能源消耗的影响篇1
[关键词]LmDi指数分解法；影响因素；能源消耗；贡献率
[Doi]1013939/jcnkizgsc201637041
1方法介绍
LmDi法就是将所要研究的变量通过几个因素相乘或者相加得到，这几个因素便是所需要的影响因素，再通过计算这几个因素对所研究对象的贡献率，就可以得到该因素对研究对象的影响力大小。与其他分解方法相比，LmDi方法具有以下优势[1]：LmDi的分解结果不包括残差，模型更有说服力；加法分解和乘法分解能够相互转化，选择起来具有灵活性；分部门效应加和与总效应保持一致。
2建立LmDi模型
LmDi法即将需要
通过分析数据，我们可以清晰地看到经济规模、人均能耗、人口密度、能源利用率对能源消耗总量有正影响，能源强度效应和能源空间支持系数对能源消耗总量有负影响。通过分析因子年均贡献率，发现经济规模、人均能耗、能源空间支持系数对能源消耗总量影响较大。
第三，从生产和消费两方面来考虑，生产因素有经济规模和能源强度效应，它们包含了经济规模、技术进步和产业结构等因素，对能源消耗的贡献为100，与能源总消耗完全相同；消费因素为人均能耗、人口密度、能源利用率和能源空间支持系数，囊括了我国的综合消费领域，其对能耗的贡献为0。说明，我国的能源消耗最终仍由生产部门决定。
第四，从经济、人口和空间个方面所体现的发展综合因素来看，经济规模、能源强度效应、人均能耗和能源利用率作为经济发展指标，对能源消耗的贡献为19854%，既体现了我国经济规模和经济发展程度，又反映了经济发展给人民带来的福利；人口因素既与经济指标交叉又与空间因素相关，通过人均能耗和人口密度能源利用率对能源消耗的贡献为10489%，与能源空间支持系数相抵消；人口密度和能源空间支持系数作为空间因素，其对能源消耗的贡献为-9854%，通过节约空间体现了低碳理念，减少能源消耗，并能抵消人民福利带来的能源消耗增加量。
6结论及建议
我们从经济、人口和空间的综合角度分解了能源消耗因素，故从经济规模、技术进步、城市福利、人口和空间组合形成的低碳城市理念等多方面辨析出不同因素对能源消耗的贡献程度，由此可以得出如下结论。
61经济增长和居民生活水平的不断提高依然是能源消耗主要因素经济规模与人均能耗是能源消耗的主要部分。经济增长是我国发展的必需要求，故我们提出的建议是从非经济领域方面寻求节能的路径，如提高开发以及利用能源的技术、加强企业对能耗的管理、加强公民节约能源的意识等。
62我国节能减排的主要途径是技术进步
在减低能耗量方面，能源空间支持系数与能源强度效应占主要部分，因此，只有不断地进行技术创新、提升产业结构，通过技术手段改变能源利用结构和提高能源利用率、加快经济转型，是我国节能减排的主要任务。
63我国节能减排的有效途径是提高空间利用率
增加人口密度，提倡精明增长，有效减少能源消耗，其作用不可忽视。加之，紧凑型发展所需要的投资远比能源利用技术进步所需投资少、周期短。因此，通过规划、管理、建筑、交通、住房政策等多种增加人口密度的途径是实现节能减排的有效方式。
64低碳生产与生活方式对实现节能减排具有巨大潜力
低碳生产与生活方式是所有非经济要素的综合体现，由本文的分析结果，可以认为低碳型的生活方式和生产方式对减少城市能源消耗的作用不但比技术进步和紧凑型城市的作用都大，甚至完全可以抵消人均能耗增加带来的能源总消耗。因此，大力提倡低碳生活，让居民具备低碳意识，并提高惩罚与奖励结合的方式加强管理，提高能源利用率。
参考文献：
能源消耗的影响篇2
关键词：计量；能源；回归；eviews3.1
中图分类号：F224文献标识码：a文章编号：1006-8937（2013）03-0039-02
随着我国改革开放的进一步发展，能源经济的发展格局也在不断改进。在1990年以前我国能源的主要供给方式为自给自足，但是在1990年以后我国经济进入快速发展阶段，自给自足的模式已经不再适合经济发展需要，同时从1990年开始我国的能源对外依存度不断增高。而且，我国面临的能源消耗问题也不断突出：能源利用效率低下、能源结构不合理及环境代价巨大等。我国的煤炭剩余总量可供开采不足百年，石油仅剩储量可供开采十几年，天然气仅剩可供开采三十几年的储量，能源安全问题面临严峻的挑战。因此研究能源消耗的影响因素有助于了解我国能源消耗各影响因素的影响大小以及怎样合理地调整各因素达到以较少的能源消耗换取较快的经济增长的目的。
1能源消耗总量的影响因素
①能源生产总量。能源是经济增长的根本动力，消耗源自于生产，虽然我国的能源消耗可以来源于进口，但是主要还是依赖于国内的能源生产总量。两次石油危机之后，能源问题成为全球性问题，能源安全直接关系到国家的安全，我国是能源消耗大国，消耗总量更是非常依赖与国内的生产总量。
②GDp。改革开放以来，我国的经济呈高速增长状态，作为全球最大的发展中国家，我国正处于工业化、城镇化发展的阶段，发展经济是我国的主要任务之一，而GDp的增长必然会引起能源消耗总量的变化。
③我国的年底总人口数。能源是人们赖以生存的必要物质，人人都需要能源，对于人口大国的中国来说，能源消耗总量随着人口的增长也在不断的增加。
④进出口总额。我国不仅是进口大国，也是出口大国，但是对比与进口的高价值、低能耗的商品而言，我国出口的商品大都是低价值、高能耗。所以进出口总额的增加在增加国民生产总值的同时也在索要更多的能源。故选择被解释变量与解释变量如下：Y为能源消耗总量、X1为能源生产总量、X2为国内生产总值（GDp）、X3年底总人口数、X4为进出口总额。通过做X1、X2、X3、X4的散点图，可以看出X1在1995～2000年的走势发生了变化，这是因为我国在此期间是石油净进口国，因此以混合形式引入虚拟变量D1：
D1=1，t=1995、1996、1997、1998、1999、20000，其他
2初步建立模型
①模型的设定。利用国家统计局提供的1980～2011年我国能源消耗总量、能源生产总量、GDp及年底总人口数的年度数据，作被解释变量跟各个解释变量的散点图可以看出各解释变量与被解释变量都是呈正相关关系，而且与大多数解释变量Xj的关系大致是呈线性的，因此设模型为：
Yt=a0+a1D1+b11X1t+b12（X1tD1）+b2X2t+b3X3t+b4X4t+ut
由经济常识可知，上述模型中各各解释变量的系数都应大于0。
②对设定的模型进行oLS估计可得到回归方程：
y∧t=-40937.71-1455.032D1+1.024X1t+0.021X1tD1-
（-3.343）（-0.024）（12.444）（0.046）
0.018X2t+0.322X3t+0.1409X4t
（-0.501）（2.148）（2.382）
说明D1、X1tD1对Y的影响不显著，应删除，故设定模型为：
Yt=b0+b1X1t+b2X2t+b3X3t+b4X4t+ut
3函数模型的修正
对Yt=b0+b1X1t+b2X2t+b3X3t+b4X4t+ut进行回归可得：
y∧t=-44957.25+1.1013913X1t-0.009997X2t+0.367990X3t
（-4.45）（13.84）（-0.31）（3.01）
+0.128830X4t
（2.35）
F=5232.614，R-2=0.999，模型总体上显著性通过，X2未能通过t检验，而且为负值，即GDp对能源消耗总量起负的影响作用，不符合经济常理，怀疑模型中解释变量之间存在较为严重的多重共线性。
3.1多重共线性的处理（逐步回归法）
①用Y分别与X1、X2、X3、X4之间进行逐步回归，可得到Y与X1之间的估计效果最好，估计方程为：
y∧t=-17482.65+1.170198X1t
（-12.096）（128.535）
R-2=0.998Dw=0.971
由分析可知，我国能源生产总量对能源消耗总量的影响最大，且与经验符合，所以选择X1作为初始回归模型的解释变量。
②用初始回归模型分别与X2、X3、X4进行回归分析，得到此模型与X3之间的估计效果最好，估计方程为：
y∧t=-39436.77+1.140085X1t+0.219404X3t
（-3.771）（68.562）（2.117）
R-2=0.998>0.998Dw=1.065
模型的拟合优度提高，并且符合经济意义检验，解释变量都通过了t检验，因此把X3加入回归模型是合理的。
③用上一步中得到的回归模型分别对X2和X4进行回归分析，可以得到此模型与X4之间的估计效果最好，估计方程为：
y∧t=-45061.86+1.000835X1t+0.378236X3t+
（-4.539）（16.993）（3.272）
0.122577X4t
（2.449）
R-2=0.999>0.998Dw=1.567
加入X4后，模型的拟合优度提高，并且符合经济意义检验，解释变量都能够通过t检验，所以应当把X4加入模型中。
因此我们可以得到结论，我国能源消耗总量的最主要影响因素为：能源生产总量（X1）、年底总人口数（X3）和进出口总额（X4）。拟合结果：
y∧t=-45061.86+1.000835X1t+0.378236X3t+0.122577X4t
3.2异方差的检验与处理
3.2.1异方差的检验（G—Q检验）
对X1进行升序排序，删掉位于中间的8个值，把剩余的24个值进行平分，获得每组有12个样本值的两个子样本，分别对两个子样本进行回归，得到RSS1=47479971（样本观测值较小）和RSS1=139000000（样本观测值较大），计算可得F1=RSS2/RSS1=2.92755023
3.44，故认为不存在异方差。同理，对X3进行检验，F2=22.8>3.44，即认为存在异方差；对X4进行检验，F3=9.88>3.44，认为存在异方差。
3.2.2异方差的处理（用wLS法）
用1/|ei|作为权重，使用wLS可以得到估计方程：
y∧t=-48160.01+0.954347X1t+0.443173X3t+0.157235X4t
（-12.517）（26.280）（8.059）（5.532）
3.3序列相关的检验及处理
对模型进行wLS估计并消除异方差之后，发现DL
4最终模型
y∧t=-48160.01+0.954347X1t+0.443173X3t+0.157235X4t
（-12.517）（26.280）（8.059）（5.532）
R-2=0.999997
最终模型中各释变量的系数都大于0，即各解释变量对被解释变量的影响都是正的影响，符合经济常识；且该模型不存在异方差、序列相关，也无严重的多重共线性；又各解释变量参数的t检验值同能够通过统计检验，故该模型为最终模型。
5相对误差分析
相对误差=|估计值-观测值|/观测值，经计算，除了1980年和1985年两年的相对误差大于5.00%之外，其余都不超过5.00%，预测消耗总量的平均相对误差为1.89%，说明该模型预测效果较好。
6结论和建议
首先，能源消耗总量的影响因素分析表明影响我国能源消耗总量的因素最主要的因素是我国的能源生产总量，在其他影响因素不变化的条件下，当能源生产总量增加1万吨标准煤时，我国的能源消耗总量增加0.954万吨标准煤。其次是我国的年底总人口数，在其他影响因素不变的条件下，当我国的年底总人口数增加1万人时，我国的能源消耗增加0.443万吨标准煤。最后是进出口总额，在其他影响因素不变的条件下，当我国的进出口总额增加1亿元时，我国的能源消耗量增加0.157万吨标准煤。其次，对模型进行相对误差分析得到该模型的平均相对误差为1.89%，其中相对绝对误差在5%以下的有30期，占样本容量的93.75%，说明该模型的模拟结果比较好，可以作为相关问题的分析的参考。
从结论中可以知道，我国能源消耗总量的主要影响因素是我国的能源生产总量、年底总人口数和进出口总额。因此为了满足我国日益增长的能源消耗需求，而又不对其他国家的能源进出口产生很强的依赖性，就必须依靠技术进步来开发新能源，进而改善我国的能源利用率低下、能源结构不合理、环境代价巨大及能源需求和供给的矛盾等现状。
参考文献：
[1]张保法.经济计量学[m].北京：经济科学出版社，2006.
能源消耗的影响篇3
关键词：区域产业；能源消费量；产品产量预测；单位能耗量预测
一、引言
能源是人类生存和社会进步的重要物质保障。随着经济发展和人口增长，我国对能源需求呈急剧上升的趋势，出现了能源供求短缺现象，造成这种矛盾的主要原因是产业结构、能源结构的不合理、能源价格机制存在缺陷、能源利用率低等。要解决能源供需矛盾问题，就需要合理的制定能源发展规划，制定能源生产和消费计划。多年来，许多学者对能源生产、消费预测开展了多方面的研究，从影响能源消费量的经济发展、人口、产业结构、能源价格等宏观因素之间的关系进行预测分析，大致可以分为两类，即单一预测法和采用组合模型进行预测。这两种预测方法多是从影响能源消费宏观因素方面进行的，存在很大的偏差。为了提高预测的精度，本文提出了一种从具体产业、产品等微观角度进行能源消费预测的方法，能够反应出具体产业、产业结构、产品结构、能源结构、节能等变化对能源消费量的影响。这在一定的范围内缩减了预测的偏差，为决策的制定提供了一定的依据。
二、区域产业能源消费的影响因素
1、产业结构对能源消费量的影响
产业结构的变化是影响区域产业能源消费的重要因素，其对能源消费产生的影响存在于以下两方面。一是产业结构不同，其能源需求种类、耗能强度也不同。一般而言，相对于第一、三产业，第二产业属于高耗能产业，能耗强度相对较高，所需能源品种多，因此以第二产业为主体的产业结构必然会对能源消费产生拉动作用。二是不同产业部门单位产品所需求的能源数量、种类也相差较大。具体来说，第二产业部门单位产品所需要的能源数量、种类较多，第一、三产业部门单位产品所需要的能源数量、种类相对比较集中。随着经济发展第二产业的主导地位正逐步向第三产业过渡，进而降低了高耗能高污染产业的比重，增加低耗能清洁产业的比重，从而整个区域的能耗强度就会下降，能源消费量也相对减少。
2、节能减排对能源消费的影响
节能减排政策的推广对产业能源消费也产生重要的影响，主要是通过技术节能、结构节能、管理节能、优化等来达到节约能源、降低能源消耗、减少污染物排放的目的。具体来说，随着能源使用和加工转换技术的不断改善，先进设备不断投入使用，能源的生产和转换环节的生产效率就会提高，单位产品能耗量减少，生产环节的能源损失也会减少，因此通过技术节能提高其能源利用效率，以达到节约能源、减少能源消费量的目的。另外，合理的使用能源，延长产业链，减少能源初级产品使用，发展下游产品的精细加工，提高高能耗高污染产业的准入条件，遏制部分高耗能产业的盲目投资和低水平的重复建设。在产业中通过对耗能产品制定科学的耗能指标，改善办公场所、营业场所耗能设施的管理制度建设，规范企业生产行为，降低耗能，引导顾客树立节能意识，主动使用高能效产品、节约能源。
3、能源之间的互补、替代对能源消费量的影响
同种能源具有多种用途，各种用途在产业活动中发挥的作用也不同，且同种需要也可以由不同的能源来满足。在产业中进行相关能源之间的替代、互补可以改变能源的结构，主要改善以煤和石油为主的高耗能能源供应与消费结构，降低能耗强度，减轻环境污染。在产品中进行能源的替代、互补可以改善能源的种类，提高能源的利用率，节约能源，减少能源消费量。因此，在我国现有能源约束供给条件下，以新能源替代传统能源、以优势能源替代稀缺能源、以可再生能源替代化石能源，促进能源品种由单一向多元化转变，提高替代能源在能源结构中的比重，是解决我国能源供需矛盾及减轻环境压力的有效途径。
能源消耗的影响篇4
[关键词]产业结构能源消耗能源弹性系数
从能源消耗的角度来分析一个地区的产业结构，对于未来能源消费预测，明确能源开发方向，节约能源，以及优化产业结构都具有十分重大的意义。
一、广西的产业结构及能源现状
1、广西的产业结构现状分析经过20多年的改革和发展，广西经济社会面貌发生了巨大的变化，2002年，广西国内生产总值2455亿元，按可比价计算，是1980年的7.16倍，根据相关的统计资料，2001-2005年广西的国内生产总值以年均11.25％的速度增长，超过了我国GDp年均9％的增长速度。经济快速发展的同时，产业结构也得到了不断的优化升级，三次产业在国内生产总值中的比重由1995年的第一次产业占30％、第二次产业占35.8％、第三产业占34.2％，改变为2001年的第一产业占25.2％、第二产业占35.5％，第三产业占39.3％，以及2002年的第一产业占24.3％，第二产业占35.2％，第三产业占40.5％(见表1)。虽然广西的产业结构在不断的优化，但是却仍然处于很低的水平，其中主要表现在第一产业的比重过大，2000年与中等收入国家在1990年所占的比重仍然高出12.3％，同时与全国的平均水平仍然高出很大，第二产业所占的比重虽然相对趋于合理，但是第二产业的生产效率低下，能源消耗量，效益太低，第三产业的比重虽然有不断上升的趋势，可是比重与发达国家的要求还相差很远(见表2)。
2、广西的能源消耗的现状分析
改革开放以来，广西经济在获得不断发展的同时，能源消费也在不断的增长，增长过程中也出现了一些问题和自身的特点，首先是广西能源消费弹性系数随着经济的发展频频出现大于1的时候，特是在2000年及以后，能源消费弹性系数很高，在2000年能源消费弹性系数为1.10，在2004年、2005年能源消费弹性系数分别高达2.49和2.18，以就是说明了广西能源消费量年平均增长速度远远大于广西经济年平均增长速度(见图1)。
其次是广西人均能源拥有量严重不足，虽然我国能源总量在世界排列在前面，但是人均能源拥有量却相当不足，排列在世界后面，而广西的人均能源拥有量低于全国的平均水平。再次，能源消费结构及其不合理，煤炭消费占能源消费的总量比重偏高，而煤炭排放的大量的污染物对环境的破坏性极大。最后，广西的能源利用率很低，一般却低于30％，另外，广西农村的能源利用问题很严重，农民大部分靠的是生态能，对农村能源投入量太低，所以农业的生产效率低下。
因此，广西的能源消耗问题突出，而不同的产业结构对能源消耗具有不同的影响，为了解决广西的能源消耗问题，本文从能源消耗的角度分析广西的产业结构问题，以便能够采取更优化的产业结构来发展广西经济，更好的解决能源的消耗问题。
二、产业结构变动对能源消耗的影响
为了分析产业结构变动对能源消费的影响，建立多元线性回归模型：
Lne=C+β11Ln1+β2Lnl2+β.3i3 (1)
其中被解释变量e表示的是广西能源消费总量，解释变量i1表示广西第一产业的国内生产总值，i2表示广西第二产业的国内生产总值，i3表示广西第三产的国内生产总值，本文运用1995年到2005年的广西的年度数据，数据来源于《广西统计年鉴(2006年)》。本文通过eviews3.1对(1)式进行了回归：
Lne=3.26-0.385Lni1+1.3392Lni2-0.26Lnl3(6.526)(-1.90)(5.419)(-1.858)
R2=0.991 F=259.4178
从上面的回归结果可以看出，括号中的数字为回归系数的t统计量，根据计量经济学的统计tt检验，得出第二产业的系数在统计上显著的，也就是广西第二大产业的产值的变化对广西能源消耗具有显著的影响，同时拟和优度检验，也即R2的值为0.991，表明广西能源消耗的变化有99.1％的变化是由于第二产业结构的变化所解释的，总体检验F的值为259.4178，明显通过了统计学中的F检验，也就是表明这个回归方程的整体回归效果比较精确。
可以看出，广西的产业结构与能源消耗之间的关系有其自身的特点，首先从第一产业i1的系数-0.385表明，由于t值在统计上也是不显著的，表明第一产业的增长对能源消耗的影响可以忽略不计。这与其他学者所做的全国的能源消耗与全国的产业结构所做的实证分析结果不同，根据路正南在《数量经济技术经济研究》1999年第十二期的“产业结构调整对我国能源消费影响的实证分析”所得出的结论不同，他得出的结论是全国三大产业的产值增长都与能源消耗总量增长之间是呈正向关系，这说明广西第一产业的能源消耗水平非常低，对能源消耗的影响在统计上不显著。广西绝大多数地区的农村的能源消耗都是用的生态能。所以就算广西农业产值的水平增加，可是对能源消耗的影响水平不大，甚至是零的影响。第二产业i2的系数为1.339表明，第二产业产值的增长与能源消耗总量之间存在明显的正增长关系，而且系数的t值为5.419，说明第二产业产值的变化对能源消费总量的变化具有显著的影响，第二产业平均产值增长1％，广西的能源消费总量将增长1.339％，也即广西能源消费总量的变化在很大程度都受到第二产业的影响，而广西第二产业中占有很大比重的是工业，也即广西的工业生产中消耗了大量的能源。第三产业i3的系数为-0.26，但是系数-0.26的t值为-1.858，在统计上无法通过检验，说明广西的第三产业的发展对能源消耗的影响不显著，也即第三产业对能源消耗的影响较小，在统计上无法显示。建立第二个多元线性回归模型：
lne/GDp=c+β1lnR1+β2inR2+β3lnR3 (2)
其中，被解释变量e/GDp表示单位GDp能耗量也即为能源消耗强度，解释变量R1表示第一产业占GDp的比重。R2表示第二产业占GDp的比重。R3表示第三产业占GDp的比重，
也即民表示的各产业的比重，即产业结构，运用1995年到2005年的时间序列数据进行回归，得到的回归模型为：
lne/GDp=-23.52+1.90lnR1+2.75lnR2+2.13lnR3
(-0.909)(0.95)(1.028)(0.779)
R2=0.544 F=2.78
该模型给出了广西能源消耗强度与三次产业在国民经济中所占的比重之间的关系，由于单位GDp能耗对广西三次产业结构比重的弹性为1.90:2.75:2.13都是正的，但是从计量实证的结果显示，由于第一产业和第三产业的比重的模型系数1.90和2.13，它们的t值分为0.95和0.775，在显著水平取5％时，这两个系数显著为0，也就是第一产业和第三产业的所占比重的调整对能源消耗的影响在次模型中无法反应出来，而第二产业所占比重的系数为2.75，其t值为1.028通过t检验，表明第二产业的比重的变化对广西能源消耗强度的影响很大。
能源消耗的影响篇5
关键词：汽油消费；边际下滑；影响因素；国家政策；规律性
中图分类号：F426文献标识码：a文章编号：Cn61-1487-（2019）06-0119-04
汽车作为汽油消费的最大需求端，近年来的汽油消费同比增速却未与汽车保有量的增长成正相关关系。相反，汽油消费同比增速却在逐步放缓。探究汽油消费的变化趋势及其原因，对于炼油行业的产能及其工艺加工技术的决策具有重要的参考价值。通过实证分析的方法研究汽油边际消费放缓的影响因素及国家政策的促成作用，为我国汽油能源消费相关政策的制定提供参考。
一、汽油消费量同比增速呈现下滑趋势
从国家统计局公布的汽油年度消费及同比增速上看，自2014年起，汽油年度消费同比增速持续下滑，至2016年同比增速创历史新低，约为2%[1]。同时，ea（energyaspects）公布的汽油年度消费量及同比增速数据也同样显示中国年度汽油消费量同比增速在2014年持续下滑[2]。国家统计局和ea（energyaspects）的统计数据客观公正，值得信赖见图1，图2。可见，汽油年消费量同比增速近几年急速下滑是一个客观事实。
二、汽油消费呈现“S”形规律探讨
王安建等[3]的研究成果表明，一次能源消費呈现“S”形规律。即随着经济的增长，一次能源消费不会无限增长，在一个国家或地区的能源消费存在着极限。即是说随着人均GDp的增长，人均终端能源消费呈现缓慢增长—加速增长——减速增长——零增长或负增长的“S”形轨迹，并指出“S”形规律可广泛应用于国家或地区的能源需求预测。通过比对汽油能源消费和人均GDp增长趋势，发现这一规律也适用于汽油能源消费，即汽油能源消费随着经济增长同样呈现“S”形规律。着重观察了北京市的汽油能源消费与经济发展趋势，发现北京市的汽油消费更典型地呈现“S”形规律，且北京市的汽油消费“S”形规律和全国的对比，其节奏领先于全国，见图3，图4。
通过对北京市与全国汽油年度消费量图表的观察，发现北京市的汽油消费已经经过了“缓慢增长”和“加速增长”的阶段，目前正处于“减速增长”状态，但还未达到“零增长或负增长”程度[4]。全国汽油消费的“缓慢增长”阶段明显较长，整体上自2014年起消费增速放缓，现阶段全国汽油消费正处于“加速增长”末期，逐渐向“减速增长”初期过渡。全国汽油消费增长与北京的差别，可能与城市化、工业化进程、经济发展状况以及相关政策不同有关。
三、汽油消费规律的需求模型解释及数据说明
从需求角度看，汽油消费主要与汽油汽车百公里耗油量、汽油汽车保有量以及汽车行驶里程成正比，因此汽油消费量的模型公式为：
全国范围内汽车行驶里程的数据不详，而北京的汽油汽车行驶里程有详细完整的数据，以北京的数据为依据进行实证分析。数据来源说明：
汽油消费量：汽油消费采用国家统计局公布的年度北京汽油消费量，单位为万吨。
百公里油耗：汽油汽车百公里耗油量采用的是实际油耗，单位为升/百公里。能源与交通创新中心出版的《2017乘用车实际油耗与工况油耗差异年度报告》[5]中披露了工况油耗与实际油耗及其差异，报告中实际油耗数据由小熊油耗app提供。
汽油汽车保有量：汽油消费量以乘用车作为研究标的，北京市汽油汽车采用北京市民用汽车拥有量减去北京市新能源汽车保有量来计算，其中北京市民用汽车拥有量的来源为国家统计局，北京市新能源汽车保有量数据来自《北京市交通发展年度报告》，单位均为万辆。
行驶里程：北京市私家车行驶里程数据来自历年《北京市交通发展年度报告》，自2005年至2016年的以年度频率公布，统计方法为小样本抽样，单位为公里。
综上，模型所需的三个变量数据完整，可以进行实证分析，见表1。
四、调研数据实证分析
如上所述，北京市汽油消费已经经过了缓慢增长和加速增长期，目前正处于减速增长区间，在不同区间内自变量对于因变量的影响不同。模型或许存在结构性变化，因此有必要对样本进行chow-test检验。经检验，得到的结果是：样本一（2005年～2010年）与样本二（2011年～2016年）的两个回归方程是不同的，指示北京汽油消费量经历了结构性的变化，见图5，图6。
将样本一（2005年～2010年）与样本二（2011年～2016年）分别进行回归分析，结果见表2，表3。依据上述回归结果可以看出，拟合度很高，整体效果的F检验通过，说明三个因变量x对于自变量y的解释程度较高。从p值上看样本一中行驶里程和油耗量对汽油消费的影响较大，而汽油汽车保有量对汽油消费的影响较小，样本二中恰恰相反，行驶里程和油耗量对汽油消费的影响较大，而汽油汽车保有量对汽油消费的影响较小。
根据上述分析，可以得出结论：在样本一中（2005年～2010年），北京市汽油消费为加速增长阶段，该阶段汽车行驶里程以及油耗量对汽油消费有显著影响，影响度分别达84%和96%，汽油汽车保有量对汽油消费的影响度为51%，较前两者弱。在样本二中（2011年—2016年），北京市汽油消费处于减速增长阶段，该阶段汽油汽车保有量对汽油消费有显著影响，影响度高达85%，而汽车行驶里程预计油耗量对汽油消费的影响较弱，影响度分别为6%和1%。
通过实证分析得知，自变量汽油汽车保有量、汽车行驶里程和油耗量在不同阶段对于因变量北京汽油消费的影响程度是不同的，在汽油消费的加速增长阶段（2005年—2010年），汽车行驶里程以及油耗量对汽油消费量有显著影响，而在汽油消费的减速增长阶段（2011年—2016年），汽油汽车保有量对汽油消费有显著影响。
五、汽油消费的影响因素分析
观察研究上述模型及数据，发现影响汽油消费的三个变量的变化和国家政策的出台和调整息息相关，国家宏观调控很大程度上影响了三个变量在不同时期的表现，从而又影响了汽油消费量的变化。
一是国家大力发展公交事业等政策影响了私家车的行驶里程。近些年来国家大力发展公共交通事业，人们更多地选择公共交通出行，导致私家车出行减少，行驶里程下降。并且随着国家加大治理环境措施的出台实施，限行政策在各地纷纷出台，极大地减少了私家车行驶的里程。以北京为例，根据《北京市交通发展年报》的记载，北京市民在2010年-2015年间，轨道交通及公共交通的出行率大幅度提高，尤其是軌道交通利用率更高。加之北京自2007年起实行限号限行政策，因此相对于2005年--2010年来说，私家车出行里程相应减少，这是导致汽油能源消费下滑的原因之一。
二是国家政策调控导致油耗量减少。油耗量的减少主要由于国家政策的调控。国家政策强制规定汽车燃料消耗限值从2008年的9.8L/100km下降至2020年的5L/100km，下降了约35%[6]。在汽车消费上，国家政策利好也向小排量汽车倾斜，2008年9月，国家首次出台汽车购置税优惠政策，降低了小排量汽车的消费税，使得部分消费者偏好转向了小排量节能汽车。汽车购置税减免政策在2011年曾退出过一段时间，此后至2017年一直在5%和7.5%之间起落[7]。这些政策都一定程度促使了油耗量的减少。然而，从另一方面来看，虽然国家规定的汽车燃料消耗限值下降幅度很大，但由于我国消费者在购车偏好上更倾向于大质量的SUV等汽车，以及人为因素和外界环境因素等的影响，导致实际油耗仍然偏高，与国家能耗限值以及理想工况油耗存在差距。从实际油耗的数据上看，自2008年至2016年，乘用车油耗水平没有太大的下降，在8.5～8.6L/100km之间波动。可见，实际上理想工况油耗与实际油耗存在较大差距，国家政策尚有调控空间。
三是新能源汽车的发展持续影响汽油汽车保有量的增加。汽油汽车保有量因清洁能源汽车的出现而减少，自2001年始，我国CnG汽车（CompressednaturalGas汽车，指以压缩天然气替代常规汽油或柴油作为燃料的汽车）进入快速发展阶段，至2014年底，我国CnG汽车保有量达到441.1万辆，首次跃居世界第一。近年来新能源汽车（纯电动汽车及插电混动汽车）也因受到国家政策的扶持以及科技的发展销量呈爆发式增长。2017年新能源汽车保有量219万辆[8]。根据计算，2017年天然气汽车和新能源汽车替代了10%左右的汽油消费，可见清洁能源车的发展大大降低了汽油能源的消费，是未来国家发展的方向，预计随着清洁能源车的发展，其替代汽油消耗的比例会更高。
六、结论
能源消耗的影响篇6
本文基于1998—2006年全国30个省市自治区的面板数据，实证分析了中国地区能源强度的差异特征及其影响因素。结论认为，东、中、西三大地区能源强度差异较大并呈进一步扩大的态势；经济发展水平、第三产业增加值比重、制度因素对三大地区能源强度降低起积极作用，政府干预则起阻碍作用；工业化水平、第二产业增加值比重对东部地区降低能源强度起积极作用，对中西部地区正好相反。针对不同地区制定不同的能源、经济与产业政策，降低政府对市场经济的干预。对各地区降低能耗强度将会起到积极的作用。
关键词：能源消耗强度；地区差异；影响因素
一、引言
1978-2000年，中国能源消费平均增长率(3.82％)不到GDp平均增长率(9.52％)的一半，能源消费弹性系数小于1。而自2001年后，中国能源消费需求大幅度增加，2003-2005年中国能源消费弹性系数大于1，能源消费增长速度超过GDp增长速度，平均增速达到13.31％，经济增长表现为以较高的资源消耗为代价，对能源消费的依赖性不断增加。今后几十年将是我国经济快速增长的黄金时期，即使未来若干年内我国经济平均增长速度只有7％，能源消耗增长速度也在3％以上，如何以较低的资源消耗为代价换取较高的经济增长，已经成为目前及未来需要迫切解决的重要问题。
近年来，能源强度和能源效率问题已经成为国内外学者探讨研究的热点。HuaLiao(廖华，2007)等研究了1997--2006年中国的能源消费强度，认为高耗能工业的大量投资所引致的工业结构转换是能源强度提高的主要原因。孙鹏(2005)等分析了中国1978-2003年经济增长和能源消耗强度对能源消耗量的影响，认为中国的能源生产率在提高，但2001-2003年能源生产效率体现了一定的下降。周鸿、林凌(2005)对1993-2002年能源使用效率变化的研究认为，我国的能耗效率在1993年以后有一定的提高，但能源使用并没有明显的从能耗高的产业向能耗低的产业流动。吴巧生(2005)等学者的研究表明，工业化水平的提高从长期来看有利于提高能源利用效率。高振宇、(2006)利用聚类分析方法将全国划分为能源高效、中效和低效区，从总体角度研究了影响中国能源生产率的因素。齐绍洲和罗威(2007)将全国划分为东西两个区域，发现随着人均GDp差异的收敛，各区域的能源强度差异也是收敛的。
以上研究均以国家总体能源强度变化为研究对象，较少涉及能源消耗的地区差异问题。事实上，我国作为一个幅员辽阔的国家，地区差异问题不容忽视，由于不同地区资源禀赋、经济发展水平、经济结构、技术水平、工业化进程等方面的发展存在很大的不平衡，从国家总体角度的研究结果并不一定与地区实际相吻合。如果不分条件、不考虑地区差异，全部照搬一个模式，势必会影响中国节能降耗目标的实现。
本文主要以：(1)中国大陆30个省市自治区(不包括，能源数据不全，故排除在样本分析范围之外)能源消耗强度为研究对象，采用面板数据模型进行研究。(2)根据已有的研究成果兼顾数据的可得性，考虑中国经济特殊的经济体制和发展模式，特别添加制度因素和政府影响力两个指标，以体现政策性因素对区域能源消耗的影响。
二、能源消耗强度的区域差异
(一)地区划分方法的选择
传统的区域划分方法有两种：一种是将全国各省市自治区按东、中、西划归为三大类；二是在东、中、西的划分基础上再进行细分，将全国各省市自治区按地理位置划分为华北、华东、东北、西北、西南和中南六大区域。本文分别计算了1995-2006年按照两种划分方法的能源消耗强度。如图1、图2所示。
从图1、图2可以看出，三大地区能源强度差别明显，分别为2.0285、3.0422、3.8273；而按六大区域划分的计算结果，华东和中南几乎相等，华北和西南几乎相等。因此按第二种划分方法计算的平均能源强度，由于分类过细而使不同区域之间能源强度的差别不甚明显，并不适合对能源强度差别情况进行判别分析，而按东、中、西三大地区计算的能源强度则呈现明显的“西高东低”现象，东、中、西三大地区平均能源强度(以东部地区为100)之比为1：1.50：1.89。其次，由于我国现行的区域政策基本上是按照东、中、西三大地区区别对待，有利于考核体制因素和政府干预对能源强度的影响。最后，从目前的研究结果看，按照东、中、西三大地区的划分方法实证考核能源强度变化的研究几乎没有。故本文选取第一种划分方法进行分析，以弥补这一方面研究的欠缺。
(二)地区能源强度的差异特征
1、省际能源强度的差异比较。全国30个省市自治区1995-2006年能源消耗强度平均值(以1990=100)见图3、图4、图5。
从12年间的平均值来看，能源强度最高的五个省区都分布在中、西部地区，分别是宁夏(7.14t标准煤／万元)、贵州(7.08t标准煤／万元)、山西(6.60t标准煤／万元)、青海(6.41t标准煤／万元)、甘肃(5.12t标准煤／万元)，这五个省区万元GDp能耗均超过5t标准煤。能源强度最低的五个省份分别是广东(1.23t标准煤／万元)、福建(2.04t标准煤／万元)、海南(1.65t标准煤／万元)、浙江(1.67t标准煤／万元)、江苏(1.78t标准煤／万元)，这五个省区均分布在东部沿海经济较发达地区，万元GDp能耗均没有超过2t标准煤／万元。
从各省、市、自治区所归属的地域范围看，西部11省、市、自治区万元产值能耗几乎都在3t标准煤以上；中部8省区万元产值能耗均在2t标准煤以上；东部11省市中除辽宁和河北外。其余省市能耗强度均在2t标准煤以下，三大地区能耗指标由西向东呈现明显的“梯度递减”。
2、地区能源强度的差异特征。1995--2006年东、中、西三大地区能耗强度和能源效率指标(1990=100)见图6、图7。
(1)从图6可知，东、中、西三大地区能源强度随时间推移呈下降趋势，但三大地区能源强度差别明显并呈逐步扩大趋势。1995年三大地区能源消耗强度(以东部地区为100)之比为3.15：4.80：5.16(1：1.52：1.64)，到2006年这一比例扩大为1.75：2.73：3.37(1：1.56：1.93)，地区能源强度差别扩大的趋势比较明显。
(2)从图7可以看出，三大地区平均能源效率(单位能源消耗的经济产出)随时间推移呈明显的倒“U”型变化。从时间段上划分，1995-2002年为第一阶段，这一时期三大地区能源效率提高的趋势比较明显；2003-2005年为第二阶段，这一时期各地区能源效率均有不同程度的下降，2006年情况有所好转。从倒“U”型变化的拐点来看，其变化过程与我国工业化进程基本同步。2000年以后中国工业化进程的加快导致我国能源强度出现恶化，能源效率下降。
三、计量模型设定及实证分析
(一)变量选取和数据说明
本文选取的样本范围为1998-2006年全国30个省、市、自治区9年的样本资料，样本观察值共270个。基础数据来源于《新中国五十五年统计资料汇编》、《中国统计年鉴》、《中国能源统计年鉴》及各省市自治区统计年鉴相关年份。各变量表示方式如下：
1、能源消耗强度(eLi,t)。定义ei为单位生产总值的能源消耗总量，单位为吨标准煤／万元，则；eLi,t=enGi,t／GDRi,t，i表示省份，t表示时期(以下同)。全国能源消耗强度就是30个省区能源消费总量之和与国内生产总值之和之比。
2、经济发展水平(pergdpi,t)。以地区人均GDp表示，i省份t时期的人均GDp可以表示为：pergdpi,t=GDRi,t／popi，t。popi，t为i地区t时期的年末人口总数。
3、工业化水平(inDi,t)。用地区工业增加值占当年地区生产总值的比重表示，即：inDi,t=inDi,t／GDRi,tinCRi,t表示i省份t时期的工业增加值。预期工业化水平与能源消耗强度同向变动，但工业化进程的不同阶段对能源消费的需求有可能不同。
4、产业结构(CYi,t)。用第二、三产业增加值占当年地区生产总值的比重表示，即：CYi,t=inCi,t／GDpi,t,inCi,t，表示i省份t时期的产业增加值。预期第三产业增加值比重上升与能源消耗强度成反比，第二产业增加值比重上升与能源消耗强度成正比。
5、制度因素(SYSi,t)。用地区工业总产值中国有工业所占比重表示，即：SYSi,t=GYi,t／GDi,t，GYi,t表示i省份t时期的国有工业总产值。可以假定：国有工业比重大的地区，能源利用效率低，能源消耗强度大，这一假定是否成立还有待于计量检验。
6、政府影响力(GoVi,t)。用地区财政支出占GDp比重表示，即：GoVi,t=Finai,t／GDpi,t，Fini,t表示i省份t时期财政支出总额。理论上推测政府干预对提高能源效率存在负向影响。
(二)计量模型选择及设定
本文建立的模型为面板数据计量模型(pooldate)。面板数据计量模型有三种：聚合最小二乘回归(pooloLS)、固定效应模型(Fixedeffect)和随机效应模型(Randomeffect)。对于截面单位较多而时期较短的样本数据，本文假定在同一地区内所分析各因素对能耗强度的影响大体相同，地区能耗强度的差异主要体现在截面单元的不同个体之间，因此对各地区建立面板数据的不变参数模型。在具体模型的选择上，可根据所研究问题的特点及具体数据特征来判断。如果用样本推断总体的个体差异，则采用随机效应的面板模型，如果分析样本本身的个体差异，则可以采用固定效应的面板模型。根据本文的研究目的，应选取固定效应模型。因此所设定模型为变截距固定效应模型。基本计量模型可设定为：
ei=f(pergdp，inD，CY，SYS,GoV)+μ(1)
(1)式中，ei和pergdp取自然对数，其余变量均采取原始形式，则模型(1)可变化为：
lneij,it=α0+αj1lnpergdpj,it+αj2inD+αj3CY(2)inDj,it+αj4CY(3)j,it+αj5SYSj,it+αj6GoVj,it+μj,it(2)
(2)式中，j=1，2，3分别代表东、中、西三大地区，i代表各地区所含省份，t表示时期。α0是不可观测的地区效应，用以控制地区内各省份的固定效应，μj,it为不可观测的时间效应，用以解释没有包括在模型中的和时间有关的效应。αj1为三个地区人均GDp的弹性系数，反映地区能耗强度变化对经济发展水平的敏感度，αj2、αj3、αj4、αj5、αj6分别表示地区工业增加值比重、第二产业增加值比重(CY(2)j,it)、第三产业增加值比重(CY(3)j,it)、地区工业总产值中国有工业所占比重、地区财政支出占GDp比重各自变动一个单位，地区能源强度随之变动αj2、αj3、αj4、αj5、αj6个单位，反映各地区工业化水平、产业结构、制度因素以及政府影响力对地区能源强度变动的影响。
(三)模型参数估计结果及经济含义
由于本文所建立的是多变量的截面回归模型，为了消除异方差和序列相关的影响，采用似不相关回归法(SUR)进行回归估计，结果见表1。
表1拟合结果显示，各变量系数均通过1％、5％、10％显著性检验，可决系数R2较高，Dw检验表明模型不存在自相关，由此可以进行统计分析。
1、能源消耗强度与地区经济发展水平呈显著负相关。但经济发展水平对东部地区能源强度降低的影响明显超过中西部经济落后地区。经济发展水平对能源消耗强度的影响可以从以下两个方面来理解：一方面，随着经济发展水平的提高，一些先进的知识、技术、管理经验和现代化的节能设备会被逐渐应用于生产过程之中，从而有利于降低能源消耗强度。另一方面，由于“学习效应”的产生，我国万元产值能耗随人均GDp增长呈幂指数衰减，同一生产过程中所使用的能源会相应下降(高振宇，，2006；韩亚芬，孙根年，2008)，这两方面的共同作用都会对提高能源利用效率，降低能源消耗强度产生积极的作用。
2、工业化水平对地区能源消耗强度影响方向不同，影响差别显著。东部地区能源强度与工业化水平呈显著负相关。中、西部地区能源强度与工业化水平呈显著正相关，与预期的结果基本一致。目前，我国东部沿海经济发达地区已进人工业化的中后期阶段。这些地区随着经济结构转换和结构优化，能耗强度也会相应下降；而中、西部大部分省区目前仍处于工业化的初、中期阶段，能源消耗量大且能源强度难以降低；基于中、西部地区独有的资源优势，近年来一些高耗能产业(如电解铝、化工、水泥等)逐渐向中、西部特别是西部地区转移，这对中、西部地区降低能源消耗强度形成巨大的压力，使其能耗强度不降反升。
3、产业结构对地区能源强度影响差异显著。东部地区第二产业增加值比重提高会显著降低能源消耗强度，而中、西部地区第二产业增加值比重提高会抑制能源消耗强度的降低。根据能源效率的分解方法，总能源效率变化取决于两种效应：效率效应和结构效应。东部地区由于能源利用的高效和结构优化配置，使得由于产量增加而增加的能源消耗总量被效率提高和结构优化效应所抵消，能源消耗强度随之降低。而中、西部地区第二产业增加值比重提高会提高能源强度，一方面是由于中、西部地区落后的生产力水平和技术水平所致；另一方面，也可以从效率效应和结构效应方面得到解释，即由于能源利用效率低下和结构调整缓慢对降低能源消耗强度产生阻碍作用。
第三产业增加值比重与三大地区能源消耗强度呈显著的负相关关系，对东、中、西部的影响力度由东向西依次减弱。第三产业主要以附加值高、低能耗的服务业为主，从效率效应和结构效应的角度分析，第三产业结构效应总为正，总是能促进能源强度的降低。但相对于东部地区而言，中、西部地区由于产业结构调整较为缓慢，第三产业增加值比重较低，因而其能源强度降低的幅度总是小于东部地区。
4、制度因素对三个地区能源强度影响方向相同，影响差异显著，这一结果与我们的直观推测相反。表明在我国目前所处的发展阶段上，国有工业并不一定会对能源强度降低形成阻碍。目前，我国各地区市场化进程虽不同步，但市场化进程的步伐在不断加快，经济活动的透明度也越来越高，从而显示出更优的制度质量。而良好的制度质量，完善的金融法律法规都会对企业生产经营活动产生积极影响，在一定程度上有利于企业提高能源效率。这里的关键不在于国有、非国有之分，而在于一个地区优越的制度环境。事实上，很多规模较小的非国有企业由于资本、资金匮乏，技术设备以及技术改造的步伐明显落后于大中型国有企业，其能源利用效率也明显低于国有企业，这一点和董利(2008)的分析结果基本一致。由此可以猜想：在考虑资本、劳动投入的同时，如果考虑能源投入品的产出效率，国有经济成分并不一定无效。这一点还需要更多的实证研究予以验证。
5、政府影响力一以政府财政支出占GDp比重表示，表明政府干预市场经济的程度。政府干预力由西向东依次减弱，即政府对市场经济的干预程度越大，能源利用效率越低。政府干预在能源领域的主要表现是能源价格，能源价格对能源强度的影响：一是产出效应，二是替代效应。在一个开放的市场中，二者都会使能源强度下降。但从目前的现实来看，虽然我国政府对能源问题的改革已初见成效，但能源市场体系仍不健全，能源价格无法反映能源资源的稀缺性和环境成本，经济增长以能源资源的过度消耗和环境成本为代价，能源浪费现象严重，产出效应和替代效应不能有效发挥作用，尤其在能源资源丰富的中、西部地区表现得更为明显。
四、结论及启示
能源消耗的影响篇7
自然资源的逐步减少，使火力发电时刻受到威胁，但作为最主要的发电体，火力发电时刻肩负着重要的责任，节能减排成为维系火力发电的重要举措，热工自动控制便成为火力发电厂节能减排的主要方向。因此文章就热工自动控制在发电厂节能减排中的作用展开探究，并总结出热工自动控制在发电厂节能减排中的主要作用与重要意义。
关键词：
热工；自动控制；发电厂；节能减排；作用
电能始终是市场需求最高的社会能源，火力发电也是电能的主要来源，但随着能源消耗的不断加快，可用于火力发电的能源也不断锐减，目前节能减排成为保障火力发电长期发展的主要方式。节能减排需要根据发电厂的实际情况进行，机组功率的不同对节能减排的效果产生影响。辅助设备也是影响节能减排效果的主要因素，对机组与辅助设备进行合理改造与调整，在节能减排的大背景下，尤为重要。
1影响机组煤耗的因素分析
1.1锅炉能耗指标分析
锅炉能耗指标在某些方面影响到锅炉的整体效能，煤在锅炉内经过长期的化学反应，热量急剧增加，使结构组织产生缝隙，最终被分解，整个过程期间所消耗的能源，即是锅炉能耗指标的主要标准。锅炉的能耗指标受到多个因素的影响，其中锅炉的基本燃烧效率、煤炭的质量、隔热能的损失与排烟度等，均对锅炉的能耗构成影响，在诸多的影响因素中，煤炭的燃烧质量尤为重要，在能耗方面影响巨大。
1.2汽轮机能耗指标分析
汽轮机是发电机的主要动力来源系统，在发电机的整体机构中占有重要位置，但也是能源消耗中，消耗较大的电力消耗源，由于汽轮机主要依靠气压而进行驱动，热量气流与气压均对汽轮机产生影响，其中通流效率、回热效率及冷端效率，对汽轮机的功率影响较大，在汽轮机能耗方面，真空度与加热系统的基本效率，是系统能耗的最主要影响因素。
1.3厂用电指标分析
厂用电指标主要的根据机组的消耗而定，在机组上各类设施与系统，组成了机组的基本能源消耗系统。厂用电不直接对电力消耗产生影响，但却决定了煤炭的消耗数量，送风机、引风机与磨煤机等，是机组能耗的主要来源，在原始的用电结构体系中，给水泵、凝结水泵、脱硫循环泵是主要的能源消耗体，在对设计结构进行优化之后，发电功率提升，发电的侧重点发生改变，因而能耗的主要源头也随之改变。
2自动控制对机组煤耗的影响分析
通常情况下，锅炉、汽轮机等是能源消耗的主体，在节能减排方面，主要的减排设备也应以锅炉及汽轮机为主，往往对自动控制系统造成忽略。在自动控制系统中，气压与电压也可作为节能减排的主要方向，虽然自动控制系统的能源消耗就纸面数据而言，不具备节能减排的可能性，但在自动控制系统中，仍有诸多的项目可作为节能减排的主体，脱硫脱硝系统便是可由于进行节能减排的动力系统。
2.1主汽压力自动对机组煤耗的影响分析
在正常的机组负荷范围内，主汽压力相对较小，并不会对机组产生较大影响，但在受到不确定因素影响而直到机组负荷降低时，主汽压力便会随之增加，同时伴有较大波动，对自动滑压运行产生负面影响，相对而言，主汽压力的设置理论值相对较低，因而在产生负荷更变与主汽压力波动时，机组煤炭的消耗数量也有所提升。通常情况下，300mw的机组在临界阶段时，产生的气压变化较大，其中每降低0.1mpa的压力，使煤炭的消耗增加0.149g/kwh，所以需要在特殊情况下，对机组进行适当的调节，以降低机组的基本煤炭消耗数量。在进行控制的过程中，阀门开度也是需要重点考虑的消耗标准之一。机组对煤炭消耗量的增加，必然会给节能减排带来压力，做好相关的设备与数据信息的调控与整理，在较大程度上为节能减排奠定了基础。
2.2汽温自动对机组煤耗的影响分析
机组在负荷较低、煤质较差时主汽温度的波动较大，不利于机组安全、经济运行，影响机组节能减排。对于300mw亚临界机组主汽温度每降低1℃，煤耗将增加0.101g/kwh；再热汽温度每降低1℃，煤耗将增加0.086g/kwh。根据机组锅炉的燃烧特性设计汽温自动控制策略、优化控制参数，提高汽温自动调节品质。汽温稳定以后，可适当提高温度设定值运行，对于300mw亚临界机组如果平均主汽温提高4℃，煤耗可以降低0.404g/kwh左右。再热汽温的调整特性不是很好，主要是燃烧器摆角难以投自动、烟气挡板调节性能比较差。当负荷比较高时，需要用再热器事故减温水参与调整才能保证再热汽温度不超标。再热器事故减温水的使用对供电煤耗的影响很大，再热汽减温水每增加1%，机组供电煤耗将升高0.8g/kwh左右。对于300mw亚临界机组，通过优化给水自动可达到节能的目的，保持中间点温度的稳定，进而稳定主汽温度。中间点温度变化1℃主汽温度会变化3～5℃，而主汽温度变化10℃会影响机组煤耗1.01g/kwh。
2.3电厂入炉煤计量对机组煤耗的影响分析
入炉煤计算装置通过对煤消耗量的基本运算，可准确的测算出相关数据，对提高节能减排具有一定的帮助，但受到诸多的原因的限制，部分发电厂并未安装该系统，而是使用相对较为原始的电子皮带秤，该方式需要相关人员掌握链码的基本测算方式，并且对皮带的平衡度做出及时的调整，保障其精准度，这对于相关人员的心理素质与运算能力均提出较大考验。根据相关数据，可使用入炉煤计算装置与电气皮带秤进行试验比较，数据结果显示，入炉煤计算装置可将误差控制在0.5%以下，而电子皮带秤则将误差保持在1%左右，就数据而言，电子皮带秤的稳定性相对较差。所以采用入炉煤计算装置对于节能减排更加有利。
2.4加热器组端差对煤耗的影响分析
加热器组端差，需要对加热器系统的基本水位进行勘察，保障其能够在标准的范围内，在非工作阶段，可对加热器的水位进行调节，同时由于数量的准确性较低，对高低水位的要求不具备统一的标准，需要按照机组的实际情况进行设置，机组水位设置调节，要始终保持合理的设定，在系统处理方面，可设置为水位的自动调节，在一定程度上减少加热器端差，从而达到节能的基本效果。
2.5辅机变频改造对供电煤耗的影响分析
辅机变频改造主要是针对风机及水泵的改造，由于电机机组功率的不同，所产生的电能也不尽相同，但风机与水泵的耗能却始终如一，因此构成了不必要的浪费。对风机与水泵的内部变频频率进行改造，通过降低电压，控制水泵与风机的电压使用总量，进一步做到对电量使用的限制。该改造并不会对发电机发电功率产生影响，同时也提高了风机与水泵运行的稳定程度，在一定较大程度上使其符合机组使用的标准，进而为节能减排做出贡献。
2.6节能指标计算用热工主要参数对煤耗的影响分析
在大部分的工作环节中，数据的标准是衡量消耗性能的主要参数，电厂热工对节能数据的计算，对节能效果产生正面影响，节能计算的方向首先是对各系统的分组计算，通过对设备的划分，计算节能的总数，机组负荷与主汽压力，是计算数据中，不可缺少的重要数据，对节能计算产生较大影响，相关必须做到绝对精确，使提供的数据做到绝对可靠与真实。
3结束语
火力发电仍然是现电的主要结构，在火力发电的过程中能源消耗是关键性问题，有效的对发电设备进行控制，并优化发电结构，是节能减排的有效措施，同时在成本节省方面也有所帮助，由于火力发电系统组成较为复杂，火力发电的节能减排必然是一项大型的改革项目，需要在不断地探索中，对各类设备做逐一的调控与节能工作，从源头上对进行节能减排工作，为保障火力发电厂的长期稳定发电而不断努力。
参考文献：
能源消耗的影响篇8
1地区能源消费强度差异现状
根据《中国统计年鉴2011》、《中国能源统计年鉴2011》，中国省区间能源消费强度表现出较明显的东中西差异，东部省区单位地区生产总值能源消费较低，西部省区较高，中部省区与东北省区居中(图1)。以2005年不变价计算，2010年东部地区除河北、山东外，其余省区万元GDp能耗均在1t标准煤以下。东北部与中部省区中，除山西万元GDp能耗达到2.235t标准煤以外，其他省区都在1.5t标准煤以下，最低的江西只有0.845t标准煤。西部省区万元GDp能耗普遍偏高，只有广西、重庆、陕西、四川、的万元GDp能耗较低，内蒙古、贵州、青海、甘肃、宁夏、新疆均高达2t标准煤左右，其中最高的宁夏每万元GDp能耗高达3.308t标准煤。中国东中西部省区能源消费强度差异与经济发展不平衡格局相对应，东部地区经济发达，同时能耗水平较低；西部地区经济发展最为落后，能耗水平也最高；中部与东北地区经济水平属于中等，能耗水平也介于东部与西部之间(图1)。
2地区能源消费强度变化趋势
为了考察国内各省区能源消费强度的变化趋势，分析了改革开放初期(1985-1995年)与近期(2004-2008年)2个时期。这样的时期划分法与改革开放后中国两次工业普查(1985年、1995年)与两次经济普查(2004年、2008年)的时点相契合，与下文的进一步分析形成呼应。总体来看，经济发达地区的能源消费强度表现出较为持续的下降趋势，而经济相对欠发达地区的能源消费强度持续下降的趋势不明显(图2、图3)。1985-1995年，经济相对发达的东部省区的能源消费强度基本上都表现出下降的趋势，但是经济欠发达的中西部地区并没有一致性的表现，特别是贵州、青海等个别省份还表现出万元GDp能耗上升，其余省区虽然万元GDp能耗趋于下降，但是降低幅度基本上小于东部地区。从2004-2008年地区能源消费强度变化来看，由于东部地区的能源消费强度已经较低，降低的幅度日益减小，西部地区与东部地区逐渐趋于一致，但是整体而言，西部地区的降低幅度仍然小于东中部地区，而且重庆、青海等省(市、区)的能源消费强度甚至升高了。
中国地区工业结构能耗特征演变及差异分析
随着中国经济发展水平的提高与技术进步的加快，不同门类产业的单位产出能耗都在下降，为什么地区间的能源消费强度依然表现出不一样的发展趋势呢？本文将从工业结构演变的角度分析地区能源消费强度差异，重点考察近几年中国地区工业结构能源消耗特征演变对地区能源消费强度差异的影响。
1研究方法及数据
本文主要采用全国经济普查数据，研究时段为1980-2008年，基本上涵盖了改革开放以来的发展变化，而且普查数据的质量相对较高。重点选取《1985年全国第二次工业普查》、《1995年全国第三次工业普查数据》、《2004年全国经济普查》和《2008年全国经济普查》中的制造业数据；其中1985年工业普查包括1980年数据，因此文中个别之处也计算了1980年的指标。为了考察工业的结构变化，需要分析地区工业结构能耗水平偏向时去除技术进步的影响，因此各行业单位产值能耗都采用2004年数据(表1)，通过两年的工业结构能耗水平偏向指数相减，即得到了结构变化对于能耗水平的影响。
2研究结果
地区工业结构能耗水平的不同是决定能源消费强度地区差异的重要因素，而地区工业结构能耗水平的高低取决于高耗能行业所占比重的大小。采用中国2008年各地区29个制造业行业的数据计算得出中国各地区工业特征偏向指数iCBi，其与地区能源消费强度的关系如图4所示。可以看出，一个地区的能源消费强度和该地区工业结构的能耗特征具有密切关系，工业组成部门越是以高耗能为主，则该地区能源消费强度越强。工业部门各行业间能源消费强度差异显著。在生产过程中所消耗的一次能源或二次能源比重较高、能源成本在产值中占成分比较高的产业为高耗能行业，也可称为消耗能源密集型产业。可以看到，非金属矿物制品业、黑色金属冶炼及压延加工业、化学原料及化学制品制造业、有色金属冶炼及压延加工业、石油加工、炼焦及核燃料加工业、造纸及纸制品业等是中国最主要的几大高耗能行业，而纺织服装业、家具制造业、电气机械及器材制造业、仪器仪表及文化、办公用机械制造业、通信设备、计算机及其他电子设备制造业等轻工业或电子信息产业是最典型的低耗能行业，单位产值能耗仅为高耗能行业的1/10左右。中国地区工业内部各行业的变化及工业结构能耗特征总体变化如表2、表3所示。可以看出，西部地区工业结构逐渐高耗能化，东部地区相对向低耗能产业发展；由此导致区域分工变化，西部地区逐渐专业化于高耗能产业，东部地区则专业化于低耗能产业。从各地区内部工业结构变化来看，1980-2008年东部地区发展缓慢的行业虽然没有表现出高耗能行业特征，但增长快速的行业主要为电子及通信设备制造业、电气机械及器材制造业等低耗能产业；中西部地区的工业结构变动类似，份额增长的产业主要为有色与金属冶炼及压延加工业、石油加工及炼焦业等高耗能产业，而份额减少的行业主要为纺织业、机械工业等低耗能产业；东北地区份额增长的行业主要为交通运输设备制造业、食品加工业医药工业等，较少的行业为纺织业、造纸及纸制品业、橡胶制品业等，工业结构变化的能耗特征不明显。
工业结构能耗特征演变对地区能源消费强度影响的实证分析
1模型建立
以上分析粗略地描述了中国地区工业结构能耗特征演变及其对地区能源消费强度差异的影响，为进一步研究这一关系，建立地区能源消费强度影响因素的回归分析模型，引入工业结构、工业化水平和经济发展水平3个变量。其中经济发展水平变量用于捕捉不同经济发展阶段地区能耗强度特征的差异，工业化水平用于衡量处于不同工业化阶段的地区能源消费强度的差异，工业结构作为本文考察的重点，用于确定地区专业化对于能源消费强度的作用，即反映区域分工对能源消费强度影响。相邻地区间存在客观的经济联系，尤其是在区域一体化和经济全球化的今天，区域分工演变过程中各地区之间必然伴随着难以忽视的联系与影响，实证研究不能忽视地理空间效应的影响与作用，因此，模型中有必要引入空间自相关变量。空间自相关是检验某一要素的属性值是否与其相邻空间点上的属性值相关联的重要指标，可以分为正相关和负相关2类，正相关表明某单元的属性值变化与其相邻空间单元具有相同变化趋势，负相关则相反。全局空间自相关是对属性值在整个区域的空间特征的描述，全局moran''''si就是一个检验这种事物空间自相关的统计量，是用于衡量空间要素的相互关系，其值在正负1之间(anselin,1988;陈彦光,2009;葛莹等,2005)。空间自相关性在空间自回归模型中体现在误差项和因变量的滞后项，因此，空间经济计量的两种基本模型分别是空间滞后模型和空间误差模型。空间计量的分析过程一般通过moran''''si等检验来验证是否存在显著的空间效应，Lm-lag和Lm-err检验分别对空间滞后模型和空间误差模型的适用性进行相应的检验。如果Lm-lag(或Lm-err)比Lm-err(或Lm-lag)统计量更显著，那么恰当的模型是空间滞后模型(或空间误差模型)。通过对1985、1995、2004和2008年4年的变量数据进行检验，moran''''si值为0.32~0.39(表4)，统计结果显著，变量之间存在明显空间依赖性，表明中国各省区间能源消费强度存在显著的空间效应。进一步通过Lm-lag和Lm-err统计量来检验空间滞后模型和空间误差模型的适用性，结果显示Lm-lag值为13.6156(p值为0.0002)，Lm-err值为0.5656(p值为0.4520)；前者统计结果更为显著，表明空间滞后模型更适用于对中国地区能源消费强度的分析。
2实证结果
为了增强分析结果的稳健性，对4个年份数据分别进行回归分析，结果如表5所示。区域分工对于地区能源消费强度的影响显著为正，利用1985、1995、2004与2008年数据的估计结果，区域专业化系数(ln(iCB))的回归系数为0.0389~0.0977，而且都在1%的置信水平上显著，意味着地区工业结构的能耗强度每提高1%，就会导致地区能源消费强度提高3.89%~9.77%，有力地证明了区域分工的变化对地区间能源消费强度差异具有重要影响。区域分工格局随着地区发展优势的转变而调整，中西部地区凭借资源和成本优势承接东部地区高能耗产业转移，因而地区能源消费强度呈现出“西高东低”的发展趋势。此外，估计结果表明，区域专业化指数的回归系数有逐渐变小的趋势。1985年与1995年的估计结果为0.0977与0.0671，而2004年与2008年的估计结果仅为0.0361与0.0389。这是因为改革开放30多年来，全国区域分工格局在经过初期的大变化后已基本奠定，因此近几年区域分工变化对地区能源消费强度的影响已不如初期明显。
结论与建议
本文利用工业特征偏向指数，定量分析了地区能源消费强度与该地区工业结构之间的关系，并通过建立地区能源消费强度影响因素的回归分析模型，重点考察了区域分工演变对于地区能源消费强度的影响，主要结论如下：(1)从总体上看，中国东中西部地区能源消费强度差异与经济发展不平衡格局相对应。东部地区经济发达，能源消费强度较低，且呈现出比较持续的下降趋势；西部地区经济发展落后，能源消费强度较低且下降趋势不明显。(2)区域分工演变通过改变地区工业结构能耗特征，进而对地区间能源消费强度差异产生重要影响。地区工业结构越是以高耗能为主，则该地区的能源消费强度越强。近几年来，中西部地区特别是能源生产大省发挥区域资源优势，承接东部地区高耗能产业的转移，这种区域分工格局的演变带来了中西部地区产业结构的高耗能化，造成了东部与中西部省区间能源消费强度的变化趋势差异。上述结论表明，区域分工演变带来的地区工业结构能耗特征的变化，是造成中国区域间能源消费强度差异的重要原因。为降低能源消费强度、提高中国能源利用效率、平衡区域能源配置，提出以下
能源消耗的影响篇9
关键词：LmDi；ann；Dea；能源管理；节能潜力
中图分类号：F206文献标志码：a文章编号：1001-862X（2017）04-0077-006
一、引言
近年来，我国经济迅猛发展。据统计，2014年我国的GDp总量为64万亿元，占全球GDp的12.3%，成为世界上第二个GDp突破10万亿美元的国家。（1）经济快速发展带来的是能源消费的快速增长，2014年我国能源消费总量为38.4亿吨标准煤，占世界总能源消费的21.5%。我国经济的迅速发展是由巨大的能源消费驱动的，因此也出现了一系列的问题。我国曾是世界上最大的煤炭出口国，占世界产量的一半，但从2011年起我国超过日本成为第一煤炭进口国。我国近年来虽一直努力减少碳排放，但年碳排放量已超过100亿吨，占世界的29%，是世界最大的碳排放国。这些数据都表明，我国虽在节能减排方面取得了一系列成就，但更进一步的节能减排工作仍势在必行。
为增强能源自主保障能力，推进能源消费革命，我国制定了《能源发展战略行动计划（2014―2020年）》。《行动计划》指出，应大力推进能源消费革命，严格控制能源消费过快增长，着力实施能效提升计划。因此，深入研究我国的节能潜力是非常有意义的。
很多学者从经济活动、结构与能源效率等视角研究能源消费的影响因素。[1]-[7]多数研究认为经济活动和经济结构对能源消耗有显著影响，而Gonzalez等（2015）对欧盟能源消耗的研究则发现，能耗减少最主要的驱动因素是能源强度的变化，经济结构变化的影响因素不甚明显。[8]一些学者从区域、行业等视角研究了我国的节能潜力。[9]-[11]然而，很少有学者从综合视角研究能源消耗的影响因素并测算节能潜力。olanrewaju和Jimoh等（2012）运用一种集成方法（iDa-ann-Dea）分析了加拿大15个工业行业的能源消费，通过对历史能耗数据进行计算和分析，预测和优化加拿大工业部门的能源效率，得到比单一利用iDa、ann和Dea方法更令人满意的结果。[12]
促进能源节约可以有不同的策略，具体包括管理驱动的能源节约、技术推动的能源节约、通过政策与规章制度强制的能源节约等。其中，能源管理指为满足必要的能源需求所采取的策略，可以通过优化和规范高耗能的生产过程、降低单位产出的能源消费来实现，同时保持甚至降低生产总成本。通过分析历史数据，研究在不影响生产的情况下如何减少能源消耗是能源管理的一个重要方面。本文借鉴olanrewaju和Jimoh等的方法，对我国六大产业部门的能源消费进行分析、预测和优化，以分析能源管理驱动的节能潜力，并榻谀芄芾硖峁┙ㄒ椤
二、LmDi-ann-Dea集成模型
（一）集成模型框架
本研究利用一个基于LmDi-ann-Dea的集成方法，分析和优化我国各经济部门的能源消费驱动因素和能源效率。首先利用iDa（indexDecomposeanalysis）和ann（artificialneuralnetwork）方法对我国各部门的历史能耗数据进行分析，找出影响能源消费的关键因素，并得到能源消耗预测值，然后利用Dea（Dataenvelopmentanalysis）方法对各部门的能源消费进行优化，通过敏感性分析计算我国能源管理驱动的节能潜力。
集成模型可以归纳为以下几步：
1.利用LmDi（LogarithmicmeanDivisiaindex）分析我国能源消耗的影响因素，评价经济活动、经济结构和能源强度因素对各产业部门能源消费变化的贡献。
2.用ann模型对能源消费进行训练，得到理论上的能源消费值，并验证ann的预测结果。其中，以经济活动、经济结构和能源强度作为ann的输入指标，以能源消费作为ann的输出指标。
3.通过Dea模型对实际能耗与能源消费预测值进行优化评价，计算最优能源消耗值，得到我国能源管理驱动的节能潜力。
4.提出能源消费优化的建议。
（二）LmDi模型
利用LmDi模型研究影响能源消费的因素，需要了解各种潜在因素对于能源消费变化的贡献率。一般情况下，影响能源消费的主要因素有经济活动、经济结构和能源强度。假设et代表第t年能源消费总量，ei代表第i个部门的能源消费量，Q表示国内生产总值，Qi表示第i个部门的产值，Si为第i个部门的产业结构，ii为第i个部门的能源强度。能源消耗的指数分解公式如式（1）所示：
（三）人工神经网络模型ann
人工神经网络方法被广泛运用于能源需求预测。人工神经网络训练样本的过程是使得输出值和观测值之间的误差尽可能小，将目标函数设为使能源消费预测值和观测之间的均方差（mSe）最小的函数，如式（7）所示：
Yj是第j个神经元的输出值，f为激活函数，wij为低层第i个神经元到下一层第j个神经元的连接权重，xi是第i个神经元的输入值。学习的过程是通过误差反向传播机制对权重进行更新而完成的，？驻wpij（n）表示p层神经元第n次迭代连接神经元i和神经元j的突触权重的改变量，如式（9）：
其中，？浊（n）表示学习率，？浊越小，从一次迭代到下一次迭代的网络突触权值的变化量越小。在实际的学习过程中，？浊的选择非常重要，过大不稳定，过小收敛太慢，所以通过增加动量因子解决这一问题，突触权重更新过程如下：
？坠pj（n）是第p层第j个神经元的第n个误差，Xp-1j表示p-1层第i个神经元的输出信号，m表示动量因子，用来改变学习速率，提高网络性能。本文建立神经网络模型的目的是在给定经济活动、经济结构和能源强度不变前提下，通过训练得到一个理论上的能源消耗值，将理论上的能源消耗值和实际能耗值通过Dea进行敏感性分析得到节能潜力。
（四）数据包络分析模型（Dea）
Dea是一种非参数性的方法，由Charnes和Cooper（1978）提出，该方法通过计算产出和投入之间加权和之比，度量决策单元的投入产出效率，其特点是不需要考虑投入和产出之间的函数关系，也不需事先估计参数及设置任何权重，避免了主观因素的影响。
利用Dea模型进行敏感性分析，可以评价和测度能耗的节约潜力。将实际能源消费增加值作为输入，将ann训练得到的能耗预测值作为输出，采用输入导向的CCR（Charnese-Coopere-Rhodes）模型，通过计算能源消费的效率来度量实际的节能潜力。CCR模型的效率分值反映可观察的能耗节约潜力。CCR模型如下：
其中，有m个输入，p个输出，？兹k是第k个DmU的输出导向效率值，？着是小于任何正数且大于零的数，s-ik和s+rk分别为输入和输出的松弛变量，都是大于零的，？姿j则代表第j个DmU的权重。
借鉴韩一杰和刘秀丽（2011）输入导向的超效率Dea模型进行敏感性分析，得到节能潜力，该模型是基于规模报酬不变假定的，具体如下：
min？兹k
在假定非效率DmU可以通过减少能耗成为效率DmU的基础上，通过敏感性分析可知，非效率DmU要成为效率DmU需要减少多少能源消耗，而需要减少的能源消耗即为节能潜力。
三、数据来源
为了对产业部门的能源消费影响因素进行深入分析，本文选取了1980―2014年我国农林牧渔水利业、工业、建筑业、交通运输业、批发零售业、其他行业六个部门的产值和能源消费数据，其中各部门产值以2000年不变价格进行平减。所有数据来源于《中国统计年鉴》和《中国能源统计年鉴》。中国的能源消耗一直处于快速增长的趋势，从1980年的60275万吨标准煤增长到2014年的425806万吨标准煤，增加了6倍，达到了世界能源消耗的20%，成为世界第一能源消费大国。从增长速率来说，1980―2002年间能源消费平均增长率只有4.5%，而2003年以来，由于中国经济的快速发展，2003―2014年间的能源消费平均增长率达到8.3%，比1980―2014年间扩大了一倍，尤其是2003―2007年间，能源消费平均增长率达到了12%。这些数据表明中国经济迅猛发展的同时产生了巨大的能源消耗。因此，研究中国能源消费的主导因素和其内涵的节能潜力是非常有必要的。
中国农林牧渔水利业、工业、建筑业、交通运输业、批发零售业、其他行业六个部门的单位产值能耗总体呈不断下降趋势。在这六个部门中，能源效率最低的是工业和交通运输业，批发零售业能源效率最高。近年来，工业部门能耗强度降低幅度很大，从1980年到2001年工业部门能耗强度下降了77%，而交通运输业下降了53%。从《京都议定书》签署以来，我国主动承担大国节能减排的责任，不管是能技术还是能源利用效率都有很大的提高。工业部门从2002年起始单位产值能耗开始升高，但幅度不大，2005年以来单位产值能耗继续下降。而交通运输业单位产值能耗从2002年开始略微升高，然后趋于平稳。
四、结果分析
（一）LmDi分析
将1980年到2014年我国六部门能源消费状况通过LmDi乘法形式分解为经济活动、经济结构、能源强度三种因素，表1是分解后的结果。从表1可以看出，三十多年来，我国能源消费增加的驱动因素主要是由于经济活动的影响，经济活动对能源消费增加的贡献度为155.9%。这与我国目前的国情十分相符，我国自从改革开放以来，经济始终处于高速发展态势，而经济的快速发展必然伴随着能耗的迅速增长。
经济结构因素对能源消费的影响总体为正向影响，贡献度为13.62%，仅在1980―1983年、1989―1990年、2005―2009年、2011―2012年、2013―2014年，经济结构因素对能源消费产生负向影响，这表明我国的能源消费受经济结构影响较大，加快发展低耗能的产业将促进能耗下降。但与经济活动因素相比，经济结构因素对能源消费的影响较弱，与朱永彬等（2013）的研究结论相符。
从表1可以看出，除了1988―1989年、2001―2004年和2012―2013年外，能源强度对能源消费的影响为负，其贡献度为69.55%。也就是说，能源强度下降是促进能源消费下降的主要因素。近年来，我国正在改变以往的粗放式经济发展方式，注重经济发展的质量，并出台一系列政策法规降低各部门能源消费，而各部门考虑自身长期发展，大力实施节能技术，从而使得能源效率不断提高，能源强度不断降低。
（二）能源消费预测分析
本文以LmDi分解得来的经济活动、经济结构、能源强度作为神经网络的输入，以实际能源消费作为输出，利用反向传播算法对神经网络进行训练。通过不断地训练比较最终选择了最优隐层神经元为5个。如图1所示，这样就构建了一个由经济活动、经济结构、能源强度三个输入神经元，五个隐层神经元，能源消费为输出神经元的人工神经网络模型。通过比较选择了学习速率为0.3，动量因子为0.2，得到了1980年到2014年理论上的能源消耗值，结果如图2所示。从图2可以看出，由训练的神经网络得到的能源消费预测值与实际值拟合较好。
对图2中能源消费实际值和预测值进行回归分析，以确定预测的准确性。建立回归方程y=ax+b，以实际能源消费作为自变量x，以神经网络的预测能耗作为因变量y，用oLS进行回归分析，得出a的值为0.9997，R2值为0.9999。由此得知，实际能源消费值和预测值之间存在很强的相关性，表明训练得到的神经网络模型有较好的预测能力，可以得到理论上的能源消费值。
（三）能源消耗改进效率分析
为研究能源消费的改进效率，本文选用输入导向的CCR模型进行分析，以能源消费的实际值作为输入，以能耗理论值作为输出，分析结果见表2。从表2可以看出，能耗改进效率的最优年份是1991年，将其作为生产前沿面，其他年份能源消费与其进行比较得到每个年份的相对改进效率。
通过比较得知，效率最低年份1999年，其能耗改进效率为0.995%，在经济活动、经济结构和能源强度相对不变的情况下，究其低效的原因是由于能源管理不善造成的。这就为企业通过加强能源管理提高能源效率，降低能源消耗提供了依据。
通过敏感性分析，使非效率年份成为效率年份，即可得出各年的节能潜力。图3为1980年到2014年各年间可提高的节能潜力，从图3可以看出，节能潜力最高的年份为1999年，其节能潜力为0.551%，其次是2010年、1998年和2014年；除了最优年份1991年，节能潜力最低的年份为2007年，其节能潜力为0.231%。进一步计算出1980―2014年各年间可节约的能耗值，如图4。可以看出，从1980年以来，可节约的能耗值是不断提高的，到2014年可节约的能耗为1456万吨标准煤，尤其是2010―2014年间平均可节约的能耗值为1166万吨标准煤。在经济活动、经济结构和能源强度相对不变的条件下，这部分节能潜力主要来自于能源管理，可通过进一步的能源管理提高能源效率、降低能源消耗。
五、结论
本文采用olanrewaju等人提出的LDmi-ann-Dea集成方法，对1980―2014年间我国六个产业部门的能源消费情况进行了分析和评价，并测算了节能潜力。
研究发现，我国能源消耗的增加主要是由于经济迅速发展引起的，即由经济活动因素驱动的，经济活动对能源消耗增加的贡献度为155.9%，经济结构因素对我国能源消耗影响较小，约为13.62%，而能源强度因素对我国能源消耗的贡献度为69.55%。Dea模型分析表明，能耗改进效率最低年份1999年，为0.995%，最优年份是1991年。通过敏感性分析，得出1999年的节能潜力最高，为0.531%。从1980年以来，可节约的能耗值不断升高，2014年可节约的能耗为1455.53万吨标准煤。35年间平均可节约495万吨标准煤，尤其是2010―2014年间平均可节约的能耗值为1166万吨标准煤，这部分潜力来自于能源管理的不足。
我国节能的主要方式是通过改进技术或者调整产业结构进行节能，对于能源管理驱动的节能方式重视不够。有效地进行管理节能不仅会提高各部门能源效率，还会带来很大的经济效益。本文的研究表明，工业、农业、建筑等生产部门可以通过优化和规范高耗能的生产过程、降低单位产出的能源需求来实现管理节能，商业部门通过加强服务过程的能源管理实现节能。因此，相关部门应该加强能源管理节能，加强能源管理的公共服务、政策引导和监管；根据国家能源管理体系认证的要求，切实建立能源管理制度和能源管理体系，严格按照要求进行实施。
注释：
（1）本文数据都来自于中经网、中国环保部网站、GlobalCarbonproject网站、《中国统计年鉴》（2003―2013）、《中国能源统计年鉴》（2003―2013）和《Bp世界能源统计2014》
参考文献：
[1]曾胜，黄登仕.中国能源消费、经济增长与能源效率――基于1980―2007年的实证[J].数量经济技术经济研究，2009，（8）：17-28.
[2]张伟，朱启贵.基于LmDi的我国工业能源强度变动的因素分解――对我国1994―2007年工业部门数据的实证分析[J].管理评论，2012，24（9）：28-36.
[3]朱永彬，刘昌新，王铮，史雅娟.我国产业结构演变趋势及其减排潜力分析[J].中国软科学，2013，（2）：35-42.
[4]关伟，许淑婷.辽宁省能源效率与产业结构的空间特征及耦合关系[J].地理学报，2014，69（4）：520-530.
[5]ma，C.amulti-fuel，multi-sectorandmulti-regionapproachtoindexdecomposition：anapplicationtoChina'senergyconsumption1995C2010[J].energyeconomics，2014，42：9-16.
[6]wang，w.，Liu，X.，Zhang，m.，&Song，X.UsinganewgeneralizedLmDi（logarithmicmeanDivisiaindex）methodtoanalyzeChina'senergyconsumption[J].energy，2014，67：617-622.
[7]Bi，G.-B.，Song，w.，Zhou，p.，Liang，L.DoesenvironmentalregulationaffectenergyefficiencyinChina’sthermalpowergeneration？empiricalevidencefromaslacks-basedDeamodel[J].energypolicy，2014，66：537-546.
[8]Gonzalez，p.F.n.exploringenergyefficiencyinseveraleuropeancountries.anattributionanalysisoftheDivisiastructuralchangeindex[J].appliedenergy，2015，137：364-374.
[9]n一杰，刘秀丽.基于超效率Dea模型的中国各地区钢铁行业能源效率及节能减排潜力分析[J].系统科学与数学，2011，31（3）：287-298.
[10]余泳泽.我国节能减排潜力，治理效率与实施路径研究[J].中国工业经济，2011，（5）：58-68.
能源消耗的影响篇10
关键词：重庆市；单位GDp能耗；因素分析
中图分类号：F127文献标识码：a
收录日期：2015年10月10日
“十二五”规划明确指出：单位国内生产总值能耗降低16%的目标，要使这一规划完成，各省、自治区、直辖市努力抓好节能降耗工作，本文拟从重庆市的能源消费入手，结合重庆市2010年与2013的单位生产总值能耗数据，分析重庆市完成规划情况及影响因素，从而做出相应的决策。
一、重庆市2010～2013年完成了“十二五”规划的能耗降低目标
要完成“十二五”单位国内生产总值能耗降低16%的目标，每年应降低3.43%，2010年至2013年累计应降低9.93%。如表1所示，重庆市在2013年消费能源总量为6850.48万吨标准煤；2013年重庆市的地区生产总值为12，656.69亿元；2013年的万元生产总值能耗为0.541吨标准煤，2010年的万元生产总值能耗0.684吨标准煤，由此可以得出2013年万元生产总值能源消耗比2010年下降了20.91%，减少了0.143吨标准煤，因此重庆市提前完成了“十二五”规划中前三年的任务。（表1）
二、影响重庆市单位生产总值能耗因素分析
单位生产总值能耗，它受到各产业单位能源消耗变动的影响以及各产业结构变动的影响。接下来将对重庆市在2013年单位生产总值能耗下降20.91%受以上两个因素的影响进行具体的分析。
（一）各产业单位能耗变动的影响。依据平均指标指数变动的分析方法，2013年各产业单位能耗的平均下降使得重庆市万元生产总值能耗比2010年下降了16.83%，减少0.110吨标准煤。充分表明在“十二五”规划实行之后，各产业单位的能源消耗降低已有了较大的成效，我们从表1中具体看出，几乎都是第二产业的功劳，因此得出结论各产业单位能源消耗降低是重庆市单位生产总值能耗降低的关键因素。
（二）产业结构变动的影响。2013年重庆市因为产业结构的变动使得万元生产总值能耗比上年下降了4.81%，少消耗了0.033吨标准煤。
另外，由表1可以了解到，重庆市在2013年万元生产总值能耗为0.541吨标准煤，第一产业万元能耗为0.325吨标准煤，增加值所占的比例为7.92%；第二产业万元能耗为0.840吨标准煤，增加值所占的比例为50.55%，在重庆市的地区生产总值中占有很大的地位；第三产业万元能耗为0.219吨标准煤，增加值所占比例为41.53%。因为产业结构的变动使得单位生产总值能耗下降的重要因素是第三产业的增加值所占比例从36.20%增加到了41.53%，而第三产业又是在三大产业中单位生产总值能耗最低的产业。
三、经验总结