基于CA_DEA四阶段模型的我国风电场效率评价研究

DOI:10.13733/j.jcam.issn.2095-5553.2014.06.058中国农机化学报Journal of Chinese Agricultural Mechanization 第35卷第6期2014年11月Vol .35No .6Nov.2014基于CA-DEA 四阶段模型的我国风电场效率评价研究*汤兆平，孙剑萍摘要：通过对我国40个较大规模的典型风电场2012年的效率进行实证分析。

结果表明，样本总体的综合技术水平中等，纯技术效率和规模效率表现较好；规模报酬状态普遍处于递增阶段，说明各风电场在技术和管理方面已较为成熟，但规模普遍偏小。

从样本个体来看，部分企业调整后的纯技术效率或规模效率大幅下降，有待于进一步提高管理水平、扩大产业规模。

研究验证，基于聚类分析、随机前沿法和数据包络分析的CA-DEA 四阶段模型，可以有效消除环境效应和随机误差因素对效率值的影响。

关键词：风电场效率；CA-DEA 模型；纯技术效率；规模效率中图分类号：F425文献标识码：A文章编号：2095-5553(2014)06-0230-07汤兆平，孙剑萍.基于CA-DEA 四阶段模型的我国风电场效率评价研究[J].中国农机化学报,2014,35(6):230~235，240Tang Zhaoping,Sun Jianping.Research on wind farm efficiency evaluation in China based on four-stage CA-DEA model [J].Journal of Chinese Agricul -tural Mechanization,2014,35(6):230~235，240(华东交通大学信息工程学院，南昌市，330013)收稿日期：2013年8月5日修回日期：2013年12月31日*基金项目：教育部社科研究规划基金项目(13YJAZH083)：区域可再生能源可持续发展的效率评价与多样化路径选择———以鄱阳湖国家生态经济区为例；教育部社科研究青年基金项目(11YJCZH149)———基于DPSIR 模型和熵值法的我国生物燃料可持续发展综合指数评价及对策研究第一作者：汤兆平，男，1970年生，江苏常州人，博士，教授，硕导；研究方向为能源与交通安全。

E-mail:tzp@0引言近年来风电技术日趋成熟，发电成本大幅下降，世界各国的风电业正在蓬勃发展。

如何有效地评价和分析风电场运营效率，正确考核实际经营水平，以期达到资源最佳配置和提高企业核心竞争力具有重要的现实意义。

技术效率通常受到管理效率、环境特征和随机误差的影响，其中管理效率是内生的，后两个因素是外生的，要改进技术效率的测度方法，首先要研究这三种因素对技术效率的具体影响。

常见的技术效率测度主要有参数法和非参数法，其中非参数法中的数据包络分析(DEA)得到广泛应用。

Fried 等(2002)提出了三阶段DEA 法，该方法最大的特点是能够去除非经营因素（外部环境与随机误差）对效率的影响，更加真实地反映决策单元的内部管理水平。

三阶段估计方法在国内多用于对银行业经济效率的研究(张秋艳[1]、黄宪[2]、袁雯[3]等)；环境治理投入效率研究(杨俊、陆宇嘉[4]）；农村资金投入与农村区域间居民收入差异（王睿、黄森[5])；省域经济综合效率分析(黄森、蒲勇健[6]）和能源效率分析(黄德春、董宇怡[7])等。

对于风电行业的效率或效应研究仅见于王妮[8]的江西实施风电CDM 的经济与环境效应研究、高芸[9]的2010年中国风电行业风险分析。

为了更准确真实地测度我国风力发电的技术效率，检验风力发电的决策与管理效率水平，研究制约技术效率提升的关键因素，本文基于聚类分析(Clus -tering Analysis ，CA)、随机前沿法(Stochastic Frontier Approach ，SFA)和数据包络分析(Data Envelopment Analysis ，DEA)，建立CA-DEA 四阶段模型，对我国风力发电技术效率进行实证分析。

具有以下创新点：(1)DEA 三阶段建模之前，利用聚类分析，挖掘主导因素。

(2)在测算技术效率时，采用多阶段DEA 方法，可克服一步法或两步法估计时有效投影点与无效率点相互混合的缺陷。

(3)运用SFA 模型调整风力发电的投入项，可排除环境和误差因素的影响。

(4)借鉴Jondrow 等人提出的方法测算随机误差的估计值。

研究结果可为我国风电企业管理者和生产者改进技术、提高效率提供参考依据。

1CA-DEA 四阶段模型的建模方法1.1第一阶段：变量属性的划分及主导因素挖掘利用聚类分析的主导因素挖掘方法，在众多制约项目投入产出效率的评价指标因素中选出最具代表性和影响力的因素变量，作为评估模块的输入及输出变量，使之满足DEA 使用条件，即“Banker 经验法则”。

由于评价指标具有不同的单位，应首先将指标进行无量纲化。

对于定性评价指标，采用模糊层次分析法处理。

先建立层次体系，采用0～1分数制，由专家、技术人员、客户等对各规划方案下该指标水平的影响元素两两比较，根据相对重要程度评分。

常用的聚类分析方法有k-中心聚类法、编网法聚类及模糊C 均值聚类法等。

考虑到可行性等因素，本文采用k-中心聚类法进行主导数据挖掘，利用切比雪夫距离计算研究对象的相对系数，其表示为：d （x i ，x j ）=nk =1∑x ik -x jk %（1）通过主导因素挖掘及分析，确定投入变量及产出变量的主导因素，用主导因素代替原体系中的指标，进行DEA 分析与评价。

1.2第二阶段：传统的DEA 模型DEA 模型可以分为投入导向型和产出导向型两种。

由于投入变量相对产出量而言，更容易控制，本例采用投入导向型的BCC 模型在可变规模报酬（Vari -able Returns to Scale,VRS ）下计算生产效率。

设有K 个决策单位（Decision Making Units ，DMU ），每个决策单位均具有N 种投入、M 种产出，则某一特定决策单位的效率值可由如下的线性规划方程求得：min θ,λθks.t .Kk =1∑λk x n,k ≤θk x n,k （n =1,2,…,N ）y m,k ≤Kk =1∑λk y m,k （m =1,2,…,M ）（2）λk 叟0（k =1,2,…,K ）Kk =1∑λk=1式中：x n,k ———第k 个DMU 的第n 项投入量；y m,k ———第k 个DMU 的第m 项产出项；λk ———第n 项投入和第m 项产出的加权系数；θk ———第k 个DMU 的效率值。

1.3第三阶段：构建相似SFA 模型上述计算中得出效率值的同时，还可得到各决策单位的投入松弛量，该松弛量即为考察对象的实际投入与最佳效率投入之差，由管理无效率、环境效应和随机误差三因素构成。

通过构建SFA 模型可以分别计算出以上三因素对松弛量的影响。

首先建立松弛变量与环境解释变量的SFA 模型：s n,k =f n （z k ；βn ）+v n,k +u n,kn =1,2,…,N ；k =1,2,…,K（3）其中：s n,k ———第k 个DMU 的第n 个投入松弛量；f n （z k ；βn ）———环境变量对投入松弛变量的影响；v n,k ———随机干扰；u n,k ———管理无效率，v n,k 与u n,k 独立不相关。

其次调整投入变量。

先从SFA 回归模型的混合误差中把随机误差从管理无效率中分离出来。

利用SFA模型的回归结果（β^n ，u ^n ,σ^2v ，k ，σ^2u ，k ）和管理无效率的条件估计E ^［u n,k /v n,k +u n,k ］，借鉴Jondrow 等提出的方法得到随机误差的估计：E ^v n,k /v n,k +u n,k 叟叟=s n,k －z k β^n-E ^u n,k /v n,k +u n,k 叟叟（4）调整原则是将所有决策单位调整到相同的环境条件或平台状态，同时考虑随机因素的影响，从而测算出纯粹反映各决策单位管理水平的效率值。

对决策单位投入量的调整如下：x A n,k =x n,k +［max k z k β^^^n －z k β^^^n ］+［max k v ^n,k ^^－v ^n,k ］n =1,2,…,N ;k =1,2,…,K （5）其中：x An,k ———调整后的投入值；x n,k ———初始的投入值；β^n ———环境变量参数的估计值；v ^n,k ———随机干扰项的估计值。

第一个中括号代表把全部决策单位调整到相同的运营环境，即样本中的最差运营环境。

第二个中括号代表通过调整使所有生产者处于共同的自然状态，即样本中遇到的最差的自然状态。

以使每个DMU 均处于相同的运营环境和经营条件。

1.4第四阶段：调整后的DEA 模型再次使用DEA 模型，对修正后的投入数据x A n,k和原始的产出值，进行投入产出效率综合评价，得出风电场的效率评估值。

该值排除了营运环境和随机因素的影响，客观体现了生产者的技术效率，更能反映经营现实，可为下一步的判决分析和对策研究提供依据。

2实证分析2.1样本选取选取分布我国不同省市、地理位置，发电及上网条件有一定代表性、规模较大的40家风力发电场作为研究对象。

其中，江西7家，辽宁6家，内蒙古4家，甘肃6家，新疆7家，河北2家，浙江2家，河南、四川、福建、广东、上海、江苏各1家。

2.2指标参数选取2.2.1主导因素挖掘投入产出指标的选取对最终DMU 效率衡量极为重要。

结合风电产业投入产出的特点，以及DEA 方法对投入和产出变量的基本要求，利用聚类分析的k-中心聚类法进行主导因素挖掘，在众多制约项目投入产出效率的评价指标因素中筛选出风电营业收入、CDM 机制的收入、折算出的环境收益为产出变量；总投资、装机容量、年运行与维修成本作为投入变量。

其中，风电营业收入指发电收入减去整个投资期内的总成本得到的收益；CDM 机制的收入，即碳收益，一般依据减排额度及碳信用市场的价格进行计算；折算出的环境收益指风电相对火力发电减少SO 2、NO X 、CO 2、CO 、TSP 、粉煤灰、炉渣、废水污染物排放而产生的环汤兆平等:基于CA-DEA 四阶段模型的我国风电场效率评价研究第6期231境价值。

参考中国排污总量收费标准(PCS)和美国环境价值标准，选取风力发电的环境价值为0.28元/kW ·h 。

2.2.2环境变量的选取环境变量指影响生产效率但又不在主观控制范围之内的因素。

考虑到风电产业的发展特性，选取以下几个因素作为环境变量：(1)运行年限，反映风电场的生产技术水平，并影响维修资金的投入状况；(2)各省市人均GDP ，反映地区经济发展水平；(3)风电利用时数，反映风电企业的规模与市场的匹配情况；(4)人均累计用电量，体现能源产业的需求；(5)有效风能密度均值，反映地区风力资源禀赋状况。