多维视角下电力行业节能减排绩效评价方法探究与实践

多维视角下电力行业节能减排绩效评价方法探究与实践一、引言1.1研究背景与意义1.1.1研究背景在全球气候变化的大背景下，节能减排已成为世界各国共同面临的紧迫任务。随着工业化和城市化进程的加速，人类对能源的需求与日俱增，大量化石能源的燃烧导致二氧化碳等温室气体排放急剧增加，引发了全球气候变暖、冰川融化、海平面上升等一系列环境问题，对人类的生存和发展构成了严重威胁。国际社会对气候变化问题高度关注，各国纷纷制定减排目标，积极寻求应对气候变化的有效途径。电力行业作为能源消耗和碳排放的重点领域，在节能减排中扮演着至关重要的角色。一方面，电力是现代社会不可或缺的基础能源，广泛应用于工业、商业、居民生活等各个领域，其需求量持续增长。另一方面，目前电力生产仍以化石能源为主，尤其是煤炭发电在我国及许多国家的电力结构中占据较大比重。煤炭燃烧过程中会释放大量的二氧化碳、二氧化硫、氮氧化物等污染物，不仅加剧了全球气候变化，还对空气质量和生态环境造成了严重破坏。据统计，电力行业的碳排放占全球碳排放总量的相当大比例，因此，电力行业的节能减排对于实现全球减排目标、缓解气候变化具有关键作用。此外，随着能源资源的日益紧张和环境压力的不断增大，电力行业自身也面临着可持续发展的严峻挑战。传统的电力生产方式不仅能源利用效率低下，而且对环境造成了巨大的负面影响。为了实现电力行业的可持续发展，必须加快转变发展方式，大力推进节能减排，提高能源利用效率，优化电源结构，增加可再生能源和清洁能源在电力生产中的比重。1.1.2研究意义本研究旨在深入探讨电力行业节能减排绩效评价方法，具有重要的理论与实践意义，具体如下：助力国家“双碳”目标实现：中国提出了“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的目标。电力行业作为碳排放大户，其节能减排成效直接关系到国家“双碳”目标的实现。通过构建科学合理的节能减排绩效评价方法，能够准确衡量电力企业的节能减排水平，为政府制定针对性的政策和措施提供数据支持，引导电力企业积极采取节能减排行动，从而有力地推动国家“双碳”目标的达成。推动电力行业可持续发展：科学的绩效评价方法有助于电力企业清晰认识自身在节能减排方面的优势与不足，促使企业加大技术创新和改造投入，优化生产流程，提高能源利用效率，降低碳排放和污染物排放。这不仅有利于改善企业的环境绩效，还能降低企业的运营成本，增强企业的市场竞争力，推动电力行业向绿色、低碳、可持续方向发展。为政府制定政策提供决策依据：政府在制定电力行业节能减排政策时，需要全面、准确地了解行业的节能减排现状和发展趋势。本研究建立的评价方法能够为政府提供客观、可靠的评价结果，帮助政府及时掌握电力企业的节能减排情况，评估现有政策的实施效果，发现政策执行过程中存在的问题，进而为政府制定更加科学、合理、有效的节能减排政策提供有力的决策依据，提高政策的针对性和有效性。促进电力行业节能减排技术创新：绩效评价结果可以反映出不同节能减排技术在电力行业中的应用效果和潜力。通过对评价结果的分析，能够引导企业和科研机构加大对节能减排关键技术的研发投入，鼓励创新，推动先进节能减排技术的推广和应用，促进电力行业整体技术水平的提升，为实现节能减排目标提供技术支撑。1.2国内外研究现状1.2.1国外研究现状国外对电力行业节能减排的研究起步较早，在政策制定、技术研发以及绩效评价等方面取得了丰富的成果。在政策方面，许多发达国家制定了严格的节能减排政策法规和激励措施。欧盟通过制定可再生能源指令和碳排放交易体系（EU-ETS），为电力行业设定了明确的可再生能源发展目标和碳排放限额，推动电力企业减少碳排放，增加可再生能源发电比例。英国政府于2011年发布《规划我们的电力未来：关于发展安全、价格适宜和低碳电力的白皮书》，揭开低碳电力市场改革序幕，提出促进电力行业投资、降低电力部门排放强度和居民用电成本等目标，并通过差价合约、容量市场、最低碳价和排放绩效标准等政策措施来实现这些目标。美国环保局（EPA）不断调整电力行业减排规定，采取“双重策略”，在推迟部分现有发电厂减排要求的同时，推出更广泛的规定以确保行业减排目标的实现，旨在平衡环境保护需求和工业界实际运营能力。技术研发上，国外致力于开发先进的节能减排技术。在发电环节，高效清洁的发电技术不断涌现，如超超临界机组技术，进一步提高了机组的热效率，降低了煤耗和污染物排放；整体煤气化联合循环（IGCC）发电技术，将煤气化技术与联合循环发电相结合，实现了煤炭的高效清洁利用，显著降低了污染物排放。在输电环节，智能电网技术得到广泛应用，通过先进的信息技术和自动化控制技术，实现了电力系统的智能化管理和优化调度，降低了输电损耗，提高了电力系统的稳定性和可靠性。储能技术的发展也取得了重大突破，锂离子电池、液流电池等储能技术不断成熟，有效解决了可再生能源发电的间歇性和波动性问题，提高了可再生能源在电力系统中的消纳能力。绩效评价方面，国外学者运用多种方法构建评价体系。欧盟以生命周期评价法、多目标决策法为基础，发展出一套评估“最佳可行技术”的指标体系，对技术环境影响的评估指标采用了全球变暖、人体毒性、生态毒性、酸化效应、富营养化效应、臭氧层破坏、光化学烟雾效应等LCA指标，全面评估电力行业节能减排技术的环境影响。此外，数据包络分析（DEA）、层次分析法（AHP）等方法也被广泛应用于电力企业节能减排绩效评价，通过构建科学合理的评价指标体系，对电力企业的能源利用效率、污染物排放等方面进行综合评价，为企业改进节能减排工作提供决策依据。1.2.2国内研究现状国内在电力行业节能减排领域也开展了大量研究，在政策推动、技术应用以及评价体系构建等方面取得了显著成果，但仍存在一些不足之处。政策上，国家出台了一系列节能减排政策法规，以推动电力行业的绿色发展。“十二五”期间，我国能耗强度累计下降19%，超额完成原规划目标。“十三五”时期，积极推进全国碳排放交易体系建设，将钢铁、有色、建材、化工、发电等五大行业的主要排放企业纳入交易体系，通过市场机制促进企业减排。此外，还制定了一系列鼓励可再生能源发展的政策，如补贴政策、上网电价政策等，促进了风电、太阳能发电等可再生能源在电力行业中的应用和发展。技术应用方面，我国在电力节能减排技术研发和应用上取得了一定进展。在火电领域，通过“上大压下”等措施，优化电源结构，淘汰了一批落后的小火电机组，提高了机组的平均单机容量和能源利用效率。同时，积极推广应用先进的节能减排技术，如高效脱硫、脱硝、除尘技术，有效降低了火电行业的污染物排放；高压变频调速技术在电厂中的应用，实现了电机的节能调速，降低了厂用电率。在可再生能源发电技术方面，我国的风电和太阳能发电技术发展迅速，装机容量不断增加，技术水平逐步提高，部分技术已达到国际先进水平。指标体系构建及评价方法研究上，国内学者从不同角度构建了电力行业节能减排评价指标体系。顾英伟和李彩虹从能源消耗、污染物排放、资源综合利用等方面建立了电力行业节能减排评价指标体系，旨在全面评估电力行业的节能减排水平。在评价方法上，模糊综合评价法、层次分析法、物元分析法等被广泛应用。模糊综合评价法应用模糊关系合成原理和最大隶属度原则，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合评价，在电网节能减排潜力评价、电能质量评估等领域得到广泛应用。层次分析法将决策问题的有关元素分解成目标、准则、方案等层次，用一定标度对人的主观判断进行客观量化，在此基础上进行分析决策，尤其适合于人的定性判断起重要作用的，或定性、定量兼有的决策分析。然而，现有研究在评价指标的全面性和科学性、评价方法的合理性和实用性等方面仍有待进一步完善。部分评价指标体系未能充分考虑电力行业的复杂性和特殊性，一些评价方法在处理多指标、不确定性等问题时存在局限性。1.3研究内容与方法1.3.1研究内容构建电力行业节能减排绩效评价指标体系：从能源消耗、污染物排放、资源综合利用、技术创新、政策执行等多个维度出发，全面、系统地选取评价指标，确保指标体系能够准确反映电力行业节能减排的实际情况。深入分析各指标之间的相互关系，运用科学的方法确定指标权重，以提高评价结果的准确性和可靠性。研究电力行业节能减排绩效评价方法：对现有的评价方法进行深入研究和比较分析，如层次分析法、模糊综合评价法、数据包络分析、灰色关联分析等，结合电力行业的特点和评价需求，选择或改进合适的评价方法。针对电力行业节能减排绩效评价中的不确定性和模糊性问题，探索新的评价方法和技术，以提高评价的科学性和有效性。进行案例分析：选取具有代表性的电力企业或项目作为案例，运用构建的评价指标体系和评价方法进行实证分析，对其节能减排绩效进行全面、客观的评价。通过案例分析，验证评价指标体系和评价方法的可行性和有效性，总结成功经验和存在的问题，为其他电力企业提供借鉴和参考。提出提升电力行业节能减排绩效的策略和建议：根据评价结果和案例分析，深入剖析影响电力行业节能减排绩效的因素，从政策制定、技术创新、管理优化、市场机制等方面提出针对性的策略和建议。为政府部门制定相关政策提供决策依据，为电力企业改进节能减排工作提供指导，促进电力行业节能减排水平的整体提升。1.3.2研究方法文献研究法：广泛查阅国内外关于电力行业节能减排绩效评价的相关文献，包括学术论文、研究报告、政策文件等，全面了解该领域的研究现状、发展趋势和主要研究成果。通过对文献的梳理和分析，总结现有研究的不足之处，为本文的研究提供理论基础和研究思路。案例分析法：选择多个典型的电力企业或项目作为案例，深入分析其在节能减排方面的实践经验、采取的措施以及取得的成效。通过对案例的详细剖析，总结成功经验和存在的问题，为构建评价指标体系和提出提升策略提供实践依据。定性与定量相结合的方法：在构建评价指标体系时，综合考虑电力行业节能减排的各个方面，采用定性分析的方法确定评价指标的选取和指标体系的框架结构。运用层次分析法、模糊综合评价法等定量分析方法确定指标权重，对电力行业节能减排绩效进行量化评价，使评价结果更加客观、准确。二、电力行业节能减排绩效评价概述2.1电力行业节能减排现状2.1.1电力行业能耗与排放情况随着全球经济的快速发展，电力作为重要的二次能源，其需求持续增长。然而，电力行业在满足能源需求的同时，也带来了巨大的能耗和排放问题。从全球范围来看，国际能源署（IEA）数据显示，2022年全球与能源相关的二氧化碳排放量增加了6%，达到363亿吨，绝对增幅超过20亿吨，为历史上最大增幅，其中电力行业碳排放占比可观。英国独立气候智库Ember发布报告称，2021年电力行业碳排放量创新高，同比增长7.78亿吨，增幅达7%，为2010年以来最大增幅，较新冠疫情前水平高出3%。2022年，全球电力行业碳排放达到130亿吨，再创历史新高。在我国，电力行业同样是能耗和碳排放的重点领域。国家统计局数据表明，火电在我国电力结构中一直占据主导地位，尽管近年来占比有所下降，但截至2024年10月，火电发电量占全国总发电量的66.9%。长期以来，火电以煤炭为主要燃料，煤炭燃烧过程中会消耗大量能源，并排放出大量的二氧化碳、二氧化硫、氮氧化物等污染物。据中电联统计数据，2020年我国火电行业二氧化碳排放量约为40亿吨，占全国碳排放总量的40%左右。同时，火电行业也是二氧化硫和氮氧化物的主要排放源之一，这些污染物不仅会对大气环境造成污染，形成酸雨、雾霾等环境问题，还会对人体健康产生严重危害。在能耗方面，我国电力行业的能源利用效率与国际先进水平相比仍有一定差距。部分老旧火电机组技术水平落后，机组热效率较低，导致单位发电量的煤耗较高。例如，一些早期建设的30万千瓦及以下机组，供电标准煤耗普遍在350克/千瓦时以上，而先进的超超临界机组供电标准煤耗可降至290克/千瓦时左右。高煤耗不仅意味着能源的浪费，还会增加碳排放和污染物排放。此外，在输电、配电等环节也存在一定的电能损耗，据估算，我国电网综合线损率约为6%左右，降低线损对于提高电力行业能源利用效率具有重要意义。2.1.2节能减排工作进展与成效为应对日益严峻的能源和环境挑战，我国政府高度重视电力行业的节能减排工作，出台了一系列政策法规，加大对电力行业节能减排的支持和监管力度。在政策推动下，我国电力行业在节能减排方面取得了显著的进展和成效。在能耗降低方面，通过实施“上大压小”、淘汰落后产能等政策措施，我国火电行业的机组结构不断优化，机组平均单机容量持续提高，能源利用效率显著提升。自2012年以来，我国累计淘汰煤电落后产能超过1亿千瓦。2020年，全国6000千瓦及以上火电机组平均供电标准煤耗降至305.5克/千瓦时，较2012年的326克/千瓦时下降了20.5克/千瓦时。通过采用先进的节能技术，如高效煤粉燃烧技术、汽轮机通流部分改造技术、电机变频调速技术等，进一步降低了火电机组的能耗。在一些电厂中，通过对锅炉进行煤粉燃烧优化改造，使锅炉热效率提高了3-5个百分点，煤耗降低了10-15克/千瓦时。排放减少方面，我国大力推进火电行业的脱硫、脱硝、除尘设施建设和改造，实现了污染物排放的大幅削减。截至2020年底，全国火电脱硫机组占比达到99%以上，脱硝机组占比达到98%以上，除尘机组占比达到100%。与2011年相比，2020年电力行业二氧化硫排放量下降了85%以上，氮氧化物排放量下降了70%以上，烟尘排放量下降了90%以上。国家能源局局长章建华在国新办发布会上介绍，十年来，中国电力行业污染物排放量减少超过90%。一些电厂通过采用先进的超低排放技术，使二氧化硫、氮氧化物和烟尘的排放浓度分别降低至35毫克/立方米、50毫克/立方米和5毫克/立方米以下，达到了天然气发电机组的排放水平。新能源发展上，我国积极推动风电、太阳能发电、水电、核电等可再生能源和清洁能源的发展，不断优化电源结构，提高非化石能源在电力生产中的比重。截至2023年底，我国风电、光伏发电装机规模较十年前增长了10倍，清洁能源发电装机占总装机的58.2%，新增清洁能源发电量占全社会用电增量一半以上。清洁能源消费量占能源消费总量的比重从2012年的15.5%提高到2023年的26.4%，煤炭消费比重下降12.1个百分点。新能源发电的快速发展，不仅有效减少了电力行业的碳排放，还为能源转型和可持续发展奠定了坚实基础。2.2节能减排绩效评价的重要性2.2.1对实现国家节能减排目标的作用电力行业作为能源消耗和碳排放的重点领域，其节能减排绩效对实现国家整体节能减排目标起着关键作用。根据国际能源署（IEA）的数据，电力行业的碳排放占全球碳排放总量的相当大比例，在中国，这一比例也高达40%左右。因此，电力行业节能减排成效直接关系到国家“双碳”目标的实现。通过科学合理的节能减排绩效评价，可以准确衡量电力企业在能源消耗、污染物排放等方面的实际表现，为政府制定针对性的政策和措施提供有力的数据支持。政府可以根据评价结果，对节能减排成效显著的企业给予政策支持和奖励，如税收优惠、财政补贴等，激励企业进一步加大节能减排力度；对节能减排不达标的企业，采取严格的监管措施和惩罚机制，如责令限期整改、征收高额排污费等，促使企业改进节能减排工作。绩效评价还能够引导电力行业的投资和发展方向。评价结果可以反映出不同节能减排技术和措施的效果和潜力，为企业和投资者提供决策依据，鼓励他们加大对清洁能源发电、高效节能技术等领域的投资，推动电力行业向绿色低碳方向转型升级，从而助力国家节能减排目标的实现。2.2.2对电力企业可持续发展的意义节能减排绩效评价对电力企业自身的可持续发展具有重要意义，它不仅有助于企业降低运营成本、提高能源利用效率，还能提升企业的市场竞争力和社会形象。从成本角度来看，通过节能减排绩效评价，企业可以发现自身在能源消耗和生产运营过程中存在的问题和浪费环节，从而有针对性地采取措施进行改进。采用先进的节能技术和设备，优化生产流程，降低能源消耗，可以直接降低企业的生产成本。推广应用高效的脱硫、脱硝、除尘技术，减少污染物排放，避免因超标排放而面临的罚款和法律风险，也能间接降低企业的运营成本。在市场竞争力方面，随着社会对环境保护和可持续发展的关注度不断提高，消费者和投资者越来越倾向于选择环保型企业。电力企业通过良好的节能减排绩效评价结果，展示其在环保方面的努力和成果，能够吸引更多的客户和投资者，提升企业的市场份额和品牌价值。在电力市场竞争日益激烈的今天，节能减排绩效已成为企业竞争力的重要组成部分。从社会形象角度而言，积极参与节能减排并取得良好绩效的电力企业，能够赢得社会各界的认可和赞誉，增强企业的社会责任感和公信力。这有助于企业与政府、社区、客户等利益相关者建立良好的合作关系，为企业的长期稳定发展创造有利的外部环境。2.3相关理论基础2.3.1可持续发展理论可持续发展理论于20世纪80年代提出，它强调在满足当代人需求的同时，不损害子孙后代满足其自身需求的能力，追求经济、社会和环境的协调发展。该理论的核心内涵包括三个方面：一是生态可持续性，要求维护生态系统的健康和稳定，保护自然资源，确保生态环境的承载能力；二是经济可持续性，倡导在合理利用资源和保护环境的基础上，实现经济的持续增长和发展，提高资源利用效率，降低经济活动对环境的负面影响；三是社会可持续性，注重社会公平、人类福祉和社会稳定，保障人民的基本权利，促进社会的和谐发展。在电力行业节能减排中，可持续发展理论具有重要的指导意义。从生态可持续性角度来看，电力行业需要减少对环境的污染和破坏，降低碳排放、二氧化硫、氮氧化物等污染物的排放，保护生态环境。推广应用清洁能源发电技术，如风电、太阳能发电、水电、核电等，减少对化石能源的依赖，降低温室气体排放，减缓气候变化对生态系统的影响。同时，加强对电力生产过程中污染物的治理和控制，采用先进的脱硫、脱硝、除尘技术，确保污染物达标排放，保护大气环境和生态平衡。在经济可持续性方面，电力行业应通过提高能源利用效率、降低生产成本来实现经济的可持续发展。优化电源结构，淘汰落后产能，提高机组的能源利用效率，降低单位发电量的能耗和成本。在火电领域，采用超超临界机组技术、整体煤气化联合循环（IGCC）发电技术等先进技术，提高机组热效率，降低煤耗；在输电环节，加强电网建设和改造，提高电网的输电能力和可靠性，降低输电损耗。通过技术创新和管理优化，降低电力行业的运营成本，提高经济效益，实现经济的可持续发展。社会可持续性方面，电力行业要保障电力供应的稳定性和可靠性，满足社会经济发展和人民生活对电力的需求。确保电力供应的安全稳定，是保障社会正常运转的基础。电力行业还应积极履行社会责任，参与社会公益事业，促进社会公平和和谐发展。在一些贫困地区，加大电网建设和改造力度，提高电力供应的覆盖率和质量，促进当地经济发展和社会进步。2.3.2循环经济理论循环经济理论以“减量化（Reduce）、再利用（Reuse）、再循环（Recycle）”为基本原则，简称“3R”原则。减量化原则旨在减少进入生产和消费过程的物质和能源流量，从源头节约资源使用和减少污染物排放；再利用原则强调尽可能多次或多种方式地使用物品，避免物品过早成为垃圾；再循环原则要求物品完成使用功能后能够重新变成可利用的资源，而不是不可恢复的垃圾。在电力行业节能减排实践中，“3R”原则得到了充分体现。减量化原则方面，电力企业通过技术创新和设备升级，提高能源利用效率，减少能源消耗。采用高效的发电技术，如超超临界机组，提高机组的热效率，降低单位发电量的煤耗；推广应用高压变频调速技术、智能电网技术等，降低厂用电率和输电损耗。在一些电厂中，通过对锅炉进行优化改造，采用先进的燃烧技术，使锅炉热效率提高了3-5个百分点，煤耗降低了10-15克/千瓦时。在资源采购环节，合理规划煤炭等能源资源的采购量，避免过度采购造成资源浪费，从源头上减少能源消耗和废弃物产生。再利用原则体现在电力设备和设施的维护与升级上。对老旧设备进行定期维护和改造，延长其使用寿命，减少设备更换频率。通过对汽轮机、发电机等设备进行检修和升级，提高设备的性能和可靠性，使其能够继续高效运行。一些电厂对老化的汽轮机进行通流部分改造，提高了汽轮机的效率，降低了能耗，同时延长了设备的使用寿命。在电力生产过程中，对产生的余热、余压等进行回收利用，将其转化为电能或热能，实现能源的梯级利用。部分电厂利用余热进行供热，提高了能源利用效率，减少了能源浪费。再循环原则在电力行业主要表现为废弃物的回收处理和资源综合利用。对粉煤灰、脱硫石膏等固体废弃物进行回收利用，生产建筑材料、路基材料等。粉煤灰可用于生产水泥、砖等建筑材料，脱硫石膏可用于生产石膏板、水泥缓凝剂等。据统计，我国粉煤灰的综合利用率已超过70%，脱硫石膏的综合利用率也在不断提高。对废旧电池、电子设备等进行回收处理，提取其中的有价金属，实现资源的循环利用，减少对环境的污染。三、电力行业节能减排绩效评价指标体系构建3.1评价指标选取原则构建科学合理的电力行业节能减排绩效评价指标体系，是准确评价电力行业节能减排绩效的关键。在选取评价指标时，需遵循以下原则：3.1.1科学性原则科学性原则要求评价指标能够科学、准确地反映电力行业节能减排绩效的本质特征和内在规律，符合电力行业的生产运营特点和节能减排实际情况。指标的定义、计算方法和统计口径应具有明确的科学依据，确保评价结果的可靠性和可比性。在能源消耗指标方面，选择供电标准煤耗这一指标，它是指火力发电每供出一千瓦时电能平均耗用的标准煤量，能直接反映火电机组的能源利用效率，具有明确的物理意义和科学计算方法。供电标准煤耗越低，说明机组将煤炭等能源转化为电能的效率越高，能源浪费越少。污染物排放指标中，选取二氧化硫排放量、氮氧化物排放量和烟尘排放量等，这些污染物是电力行业主要的大气污染物，其排放量的多少直接反映了电力生产对环境的污染程度，且相关的监测和统计方法成熟、科学。3.1.2全面性原则全面性原则强调评价指标应涵盖电力行业节能减排的各个方面，包括能源消耗、污染物排放、资源综合利用、技术创新、管理措施等，以确保对电力行业节能减排绩效进行全面、系统的评价。能源消耗指标除了供电标准煤耗外，还应考虑火电平均厂用电率、线损率等。火电平均厂用电率反映了火电厂自身运行所消耗的电量占总发电量的比例，降低厂用电率可以提高电厂向外输送的电量，减少能源的内部损耗。线损率则体现了电能在传输过程中的损耗情况，降低线损率对于提高电力系统的能源利用效率具有重要意义。污染物排放指标中，除了上述的二氧化硫、氮氧化物和烟尘排放量外，还应关注二氧化碳排放量，它是导致全球气候变化的主要温室气体，电力行业作为二氧化碳排放的重点领域，其排放量的控制对于应对气候变化至关重要。资源综合利用方面，考虑粉煤灰综合利用率、脱硫石膏综合利用率等指标。粉煤灰和脱硫石膏是火电生产过程中产生的固体废弃物，提高它们的综合利用率，不仅可以减少废弃物的排放，降低对环境的污染，还能实现资源的循环利用，带来一定的经济效益。技术创新指标中，引入研发投入占比、专利申请数量等，这些指标可以反映电力企业在节能减排技术研发方面的投入和创新能力，技术创新是推动电力行业节能减排的重要动力。管理措施方面，选取节能减排管理制度完善程度、节能减排培训覆盖率等指标，良好的管理制度和有效的培训能够提高企业员工的节能减排意识和管理水平，促进节能减排工作的顺利开展。3.1.3可操作性原则可操作性原则要求评价指标的数据易于获取、可量化，并且评价方法简单可行，便于在实际评价工作中操作实施。数据获取上，优先选择电力企业日常生产运营中能够直接统计或通过现有监测设备和技术手段容易获取的数据指标。供电标准煤耗、火电平均厂用电率、二氧化硫排放量等指标，电力企业在生产过程中都有相应的计量设备和统计报表，可以直接获取相关数据。对于一些难以直接获取的数据，可以通过合理的估算方法或间接指标来替代。在评价方法上，应选择计算过程相对简单、易于理解的方法，避免使用过于复杂的数学模型和算法，以提高评价工作的效率和准确性。3.1.4动态性原则动态性原则是指评价指标体系应具有一定的灵活性和适应性，能够随着电力行业的发展、技术进步、政策法规变化以及环境要求的提高而及时调整和更新。随着电力行业的发展，新的节能减排技术不断涌现，新能源在电力生产中的比重逐渐增加，评价指标体系应及时反映这些变化。引入新能源发电量占比这一指标，以体现电力行业在能源结构调整和新能源发展方面的成效。随着国家对环境保护要求的提高，污染物排放标准不断加严，评价指标体系中的污染物排放指标应根据最新的标准进行调整和更新。政策法规的变化也会对电力行业节能减排工作产生影响，评价指标体系应能够反映政策的导向和要求，如对可再生能源补贴政策、碳排放交易政策等的体现。3.2具体评价指标3.2.1能源消耗指标供电煤耗：指火力发电每供出一千瓦时电能平均耗用的标准煤量，单位为克标准煤/千瓦时（gce/kWh）。供电煤耗是衡量火电机组能源利用效率的重要指标，其数值越低，表明机组将煤炭等能源转化为电能的效率越高，能源浪费越少。在我国，随着火电技术的不断进步，供电煤耗持续下降。2020年，全国6000千瓦及以上火电机组平均供电标准煤耗降至305.5克/千瓦时，较2012年的326克/千瓦时下降了20.5克/千瓦时。一些先进的超超临界机组，其供电煤耗可低至290克/千瓦时左右，相比传统机组具有更高的能源利用效率。厂用电率：指发电厂在一定时期内，自身运行所消耗的电量占总发电量的比例，计算公式为：厂用电率=（厂用电量÷总发电量）×100%。厂用电率反映了发电厂内部设备运行所消耗的电能情况，降低厂用电率可以提高电厂向外输送的电量，减少能源的内部损耗。火电厂中，厂用电主要用于风机、水泵、磨煤机等设备的运行。通过采用高效节能的设备和优化运行管理，如对风机、水泵进行变频调速改造，合理调整设备运行参数等，可以有效降低厂用电率。一般来说，先进的火电厂厂用电率可控制在4%-5%左右，而部分老旧电厂厂用电率可能高达6%-8%。发电水耗：是指发电厂每生产单位电量所消耗的水量，单位为立方米/万千瓦时（m³/万kWh）。发电水耗对于水资源的合理利用和可持续发展具有重要意义，尤其在水资源短缺的地区，降低发电水耗显得更为关键。不同类型的发电方式，发电水耗差异较大。火电中，采用空冷技术的机组发电水耗明显低于湿冷机组，可节水约70%-80%。水电的发电水耗相对较低，但在建设和运行过程中也需要考虑水资源的合理调配和生态保护。随着节水技术的不断发展，如采用高效的冷却塔、废水回收再利用等措施，发电水耗不断降低。3.2.2污染物排放指标二氧化硫排放总量：指电力企业在一定时期内燃烧化石燃料等过程中向大气中排放的二氧化硫的总量，单位为吨（t）。二氧化硫是电力行业主要的大气污染物之一，它会形成酸雨，对土壤、水体、建筑物等造成严重的腐蚀和破坏，危害生态环境和人类健康。我国火电行业是二氧化硫的主要排放源之一，随着环保要求的不断提高，电力企业通过安装脱硫设施、采用清洁燃烧技术等措施，有效降低了二氧化硫排放总量。据统计，与2011年相比，2020年电力行业二氧化硫排放量下降了85%以上。一些电厂采用石灰石-石膏湿法脱硫技术，脱硫效率可达95%以上，使二氧化硫排放浓度大幅降低。氮氧化物排放总量：指电力企业在生产过程中产生并排放到大气中的氮氧化物的总量，单位为吨（t）。氮氧化物包括一氧化氮（NO）和二氧化氮（NO₂）等，它们会导致光化学烟雾、酸雨等环境问题，还会对人体呼吸系统造成损害。在火电领域，氮氧化物主要是在煤炭燃烧过程中产生的。为减少氮氧化物排放，电力企业采用低氮燃烧技术、选择性催化还原（SCR）脱硝技术、选择性非催化还原（SNCR）脱硝技术等。截至2020年底，全国火电脱硝机组占比达到98%以上，与2011年相比，2020年电力行业氮氧化物排放量下降了70%以上。烟尘排放总量：是指电力企业在生产过程中向大气中排放的烟尘的总量，单位为吨（t）。烟尘主要由煤炭燃烧不完全产生的颗粒物组成，它会降低大气能见度，影响空气质量，对人体呼吸系统和心血管系统造成危害。电力企业通过安装高效的除尘设备，如静电除尘器、布袋除尘器等，有效控制了烟尘排放。目前，我国火电除尘机组占比已达到100%，烟尘排放总量大幅下降。一些先进的除尘设备，除尘效率可达99.9%以上，使烟尘排放浓度降低至5毫克/立方米以下。3.2.3节能减排技术指标非化石能源发电比重：指非化石能源发电量占总发电量的比例，计算公式为：非化石能源发电比重=（非化石能源发电量÷总发电量）×100%。非化石能源包括水能、风能、太阳能、核能、生物质能等，这些能源具有清洁、低碳、可再生的特点。提高非化石能源发电比重，对于优化电源结构、减少碳排放、实现能源可持续发展具有重要意义。近年来，我国非化石能源发电比重不断提高。截至2023年底，我国风电、光伏发电装机规模较十年前增长了10倍，清洁能源发电装机占总装机的58.2%，新增清洁能源发电量占全社会用电增量一半以上。清洁能源消费量占能源消费总量的比重从2012年的15.5%提高到2023年的26.4%。智能化配电网容量：指实现智能化的配电网变电容量，反映了配电网的智能化水平和技术先进性。智能化配电网利用先进的信息技术、通信技术和自动化控制技术，实现了对配电网的实时监测、智能分析和优化控制，能够提高供电可靠性、降低线损、促进分布式能源接入和消纳。随着智能电网技术的不断发展，我国智能化配电网容量不断扩大。一些城市的配电网通过智能化改造，实现了故障快速定位和隔离，供电可靠性大幅提高，线损率降低了10%-15%。低碳电力调度比重：指采用低碳电力调度方式的供电量占总供电量的比例，计算公式为：低碳电力调度比重=（低碳电力调度供电量÷总供电量）×100%。低碳电力调度是在传统电力调度的基础上，综合考虑电力系统的安全、经济和环保要求，优先调度清洁能源发电，合理安排火电出力，以减少碳排放。通过优化电力调度，可以提高清洁能源的利用效率，降低电力行业的碳排放。一些地区通过建立低碳电力调度模型，实现了清洁能源的最大化利用，低碳电力调度比重不断提高。3.2.4节能减排管理指标节能减排工作组织与领导：主要考察电力企业是否建立了完善的节能减排工作组织机构，明确各部门和人员的职责分工；企业领导对节能减排工作的重视程度，是否将节能减排工作纳入企业战略规划和日常管理中，是否定期召开节能减排工作会议，研究解决节能减排工作中的重大问题。一些大型电力企业成立了专门的节能减排管理部门，由企业高层领导担任负责人，制定了详细的节能减排工作计划和目标，并将其分解到各个部门和岗位，确保节能减排工作的顺利开展。目标分解与落实：评估电力企业是否将节能减排目标层层分解到下属单位、车间、班组和个人，是否建立了相应的考核机制，对节能减排目标完成情况进行定期考核和奖惩。通过目标分解与落实，可以将节能减排工作责任落实到具体的部门和人员，提高员工的节能减排意识和积极性。某电力企业将年度节能减排目标分解为若干个子目标，分别下达给各发电分厂和部门，并与各单位负责人签订节能减排目标责任书，明确考核指标和奖惩措施。通过这种方式，该企业的节能减排工作取得了显著成效，各项节能减排指标均完成或超额完成了预定目标。法律法规执行：检查电力企业对国家和地方有关节能减排的法律法规、政策标准的执行情况，是否存在违法违规行为。电力企业应严格遵守《中华人民共和国节约能源法》《中华人民共和国环境保护法》《火电厂大气污染物排放标准》等法律法规和标准，依法开展节能减排工作。对于违反法律法规的企业，将面临罚款、停产整顿等处罚。政府相关部门也会加强对电力企业的监管，确保企业严格执行节能减排法律法规。3.3指标权重确定方法指标权重是评价指标体系中的重要参数，它反映了各指标在评价体系中的相对重要程度。合理确定指标权重对于准确评价电力行业节能减排绩效至关重要。常用的指标权重确定方法包括层次分析法（AHP）、熵权法和组合赋权法等。3.3.1层次分析法（AHP）层次分析法（AnalyticHierarchyProcess，AHP）是美国著名运筹学家T.L.Satty等人于20世纪70年代提出的一种定性与定量分析相结合的多准则决策方法。该方法将复杂问题分解为不同层次，通过逐层比较和分析，得出各因素的权重，为决策提供依据。在电力行业节能减排绩效评价中运用AHP时，首先要构建层次结构模型。将电力行业节能减排绩效评价总目标作为目标层，将能源消耗、污染物排放、节能减排技术、节能减排管理等方面作为准则层，再将各方面所包含的具体指标作为指标层。例如，在能源消耗准则层下，包含供电煤耗、厂用电率、发电水耗等指标层指标；在污染物排放准则层下，涵盖二氧化硫排放总量、氮氧化物排放总量、烟尘排放总量等指标层指标。构建判断矩阵是AHP的关键步骤。通过专家打分法，对同一层次的各指标进行两两比较，判断它们对于上一层次某一准则的相对重要性。通常采用1-9标度法，其中1表示两个因素相比，具有同样重要性；3表示前者比后者稍重要；5表示前者比后者明显重要；7表示前者比后者强烈重要；9表示前者比后者极端重要；2、4、6、8则为上述相邻判断的中间值。例如，对于供电煤耗和厂用电率这两个指标，专家根据其对能源消耗准则层的重要性进行比较打分，若认为供电煤耗比厂用电率稍重要，则判断矩阵中对应元素的值可设为3。计算权重是基于判断矩阵进行的。通过计算判断矩阵的最大特征值及其对应的特征向量，对特征向量进行归一化处理，即可得到各指标的相对权重。还需进行一致性检验，以确保判断矩阵的合理性。若一致性检验不通过，需重新调整判断矩阵，直至通过检验。通过AHP确定的权重，体现了专家对各指标相对重要性的主观判断，在一定程度上反映了决策者的偏好和经验。3.3.2熵权法熵权法是一种根据指标数据的变异程度来确定权重的客观赋权方法。熵最初是热力学中的一个概念，后被引入信息论中，用于度量信息的不确定性或无序程度。在电力行业节能减排绩效评价中，熵权法通过分析各评价指标数据的离散程度，即指标数据的变异程度，来确定指标的权重。若某一指标的数据在不同评价对象之间的差异较大，说明该指标提供的信息较多，其熵值较小，权重较大；反之，若某一指标的数据在不同评价对象之间较为稳定，差异较小，说明该指标提供的信息较少，其熵值较大，权重较小。在电力行业中，不同企业的供电煤耗数据差异较大，说明供电煤耗这一指标能够反映不同企业在能源利用效率方面的差异，提供的信息较多，其熵值较小，权重相对较大；而部分企业的节能减排管理指标数据可能相对稳定，差异较小，其熵值较大，权重相对较小。熵权法的计算步骤较为严谨。需要对原始数据进行标准化处理，消除量纲和数量级的影响。根据标准化后的数据计算各指标的熵值，公式为：e_j=-k\sum_{i=1}^{n}p_{ij}\lnp_{ij}，其中e_j为第j个指标的熵值，k=\frac{1}{\lnn}，n为评价对象的数量，p_{ij}为第i个评价对象在第j个指标上的比重。根据熵值计算各指标的熵权，公式为：w_j=\frac{1-e_j}{\sum_{j=1}^{m}(1-e_j)}，其中w_j为第j个指标的熵权，m为指标的数量。熵权法的优点是完全依据数据本身的特征来确定权重，不受主观因素的影响，具有较强的客观性。3.3.3组合赋权法层次分析法体现了专家的主观判断，熵权法反映了数据的客观信息。为了综合利用两者的优势，使权重更加科学合理，可采用组合赋权法。组合赋权法将AHP确定的主观权重和熵权法确定的客观权重进行组合，得到综合权重。一种常见的组合方式是通过线性加权的方法，公式为：w_{ij}^*=\alphaw_{ij}^1+(1-\alpha)w_{ij}^2，其中w_{ij}^*为第i个评价对象在第j个指标上的综合权重，w_{ij}^1为AHP确定的主观权重，w_{ij}^2为熵权法确定的客观权重，\alpha为权重系数，取值范围为[0,1]。\alpha的取值可根据实际情况和决策者的偏好来确定。若决策者更注重专家的经验和判断，可适当增大\alpha的值；若更强调数据的客观性，可适当减小\alpha的值。组合赋权法能够兼顾主观和客观因素，既考虑了专家对各指标重要性的主观认识，又充分利用了数据本身所蕴含的信息，使确定的权重更加全面、科学，从而提高电力行业节能减排绩效评价的准确性和可靠性。在实际应用中，通过合理选择组合赋权方法和权重系数，能够更好地反映电力行业节能减排绩效的真实情况，为决策提供更有价值的参考依据。四、电力行业节能减排绩效评价方法研究4.1常见评价方法介绍4.1.1模糊综合评价法模糊综合评价法是一种基于模糊数学和专家系统的综合评价方法，适用于那些具有模糊性、难以量化或难以明确界定的对象。该方法的基本原理是利用模糊数学的原理，将评价对象进行模糊化处理，通过建立隶属函数和权重，将评价结果以数值形式表示，并根据最大隶属度原则，得出最终的评价结果。在电力行业节能减排绩效评价中，许多因素具有模糊性和不确定性，如节能减排技术的先进性、节能减排管理的有效性等，难以用精确的数值进行衡量。模糊综合评价法能够有效地处理这些模糊因素，将定性评价与定量评价相结合，提高评价结果的准确性和可靠性。该方法首先要确定评价对象集合，即明确要评价的电力企业或项目。确定评价因素集合，涵盖电力行业节能减排的各个方面，如能源消耗、污染物排放、节能减排技术、节能减排管理等因素。确定评语集合，通常将评语划分为优秀、良好、一般、较差等几个等级。建立隶属函数和权重是关键步骤。隶属函数用于描述评价因素对评语集合的隶属程度，通过专家打分或其他方法确定。权重则表示各个评价因素在评价过程中的重要程度，可采用层次分析法、熵权法等方法确定。在确定能源消耗因素的隶属函数时，可根据供电煤耗、厂用电率等指标的实际数据，结合行业标准和专家经验，确定其对不同评语等级的隶属程度。对于权重的确定，若采用层次分析法，可通过专家对各因素的两两比较，构建判断矩阵，计算出各因素的权重。进行模糊综合评价时，根据最大隶属度原则，将隶属度和权重的乘积作为评语集合中的相应元素，得到最终的评价结果。若某电力企业在能源消耗、污染物排放、节能减排技术、节能减排管理等方面的评价结果，经过模糊综合计算后，在“良好”等级的隶属度最高，则该企业的节能减排绩效评价结果为“良好”。通过模糊综合评价法，可以将定性评价转化为定量评价，使评价结果更加客观和科学，同时能反映出电力企业在各个方面的优势和不足，为企业制定改进措施提供依据。4.1.2数据包络分析法（DEA）数据包络分析（DataEnvelopmentAnalysis，DEA）是一种基于线性规划的多投入多产出的效率评价方法，由美国著名运筹学家A.Charnes、W.W.Cooper和E.Rhodes于1978年提出。该方法以决策单元（DecisionMakingUnits，DMU）的投入和产出数据为基础，通过构建生产可能集，确定生产前沿面，来衡量决策单元的相对效率。在电力行业节能减排绩效评价中，可将各个电力企业或电力项目视为决策单元，将能源消耗、资本投入、劳动力投入等作为输入指标，将发电量、节能减排量、经济效益等作为输出指标。DEA方法通过比较各个决策单元与生产前沿面的距离，判断其是否有效。如果一个决策单元位于生产前沿面上，说明它在当前投入水平下实现了最大产出，是相对有效的；反之，如果决策单元在生产前沿面下方，则表明其存在效率改进的空间。DEA方法的实现路径较为清晰。需要确定决策单元和指标体系，明确需要评价的电力企业或项目，并确定相应的投入指标和产出指标。构建DEA模型，常用的DEA模型有CCR模型和BCC模型。CCR模型假设规模报酬不变，主要用于评价决策单元的总体效率；BCC模型则假设规模报酬可变，能够进一步将总体效率分解为纯技术效率和规模效率。根据研究目的和数据特点选择合适的模型，若要全面评价电力企业的节能减排效率，可选用CCR模型；若想深入分析企业在技术和规模方面的效率情况，BCC模型更为合适。收集与整理各决策单元的投入和产出数据，并进行必要的预处理，如数据标准化等，以确保数据的一致性和可比性。将收集到的数据代入所选的DEA模型中，通过线性规划方法求解模型，得到每个决策单元的效率值。效率值的取值范围在0到1之间，值为1表示该决策单元是相对有效的，值小于1则表示存在效率改进的余地。根据计算得到的效率值，对决策单元进行排序和分析，进一步分析无效决策单元的输入冗余和输出不足情况，找出改进的方向和重点，为电力企业的节能减排决策提供依据。某电力企业在能源消耗较高的情况下，发电量和节能减排量却相对较低，通过DEA分析发现其存在能源投入冗余和节能减排产出不足的问题，企业可据此采取措施，优化能源利用，提高节能减排效果。4.1.3灰色关联分析法灰色关联分析法（GreyRelationalAnalysis，GRA）是一种用于分析复杂系统中因素关联程度的方法，由我国学者邓聚龙教授在20世纪80年代提出，主要用于处理数据量较少、数据不精确或不完整的情况。该方法的基本思想是根据系统各因素的变化程度来衡量它们之间的关联程度，通过比较参考序列（通常是最关心或最能反映系统性能的指标）和比较序列（其他相关指标）的变化趋势，来计算它们之间的关联度。关联度的大小反映了因素之间发展趋势的相似程度，从而可以用来确定哪些因素对参考序列的影响更大。在电力行业节能减排绩效评价中，灰色关联分析法可用于分析各评价指标与节能减排绩效之间的关联程度，找出影响节能减排的关键因素。在能源消耗指标中，分析供电煤耗、厂用电率等指标与节能减排绩效的关联度，确定哪个指标对节能减排的影响更为显著。在污染物排放指标中，研究二氧化硫排放总量、氮氧化物排放总量等与节能减排绩效的关联关系，为制定减排措施提供依据。灰色关联分析通常包括以下几个步骤。确定参考序列和比较序列，选择能够反映电力行业节能减排绩效的指标作为参考序列，如节能减排量、能源利用效率等；将其他相关指标作为比较序列，如能源消耗指标、污染物排放指标、节能减排技术指标等。对选定的序列进行数据清洗和标准化处理，确保数据的质量和一致性，消除数据量纲和数量级的影响。使用灰色关联分析的公式计算参考序列和比较序列之间的关联度，关联度的计算基于序列的起始值和结束值，以及序列间的变化幅度。根据计算出的关联度大小对比较序列进行排序，并对结果进行分析，关联度高的因素通常被认为与参考序列有更强的关联。某电力企业通过灰色关联分析发现，供电煤耗与节能减排绩效的关联度最高，说明降低供电煤耗对提高节能减排绩效具有关键作用，企业可将降低供电煤耗作为节能减排工作的重点。4.1.4人工神经网络法人工神经网络（ArtificialNeuralNetwork，ANN）是一种应用类似于大脑神经突触连接结构进行信息处理的数学模型，它从信息处理角度抽象人脑神经元网络，建立简单模型，按不同连接方式组成不同网络。神经网络由大量节点（神经元）通过连接构成，每个节点代表一种特定的输出函数，每两个节点间的连接都代表一个对于通过该连接信号的加权值，网络的输出取决于连接方式、权重值和激励函数。人工神经网络具有自学习、自适应和非线性映射等能力，能够处理复杂的模式识别和预测问题。在电力行业节能减排绩效评价中，人工神经网络可以通过学习大量的历史数据，建立评价模型，对电力企业的节能减排绩效进行准确评价。它能够自动提取数据中的特征和规律，无需事先确定评价指标的权重和复杂的数学模型，具有很强的适应性和灵活性。构建人工神经网络模型时，需要确定网络的结构，包括输入层、隐藏层和输出层的节点数量。输入层节点对应于电力行业节能减排绩效评价的各项指标，如能源消耗指标、污染物排放指标、节能减排技术指标等；输出层节点则对应于评价结果，如节能减排绩效等级。隐藏层的设置可以增加网络的学习能力和表达能力。常用的神经网络结构有多层感知器、卷积神经网络、循环神经网络等，可根据评价问题的特点选择合适的结构。对于电力行业节能减排绩效评价，多层感知器结构较为常用，它由多层全连接的神经元组成，能够对输入数据进行非线性变换和特征提取。确定网络结构后，需要使用大量的历史数据对网络进行训练，调整网络的权重和阈值，使网络能够准确地对输入数据进行分类或预测。训练过程中，通过不断调整权重和阈值，使网络的输出与实际的评价结果之间的误差最小。当网络训练完成后，即可使用训练好的模型对新的电力企业节能减排绩效进行评价。将某电力企业的各项评价指标数据输入到训练好的人工神经网络模型中，模型即可输出该企业的节能减排绩效评价结果。人工神经网络法能够充分利用数据中的信息，提高评价的准确性和可靠性，为电力行业节能减排绩效评价提供了一种新的有效方法。4.2评价方法对比与选择4.2.1各种评价方法的优缺点分析模糊综合评价法具有独特的优势，它能将定性评价与定量评价有机结合，有效处理电力行业节能减排绩效评价中诸多模糊性和不确定性因素。在评估节能减排技术的先进性时，该方法可通过专家打分等方式确定隶属函数，将难以精确量化的技术先进性转化为具体的数值评价。在确定某新型脱硫技术的先进性时，邀请专家对其脱硫效率、运行稳定性、投资成本等多个方面进行打分，构建隶属函数，从而确定该技术对“先进”“较先进”“一般”等评语等级的隶属程度。模糊综合评价法也存在一些局限性，其中较为突出的是主观性较强。该方法在确定隶属函数和权重时，很大程度上依赖专家的主观判断和经验，不同专家的打分可能存在较大差异，导致评价结果的客观性受到影响。不同专家对能源消耗、污染物排放等因素在节能减排绩效评价中的重要程度认知不同，给出的权重可能相差较大，进而影响评价结果的准确性。数据包络分析法（DEA）以多投入多产出的效率评价为核心，无需预先设定生产函数的具体形式，能够充分利用决策单元的输入输出数据进行效率评价，具有较强的客观性。在电力行业节能减排绩效评价中，可将各电力企业视为决策单元，将能源消耗、资本投入等作为输入指标，发电量、节能减排量等作为输出指标，通过DEA方法准确衡量企业的相对效率。DEA方法的应用依赖于样本数据的数量和质量。若样本数量过少或数据存在缺失、异常等问题，会影响评价结果的可靠性。若参与评价的电力企业数量较少，可能无法准确确定生产前沿面，导致评价结果出现偏差。DEA方法假设决策单元之间具有同质性，这在实际电力行业中难以完全满足，不同地区、不同规模的电力企业在技术水平、管理模式等方面存在较大差异，可能会影响评价结果的合理性。灰色关联分析法能够有效处理数据量较少、数据不精确或不完整的情况，在电力行业节能减排绩效评价中，可用于分析各评价指标与节能减排绩效之间的关联程度，找出影响节能减排的关键因素。在研究能源消耗指标与节能减排绩效的关系时，通过灰色关联分析，能确定供电煤耗、厂用电率等指标对节能减排绩效的影响程度。该方法也存在一定局限性，其计算结果的精度有限，且对数据的变化趋势较为敏感。当数据出现异常波动时，可能会导致关联度计算结果出现较大偏差。若某电力企业因突发设备故障导致短期内供电煤耗大幅上升，这一异常数据可能会使灰色关联分析结果中供电煤耗与节能减排绩效的关联度发生较大变化，影响对关键因素的判断。灰色关联分析法假设因素之间存在线性关系，而实际电力系统中各因素之间的关系往往较为复杂，可能存在非线性关系，这在一定程度上限制了该方法的应用效果。人工神经网络法具有强大的自学习、自适应和非线性映射能力，能够通过学习大量历史数据建立准确的评价模型，对电力企业的节能减排绩效进行精准评价。它能够自动提取数据中的特征和规律，无需事先确定评价指标的权重和复杂的数学模型，在处理复杂的电力行业节能减排绩效评价问题时具有独特优势。该方法也面临一些挑战，其中最主要的是可解释性差。人工神经网络模型是一个复杂的黑箱模型，其内部的学习和决策过程难以直观理解，这使得评价结果的解释和应用存在一定困难。在通过人工神经网络模型对某电力企业节能减排绩效进行评价后，难以清晰地说明各个评价指标对评价结果的具体影响程度和作用机制。人工神经网络的训练需要大量的高质量数据，若数据不足或质量不高，会影响模型的准确性和泛化能力。若用于训练的电力企业节能减排数据存在缺失值、错误值等问题，可能导致训练出的模型无法准确反映实际情况，在对新数据进行评价时出现偏差。4.2.2根据电力行业特点选择合适的评价方法电力行业具有多指标、数据复杂、影响因素众多等显著特点。在能源消耗方面，涉及供电煤耗、厂用电率、发电水耗等多个指标；在污染物排放方面，涵盖二氧化硫排放总量、氮氧化物排放总量、烟尘排放总量等指标；在节能减排技术和管理方面，也包含多个维度的指标。这些指标之间相互关联、相互影响，形成了一个复杂的系统。电力行业的数据来源广泛，包括生产运行数据、监测数据、统计数据等，数据的类型多样，有定量数据、定性数据，且数据的质量参差不齐，存在数据缺失、异常值等问题。单一的评价方法往往难以全面、准确地评价电力行业的节能减排绩效。模糊综合评价法虽能处理模糊因素，但主观性强；DEA方法依赖样本且对决策单元同质性要求高；灰色关联分析法精度有限且假设因素线性相关；人工神经网络法可解释性差且依赖大量高质量数据。因此，结合电力行业的特点，选择组合评价方法具有明显优势。组合评价方法可以综合多种评价方法的优点，弥补单一方法的不足。将模糊综合评价法与数据包络分析法相结合，利用模糊综合评价法处理评价指标中的模糊因素，确定各因素的隶属度和权重；运用DEA方法衡量电力企业的相对效率，分析投入产出的有效性。这样既能考虑到评价因素的模糊性和不确定性，又能客观地评价企业的节能减排效率。将灰色关联分析法与人工神经网络法相结合，通过灰色关联分析找出影响节能减排绩效的关键因素，为人工神经网络模型的输入指标选择提供依据；利用人工神经网络的强大学习能力，对关键因素与节能减排绩效之间的复杂关系进行建模和预测。这种组合方式可以充分发挥两种方法的优势，提高评价结果的准确性和可靠性。通过组合评价方法，可以从多个角度对电力行业节能减排绩效进行评价，综合考虑各种因素的影响，使评价结果更加全面、客观、科学，更能准确地反映电力行业节能减排的实际情况，为政府制定政策和电力企业改进工作提供更有价值的参考依据。4.3基于证据理论与云模型的综合评价方法构建4.3.1证据理论原理及应用证据理论，又称Dempster-Shafer理论（D-S理论），由Dempster在1967年提出，后经Shafer进一步发展完善。该理论是一种处理不确定性信息的有效方法，能够在不确定环境下对多个证据进行融合，得出综合的结论。证据理论的核心概念是基本概率分配（BasicProbabilityAssignment，BPA），也称为mass函数。对于一个识别框架\Theta，它是所有可能的假设或命题的集合，基本概率分配函数m:2^{\Theta}\to[0,1]满足m(\varnothing)=0和\sum_{A\subseteq\Theta}m(A)=1。其中，m(A)表示对命题A的信任程度，即证据对A的支持程度。对于电力行业节能减排绩效评价，识别框架\Theta可以是评价等级的集合，如\{优秀,良好,一般,较差\}，m(优秀)表示根据某一证据对电力企业节能减排绩效评价为“优秀”的支持程度。证据理论中的信任函数（BeliefFunction）Bel(A)=\sum_{B\subseteqA}m(B)，表示对命题A的总信任程度，不仅包括对A的直接支持，还包括对A的所有子集的支持。似然函数（PlausibilityFunction）Pl(A)=1-Bel(\overline{A})=\sum_{B\capA\neq\varnothing}m(B)，表示不反对命题A的程度，即A可能为真的程度。信任区间[Bel(A),Pl(A)]则全面地描述了对命题A的不确定性。证据理论的重要应用之一是证据融合。当有多个证据时，Dempster合成规则可用于将这些证据进行融合，得到综合的基本概率分配。设有两个基本概率分配函数m_1和m_2，其合成规则为：m(A)=\frac{\sum_{B\capC=A}m_1(B)m_2(C)}{1-\sum_{B\capC=\varnothing}m_1(B)m_2(C)}，其中A\subseteq\Theta。在电力行业节能减排绩效评价中，可将来自不同评价指标或不同评价专家的证据进行融合，得到更准确的评价结果。若有两位专家对某电力企业的节能减排绩效进行评价，分别给出了各自的基本概率分配，通过Dempster合成规则可将这两个基本概率分配进行融合，得到综合的评价结果。4.3.2云模型原理及应用云模型是李德毅院士于1995年提出的一种定性定量转换模型，它能够有效地将定性概念与定量数值之间进行转换，反映概念的模糊性和随机性。云模型用期望Ex、熵En和超熵He三个数字特征来描述一个定性概念。期望Ex是云滴在论域空间分布的中心值，它反映了定性概念的最典型样本点，代表了该概念的云滴群的重心位置。在描述“供电煤耗低”这一定性概念时，Ex可以是某一特定的供电煤耗数值，该数值被认为是最能代表“供电煤耗低”的典型值。熵En表示定性概念的不确定性度量，它反映了在论域中可被概念接受的取值范围，体现了定性概念的模糊性。熵越大，概念所接受的数值范围越广，模糊性越强。对于“供电煤耗低”这一概念，熵较大表示不同的人对于“低”的理解存在较大差异，可接受的供电煤耗数值范围较宽。超熵He是熵的不确定性度量，即熵的熵，它反映了云滴的离散程度，体现了定性概念的随机性。超熵越大，云滴的离散程度越大，随机性越强。云模型通过正向云发生器和逆向云发生器实现定性概念与定量数值之间的转换。正向云发生器是从定性概念到定量数值的转换过程，它根据云模型的数字特征(Ex,En,He)，生成满足该定性概念的云滴。给定“供电煤耗低”这一概念的云模型数字特征，正向云发生器可以生成一系列符合该概念的供电煤耗数值，这些数值在一定程度上反映了“供电煤耗低”的不确定性和随机性。逆向云发生器则是从定量数值到定性概念的转换过程，它根据给定的一组云滴数据，计算出云模型的数字特征，从而确定对应的定性概念。通过对某电力企业一段时间内的供电煤耗数据进行分析，利用逆向云发生器可以得到该企业供电煤耗在“低”“中”“高”等定性概念上的云模型数字特征，进而判断其供电煤耗水平在定性概念上的归属。在电力行业节能减排绩效评价中，云模型可用于处理评价指标的不确定性和模糊性。对于一些难以精确量化的指标，如节能减排管理的有效性、节能减排技术的先进性等，可通过云模型将其转化为定量的数值进行评价。通过专家评估和数据分析，确定“节能减排管理有效性高”这一定性概念的云模型数字特征，然后利用正向云发生器生成相应的定量数值，用于后续的绩效评价计算。4.3.3综合评价方法的实现步骤基于证据理论与云模型的电力行业节能减排绩效综合评价方法，主要包括以下实现步骤：构建评价指标体系：从能源消耗、污染物排放、节能减排技术、节能减排管理等多个维度出发，选取科学、全面、可操作的评价指标，构建电力行业节能减排绩效评价指标体系。能源消耗指标包括供电煤耗、厂用电率等；污染物排放指标涵盖二氧化硫排放总量、氮氧化物排放总量等；节能减排技术指标包含非化石能源发电比重、智能化配电网容量等；节能减排管理指标涉及节能减排工作组织与领导、目标分解与落实等。确定指标权重：采用层次分析法（AHP）、熵权法或组合赋权法等方法，确定各评价指标的权重。层次分析法通过专家对各指标的两两比较，构建判断矩阵，计算指标的主观权重，体现专家对各指标相对重要性的判断。熵权法则根据指标数据的变异程度，计算指标的客观权重，反映数据本身所蕴含的信息。组合赋权法将主观权重和客观权重进行组合，得到更科学合理的综合权重。运用云模型对指标数据进行处理：对于每个评价指标，根据其实际数据和对应的定性评价等级，利用逆向云发生器计算出各指标在不同评价等级下的云模型数字特征(Ex,En,He)。对于供电煤耗指标，根据不同电力企业的供电煤耗实际数据，结合“低”“中”“高”等定性评价等级，通过逆向云发生器得到每个企业供电煤耗在各评价等级下的云模型数字特征。获取证据的基本概率分配：根据云模型处理后的指标数据，确定每个指标对于不同评价等级的支持程度，即基本概率分配。通过比较各指标的云模型数字特征与评价等级的云模型数字特征，计算出每个指标在不同评价等级下的基本概率分配值。利用证据理论进行证据融合：运用Dempster合成规则，将来自不同评价指标的证据进行融合，得到电力企业在不同评价等级下的综合基本概率分配。将能源消耗、污染物排放、节能减排技术、节能减排管理等方面指标的基本概率分配进行融合，得到该企业在“优秀”“良好”“一般”“较差”等评价等级下的综合基本概率分配。确定评价结果：根据融合后的基本概率分配，采用最大隶属度原则或其他决策准则，确定电力企业的节能减排绩效评价结果。若在“良好”评价等级下的综合基本概率分配值最大，则该电力企业的节能减排绩效评价结果为“良好”。五、电力行业节能减排绩效评价案例分析5.1案例选取与数据收集5.1.1案例选取为了全面、准确地评估电力行业节能减排绩效评价方法的有效性和实用性，本研究选取了具有代表性的不同规模、能源类型的电力企业作为案例，包括华能国际石洞口电厂、秦山核电站、三峡新能源公司等。华能国际石洞口电厂是我国重要的火电企业，拥有先进的发电设备和技术。其中，石洞口第一电厂的2×65万千瓦等容量替代示范项目在石洞口一厂原厂区内新建2台65万千瓦高参数、高效率、低排放、二次再热超超临界燃煤机组（5、6号机组），替代4台32.5万千瓦老旧燃煤机组。该项目生产供电煤耗较原有机组下降约20%，相当于每度电减少二氧化碳排放220克，机组技术经济指标和环保指标均达到同类型机组最好水平。石洞口第二电厂也在节能减排方面不断努力，通过技术改造和优化管理，提高了能源利用效率，降低了污染物排放。2023年度，华能国际电力股份有限公司上海石洞口第一电厂6#机组综合排放系数为0.608，在上海市公用电厂燃煤发电机组环保排序中处于第一档。石洞口电厂在火电领域的节能减排实践，对于研究火电企业的节能减排绩效具有重要的参考价值。秦山核电站作为我国首座自主设计和建造的核电站，在核电领域具有重要地位。它拥有9台机组，总装机容量达到666万千瓦。自投入运行以来，累计安全发电量高达8600亿千瓦时，相当于减少了8亿吨的二氧化碳排放。秦山核电站在安全运行、技术创新和节能减排等方面取得了显著成就，其节能减排绩效不仅体现在减少碳排放上，还体现在资源的高效利用和环境的保护上。秦山核电通过实施技术改造和设备运行模式优化，每年可减少电能消耗1040万千瓦时，减少废水排放约20万立方米，节约用水约130万立方米。对秦山核电站的研究，有助于深入了解核电企业在节能减排方面的特点和优势。三峡新能源公司专注于风电、太阳能发电等新能源领域，是我国新能源发电的重要企业之一。该公司积极发展陆上风电、光伏发电，大力开发海上风电，加快推进以沙漠、戈壁、荒漠为重点的大型风电、光伏发电基地建设，深入推动源网荷储一体化和多能互补发展。随着新能源装机的快速提升，三峡新能源在能源结构调整和节能减排方面发挥着越来越重要的作用。截至2024年上半年，公司已投产项目遍布全国30个省、自治区和直辖市，已投运陆上风电、海上风电、光伏发电装机分别达到1553.57万千瓦、504.52万千瓦、572.27万千瓦。研究三峡新能源公司的节能减排绩效，对于评估新能源电力企业在实现国家节能减排目标中的贡献具有重要意义。5.1.2数据收集为了对选取的案例企业进行准确的节能减排绩效评价，本研究通过多种渠道收集了能耗、排放、技术、管理等相关数据。企业年报是获取企业基本信息和运营数据的重要来源。从华能国际石洞口电厂、秦山核电站、三峡新能源公司等企业的年报中，收集了企业的装机容量、发电量、营业收入、成本等基本信息，以及能源消耗、污染物排放、节能减排投入等方面的数据。通过分析这些数据，可以了解企业的运营规模和节能减排工作的总体情况。政府统计数据提供了宏观层面的行业数据和政策信息。从国家统计局、能源局、生态环境部等政府部门的统计数据中，获取了电力行业的能源消耗总量、碳排放总量、污染物排放总量等数据，以及国家和地方在节能减排方面的政策法规和标准。这些数据和政策信息为案例企业的节能减排绩效评价提供了宏观背景和对比依据。实地调研也是数据收集的重要方式之一。对案例企业进行实地调研，深入了解企业的生产工艺流程、节能减排技术应用情况、管理措施和存在的问题。通过与企业管理人员、技术人员和一线员工的交流，获取了第一手资料，这些资料对于准确评估企业的节能减排绩效具有重要价值。在实地调研中，了解到石洞口电厂在节能减排技术改造过程中遇到的技术难题和解决方案，以及秦山核电站在安全管理和节能减排管理方面的具体措施。5.2运用选定方法进行绩效评价5.2.1数据预处理在获取能耗、排放、技术、管理等相关数据后，需对数据进行预处理，以确保数据的准确性和可用性。数据清洗是关键的第一步，通过仔细检查数据，识别并处理其中的错误值、缺失值和重复值。对于错误值，如数据录入错误、监测设备故障导致的数据异常等，需结合实际情况进行修正或删除。某电力企业的供电煤耗数据出现明显异常，远低于行业平均水平，经核实是由于数据录入错误，将单位误填，修正后的数据才符合实际情况。对于缺失值，根据数据的特点和分布情况，采用合适的方法进行填补。若某电力企业的部分月份的二氧化硫排放数据缺失，可利用该企业历史同期数据的平均值或采用时间序列分析方法进行估算填补。对于重复值，直接删除重复记录，以保证数据的唯一性和准确性。数据标准化处理也必不可少，其目的是消除数据的量纲和数量级差异，使不同指标的数据具有可比性。常见的数据标准化方法有Z-score标准化、最小-最大标准化等。Z-score标准化公式为：x^*=\frac{x-\overline{x}}{s}，其中x^*为标准化后的数据，x为原始数据，\overline{x}为数据的均值，s为数据的标准差。最小-最大标准化公式为：x^*=\frac{x-min(x)}{max(x)-min(x)}，其中min(x)和max(x)分别为原始数据中的最小值和最大值。在对供电煤耗、二氧化硫排放总量等指标数据进行标准化处理时，可根据数据的特点选择合适的标准化方法。对于供电煤耗指标，若数据分布较为集中，可采用Z-score标准化；若数据的最小值和最大值较为明确，可采用最小-最大标准化。通过数据标准化处理，将不同指标的数据统一到相同的尺度范围内，便于后续的数据分析和评价计算。5.2.2评价过程与结果分析本研究运用基于证据理论与云模型的综合评价方法，对选取的案例企业进行节能减排绩效评价。在确定指标权重时，采用组合赋权法，将层次分析法确定的主观权重和熵权法确定的客观权重进行组合。通过层次分析法，邀请专家对能源消耗、污染物排放、节能减排技术、节能减排管理等方面的指标进行两两比较，构建判断矩阵，计算出各指标的主观权重。运用熵权法，根据各指标数据的变异程度，计算出指标的客观权重。再通过线性加权的方式，得到各指标的综合权重。对于供