能源互聯網建設對高耗能行業能源效率的影響研究
——基于2014—2018 年的省際面板數據

李朋林，王小丹

（西安科技大學管理學院，陜西西安 710699）

能源利用效率低下的問題一直以來是我國能源革命中存在的一大難題。國家“十四五”規劃中提出要建成清潔低碳、安全高效的能源體系的長期目標，其中的“高效”就是指能源生產、轉化和利用的效率要更加高效，這充分表明了政府對于提高能源效率的重視。相對于其他行業而言，高耗能行業具有高能耗、高污染、高產能的特性［1］，表現出更為突出的能源利用效率低下的問題。根據《中國統計年鑒》數據，2017 年六大高耗能行業的能源消費量占到全國（未含港澳臺地區。下同）能源消費總量的48.7%，占工業能源消費量的74.2%，高耗能行業的萬元產值能耗達到0.61，高于全部行業的萬元產值能耗0.59。此外，由于各地區的經濟發展水平和能源技術效率的顯著差異，高耗能行業呈現出區域發展不均衡的現狀。高耗能行業的能源利用效率低下的問題不僅制約著行業的發展，還嚴重影響了我國能源目標的實現和經濟社會的可持續發展，因此解決高耗能行業能源效率低下的問題勢在必行。

2015 年李克強總理提出“互聯網+”行動計劃，明確了能源革命要與互聯網技術相結合的方向，能源互聯網的概念應運而生。能源互聯網綜合利用信息技術部門和生產部門的關聯效應，打破了空間的局限，為推動高耗能行業在能源生產、傳輸、儲存、消費過程中的能源優化集成，解決能源利用效率低下的問題提供了潛在的可能。然而，由于能源互聯網處于初期建設階段，運行時間較短，對于能源互聯網的這種影響并沒有定論，那么研究能源互聯網是否在提高高耗能行業的能源效率水平、降低能耗方面發揮出它應有的作用，能源互聯網的影響在全國不同地區間是否均衡具有重要的現實意義。

目前國內外關于能源互聯網的影響研究主要集中在如下兩個方面：第一，能源互聯網對技術創新層面的影響。周孝信等［2］認為能源互聯網發展的實現手段是信息物理能源系統，在能源互聯網下,信息系統和物理系統可以通過信息共享的方式產生更大的價值。張俊等人［3］認為智能電網的發展為新一代電力供給側、電能傳輸和電力需求側提供了新的發展思路和技術路徑。第二，能源互聯網對產業發展效應的影響。劉強等人［4］認為能源互聯網對落后產業、傳統產業和新興產業都產生了不同程度的帶動效應，不僅加快了落后產業的轉型、傳統產業的升級，而且孕育了眾多的戰略性新興產業。代紅才［5］、左前明［6］、劉斌等人［7］認為能源互聯網能夠解決能源產業的整體效率問題和支撐能源轉型發展,從而衍生出更多的能源應用場景。

現有文獻研究主要集中在能源互聯網對技術、產業層面的影響，并認為能源互聯網通過這兩個層面的影響與能源效率產生間接的關聯，此外針對能源互聯網的研究大部分基于定性分析和指標體系的建立，實證分析還很少見。因此本文將構建描述能源互聯網建設水平的指標并測算高耗能行業的能源效率值，建立能源互聯網對高耗能行業的能源效率影響的面板實證模型，研究二者之間的直接關聯度。另外，目前關于能源互聯網的影響研究只限于全國整體的框架內，地區差異的因素少有涉及，因此本文將比較東中西三大地區高耗能行業受能源互聯網影響的區域差異，為提高各地區高耗能行業的能源效率，深入推進能源革命提供參考。

1 能源互聯網對高耗能行業能源效率的影響機制分析

能源互聯網是一個能連接能源市場各參與者的信息和服務系統，它綜合利用先進的電力電子技術、信息數據處理技術和智能管理技術，與智能微電網、分布式能源負荷裝置以及各類能源終端互聯，從而實現能量信息雙向流動的能量對等交換與共享網絡［8-10］。能源互聯網的內涵特征可以概括為以下幾點：以能源信息交互為目標；以多樣化能源服務為基礎；以互聯網技術為載體；以電力應用為保障。根據能源互聯網的定義和內涵特征，結合文獻綜述，本文提出能源互聯網直接或間接地影響高耗能行業能源效率的幾個方面，具體的方面如下：

第一，能源互聯網推進產業重構。能源互聯網擁有集成大量信息數據和運用先進互聯網技術的能力，吸引能源企業外圍相關聯產業進入市場，以及使得部分傳統優質能源企業向能源互聯網企業轉型發展，工業、服務業和高新技術行業深度融合。一些傳統能源企業積極地與互聯網公司、金融公司重組并購，新興產業如能源電子商務平臺運營商、能源云平臺服務商、新能源設備開發商以及專業能源托管機構逐漸在能源市場中的生產、輸配、消費的各個環節中發揮著重要作用，行業重組、產業重構推動專業化分工的加速實現，能源資源配置更加地高效，能源利用效率成為重要的監測指標，尤其是對于高耗能行業，在這一趨勢下減少化石能源消耗量，提高能源效率是應對市場變化的關鍵。因此，能源互聯網通過產業重構間接地影響高耗能行業的能源效率。

第二，能源互聯網實現多能互補。不同于傳統的能源系統只能提供一種或幾種能源產品，供冷、供熱、供電、供天然氣系統相互獨立運行，能源互聯網可以將所有能源并入同一個系統，滿足能源消費者用能的多樣化需求。因此在能源互聯網下可以實現同類型能源互聯、不同類能源互聯甚至是信息互聯，還可以提供能源供應與用戶之間的友好互動。而電力系統以其運行穩定性和安全性成為多能互補的最重要的載體，電力網絡的應用實現了電能生產和消費的合理調配。因此，多能互補建立在多種能源尤其是可再生能源轉化為電能的基礎上，減少了太陽能、風能由于大幅波動而造成的損失，大大提高能源的利用效率。

第三，能源互聯網突破技術瓶頸。高耗能行業現有的技術水平很大程度上制約了其能源效率的提高，能源互聯網的出現是對技術的一次變革，使得在互聯網技術支撐下的高耗能行業得到突破性發展。互聯網技術在能源領域的應用不僅使得能源可以放在云平臺進行交易，還包括運用大數據處理技術、智能管理技術為能源企業提供用能參考，最大程度地提高能源使用效率。此外，能源互聯網的發展要求傳統高耗能企業轉型為綜合能源服務商，綜合能源服務商可以發揮技術優勢構建“源-網-荷-儲”一體的智能系統，為企業提供儲能服務、大數據分析和需求側管理，提高企業資源配置效率。能源互聯網對高耗能行業能源效率的影響機制如圖1所示。

圖1 能源互聯網對高耗能行業能源效率的影響機制

2 方法與數據

2.1 方法

2.1.1 熵權法

熵權法的基本思路是根據各變量的變異程度來確定各指標的權重，再通過修正，隨之得到相對客觀的權重。熵權法具有適用性廣、準確度高、客觀性強等特點，因此在工程或經濟等各個領域獲得廣泛的應用［11］。

熵權設對象集X的初始數據矩陣為，其中包括n個待評價對象，m個評價指標［12］。則利用熵權法獲取評價指標權重的具體步驟為：

對初始指標數據進行標準化處理,設各指標數據標準化后的值為則有：

計算各指標的信息熵值，第j組指標數據的信息熵值如式（2）所示：

計算指標權重向量如式（3）所示：

2.1.2 DEA-BBC 模型與Malmquist 指數

DEA 是根據多項投入指標和多項產出指標，對具有可比性的同類型決策單元(DMU)，進行相對有效性評價的一種非參數的線性規劃方法。DEA 法通過數學規劃確定決策單元的有效生產前沿面，并將決策單元投影到生產前沿面上，若決策單元在有效生產前沿面上，則稱為DEA 有效，反之，則無效［13］。DEA 有兩種基本模型，一種是基于可變規模報酬模式的BBC 模型，另外一種是基于不變規模報酬模式的CCR 模型。高耗能行業在工業化社會和能源革命的驅動下，產業規模還在擴張，因此本文選用可變規模報酬BBC 模型對高耗能行業能源效率進行評價。

BBC 基本線性規劃模型為：

Malmquist 指數模型是DEA 模型中的一種，它的優勢是可以分析面板數據，并且能夠反映投入產出效率動態的變化趨勢，因此本文選用DEAMalmquist 模型測度效率值。依據Pastore 等［14］的分析，Malmquist 指數可以分解為：

2.1.3 面板數據模型

根據上述研究分析和指標體系，構建高耗能行業綜合效率值的影響因素模型：

IS 表示產業結構，GC 表示核能、風能、太陽能等清潔能源發電量，RD 表示高耗能行業的研發投入，FI 表示高耗能行業的固定資產投資規模,EIC 表示能源互聯網發展水平。

將綜合效率值CRSTEit作為被解釋變量，能源互聯網發展水平EICit作為主要解釋變量，其他作為控制變量，在這里本文選擇Pool 模型，即個體、時點截距均不變的混合面板數據模型，如式（7）所示：

Controlit為影響高耗能行業能源效率的控制變量，EICit表示能源互聯網發展水平，c為截距項，μit為誤差項。為了減少數據的波動幅度，對解釋變量和被解釋變量進行對數處理，如式（8）所示：

2.2 指標選取與數據來源

2.2.1 衡量能源效率的指標

六大高耗能行業包括化學原料及化學制品制造業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、有色金屬冶煉及壓延加工業、石油加工煉焦及核燃料加工業、電力熱力的生產和供應業。下文所介紹的高耗能行業的指標均為六大細分行業的加總，部分缺失數據由比例計算代替。參考研究能源效率的文獻，發現投入指標最多選用的是勞動力，資本存量和能源消費量，而地區生產總值作為產出指標居多。因此基于參考文獻和考慮到數據可得性和完整性，本文選擇的指標如下：

第一，投入指標。

（1）勞動力投入。選取高耗能行業的年平均從業人數。

（2）能源投入。選取高耗能行業消耗最多的7種能源品種，統一轉換為標準煤后加總得到行業能源消耗總量。

（3）資本投入。采用Goldsmith 提出的永續盤存法計算2014—2018 年各省份高耗能行業的實際資本存量［15］。計算公式如下：

第二，產出指標。將高耗能行業的工業總產值作為產出指標。

2.2.2 衡量能源互聯網發展水平的指標

能源互聯網發展水平的指標存在定性和定量指標之分。康重慶等［17］以及《國家能源互聯網發展白皮書2018》提出從政策、產業、技術、創新、建設、公眾生態6 個方面構建國家能源互聯網發展的指標體系。其中定性指標包括能源互聯網典型技術、能源互聯網示范項目等，定量指標包括能源互聯網科研基金、能源互聯網標準數量、能源互聯網政府文件數量、能源互聯網金融投資金額、能源互聯網搜索熱度等。

馬君華等［18］指出能源互聯網評價指標體系的定量結果，包括能量品質指標、經濟性指標、社會性指標、能量結構優化指標、交互友好性指標、組織管理與商業模式指標等。蔣菱等［19］綜合考慮能源生產方、服務方、消費方以及國家社會多方利益，建立了經濟、能源、環境、社會和工程5 個角度的智能電網創新示范區能源互聯網評價指標體系。

本文對上述指標進行綜合梳理，著重選取了可獲取的定量指標，并且本文側重于研究能源互聯網在高耗能行業中的能源利用和合理配置的作用，所以針對數十條指標進行篩選，最后選擇四項最能夠反映這一作用的指標，具體如表1 所示。

表1 能源互聯網定量指標

2.2.3 控制變量

為了更全面地反映能源互聯網發展水平對高耗能行業能源效率的影響，結合能源互聯網指標體系與上文的影響機制分析，本文將產業、技術、多能互補、基礎設施建設相關的指標放入控制變量，如表2 所示。

表2 控制變量

2.2.4 數據范圍和來源

本文選取了中國30 個省級行政單位（西藏和港澳臺地區由于數據缺失不包括在內）的各項指標，并按照我國經濟區域的劃分將其分為東部地區、中部地區、西部地區三大區域。由于能源互聯網發展發展時間較短，因此數據范圍選到2014—2018 年這一時間區間。原始數據來源于各期的《中國統計年鑒》、各省份的統計年鑒、《中國電力年鑒》、《中國能源統計年鑒》、《中國工業統計年鑒》以及政府文件等。

3 實證分析

3.1 DEA-BBC 模型測算綜合效率值

本文采用投入導向規模效率可變BCC 模型，運用DEAP2.1 軟件，對2014—2018 年我國三大區域進行高耗能行業能源效率評價，結果見表3。綜合效率可以反映決策單元在資源投入的規模、比例以及資源使用效率和配置的能力。在BCC 模型條件下，當綜合效益指數越接近1 時，表明其綜合效率越優。當綜合效率指數為1 時，表示該評價單元處于最優生產前沿面，其投入相對于產出而言達到最大化利用［20］。

如表3 所示，在不考慮隨機誤差影響的條件下，三大區域的綜合效率值均值由高到低為中部地區、西部地區、東部地區。總體來看，中部地區的綜合效率值保持相對平穩的狀態，西部地區呈現先下降后增長的趨勢，東部地區的綜合效率值呈現小幅下降的趨勢。分別來看，東部地區的綜合效率值在2014 年最接近最優生產前沿面，在2014—2016 年綜合效率值持續下降，接著在2016 年出現小幅增長，2017 年以后又呈現了下降的趨勢；中部地區綜合效率值在2014 年最接近最優生產前沿面，2016—2017年出現下降的趨勢，在2017 年之后又增長，2017 年為綜合效率值最低點；西部地區綜合效率值在2016年之前持續下降，2016 年之后開始增長。

表3 2014—2018 年中國三大區域高耗能行業綜合效率值

3.2 基于Malmquist 指數的效率分析

利用DEAP2.1 軟件包計算了三大區域的2014—2018 年的技術效率指數、技術進步指數、純技術效率指數、規模效率指數和全要素生產率指數，結果如表4 所示。

表4 東中西部地區2014—2018 年高耗能行業的全要素生產率指數及整體分析

從表4 中可以看到，2014—2015 年間，西部地區和中部地區的高耗能行業的全要素生產率指數分別上升4.2%和1.1%，而東部地區的全要素生產率指數下降了4.4%，東中西部地區都依靠技術進步來拉動全要素生產率的增長；2015—2016 年間，西部地區的高耗能行業的全要素生產率指數上升了1.7%，能源效率的增長主要依靠技術進步和純技術效率指數的帶動，東部地區和中部地區分別增長了0.2%和1.2%，且均依靠技術進步來拉動全要素生產率的增長；2016—2017 年三個地區的高耗能行業的全要素生產率都呈現出不同程度的增長，中部地區增長了1.4%，西部地區增長了7.6%，東部地區增長了6.6%，且三大地區均依靠純技術效率指數拉動全要素生產率的增長；2017—2018 年三大地區的全要素生產率指數均呈現下降的態勢。

3.3 模型設定檢驗與結果分析

運用熵權法計算各區域每年的能源互聯網發展水平指標EICit，同時將高耗能行業綜合能源效率值CRSTEit和其他控制變量一并代入式（8）進行檢驗。

由于本文所選擇的數據年限較短，變量的單位根檢驗不具有有效性，因此直接對模型設定進行檢驗和估計結果分析。采用計量分析軟件 EViews10 對2014—2018 年30 個省份建立面板模型，考慮到樣本數和參數的數量關系，隨機效應并不適用，因此比較雙固定效應模型和混合面板數據模型的顯著性，檢驗結果顯示，模型在混合面板數據下顯著性結果更優，因此本文選擇用混合面板數據模型對全樣本進行估計。估計結果如表5 所示。

表5 全樣本估計結果

從表5 可以看出，能源互聯網發展水平在全樣本下呈現與高耗能行業能源效率的負相關關系，相關系數為-0.174，即高耗能行業的能源效率在能源互聯網建設的初期會隨之有一定程度的降低。出現這種結果的原因可能是由于2014—2018 年，能源互聯網正處于興起的階段，眾多的能源互聯網有關企業和項目投入市場，聚集了大量的資金、設備，但能源市場的需求方并沒有及時與供給方建立密切的聯系，能源互聯網項目和企業還未形成有效的盈利模式和商業模式，導致能源互聯網前期的建設得不到預期的回報。此外市場中監管不到位，相關的政策和機制不完善。另外隨著電力市場化改革，能源互聯網市場更加開放，也會出現魚龍混雜的現象。行業固定資產投資總額與高耗能行業的能源效率呈現顯著的負相關關系，說明投資總額的增長并沒有帶來能源效率的提高。產業結構與能源效率之間不存在顯著的相關關系，說明第三產業產值的增加、產業結構的優化升級并沒有直接帶動能源產業尤其是高耗能行業的效率提高。核能、太陽能、風能發電與高耗能行業的能源效率也不存在顯著的相關關系，出現這種結果是由于我國的清潔能源消納機制不健全，清潔能源波動性大、不易儲存的特征使得我國常年的棄風率和棄光率都很高，沒有發揮出清潔能源對能源效率的影響作用。研發投入的增加有利于提高能源效率，相關系數為0.131，說明能源互聯網在技術創新、專業人才中的投入能夠發揮出顯著的正向影響，技術突破是能源互聯網建設的關鍵一環，能有效地提高能源利用效率。

為了進一步研究各區域能源效率受能源互聯網建設影響的差異，本文繼續對東中西地區的面板數據模型估計結果進行分析比較，結果如表6 所示。為了使結果可比且顯著，東部地區的綜合效率值以全要素生產率指數替代。

表6 各區域的估計結果

從表6 可以看出，東部地區的能源互聯網發展水平在1%的顯著性水平上為負數，說明東部地區2014—2018 年能源互聯網的發展會降低能源效率值。固定資產投資額在1%的顯著性水平上為正數，說明東部地區的投資額增加能提高高耗能行業的能源效率，東部地區對資金的吸引力較足。而研究開發與投入在5%的顯著性水平下為負數，說明東部地區在提高高耗能行業的能源效率時已經不能再單純地依靠技術創新的拉動作用，需要統籌協調系統內部的各方面因素來發揮作用。

中部地區的能源互聯網發展水平對高耗能行業的能源效率呈現負向影響，負相關系數為-0.354，且在5%的水平上顯著。原因可能是中部地區對傳統能源工業的依賴性較強，能源互聯網的發展觸及到了傳統能源企業的利益，加之這些企業具有能源壟斷的能力，因此能源互聯網的發展受到一定的阻礙和制約，能源效率反而會下降。另外，研究與開發投入對能源效率產生正向影響，相關系數分別為0.257，說明技術創新投入的增長會提高高耗能行業的能源效率。而高耗能行業的固定資產投資額不利于提高能源效率，出現這樣的結果可能是由于中部地區的經濟發展水平不足以有效吸納地區的資金投入，外部因素的影響不能夠帶動更深層次的能源變革。

西部地區的能源互聯網發展水平與高耗能行業的能源效率呈現負相關關系，說明能源互聯網在西部地區的發展不夠充分，不僅沒有發揮對工業部門的輻射帶動作用或改造升級作用，反而拉低了高耗能行業的能源效率。根據檢驗結果，核能、風能、太陽能發電量在1%的顯著水平上為0.071，研究開發與投入在5%的顯著水平上為0.074，說明西部地區的核能、風能、太陽能發電量和研發投入的增加均有利于高耗能行業能源效率的提高，西部地區的風能、太陽能等清潔能源資源比較豐富,因此提高清潔能源利用比例能顯著提高高耗能行業的能源利用效率，增加研發投入也是西部地區轉變高耗能行業的粗放式增長方式、提高能源效率的有效途徑。

4 結論和建議

4.1 結論

本文通過對我國2014—2018 年30 個省級行政單位的高耗能行業能源效率值進行測算，并建立了能源互聯網建設對該行業能源效率影響的面板數據模型，得出了能源互聯網建設在這一階段并不能有效地提高高耗能行業能源效率的結論。進一步地，本文通過區域細分，刻畫了國內東中西不同地區受能源互聯網影響的情況。具體來講，本文的結論歸納如下：

第一，三大區域的綜合效率值均值由高到低為中部地區、西部地區、東部地區。總體來看，中部地區的綜合效率值保持相對平穩的狀態，西部地區呈現先下降后增長的趨勢，東部地區的綜合效率值呈現小幅下降的趨勢。分別來看，東部地區的綜合效率值在2014 年最接近最優生產前沿面，在2014—2016 年綜合效率值持續下降，接著在2016 年出現小幅增長，2017 年以后又呈現了下降的趨勢；中部地區綜合效率值在2014 年最接近最優生產前沿面，2017 年為綜合效率值最低點；西部地區綜合效率值在2016 年之前持續下降，2016 年之后開始增長。

第二，從30 個省份范圍來看，能源互聯網發展水平和高耗能行業的能源效率呈現負向影響，說明能源互聯網前期的建設不夠全面深入，不足以影響深層次的能源利用效率低下的問題。增加研發投入有利于提高能源效率，能源互聯網在技術創新、專業人才中的投入能夠發揮出積極的正向影響，技術突破是能源互聯網建設的關鍵一環。核能、太陽能、風能發電量增加不能顯著地提高能源效率，出現這種現象是由于我國的清潔能源消納機制不健全，清潔能源波動性大，不易儲存的特征使得我國常年的棄風率和棄光率都很高，沒有發揮出清潔能源對能源效率的影響作用。

第三，從各區域來看，東中西地區的能源互聯網發展水平和高耗能行業的能源效率均呈現負向影響，但原因各有不同。東部地區的能源互聯網的發展水平在現階段不利于高耗能行業能源效率的提高，可能是由于東部地區項目進度和質量相差較大，相當一部分項目因為政策原因進展緩慢，或是由于投資主體尚未確定、與當地計劃沖突短期內難以取得進展，導致東部地區的高耗能行業的能源效率并未因能源互聯網的建設而得到提高。中部地區的能源互聯網發展水平對高耗能行業的能源效率呈現負向影響，可能是由于中部地區對傳統能源工業的依賴性較強，而新興的能源互聯網企業在建設初期受到一定的阻礙和制約，能源效率反而會下降。西部地區能源互聯網發展水平對高耗能行業的能源效率存在負向影響，可能是由于能源互聯網在西部地區的發展不夠充分，沒有形成對工業部門的輻射帶動作用或改造升級作用。

4.2 建議

根據以上結論本文提出以下建議：

第一，能源互聯網建設要繼續加大在科研方面的投入力度。用技術打破各種能源間的壁壘，實現能源和技術的深度融合，使得智能微電網、分布式能源負荷裝置等設備能有效地在能源企業尤其是高耗能企業中落地，從而更高效精準地解決能源利用效率低下的問題。

第二，我國的清潔能源消納機制尚未完善和健全，因此需要優化能源結構，提高清潔能源的利用比例，降低棄風率和棄光率，同時需要利用能源互聯網的多能互補的作用來提高能源的利用率，提高電力系統的靈活性，合理調度和輸配多樣化的能源品種。

第三，各地區的經濟結構不同，高耗能行業的行業標準參差不一，能源互聯網實施進度和政策制定也不盡相同，因此政府部門應因地制宜制定相關政策，為能源互聯網的建設營造良性互動的競爭環境和制定規范的市場準入機制。例如，東部地區的招商引資能力強，能源互聯網試驗項目多，但項目進度和質量相差較大，應在能源互聯網的前期項目審查階段制定嚴格的準入標準，避免出現魚龍混雜的現象；中部地區是傳統能源工業企業聚集的地區，改變其粗放型的增長方式應發揮技術創新對高耗能行業的轉型升級作用，加大對研發人員、研發項目的投入力度，加快能源企業的轉型升級；西部地區應充分利用豐富的風能、太陽能等清潔能源，將其并入能源互聯網的整體系統中統籌規劃。