【《北京某地区“煤改电”项目效益评价的实例分析》9800字】

北京某地区“煤改电”项目效益评价的实例分析目录TOC\o"1-3"\h\u14014北京某地区“煤改电”项目效益评价的实例分析 1131611.1项目概况 1174901.2样本选取 234011.3项目后评价输入输出指标的提取原则 2199611.4项目后评价输入输出指标的提取 2197421.5对“煤改电”项目后评价结果分析 641641.5.1综合技术效率分析 7144651.5.2纯技术效率分析 842071.5.3规模效率分析 9260161.5.4规模收益分析 1087801.5.5对无效DEA的改进 11322511.6基于玛奎斯特指数的效率变化分析 1388361.6.1整体效率变化趋势分析 1320731.6.2不同决策单元效率变化分析 141.1项目概况根据我国环境方面的有关规定，我国国家电网北京电力公司根据有关政策要求逐步推进农村“煤改电”项目，该项目的逐步进行能够有效降低污染物排放量，起到保护环境的作用。该项工作预计到2017年时基本完成海淀地区、朝阳地区、丰台地区以及石景山地区的改造项目，待2020年实现全市平原地区采用清洁能源采暖工作。基于政府的扶持工作下。“煤改电”项目逐步推进，经改造后，将会实现用电容量由之前每户2kW变为9kW，不仅能够使得居民需求被大大满足，其生活质量也明显改善，改善了居住环境，降低了环境污染。本文将选取朝阳某一“煤改电”地区进行数据分析。1.2样本选取本文主要研究目的就是对“煤改电”项目进行经济效益评价，针对不同的项目补贴政策从而对项目效益情况进行分析。按照北京市改造项目安排，截止2019年，北京朝阳地区已完成改造“煤改电”用户2.6万户，其中农村地区2.1万户，涉及地区、农村16个。本文选取北京某地区2016年农村“煤改电”项目涉及“煤改电”村10个，分别为A村91户；B村953户、C村648户、D村1381户、E村896户、F村793户；G小区235户、H小区102户；I村880户、J村520户，共计10个村（其中2个为社区），约6499户农村居民。1.3项目后评价输入输出指标的提取原则在选择输入和输出时，实际应用的可利用有关项目里所使用的人、物力资源，均为转化成输入指标,对其他产品则是而加以指导。在这里应该明确一个概念，并不是我们简单地理解项目输入指标越小就越好,或项目输出指标越大就越好，如何合理地使项目达到投入产出相对平衡是我们考虑的目标。例如,项目的投资回收期应越小越好,但其实投资回收期实际为输出指标。根据以往的资料可以看出DEA的评价结果与其对应指标直接相关，指标改变，其结果随之变化，所以实际应用需要考虑到指标变化对模型及其结果的影响程度和作用效果。比如应用前先进行试算，通过对部分指标进行调整，其DMU结果的可靠性也会产生一定作用，其代表此指标体系对DMU有着较大的影响，应当予以保留，若影响较小，则将其排除。因此在现实生活中使用时，能够通过将DMU相关的重要方面进行罗列，通过相关性统计分析的方法以及专家判断的方法来确定最终的输入、输出指标。1.4项目后评价输入输出指标的提取对于一个“煤改电”项目来说，其输入即为项目投入，一般电网改造项目投入包含改造建设投入、金融投入、人力投入等项目初期建设投入，以及项目投入使用后的购电资金、运维资金、运维人力投入，由于“煤改电”项目的特殊性，其投入中还包含本次论文所要探讨的补贴投入，这些投入都在影响着DEA评价结果。但是在初期试算时发现，由于“煤改电”项目属于完成性项目，其建设成本并不会随着时间的推移而改变，且相对于地市级供电公司，购电并不是由其主导，而是上级供电公司与发电集团进行结算，故我们选取运维投入以及补贴投入作为本次DMU输入指标。“煤改电”项目的收益即为正常电力项目的售电量以及电费收益。本文提取的过程后评价的输入输出指标如下：X1运维资金（万元）是对于电气设备，在日常情况下供电公司需要安排人员对设备进行巡视，在发生自然灾害、人为事故、异物搭挂造成电气设备损坏时，供电公司要对损坏设备进行修理，这些都会产生一定的运维费用。巡视等固定项目的资金较为固定，但事故导致设备损坏所带来的维修费用带有一定的随机性，由表4-1所示，项目运行初期由于运行时间较短，设备情况较为良好，运维费用较为低下，但随着后期设备情况发生改变，且某些时间发生随机性恶劣天气，造成运维费用有所增长，但仍然具有较高的随机性。表4-1北京朝阳地区“煤改电”项目运维费用（万）村名2016201720182019A村2.236.123.011.45B村22.6938.0731.0418.38C村15.4326.2923.1410.86D村32.8848.6449.3225.76E村21.3336.0032.0012.67F村18.8826.6428.3217.76G村5.6016.798.395.19H村2.437.293.641.86I村20.9535.8631.4320.90表4-1（续表）村名2016201720182019J村12.3818.1418.577.76X2补贴成本（万元），正如前文所提及，本次讨论的“煤改电”补贴主要考虑的是供电公司低谷电价与平价电价的差价，对市、区两级政府所进行的0.2元补贴暂不进行讨论，且从17年至今，补贴项目只在19年发生过一次变化，即补贴时长由原来的9个小时增加到12个小时，通过公式（2-2）我们可以得出各“煤改电”村的补贴成本。Y1售电量即指“煤改电”项目所向用户销售的电量。由于“煤改电”项目主要针对居民用户供暖负荷，对季节性敏感度较高，由表4-2我们可以看出受天气因素影响，朝阳电网负荷走势与地区温度变化表现出很强的相关性，温度的变化引发供暖负荷的使用，负荷产生波动。若当年冬季为暖冬，则负荷水平处于低位，若当年为寒冬，则负荷水平会有较大的提升。对比2105年与2016年数据我们可以发现，虽然2016年朝阳地区大规模开始“煤改电”项目，但由于当年冬季温度较高，造成新接入“煤改电”负荷未得到充分释放，造成负荷水平反而比2015年有所下降，可见电网负荷受气温影响之大。负荷大小直接影响电网售电量水平，通过表4-2我们可以发现，“煤改电”项目冬季售电量与朝阳地区总体负荷成大致相同走势，同样与当年冬季天气有较大的正向关系。表4-2“煤改电”项目2012至2019年冬季最大负荷及售电量2016201720182019冬季最大负荷（万千瓦）271.5293.7306.3306.3增长率-5.83%6.99%1.29%0.00%售电量（万度）2505.72783.992701.652550.51增长率——11.11%-2.85%-5.70当年最低气温-9℃-19℃-12℃-10℃Y2电费即“煤改电”项目最直接的经济效益，由于我国电费定价政策并未完全开放，仍采取由政府主导定价的原则，且近些年并无重大创新项目改变居民用电习惯，从而居民电费收入主要受居民用电习惯及天气原因所主导。表4-3“煤改电”项目2019年运营情况指标X1运维（万元）X2补贴（万元）Y1电量（万度）Y2电费（万元）DMU{I}1{I}2{O}1{O}2表4-3（续表）指标X1运维（万元）X2补贴（万元）Y1电量（万度）Y2电费（万元）A村1.015.6333.338.62B村18.3872.40473.11147.73C村10.8631.05217.1076.64D村25.7683.23480.92121.89E村12.6768.58381.4976.88F村17.7640.02231.6371.57G村5.1916.76106.2437.12H村1.867.78120.2546.38I村20.9052.44290.1466.42J村7.7633.00213.3170.411.5对“煤改电”项目后评价结果分析本文在进行结果分析时采用的是DEA分析方法中的BCC模型以及CCR的模型，其主要用来评价“煤改电”项目的效益，通过对2019年的数据分析，来得出当年“煤改电”项目的经济效益，因此将每个“煤改电”村的投入与产出看成一个整体，作为1个决策单元（DMU），然后综合评价其所产生的运营情况和盈利情况，其中涉及到的投入与投出变量各2个。通过DEAP2.1对表4-3中所示数据进行分析，获得结果如表4-4，从而获得各个研究样本所具有的不同指数信息。在所得到的诸多数据中，Crste表示的是其所具有的综合的效率数值；Scale则表示的是其所具有的规模效率的数值以及Vrste表示的是其纯技术效率的数值。研究中对收益情况表现出上升趋势的用Irs来表示，而下降趋势则是由Drs表示，若收益保持持平，则用短横线加以表示。表4-4基于DEA模型的研究样本效率情况表firmcrstevrstescaleA村0.3831.0000.383irsB村0.9381.0000.938drsC村0.7610.8170.931drsD村0.6901.0000.690drsE村1.0001.0001.000-F村0.5150.7180.717drsG村0.7740.9100.851irsH村1.0001.0001.000-I村0.5330.7420.719drsJ村1.0001.0001.000-average0.7590.9190.8231.5.1综合技术效率分析项目的综合技术效率值反映该村煤改电项目的整体经营效益状况，其值应为纯技术效率值乘以规模效率值，其大小可以直接代表所研究的DMU是否保持在最佳的运营状态下。若其所得出的综合效率值是有效的，则代表其具有较为理想的运营情况，也就可以说明在当年的运行及补贴投入的情况下，所选择的运营方案具有良好作用效果。本文研究的10个决策单元里，有三个所具有的综合效率数值等于1，分别为E村、H村、J村。表明这些“煤改电”村具有较为理想的运营情况，也就是其既可以将投入的资源最大化的发挥其价值，又能够使得其产出处于最佳水平，只有这样才能保证对其进行评价时，综合效率的数值可以被评为1。除上述村庄外，其相应数值均小于1，所涉及的村庄分别为：A村、B村、C村、D村、F村、G村、I村，说明这些“煤改电”村当前的运营水平还没有满足有效状态的要求，其产出与投入方面还需要加以完善。在上述7个村庄中，A村当前所处情况最为不理想，其综合效率数值只有0.383，投入与产出比例严重失衡。和上述3个综合效率数值达到1的“煤改电”村存在着较大差距，说明A村的“煤改电”的运营方面仍有很大改进空间，仍需向标杆村进行学习，同时需要对其所采取的补贴方案、设备运行水平以及用户负荷性质进行调整。我们可以发现在10个决策单元中，大部分决策单元的综合效率值都大于0.5，这就说明以2019年为截面进行分析，10个“煤改电”村虽然没有都能达到最优效益值，但是整体运行效益还是处于一个比较高的水平，现有“煤改电”补贴政策较为适应2019年的电网负荷水平以及运行情况。图4-1综合效率值分布图图4-1展示的是本次研究的10个样本所具有的综合效率的各部分占比情况，发现总样本的30％其对应的决策单元满足DEA方法中对有效状态的要求。有20％的样本其所具有的综合效率的数值介于0.6到0.8区间内，这一数据表明“煤改电”村项目的所具有的综合效率值整体水平处于较高状态，其投入与产出比例已经处于一个较高的水平，整体项目运行情况良好。对所选择的研究样本的总体情况进行分析，发现其综合效率均值达到0.759，代表着10个“煤改电”村的总体经营运行水平表现较高，但我们要注意的是仍有有21.1%的投入要素没有形成产出而白白浪费，在对技术水平不做任何改变的条件下，投入要素并没有达到其应有的利用程度。1.5.2纯技术效率分析决策单元的纯技术效率值可以通过BCC模型算出，纯技术效率值的状态代表了在不考虑规模收益的情况下其所对应的技术效率的情况，其该值测定的是基于可变的规模报酬的情况下，决策单元和生产前沿之间的距离，其代表着当投入数值确定时，决策单元对应的产出水平的最大值。并且针对DEA决策单元中，综合效率小于1的DMU进行深入分析，明确其处于这一状态的原因。该模型在进行评价时，所得到的结果并非代表绝对的效率能力，而是企业所具有的实际水平对“煤改电”村的运营所产生的作用效果。按照表4-4中数据，并对其进行分析，发现10个“煤改电”村研究样本的纯技术效率水平表现较好，10个“煤改电”村得出的平均值为0.919，研究的10个“煤改电”村中共有6个达到了纯技术效率有效的状态，分别为A村、B村、D村、E村、H村、J村，表明这些村在投入不变的情况下，均取得了较好的产出效果，这可以说明这些村的负荷配比以及运行技术都处于较优的情况，致使纯技术效率维持在较高的水平上。F村的纯技术效率最低，纯技术效率值为0.718，说明其在负荷配比、“煤改电”设备技术以及电网运营技术方面有待提高，可在当地尝试引进商业、工业等高电价负荷，对“煤改电”设备进行效率提高等技术改进措施，提高技术能力转换成实际产出的能力。另外有3个“煤改电”村纯技术效率达到有效，但因规模效率小于1而导致综合效率无效，分别为A村、B村、D村。如图4-2所示，10个“煤改电”运行效率值总体布局状态，在所研究的样本中占比大部分的是达到了纯技术效率有效，所占比重为60%，纯技术效率不为1的占比为40%。图4-2纯技术效率值分布图1.5.3规模效率分析对于所探讨的决策单元生产规模状态的优劣与否，可以通过规模效率水平来做出一定的判定。企业实际生产能力和所能达到的最佳生产能力之间的差值可用规模效益加以表示，其能够用于比较10个“煤改电”村的实际规模情况与最佳规模是否相符。当运营能力确定的情况下，若其所具有的规模效率值为1，则代表“煤改电”村当前规模即为最佳规模，若未达到1，则其规模还有发展改进空间。根据上文信息，可以发现在本文研究样本中，有3个村庄所具有的规模效率数值等于1，分别为E村、H村、J村，其纯技术效率水平以及综合效率水平均处于有效状态范畴，也就代表其当前以及后期发展状态均达到最优。在10个“煤改电”村研究样本之中共有7个“煤改电”村的所具有的规模效率数值未达到1，代表其当前尚未处于最优运营水平，其中A村、B村、D村之所以在DEA综合评价中所获得的评价结果为非DEA有效，其最根本的原因是因为其所具有的规模效率处于无效范畴，进而使得其综合效率也处于无效范畴，从而导致上述结果。对样本整体情况进行分析，发现其所具有的规模效率水平不佳。平均值仅达到0.823，还可继续改进，并且在上述村庄中，A村所处状态最不理想，其所具有的规模效率数值仅仅只有0.383，由于补贴政策以及运行技术的制约，使得其难以满足最实现最佳生产规模的要求，还要对其加以调整，保证其所具有的规模效率进一步增大。图4-3为规模效率数值的详细分分布情况：图4-3规模效率值分布图1.5.4规模收益分析通过分析决策单元的规模收益情况，对项目或公司提升自身的经营管理有着很大的帮助。若规模收益处于上升水平时，通过提高投入可以使得产出量随之增加；而若其处于降低趋势时，我们将会得到一个完全相反的情况。规模收益情况的分布表如表4-5所示。在10个“煤改电”村中，处于规模报酬不变状态的样本值有3个，例如有E村、H村、J村，这个“煤改电”村的规模收益状态处于一个水相对良好的状态。在这10个样本中，共有2个“煤改电”村处于规模收益状态增加的状态，占10个“煤改电”村数量总体的20%；另外共有5个“煤改电”村处于规模收益状态减少的状态，占10个“煤改电”村数量总体的50%。当项目处于规模收益减少阶段的时候，这说明项目存在生产规模或投入过大的问题，破坏了项目内部合理分配，使得项目的生产关系遭到破坏，造成项目内部各项资源的配置使用混乱，无法做出高效的经济效益。在此时，项目对投入成本或生产规模做出调整，使得项目投入、产出比例或项目效益回到效率值跟高的前沿面上。正如上文提到，在10个“煤改电”村研究样本数据中，一半数量的村子规模收益处于减少状态，这也就说明对于“煤改电”村，现有生产运行模式以不能够通过扩大投入来获取更高的产出效益，简单的想通过增加补贴成本或运行成本无法为项目带来更好的收益。表4-5规模收益状态分布规模收益状态分布段数量比例（%)increasing220%constant330%decreasing550%合计10100%1.5.5对无效DEA的改进对于那些综合效率不为1的决策单元，其处于弱DEA有效或无效状态，为了使得这些决策单元向最优解靠拢，可以利用投影分析方法对本文研究样本中各投入值与产出值进行修改，使得其经济效益达到最优。综合效率为1的“煤改电”村，其投入、产出数量的实际值即为目标值，无需再做任何更改，这也就说明这些村的投入产出已处于一个合理状态。但那些综合效率值小于1的“煤改电”村，我们需要通过计算从而得出其实际值与目标值的悬殊来进行调节，使这些数据不断向有效生产前沿面上靠拢。根据这些投入数据的冗余水平以及产出数据的不足水平来确定各“煤改电”村的运行效益调整程度及方向，争取使得其运行效益达到最优水平。各个决策单元的投入、产出数值的改进情况已列入表4-6，s1−、s2−代表“煤改电”村补贴投入、“煤改电”村运行维护成本的投入冗余值，s1根据DEA方法修改有关内容时，需要按照相应决策单元现有的规模报酬情况进行分析，先在总体水平上等比例的修改投入与产出所涉及的不同指标数值，再按照投影分析所得到的结果完成更进一步的修改。由于A村、B村、D村都表现为规模效率处于无效状态而纯技术效率表现为有效状态，所以无需逐一修改投入与投出的各个指标数值，只需要依据规模收益状态为增加或减少来开展投入和产出的指标量的调整工作。在上述“煤改电”村中，只有A村的规模收益状态为增加，我们可以对其采取增大“煤改电”补贴投入或运行维护投入来获取其更大比例的销售电量、以及电费的产出，而B村、D村的规模收益状态为减少，应该缩减其“煤改电”补贴投入或运行维护投入。对于那些DEA无效的“煤改电”村，我们需要对整体项目进行调整，单一的调整投入规模已无法使其能够达到DEA有效，我们需要对其内部的组合关系、技术水平、各项政策进行调整，从而使该村“煤改电”项目运行效益得到提高。表4-6DEA无效的决策单元投影结果“煤改电”村投入冗余产出不足ssssA村0000B村0000C村6.2281.9869.2140D村0000E村0000F村11.2938.51807.663G村9.3290.46903.174H村0000I村13.5489.530028.757J村0000以C村为例，为了使得其综合效率可以达到1，C村应该在降低其投入冗余量的同时增加其产出不足量。C村补贴成本投入冗余18.29%，C村运行维护成本投入冗余18.28%，C村销售电量产出不足1.24%。由以上数据可知，对于2019-2020年冬季C村整体“煤改电”电网运行来看，现有“煤改电”补贴政策及运行维护成本均偏高，销售电量不足，建议在日后发展中，降低“煤改电”补贴政策，通过引进新型运行维护技术活更新运行维护设备进一步提高运行维护效率，同时仍需扩大宣传，鼓励用户继续增加“煤改电”负荷进行取暖，从而抬高本村销售电量。以G村为例，为了使得其综合效率可以达到1，G村应该在降低其投入冗余量的同时增加其产出不足量。G村补贴成本投入冗余55.66%，G村运行维护成本投入冗余9.03%，G村收取电费产出不足8.55%。由以上数据可知，对于2019-2020年冬季G村整体“煤改电”电网运行来看，现有“煤改电”补贴政策及运行维护成本均偏高，收取电费不足，建议在日后发展中，降低“煤改电”补贴政策，通过引进新型运行维护技术活更新运行维护设备进一步提高运行维护效率，同时应该引进其他性质的电力用户，例如性质为工商业的电力用户，工商业用户电价较高，其引入可以提高该村电费单价，进而抬高收取电费水平等。以F、I村为例，为了使得其综合效率可以达到1，F、I村应该在降低其投入冗余量的同时增加其产出不足量。“煤改电”村补贴成本投入冗余分别为28.22%、25.83%，“煤改电”村运行维护成本投入冗余47.96%、45.60%，“煤改电”村收取电费产出不足47.96%、43.30%。通过对两个村的运行维护日志进行查询，发现在2019-2020年冬季这两个村由于火灾以及恶劣天气发生过严重突发故障，造成运行维护成本激增，与计算结果基本保持一致。1.6基于玛奎斯特指数的效率变化分析上文是利用CCR与BCC模型对10个“煤改电”村的同年数据开展截面分析，这种分析模型只能体现出“煤改电”项目在于当年的经济效益。为了进一步分析所有研究对象的运营经济效益相对动态变化走势情况，我们可以利用DEA分析法的玛奎斯特指数分析法。通过对所有研究样本的运营经济效益的技术效率水平变化、技术水平变化结果进行比较，从而得出10个“煤改电”村的运营经济效益情况进行版面对比分析。仍以上文选取的朝阳地区10个“煤改电”村作为研究样本，选取其2016年-2020年共4个冬季的数据。采用DEA的玛奎斯特方法得出这10个“煤改电”村运营经济效益的玛奎斯特生产率指数，分析这些地区2016-2020年间其运行发展的效率变化趋势，以更好得出这期间，煤改电补贴成本以及运行成本的变化对项目运行经济效益的影响，同时就同一个“煤改电”村在不同年份的相对动态运行经营效率的改变走势和其他因素的变更情况。其中，研究对象的技术效率变动的指数通过EFFCH来表示；纯技术效率变动指数则通过PECH进行表示；规模效益的指数信息通过SECH加以表示；动态效率信息则通过TFPCH加以表示。1.6.1整体效率变化趋势分析通过表5-7我们可以看出，2016至2020年4个供暖季中10个“煤改电”村的运营经济效益整体的玛奎斯特指数水平呈先下降后上升趋势，总体呈现上升趋势。玛奎斯特指数除了在首次的2017-2018年小于1，其他的研究时间区间内其效率值均大于1，可见这些样本的全要素生产率处于上升趋势。在2016至2020年4个供暖季中各研究样本的玛奎斯特指数平均值为1.075，这说明各研究样本的全要素生产率调整走向为正向发展，而且整体程度以7.5%的年平均速度上升。通过对数据的分析我们可以看出，玛奎斯特指数的总体趋势波动较大。技术进步指数在2016-2017年以及2018-2019年超过了1，但2017-2018年未达到1，其平均值为1.193，并以19.3%的年均速度上升。通过数据可以看出技术进步指数的变化程度直接影响到了玛奎斯特指数的变化趋势，进而说明技术进步指数是导致“煤改电”村玛奎斯特指数波动的重要影响因素。这也说明对于“煤改电”村的玛奎斯特指数提高还是需要通过设备技术、运营水平或管理水平的提高，技术水平的改进对项目经济效益有着极大的帮助。从技术效率变动指数变化来看，研究时间范围内全部未达到1，虽然数据呈现随着时间推移递增的态势，但是研究期间的技术效率变动指数均值为0.902，这也就说明其以年均9.8%的速度下降，技术效率变动指数的低下也一直在影响玛奎斯特指数波动的波动。从纯技术效率变动指数变化来看。在这段运行时间内，纯技术效率变动指数有两个次均小于1，这表明在2016-2017和2017-2018年间，研究样本中这10个朝阳地区“煤改电”村存在资源配置不合理和投入利用不足的情况。从规模效率变动指数变化来看。规模效率变动指数在研究时间范围内一直处于小于1的状态，在研究时间范围内，一直以7.3%的速度下降。通过分析可以看出，虽然2018-2019年冬季供电公司开始对“煤改电”项目补贴投入予以增大，但是由于规模效率变动指数的持续低下，我们并不能通过扩大补贴投入来使项目的运营效率得以提高。表4-72016-2019年研究样本的玛奎斯特生产率指数及其分解部分均值FirmEffchTechchPechSechtfpch2016-20170.8541.2350.9390.9101.0552017-20180.9230.9720.9740.9470.8972018-20190.9291.3711.0050.9241.273Main0.9021.1930.9730.9271.075注：Malmquist指数=Effch×Techch=Pech×Sech×Techch1.6.2不同决策单元效率变化分析根据表4-8中信息，能够获得本次研究的10个“煤改电”村在2016到2019年间的运营经济绩效所对应的总玛奎斯特指数情况，其中涉及到“煤改电”村所对应的玛奎斯特指数的具体数值信息、技术效率变动指数的具体数值信息和技术进步指数的具体数值信息，而在上述信息中，还可以对技术效率变动指数进行分解，获得规模效益变动指数的具体数值以及纯技术效率变动指数的具体数值。通过数据可知，在这10个朝阳地区“煤改电”村中，玛奎斯特指数超过1的有7个“煤改电”村，占所有“煤改电”村总数的70%。表明10个研究样本的总体运营经济效益水平在16年至19年这期间整体表现呈一种向上的趋势。H村的玛奎斯特指数数值是这些村中最高，玛奎斯特指数数值为1.361，这说明H村在2016-2019年间玛奎斯特指数数值的年平均增长率为36.1%。A村的玛奎斯特指数数值仅为0.903的水平，以每年平均9.7%的速度下降。从整体情况来说，大多数“煤改电”村的运营经济效益水平的全要素生产率呈现正向的走向趋势，存在不等程度的上涨形式。对数据进行更进一步的分析我们可以发现