能源消耗分析范文

能源消耗分析范文第1篇

为深入推动我办的节能工作,提高节约意识,强化监督管理,建立能源资源消耗数据公示及数据共享制度,认真贯彻能耗公示制度,现将我局2019-2020年的相关能耗水耗情况进行分析。

一、我局基本信息情况

我局位于湘潭市 区街道号，建筑面积为 平方米，用能人数 人，其中干部职工 人。

二、能源消耗总量及构成

（一）总量情况。2020年我局总能耗为**吨标煤，相比2019年下降**%。由于机构人员用能节能意识的加强，以及2020年疫情的原因，使得2020年的能耗大幅下降。人均能耗**千克，相比2019年下降**%（2019年人均**千克）。单位建筑面积能耗为**千克/平方米，相比2019年下降**%（2019年**千克/平方米）。

（二）主要类型能源消耗情况

2020年我局的总能耗中，消耗量占比最大的为电，其次为天然气和油类，因此主要对这三类能源消耗进行详细的统计分析。

1.电消耗情况。2020年电消耗总量为**万千瓦时、人均用电量**千瓦时、单位建筑面积用电量为**千瓦时/平方米。2019年总电消耗量为**万千瓦时，2020年的电耗比2019年下降**%，节电效果明显。

2．天然气消耗情况。2020年天然气消耗总量为**万立方米、人均消耗量**立方米、单位建筑面积耗气量为**立方米/平方米。2019年天燃气消耗费**万立方，2020年的天然气耗比2019年下降**%，节约效果明显。

3．公务车用油情况。2020年公务车总油耗为**升。根据车辆行驶公里，指标等方面，制定节约奖励制，根据节油实际情况，分别奖励司勤人员。2019年公务车总油耗为**升。2020年较2019年节约**升。

（三）水消耗情况

2020年水消耗总量为**吨，相比2019年的消耗总量**吨节水比较明显。2020年人均耗水量为**吨/人，比2019年的人均**吨/人下降了**%。

三、总结（存在问题、下步计划措施等）

能源消耗分析范文第2篇

为深入推动我办的节能工作,提高节约意识,强化监督管理,建立能源资源消耗数据公示及数据共享制度,认真贯彻能耗公示制度,现将我局2019-2020年的相关能耗水耗情况进行分析。

一、我局基本信息情况

我局位于湘潭市 区街道号，建筑面积为 平方米，用能人数 人，其中干部职工 人。

二、能源消耗总量及构成

（一）总量情况。2020年我局总能耗为**吨标煤，相比2019年下降**%。由于机构人员用能节能意识的加强，以及2020年疫情的原因，使得2020年的能耗大幅下降。人均能耗**千克，相比2019年下降**%（2019年人均**千克）。单位建筑面积能耗为**千克/平方米，相比2019年下降**%（2019年**千克/平方米）。

（二）主要类型能源消耗情况

2020年我局的总能耗中，消耗量占比最大的为电，其次为天然气和油类，因此主要对这三类能源消耗进行详细的统计分析。

1.电消耗情况。2020年电消耗总量为**万千瓦时、人均用电量**千瓦时、单位建筑面积用电量为**千瓦时/平方米。2019年总电消耗量为**万千瓦时，2020年的电耗比2019年下降**%，节电效果明显。

2．天然气消耗情况。2020年天然气消耗总量为**万立方米、人均消耗量**立方米、单位建筑面积耗气量为**立方米/平方米。2019年天燃气消耗费**万立方，2020年的天然气耗比2019年下降**%，节约效果明显。

3．公务车用油情况。2020年公务车总油耗为**升。根据车辆行驶公里，指标等方面，制定节约奖励制，根据节油实际情况，分别奖励司勤人员。2019年公务车总油耗为**升。2020年较2019年节约**升。

（三）水消耗情况

2020年水消耗总量为**吨，相比2019年的消耗总量**吨节水比较明显。2020年人均耗水量为**吨/人，比2019年的人均**吨/人下降了**%。

三、总结（存在问题、下步计划措施等）

能源消耗分析范文第3篇

一、几个主要能源部门与非能源部门的投入产出模型

表1中，1～2项为能源部门，3～6项为非能源部门，1～6项均为中间产品投入和消费。

（表1）

二、能耗数据分析

（一）直接消耗系数与完全消耗系数的确定。直接消耗系数就是指生产一单位j部门的产品对第i部门产品的直接消耗量，即用第j部门的总产品价值去除该部门所消耗的各种产品量价值。符号表示为：aij=xij/qj

计算结果如表2。（表2）

直接消耗系数反映了能源部门与非能源部门之间的生产技术联系以及能源部门内部、非能源部门内部的生产技术联系。从表2可以看出：

1、能源部门与非能源部门之间：化学工业、金属产品制造业对于电力及蒸汽热水生产和供应业的消耗要大于其他部门，建筑业和金属产品制造业对炼焦煤气石油加工业的消耗高于其他部门，而电力及蒸汽热水生产和供应业对机械制造业的依赖程度较高。

2、在能源部门内部：电力及蒸汽热水生产和供应业对于炼焦煤气石油加工业的需求要显著高于其他非能源部门。

3、在非能源部门内部，其他部门对金属产品制造业的需求较高。

完全消耗系数除了包含生产单位最终产品对某种中间产品的完全消耗以外，还反映各部门所生产的最终产品本身。符号表示为：

计算结果如表3。（表3）

完全消耗系数不仅反映了两种产品之间的直接消耗，还反映了一种产品通过媒介产品对另外一些产品的消耗关系。由表3可见：

1、能源部门与非能源部门之间：非能源部门对能源部门的完全消耗系数较直接消耗系数有了显著提高，这说明各行业对能源的间接消耗更多。

2、在能源部门内部：炼焦煤气石油加工业对于电力及蒸汽热水生产和供应业的间接消耗更多，而电力及蒸汽热水生产和供应业对于炼焦煤气石油加工业的直接消耗多于间接消耗。

（二）产业的影响力系数与感染度系数分析。在表3中，用某一产业纵列上的完全消耗系数的平均值表示该产业对其他产业施加影响的平均程度，即影响力系数。它表明该产业生产和需求要发生变化时，使其他产业的生产和供给发生相应变化的程度。从表3可以看出，能源部门的变动对其他部门生产和供给的影响要小于非能源部门变动带来的影响力。也就是说，非能源部门对能源的需求弹性较小，能源部门结构的变动对能源需要量影响较小，试图通过对能源部门的改造达到节约能源的效果不明显。我们用某一产业横行上的完全消耗系数的平均值表示该产业受其他产业影响的平均程度，即感应度系数。可以看到，机械制造业和化学工业的感应度系数远远高于其他行业，说明其受其他行业的影响程度较大，在进行产业结构调整时应充分关注其变化。

（三）计算主要消耗各类能源的部门耗能与各类能源总量的比。由表4可见，金属产品制造业与化学工业消耗电力及蒸汽热水生产和供应业的投入较多，应主要针对这两个部门采取节能措施；而建筑业对炼焦煤气石油加工业的需求明显多于其他行业，且多为间接消耗，应主要对其采取节能技术改造。（表4）

能源消耗分析范文第4篇

[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。

能源消耗分析范文第5篇

一、引言

随着能源危机的出现，能源消耗问题成为了一个世界性的热点问题。本文主要分析影响能源消耗量的经济变量与能源消耗之间的相关关系。

二、对能源消耗现状的分析

（一）能源消耗总量的研究分析

经调查研究，能源主要包括原煤原油、天然气、水电、核电、风电等。近年来我国经济快速发展，国内生产总值GDP稳定增长，人民生活水平显著提高。但我们也应该看到，随着经济的增长，能源消耗的总量也越来越多，越来越快。石油危机、淡水资源匮乏、臭氧层空洞、植被减少、稀有物种灭绝等现象频频出现。有的国家甚至连续多年都出现了能源危机。

（二）能源消耗总量增加的原因

1．经济增长

首先，随着人们生活水平的普遍提高，拥有电冰箱、空调、暖气、电脑、电视机、私家车等家庭生活用品的家庭数量增长了很多，这就造成了能源消耗数量普遍性的提高；其次，随着中国经济的快速发展，国内新建了许多工业企业，这些企业每天都在消耗大量能源。国内生产总值GDP是衡量经济发展状况的重要因素，GDP的增长包括农业，工业，建筑业等多方面的增长。其中，工业，建筑业，交通运输业的发展都需要消耗大量的能源。再次，经济增长促进了科技的发展，而科技水平的提高促使了能源消耗水平的提高。能源消耗不会像过去一样仅仅局限在日常照明和少有的工业企业上了。这样便形成了一个恶性循环，经济越发展，科技越发达，能源消耗的越多。综上，经济的发展是能源消耗总量增加的最根本原因。

2．能源生产总量的增加

能源生产总量的增加是导致能源消耗总量增加的直接原因。经济的增长导致能源需求量的增加，有需求必然会有供应，这就必然导致了能源生产量的增加。

3．人口增加

随着中国人口数量的增长，家庭耗电量，家庭用水量等各方面消耗都在增加。而且，每个人都是一个无底洞，从出生到死亡，每个人都会消耗数不尽的能源。我们每个人的日常生活，衣、食、住、行、娱乐等各方面都会消耗能源。我们不应该忘记，再微小的白色塑料袋，也是用我们的资源制造的，而且这些资源都是不可再生的。

4．生活文化的改变

随着现代生活节奏的加快，人们更倾向于快节奏，高效率的生活方式，这就滋生了许多人使用一次性筷子，一次性茶杯等用具的心理。而且高效率，快节奏的生活方式导致了人们铺张浪费的生活习惯。

三、研究目的

为了使国内的能源能持续被利用，坚持可持续发展道路，需要定量地分析影响能源消耗总量的主要因素。并且从这些方面入手尽量减少能源的消耗。

四、实证分析

（一）理论依据

1．总论

从上文所提到的内容中，我们可以得出结论，影响能源消耗总量的主要因素，除了能源生产总量外，还可能与经济发展的快慢、人口数量、生活习惯、人们的生活水平息息相关。因此这里考虑到的影响能源消耗总量的因素主要有：能源生产总量X1，，城镇人口X2，国内生产总值GDP（1978年不变价）X3， 工业GDP X4(1978年不变价)，人均GDP X5（1978年不变价），乡村人口X6。其中GDP作为经济发展的快慢的代表，城镇人口和乡村人口作为人口数量的代表，人均GDP作为人们生活水平的代表，工业GDP作为工业发展水平的代表。因为上文提到的生活文化的改变无法找到具体的数据进行度量，所以，此因素只能归入到人均GDP中。为此设定以下形式的计量经济模型：

其中 ， 为第i年能源消耗总量

X1为能源生产总量

（万吨标准煤）

X2 城镇人口

（万人）

X3 GDP（1978年可比价）

（百亿元）

X4 工业GDP（1978年可比价） (百亿元)

X5 人均GDP（1978年可比价） (百亿元)

X6 乡村人口

（万人）

2．时间序列平稳性检验与修正

因为所用的数据为时间序列数据，而大多数经济时间序列是非平稳的，如果直接将非平稳的时间序列当作平稳时间序列来进行分析，则可能造成“伪回归”。所以首先要对时间序列的平稳性进行检验。

3．多重共线性检验与修正

由于有6个解释变量，各解释变量的观测值之间可能存在线形相关关系，所以需要对模型进行多重共线性的检验。

4．自相关的检验与修正

所用数据为时间序列数据。由于经济系统的经济行为都具有时间上的惯性，所以大多数时间序列数据中都有自相关现象。此外，经济活动的滞后效应、模型设定错误、数据的处理等多种原因都可能导致出现自相关。因此，需要对模型进行自相关的检验并进行修正。

5．异方差的检验与修正

能源消耗总量的多元分析模型，是一个复杂的经济模型，因此，有可能此模型中略去的变量随解释变量的变化而呈规律性的变化，即模型中存在异方差现象。也有其他可能原因导致此模型存在异方差现象，如：变量的设定问题、利用平均数作为样本数据等。综上，需要对此模型进行异方差检验并修正。

（二）数据来源

从中国统计年鉴2007中整合了能源消耗总量及构成，能源生产总量及构成，国内生产总值，人口数及构成这四个国民经济统计数据后得到如下数据：

年份

1978

57144

62770

17245

79014

1979

58588

64562

18495

79047

1980

60275

63735

19140

79565

1981

59447

63227

20171

79901

1982

62067

66778

21480

80174

1983

66040

71270

22274

80734

1984

70904

77855

24017

能源消耗分析范文第6篇

一、引言

随着能源危机的出现，能源消耗问题成为了一个世界性的热点问题。本文主要分析影响能源消耗量的 经济 变量与能源消耗之间的相关关系。

二、对能源消耗现状的分析

（一）能源消耗总量的研究分析

经 调查 研究，能源主要包括原煤原油、天然气、水电、核电、风电等。近年来我国经济快速发展，国内生产总值gdp稳定增长，人民生活水平显著提高。但我们也应该看到，随着经济的增长，能源消耗的总量也越来越多，越来越快。石油危机、淡水资源匮乏、臭氧层空洞、植被减少、稀有物种灭绝等现象频频出现。有的国家甚至连续多年都出现了能源危机。

（二）能源消耗总量增加的原因

1．经济增长

首先，随着人们生活水平的普遍提高，拥有电冰箱、空调、暖气、电脑、 电视 机、私家车等家庭生活用品的家庭数量增长了很多，这就造成了能源消耗数量普遍性的提高；其次，随着 中国经济 的快速发展，国内新建了许多 工业 企业，这些企业每天都在消耗大量能源。国内生产总值gdp是衡量经济发展状况的重要因素，gdp的增长包括 农业 ，工业， 建筑 业等多方面的增长。其中，工业，建筑业， 交通 运输 业的发展都需要消耗大量的能源。再次，经济增长促进了科技的发展，而科技水平的提高促使了能源消耗水平的提高。能源消耗不会像过去一样仅仅局限在日常照明和少有的工业企业上了。这样便形成了一个恶性循环，经济越发展，科技越发达，能源消耗的越多。综上，经济的发展是能源消耗总量增加的最根本原因。

2．能源生产总量的增加

能源生产总量的增加是导致能源消耗总量增加的直接原因。经济的增长导致能源需求量的增加，有需求必然会有供应，这就必然导致了能源生产量的增加。

3． 人口 增加

随着中国人口数量的增长，家庭耗电量，家庭用水量等各方面消耗都在增加。而且，每个人都是一个无底洞，从出生到死亡，每个人都会消耗数不尽的能源。我们每个人的日常生活，衣、食、住、行、娱乐等各方面都会消耗能源。我们不应该忘记，再微小的白色塑料袋，也是用我们的资源制造的，而且这些资源都是不可再生的。

4．生活 文化 的改变

随着现代生活节奏的加快，人们更倾向于快节奏，高效率的生活方式，这就滋生了许多人使用一次性筷子，一次性茶杯等用具的 心理 。而且高效率，快节奏的生活方式导致了人们铺张浪费的生活习惯。

三、研究目的

为了使国内的能源能持续被利用，坚持可持续发展道路，需要定量地分析影响能源消耗总量的主要因素。并且从这些方面入手尽量减少能源的消耗。

四、实证分析

（一）理论依据

1．总论

从上文所提到的内容中，我们可以得出结论，影响能源消耗总量的主要因素，除了能源生产总量外，还可能与经济发展的快慢、人口数量、生活习惯、人们的生活水平息息相关。因此这里考虑到的影响能源消耗总量的因素主要有：能源生产总量x1,，城镇人口x2，国内生产总值gdp（1978年不变价）x3, 工业gdp x4(1978年不变价)，人均gdp x5（1978年不变价），乡村人口x6。其中gdp作为经济发展的快慢的代表，城镇人口和乡村人口作为人口数量的代表，人均gdp作为人们生活水平的代表，工业gdp作为工业发展水平的代表。因为上文提到的生活文化的改变无法找到具体的数据进行度量，所以，此因素只能归入到人均gdp中。为此设定以下形式的计量经济模型：

其中， 为第i年能源消耗总量

x1为能源生产总量 （万吨标准煤）

x2 城镇人口 （万人）

x3 gdp（1978年可比价） （百亿元）

x4 工业gdp（1978年可比价） (百亿元)

x5 人均gdp（1978年可比价） (百亿元)

x6 乡村人口 （万人）

2．时间序列平稳性检验与修正

因为所用的数据为时间序列数据，而大多数经济时间序列是非平稳的，如果直接将非平稳的时间序列当作平稳时间序列来进行分析，则可能造成“伪回归”。所以首先要对时间序列的平稳性进行检验。

3．多重共线性检验与修正

由于有6个解释变量，各解释变量的观测值之间可能存在线形相关关系，所以需要对模型进行多重共线性的检验。

4．自相关的检验与修正

所用数据为时间序列数据。由于经济系统的经济行为都具有时间上的惯性，所以大多数时间序列数据中都有自相关现象。此外，经济活动的滞后效应、模型设定错误、数据的处理等多种原因都可能导致出现自相关。因此，需要对模型进行自相关的检验并进行修正。

5．异方差的检验与修正

能源消耗总量的多元分析模型，是一个复杂的经济模型，因此，有可能此模型中略去的变量随解释变量的变化而呈规律性的变化，即模型中存在异方差现象。也有其他可能原因导致此模型存在异方差现象，如：变量的设定问题、利用平均数作为样本数据等。综上，需要对此模型进行异方差检验并修正。

（二）数据来源

从

生产总值， 人口 数及构成这四个国民 经济 统计 数据后得到如下数据：

年份

能源消耗总量

能源生产总量

城镇人口

乡村人口

gdp可比价

工业 gdp可比价

人均gdp可比价

1978

57144

62770

17245

79014

36.45

16.07

3.81

1979

58588

64562

18495

79047

37.76

16.28

3.95

1980

60275

63735

19140

79565

39.19

16.31

4.10

1981

59447

63227

20171

79901

40.07

16.45

4.19

1982

62067

66778

21480

80174

39.99

16.42

4.18

1983

66040

71270

22274

80734

40.40

16.44

4.23

1984

70904

77855

24017

80340

42.40

16.80

4.43

1985

76682

85546

25094

80757

46.74

17.58

4.89

1986

80850

88124

26366

81141

48.93

18.43

5.12

1987

86632

91266

27674

81626

51.47

18.83

5.38

1988

92997

95801

28661

82365

57.70

20.57

6.03

1989

96934

101639

29540

83164

62.63

21.98

6.55

1990

98703

103922

30195

84138

66.27

22.49

6.93

1991

103783

104844

31203

84620

70.81

23.19

7.41

1992

109170

107256

32175

84996

76.62

24.34

8.01

1993

115993

111059

33173

85344

88.25

27.96

9.23

1994

122737

118729

34169

85681

106.44

32.28

11.13

1995

131176

129034

35174

85947

121.03

36.25

12.66

1996

138948

132616

37304

85085

128.80

38.03

13.47

1997

138173

132410

39449

84177

130.77

38.20

13.68

1998

132214

124250

41608

83153

129.61

36.24

13.55

1999

130119

125935

43748

82038

127.95

35.21

13.38

2000

138553

128978

45906

80837

130.56

35.80

13.65

2001

143199

137445

48064

79563

133.24

35.86

13.94

2002

151797

143810

50212

78241

134.03

35.49

14.02

2003

174990

163842

52376

76851

137.50

36.47

14.38

2004

203227

187341

54283

75705

147.03

38.81

15.38

2005

224682

205876

56212

74544

152.85

41.20

16.05

2006

246270

221056

57706

73742

158.86

43.15

16.53

其中，gdp, 工业gdp, 人均gdp这三组数据采用的是1978年的可比价，这样就可以消除价格指数的影响。

（三）数据分析

1．模型的设定

经过上文分析，模型最终设定为：

2．时间序列平稳性的 检验 与修正

用图形法判断时间序列是否是平稳的。具体做法是：分别做出解释变量、被解释变量与时间的散点图（横轴为时间，纵轴为变量），从图形的分布形式判断时间序列是否是平稳的。图行如下：

形如下

从这几个图形中我们可以看出：除乡村人口外，其它解释变量的图形分布大致随时间的增长而呈上升趋势，所以时间序列是非平稳的。

但从它们的图形中可以看出，除乡村人口外，这些非平稳经济变量随时间的变动都呈上升趋势。所以，虽然这些经济时间序列是配平稳的，但它们之间却存在长期均衡关系。因此，可以用这些数据进行回归分析，基本不会出现“伪回归”现象。

因为乡村人口的存在会使模型存在“伪回归”现象，而人口数量可以用城镇人口来表示，所以经分析，剔除乡村人口这一因素。

3．多重共线性的检验与修正

这里用简单相关系数法对解释变量之间是否存在多重共线性进行检验。用excel软件，对数据进行简单相关系数分析，得到相关系数表，具体数据如下：

能源生产总量

城镇人口

gdp可比价

工业gdp可比价

人均gdp可比价

能源生产总量

1

城镇人口

0.959489

1

gdp可比价

0.919296

0.954812

1

工业gdp可比价

0.909564

0.929421

0.995594

1

人均gdp可比价

0.919021

0.954758

0.99999

0.99554

1

由以上数据，我们可以看出：数据存在严重多重共线性问题。需要对此模型进行修正。

用逐步回归法对多重共线性进行修正。由spss软件得到如下数据：

从以上数据可知，经过逐步回归之后，只有能源生产总量这一个解释变量进入了模型，而且其vif值为1.000符合标准。（vif的大小反映了解释变量之间是否存在多重共线性，经验表明，vif≥10时，说明解释变量与其余解释变量之间有严重的多重共线性，且这种共线性可能会过度的影响最小二乘估计。）但由于实际经验及研究表明，能源消耗总量与gdp也有高度相关关系，所以需要把不变价gdp也加入到模型中。所以最后得到的模型如下：

其中， 的系数由ols估计得到。

4．自相关的 检验 与修正

采用dw检验法检验模型是否存在自相关。用spss软件得到如下数据：

由以上图表可知，dw值为1.026。取显著性水平 =0.05。查dw分布表得，在显著性水平为0.05，样本容量n=29，解释变量个数 =2 时，临界值d l和d u分别为1.270和1.563。因为0≤dw≤dl，模型存在正的自相关，需要对模型进行修订。

用科克伦-奥克特迭代法对自相关进行修订。，用spss软件，采用9次迭代法，对模型进行分析后，得到如下数据：

经过迭代后，基本消除了自相关。得到的模型如下所示：

5．异方差的检验与修正

分别做 与y的散点图：

由图形可以看出：能源生产总量与y不存在自相关关系，而gdp与y几乎也不存在自相关关系。为了得到更确定的答案，还需要用g-q检验法对模型进行异方差的检验。由残差平方与gdp的散点图，可知模型可能存在升序排列的异方差。所以对模型数据进行升序排列，排除中间四分之一的数据，分别对余下的数据进行回归分析，得到如下数据：

方差分析

df

ss

ms

f

回归分析

1

1498745586

1.5e+09

271.1062

残差

9

49754337.26

5528260

总计

10

1548499924

方差分析

df

ss

ms

f

回归分析

1

15837859524

1.58e+10

905.3101

残差

8

139955216.8

17494402

总计

9

15977814740

计算 统计 量

=139955216.8/49754337.26=2.81

给定显著性水平 =0.05，查f分布表，的临界值为f(0.05)(11,11)=2.82。因为2.81＜2.82，所以认为模型中不存在异方差。

五、模型 总结

本次分析一开始选择了比较多的变量作为分析依据，但是通过各种检验和调整，最终结果体现，影响能源消耗总量的主要因素有能源生产总量与gdp。能源生产总量是消耗总量的直接制约因素。gdp的增长是能源消耗总量曾长的根本决定因素。

所以最终确定的模型为经过科克伦—奥科特九次迭代法之后，得到的模型

同时，也得到了如下数据：

由以上数据可以看出：

可决系数r=0.994，表明样本数据与回归方程拟合优度很好。

能源生产总量系数的t值为 26.491，表明能源生产总量对能源消费总量由显著性影响。

可比价gdp系数的t值为1.332，t值不是很大，表明模型仍存在一定问题，但由于知识水平与技术的限制，我不能做出更好的调整，有待日后修复。

参考文献：

1．《中国统计年鉴2007》

2．《计量 经济 学 》

能源消耗分析范文第7篇

关键词：环渤海地区 城镇化 能源消耗量 面板VAR模型

引言

随着我国经济的飞速发展，能源消耗量已经成为人们十分关注的问题。根据现有的研究，我国的能源消耗变动受到宏观经济水平、收入因素、人口因素、产业结构、居民消费结构、工业化和市场化程度等众多因素的影响，同样城市化水平也是影响我国能源消耗量的重要因素。

改革开放以来，我国城镇化水平发展迅速，国家统计局数据显示，截止2011年末，我国的城市人口数量首次超过农村，城镇人口已经从1978的17.92%上升到了51.27%。根据诺瑟姆曲线规律，当城镇化水平在30%-70%之间时，表明此国家进入了城镇化和现代化的高速发展时期，人均耗能和能源强度会快速上升。2010年，我国首次超过美国，成为世界上最大的能源消耗国，能源消耗量占到全球消耗量的五分之一。同时，城镇化进程一方面伴随着工业化水平的发展和城市建设投资的增加，大规模的城市基础设施建设和城市住房建设必然会增加能源的消费量，另一方面，城镇化提高了公共基础设施的使用效率，这又会降低能源消耗量，这两种不同方向的影响使城镇化和能源消费之间的关系变得很复杂，因此研究城镇化与能源消费的内在依存关系，有助于保障能源安全和城镇化进程的稳步增长，对制定合理的能源政策，实现经济增长具有重要意义。

随着我国城镇化的快速发展，城镇化与能源消耗量之间的关系受到学者们的广泛关注。Poumanyvong，P.，Kaneko，S（2010）采用STIRPAT模型研究1975-2005年间99个国家不同发展阶段，城镇化对能源利用的影响，结果显示城镇化对低收入组国家人均能源消费有负向作用，对中等收入组和高收入组国家人均能源消费的影响是正向的。Dai，D.，Liu，H.（2011）利用STIRPAT模型研究了我国29个省份的城镇化、能源利用、二氧化碳排放量之间的关系，结果显示在1995-2009年间，城镇化对二氧化碳排放量具有明显的正向作用。郑云鹤（2006）构建了回归模型，并分析了我国能源消费水平与城市化、工业化以及市场化之间的关系，研究表明，当前的城市化和工业化进程加快会促使能源消耗量的增加，而市场化进程的提高会引起能源消耗量的降低。刘耀彬（2007）运用格兰杰因果检验和协整检验的方法实证分析了城市化与能源消耗之间的动态关系，并使用因素分解模型定量计算出城市化程度对我国能源消耗变动水平的贡献程度，研究发现我国城市化和能源消耗量之间存在单向的格兰杰因果关联关系，并且两者之间存在长期均衡的协整关系，当前我国城市化进程对能源消耗量的贡献程度较低，并且呈现逐年下降的趋势。毕军贤（2008）、许冬兰，李琰（2010）等分别对中部县域、山东省的城市化与能源消耗量之间的动态关系进行研究，得出了类似的研究结论。

综上所述，现有绝大多数文献都采用静态的研究方法分析城镇化水平与能源消耗量的单方面关系，同时，我国幅员辽阔，不同区域资源禀赋、产业结构有差异，经济发展也存在不平衡性，各地区的城镇化水平也不同，各地区的城镇化水平和能源消费之间的关系可能并不遵从同一规律。环渤海地区是我国重要的经济区域，也是能源消耗的主要区域，与此同时，环渤海地区的城市化水平也是一直处于我国的前列。研究环渤海地区的城镇化水平与能源消耗之间的关系，不仅对于把握环渤海地区能源战略方向、保证环渤海地区经济健康持续发展具有重要现实意义，而且对于更好地理解把握我国的整体情况也有着重要的意义。因此，本文把视角具体到地区层面，以环渤海地区省市为例分析城镇化水平与能源消耗量之间的动态关系，更具有微观基础，运用面板向量自回归模型（Panel Vector Autoregression Model，PVAR模型），基于1995-2012年的面板数据，分析两者之间的动态关系，以期为城镇化进程中能源消耗平衡政策制定提供参考依据。

样本选取

（一）环渤海地区概况

环渤海地区是以京津冀为核心、以辽东半岛和山东半岛为两翼的环渤海经济区域，主要包括了北京市、天津市、河北省、辽宁省和山东省，也就是三省两市的“3+2”经济区域。面积为51.8万平方公里；人口2.3亿，占全国17.5%；地区生产总值达到3.8万亿元，占全国28.2%。

（二）数据来源

本文选取1995-2012年环渤海地区北京市、天津市、河北省、辽宁省和山东省等5个省市的数据实证分析城镇化水平与能源消耗量之间的相互影响关系。城镇化水平和能源消耗量的相关数据均来自各省市历年的统计年鉴。其中，城镇化水平用市人口和镇人口占全部人口的百分比来表示，用来反映人口向城市聚集的过程和聚集程度；能源消耗量是指各省市每一年度能源的消耗总量，包括市区能源消耗量和县域能源消耗量。为了消除各变量的异方差性和数据的剧烈波动性，便于变量之间的长短期分析，本文对相关数据取对数，分别以和表示城镇化水平和能源消耗量的自然对数值。

模型构建

面板数据向量自回归模型（即面板VAR模型）的研究最早始于Chamberlain（1983），后经过Pesaran & Smith（1995）、McCoskey & Kao（1998）、Joakim（2005）等学者的不断发展，现已经成为一个比较成熟的模型。面板VAR模型综合了面板数据模型和向量自回归模型的优点，能够把变量和处理成内生变量，能够真实地反映变量之间的动态关系。在分析过程中，根据广义矩陈估计系数的t统计值和脉冲响应函数的收敛情况，本文选择使用滞后2阶的面板VAR模型，模型定义如下：

Yi，t=Γ0+Γ11（L）Yi，t-1+Γ22（L）Yi，t-2+μi，t

i=1，…N；t=1，T

其中，Yi，t={lnur、lnec}，i表示不同省市的截面个体，t表示不同年份，Γ0为常数系数矩阵，Γ11（L）、Γ22（L）均为2×2的待估系数矩阵。

面板VAR模型主要由三部分组成：一是面板矩估计模型（GMM），主要说明变量之间的回归关系；二是脉冲响应函数，通过动态的脉冲响应函数图，观测各指标对冲击效应的反应情况；三是误差分解，说明误差项的影响因素大小。

实证结果与分析

实证分析的思路主要包括四步：一是变量描述性统计和变化趋势分析，知悉各变量的基本特征；二是面板单位根检验，检验面板数据的平稳性，为面板协整检验做铺垫；三是面板协整检验，检验城镇化水平与能源消耗量是否存在长期的均衡关系；四是面板VAR模型估计，考察城镇化水平与能源消耗量之间的双向动态影响关系。

（一）变量的统计特征

由表1的统计结果可以看出，城镇化水平的均值为3.897，中位数为4.010，表现为左偏态状态，最大值为4.452，最小值为2.837，标准差为0.449，表明不同省市间的城镇化水平存在较大的差异。能源消耗量的均值为9.033，中位数为9.122，略微呈现左偏态状态，最大值为10.387，最小值为7.802，标准差为0.714，说明不同省市间的能源消耗量水平存在更大的差异性。

（二）面板单位根检验

面板数据的单位根检验包括LLC检验、Breitung检验、IPS检验、ADF-Fisher检验、PP-Fisher检验和Hadri检验等六种检验方法。由于不同的检验方法都存在自身的局限性，因此，为了保证检验结果的稳健性，本文同时采用上述六种方法进行检验，检验结果如表2所示。

由表2可以看出，对环渤海地区省市的城镇化水平和能源消耗量的水平值进行检验时，检验结果表明不能完全拒绝“存在单位根”的原始假设，变量是非平稳的；当对这两个变量的一阶差分值和二阶差分值分别进行检验时，均在5%水平下显著地拒绝“存在单位根”的原始假设。因此，可以认为环渤海地区省市的城镇化水平和能源消耗量都是一阶单整序列。

（三）面板协整检验

在上述面板单位根检验的基础上，接下来对所选变量进行面板协整检验，以检验城镇化水平和能源消耗量之间是否存在长期的均衡关系。根据Pedroni提出的异质面板数据的协整检验方法，以回归残差为基础构造出七个统计量进行面板数据协整检验，检验结果如表3所示。

从表3的结果可知，环渤海地区的所有统计量都通过了显著性检验，所以环渤海地区的城镇化水平和能源消耗量之间存在面板协整关系，两者之间存在长期的均衡关系。

（四）面板VAR估计

根据面板VAR模型的三个组成部分，本文依次进行检验，具体计算结果如下所示：

1.面板矩估计。在进行面板矩估计时，需要消除面板VAR模型中的样本固定效应和时间效应。本文使用前向均值差分法消除样本的固定效应，使用横截面的均值差分法消除时间效应。估计结果如表4所示。

从上述的面板GMM估计结果可以看出：第一，环渤海地区滞后一期和滞后二期的城镇化水平系数均大于0，并且在1%水平下显著，这说明城镇化水平对能源消耗量有显著的正向效应。同时，对滞后一期和滞后二期的系数大小进行比较，发现城镇化水平系数随着滞后期的推移而不断增大，这说明环渤海区域城镇化水平对能源消耗量的影响程度是逐渐增强的。第二，能源消耗量对城镇化水平的影响存在明显的时间差异，滞后一期的能源消耗量对城镇化水平的影响为正，滞后二期的能源消耗量对城镇化水平的影响为负，但是两者均不显著。通过对城镇化水平和能源消耗量两者之间关系的分析，可以看出，城镇化水平的提高势必伴随着能源消耗量的增加，而能源消耗量的增加却未必会对城镇化水平有影响，也就是说能源消耗量的增加并不是城镇化水平的重要影响因素之一。

2.脉冲响应函数图。脉冲响应函数是用来刻画单位随机扰动项μt的冲击对其他变量路径走势的影响，脉冲响应函数可以直观地观测到变量之间的动态交互作用和效应，并从中判断变量间的时滞关系。本文通过Monte Carlo方法模拟500次得到图1脉冲响应函数图，并给出了90%的置信度区间。

在脉冲响应函数图中，横轴表示冲击反应的响应期数，滞后期数为6期，纵轴表示变量对于冲击反应的响应程度，中间的曲线表示受到冲击反应后，脉冲响应函数的点估计值序列，上下两条曲线表示90%置信水平下的上下界限。

从城镇化水平对能源消耗量的脉冲响应路径可以看出，当受到城镇化水平的一个标准新息冲击后，能源消耗量偏离了原来预期的水平，这一冲击对能源消耗量产生持续显著的影响效应。从能源消耗量对城镇化水平的脉冲响应路径可以看出，当受到能源消耗量的一个标准新息冲击后，城镇化水平降低，但是在第1期之后趋于平稳，之后还略有上升的趋势，影响效果不明显。

3.方差分解。为了更清楚地度量和刻画城镇化水平与能源消耗量之间的相互影响程度，本文进一步采用面板数据方差分解的方法，获得不同方程的冲击反应对各个变量波动的方差贡献率情况。表5给出了第10个预测期、第20个预测期和第30个预测期的方差分解结果。

上述方差分解的结果可以发现：第一，对于城镇化水平变量来说，10个预测期、20个预测期和30个预测期对方程分析的结果影响变化不大，说明经过10个预测期后，系统基本上达到稳定状态。对于能源消耗量水平变量来说，10个预测期和20个预测期相比，对方程分析的结果影响变化较大；20个预测期和30个预测期相比，对方程分析的结果影响变化较小，此时系统基本达到稳定状态，说明能源消耗量水平在20个预测期后处于平稳。第二，城镇化水平和能源消耗量水平的波动均主要来自于自身，其中城镇化水平自身波动的贡献率水平达到97%以上；能源消耗量自身波动的贡献率水平达到65%以上。第三，城镇化水平对能源消耗量水平的影响在0.5%-2.5%之间；能源消耗量对城镇化水平的影响在20%-35%之间。这说明在城镇化进程中伴随着能源消耗量的不断增加。

结论

综上所述，根据实证分析结论，环渤海地区在推进城镇化进程中，制定能源消耗政策时，本文认为需要：第一，适度控制城镇化进程。环渤海地区城镇化的推进主要依赖于工业的发展，短期内城镇化进程明显加剧了能源消费，所以在城镇化的发展过程中，要根据省份的能源供需情况，适当控制发展速度，合理有序的渐进推行，不能急功冒进。第二，调整能源结构。引进新的技术，开发新能源、可再生能源，使环渤海地区的能源结构多样化、层次化，改变对于煤炭资源的过度依赖，从而降低环渤海地区能源风险，保证经济可持续的发展。

参考文献：

1.张晓平.20世纪90年代以来中国能源消费的时空格局及其影响因素[J].中国人口·资源与环境，2005（2）

2.许冬兰，李琰.山东省城市化和能源消耗的关系研究[J].中国人口·资源与环境，2010（11）

3.Poumanyvong，P.，Kaneko，S Does urbanization lead to less energy use and lower CO2 emissions？ A cross-country analysis [J].Ecological Economics，2010（2）

4.Dai，D.，Liu，H. An empirical research and STIRPAT model analysis of urbanization and CO2 emissions in China [J].Advances in Information Sciences and Service Sciences，2011（11）

5.郑云鹤.工业化、城市化、市场化与中国的能源消费研究[J].北方经济，2006（10）

6.刘耀彬.中国城市化与能源消费关系的动态计量分析[J].财经研究，2007（11）

7.毕军贤.中部县域城镇化与工业化、能源消耗量关系的实证研究[J].中国管理科学，2008（10）

8.贾功祥，谢湘生.中国经济增长与能源消费动态关系—基于面板向量自回归模型的分析[J].首都经济贸易大学学报，2011（4）

9.Inessa Love， Lea Zicchino. Financial Development and Dynamic Investment Behaviour： Evidence from Panel VAR[J].The Quarterly Review of Economics and Finance，2006（46）

10.黄旭平，张明之.外商直接投资对我国就业的影响：基于面板VAR的分析[J].中央财经大学学报，2007（1）

11.潘丹，应瑞瑶.中国水资源与农业经济增长关系研究—基于面板VAR模型[J].中国人口·资源与环境，2012（1）

能源消耗分析范文第8篇

关键词：能源消费；经济发展；灰色关联分析法

引言：能源作为经济发展的基础，在国民生产生活中的作用尤为重要。一个地区在进行经济活动的投入时就必须要将能源作为重要的生产要素和投入因子来对待。伴随着我国经济的高速发展，近十年来重庆市的经济也获得了全面快速的发展。重庆市作为我国的古老重工业基地之一，近年来的能源消费矛盾也日益突出。重庆的能源结构的不合理，能源的匮乏等都是亟需解决的重要问题。在2005年，重庆能源消费总量达到6578万吨煤，自给率为65%，其中用于火力发电的优质煤仍然要依赖其他省供应，每年在电力生产中要消耗2200万吨原煤、5万吨燃油、11亿立方米工业新鲜水，并占用大量的运输力。重庆市如何在保持经济快速增长的同时降低能源的消费进而构建可持续发展的经济结构模式是目前重庆市需要面临的一个重要课题。本文运用灰色关联分析方法将能源消费和经济增长看作是两个变量系统来研究两者之间的相关性。

1.灰色关联的基本思想和相关的数学模型

灰色系统理论在经济日益信息化的当代，在各个学科中的应用都十分的广泛，灰色关联分析是对变化发展系统的一个动态过程态势进行的量化分析，它是灰色系统理论的重要组成部分。传统的统计方法在对样本的多少和样本的有无规律性上面就做了很多要求和限制，灰色关联就避免了这个问题，它可以对系统中的因子进行排序比较，这就大大的弥补了传统数理统计分析的不足之处。它是以关联度最大为最优因素进行量化的。正是因为这个优点本文才采取了灰色关联这个方法进行本文课题的研究和探讨。

灰色关联的基本模型，首先是通过因变量参考数列和自变量的比较数列建立原始数列也就是子序列，可以记作Xi，其中因变量的参考数列记作是X0.其次，为消除数量级的大小不同影响，对原始数列进行均值化、初始化的量纲话处理。这是为了便于计算和比较分析，也就是Xi（K）=Xi（K）/Xi（1）灰色关联度分析方法模型R=Y×W。式中，R为M个被评价对象的综合评价结果向量；W为N个评价指标的权重向量；E为各指标的评判矩阵，（矩阵略）ξi（k）为第i个被评价对象的第K个指标与第K个最优指标的关联系数。根据R的数值，进行排序。

1.三种主要能源的消耗量和五个指标的关联度都大于0.6，显然重庆的经济发展对能源的依赖性较强，很多的经济发展都是以能源消耗为基础的。这显然是重庆市的第二产业在经济中占比很大，特别是重工业对能源消耗消耗性很强。

2.不难发现，在GDP和人均GDP与原煤、成品油、水电消耗总量的关联度上，都是原大于成品油，成品油大于水电。由此发现重庆经济对能源依赖上最依赖的是原煤其实是成品油和水电，这也和结论1中说分析的重庆重工业占比较的结论大相一致。

3.对原煤和成品油消耗量影响的经济因子的影响程度排序发现，影响最大的经济因子是固定资产投资，这也和目前重庆的三个经济支柱：机械制造、房地产、基本建设都需要大量的固定资产投资相一致。差别最大的是的经济因子是R&D投入，其对原煤的消耗量关联为0.68对成品油则为0.211，由此可见R&D投入和原煤的消耗更为密切，这也是我国目前以原煤作为主要能源相契合。

4.和GDP增长率关系最密切的是水电消耗总量。从表中不难发现，GDP增长率和水电消耗的关联度是0.731明显大于其他的经济因子。综合来看重庆市的经济发展受水电消耗的影响不是很大，但是经济的增长却和水电的消耗有着密切的联系。

3.依分析结果针对目前情况对政策建议

从实证分析来看，重庆市经济的高速发展让能源消耗越来越大，并且经济对能源的依赖也越来越严重，这也导致了重庆的能源消耗缺口日益严重，同时重庆由于对原煤的大量消耗，也导致重庆环境污染的日益严重。重庆对原煤的依赖也会让重庆的经济发展以污染环境为代价，同时让重庆经济发展受到原煤的制约。为了保障经济发展必须要消耗大量的原煤，那么就会对环境照成更严重的污染，加之原煤作为一种不可再生能源会愈来愈稀缺，这样将严重的阻碍重庆的经济发展。为了保障重庆经济的可持续发展，提高能源的利用效率，我认为应该做好下面三个方面的工作。

（一）优化重庆市产业结构，科学合理的规划固定资产投资，提高投资效益控制投资规模，还要积极推动第三产业的发展，提高能源的节约效率，优化产业结构。在固定资产投资方面要科学合理规划提高经济效益防止重复性投资，政府要改变目前一些科技含量低靠消耗能源、污染环境的代价的产业，要引进科技含量高、能耗低、资源消耗少、低污染的产业，一步一步优化重庆经济产业结构。让高新科技产业在重庆产业结构的比例一步步提高，最终走上新型工业化之路。

（二）政府加大对新型可再生能源的发展投入，优化能源消耗结构，让绿色能源取代传统能源。重庆经济发展是以大量的传统不可再生能源的消耗为代价的，这样随着环境的污染和能源的枯竭将对重庆的经济发展带来严重后果。发展新型可再生能源是从根本上解决能源紧缺、环境污染的方法。优化能源供给结构对重庆经济的可持续发展有着重要意义。

（三）建立完善重庆能源节约消耗机制。重庆市经济要可持续发展必须要节约能源、提高能源使用效率、减小污染，这也是建设新型工业的必备条件。一方面，要监管能源开发到使用的每一个过程，确保其利用效率。其次，要在能源消耗领域大力推行高新节能技术，引导能源消费概念。多方面鼓励企业使用新型可再生能源，逐步减少传统能源的消耗。其三，政府要加大对节能环保产业的投入和扶持，减小环境污染。

参考文献

[1] 谭艳妮，谭忠富.能源消费结构与经济增长关联关系的灰色分析方法[J].电力学报.2009（01）

[2] 冯金丽，詹浩勇，华喜波.广西能源消费与经济增长的灰色关联分析[J].国土与自然资源研究.2010（02）

[3] 冯金丽，詹浩勇，华喜波.广西能源消费与经济增长的灰色关联分析[J].科技创业月刊.2009（10）

能源消耗分析范文第9篇

[关键词]城市；经济发展；能源消耗；脱钩分析

[DOI]1013939/jcnkizgsc201529045

在我国经济发展的过程中，城市作为主要推力的作用越来越明显，随着经济的发展，城市的规模也变得越来越大。在城市快速发展的过程中，虽然经济得到了快速的发展，但是能源消耗的总量也在急剧的增加，因此，经济发展的同时，能源短缺、环境污染等问题日趋突出。在国家经济中，为了充分的发挥城市的重要作用，就需要将当前城市经济发展与能源消耗之间的矛盾予以妥善的解决。

1建立脱钩模型

1.1脱钩模型的研究

2002年，经济合作与发展组织（OECD）出版了《衡量经济增长与环境压力脱钩的指标》，其中就完成了脱钩模型的建立，并且脱钩指标包含驱动力、压力、状态等。在2005年，Tapio完善了脱钩模型，并进行实证研究，至此，脱钩模型正式建立。OECD在研究脱钩模型时，基础是农业项目，因此，在我国农业发展的过程中，脱钩模型的应用比较多，并且此方面的研究也比较多。近年来，各个国家在发展经济的同时，对环境问题也越来越关注，由此，经济发展与环境保护之间就应用了脱钩模型，通过定量的分析以及脱钩模型，建立起了比较完善的循环经济。

1.2基于我国实际的脱钩模型

国际上脱钩模型的研究更多的是从宏观上角度来进行分析，然而我国与其他国家的实际情况有很大的差别。从类型上看，我国的城市类型多种多样，并且每种城市类型都具有不同的发展道路，因此，在发展低碳经济时，要根据城市的实际来进行设计。在建立适合我国城市的脱钩模型时，就需要综合考虑时期、地域、类型等因素，同时，脱钩模型的建立还要以Tapio的脱钩模型为基础，从而有效地分析出城市经济发展与能源消耗之间的关系。脱钩可分为脱钩和负脱钩两种，二者均包含三个子类别。对于脱钩，如果城市经济和能源消耗均处于上升之中，而且脱钩弹性在0～08，这时呈现出来的弱脱钩；当城市经济增长，能源消耗下降时，这就是强脱钩；当城市经济和能源消耗均处于下降的趋势当中时，且脱钩弹性大于1.2，这时就是衰脱钩的关系。对于负脱钩，当城市经济和能源消耗均处于下降的趋势当中时，且脱钩弹性在0～08，这时二者之间的关系就是弱负脱钩；当城市经济降低，能源消耗增多时，二者之间就是强负脱钩；当城市经济和能源消耗均处于上升之中时，且脱钩弹性大于1.2，二者之间的关系为扩张负脱钩。

2城市经济发展与能源消耗的脱钩分析

2.1数据选取

本文在利用脱钩模型进行脱钩分析时，数据均来源于《中国城市统计年鉴》，不同年份的数据来源于不同年份的统计年鉴。脱钩研究的对象为2006年经济发展总值前100名的城市，分析的时间段为1990―2006年，将时间四个阶段，分别为第一阶段（1990―1994年）、第二阶段（1994―1998年）、第三阶段（1998―2002年）、第四阶段（2002―2006年），通过Tapio脱钩模型，分析出各个阶段的脱钩弹性特征。

2.2整体特征分析

通过Tapio脱钩模型得出脱钩计算结构，通过结果分析可知，这100个城市在第二阶段中，经济发展总值的增长率急剧下降，在第三阶段中继续下降，不过下降的趋势比较微弱，第四阶段时开始逐渐的上升，而能源的消耗则是在第二阶段中出现了下降的趋势，但是从第三阶段开始，就一直处于上升的趋势中。从总体的研究时间段上来看，经济发展的增长率要高于能源消耗的增长率，在第一阶段中，二者之间的差距最大，在第三阶段中差距最小，由此得出，总体上二者之间的关系是弱脱钩。

2.3时空耦合分析

首先，时间分析。在第一阶段，城市经济发展与能源消耗之间弱脱钩的关系占据了总数的80%左右，扩张负脱钩和强脱钩城市所占据的比重非常少，由此可以看出，在这一时期，二者之间所具有的脱钩性是最好的。在第二阶段，弱脱钩的城市总数少了7个，而扩张负脱钩的城市增加了4个，不过强脱钩城市的数目并未发生变化，因此，在这一时期，城市经济发展与能源消耗之间的脱钩性还比较好，但已经出现了恶化。在第三阶段，二者之间的脱钩性恶化的非常严重，尽管弱脱钩城市的数量占据的比重依然最大，但是与前两个阶段相比，减少了许多，扩张负脱钩的城市数量大量的增加；在第四阶段，恶化情况有所缓解，弱脱钩城市的数量有所增加。

其次，空间分析。在东部城市，总体城市经济增长率与能源消耗增加率之间的差距与全国基本一直，且能源消耗的增长率落后于经济增长率，在第二阶段，东部城市的脱钩系数有所降低，随后，脱钩弹性值逐渐的增加，从数值上看，东部城市的最大和最小脱钩弹性值与全国水平一致。在中部城市，从总体上来看，脱钩弹性之一致处于上升的趋势当中，从第四阶段开始，这种增长趋势变得比较微弱，不过与其他的城市相比，中部城市一直处于弱脱钩当中。在西部城市，第三阶段的能源消耗增长率与经济增长率之间的差距非常的微弱，从而导致西部城市的脱钩弹性值急剧的增加，随后，在第四阶段中，脱钩弹性值开始逐渐的降低。在东北地区城市，与其他的三个城市区域相比，东北地区城市的差异比较大，产生差异的主体原因就是东北老工业基地的变化，从总体上看，脱钩弹性值先是增加，随后减少，接着在增加，呈现出波浪型。

最后，时空耦合分析。在第一阶段，东部城市所呈现出来的均为扩张负脱钩的关系，扩张连接的城市也比较多；强脱钩城市主要集中在中西部城市中；东部城市的脱钩性比较差，中西部城市差一些，尤其是中部城市比较好。在第二阶段，城市发展的中心发生了转移，由东南沿海地带逐渐的转移到北部城市；中部城市和东北地区城市的脱钩性呈现出恶化的趋势。在第三阶段，总体上来看，扩张负脱钩的城市依然在增加，各个区域中的城市数量都有所提升，以东部地区最为严重。在第四阶段，扩张负脱钩的城市数量均逐渐的降低，城市经济发展与能源消耗之间的脱钩性开始向着良好的趋势发展。

3结论

通过脱钩分析可知，当前城市经济发展与能源消耗之间的脱钩趋势总体处于良好的发展趋势中，但是从具体城市地区上来看，有些地区的脱钩性还处于比较严峻的态势当中，因此，我国必须要加大力度，实现城市经济发展与能源消耗脱钩，最终通过低碳技术实现经济增长与环境保护相协调。

参考文献：

[1]陈浩，曾娟武汉市经济发展与能源消耗的脱钩分析[J].华中农业大学学报：社会科学版，2011，10（6）：90-95

[2]王崇梅中国经济增长与能源消耗脱钩分析[J].中国人口・资源与环境，2010，11（3）：35-37

[3]胡本田，方超皖江城市带区域经济增长与能源消耗的实证研究――基于Tapio脱钩模型和LMDI方法[J].铜陵学院学报，2014，10（2）：68-73.

[4]张颖能源消耗、二氧化碳排放与中国工业可持续发展的脱钩分布研究[J].开发研究，2013，11（1）：104-108

能源消耗分析范文第10篇

关键词 能源生态足迹；能源消耗弹性系数；环保投资弹性系数；灰色关联度

中图分类号 X24 文献标识码 A 文章编号 1002-2104（2012）11-0157-08 doi：103969/jissn1002-2104201211024

人与生态系统是共轭关系，人类活动必须在生态系统可承受范围内，同时，人的行为作用于生态系统，时刻影响其阈值变化。不受外力和人为干扰情况下，生态系统因自校稳态机制而无需外界控制，承载力一定。当受到干扰超过稳态阈值后，生态系统走向另一种稳态，承载力也随之变化。人类常常忽视约束自身行为对生态阈值的巨大作用，攻克一项艰难的技术瓶颈（2007年中国财政支出235亿主要用于支持企业节能技术改造项目）的效果，完全可以通过减少人的一次浪费行为而获得；同样，如果人类一直放任粗放的生产和生活方式，再多的新能源和新技术也无法挽救地球一天天“消失”。2011年结束的南非德班气候大会，不仅讨论了全球气候变暖是否陷入失序的困境，更释放出环境保护已经从地区结构调整向全球政治博弈深化的明显信号，标志着对于生态保护和环境可持续发展的研究不得不从防止和缓解人类活动对环境的影响转向研究如何适应全球环境变化的重大转折。约束人类行为是主动适应全球环境变化，促使生态系统恢复或发展到高级状态的有效途径，为实现生态系统的持续安全提供了长效机制。

生态阈值的测度和评价是当前国内外研究的热点，也是生态学的关键科学问题。目前常用的能值分析法、生命周期分析法（SETAC）、生态系统服务功能法和自然资源评价法、生态足迹（ecological footprint， EF）评价法、环境容载力、环境可持续性指标（ESI）等评价方法分别从能流、信息流、物流、资金流以及时间、空间尺度上研究和分析人类活动影响下的生态过程。测度方法的重点和标准不尽相同，结果较难比较和转换，尚无法确切得出生态系统阈值的具体数量，但相关研究均表明，全球生态系统压力巨大，生态安全受到严重威胁[1]。生态足迹指标作为一种衡量自然资本可持续利用的生物物理定量评价工具，将人类对各种资源和能源的消费折算为6类主要的生物生产性土地（指具有生态生产能力的土地或水体）：化石能源地（fossil energy land）、可耕地（arable land）、林地（forest）、草场（pasture）、建筑用地（builtup areas）和海洋（sea），研究维持个人、地区、国家和全球的生存或吸纳人类排放废物的具有生物生产力的地域面积（biologically productive areas）[2]，揭示了人类持续生存的生态阈值。已有研究表明，我国人口密集区均存在明显的生态赤字[3-4]。该方法在水资源、大气成分稳定性以及生态系统美学服务功能等方面的核算存在不足。

自然资源的价值水平与减少人类影响的方法存在显著的相关关系，限制某些人类活动可以提高自然资源的安全性。全球变化人类行为计划（IHDP）从社会科学角度研究全球变化的人类原因，提出全球变化的根源在于人为，高度关注全球化引起的社会安全问题[5]。人的行为方式及构成的行为关系受利益驱动，表现为对需求的满足，生态问题则表现为社会利益结构所决定的均衡、冲突和再均衡的过程。博弈理论常用来分析各利益群体的自然观、环境伦理观及人类价值观，研究公共资源与环境公平性、主体利益关系及各主体行为对环境的影响等问题。管理人类活动是提高社会—生态系统恢复力的有效策略，调整人类活动要比调节影响生态系统结构和功能的自然因素更加实际[6]。通过合理安排和有序组织人类活动，能够使生存环境的总体和尽可能多的局部在人类可以预见的时间尺度上不发生显著退化，甚至持续好转，同时又能够满足当时社会经济发展对自然资源需求，是人类适应全球变化的重要途径[7]。通过环境经济投入产出表，可以反映经济活动对环境所造成的负面影响以及社会为消除这些影响而进行的各种活动[8]。

经济社会发展的行为者是人，承受者虽直接表现为生态系统，但其最终承受者还是人本身。将人为作用下的生态系统可持续性问题凝练为生态阈值的人类行为影响和约束问题，厘清生态子系统和人类行为子系统的相互作用关系，试图回答两个基本问题：①生态阈值与人类行为之间的相互影响关系确实存在吗？②生态系统可持续能力的提高，究竟是减少消极行为（例如，能源消耗的节约）的直接结果，还是人类增加积极行为（例如，环境保护投入的增加）的间接反应？

1 研究指标设计及其遴选依据

人是可持续发展过程中最直观、复杂和能动的关键要素，也是最难衡量和控制的环节，人类行为对生态环境的影响复杂而深远。由于我国尚未形成完善的环境投入产出核算体系，人类对生态环境的正、负行为及其影响难以简单界定。例如，为了保护环境而进行的国家或地区政府财政投资可以计算，而用于宣传环保的社会投入和个人支出很难统计；环境污染所产生的经济损失和治理成本可以计算，而浪费等个体行为加总成为社会行为后的影响鲜有研究。因此，在本研究中，仅选取“环境保护”代表人类对生态系统产生积极影响的正行为，选取“能源消耗”代表人类对生态系统施加干预的负行为，对应地，以人均能源足迹代表生态系统的阈值变化，研究人类行为对生态系统的作用方式和影响程度。

11 能源消耗弹性系数（Elasticity Coefficient of Energy Consumption，ECEC）

能源是一个国家经济增长和社会发展的重要物质基础，能源消费是经济持续稳定增长的重要推动力。工业化时代以来，人类活动对化石能源的大量需求所引致的温室气体排放增加已成为导致全球气候变暖的主要原因[9]。工业化和城市化的发展需要耗费大量的能源，特别是化石能源的大量消耗将直接导致环境的严重污染[10]。中国正处于高速工业化和城市化的进程当中，因能源消费而产生的污染排放中工业部门占80%以上[11]，且高耗能产业消耗资源（水电、煤、石油、天然气等自然资源以及物耗等）的速度最快，对能源的需求量较大，污染排放占据了工业部门排放的90%以上[12]。因此，以“能源消耗”作为代表人类对生态系统施加的各种负行为的系统集成指标，是有科学依据的。

能源消耗的总量反映一个社会经济组织发展中对自然资源的使用数量。相比于总量指标，以能源使用效率来衡量经济增长和能源消费之间的关系，更加具有现实意义。经济增长与能源消费之间存在以下4种关系：①从经济增长到能源消费的单向因果关系，即非能源依赖型经济，经济增长会带来能源消费的增加，但能源消费的增加不会带来经济增长。对于这种经济类型，节能政策的实施对经济增长的负面影响可能就很小[13]；②从能源消费到经济增长的单向因果关系，即能源依赖型经济，依靠能源消费增加拉动经济的增长。节能政策所导致的能源消费的降低可能会显著影响经济增长[14]；③经济增长与能源消费之间不存在因果关系，没有必然的联系；④能源消费与经济增长之间存在双向因果关系，即经济增长与能源消费互相依赖型的。能源消耗弹性系数反映能源消费增长速度与国民经济增长速度之间比例关系的指标，等于能源消费量年平均增长速度与国民经济年增长速度之比。选择能源消费弹性系数作为人类负行为的代表指标，说明由于人类经济社会发展过程中生产生活的能源消耗给生态系统带来的负面影响程度。

12 环保投资弹性系数（Elasticity Coefficient of Environmental Investment，ECEI）

2008年，中国统计的名义环境保护投资已经达到4 490 亿元，占当年GDP 的149%。但是，多年来环保统计中存在的一些基础性问题尚未解决，突出表现在环保投资的内涵界定不清。一般来说，中国的环保投资主要包括工业和区域污染防治、环境基础设施（如城市污水处理厂）建设以及环境保护机构能力建设等内容，通常不包括生态建设的投资[15]。因此，中国的环保投资通常也称为环境污染治理投资，是指在工业污染源治理和城市环境基础设施建设的投资中，用于形成固定资产的资金，包括工业新老污染源治理工程投资、建设项目“三同时”环保投资和城市环境基础设施建设所投资的资金。

根据我国统计年鉴的数据口径，从1996年开始引入统计“环保投资”总量指标。同样，为了更加客观地反映环保投资在经济社会发展中的作用和效率，参考能源消费弹性系数来构造环保投资弹性系数。环保投资弹性系数反映环保投资增长速度与国民经济增长速度之间比例关系的指标，等于环保投资年平均增长速度与国民经济年增长速度之比。选取环保投资弹性系数代表人类对生态系统产生积极影响的正行为，说明由于人类经济社会发展过程中通过环境保护和污染治理等积极行为，给生态系统带来的正面影响程度。

13 人均能源足迹（Percapita Energy Ecological Footprint，Percapita EEF）

自然资本管理是可持续发展的核心，有效的管理依赖于对自然资本的准确度量。研究表明，能源足迹在生态足迹中占很大比重[16-17]，是影响生态足迹大小的最主要因素。如美国与德国都是发达国家，1999年美国人均生态足迹（97全球公顷，ghm2）是德国（47 ghm2）的206倍，主要是因为生活方式和能源消费不同的结果[18]。WWF等最新的《2006地球生命力报告》指出，人类的能源足迹增长最快，2003年超过1961年的10倍，几乎占到6类总生态足迹的一半（48%）[19]。由于社会、经济、科技、生产、日常生活等众多因素的变化影响着人们的能源消费、决定着能源足迹的大小，揭示能源足迹的变化规律和影响因子，找出影响能源足迹增长的主要因子，为人类降低能源足迹、减少环境影响（生态足迹）提供可行的途径和方法很有必要。

以人均能源足迹为目标序列，代表生态系统阈值的变化趋势，以能源消费弹性系数和环保投资弹性系数作为参考序列，通过关联分析研究生态子系统和人类行为子系统发展趋势的相似或相异程度，研究人类行为对生态阈值的影响程度以及约束人类行为的效率。

2 上海市Percapita EEF、ECEC、ECEI计算

上海作为高度城市化和工业化的区域，属于典型的人工自然生态系统，人类各种生产生活行为对自然生态系统的影响最为显著。

21 Percapita EEF的两种算法

采用碳汇法[20-21]计算上海市1978-2010年的人均能源足迹，即每消费单位化石能源所释放的二氧化碳所需要的林地吸收面积（水电不释放二氧化碳，其生态足迹计算是以建设水电站等设施所淹没的土地面积计算）。由于森林对温室气体吸收能力是以热量为表征的，需要先将化石能源消费量按其燃烧效率转化为热量[22]。在计算不同能源消费项目的生态足迹时，采用Wackernagel[23]等所确定的煤、石油、天然气和水电的全球平均土地产出率：55 GJ/hm2、71 GJ/hm2、93 GJ/hm2、1 000 GJ/hm2，将能源消费所消耗的热量折算成一定的化石能源地面积。按照能源消耗统计口径的不同，采用以下两种方法计算并分析上海市的人均能源足迹。

算法一：

根据统计年鉴数据，选取工业能源终端消费量的数据，将所有能源转换为标准煤进行能源足迹测算。折算系数及转化标准如下：1 t原煤=0714 3 t标准煤，1 t原油=1428 6 t标准煤，1 m3油天然气=133 kg标准煤，1 kWh电力=0229 kg标准煤。测算的结果见图1。

根据上海市能源消费种类的不同，按照电力、燃料油、焦炭和原煤四种主要能源分类，根据不同能源的全球平均土地产出率系数，计算1978-2010年的上海市分账户能源足迹并加总，作为上海市的人均能源足迹。测算的结果见图2。

上海市人均能源足迹的变化趋势可以归纳为：①人均

能源消费足迹存在阶段性特征。20世纪80年代至90年代初逐步增加，90年代中后期平稳下降，近5年有所上升。②人均能源足迹的构成发生了变化，由原煤足迹为主，逐渐向以焦炭为主、燃料油减少、电力增加的能源足迹结构转变。③电力的全球平均土地产出率系数比原煤高，此类能源消耗所占比例越多，人均能源足迹的数值越小。研究期内，上海市四种主要能源消耗中，只有电力消耗量保持持续上升，随着能源消耗结构的进一步转变，电力足迹将会继续增加。

22 能源消耗弹性系数（ECEC）的计算

能源消费弹性系数代表人类对生态系统产生消极作用的负行为，说明人类经济社会发展过程中由于生产生活的能源消耗，给生态系统带来的负面影响程度。根据上海市统计年鉴，以1978-2010为研究期间，计算能源消耗弹性系数（见图3）。

研究期间，上海市能源消耗弹性系数呈现周期波动趋势，表现出明显的阶段性特征：①改革开放之初，能源消耗弹性系数小于1，能源消耗的增长速度慢于经济增长速度；②20世纪80年代中后期至90年代初期，能源消耗弹性系数多次大于1，我国经济增长对能源消耗的依赖最为显著。特别是1986年，能源消耗系数为205，说明GDP增加1个百分点，需要增加2个百分点的能源消耗；③90年代中后期，伴随着经济的快速增长（平均增速1257%），能源消耗的增长速度持续下降（平均增速443%），能源消耗弹性系数平稳下降；④2000年以后，由于经济增长速度逐步放缓，能源消耗弹性系数呈现上升趋势。

23 环保投资弹性系数（ECEI）的计算

环保投资弹性系数代表人类对生态系统产生积极作用的正行为，说明人类经济社会发展过程中由于环境保护和污染治理，给生态系统带来的正面影响程度。由于我国对环保投资在统计口径上的数据收集较晚，选取1996-2010年作为研究期间，计算环保投资弹性系数（见图4）。

研究期间，上海市大部分年份的环保投资弹性系数大于1，相比于经济增长的速度，环保投资的增长速度更快。但是，环保投资弹性系数的数值越来越小，从1996年的367，即GDP增长1个百分点，环保投资增加367个百分点，到2010年的103，可以看出，上海市用于环境保护的资金投入的实际增长速率是下降的。这与上海市逐渐调整产业结构有着密不可分的关系，通过产业升级将资源消耗和环境破坏的落后产业转移或淘汰，是造成主要用作污染治理费用的环保投资增长速度放缓的可能原因之一；但对比同时期能源消耗弹性系数的增加趋势，不能排除城市在经济发展中过早享用环境改善的红利，忽视或减少对环境保护的持续投资，采用加大能源的消耗拉动经济的快速增长的可能性，迫切需要引起高度的重视。

3 上海市Percapita EEF、ECEC和ECEI的灰色系统分析

31 灰色关联度

灰色系统分析用灰色关联度来描述系统要素间关系的强弱、大小和次序，从而分清主导要素和潜在要素，分清优势和劣势，为分析评价系统发展提供相关的信息。灰色关联度反映两个系统或系统内各要素间变化的方向和速度的关联程度。如果样本数据反映出两要素变化的发展态势基本一致，则关联度大，表明该要素是系统发展的主要影响因子；关联度小，说明系统发展不受或少受此要素影响[24-25]。

根据前文分析，以人均能源足迹代表生态系统的阈值变化，研究人类行为对生态系统的作用方式和影响程度，组成一个母要素Y0（t）（参考数列）。

Y0（t）的样本值：Y0（t）={ y0（1），y0（2），…，y0（t）}，t=1，2，…，n （n为时间序列个数）

以“环保投资弹性系数”代表人类对生态系统产生积极影响的正行为，以“能源消费弹性系数”代表人类对生态系统施加干预的负行为，组成两个子要素Yi（t）（比较数列）。

Y1（t）的样本值：Y1（t）={y1（1），y1（2），…，y1（t）}，Y2（t）的样本值Y2（t）={y2（1），y2（2），…，y2（t）}。

能源消费弹性系数与人均生态足迹是正向变动的，能源消费弹性系数越大，对能源的使用数量和速度越高，对生态系统的占用也越大，即人均能源生态足迹越大。需要注意的是，环境保护作为人类干预生态系统的积极影响，随其数量的增加，通常会给生态系统带来正面的作用。也就是说，环保投资的越多，生态系统的承载能力趋向改善，人类能源消耗占用的生态足迹相应地减少，即环保投资弹性系数与人均能源足迹之间是反向变化趋势。故在灰色关联度计算中，需要对环保投资弹性系数取倒数进行研究，才能科学地考察数据之间的相关关系和经济社会发展中的实际意义。

将原始数据进行无量纲处理，以减少随机要素的干扰。设X0（t），Xi（t）分别为经过无量纲均值化处理的母要素和子要素的样本值，表示为：

X0（t）={x0（1），x0（2），…，x0（t）}，Xi（t）= {xi（1），xi（2），…，xi（t）}；t=1，2，…，n， i=1，2。

X0（t）与Xi（t）在第t点的关联系数可以由公式（1）计算。

ξ0i（t）=minimint|x0（t）-xi（t）|+ρmaximaxt|x0（t）-xi（t）|

|x0（t）-xi（t）|+ρmaximaxt|x0（t）-xi（t）|

（1）

式中|x0（t）-xi（t）|=Δi（t）成为第t点X0（t）与Xi（t）；mint|x0（t）-xi（t）|为第1级最小差；

minimint|x0（t）-xi（t）|为第2级最小差；maximaxt|x0（t）-xi（t）|为两级最大差；ρ∈（0，1），为分辩系数，通常取ρ=0.5。

用公式（2）计算灰色关联度。

γ0i=1n∑ni=1ξ0i（t）（2）

32 人均能源足迹X0（t）与能源消耗弹性系数X1（t）的灰色关联分析

1978-2010年期间，将所有能源消费折算为标准煤后得到的单一帐户人均能源足迹与能源消耗弹性系数之间的灰色关联系数为0710 3，两个因素的变化方向相同，趋势基本一致，有密切的相关关系。事实上，能源消耗弹性系数体现着能源消耗的速度领先或落后于经济增长的速度，是相对指标，能源消耗弹性系数越大，经济增长对能源的依赖程度越高，势必会导致人均能源足迹的生态占用越大。

按照原煤、焦炭、燃料油和电力等4类上海市工业企业主要消耗的能源种类，建立人均能源足迹帐户，构成上海市的人均能源足迹与能源消费弹性系数的灰色关联矩阵（见表1）。

1978-2010年期间，上海市人均能源足迹与能源消费弹性系数之间的灰色关联系数为0603 9。由于燃料油和电力的全球平均土地产出率系数比原煤高，在分帐户人均能源足迹的计算和汇总过程中，这两类能源消耗所占比例越多，相比单一帐户，人均能源足迹的数值越小，对应地，与能源消耗弹性系数的关联度也会偏小。根据表1，对上海市人均能源足迹影响最大的是原煤足迹（0904 5），其次为焦炭（0892 0），电力最小（0654 8）。研究期内，上海市能源消费结构以原煤消耗为主，而原煤的全球平均土地产出率最低，为55 GJ/hm2，以原煤消费为主的能源结构导致人类经济社会发展对生态系统的资源占用较大。与能源消费弹性系数的关联度最为密切的能源足迹为电力足迹（0739 0），是与能源消费弹性系数变化趋势最相似的，对其影响最显著的能源消费类型，说明电力消费是拉动上海市能源消费增长的最主要因素和推进经济增长的最依赖能源。

33 人均能源足迹X0（t）与环保投资弹性系数X2（t）的灰色关联分析

1996-2010年期间，将所有能源消费折算为标准煤后算得到的单一帐户人均能源足迹与环保投资弹性系数之间的灰色关联系数为0667 1。由于对环保投资弹性系数采用取倒数计算灰色关联度，结果说明环保投资弹性系数与人均能源足迹两个因素的变化方向相反，即环保投资弹性系数越大，人均能源足迹的生态占用越小，加快环保投资对能源消耗的减少起了一定的作用（见表2）。

1996-2010年期间，分帐户的人均能源足迹与环保投资弹性系数之间的灰色关联系数为0638 7。将表2和表1对比分析发现，上海市的人均能源足迹构成发生了一定的变化，对其影响最大的是焦炭足迹（0948 8），其次为原煤足迹（0931 3），电力足迹最小（0702 7）。人均能源足迹与各能源足迹的关联度均大于1978-2010年时间尺度下的数值，说明人均能源足迹与各能源足迹的变化趋势更加一致，相互关联更加密切。焦炭取代原煤成为与人均能源足迹变化趋势一致性最显著的能源种类，随着能源消耗结构的转变，电力足迹将会进一步增加。与环保投资弹性系数变化趋势最相似、关联最密切的能源消费类型是电力足迹（0685 3），由于对环保投资弹性系数取倒数计算灰色关联度，说明环保投资增长越快，电力消耗的生态占用越小，电力是上海市环境保护和污染治理投入产出效率最高的能源种类。

34 X0（t）与X1（t）、X2（t）的灰色关联分析

以人均能源足迹X0（t）作为参考数列，以能源消费弹性系数X1（t）和环保投资弹性系数X2（t）组成比较数列，通过灰色关联系数，可以反映生态系统和人类行为系统内各要素间变化的趋势，从而找到影响生态系统发展的主要因素（见表3）。

根据表3，人均能源足迹与能源消耗弹性系数的关联度均大于其与环保投资弹性系数的关联度，这说明，与生态系统的变化趋势更为一致的行为系统因素是能源消耗。能源消耗比环境保护对生态阈值和承载能力的影响更为显著，是影响生态系统可持续发展的主要因素。

目前，中国的环保投资主要用于环境污染治理，属于典型的“终端治理”模式和“事后控制”策略，由于环保投资作用于生态系统的路径长、层次多、时间滞后和传导损耗等原因，虽然会对生态环境的改善产生积极的作用，但直接影响有限。

4 结论与讨论

通过选取“环境保护”代表人类对生态系统产生积极影响的正行为，“能源消耗”代表人类对生态系统施加干预的负行为，人均能源足迹代表生态系统的阈值变化，研究生态系统和人类行为系统的相互作用关系和影响程度，可以得出以下结论：

（1）生态阈值和人类行为之间的相互影响关系是确实存在的。生态系统的承载能力受到人类各种行为的影响。虽然生态承载力在一定时间内处于相对稳态，但通过灰色关联度的分析表明，无论是人类对生态系统的污染、破坏和消耗，还是对于环境的保护、治理和恢复，都会引起生态系统承载力的动态变化。

（2）人类生产生活中的资源消耗对生态系统的作用是直接而显著的，生态系统可持续发展能力的提高，受到人类积极行为（环境保护）增加的影响较弱，直接减少人类的消极行为（能源消耗）是约束人类行为有效率的方式。保护环境和恢复生态健康有效的方式是从根本上减少资源的消耗数量和消费速度，从这个意义上，“节能”的效果大于“减排”。

（3）进入21世纪以来，上海市的能源消费总体呈现加速趋势，环境保护资金投入的实际增长却放缓，而人均能源消费足迹有所增加。城市发展过程中，特别是在产业结构升级期间，经济快速增长需要新的动力源，可能导致对环境保护的持续投资减少，对能源消耗依赖性增强的粗放式发展模式很可能卷土重来，削弱甚至威胁生态系统可持续能力。

（4）上海市人均能源足迹的各种能源种类中，电力足迹与能源消费弹性系数和环保投资弹性系数的变化趋势最相似，关联度最高，相互影响最显著。电力既是上海市能源消费增长的最主要因素，也是环境保护的资金投入产出效率最高的能源。目前，上海市人均能源足迹构成中电力足迹所占的比重最小，增加电力消耗以代替原煤等初级能源是上海市能源结构调整和环境保护的方向。

（5）人类行为对生态环境的影响复杂而深远，正、负行为的内容、判断标准及其影响范围难以简单界定。有些负行为的影响是显性的，可以即时发现并约束；更多的影响则是隐性的，需要经过较长的时间，经过复杂的路径作用到生态系统中。而环境保护的资金投入、技术创新和政策导向等积极行为对生态系统的影响效率，也缺乏有效的评估机制。同时，国家和各级政府的环保支出便于统计，而公共组织、企业和个人的行为对生态系统的影响缺乏基础数据收集和统计调查，使得一些环保公共政策的实施效果缺少科学的预测。构建完善的国家、地区、部门和企业环境投入产出核算体系，为约束人类行为、制定生态管理公共政策提供科学的、量化的方法和依据。

参考文献（References）

[1]刘惠敏，韩传峰 区域生态可持续评价[J] 自然灾害学报，2006， 15（4）：112-116 [Liu Huimin， Han Chuanfeng Evaluation of Regional Ecological Sustainability[J] Journal of Natural Disasters， 2006， 15（4）：112-116]

[2]Wackernagel M，Rees W E Perceptual and Structural Barriers to Investing in Natural Capital： Economics from an Ecological Footprint Perspective[J] Ecological Economics， 1997，20：3-24

[3]蒋依依，王仰麟，等 城市生态可持续发展量度方法探讨：以深圳市为例[J] 北京大学学报：自然科学版，2005， 41 （4）： 612-621 [Jiang Yiyi， Wang Yanglin， et al Measuring Urban Ecological Sustainability：A Case Study in Shenzhen City[J] Acta Scicentiarum Naturalum Universitis Pekinesis 2005， 41 （4）： 612-621]

[4]韩传峰，刘惠敏，陈建业山东半岛城市群生态系统安全评价[J]自然灾害学报， 2005， 14（5）： 49-54 [Han Chuanfeng， Liu Huimin， Chen Jianye Security Evaluation on Ecological System of City Group in Shandong Peninsula[J] Journal of Natural Disasters， 2005， 14（5）： 49-54]

[5]Petrosillo I， Zaccarelli N The Effectiveness of Different Conservation Policies on the Security of Natural Capital Landscape and Urban Planning[J] 2009， 89 （1-2）： 49-56

[6]Huang G H， Qin X S An Optimisationbased Environmental Decision Support System for Sustainable Development in a Rural Area in China[J] Civil Engineering and Environmental Systems， 2009， 26（1）： 65-83

[7]叶笃正，吕建华 对未来全球变化影响的适应和可持续发展[J] 中国科学院院刊，2000，（3）：183-187 [Ye Duzheng， Lv Jianhua Adaptation to the Future Global Change Effects and Sustainable Development[J] Bulletin of the Chinese Academy of Sciences， 2000，（3）：183-187]

[8]叶笃正，符淙斌，季劲钧，等 有序人类活动与生存环境[J] 地球科学进展，2001，16 （4）：453-460 [Ye Duzheng， Fu Congbin， Ji Jinjun， et al Orderly Human Activities and Subsistence Environment[J] Advance in Earth Sciences， 2001，16 （4）：453-460]

[9]IPPC. Climate Change [M] Cambridge： Cambridge University Press， 2007

[10]Shobhakar Dhakal. Urban Energy Use and Carbon Emissions from Cities in China and Policy Implications[J] Energy Policy，2009，（37）：4208-4219

[11]陈诗一 能源消耗、二氧化碳排放与中国工业的可持续发展[J]经济研究，2009，（4）： 41-55 [Chen Shiyi Energy Consumption， CO2 Emission and Sustainable Development in Chinese Industry[J] Economic Research Journal， 2009，（4）： 41-55]

[12]龚健健，沈可挺中国高耗能产业及其环境污染的区域分布：基于省际动态面板数据的分析[J]数量经济技术经济研究， 2011，（2）：20-36 [Gong Jianjian， Shen Keting Regional Distribution and Environment Pollution of Energyintensive Industries in China [J] Journal of Quantitative & Technical Economics， 2011，（2）：20-36]

[13]Jumbec C Cointegration and Causality between Electricity Consumption and GDP： Empirical Evidence from Malawi[J] Energy Economics，2004，（26）：61-68

[14]Masih A M M， Masih R Energy Consumption， Real Income and Temporal Causality： Results from a Multicountry Study based on Cointegration and Errorcorrection Modeling Techniques[J] Energy Economics， 1996， （18）：165-183

[15]逯元堂，王金南，吴舜泽，等 中国环保投资统计指标与方法分析[J] 中国人口·资源与环境， 2010， 20（5）：96-99 [Lu Yuantang， Wang Jinnan， Wu Shunze， et al An Analysis on Statistical Indicators and Methodology of Environmental Investments in China[J] China Population，Resources and Environment， 2010， 20（5）：96-99]

[16]Wackernagel M， Monfreda C， Schulz N B， et al Calculating National and Global Ecological Footprint Time Series： Resolving Concep Tual Challenges[J] Land Use Policy， 2004， 21 （3） ： 271-278

[17]Sanderson E， Jaiteh M， Levy M， et al The Human Footprint and the Last of the Wild[J] BioScience， 2002， 52 （10）： 891-904

[18]Liu M， Hu Y M， Li Y H， et al Ecological Footprint Model and Its Research Advances[J] Chinese Journal of Ecology， 2006， 25 （3）： 334-339

[19]WWF. Zoological Society of London. Global Footprint Network[EB/OL] Living Planet Report 2006 http： / /www panda org/ news_facts/ publications / living _planet_report / indexCfm

[20]Xu Z M， Cheng G D， Zhang Z Q A Resolution to the Conception of Ecological Footprint[J] Chinese Journal of Population， Resources and Environment， 2006， 16 （6）： 69-78

[21]Haberl H， Erb K H， Krausmann F How to Calculate and Interpret Ecological Footprints for Long Periods of Time： The Case of Austria 1926-1995[J]Ecological Economics， 2001， 38 （1）： 25-45

[22]Steglehner G Ecological Footprint： A Tool for Assessing Sustainable Energy Supplies[J] Journal of Cleaner Production， 2003， （11）： 267-277

[23]Wackernagel M， Moran D， White S， et al Ecological Footprint Accounts for Advancing Sustainability： Measuring Human Demands on Nature[A]. Lawn Peds Sustainable Development Indicators in Ecological Economics[C] USA： Edward Elgar Publishing， Inc， 2006： 247-267

[24]Deng Julong Introduction to Grey Mathematical Resorece Science [M]Wuhan： Huazhong University of Science & Technology Press， 2010

[25]罗党，刘思峰 灰色关联决策方法研究[J]中国管理科学， 2005，（1）：101-106 [Luo Dang， Liu Sifeng Study on the Method for Grey Incidence DecisionMaking[J] Chinese Journal of Management Science 2005，（1）：101-106]

[26]李岚红.论我国基于能源消费的产业结构调整[J].山东师范大学学报：人文社会科学版，2010，（2）：135-139.[Li Lanhong. The Theory of Adjustment of Chinas Industrial Structure in Aspect of Energy Consumption[J]. Journal of Shandong Normal University： Humanities and Social Sciences， 2010，（2）：135-139.]

[27]包玉香.高效生态经济与低碳能力建设的耦合作用机制研究[J].山东师范大学学报：人文社会科学版，2012，（2）：86-93.[Bao Yuxiang. Study on the Coupling Mechanism between High Efficient Ecological Economy and Capacity Building of Low Carbon Economy [J]. Journal of Shandong Normal University： Humanities and Social Sciences Edition， 2012， （2）：86-93.]

[28]严立冬，陈光炬.生态资本构成要素解析：基于生态经济学文献的综述[J]中南财经政法大学学报，2010，（5）：3-9.[Yan Lidong， Chen Guangju. Analysis the Elements of Ecological Capitalization：Based on the Literature Review of Ecological Economics[J]. Journal of Zhongnan University of Economics and Law， 2010，（5）：3-9.]

Grey System Analysis of Energy Consumption， Environmental Protection and Ecological Footprint

LIU Huimin

（School of Economics and Management，Tongji University，Shanghai 200092，China）

Abstract

能源消耗分析范文第11篇

关键词：能源消耗；宏观经济；经济增长；模型分析；时间序列；ARMA模型 文献标识码：A

中图分类号：F407 文章编号：1009-2374（2016）11-0001-02 DOI：10.13535/ki.11-4406/n.2016.11.001

1 概述

能源作为国民经济和社会发展的重要战略物资，是人类赖以生存必不可少的。目前我国能源工业以煤炭为主，形成了多能互补的能源生产体系。中国经济正在向形态更高级、分工更复杂、结构更合理的阶段演化，经济发展进入新常态，正从高速增长转向中高速增长，经济发展方式正从规模速度型粗放增长转向质量效率型集约增长，经济结构正从增量扩能为主转向调整存量、做优增量并存的深度调整，经济发展动力正从传统增长点转向新的增长点。认识新常态、适应新常态、引领新常态，是当前和今后一个时期我国经济发展的大逻辑。文章从时间序列角度考察我国经济增长和能源消费的因果关系，为我国经济发展提供了一些可行性的建议。

2 时间序列分析

选取1990～2014年中国国内生产总值以及能源消耗的数据，画出它们的时间序列走势图。

观察发现GDP与能源消耗随着时间的推移在不断上升，序列没有明显的周期性，为非平稳时间序列。通常可以采取差分的办法，把它们的线性趋势和抛物线趋势去掉。

数据分析：在运用时间序列分析时，要保证序列平稳。如果一个时间序列的概率分布函数不随时间变化而变化，并且期望值、方差与自协方差均为常数，则该时间序列平稳。对于不平稳的时间序列，可以对序列通过差分或对数变换等进行处理，其中ADF检验是最常用的一种检验方法。

设GDP为y，能源消耗为x，检验时间序列的平稳性。研究选取中国1990～2014年能源消费量和国内生产总值（GDP）、能源消费等数据资料，利用Eviews软件来进行协整和因果检验。其中国内生产总值为消除相应物价水平影响后的不变价数值。

根据表1，国内生产总值、能源消费时间序列的t统计量分别为-2.377347、-2.481506，均大于1%、5%和10%不同水平下的临界值，根据检验中的P值，认定接受原假设，变量存在单位根，时间序列不平稳，需要进一步分析检验。经过一阶差分后的国内生产总值，能源消费时间序列依然不平稳，经过二阶差分后的能源消耗以及国民生产总值的时间序列的t统计量均小于1%、5%、10%水平下的临界值，故此时时间序列平稳。

经过二阶差分后时间序列Y平稳，从自相关函数图和偏自相关函数图中可以看到，偏自相关系数在一阶后截尾，自相关系数在4阶后拖尾，因此可设定为ARMA过程。故p=1、q=4，初步建立了ARMA（1，4）模型。

可以看到，解释变量的系数估计值在15%的显著性水平下都是显著的。

对残差进行检验，得到P值是0.0024，所以拒绝原假设，残差较平稳，可以认为模型较好地拟合了数据。

2015年我国GDP预期增长目标为7%。即便是7%的GDP增速，在世界主要经济体中也是名列前茅的。数据显示，2011～2014年期间，GDP年均增长8.0%，增长速度放缓。分年度看，2011年比上年增长9.5%，2012年、2013年均增长7.7%，2014年增长7.3%，2015年上半年增长7.0%。对GDP的产出规模进行预测，从图中可以看到，“Static”方法得到的预测值较平稳，表明模型的预测结果较理想。

3 能源与经济发展协调性分析

3.1 数据分析

对国民生产总值和能源消耗先去对数，做协整检验，通过最小二乘法（OLS）构造一元回归模型为：

再检验lx和ly的非均衡误差序列ε的单整性。

从表5可以看出，非均衡误差序列在1%、5%和10%水平下，拒绝了原假设，是平稳序列。因此，非均衡误差序列检验结果认为，经过取对数后的自变量x和因变量y的ADF均拒绝了原假设，均具有协整关系。

通过P值，原假设y不是x的原因被接受，x不是y的原因被，即国民生产总值和能源消耗Granger存在单向因果关系。也就是说，在滞后期为1、2、3、4时，中国GDP与能源消费总量之间具有单向显著的Granger因果关系。在我国的经济发展过程中，如果GDP增加了，相应的能源消费需求也有所增加，这样就直接或者间接优化能源产业结构的配置，但是能源消费增加GDP不一定增加。

4 结语

第一，从GDP增速来讲，为了适应新常态，更加注重经济发展的质量，我国GDP增速主动换挡，由高速转为中高速；从单位GDP能耗来讲，单位产出能耗水平大幅下降，节能降耗成效显著；从GDP总量来讲，我国经济总量稳居世界第二位，对世界经济复苏做出了重要贡献；从人均GDP来讲，我国人均GDP总量稳步增长，在全球的排名也不断提高。

第二，在“十二五”时期，2011年、2012年、2013年、2014年实际依次降低2.01%、3.6%、3.7%、4.8%。也就是说，2015年只要降低3%，就可以完成“十二五”降低16%的预期目标。单位GDP能耗之所以下降这么多，得益于中国经济结构调整初见成效，更加注重增长质量和效益。“十二五”期间，我国积极发展绿色低碳产业，能源消费结构发生深刻变化。

第三，在全球气候变暖、能源不足、环境恶化的条件下，如何提高能源利用率，确保能源的可持续性，优化资源的配置，是我国实现现代化的重要手段之一，能源消费结构深刻地反映着一个国家的产业结构状况，产业结构的优化程度又反过来决定能源消费总量和利用水平。近年来我国能源消费变动的特点，显示我国经济结构调整、转型升级的步伐加快，揭示我国经济正从高速增长转向中高速增长，经济发展方式正从规模速度型粗放增长转向质量效率型集约增长，经济发展动力正从传统增长点转向新的增长点的新常态特征。

参考文献

[1] 赵进文，范继涛.经济增长与能源消费内在依从关系

的实证研究[J].经济研究，2007，（8）.

[2] 韩城.实证分析新能源发展的主要影响因素：基于

协整分析与格兰杰因果检验[J].资源与产业，2011，

13（1）.

[3] 国家统计局.中国统计年鉴2015[M].北京：中国统

计出版社，2015.

[4] 高铁梅.计量经济分析方法与建模：Eviews应用及实

例[M].北京：清华大学出版社，2006.

[5] 樊元，刘亚丽，陈晶.甘肃能源消费与经济增长动态

能源消耗分析范文第12篇

关键词 煤炭能源；优化模型；能源紧缺

中图分类号：TU443 文献标识码：A 文章编号：1671-7597（2014）09-0161-01

当今世界的发展，能源是GDP增加直接关联的，能源的多少与经济的增长有着直接的相关性，煤炭更是必不可少的。中国是世界上最大的煤炭生产国和煤炭消费国。中国能源的自然特点是“富煤贫油少气”。过去50年，煤炭在中国一次性能源消费总量中占70%以上，煤炭作为中国的主体能源，以后相当长时间内也不会发生根本性变化。因此节约能源，使得单位GDP的增加能够减少能源的消耗[1]，进而能够减少环境的危害。因此在煤炭行业，确定影响洗煤厂洗出精煤数量的因素，并建立各洗煤厂的精煤产量模型显得很重要[2]。

1 过失误差的检验

由于数据的波动范围较大，故此我们先对已给回收率和洗损率数据进行过失误差的检验。

计算包括可疑数据在内的平均值和及其标准偏差：

；

；

其中为第次入洗原煤的回收率；为回收率算术平均值；为回收率的标准偏差；为已给回收率数据与其算术平均值的偏差；为第次入洗原煤的洗损率；为洗损率算术平均值；为洗损率的标准偏差；为已给回收率数据与其算术平均值的偏差。

2 多元线性回归在煤炭能源中的应用

煤炭作为能源物质，在每个地区的消耗不同。经济发达的地区，消耗的比较的多，因为需要大量的能源才能带动经济的发展，才能够带来GDOP的稳定增长。但是在经济欠发达的地区，工业发展的相对缓慢，因此需要的能源也相对较少。

煤炭的消耗往往和很多因素有关，因此要能够很好的推算出煤炭的消耗情况，必须要能够建立起他们之间的相关性，可以利用多元回归分析，建立起它们之间的关系，得到煤炭的消耗情况。

确定洗出精煤产量与各影响因素之间存在着一定的线性关系，但是对具体数据分析，我们不能直观的看出它们之间的具体关系，为了解决此问题，我们用统计学中一般而又实用的回归分析法去寻找它们之间的关系[3]。

本题中影响因变量精煤产量的自变量为三个，分别设为，因为无法根据图形的帮助来确定模型，所以我们通过一种简单但又普遍的模型――多元线性回归模型来求解。

1）确定精煤产量与之间的定量关系表达式

如下：

式中，和是未知参数。

设是的次独立观测值，则多元线性模型可表示为：

为便于观察我们常写成矩阵的形式：

，，，

则多元线性模型可表示为：，式中。

2）回归系数的估计。

先求出参数的估计量，就是求最小二乘函数：

达到最小的的值。可以证明的最小二乘估计：

从而可得经验回归方程为：

3 结论

我们研究的是煤炭的生产与供给问题，在问题中我们运用了一系列的数学思想，回归分析法是应用极其广泛的数据分析方法之一，它提供了一套描述和分析变量之间相关关系，成功的将许多变量近似具有线性相关的关系，它简单，理论完整，是作为数据分析的首要模型，与此同时我们在建立线性规划模型的基础上，建立目标规划模型，它使我们的模型更加贴近于实际，从而减小了我们的误差。多元回归分析更是能够很好的建立起多个因素与煤炭之间的相关性问题，能够很好的对问题进行解决。

我国是一个能源相对稀缺的国家，同时能源也与人们的生活与生产密切相关，所以对能源的生产与供给的优化管理，对于人类来说有着十分重要的意义。首先对数据进行了过失误差检验并从中剔除异常数据，这样可以有效的降低计算过程中的误差。而后通过多元线性回归表示出回收率和洗损率与其四个影响因素之间的关系[4]，再按照主次因素排序，以主元素再一次进行回归，最终用原煤的灰分含量和入洗原煤数量表示出洗出精煤的产量模型。由此可见该问题中所建立的模型是合理的，由于用这种方法解决问题能够充分地反映客观实际问题，条件的抽象的也比较合理，所以这种方法也是科学的。

基金项目

徐州工程学院校青年项目（XKY2010201）

参考文献

[1]陆克芬，方崇，张春乐.基于人工鱼群算法的投影寻踪评价方法研究[J].安徽农业科学，2009，37（23）：11321-11323.

[2]李祚泳.投影寻踪的理论及应用进展[J].大自然探索，1998，17（1）：47-50.

[3]李建明，谌黔鸣.n维空间中可连续变化的标准正交基的构造与投影追踪[J].贵州工学院学报，1996，25（6）：24-28.

[4]颜家保，王巧凤，魏鑫，等.Elizabethkingia sp.DBP-WUST对邻苯二甲酸二丁酯的降解特性研究[J].徐州工程学院学报（自然科学版），2012，27（3）：16-21.

作者简介

林刚（1992-），男，主要从事环境修复、能源处理研究

能源消耗分析范文第13篇

关键词 脱钩分析；Tapio脱钩模型；低碳城市

中图分类号 F403 文献标识码 A 文章编号 1002-2104(2011)01-0070-08 doi:10.3969/j.issn.1002-2104.2011.01.013

自工业革命以来，城市作为经济发展主要推动力的作用日趋明显，城市人口不断增多，规模日益扩大。据统计，1800年左右，世界城市人口只占人口总数的3％，而今，全球接近半数以上的人口居住在城市。据联合国估计，到2030年，世界60％以上的人口将生活在城市，其中发展中国家的城市人口将从2000年的19亿增加到39亿。中国城市化进程起步相对较晚。从1950至1980年，中国的城市化相当缓慢，城市人口仅由112%上升到194%［1］，而同期全世界城市人口的比重由284%上升到413%，其中发展中国家由162%上升到305%。改革开放后的30年，是中国城市发展的活跃期，截止到2007年，中国的城市化率已达到437%。城市化的快速推进既给我们带来了机遇，同时也使我们面临着挑战。以我国城市化发展为例，“十五”期间，中国城市化率由36%上升到为43%，增长了7%；工业增加值占GDP的比重由436%上升为461%，增长了25%；而能源消费量则增长了70%。研究表明，全球化背景下的城市发展正面临着贫困、住房短缺、交通拥堵、资源匮乏、环境退化等一系列问题［2］，特别是由温室气体排放量增加所导致的气候变化。城市在未来的区域和国家的经济社会发展中将扮演重要角色，也就是说，城市也许是解决世界上某些最复杂、最紧迫问题（如资源、环境等）的关键［3］。因此，在应对气候变化、转变发展方式的过程中，低碳城市的建设有可能发挥重要作用。

1 脱钩模型

脱钩指标及其模型的发展，奠基性的工作是由经济合作与发展组织（OECD）在其2002年出版的《衡量经济增长与环境压力脱钩的指标》中完成，报告设计了基于驱动力-压力-状态-影响-反应（DPSIR）框架的脱钩指标［4］。2005年，学者Tapio将脱钩模型加以完善和细化［5］，并对芬兰的城市交通做了实证研究。

OECD的脱钩模型是从农业项目中提炼出来的，因此，我国学者多在农业，特别是耕地领域应用了这一模型，如：陈百明等人的耕地占用与GDP的Decoupling研究［6-7］；曹银贵等人针对典型区耕地变化与GDP值变化的脱钩研究［8］。

① 其中，鄂尔多斯市是在2001年由伊克昭盟撤盟建市而来，之前的数据未在年鉴中统计。浙江台州市于1994年撤区建市，合并区市较为复杂，之前的城市数据无法统计。故在本文连续时间段的研究中，排除这两个城市。实际研究的经济百强城市是98个。[HT9.5SS][FL(K2]随着各国发展过程中对经济和环境之间关系的关注，脱钩模型逐步成为有效的定量分析手段，如邓华等人研究了“脱钩”评价模式及其对循环经济的影响［9］；赵一平等人基于相对“脱钩”与“复钩”理论的实证研究，分析了中国经济发展与能源消费的响应关系［10］；李效顺等人进行了城乡建设用地变化的脱钩研究［11］；汝醒君等人则对12个发达国家和3个发展中国家的经济增长与碳排放进行了脱钩研究［12］。

上述研究多从国家的整体和宏观角度对经济发展与相应的研究领域做以分析，然而我国城市类型众多，发展道路也各不相同，未来低碳道路的设计也应具有其个性化特征。因此，本文是针对不同时期、不同地域、不同类型对我国代表性的100强城市进行脱钩分析。具体参照Tapio脱钩模型，研究100强城市的GDP增长与能耗（Energy Consumption，简称EC）之间的关系，其测度用脱钩弹性来表示。定义m为脱钩弹性：

m=%ΔEC%ΔGDP（1）

基于GDP、EC以及m的不同，脱钩状态可以分为8类（图1）。不同于已往研究中所定义的6类。在大多数研究中，学者们以m=1来界定是脱钩（decoupling）还是负脱钩（negative decoupling），Tapio认为这种界定方式容易过分高估一些较弱的变化。于是他取一个介于原界定值±20%的范围，即08≤m≤12，定义此时的状态为连接（coupling）。这样，根据GDP和EC的正负，又可分为扩张连接（Expansive coupling）和衰退连接（Recessive coupling）。

图1 Tapio脱钩弹性模型

Fig1 Tapio decoupling model对于脱钩，又可以继续分为三类：当GDP和能耗均发生增长，并且0≤m＜08，此时为弱脱钩（Weak decoupling）；当GDP增长而能耗减少，为强脱钩（Strong decoupling）；当GDP和能耗均减少，且m＞12时，为衰退脱钩（Recessive decoupling）。

对于负脱钩，也可对应分为三类：当GDP和能耗均减少，并且0≤m＜08，此时为弱负脱钩（Weak negative decoupling）；当GDP减少，而能耗增多时，为强负脱钩（Strong negative decoupling）；当GDP和能耗均增加，且m＞12时，为扩张负脱钩（Expansive negative decoupling）。

刘怡君等：中国城市经济发展与能源消耗的脱钩分析中国人口•资源与环境 2011年 第1期2 中国城市的经济发展与能源消耗的脱钩

21 数据准备

本文选择2006年GDP排名100强的城市作为此次脱钩分析的研究对象（表1）①。采用Tapio脱钩弹性模型分析其在1990-1994、1994-1998、1998-2002和2002-2006这四个连续时段的脱钩弹性特征。数据来源为《中国城市统计年鉴1991》、《中国城市统计年鉴1995》、《中国城市统计年鉴1999》、《中国城市统计年鉴2003》和《中国城市统计年鉴2007》。

22 脱钩计算结果的整体特征分析

利用Tapio脱钩弹性模型所得的结果见表2。对于本文所有研究的城市而言，GDP的增长率在1994-1998年发生急剧下降，1998-2002年继续微弱下降，2002-2006年开始上升；能耗在1994-1998也发生了下降，但在1998-2002年增长率上升，2002-2006年继续上升（图2）。这两个曲线大致反映出，受1997年亚洲金融危机的影响，GDP的增长率发生急剧下降，金融危机影响甚大，直至1998-2002年其余波仍未消退；能耗随着危机的影响，其增长率发生了一定幅度的下降，但到1998-2002年，国家开展一系列刺激经济的举措，大批高能耗产业也随之上马，能耗先于GDP其增长率开始增加。2002-2006年两者的增加率都呈上升趋势。在所有研究时期内，能耗的增加率均落后于GDP的增加率，两者之间的差距在1990-1994期间最大，在1998-2002年期间最小。全部城市总能耗的总GDP脱钩状态为弱脱钩，其值介于03-07之间，且一直呈上升增长趋势，且除从1994-1998到1998-2002增长较快，其余时期内增长曲线较为平缓。

23 脱钩计算结果的时空耦合分析

231 时间分析

（1）1990-1994年：共有80个弱脱钩城市，占所有城市数目的816%。扩张复钩有6个，在四个研究时期内，数目最少；强脱钩城市有7个，相对而言，这一时期全体城市能耗增长和GDP增长的脱钩性最好。

年份 Year

图2 所有城市的GDP、能耗增加率及脱钩值

Fig.2 The elasticity values, increasing rate of GDP and

energy consumption for all cities

（2）1994-1998年：弱脱钩的城市有73个，占所有城市数目的745%。扩张负脱钩城市有10个，扩张连接有7个，均较前期有所增加，强脱钩的城市数目保持不变。这一时期，全体城市能耗的增长和GDP的增长仍具有脱钩性，但开始呈现恶化的趋势。

（3）1998-2002年：城市能耗增长与GDP增长的脱钩性开始急剧恶化。弱脱钩的城市数目仍最多，不过较前期明显减少，为52个，占所有城市数目的531%。相反，扩张复钩和扩张连接的城市均大量增加。其中，扩张复钩的城市为21个，占214%，较前期提升了112%。扩张连接的城市有18个，占184%。全体城市能耗和GDP的脱钩性在所有研究时期内最差。

（4）2002-2006年：城市能源消耗增长与GDP增长相关联的趋势有所缓解，弱脱钩城市仍为最多，占所有城市数目的694%；扩张复钩城市有所减少，为11个，仅占城市数目的112%；扩张性连接城市有17个，较前期也有所减少。虽然扩张负脱钩和扩张连接的城市减少了，强脱钩城市也减少了，仅有2个，为所有研究时期内最少。

具体各个时期内各种脱钩状态的城市数目下表（表3）所示。

232 空间分析

（1）东部城市：总能耗的增加率均落后于GDP的增加率，两者之间的差距和全国总体一致。但东部城市总能耗的GDP脱钩系数在1994-1998年较1990-1994年发生了降低。这与金融危机的冲击及东部外向型城市较多有关。随后m值也一直增加。四个时期内，m值最小为029，最大为070，和全国城市的m值范围较为一致。从m值的变化趋势来看，除在1994-1998年期间发生降低外，1998-2002年以及2002-2006年均较前一时期发生了增长。

（2）中部城市：1990-1994年期间，能耗的增加率是所有区域中最小，仅为61%，最大值为455%。能耗增加率也同样一直低于GDP的增加率。相应的，中部城市脱钩值在1990-1994年期间为所有区域类型城市的最小，仅为003，最大值为2002-2006年期间的053，均处于弱脱钩，且m值低于所有城市总体的脱钩值。从变化趋势来看，中部城市的脱钩值一直趋于上升，但2002-2006年较1998-2002时期内的增长较为微弱，能耗的增加率与GDP增加率之比中能耗增加率加快的趋势有所缓和。

（3）西部城市：能耗的增加率一直低于GDP的增加率，但1998-2002年期间，能耗的增加率和GDP的增加率非常接近，差距为01。这也直接导致了该时期内西部城市的脱钩值激增，且为所有时期内最大，为082。此时，西部城市总体为扩张连接时期。1999年左右，国家开始正式提出西部大开发政策。这一时期的变化可能与这一政策的提出有关。西部城市的m值在前三个时期内一致趋于增加，在1998-2002年内为最大值，随后，在2002-2006期间开始有所降低。

（4）东北地区城市：东北老工业基地的变化和前面所研究区域相比，差异较大。能耗的增加率虽然也均小于GDP的增加率，但1998-2002年期间，在其余地区城市能耗增加率和GDP增加率差距最小的情况下，东北城市这一差距开始拉开较大，且此时期的m值为最小（017）。这可能与这一时期东北城市开始转型，大量国企破产，既而导致能耗增长率及能耗占GDP的增长率均降低。不过，在2002-2006期间能耗增加率和m值均发生了升高，最小值为017，最大值为053，处于弱脱钩，且值较小。东北部城市的m值变化趋势为先增加，后降低，再增加的波浪型。

图3 各个地区城市的GDP、能耗增加率及脱钩值

Fig.3 The elasticity values, increasing rate of GDP and energy consumption for different regions

233 时空耦合分析

（1）1990-1994年，扩张负脱钩的城市主要为东部城市，在所有6个扩张负脱钩的城市中东部占据了5个。扩张连接的城市共有5个，东部也占据了其中的3个。在以上两种状态中，东部城市的数量最多，且主要集中在东南沿海――改革开放的前沿地带。强脱钩的城市共有7个，主要是中西部城市，其中，中部有4个，西部2个。从城市脱钩状态空间分布情况来看，中部地区能耗和GDP增长的脱钩状况相对较差，中西部，尤其是中部地区较好。这与图3所反映的各区域总体m值情况较为一致。东部总体的脱钩值m最高，为047，中部最小，为003，远低于东部，西部016，东北02，均在东部m值的一半以下（图4）。这些与该时期经济社会发展情形一致。东部尤其是东南沿海的城市在优先发展的政策东风下，经济增长迅猛，对能源的需求高；中西部地区经济发展动力不足，能源需求有限。客观经济发展的现实导致了东部与其余地区的脱钩状态差异。

（2）1994-1998年，在扩张负脱钩的城市中，东部有7个，中部有2个，东北1个；在扩张连接的城市中，东部有4个，中部2个，西部1个。这两种情况中，东部城市的数目仍为最多，不过，城市发展的重心开始向北偏移，而非原来的东南沿海地带。另外，虽然东部这两种情况较前期有所增多（共增加了3个），但强脱钩的情况也开始增多，从原来的1个增加到4个，同时，还有1个衰退脱钩的城市出现。从总体东部城市m值来看，此时期东部是唯一降低的区域，从047降低到029。1997年，亚洲金融危机爆发，东部作为我国当时经济外向型最大的地区，不可避免地受到冲击。此时，对于中部和东北地区，尤其是在扩张负脱钩的情况下，相对于东部，反而体现出一定的恶化趋势。这两地区从原来没有扩张负脱钩的情况下，分别增加了2个和1个，其中中部的安阳和洛阳的脱钩值为3左右，远大于12，东北的鞍山为123，也大于12。这与图3中所反映的这两地区的总体m值相一致，中部和东北的m值分别为042和038，高于1990-1994年期间的003和016（图5）。90年代后期，随着改革开放的进一步深入，其余地区看到东部尤其是东南沿海地区的经济飞速发展，再加上此时国家政策有所放宽，这些地区也都奋起直追，大力发展自身经济。而且，这些地区经济外向度不高，受金融危机的冲击较小。于是，这些地区的很多城市同样开始走起了高增长高能耗的路子，使得其脱钩值普遍增大。

（3）1998-2002年，这一时期从全国各个城市脱钩状态来看，扩张负脱钩和扩张连接均发生了大量的增加。相应的，在空间分布上，东部地区的扩张负脱钩有14个，是1994-1998年的两倍；扩张连接有13个，比上段时期翻了两番还多，另外，东部城市出现了1个强负脱钩的城市。中部城市扩张负脱钩有4个，增加了2个，扩张连接增加了1个。西部城市扩张负脱钩和扩张连接分别为3个和2个，两者占西部所有研究城市的417%。这一时期，在扩张负脱钩及扩张连接的状态下，东中西部城市均发生了大幅度增加。这与以上区域的总体m值相对应，东中西部m值分别为059、052和083，均分别较前期的029、042和038有不同程度的增加（图6）。西部增幅最大，东部其次，中部较小。可以看到，西部增幅如此之大，可能还受到1999年开始提出的西部大开发的政策影响。与前面各区域扩张负脱钩、扩张连接以及m值增加的趋势相对的是，东北地区扩张连接城市没有增加，扩张负脱钩及总体m值均发生了减少。这段时期，东北老工业基地正处于转型期，国有资产改革，企业发展较弱，一定程度上抑制了经济发展对能耗的需求。

（4）2002-2006年，这一时期，东部城市扩张负脱钩为7个，回到了1994-1998年的数目；扩张连接为13个，增减不变；中部城市扩张负脱钩3个，减少了1个；扩张连接为3个，没有发生变化。中东部城市此两种状态较前期发生了减少，但程度不大。相反，西部城市仅一个扩张负脱钩，没有扩张连接城市，虽然数目降低较小，但程度相当大。这两者占西部所有研究城市的比重从417%降低到83%。相应的，西部整体城市的m值是此段时期唯一降低的地区，从827%降低到710%。西部的降低是因为西部大开发以加强环境保护及产业调整为重点起了作用。东北地区的城市增加了1个扩张连接的城市，而整体地区的m值从017升高到053，升高较大（图7）。这一时期，“东北老工业基地振兴战略”的政策效应开始显现。

3 城市发展脱钩过程与国家发展战略的关联分析（1）东部优先发展战略：1990-1994年，我国多数东

图6 1998-2002年脱钩值分布

Fig.6 The distribution of decoupling during 1998-2002

图7 2002-2006年脱钩值分布

Fig.7 The distribution of decoupling during 2002-2006

部城市体现扩张复钩和扩张连接，表明东部城市经济高速发展建立在高能耗基础上。改革开放后，国家提出了优先发展东部地区的政策，东部尤其是东南沿海城市面临着前所未有的发展优势，城市经济增长迅猛。根据库茨涅茨曲线所反映的规律，在经济发展水平较低的时候，经济的增长是以能源的大量消耗以及环境污染为代价的。在中国，也不例外。1990-1994年，很多东部城市经济的高速发展就是建立在城市高能耗的基础上；相对应，中西部地区由于多方因素制约，经济发展有限，能源需求也较少。因此，这一时期扩张复钩和扩张连接主要为东部城市，而强脱钩主要为中西部城市。

（2）西部大开发战略：1998-2002年，西部整体的脱钩状态急剧恶化，是其所有分析时期内唯一的扩张连接，西部经济增长模式，同样没有摆脱高能耗的老路。1999年6月，同志提出，加快中西部地区发展步伐的时机已经成熟。同年党的十五届四中全会和中央经济工作会议正式提出了实施西部大开发战略。西部建设至此拉开帷幕。实施西部大开发以来，国家通过规划指导、政策扶持、项目安排等加大了对西部地区的支持力度。西部大开发重点工程相继展开。西部大开发始终坚持“以线串点、以点带面”原则，一批省会及中心城市成为地区经济发展的火车头，对周边地区的辐射、带动作用进一步增强。自1999年以来，西部12省区市连续4年全社会固定资产投资增长率高于全国平均水平，也高于东部11省市。2000-2002年，西部12省区市全社会固定资产投资年均增长1680%，既高于全国1311%的平均水平，也高于东部11省市1247%和中部8省1593%的水平。在全社会固定资产投资中60%集中于电力和交通邮电部门。随着西部大开发的提出，1998-2002这一时期，西部整体的脱钩状态急剧恶化，m值为083，是所有时期内唯一的扩张连接，并且扩张负脱钩和扩张连接城市分别为3个和2个，为所有时期内最多。在西部大开发的带动下，西部经济谋求发展，而这种经济的增长，同样也没有摆脱高能耗的老路。

（3）东北振兴战略：1990-2002年，东北地区能源增加率持续降低，2002-2006年，能源增加率及脱钩弹性均发生了明显增加。东北老工业基地是新中国成立后按照工业化发展战略在国家“一五”、“二五”重点工程基础上发展起来的，曾为国家经济建设和国民经济体系的建立发挥了重要作用。改革开放后，由于受体制性因素和结构性矛盾的影响，东北地区的经济发展明显落后，与经济发达地区的差距逐渐地拉大，在国民经济中的地位明显下降。尤其在世纪之交，东北地区经济社会发展经历着困难时期，企业倒闭、职工下岗、国有资产面临改革、产业亟待转型。2003年9月10日，总理主持国务院常务会议，讨论并原则同意《关于实施东北地区等老工业基地振兴战略的若干意见》。至此，“振兴东北”正式上升为国家战略决策。实施振兴战略以来，东北三省经济步入快车道。1990到2002的三个时期内，东北能源增加率持续降低。1998-2002年，东北地区的能源增加率仅为114%，且m值是同时期内唯一降低的地区，仅为017，较前期降低了02。但到2002-2006年，能源增加率及m值均发生了明显增加，m值为053。

（4）中部崛起战略：1998-2002年、2002-2006年期间，脱钩值增长较为缓慢。2004年3月，总理在政府工作报告中，首次明确提出促进中部地区崛起，引起中部省份极大关注；同年12月，中央经济工作会议再次提到促进中部地区崛起。2005年3月，总理在政府工作报告中再次提出：抓紧研究制定促进中部地区崛起的规划和措施，充分发挥中部地区的区位优势和综合经济优势。2006年3月27日，中共中央政治局召开会议，研究促进中部地区崛起工作。2007年4月10日，发展与改革委员会设立国家促进中部地区崛起工作办公室，中部崛起进入了实质性的实施阶段。2009年9月23日，国务院总理主持召开国务院常务会议，讨论并原则通过《促进中部地区崛起规划》。可以看到中部崛起的实施时间不在本文研究时期之内。中部地区1998-2002年及2002-2006年期间的脱钩值一直增长较为缓慢。

通过上述将城市发展脱钩过程与国家发展战略的关联分析，可以看到1990-2006年间中国各区域城市的经济发展是在大量的能源消耗、碳排放等基础上完成的。为改变现有局面，我国“十一五”规划纲要提出了“十一五”期间减排10％，能耗下降20％左右的约束性指标。主席也多次在国内外重要讲话中提及我国要大力发展循环经济和低碳经济等内容。近期，国家发改委又了全国各地省长、市长的节能减排考核结果，节能指标彻底纳入了地方官员的政绩考核中。以上都说明，作为世界上最大的发展中国家、负责任的大国，正积极有效地应对全球气候变化问题，以及表达低碳生态城市建设的态度、决心和行动。

参考文献（References）

［1］许涤新. 当代中国的人口［M］ 北京: 中国社会科学出版社, 1988 ［Xu Dixin The Contemporary Culture in China［M］ Beijing: China Social Sciences Press, 1988］

［2］顾朝林. 城市与区域规划研究［M］ 北京: 商务印书馆, 2008 ［Gu Chaolin The Study of Urban and Regional Planning ［M］ Beijing: The Commercial Press, 2008］

［3］吴良镛, 吴唯佳 中国特色城市化道路的探索与建议［M］ 北京: 商务印书馆, 2008［Wu Liangyong, Wu Weijia Exploration and Suggestion to the Road of Urbanization with Chinese Characteristics［M］ Beijing: The Commercial Press, 2008］

［4］OECD Indicators to Measure Decoupling of Environmental Pressure from Economic Growth［R］ Paris: OECD, 2002

［5］Tapio P Towards a Theory of Decoupling: Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001［J］ Transport Policy, 2005, 12(2): 137-151

［6］陈百明, 杜宏亮 试论耕地占用与GDP增长的脱钩研究［J］ 资源科学, 2006, 28(5): 36-42 ［Chen Baiming, Du Hongliang Analyzing Decoupling Relationship between Arable Land Occupation and GDP Growth［J］ Resources Science, 2006, 28(5): 36-42］

［7］杜宏亮, 陈百明 基于脱钩分析方法的建设占用耕地合理性研究［J］ 农业工程学报, 2007, 23(4): 52-58 ［Du Hongliang, Chen Baiming Rationality of Farmland Occupation by Constructions Based on Decoupling Analysis Method［J］ Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(4): 52-58］

［8］曹银贵, 程烨, 袁春, 等 典型区耕地变化与GDP值变化的脱钩研究［J］ 资源开发与市场, 2007, 23(7): 586-589 ［Cao Yingui, Cheng Ye, Yuan Chun, et al Decoupling Research between Change of Cultivated Land Quantity and Change of GDP in Representative Areas［J］ Resource Development & Market, 2007, 23(7): 586-589］

［9］邓华, 段宁 “脱钩”评价模式及其对循环经济的影响［J］ 中国人口•资源与环境, 2004, 14(6): 44-47 ［Deng Hua, Duan Ning Evaluation Mode of Decoupling and Its Impact on Circular Economy［J］ China Population, Resources and Environment, 2004, 14(6): 44-47］

［10］赵一平, 孙启宏, 段宁 中国经济发展与能源消费响应关系研究――基于相对“脱钩”与“复钩”理论的实证研究［J］ 科研管理, 2006, 27(3): 128-134 ［Zhao Yiping, Sun Qihong, Duan Ning Responsive Relationship between Economic Development and Energy Consumption in China: A Practical Research Based on Comparative DeLink and ReLink Theory［J］ Science Research Management, 2006, 27(3): 128-134］

［11］李效顺, 曲福田, 郭忠兴, 等 城乡建设用地变化的脱钩研究［J］ 中国人口•资源与环境, 2008, 18(5): 179-184 ［Li Xiaoshun, Qu Futian, Guo Zhongxing, et al Decoupling between Urban and Rural Construction Land［J］ China Population, Resources and Environment, 2008, 18(5): 179-184］

［12］汝醒君, 苏利阳 基于15国经济增长与碳排放的脱钩研究［J］ 可持续发展研究, 2009, (1): 39-43 ［Ru Xingjun, Su Liyang The Study of Decoupling between Economic Growth and Carbon Emissions in 15 Countries［J］ Sustainable Development Research, 2009, (1): 39-43］

Decoupling Research Between Economic Development and

Energy Consumpution of China’s Cities

LIU Yijun1,2 WANG Li1,2,3 NIU Wenyuan1,2

（1 Institute of Policy and Management, Chinese Academy of Sciences, Beijing 100190, China; 2 Center for Interdisciplinary

Studies of Natural and Social Sciences,Chinese Academy of Science, Beijing, Beijing 100190, China;

3 Graduate University of Chinese Academy of Sciences, Beijing 100049, China）

能源消耗分析范文第14篇

关键词: 节能;减排;石化;技术;优化

伴随人们对全球能源状况、能源消耗和环境污染等问题的深入了解和认识,节能减排逐渐成为全球经济和社会发展共同关注的问题。当前，能源问题和环境问题已成为制约我国可持续发展的重大战略问题。石油化工是高耗能高污染排放产业,相关企业在降低能耗指标和实现国家节能减排任务方面起着至关重要的作用。因此, 尽快提高能源和资源的综合利用水平以及减少能源消耗、降低环境污染已经成为当前石化行业最迫切的任务。石化行业的节能减排离不开切实可行的措施和良好的技术支持[1]。

1 我国石油石化行业能源消耗面临的问题

1.1能源利用效率低

目前我国总能源利用效率约为33%，比发达国家低约 10百分点。而且我国石油利用效率与发达国家相比也明显偏低, 我国每千美元国内生产总值的石油消耗为 0.26t, 比日本高 2.3倍,比美国高1倍,比印度高 0.2倍。同时一些资源约束问题、结构不合理问题、生产技术落后问题、产业体制问题等问题也一直困扰这石油石化产业[2]。

1.2节能管理基础薄弱

突出表现在管理体系建设方面， 各单位均很大程度地存在着节能管理组织不健全、职能不到位、体系不顺、力量薄弱等问题，各级节能管理和技术机构的力量亟待加强。同时，在基础管理方面，计量、定额、监测、统计等还相对薄弱，节能源头管理尚未落到实处，考核奖惩机制还不够完善， 全员节能意识有待进一步提高。

1.3石油石化产业节能降耗责任重大

在我国，作为国民经济的支柱产业的石油石化产业，既是能源生产企业，也是能耗大户。在能耗方面，2009年全国石油和化学工业的能源消费量为47192.5×104t标准煤， 占全国工业能源消费量的1/5以上，也就是说，有20%的能源让能源企业自身用掉了；能源利用效率与国外先进水平差距达15％。如果石油和化学工业能源消耗能够降低1 个百分点，那么，就意味着省出了几百万吨的石油。可见，石油和化学工业企业提高能效、节约能源是何等的重要！

石油石化产业节能降耗责任重大，刻不容缓！石油化工是高耗能高污染排放产业, 相关企业在降低能耗指标和实现国家节能减排任务方面起着至关重要的作用。因此, 尽快提高能源和资源的综合利用水平以及减少能源消耗、降低环境污染已经成为当前石化行业最迫切的任务。

2应对的措施

2.1大力发展循环经济，提高能源利用效率

我国能源利用效率低，低于世界平均水平，远低于发达国家水平。因此，要大力发展循环经济，坚持把节能降耗作为发展循环经济的重要途径，大力提高资源利用效率，有效减少消耗和废物产生，以资源的高效利用促进循环利用水平的提高。遵循减量化、再利用、资源化并重，减量化优先的原则，大力提高资源利用效率，有效减少消耗和废物产生。

同时还要依靠制度节能。这这方面，我们需要认真学习国外节能的先进经验，尽快提高能源利用效率。在德国，政府把节约能源作为其能源战略的重要组成部分，颁布了很多法律法规并采取多种措施鼓励民众节能，将能源问题作为政府工作的重点，同时加强节能宣传，鼓励家庭参与。芬兰一直十分重视节能工作，长期致力于提高能源的生产和利用效率，并在可再生能源和节能技术开发的同时，注重对公民进行节能教育，也是世界上第一个根据矿物燃料中碳含量收取能源税的国家。发达国家主要通过法律、法规、科技、教育等手段来节能，值得我们借鉴[3]。

2.2优化炼油结构, 实现装置大型化

“大规模、长周期、系统联合”是石化企业实现大幅度节能减排的一个非常重要的因素。通过采用大型化的装置,会使得能量逐级利用、热联合以及低温余热利用更加合理,经济效益也将更好。对于新建的炼油厂来说, 炼油结构的合理布局和装置的大型化需从设计之初考虑;对于已有的炼油厂来说,需要视情况逐步优化炼油结构,实现装置的大型化。

炼油结构的优化包括多套装置的集成设计、产品调和比例的优化以及落后工艺技术的改进等。例如催化蒸馏技术通过将减压蒸馏、加氢脱硫、渣油热转化等多套装置进行组合设计,不仅大幅度减少设备数量,节省投资约30%,而且还能显著降低运行成本, 燃油消耗节省约15%[3]。2008年,我国原油加工量为 3.42亿 t。预计到2011年有效炼油能力将达到 4.4亿t 。但是我国石油炼制企业的规模优势不明显。目前,世界上炼油厂的平均规模约为 500万t/a ,大型炼油厂在1000万t/a以上,最大的为 4000万t /a。但我国现在整体炼油规模水平不高,千万吨规模的炼油厂不是很多,小规模的炼厂还到处可见[4]。规模偏低是造成我国石化企业能耗高和排放多的重要原因。只有炼油规模做大企业才能做强,我国石化行业需要更多千万吨级的炼油厂,更多采用先进的低能耗、低排放的工艺技术,而高能耗、高排放的小炼油厂和小化工厂需要尽快改造、兼并甚至关停。

2.3加快炼化一体化步伐

炼化一体化将炼油厂和化工厂联合在一起,可以实现原料的互供,提高原料的综合利用水平,并通过资源的优化配置形成大规模、集约化、短流程、高灵活的结构组合优势, 进而实现石化企业的节能降耗并提高经济效益。炼化一体化可优化原料配制,还可以简化水、电、汽、风、氮、氢等公用工程, 节省装置投资和运行费用,减少库存和储运费用以及中间产品的营销费用,并且能够根据市场需求灵活调整产品结构。

炼化一体化可以确保化工厂的原料供应不受市场波动的影响。由于化工产品的利润远高于炼油产品,通过炼化一体化可以使炼油厂约 1/4的油品变成价格较高的化工产品,提高了企业利润,这是未来石化企业的发展方向。

据报道[4],炼化一体化技术在发达国家比较成熟。以巴斯夫公司为例,在位于德国总部的一个联合体中有200多家工厂和生产装置联合在一起,形成原料互供。这种联合体在经济和环境上有着巨大的优势。如果将该联合体拆分并分别放置在50个相距 100 km的地方,那么巴斯夫公司每年将要为此多付出 5亿多欧元。

我国的乙烷、丙烷、丁烷及凝析油等轻烃资源缺乏,石油化工的发展必须依靠原油加工提供炼厂气、石脑油等轻烃资源和部分低碳烯烃资源, 这就要求有条件的企业尽快由燃料型转变为燃料-化工型。国内最近几年正在加快此方面的规划和建设, 新建和正在建设一批大型的炼化一体化项目。

2.4 综合利用炼油化工副产品，发展深加工产业

充分利用炼厂干气建设干气提浓或乙置，如中国石化已利用干气中的乙烯资104t/a；充分利用乙烯裂解副产碳四、碳五资源。2009年，中国石化上海石油化工股份有限公司实现裂解碳五全分离，计划建设天津、燕山碳五分离项目；加大轻烃和焦化装置液化气的回收利用力度，每年可回收轻烃350×104t以上、液化气20×10左右；加强氢气资源的优化利用，优化制氢原料，实现原料气体化和富氢气体的回收利用，顶替制氢用的石脑油约30 ×104t，回收氢气约13.7×104m3（标准）。

2.5实现清洁生产,减少污染排放

随着人们环保意识的增强和环保法规的日益严格,石化企业不仅要为消费者提供清洁的产品,而且自身的生产过程也要实现清洁化。尽可能避免使用有毒、有害、有碍人体健康的酸碱等辅助原材料和催化材料,尽可能回收“三废”中的有用资源, 尽可能减少污染排放。

中国石油兰州石化公司[5]为了减少常减压炉的烟气量,于 2003年更换了炉用燃烧器,并将燃料油改为燃料气。改造后加热炉的烟气排放量减少了33%,烟气中二氧化硫的含量下降了 21 % ,氮氧化合物的含量下降了3%,一氧化碳的含量下降了11%。

2.6开发与应用节能减排新技术

节能减排新技术包括新的分离技术,如超临界分离、膜法分离、变压吸附分离、磁性分离、微波分离、络合分离、抽提蒸馏以及膜法蒸馏技术等;新的反应技术,如反应蒸馏、超临界反应技术等;新型换热器与分离器;新的热能回收、热电联产技术等。

3结束语

石化企业的节能减排是一项长期且艰巨的任务,不仅需要一系列切实可行的技术和措施,而且更需要众多掌握节能减排技术且有着良好节能减排意识的一线工作者。企业节能减排的有效实施需要政府、 企业、 研究机构和人才培养单位的紧密配合。只有这样,企业才能在节能减排的同时提高经济效益、社会效益和综合竞争力。

参考文献

[1]张福琴,等.我国炼化业务现状及近期发展展望[J].石油科技论坛,2008,27(4).

[2]任京东,林敏.我国石化行业节能减排的途径与措施分析[J].现代化工，2010,30(3):4-8.

[3]余绩庆,刘博,高建保.我国炼油企业提高能[J].石油规划设计, 2008,19(2):32-35,48.

能源消耗分析范文第15篇

[关键词]　资源消耗会计；E/I产能；成本核算

资源消耗会计是2002年在美国推出的一种新的成本核算与管理方法，它在作业成本法的基础上，融入了德国弹性边际成本法的优势。盛行于美国的作业成本法在企业成本预测、成本决策、成本控制与成本考核等方面都对传统成本会计有重大突破，其既提高了成本计算的准确性，又能为提高资源的利用效率作出有益贡献。但是从资源成本的计量角度来看，作业成本法存在着一定的缺陷。相比之下，资源消耗会计显示出更大的优越之处，能够更合理地将剩余/闲置生产能力(简称E/I产能)成本计算出来。

一、E/I产能成本及其对产品成本的影响

产能是生产能力的简称，指在正常生产条件下(如不延长工作周期、含常规假期、机器正常维护)所能达到的产出水平。企业的生产能力按照资源所处特定时间状态的不同可以分为理论生产能力、实际生产能力和常规生产能力。E/I产能是指常规生产能力的闲置或未被利用部分，通常是常规生产能力扣除实际生产能力之后的差量，是闲置或未被利用的生产资源。从数量角度分析，是从供给的资源中扣除利用了的资源后的差额。

传统的作法是将剩余生产能力成本分摊至各种产品之中，但事实上产品的生产并没有消耗剩余生产能力。因此，由完工产品承担E/I产能成本缺乏逻辑依据，而且将剩余生产能力成本分配于产品，会使产品的实际生产成本被高估，这就意味着低估了该产品的真实边际利润。在进行企业生产资源优化配置时，在决定各种产品应消耗企业多少稀缺资源时，在进行企业的战略计划时，都必须考虑剩余生产能力成本。如果以包含这些额外成本的产品成本作为定价的基础来决定最低可接受的利润水平，那么企业就须承担可能在竞争中失去市场的风险，将无法与完全了解产品真实成本的竞争对手对弈。

计算E/I产能成本的意义在于，从产品中扣除其不该承担的E/I产能成本，正确地计量企业产品生产的真实资源耗费，准确地评价产品的盈利能力。因此，在资源消耗会计下，计算产品成本的前提就是计算E/I产能成本。

二、E/I产能成本分类特点

E/I产能成本根据其自身特点与核算特点分为显性E/I产能成本和隐性E/I产能成本。

(一)显性E/I产能成本及特点

显性E/I产能成本是指资源(或作业)产出量比较确定，从而比较容易计算的剩余闲置产能成本，通常与变动成本相关。如：直接人工、直接材料等。

1.直观性。如直接人工，每天应工作8个小时，但由于市场需求减少，只工作5个小时，那么就产生了3个小时的剩余产能，这3个小时人工成本就是显性E/I产能成本。同样，如果生产盐酸洛美沙星滴耳液15000支，按药典规定，需投入盐酸洛美沙星225克，但实际投料为230克，那么显性E/I产能成本就是5克盐酸洛美沙星所对应的价值。

2.容易被控制。由于其直观性，当显性E/I产能成本增加时，产品成本会增大，从而使利润降低，这样会引起管理者的注意，促使管理者采取相应措施去控制显性E/I产能成本。比如受“三鹿毒奶粉”事件的影响，成人奶粉的需求大幅度减少，短期内，此生产线有人工闲置，那么管理者就会采取措施以安排闲置人员放假或去做别的工作，从而使得显性E/I产能成本降低。

3.不易完全消除。受市场需求短期变动的影响，原有的人员无法短时间内迅速调整，管理者很难为满足这个需求量配备正好的生产人员，也就是说由于市场环境的影响，显性E/I产能成本不可能完全消除。比如对于产品所投入的原材料而言，由于受管理者水平、员工素质、生产技术的限制，只可能接近理论上的最低值，无法达到这个值，不可避免地发生显性E/I产能成本。

(二)隐性E/I产能成本及特点

1.隐蔽性。与显性E/I产能成本相比，隐性E/I产能成本不易被发现。如仓储维护成本每月是50000元，这通常被视作固定成本。上个月存放了10000件产品，那么分摊到每件的仓储维护成本就是5元，本月由于产品销售量提升，卖出9000件，只剩1000件，分摊到每件的仓储维护成本就是50元，为什么对于相同的产品只此仓储维护成本一项差别如此之大？这个问题往往被忽略。为什么能贮藏10000件产品的仓库，我们只让其存放1000件产品呢？这里边就存在着不易被发现的隐性E/I产能成本。

2.不易控制。显性E/I产能成本的控制方法主要有加强管理、技术革新、增强员工素质等，这都是对企业内部人员的要求，相对容易满足。而隐性E/I产能成本主要形成因素为市场环境，受能力的限制，管理者很难对瞬息万变的市场需求有准确的预测，由此产生的隐性E/I产能成本不易控制。例如3G手机，新推出时，预计需求量很大，厂家大成本做广告，但未能达到预计销量，因为受益的产品少，产生了隐性E/I产能成本，而且不易控制。

3.可减少性。隐性E/I产能成本产生于企业之外，管理者如果能准确预计市场销量，并迅速调整产品产量，许多隐性E/I产能成本可减少。如广告制作费，当预计销量不好时，可减少制作成本，从而降低隐性E/I产能成本。

三、E/I产能成本的分类核算

(一)显性E/I产能成本的核算特点

1.相对计算较容易。由于显性E/I产能成本比较直观，所以计算较容易。员工在具体计算时，由于计算步骤较少，不用太多培训。例如，计算人工产生的显性E/I产能成本，用实际产能即每天法定工作8小时减去实际上工作的小时数，得到剩余的小时数，再乘以人工每小时薪酬，即为显性E/I产能成本。再如直接材料，通过产成品数反推所需材料数，再用实际所用的材料数减去理论上所需材料数，再乘以单价，就得到了显性E/I产能成本。

2.计算方法单一。每一种显性E/I产能成本所对应的计算方法只有一种，人工产生的显性E/I产能成本就用直接法计算理论产能，再用理论产能减去实际产能，即为显性E/I产能成本。由于直接材料产生的显性E/I产能成本就用反推法计算理论产能，也是用理论产能减去实际产能得到显性E/I产能成本。

3.计算结果唯一。由于其计算方法单一，所以计算结果也就唯一。比如说，租入的设备产生的显性E/I产能成本计算，用理论生产时间，每天8小时减去实际运转的时间，再乘以单位时间的租金，就得到此项显性E/I产能成本。方法就是直接法，计算结果也就只有一个，无可争议。

(二)显性E/I产能成本的核算程序

首先，计算理论产能。计算理论产能的方法有直接法与反推法两种。直接法：无须计算直接就可得到的理论产能。理论产能的数据来源于相关标准、相关法律规定、经验、设备额定使用时长、设备租入合同等。反推法：用产品或作业量来计算其最理想状态下所使用的资源量。其次，确定实际产能。实际产能即实际消耗的资源量。例如实际投入的原材料量、人工工作时长、设备运转时长等。最后，计算理论产能与实际产能的差额，这个差额再乘以单位价值，即为显性E/I产能成本。

(三)隐性E/I产能成本的核算特点

1.计算较复杂。由于隐性E/I产能成本具隐蔽性，不容易理解，计算过程中的数据不易收集，而且需要选择计算方法。员工在具体计算时，得经过培训。例如计算订购原材料这项作业产生的隐性E/I产能成本时，第一步是计算最佳产能，可供选择的方法有经济产能法、经验法、历史最大值法，参考法这几种计算方法。所以得先选择计算方法。再按每种方法的计算步骤进行计算。例如参考法，得去同行业企业去收集相关数据以进行参考，来确定最佳产能；然后再确定实际产能；最后，计算最佳产能与实际产能的差额，即得到隐性E/I产能成本。

2.方法多。隐性E/I产能成本的计算方法较多，大致有最大产能法、经济产能法、经验法、历史法、参考法等，且一种隐性E/I产能成本可能对应几种计算方法，需要相关人员计算时进行选择。

3结果有争议。由于在计算一种隐性E/I产能成本时，不同的人选择的方法可能不同，且不同的方法得出的结果也可能不同，这样就存在争议。

(三)隐性E/I产能成本的核算程序

首先，确定最佳产能。最佳产能计算方法如下：

其次，确定实际产能。实际产能即实际消耗的资源量，例如实际投入的广告制作费、订购成本等。

最后，计算最佳产能与实际产能的差额，这个差额再乘以单位价值，即为隐性E/I产能成本。

资源消耗会计和弹性边际成本法分别在美国和欧洲国家的企业中试行和推广。我们应借鉴国外先进经验，使资源消耗会计的应用本土化，进而为我国企业提供一种可操作性强的并与决策相关性大的成本核算方法。通过资源消耗会计E/I产能成本核算，提升企业对E/I产能成本的认知，明确企业管理者的E/I产能成本责任，正确评价产品的资源消耗和盈利性能，从而提升企业的管理能力与市场竞争力。

[参　考　文　献]