù)據(jù)在將電力消費(fèi)重心細(xì)化到省級(jí)層面的基礎(chǔ)上，將電力消費(fèi)的時(shí)空分布特征與電力基礎(chǔ)設(shè)施布局聯(lián)系起來，進(jìn)而為能源基礎(chǔ)設(shè)施布局的前瞻性規(guī)劃提供有益參考。

2基本概念與研究方法

2.1消費(fèi)重心及變動(dòng)

重心是指在空間中保持均衡的一個(gè)質(zhì)點(diǎn)，在二維平面中由各區(qū)域地理位置和所研究的目標(biāo)變化兩個(gè)因素決定，在地理位置保持不變的情況下重心的位移就反映了所研究目標(biāo)的變化。具體到本文中為某地區(qū)由n個(gè)地級(jí)市組成，則求該地區(qū)電力消費(fèi)重心的計(jì)算公式為：

Xt=∑ni=1QitXi/∑ni=1Qit

Yt=∑ni=1QitYi/∑ni=1Qit

（1）

其中，（Xi，Yi）為該地區(qū)地級(jí)市i的地理重心經(jīng)緯度坐標(biāo)，其緯度為Xi、經(jīng)度為Yi，Qit為該市i第t年的電力消費(fèi)量，則（Xt，Yt）為該地區(qū)第t年的電力消費(fèi)重心。需要注意的是，在求特定的電力消費(fèi)重心時(shí)要保持屬性維度的一致，依次求出社會(huì)電力消費(fèi)重心、工業(yè)電力消費(fèi)重心以及城鎮(zhèn)居民生活電力消費(fèi)重心。重心計(jì)算的前提條件是二維平面，故使用歐氏距離計(jì)算移動(dòng)距離?？紤]到經(jīng)緯度與實(shí)際的比例差距，參考王維華[3]的比例系數(shù)111.111，得到：

Dt1，2=C×（X—t2-Xt1）2+（Yt2-Yt1）2

（2）

其中，Dt1，2為時(shí)間t內(nèi)的移動(dòng)距離，C為比例系數(shù)，（Xt1，Yt1）為重心在基期的經(jīng)緯度，（Xt2，Yt2）為終期經(jīng)緯度。

2.2廣義迪氏指數(shù)分解

2.2.1基本變量

電力是生產(chǎn)活動(dòng)的重要?jiǎng)恿碓?，也是社?huì)進(jìn)步的重要支撐條件，這決定了電力消費(fèi)受到眾多因素的影響。不難發(fā)現(xiàn)，目前對(duì)于能源消費(fèi)的因素分解模型及指標(biāo)選取較為固定，經(jīng)濟(jì)發(fā)展、人民生活與電力息息相關(guān)，可以明顯看出經(jīng)濟(jì)規(guī)模和人口規(guī)模均是影響電力消費(fèi)的主要因素[19]。劉暢和李承財(cái)[20]、申俊等[21]發(fā)現(xiàn)經(jīng)濟(jì)的迅速發(fā)展以及人口規(guī)模的擴(kuò)張均促進(jìn)了我國的能源消費(fèi)。同時(shí)隨著人們生活水平日益提高和社會(huì)的快速發(fā)展，家庭電器的數(shù)量和種類也在不斷豐富，更多的電器進(jìn)入了人們的日常生活中，帶來的必然是人均用電量的大幅增長(zhǎng)，進(jìn)而導(dǎo)致電力消費(fèi)量的增加[22-23]。但另一方面，隨著人均GRP的提高和環(huán)保意識(shí)的增強(qiáng)，人們也更有動(dòng)力去購買更加先進(jìn)、節(jié)能的電器，這將有助于提高電力利用率[24]。與此同時(shí)，隨著電力強(qiáng)度的下降，勢(shì)必會(huì)提高電力的利用效率而降低電力消費(fèi)量[25]，但效率的提高也可能會(huì)因回彈效應(yīng)的存在而進(jìn)一步促進(jìn)電力消費(fèi)的增長(zhǎng)[26]，因此電力強(qiáng)度效用的真實(shí)情況有待檢驗(yàn)。

此外現(xiàn)有研究更多的是考察經(jīng)濟(jì)規(guī)?；蛘呷丝谝?guī)模對(duì)于能源消費(fèi)的影響，很少考慮到投資對(duì)能源消費(fèi)的影響。實(shí)際上，改革開放以來，大規(guī)模的固定資產(chǎn)投資也促進(jìn)了能源消費(fèi)[27]，因此本文特別引入投資規(guī)模、投資效率等因素來完善電力消費(fèi)的影響機(jī)理分析。具體來看，當(dāng)進(jìn)行固定資產(chǎn)投資時(shí)，相當(dāng)一部分投資被用于基礎(chǔ)設(shè)施建設(shè)，在建設(shè)和運(yùn)營時(shí)就導(dǎo)致了大量的電力消費(fèi)，而且又會(huì)形成電力基礎(chǔ)設(shè)施等有效保障了電力供應(yīng)，所以固定資產(chǎn)投資規(guī)模直接對(duì)電力消費(fèi)產(chǎn)生了促進(jìn)作用。同時(shí)當(dāng)資本配置效率改善時(shí)，在提高固定資產(chǎn)投入產(chǎn)出的同時(shí)也將間接降低電力消費(fèi)，而當(dāng)企業(yè)等進(jìn)一步進(jìn)行更新和改造節(jié)能減排設(shè)備時(shí)，其投資效率也會(huì)提高電力利用效率進(jìn)而降低電力消費(fèi)量[17，28]見圖1。

2.2.2分解模型

Vaninsky在Kaya恒等式的基礎(chǔ)上提出了GDIM，本文在其基礎(chǔ)上將GDIM引入電力消費(fèi)量變化的影響因素分解，具體有如下關(guān)系：

其中，E為該地區(qū)的電力消費(fèi)量，GRP為地區(qū)生產(chǎn)總值，INV為固定資產(chǎn)投資，POP為人口數(shù)量，PI=E/GRP為電力強(qiáng)度，IE=E/INV為投資效率，PE=E/POP為人均用電量，PG為人均生產(chǎn)總值，IO為固定資產(chǎn)投入產(chǎn)出比。進(jìn)一步根據(jù)式（3）變換：

ΔGRP為經(jīng)濟(jì)規(guī)模效應(yīng)，反映了經(jīng)濟(jì)發(fā)展的影響;ΔPI為電力強(qiáng)度效應(yīng)，反映電力的利用效率;ΔINV為投資規(guī)模效應(yīng)，說明固定資產(chǎn)投資的影響;ΔIE為投資效率，說明投資的節(jié)能效果;ΔPOP為人口規(guī)模效應(yīng)，反映人口變動(dòng)的影響;ΔPE為人均用電量，反映人們生活水平變化的影響;ΔPG為人均生產(chǎn)總值，反映人們收入變動(dòng)的影響;ΔIO為固定資產(chǎn)投入產(chǎn)出比，反映資本配置效率。再進(jìn)一步，我們得到了所有剩余的階乘指標(biāo)和由此產(chǎn)生的指標(biāo)隨時(shí)間變化與方程一致，并在此基礎(chǔ)上定義電力消耗量Q在時(shí)間t上的指數(shù)函數(shù)并對(duì)t求導(dǎo)為：

Q（t）=（Q1Q0）t，dQ（t）dt=ln（Q1Q0）Q（t）

（9）

其中，Q0和Q1分別是其基期數(shù)值和最終值。通過GDIM分解將電力消費(fèi)量的變動(dòng)分解為以上8個(gè)效應(yīng)。

3數(shù)據(jù)說明

本文所使用的地理信息數(shù)據(jù)來自于GPSSPG網(wǎng)站，在計(jì)算省級(jí)電力消費(fèi)重心中參照通用做法采用各地區(qū)地級(jí)市的行政中心的位置來指代地理中心。而各地級(jí)市電力消費(fèi)以及分解所用指標(biāo)數(shù)據(jù)均來自《中國城市統(tǒng)計(jì)年鑒》，其中2005年的統(tǒng)計(jì)年鑒才開始將社會(huì)用電中的工業(yè)電力消費(fèi)和城鎮(zhèn)居民生活電力消費(fèi)分開統(tǒng)計(jì)，因此本研究期為2004—2016年。在分析電力消費(fèi)影響因素時(shí)使用的省級(jí)層面數(shù)據(jù)由地級(jí)市數(shù)據(jù)加總得到，部分地級(jí)市數(shù)據(jù)缺失時(shí)采用均值法進(jìn)行插值并對(duì)總量進(jìn)行一定調(diào)整。為剔除時(shí)間、通貨膨脹等因素對(duì)本研究的影響，本文使用各地區(qū)統(tǒng)計(jì)年鑒中的居民消費(fèi)價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)分別對(duì)地區(qū)生產(chǎn)總值、固定資產(chǎn)投資進(jìn)行調(diào)整，處理后的各主要變量的描述性統(tǒng)計(jì)見表1。

4實(shí)證結(jié)果

本節(jié)首先可視化了整體電力消費(fèi)重心的動(dòng)態(tài)變化軌跡，并分地區(qū)分析了三類重心的趨勢(shì)變化，然后進(jìn)一步考察了重心距離變化的情況。由式（1）可知，當(dāng)?shù)乩硇畔⒈３植蛔儠r(shí)重心變化反應(yīng)了研究屬性的變化，因此電力消費(fèi)重心遷移背后的根源在于電力消費(fèi)量的變化。進(jìn)一步使用GDIM分析各地區(qū)的社會(huì)電力消費(fèi)量變化主要影響因素的貢獻(xiàn)度。

4.1電力消費(fèi)重心的動(dòng)態(tài)時(shí)空特征

4.1.1全國層面

基于286個(gè)城市電力消費(fèi)數(shù)據(jù)和地理信息計(jì)算出

2004—2016年研究區(qū)域內(nèi)三類電力消費(fèi)重心，具體移動(dòng)軌跡見圖2。幾何重心是假定研究屬性均為1的無量綱屬性算出，因此能夠較為簡(jiǎn)單地反映研究區(qū)域地理的重心點(diǎn)，進(jìn)而一定程度上代表該地區(qū)的穩(wěn)定點(diǎn)。通過加入幾何重心作為參照點(diǎn)來比較電力消費(fèi)重心與幾何重心的差距變化，來顯示區(qū)域內(nèi)的電力消費(fèi)均衡度。其中中國港澳臺(tái)地區(qū)、新疆及西藏由于數(shù)據(jù)可得性等問題并沒有納入計(jì)算。

從重心分布地看，2004—2016年期間三類重心雖然都位于中部地區(qū)，但實(shí)際上均偏離幾何重心而偏向于東部沿海地區(qū)。因此可以認(rèn)為東部地區(qū)仍然是目前中國電力消費(fèi)的主要地區(qū)。同時(shí)社會(huì)用電跟工業(yè)用電兩者變動(dòng)具有同步性，而城鎮(zhèn)居民生活用電重心移動(dòng)幅度更大。工業(yè)用電由于占據(jù)社會(huì)用電比重大，同時(shí)電力也是工業(yè)生產(chǎn)中必不可少的生產(chǎn)要素，易受經(jīng)濟(jì)狀況等因素影響，多方綜合作用下拉動(dòng)社會(huì)用電重心與之一起向經(jīng)濟(jì)發(fā)達(dá)地區(qū)偏移。

而城鎮(zhèn)居民生活用電為人們基本的生活需求，相對(duì)受人口數(shù)量、家庭電器數(shù)量等因素的影響更大。

從重心移動(dòng)趨勢(shì)看，雖然三類重心都有反復(fù)，但總體仍呈現(xiàn)向西南方向移動(dòng)的趨勢(shì)。從緯度上看，社會(huì)用電、工業(yè)用電與城鎮(zhèn)居民生活用電分別向西移動(dòng)了0.40°、0.39°、0.44°，經(jīng)度上三者分別向南移動(dòng)了0.36°、0.41°、0.52°，表明重心呈現(xiàn)向西南遷移的趨勢(shì)，說明西南地區(qū)將是未來電力消費(fèi)增長(zhǎng)的主要力量。在資源就地轉(zhuǎn)化的地緣限制下，通過合理規(guī)劃輸配電網(wǎng)等電力基礎(chǔ)設(shè)施的布局來優(yōu)化電力資源配置、保障用電需求將是不可忽視的焦點(diǎn)問題。

4.1.2省級(jí)層面

因重心計(jì)算中子區(qū)域應(yīng)多于1個(gè)，本文排除直轄市及青海、海南，使用余下數(shù)據(jù)計(jì)算23個(gè)地區(qū)重心的分布位置，見表2、圖3。

從整體重心位置來看，多數(shù)重心均偏向于其地區(qū)內(nèi)經(jīng)濟(jì)較為發(fā)達(dá)的位置。沿海城市相對(duì)內(nèi)陸城市要經(jīng)濟(jì)領(lǐng)先，使得電力消費(fèi)也遙遙領(lǐng)先，進(jìn)而拉動(dòng)電力消費(fèi)重心向沿海方向偏移。此外具有類似現(xiàn)象的還有安徽、江西、河南、湖北、湖南等區(qū)域內(nèi)有長(zhǎng)江、黃河等主要水系流過的省份。江蘇則是受這種航運(yùn)所帶來的經(jīng)濟(jì)輻射作用最為明顯的省份。此外寧夏自治區(qū)的電力消費(fèi)重心明顯聚集在其北部，這是因?yàn)樵谄浔辈坑悬S河流域而南部屬高原地帶，不利于經(jīng)濟(jì)發(fā)展，二者綜合作用下使得出現(xiàn)重心偏移嚴(yán)重的現(xiàn)象。類似的還有四川地區(qū)。而黑龍江、內(nèi)蒙古、云南等地處中國邊境的地域，由于邊境區(qū)域的經(jīng)濟(jì)發(fā)展?fàn)顩r以及地理地貌的限制等，導(dǎo)致其電力消費(fèi)重心偏向國內(nèi)方向。重心所在地與省會(huì)或經(jīng)濟(jì)發(fā)達(dá)地區(qū)有較大重合性。一般來說，省會(huì)城市均是該地區(qū)的經(jīng)濟(jì)、人口、政治中心等，這也表明在省域視角下的電力消費(fèi)重心跟該地區(qū)的經(jīng)濟(jì)等聯(lián)系緊密。因此從省級(jí)層面上考慮電力基礎(chǔ)設(shè)施建設(shè)時(shí)，應(yīng)當(dāng)圍繞其經(jīng)濟(jì)發(fā)達(dá)地區(qū)來考慮，如作為主要輸配電網(wǎng)的終點(diǎn)，在城郊建設(shè)大型變壓站等。

除去遼寧、安徽、福建、山東、湖北、湖南、貴州七個(gè)地區(qū)，剩余地區(qū)的城鎮(zhèn)居民生活用電重心相對(duì)于其他重心來說更趨向于地區(qū)幾何重心，表明城鎮(zhèn)居民生活用電分布相對(duì)來說較為均衡，這是由于城鎮(zhèn)居民生活用電多為人民生活基本需求，受經(jīng)濟(jì)、地域等影響相對(duì)要小。而工業(yè)用電則與之相反，偏向該地區(qū)經(jīng)濟(jì)發(fā)達(dá)方向的同時(shí)也帶動(dòng)社會(huì)電力消費(fèi)重心隨之偏移。

4.1.3重心距離分析

幾何重心代表該地區(qū)的穩(wěn)定點(diǎn)，而電力是經(jīng)濟(jì)發(fā)展中不可或缺的要素，在一定程度上代表經(jīng)濟(jì)發(fā)展?fàn)顩r，因此電力消費(fèi)重心與幾何重心的距離能夠從側(cè)面反映區(qū)域發(fā)展的均衡狀況。

從整體上來看，三類電力消費(fèi)重心與幾何重心的距離雖有反復(fù)，但總的仍呈下降趨勢(shì)。沿海地區(qū)的經(jīng)濟(jì)發(fā)展明顯優(yōu)于內(nèi)陸，但隨著“西部大開發(fā)”等戰(zhàn)略的相繼實(shí)施，通過政策紅利等措施來促進(jìn)區(qū)域均衡發(fā)展，以東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)來帶動(dòng)西部地區(qū)發(fā)展的政策目標(biāo)取得了一定進(jìn)展，說明中國目前的區(qū)域發(fā)展不均衡的狀況得到改善。另一方面從距離幾何重心的方位來看，得益于近些年南方地區(qū)經(jīng)濟(jì)發(fā)展迅猛，由原先的東部逐漸偏移到南方。這從研究期內(nèi)地區(qū)GDP增速可以明顯看出，前幾名均為貴州、云南、重慶等西南地區(qū)省份，而東北、天津等地區(qū)則處于下半?yún)^(qū)。結(jié)合圖2從預(yù)測(cè)的角度看，如果電力消費(fèi)重心繼續(xù)保持當(dāng)前的遷移趨勢(shì)，那么在越過最小距離點(diǎn)后其與幾何重心的距離將會(huì)增大，因此從社會(huì)均衡發(fā)展的角度出發(fā)全面振興東北老工業(yè)地區(qū)等顯得尤為重要。

4.2電力消費(fèi)變化影響因素分解

4.2.1全國層面

本文對(duì)每一年的實(shí)際情況進(jìn)行單獨(dú)分解分析，計(jì)算中將2004年設(shè)為基期（實(shí)為2005年初期數(shù)據(jù)），2005年為終期，計(jì)算結(jié)果為2005年情況，以此類推。圖4為全國社會(huì)用電中的變量鏈?zhǔn)阶兓省?/p>

研究期間電力消費(fèi)增加了152%。從整體來看，電力消費(fèi)量與地區(qū)生產(chǎn)總值、固定資產(chǎn)投資、人均生產(chǎn)總值呈現(xiàn)同向變動(dòng)，均保持較高的增長(zhǎng)率，而人均用電量在保持前幾年的穩(wěn)定增長(zhǎng)后在2013年則基本穩(wěn)定，甚至還略呈下降趨勢(shì);人口規(guī)模與固定資產(chǎn)投入產(chǎn)出比在研究期間基本維持穩(wěn)定，也僅增長(zhǎng)了不到50%;而電力強(qiáng)度與固定資產(chǎn)投資所帶來的電力利用效率則呈現(xiàn)持續(xù)下降趨勢(shì)。所有數(shù)據(jù)在2008—2010年段均出現(xiàn)較大波動(dòng)，這可能與2008年次貸危機(jī)的滯后影響有關(guān)。進(jìn)一步地，本文分析了全國社會(huì)用電的歷年消費(fèi)量變化的影響因素貢獻(xiàn)度，從歷年來看每個(gè)因素的影響大小都不是很穩(wěn)定，并偶爾改變影響方向，故本文將每個(gè)因素進(jìn)行加總?cè)【堤幚硪苑从痴麄€(gè)研究期間的影響情況，見圖5。

總體來看，我國目前的電力消費(fèi)增長(zhǎng)趨勢(shì)呈現(xiàn)逐漸放緩的趨勢(shì)，可能的原因之一是自次貸危機(jī)后愈發(fā)重視的工業(yè)轉(zhuǎn)型升級(jí)取得了初步成果。在歷年電力消費(fèi)量變化中，正向驅(qū)動(dòng)效應(yīng)始終占據(jù)主導(dǎo)地位。在電力消費(fèi)年均8.1%的增長(zhǎng)率中，投資規(guī)模貢獻(xiàn)額高達(dá)5.05%，經(jīng)濟(jì)規(guī)模也達(dá)到了3.89%，其次是人均用電量和人口規(guī)模。具體來說，在市政工程建設(shè)等公共領(lǐng)域和企業(yè)擴(kuò)大再生產(chǎn)決策中，固定資產(chǎn)建造中會(huì)消耗大量電力能源，其日常運(yùn)行過程中電力消費(fèi)也不容忽視。大規(guī)模的固定資產(chǎn)投資是造成我國電力消費(fèi)增長(zhǎng)的決定性原因，控制無謂的固定資產(chǎn)投資與遏制產(chǎn)能過剩行業(yè)及高耗能高污染行業(yè)的盲目擴(kuò)張需要進(jìn)一步加強(qiáng)。經(jīng)濟(jì)產(chǎn)出也是電力消費(fèi)增長(zhǎng)的次要因素，前期的快速增長(zhǎng)使得經(jīng)濟(jì)規(guī)模對(duì)于電力消費(fèi)增長(zhǎng)的貢獻(xiàn)效應(yīng)顯著。次貸危機(jī)后的工業(yè)振興規(guī)劃雖然使影響趨勢(shì)產(chǎn)生波動(dòng)，但隨著我國經(jīng)濟(jì)進(jìn)入新常態(tài)，經(jīng)濟(jì)增長(zhǎng)由高速增長(zhǎng)轉(zhuǎn)向中高速增長(zhǎng)，其對(duì)電力消費(fèi)的促進(jìn)影響也在不斷削弱中。人均用電量對(duì)于電力消費(fèi)的影響具有較大的波動(dòng)，在2014年和2015年更

成為電力消費(fèi)增長(zhǎng)的限制因素，但總的來說還是以促進(jìn)為主。隨著人們生活水平日益提高和社會(huì)發(fā)展，更多的電器進(jìn)入了人們的日常生活中，帶來用電量的大幅增長(zhǎng)。人口規(guī)模一直對(duì)電力消費(fèi)

增長(zhǎng)保持著微弱的貢獻(xiàn)，基于龐大的人口基數(shù)和我國人口城市化率的不斷提高，城鎮(zhèn)人口規(guī)模始終保持著穩(wěn)定的逐步增長(zhǎng)，這些都一定程度上促進(jìn)了電力消費(fèi)。

在負(fù)向抑制效應(yīng)方面，投資效率達(dá)到2.19%，電力強(qiáng)度為1.12%，是限制電力消費(fèi)增長(zhǎng)的主要力量，投資效率更主要體現(xiàn)的是固定資產(chǎn)投資的節(jié)能效應(yīng)，設(shè)備更新等所帶來的能源效率改善對(duì)耗電量產(chǎn)生了影響。在電力強(qiáng)度方面，當(dāng)單位GRP的電力消費(fèi)下降時(shí)表明我國的技術(shù)效率和電力利用效率的情況均大幅改善，這既跟技術(shù)創(chuàng)新有關(guān)，也是當(dāng)前將碳排放約束納入企業(yè)經(jīng)營決策的結(jié)果。碳交易市場(chǎng)的建立將會(huì)倒逼企業(yè)等主體不斷尋求低碳發(fā)展的最優(yōu)路徑，而電力行業(yè)作為高耗能、高排放行業(yè)的典型代表也將承擔(dān)起更多壓力。而人均生產(chǎn)總值與固定資產(chǎn)投入產(chǎn)出雖然也起到了一定的抑制作用，但表現(xiàn)并不明顯。同時(shí)資本生產(chǎn)率的提高也對(duì)電力消費(fèi)產(chǎn)生了負(fù)向作用，在未來的節(jié)能減排中資本、技術(shù)要發(fā)揮更大的作用。

4.2.2區(qū)域?qū)用?/p>

本文進(jìn)一步分析各地情況，結(jié)果見表3、圖6。所有地區(qū)的電力消費(fèi)都處于增長(zhǎng)趨勢(shì)，但各地的差異性較大。如黑龍江、上海、山西等地的電力消費(fèi)增長(zhǎng)較慢，而海南、陜西、重慶、寧夏、青海等西部地區(qū)增速較快，這也和近些年來各省生產(chǎn)總值的增速情況在一定程度上符合?？梢钥闯?，經(jīng)濟(jì)規(guī)模對(duì)各省市的電力消費(fèi)增長(zhǎng)均起到促進(jìn)作用，尤其是重慶、青海等地都達(dá)到了6.5%以上，但遼寧、黑龍江僅為2%左右。投資規(guī)模同樣具有明顯的促進(jìn)作用，而北京、上海兩地作為我國的政治、經(jīng)濟(jì)中心，城市發(fā)展規(guī)模等早已超越其他省份，其投資規(guī)模效應(yīng)相對(duì)來說并不是很明顯，河北、安徽、河南、廣西、貴州、陜西等經(jīng)濟(jì)相對(duì)不發(fā)達(dá)的地區(qū)則表現(xiàn)的較為突出。除湖北外，人口規(guī)模與人均用電量同樣是正向效應(yīng)。

在負(fù)向抑制效應(yīng)中，電力強(qiáng)度對(duì)大多數(shù)地區(qū)起到明顯的限制作用，但有所差異，說明我國的電力利用效率雖然在不斷地持續(xù)提升，但是區(qū)域差異性依然存在，部分地區(qū)的電力利用效率扼需改善。而投資效率的抑制程度相對(duì)來說甚于電力強(qiáng)度效應(yīng)，雖然固定資產(chǎn)投資導(dǎo)致了電力消費(fèi)快速增長(zhǎng)，但是另一方面固定資產(chǎn)投資所帶來的設(shè)備更新等技術(shù)升級(jí)的效果又能夠有效抑制電力消費(fèi)的快速增長(zhǎng)。但遼寧、北京、青海表現(xiàn)為正向促進(jìn)，其固定資產(chǎn)投資等非但沒有有效改善生產(chǎn)效率，反而帶來了負(fù)面效果。人均生產(chǎn)總值與固定資產(chǎn)投入產(chǎn)出比抑制效果沒有前兩者明顯，但在所有地區(qū)中也都是降低電力消費(fèi)的組成部分。電力消費(fèi)重心的移動(dòng)是多種因素綜合作用的合力結(jié)果，基于各地經(jīng)濟(jì)的發(fā)展水平和聯(lián)系程度，本文進(jìn)一步從經(jīng)濟(jì)分區(qū)的視角來分析消費(fèi)重心的移動(dòng)與電力消費(fèi)驅(qū)動(dòng)因素的關(guān)聯(lián)性。

從經(jīng)濟(jì)分區(qū)來看，電力消費(fèi)增長(zhǎng)率方面東北地區(qū)最低，年均增長(zhǎng)率僅為5.71%，北部沿海、東部沿海次之，南部沿海、西南地區(qū)、黃河中游、長(zhǎng)江中游地區(qū)也均達(dá)到了9%以上，西北地區(qū)最高，達(dá)到了16.27%。由于8大經(jīng)濟(jì)區(qū)域的電力消費(fèi)增長(zhǎng)率差異明顯，導(dǎo)致電力消費(fèi)重心逐年向西南方向遷移?？梢钥闯觯瑬|北地區(qū)經(jīng)濟(jì)規(guī)模的促進(jìn)效應(yīng)是最低的，僅為2.42%，這與東北整體的經(jīng)濟(jì)低迷有很大關(guān)系。電力消費(fèi)能夠在一定程度上反映經(jīng)濟(jì)發(fā)展?fàn)顩r。在人均用電量方面，除了東北和西南地區(qū)，其余地區(qū)的促進(jìn)效用均在2%以上，西北地區(qū)更是達(dá)到了4.95%。在當(dāng)前我國資源總量龐大但人均不足的情況下，應(yīng)當(dāng)努力降低高效應(yīng)地區(qū)的人均用電量，這不僅有利于我國碳規(guī)制目標(biāo)的實(shí)現(xiàn)，也有利于消費(fèi)重心的調(diào)控。

另一方面東部沿海的投資規(guī)模效應(yīng)最低，僅為3.73%，而長(zhǎng)江中游、西北地區(qū)、西南地區(qū)均達(dá)到了6%以上;西南地區(qū)的投資效率達(dá)到了3.28%，東部沿海、西北地區(qū)卻均不到1%，這也正是西南地區(qū)在正向促進(jìn)效應(yīng)巨大的情況下總效應(yīng)不大的關(guān)鍵原因。也就是說西北、西南地區(qū)的投資規(guī)模都顯著促進(jìn)電力消費(fèi)的同時(shí)，西南地區(qū)較西北地區(qū)更多投向了效率提升。西北地區(qū)的電力強(qiáng)度效應(yīng)為正，在省級(jí)層面中甘肅僅為-0.51%，寧夏為0.27%，青海更是達(dá)到了2.84%。說明西北地區(qū)的電力能源利用效率并不高，經(jīng)濟(jì)發(fā)展較為粗放，在其他地區(qū)電力強(qiáng)度效應(yīng)積極發(fā)揮節(jié)能減排作用的同時(shí)西北地區(qū)正相反。這也導(dǎo)致西北地區(qū)的電力消費(fèi)增長(zhǎng)率遠(yuǎn)遠(yuǎn)高于其他地區(qū)，加之東北地區(qū)的電力消費(fèi)增長(zhǎng)率明顯過低，進(jìn)而拉動(dòng)電力消費(fèi)重心向西南方向遷移。這也反映當(dāng)前中國能源利用效率、技術(shù)創(chuàng)新及利用等存在一定程度上的地區(qū)差異。

5結(jié)論及政策建議

本文通過引入消費(fèi)重心來反映中國電力消費(fèi)的空間分布，并進(jìn)一步通過GDIM探究電力消費(fèi)量變化的主要影響因素，主要結(jié)論和建議如下：

首先，三類電力消費(fèi)重心都位于中部地區(qū)，但均偏向于東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)，同時(shí)呈現(xiàn)出整體向西南方向遷移的趨勢(shì)。政府部門要篩選主要的電力供需點(diǎn)及中轉(zhuǎn)節(jié)點(diǎn)，基于地理地貌條件構(gòu)建以主要節(jié)點(diǎn)為核心的全國輸配電網(wǎng)絡(luò)體系并優(yōu)化骨干電力網(wǎng)絡(luò)布局。能源基礎(chǔ)設(shè)施的選址

如能源基地、大型電力變壓站等應(yīng)當(dāng)圍繞電力消費(fèi)重心所在的經(jīng)濟(jì)發(fā)達(dá)城市，達(dá)到以最小的經(jīng)濟(jì)成本來最大化其輻射范圍的目的。

其次，電力消費(fèi)重心與幾何重心的距離目前呈現(xiàn)減小的狀態(tài)，但未來可能有擴(kuò)大的趨勢(shì)。得益于西南地區(qū)等近些年的較快發(fā)展使得電力消費(fèi)重心向幾何重心靠近，從側(cè)面反映出中國目前區(qū)域發(fā)展不均衡的狀況有所改善。但因東北老工業(yè)地區(qū)的“深陷泥潭”等導(dǎo)致未來的發(fā)展形勢(shì)并不樂觀。因此像東北地區(qū)等經(jīng)濟(jì)發(fā)展遲緩的地區(qū)，要抓住中央政府的政策紅利，尤其是借助冰上絲綢之路等倡議下的地緣優(yōu)勢(shì)，實(shí)現(xiàn)新時(shí)代下全面、全方位振興。

再次，東北地區(qū)的年均電力消費(fèi)增長(zhǎng)率最低，北部沿海、東部沿海次之，西北地區(qū)最高，綜合作用下拉動(dòng)了電力消費(fèi)重心整體向西南方向遷移。說明西北、西南及南部沿海等地區(qū)是未來電力消費(fèi)增長(zhǎng)的主要區(qū)域。但目前的輸配電網(wǎng)等電力設(shè)施布局規(guī)劃仍然側(cè)重東部地區(qū)?；谀茉椿A(chǔ)設(shè)施的長(zhǎng)期性和投資規(guī)模大的特點(diǎn)，在能源基礎(chǔ)設(shè)施布局中要著重考慮能源消費(fèi)重心的動(dòng)態(tài)變化趨勢(shì)。

最后，經(jīng)濟(jì)規(guī)模和投資規(guī)模是促進(jìn)電力消費(fèi)的主要推動(dòng)力，電力強(qiáng)度與投資效率則是抑制電力消費(fèi)增長(zhǎng)的主要因素。東北地區(qū)電力消費(fèi)增長(zhǎng)緩慢的主要因素是經(jīng)濟(jì)增長(zhǎng)乏力，相比通過投資等來拉動(dòng)電力消費(fèi)增長(zhǎng)，實(shí)現(xiàn)東北經(jīng)濟(jì)的復(fù)蘇是更為理想和合適的選擇，因此實(shí)現(xiàn)新時(shí)代下的東北全面振興顯得尤為必要。而西北地區(qū)相對(duì)粗放的經(jīng)濟(jì)發(fā)展方式導(dǎo)致了較高的電力消費(fèi)，因此要提高資產(chǎn)、能源等的利用率，實(shí)現(xiàn)效益與效率的同向進(jìn)步。不同地區(qū)要根據(jù)電力消費(fèi)的特點(diǎn)進(jìn)行差異化管理，促進(jìn)經(jīng)濟(jì)健康均衡發(fā)展。

隨著電力發(fā)展“十三五”規(guī)劃的發(fā)布，已經(jīng)開始論證全國同步的電網(wǎng)格局。未來應(yīng)當(dāng)繼續(xù)關(guān)注電力能源基礎(chǔ)設(shè)施的布局優(yōu)化。本文將研究目標(biāo)放在電力行業(yè)這一單能源系統(tǒng)中具有一定的局限性，下一步的研究將建立在全能源系統(tǒng)中，將碳排放約束也納入整體分析框架。

（編輯：劉照勝）

參考文獻(xiàn)

[1]WANG W W， ZHANG M， LI P. Exploring temporal and spatial evolution of global energy production and consumption [J]. Renewable & sustainable energy reviews， 2014， 30（2）：943-949.

[2]任志遠(yuǎn)，李強(qiáng).1978年以來中國能源生產(chǎn)與消費(fèi)時(shí)空差異特征[J].地理學(xué)報(bào)，2008，63（12）：1318-1326.

[3]王維華.中國經(jīng)濟(jì)重心與能源消費(fèi)重心動(dòng)態(tài)軌跡的實(shí)證研究[J].西安財(cái)經(jīng)學(xué)院學(xué)報(bào)，2016，29（2）：81-85.

[4]ZHANG Y， ZHANG J Y， YANG Z F， et al. Analysis of the distribution and evolution of energy supply and demand centers of gravity in China [J]. Energy policy， 2012， 49（10）：695-706.

[5]劉滿芝，馬燕燕，周梅華，等.中國煤炭供需與經(jīng)濟(jì)的重心演變軌跡研究[J].中國管理科學(xué)，2012，20（S2）：820-826.

[6]葉明確.系統(tǒng)重心遷移的貢獻(xiàn)度分解方法[J].系統(tǒng)管理學(xué)報(bào)，2012，21（4）：559-563，570.

[7]葉明確.1978—2008年中國經(jīng)濟(jì)重心遷移的特征與影響因素[J].經(jīng)濟(jì)地理，2012，32（4）：12-18.

[8]ZHANG M， XIA Q， WANG W W， et al. Study on temporal and spatial evolution of Chinas oil supply and consumption [J]. Natural hazards， 2014， 72（2）：809-825.

[9]張露，龔承柱，李蘭蘭，等.中國天然氣供需重心遷移路徑及貢獻(xiàn)度分解[J].中國人口·資源與環(huán)境，2013，23（12）：90-97.

[10]李蘭蘭，徐婷婷，李方一，等.中國居民天然氣消費(fèi)重心遷移路徑及增長(zhǎng)動(dòng)因分解[J].自然資源學(xué)報(bào)，2017，32（4）：606-619.

[11]謝品杰，潘仙友，林美秀.中國電力強(qiáng)度重心遷移及差異研究[J].世界地理研究，2017，26（2）：119-126.

[12]ANG B W， CHOI K H. Decomposition of aggregate energy and gas emission intensities for industry： a refined Divisia index method [J]. Energy journal， 1997， 18（3）：59-73.

[13]ANG B W. Decomposition analysis for policymaking in energy： which is the preferred method？[J]. Energy policy， 2004， 32（9）：1131-1139.

[14]ACHO C， SCHAEFFER R. Decomposition analysis of the variations in residential electricity consumption in Brazil for the 1980-2007 period： measuring the activity， intensity and structure effects [J]. Energy policy， 2009， 37（12）：5208-5220.

[15]VANINSKY A. Factorial decomposition of CO2 emissions： a generalized Divisia index approach [J]. Energy economics， 2014，45：389-400.

[16]SHAO S， LIU J H， GENG Y， et al. Uncovering driving factors of carbon emissions from Chinas mining sector [J]. Applied energy， 2016，166：220-238.

[17]邵帥，張曦，趙興榮.中國制造業(yè)碳排放的經(jīng)驗(yàn)分解與達(dá)峰路徑——廣義迪氏指數(shù)分解和動(dòng)態(tài)情景分析[J].中國工業(yè)經(jīng)濟(jì)，2017（3）：44-63.

[18]YAN Q Y， YIN J T， BALEZENTIS T， et al. Energyrelated GHG emission in agriculture of the European countries： an application of the generalized Divisia index [J]. Journal of cleaner production， 2017，164：686-694.

[19]林伯強(qiáng).電力消費(fèi)與中國經(jīng)濟(jì)增長(zhǎng)：基于生產(chǎn)函數(shù)的研究[J].管理世界，2003（11）：18-27.

[20]劉暢，李承財(cái).基于LMDIANNDEA集成方法的我國能源消費(fèi)評(píng)價(jià)與優(yōu)化研究[J].江淮論壇，2017（4）：77-82.

[21]申俊，孫涵，成金華.中國城鎮(zhèn)居民能源消費(fèi)及其影響因素[J].北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，18（1）：45-53.

[22]楊正東，李京文.能源因素分解模型的比較、改進(jìn)與應(yīng)用[J].管理學(xué)報(bào)，2015，12（12）：1860-1864.

[23]賈艷琴.西北地區(qū)城鎮(zhèn)化進(jìn)程中的家庭電力消費(fèi)差異研究[J].資源開發(fā)與市場(chǎng)，2015，31（6）：731-735.

[24]于啟武， 陳立平，郭慧婷.北京城鎮(zhèn)居民節(jié)能電器消費(fèi)及節(jié)能效果分析[J].北京工商大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012，27（6）：96-103.

[25]孫涵，申俊，彭麗思，等.中國省域居民生活能源消費(fèi)的空間效應(yīng)研究[J].科研管理，2016，37（12）：82-91.

[26]李金鎧，劉宗項(xiàng)，張瑾，等.能源回彈效應(yīng)研究述評(píng)[J].管理學(xué)刊，2018，31（1）：9-21.

[27]歐育輝，劉軼芳，尤佳.基于面板數(shù)據(jù)模型的能耗與固定資產(chǎn)投資關(guān)系的實(shí)證研究[J].管理學(xué)報(bào)，2009，6（1）：51-56.

[28]何曉萍.基礎(chǔ)設(shè)施的經(jīng)濟(jì)增長(zhǎng)效應(yīng)與能耗效應(yīng)——以電網(wǎng)為例[J].經(jīng)濟(jì)學(xué)（季刊），2014，13（4）：1513-1532.