低碳经济视角下省域工业全要素能源效率分析

能源、环境、经济矛盾的日益突出引发学者对能源效率、环境效率的探索,选取分别位于中国东部、中部的10个省域工业作为研究对象,构建全要素模型并考虑非期望产出碳排放,采用Undesirable-DEA模型探索其共同前沿全要素能源效率。测算结果显示所选东部5省环境效率整体显著高于中部5省,其中广东、山东、江苏均处于技术前沿,进一步采用综合评估指数评价其效率差异,广东省居于首位、江苏次之、山东第三;从时间维度上看,东部、中部5省技术效率差距缩小。基于Tobit模型分析工业全要素能源效率影响因素,结果显示高附加值工业集中度、能源消费结构与全要素能源效率显著相关,高耗能行业集中度与其相关性不显著,出口贸易依存度虽通过显著性检验,但相关系数符号与理论推断相悖。     

湖南省电力消费强度下降原因解析

为探索湖南省单位GDP电耗大幅下降的原因,通过改进产业结构合理性衡量指标的核算方法,合成湖南省类泰尔指数。在此基础上,构建广义可加模型,研究湖南省产业结构合理性、能源消费结构以及技术进步对电力消费强度的影响机制及影响强度。实证结果表明,能源消费结构对单位GDP电耗的影响是不显著的;而产业结构合理性对电力消费强度的影响虽然显著,但两者并不是单调关系;技术进步对湖南省单位增加值电耗的影响是显著且单调的。为验证上述研究结论的普适性,进一步对中部6省进行相关的研究,研究结论较为一致。     

基于季节调整与神经网络融合算法的售电量预测

正针对月度售电量波动性大、随机性强、精准预测困难的特点,本文构建了一种结合数据预处理(X11加法模型)和BP神经网络算法的预测模型,结合宏观经济及自然环境采用历史售电量、固定资产投资、梯度温度等输入参数进行月度售电量预测。实际结果表明,基于X11-BP神经网络融合算法进行售电量预测,能够较好模拟月度售电量的波动性,比单一BP神经网络预测精度更高,可为电网公司和售电企业生产经营及规划计划管理提供重