仇 磊，王俊和，仲 躍，王瀟婕

基于因子分析和數(shù)據(jù)包絡(luò)分析的發(fā)電企業(yè)能效評(píng)價(jià)研究

仇 磊1，王俊和1，仲 躍2，王瀟婕3

（1.西安熱工研究院有限公司，陜西 西安 710054；2.中國華能集團(tuán)有限公司，北京 100031；3.陜西省發(fā)展和改革委員會(huì)，陜西 西安 710006）

發(fā)電企業(yè)的能源效率（能效）控制是影響企業(yè)經(jīng)營績效及履行企業(yè)社會(huì)責(zé)任的重要因素。科學(xué)進(jìn)行能效評(píng)價(jià)是發(fā)電企業(yè)能效管理重要的基礎(chǔ)性工作。本文探討了因子分析-數(shù)據(jù)包絡(luò)分析（因子分析-DEA）組合評(píng)價(jià)模型對(duì)發(fā)電企業(yè)能效評(píng)價(jià)的適用性，并利用因子分析-DEA組合評(píng)價(jià)模型對(duì)我國五大發(fā)電集團(tuán)的能效水平進(jìn)行了實(shí)證性評(píng)價(jià)及對(duì)比分析。結(jié)果表明，該組合評(píng)價(jià)法能克服常用評(píng)價(jià)方法中由于評(píng)價(jià)對(duì)象少于指標(biāo)數(shù)量而導(dǎo)致的評(píng)價(jià)指標(biāo)之間相關(guān)性過高的問題，同時(shí)又能充分考慮投入產(chǎn)出指標(biāo)體系中非期望產(chǎn)出的影響，使結(jié)果更加科學(xué)合理。該方法普遍適用于效率評(píng)價(jià)領(lǐng)域，能為決策者提供更加準(zhǔn)確的信息反饋。

發(fā)電企業(yè)；因子分析；數(shù)據(jù)包絡(luò)分析；能源效率；評(píng)價(jià)

能源效率（能效）是研究單位能量投入、產(chǎn)出的經(jīng)濟(jì)效益，即能源的使用效率問題。單因素能源效率是指僅考慮單一變量的投入和產(chǎn)出，可以直接理解為能源產(chǎn)出與能源投入的比值。單因素能源效率會(huì)忽略其他投入因素對(duì)能源產(chǎn)出的附加作用，同樣也會(huì)忽略一些非期望產(chǎn)出，如二氧化碳等。多因素能源效率則充分考慮了能源、勞動(dòng)力、資本及其他投入因素，同時(shí)也考慮了預(yù)期輸出和非預(yù)期產(chǎn)出。顯然，多因素的能源效率評(píng)價(jià)更加科學(xué)。

針對(duì)能效評(píng)價(jià)問題，國內(nèi)外學(xué)者采用不同評(píng)價(jià)方法對(duì)能源使用單位和能源提供單位展開了分析。在對(duì)能源使用單位（主要是企業(yè)）的評(píng)價(jià)方面：宋紹劍等[1]采用層次分析法（AHP）對(duì)企業(yè)電力能效進(jìn)行評(píng)估；文獻(xiàn)[2-3]采用物元綜合模型，分析了重點(diǎn)耗能企業(yè)電力能耗綜合水平；田賀平等[4]采用AHP與熵權(quán)法相結(jié)合的方法，對(duì)企業(yè)電力能效進(jìn)行了評(píng)估；方彥軍等[5]也采用這一方法對(duì)高能耗企業(yè)的電力能效狀態(tài)進(jìn)行評(píng)價(jià)；張建華等[6]運(yùn)用粗糙集理論和AHP對(duì)水泥企業(yè)電力能效進(jìn)行評(píng)價(jià)。在對(duì)能源提供單位（發(fā)電企業(yè)）的評(píng)價(jià)方面：韋杏秋[7]、程雯[8]等采用數(shù)據(jù)包絡(luò)分析（DEA）對(duì)發(fā)電機(jī)組的能源效率進(jìn)行了評(píng)價(jià)；田皎等[9]采用模糊綜合評(píng)價(jià)法對(duì)水電廠能效進(jìn)行評(píng)價(jià)；宋晨希等[10]分別采用主觀的層次分析法和客觀的熵權(quán)法、可拓物元模型和逼近理想值的排序方法對(duì)火電廠進(jìn)行了能效判斷；國外學(xué)者Simab等人[11]提出了一種K-均值聚類和主成分分析（PCA）法的數(shù)據(jù)包絡(luò)分析，對(duì)伊朗電力公司的能源效率進(jìn)行了評(píng)價(jià)。

由此可見：1）學(xué)術(shù)上已深刻認(rèn)識(shí)到單一評(píng)價(jià)法在能源效率評(píng)價(jià)方面的不足；2）目前幾乎沒有真正研究發(fā)電企業(yè)能源效率評(píng)價(jià)的文獻(xiàn)；3）相關(guān)評(píng)價(jià)忽略了非期望產(chǎn)出（包括二氧化硫、二氧化碳、固體廢棄物等）的影響，這顯然會(huì)導(dǎo)致能源效率的評(píng)價(jià)不準(zhǔn)確。對(duì)此，本文將以我國五大發(fā)電集團(tuán)作為研究對(duì)象，選用因子分析-DEA的組合法，對(duì)5家發(fā)電企業(yè)的能效進(jìn)行評(píng)價(jià)。

1 發(fā)電企業(yè)能效評(píng)價(jià)體系構(gòu)建

1.1 發(fā)電企業(yè)能效評(píng)價(jià)指標(biāo)體系構(gòu)建

選取燃料量、勞動(dòng)力、裝機(jī)容量作為3個(gè)投入指標(biāo)，以期望產(chǎn)出（發(fā)電量）和非期望產(chǎn)出（二氧化硫排放量）作為產(chǎn)出指標(biāo)。各指標(biāo)說明見表1。

表1 能效評(píng)價(jià)指標(biāo)說明

Tab.1 The description of energy efficiency evaluation indexes

1.2 能效評(píng)價(jià)運(yùn)用的方法和模型介紹

EDA方法是投入產(chǎn)出效率評(píng)價(jià)方面常用的方法，該方法無需對(duì)參數(shù)及指標(biāo)進(jìn)行權(quán)重假設(shè)。但是EDA方法要求較高：1）評(píng)價(jià)對(duì)象個(gè)數(shù)大于投入產(chǎn)出指標(biāo)數(shù)量的2倍；2）投入指標(biāo)之間、產(chǎn)出指標(biāo)之間相關(guān)性不能過高；3）投入、產(chǎn)出指標(biāo)數(shù)量不能過多，否則會(huì)導(dǎo)致主次不分，影響評(píng)價(jià)準(zhǔn)確性。為此，一些學(xué)者通過減少指標(biāo)選取來解決這些問題[12-17]。但這種做法不夠科學(xué)，容易丟失重要信息。本文首先采用因子分析法對(duì)所選擇的投入指標(biāo)、產(chǎn)出指標(biāo)進(jìn)行降維，縮減投入、產(chǎn)出指標(biāo)數(shù)量，但又不減少信息含量，使投入產(chǎn)出指標(biāo)符合上述3個(gè)條件；再用DEA方法對(duì)發(fā)電企業(yè)能源效率進(jìn)行評(píng)價(jià)。

1）因子分析法 因子分析法的主要作用是將多維度的數(shù)據(jù)降維，找到合理且個(gè)數(shù)較少的綜合指標(biāo)去代替實(shí)際較多指標(biāo)，以達(dá)到減少所要分析的指標(biāo)個(gè)數(shù)，又盡量不損失原來指標(biāo)所包含的信息的目的。其基本思想就是根據(jù)相關(guān)性大小把變量分組，使得同組的變量之間相關(guān)性較高，不同組的變量相關(guān)性較低。每組變量代表1個(gè)基本結(jié)構(gòu)，這個(gè)基本結(jié)構(gòu)稱為因子。因子分析法就是通過少量因子來代替全部因素的一種降維處理方法。

2）DEA發(fā)電企業(yè)具有多投入、多產(chǎn)出的特點(diǎn)，可以采用DEA進(jìn)行效率評(píng)價(jià)。DEA測算的綜合效率由技術(shù)效率和規(guī)模效率2個(gè)部分組成。技術(shù)效率反映了在給定投入情況下獲取最大產(chǎn)出的能力，規(guī)模效率則反映了是否在最合適的投資規(guī)模下進(jìn)行經(jīng)營。綜合效率、技術(shù)效率和規(guī)模效率的取值范圍為0~1，當(dāng)測算的綜合效率值為1時(shí)，被稱為DEA有效；如果小于1，則稱為DEA無效。

1.3 能效評(píng)價(jià)流程

綜上，發(fā)電企業(yè)能效評(píng)價(jià)分為3個(gè)方面：首先，建立科學(xué)合理的指標(biāo)體系；其次，對(duì)指標(biāo)體系進(jìn)行優(yōu)化、降維；最后，借助DEA方法進(jìn)行綜合評(píng)價(jià)。圖1顯示了能效評(píng)價(jià)的具體流程。

2 發(fā)電企業(yè)能效評(píng)價(jià)實(shí)證研究

2.1 數(shù)據(jù)處理

本文選擇我國五大發(fā)電集團(tuán)作為研究對(duì)象。五大發(fā)電集團(tuán)包括中國華能集團(tuán)有限公司（華能）、中國大唐集團(tuán)公司（大唐）、中國華電集團(tuán)有限公司（華電）、中國國電集團(tuán)公司（國電）、中國電力投資集團(tuán)公司（中電投）。其中，中電投于2015年與國家核電技術(shù)有限公司合并為國家電力投資集團(tuán)有限公司（國電投），國電于2017年與神華集團(tuán)有限責(zé)任公司合并重組為國家能源投資集團(tuán)有限責(zé)任公司（國家能源）。

圖1 能效評(píng)價(jià)的具體流程

本文選擇這5家發(fā)電企業(yè)2014年和2018年的數(shù)據(jù)進(jìn)行橫向和縱向?qū)Ρ确治觥１?和表3分別顯示了2014年和2018年五大發(fā)電集團(tuán)能效評(píng)價(jià)投入指標(biāo)和產(chǎn)出指標(biāo)的數(shù)值。表中數(shù)據(jù)來源于歷年《中國電力報(bào)》的五大發(fā)電集團(tuán)主要經(jīng)濟(jì)技術(shù)指標(biāo)解讀和五大發(fā)電集團(tuán)歷年《社會(huì)責(zé)任報(bào)告》。

表2 能效評(píng)價(jià)投入指標(biāo)數(shù)據(jù)

Tab.2 The input indicator data of energy efficiency evaluation

表3 能效評(píng)價(jià)產(chǎn)出指標(biāo)數(shù)據(jù)

Tab.3 The output indicator data of energy efficiency evaluation

2.2 模型分析

由表2和表3可知：投入指標(biāo)之間、產(chǎn)出指標(biāo)之間存在較強(qiáng)的正相關(guān)性；同時(shí)，被評(píng)價(jià)對(duì)象的數(shù)量少于投入與產(chǎn)出指標(biāo)數(shù)量之和的2倍。因此，如果直接將這些指標(biāo)數(shù)據(jù)放入DEA模型中進(jìn)行能效評(píng)價(jià)，將會(huì)導(dǎo)致結(jié)果不準(zhǔn)確。為此，先用因子分析法將投入指標(biāo)、產(chǎn)出指標(biāo)都降維到1個(gè)因子，再進(jìn)行DEA分析。由于SO2排放是非期望產(chǎn)出，屬于逆指標(biāo)，因此需對(duì)其進(jìn)行指標(biāo)正向處理，具體操作為將各數(shù)值乘以–1。

以2014年數(shù)據(jù)為例，在因子分析前要對(duì)數(shù)據(jù)采取特定的方法檢驗(yàn)，以判斷數(shù)據(jù)是否適合因子分析。本文通過KMO和Bartlett球度檢驗(yàn)，結(jié)果顯示KMO值為0.553，球度檢驗(yàn)近似卡方值對(duì)應(yīng)的顯著性概率為0.008，說明數(shù)據(jù)適合因子分析。表4為解釋的總方差，用于判斷提取的幾個(gè)因子。由表4可以看到：提取出來的3個(gè)公共因子特征值分別為2.234、0.164和0.003；第一個(gè)公共因子累積方差貢獻(xiàn)率為93.045%>85%，因此只需要1個(gè)因子就可以掌握3個(gè)變量的信息。

表4 解釋的總方差

Tab.4 The total variance of interpretation

通過上述分析，可得成分得分系數(shù)矩陣為[FuelCapitalLabor]=[0.433 0.434 0.432]?？梢?，3個(gè)變量幾乎等權(quán)。由此可以得出最后的綜合得分計(jì)算公式：

式中Fuel、Capital和Labor均為經(jīng)過標(biāo)準(zhǔn)化處理后的數(shù)據(jù)。

同樣對(duì)2014年和2018年投入指標(biāo)、產(chǎn)出指標(biāo)進(jìn)行相似處理，最終得到五大發(fā)電集團(tuán)能效評(píng)價(jià)的投入、產(chǎn)出因子數(shù)值，見表5。

在表5的基礎(chǔ)上進(jìn)一步采用數(shù)據(jù)包絡(luò)模型進(jìn)行效率測算，得到五大發(fā)電集團(tuán)能效評(píng)價(jià)結(jié)果見表6。從表6中看到：在5家發(fā)電企業(yè)中，僅華能的綜 合效率達(dá)到1，說明該企業(yè)的能效為DEA有效；而其余4家發(fā)電企業(yè)都小于1，說明這4家企業(yè)能效為DEA無效，即能源效率相對(duì)較低。這一結(jié)果在2014和2018年均成立。同時(shí)可以看到：從2014年到2018年，華電和國電投（中電投）2家發(fā)電企業(yè)的能效有所上升；而大唐和國家能源（國電）的能效出現(xiàn)下降，國家能源（國電）的能效下降最明顯。比較5家發(fā)電企業(yè)，在2014年，能效從高到低分別是華能＞國電投（中電投）＞國家能源（國電）＞大 唐＞華電；而在2018年，能效從高到低分別是華 能＞國電投（中電投）＞華電＞大唐＞國家能源（國電）。這表明，合并重組并不能提高國有發(fā)電企業(yè)的能源效率。

表5 能效評(píng)價(jià)投入、產(chǎn)出因子

Tab.5 The input and output factors of energy efficiency evaluation

表6 五大發(fā)電集團(tuán)能效評(píng)價(jià)結(jié)果

Tab.6 The energy efficiency evaluation results for five major power generation groups in China

2.3 評(píng)價(jià)結(jié)果分析

從以上結(jié)果可知，對(duì)于發(fā)電企業(yè)來說，在測算能源效率時(shí)，僅僅從單位發(fā)電煤耗指標(biāo)無法真正比較企業(yè)之間的能效（從表2、表3可計(jì)算出5家發(fā)電企業(yè)的單位發(fā)電耗煤非常接近），這是由于火電技術(shù)在各發(fā)電企業(yè)之間差異性很小。但是這并不代表各家發(fā)電企業(yè)的能效相等，因?yàn)橛?個(gè)因素影響：

1）投入指標(biāo)在評(píng)價(jià)能效時(shí)，要從生產(chǎn)要素的角度，將各種要素同時(shí)納入到能效評(píng)價(jià)范疇，如2018年國家能源（國電）盡管發(fā)電量遠(yuǎn)高于其他 4家發(fā)電企業(yè)，但其裝機(jī)容量、員工數(shù)量均遠(yuǎn)超過其他4家發(fā)電企業(yè)。

2）產(chǎn)出指標(biāo)發(fā)電企業(yè)屬于高污染排放企業(yè)，在測算能效時(shí)，如果僅考慮期望產(chǎn)出而不關(guān)注非期望產(chǎn)出，會(huì)導(dǎo)致能效評(píng)價(jià)不準(zhǔn)確，這是由于期望產(chǎn)出與非期望產(chǎn)出具有正相關(guān)性。以國電投（中電投）為例，其發(fā)電量最少，但其二氧化硫排放量也最低，同時(shí)3個(gè)投入要素相對(duì)也較低，因此能效評(píng)價(jià)結(jié)果能穩(wěn)居第2。

綜合以上分析可知，因子分析-DEA方法在測算企業(yè)能效時(shí)可靠性較高。

3 因子分析-DEA組合評(píng)價(jià)模型運(yùn)用策略

本文通過采用因子分析-DEA組合模型，對(duì)發(fā)電企業(yè)能源效率進(jìn)行了評(píng)價(jià)，結(jié)果顯示該方法在能源效率評(píng)價(jià)上能較好反映實(shí)際情況，但使用過程中有幾點(diǎn)需要說明：

1）要準(zhǔn)確選擇待評(píng)價(jià)對(duì)象的投入和產(chǎn)出指標(biāo)，這是效率評(píng)價(jià)的關(guān)鍵。通過本文分析，在考慮產(chǎn)出指標(biāo)時(shí)，不能遺漏非期望產(chǎn)出，這會(huì)影響效率評(píng)價(jià)的準(zhǔn)確性。因此在運(yùn)用因子分析-DEA模型之前，要從理論和實(shí)際的角度去篩選產(chǎn)出指標(biāo)，特別關(guān)注非期望產(chǎn)出指標(biāo)，這樣才能綜合評(píng)價(jià)效率水平。

2）在選取了投入和產(chǎn)出指標(biāo)后，考慮到DEA分析對(duì)指標(biāo)數(shù)量的要求，因此要對(duì)指標(biāo)進(jìn)行降維。因子分析降維過程中選擇幾個(gè)因子，取決于研究對(duì)象：一方面要考慮經(jīng)濟(jì)含義，不能丟失重要指標(biāo)信息；另一方面要考慮DEA指標(biāo)數(shù)量要求。

3）因子分析-DEA組合法也具有一定局限性。由于因子分析將指標(biāo)混合，這就導(dǎo)致在得出各評(píng)價(jià)對(duì)象排名順序時(shí)，很難直觀地解釋排名靠后（即效率低）對(duì)象的低效率由哪些因素影響。是因?yàn)橥度脒^高還是因?yàn)楫a(chǎn)出過低，均無法給出直觀判斷。

4 結(jié) 語

本文利用因子分析-DEA的組合模型對(duì)我國五大發(fā)電集團(tuán)的能效進(jìn)行評(píng)價(jià)及對(duì)比分析。實(shí)證結(jié)果表明，該組合評(píng)價(jià)法能克服評(píng)價(jià)對(duì)象少于指標(biāo)數(shù)量、指標(biāo)之間相關(guān)性過高的問題，同時(shí)又能充分考慮投入產(chǎn)出指標(biāo)體系中非期望產(chǎn)出的影響，使結(jié)果更加科學(xué)合理。該方法普遍適用于效率評(píng)價(jià)領(lǐng)域，能為決策者提供更加準(zhǔn)確的信息反饋。

［1］ 宋紹劍, 薛春偉. 基于層次分析法的水泥企業(yè)電力能效評(píng)估[J]. 電力學(xué)報(bào), 2012, 27(2): 154-157.

SONG Shaojian, XUE Chunwei. The power energy efficiency evaluation of cement industry based on the analytic hierarchy process[J]. Journal of Electric Power, 2012, 27(2): 154-157.

［2］ 楊列鑾, 解佗, 張剛, 等. 基于物元綜合評(píng)價(jià)法的高耗能企業(yè)電力能效評(píng)價(jià)[J]. 電力科技與環(huán)保, 2014, 30(6): 44-47.

YANG Lieluan, XIE Tuo, ZHANG Gang, et al. The method of energy-saving calculation’s analysis and application in industrial enterprises[J]. Electric Power Environmental Protection, 2014, 30(6): 44-47.

［3］ 盧思瑤, 陳纓, 張振雨. 基于物元綜合模型的重點(diǎn)耗能企業(yè)電力能效評(píng)價(jià)研究[J]. 四川電力技術(shù), 2016, 39(2): 64-68.

LU Siyao, CHEN Ying, ZHANG Zhenyu. Power efficiency evaluation of key energy-consuming enter- prises based on matter-element comprehensive model[J]. Sichuan Electric Power Technology, 2016, 39(2): 64-68.

［4］ 田賀平, 杜松懷, 韓曉慧, 等. 基于AHP-熵權(quán)法的企業(yè)電力綜合能效評(píng)估[J]. 智能電網(wǎng), 2015, 3(2): 112-118.

TIAN Heping, DU Songhuai, HAN Xiaohui, et al. Assessment of power integrated energy efficiency for industrial enterprise users based on AHP-entropy method[J]. Smart Grid, 2015, 3(2): 112-118.

［5］ 方彥軍, 唐猛, 黃巍. 高耗能企業(yè)電力能效等級(jí)評(píng)估方法[J]. 電測與儀表, 2015, 52(6): 6-11.

FANG Yanjun, TANG Meng, HUANG Wei. Electricity energy efficiency rating assessment method for high en- ergy-consuming enterprises[J]. Electrical Measurement & Instrumentation, 2015, 52(6): 6-11.

［6］ 張建華, 劉彩琴, 杜培東, 等. 企業(yè)電力能效評(píng)價(jià)方法研究與實(shí)踐[J]. 智能電網(wǎng), 2015, 3(11): 1078-1083.

ZHANG Jianhua, LIU Caiqin, DU Peidong, et al. Research and practice of evaluation method for enterprise energy efficiency[J]. Smart Grid, 2015, 3(11): 1078-1083.

［7］ 韋杏秋, 程鵬飛, 陳碧云, 等. 火電機(jī)組能耗的數(shù)據(jù)包絡(luò)分析方法[J]. 電網(wǎng)與清潔能源, 2012, 28(2): 44-51.

WEI Xingqiu, CHENG Pengfei, CHEN Biyun, et al. An optimization model for energy consumption of unit based on DEA[J]. Power System and Clean Energy, 2012, 28(2): 44-51.

［8］ 程雯. 基于DEA模型的我國電力產(chǎn)業(yè)能源效率分析[J]. 經(jīng)濟(jì)研究導(dǎo)刊, 2015(7): 45-46.

CHENG Wen. Energy efficiency analysis of China’s electric power industry based on DEA model[J]. Economic Research Guide, 2015(7): 45-46.

［9］ 田皎, 劉福潮, 解建倉, 等. 模糊綜合評(píng)價(jià)法在水電廠能效評(píng)估中的應(yīng)用[J]. 智慧電力, 2013, 41(3): 49-51.

TIAN Jiao, LIU Fuchao, XIE Jiancang, et al. Application of fuzzy comprehensive evaluation in efficiency evaluation of hydroelectric power station[J]. Shaanxi Electric Power, 2013, 41(3): 49-51.

［10］ 宋晨希, 李明佳, 何雅玲, 等. 火電廠綜合能效評(píng)價(jià)模型的探索[J]. 工程熱物理學(xué)報(bào), 2015, 36(2): 229-233.

SONG Chenxi, LI Mingjia, HE Yaling, et al. Research on comprehensive evaluation model of energy efficiency for fossil power plants[J]. Journal of Engineering Thermophysics, 2015, 36(2): 229-233.

［11］ SIMAB M, HAGHIFAM M R . Assessing the efficiency of Iranian electric distribution companies using nonparametric approach[C]. IEEE Power & Energy Society General Meeting. IEEE, 2009: 1-5.

［12］ 曹葉. 熱電企業(yè)能源效率分析與管理績效評(píng)價(jià)研究[D]. 北京: 華北電力大學(xué), 2016: 16-19.

CAO Ye. Energy efficiency analysis and management performance evaluation of thermoelectric enterprises[D]. Beijing: North China Electric Power University, 2016: 16-19.

［13］ 邵世圻, 戴賽, 胡林獻(xiàn), 等. 計(jì)及熱網(wǎng)特性的電熱聯(lián)合系統(tǒng)調(diào)度方法[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(10): 24-30.

SHAO Shiqi, DAI Sai, HU Linxian, et al. Research on heat-electricity combined scheduling method considering the characteristics of the heating network[J]. Power System Protection and Control, 2018, 46(10): 24-30.

［14］ 劉欣艷. 生活垃圾焚燒發(fā)電廠能耗評(píng)價(jià)指標(biāo)研究[J]. 節(jié)能, 2015, 34(2): 27-30.

LIU Xinyan. Study on the energy consumption evaluation index of domestic waste incineration power plant[J]. Energy Conservation, 2015, 34(2): 27-30.

［15］ 趙玉芝. 發(fā)電企業(yè)節(jié)能潛力分析及能效提高策略研究[D]. 保定:華北電力大學(xué), 2009: 20-28.

ZHAO Yuzhi. Energy-saving potential analysis of power generation enterprises and strategies for improving energy efficiency[D]. Baoding: North China Electric Power University, 2009: 20-28.

［16］ 孫云濤, 宋依群. 基于調(diào)峰能力評(píng)估的省間調(diào)峰互濟(jì)交易模式[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(4): 86-91.

SUN Yuntao, SONG Yiqun. Peak load regulation trading mode for trans-provincial aid based on evaluation of system regulation capability[J]. Power System Protection and Control, 2018, 46(4): 86-91.

［17］ 周永芳, 時(shí)章明, 沈浩. 基于SVM的火電企業(yè)能效監(jiān)督評(píng)價(jià)體系[J]. 2015, 34(4): 3-6.

ZHOU Yongfang, SHI Zhangming, SHEN Hao. Energy efficiency supervision and evaluation system for thermal power enterprises based on SVM[J]. Energy for Metallurgical Industry, 2015, 34(4): 3-6.

Research on energy efficiency evaluation for power generation enterprises based on factor analysis and data envelopment analysis

QIU Lei1, WANG Junhe1, ZHONG Yue2, WANG Xiaojie3

(1. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China; 2. China Huaneng Group Co., Ltd., Beijing 100031, China;3. Shaanxi Provincial Development and Reform Commission, Xi’an 710006, China)

Energy efficiency control of power generation enterprises is an important factor affecting business performance and fulfilling corporate social responsibility. Scientific energy efficiency evaluation is an important basic work for energy efficiency management of power generation enterprises. This paper discusses the applicability of the factor analysis-DEA (data envelopment analysis) combination evaluation model to the energy efficiency evaluation of power generation enterprises, and uses the factor analysis-DEA combination evaluation model to empirically evaluate and compare the energy efficiency levels of China’s five major power generation groups. The results show that, the combined evaluation method can overcome the problem of over high correlation between the evaluation indicators caused by the number of evaluation objects less than the number of indicators in the commonly used evaluation methods. At the same time, it fully considers the undesired output in the input-output indicator system. The impact makes the results more scientific and reasonable. This method is generally applicable to the field of efficiency evaluation and can provide more accurate information feedback for decision makers.

power generation enterprise, factor analysis, DEA, energy efficiency, evaluation

TK011

A

10.19666/j.rlfd.201907137

仇磊, 王俊和, 仲躍, 等. 基于因子分析和數(shù)據(jù)包絡(luò)分析的發(fā)電企業(yè)能效評(píng)價(jià)研究[J]. 熱力發(fā)電, 2019, 48(12): 87-91. QIU Lei, WANG Junhe, ZHONG Yue, et al. Research on energy efficiency evaluation for power generation enterprises based on factor analysis and data envelopment analysis[J]. Thermal Power Generation, 2019, 48(12): 87-91.

2019-07-09

仇磊(1983)，男，碩士，高級(jí)經(jīng)濟(jì)師，主要研究方向?yàn)槟茉唇?jīng)濟(jì)與能源管理，qiulei@tpri.com.cn。

（責(zé)任編輯 劉永強(qiáng)）