中国能耗的时空演化及其影响因素

王瑞莉， 王成新， 薛明月， 唐永超

(山东师范大学a. 地理与环境学院， b. 人地协调与绿色发展山东省高校协同创新中心， 山东济南250358)

随着中国经济发展步入新常态，经济增速已由高速增长调整为中高速增长[1]，中国能耗增速总体趋缓，能耗强度持续降低。2017年中国能耗增长率为2.92%，较2016年的1.38%有明显回升，但仍低于过去10 a平均5.14%的增速，能耗强度较2000年已下降61.22%，然而，就能耗总量而言，中国仍处于较高水平，一次能耗总量已连续多年居于世界首位，约占全球能耗的23%[2]。此外，中国能耗结构虽有显著优化，但仍然处于不平衡状态，这种由中国能源资源赋存特点所决定的、以煤炭为主的能耗结构短期难以改变，2017年中国化石能耗占能耗总量的比例高达86.4%，环境污染问题不容忽视。中国各区域能源利用状况差异显著，作用机制复杂，宏观的政策措施无法完全适应不同区域的实际状况，因此，开展全国各地区能耗发展的区域差异研究尤为必要。

国际能源形势日益严峻，低碳经济迅速兴起，能源问题成为学术界关注的热点话题，并形成了丰富的理论成果和方法基础。相关的研究大致可概括为以下4个方面： 1)从时间维度对全国能耗特征的阶段性演化及发展趋势进行研究[3-7]。已有的研究大多以定性描述为主，或结合单一预测方法，选取不同时间尺度，分析中国能耗的发展演化特征。 2)能源利用水平的区域差异及影响因素的分解[8-17]。实证方法已相对完善，空间自相关[12]、 回归分析[12-13]、 主成分分析[16-17]等方法应用较广泛。 3)从不同时空尺度， 定性研究能耗结构特征及其发展演化，并借此探讨全局性、区域性的优化对策[18-19]。 4)以统计数据为基础，结合国家能源安全政策，从能源供应、需求结构等角度，对中国能源安全现状及问题进行探讨[20-22]。综上，关于中国能耗问题的研究已取得丰硕成果，但在研究视角方面，多局限于时间、空间单维度或宏观、区域单层次展开研究，缺乏时空融合、区域对比的多角度、多层次的研究；在研究尺度方面，大多研究均采用单一年份数据进行评价，缺乏对能耗水平的时间和空间差异的演化分析；在影响因素方面，采用定性方式进行分析的研究较多，定量研究多应用回归模型等常规方法，而以地理探测器为工具，测度能耗空间分异的影响因素作用强度的研究较少。

“十三五”规划节能减排的关键时期已经到来，深入了解现有能耗问题及发展态势，有效实现“双控”目标，精准定位现阶段我国宏观能耗发展特征及区域差异状况具有重要意义，因此，本文中从能耗总量、能耗结构、能耗强度3个方面分析中国宏观能耗的发展演化特征，应用灰色模型(GM)对该发展趋势进行预测分析，以全面了解中国能耗发展所面临的问题；选取2005、 2010、 2015、 2017年截面数据，采用主成分分析法对各省、市(区)综合能耗水平进行评价，并借助地理探测器对地区能耗水平差异的影响因素进行测度。

1 研究方法与数据来源

1.1 研究方法

1.1.1 灰色模型

灰色模型不考虑能源系统内部的国内生产总值(GDP)、 人口、 经济结构等信息的相互作用关系， 而是通过灰色理论进行预测， 对样本数据需求量小， 预测精度高， 客观性强[6]， 目前应用最广泛的是关于数列预测的单变量一阶微分灰色模型， 即GM(1,1)模型。 为了降低时间跨度增大对数据预测精度的影响， 本文中选取2010—2017年数据， 应用GM(1,1)模型， 针对单数列数据对我国能耗需求进行预测， 具体计算步骤如下。

1)设原始时间序列为X(0)={x(0)(1),x(0)(2), …,x(0)(n)}，n为正整数。

2)求原始数列级比，并检验该序列是否在可容范围e-2/n+1～e2/n+1之内，

(1)

式中：σ(1)(k)为原始数列级比，即后一时刻与前一时刻原始数据之比；k为原始数据的时序变量，取值范围为[2,n]。

3)对原始数列进行一次累加， 获得新数列X(1)={x(1)(1),x(1)(2), …,x(1)(n)}，以弱化数据本身的随机性。

x(1)(1)=x(0)(1)，

(2)

x(1)(2)=x(0)(1)+x(0)(2)，

(3)

……

x(1)(n)=x(0)(1)+x(0)(2)+…+x(0)(n) ，

(4)

式中x(1)为原始序列累加值。

4)通过一阶微分方程对生成的新数列进行拟合，并定义白化模型，

(5)

式中：t为累加数据的时序变量，取值范围为[1,n]；a为发展系数；u为灰色作用量。

(6)

6)计算方程平均相对误差，以检验GM(1,1)模型精度，精度等级如表1所示。

表1 灰色预测精度检验等级

1.1.2 主成分分析法

本文中应用主成分分析法，选取2005、 2010、 2015、 2017年4个时间截面，借助统计产品与服务解决方案软件SPSS 22.0对我国30个省、 市(区)的能耗水平进行综合评价。主成分分析法通过抽取包含原数据大部分信息的综合变量，避免了信息重叠，并通过客观地确定指标权重，避免了主观因素影响，是常用的降维方法之一。具体计算步骤如下。

1)对数据进行标准化处理，以消除数量级和量纲差异影响。

(7)

3)计算R的j个特征值λ1,λ2, …,λj(λ1≥λ2≥…≥λj)及对应的特征向量U， 各特征向量标准正交，U1,U2, …,Uj为主轴，并且U1≥U2≥…≥Uj。

4)计算主成分累积贡献率以及最终成分得分。

5)根据主成分得分矩阵以及方差贡献率，计算最终分区指标综合得分。

1.1.3 地理探测器

地理探测器是基于统计学原理的空间方差分析，通过分析层内方差与层间方差的异同来定量表达研究对象的空间分层异质性[23]，探测地理要素空间分异规律，探究地理空间分异内外影响因素的重要方法，包括因子探测、交互探测、风险探测和生态探测，被广泛应用于经济、社会、生态等领域[24]。本文中采用地理探测器中的因子探测方法，分析各个因子对能耗空间分异的作用强度，即

(8)

1.2 指标体系构建与数据来源

1.2.1 指标体系构建

Step 2 Taking the failure of the 1st joint as an example,the range of motion is traversed at a given angle step size,and the kinematic equation is established according to the known end position and attitude as

由于经济发展水平、技术水平等方面存在较大差距，因此我国能耗特征呈现出明显的地域差异。为了综合评测各省、市(区)能耗水平，本文中从能耗总量、能耗强度、能耗增速3个方面选取能耗份额、能耗增量份额、经济总体能耗强度等6项指标构建中国能耗区域差异的评价指标体系[14-15]，如表2所示。

表2 中国能耗区域差异的评价指标体系

1.2.2 数据来源

本文中所采用的数据均来自2000—2018年的《中国统计年鉴》《中国能源统计年鉴》以及中国大陆30个省、市(区)(除西藏自治区)的统计年鉴。为了避免价格变动影响，各省份历年GDP均根据GDP指数折算为2000年的不变价格数据，全国总体能耗强度数据均为统计年鉴不变价数据；另外，全国能耗总量数据为发电煤耗计算法所得。

2 结果与分析

2.1 中国能耗的发展演化

目前在单一预测法中应用最广泛的预测方法是灰色预测法， 已有研究[6]应用区间灰色预测对中国部分地区的能耗进行预测分析， 并在中短期预测中得到了较好的预测结果。 为了进一步验证该方法的合理性和有效性， 本文中基于2010—2017年基础数据， 结合GM(1,1)模型、 线性回归模型， 对中国能耗的发展趋势进行预测， 并对这2种模型的预测精度进行检验， 结果如表3所示。 通过比较2种模型预测结果可知， GM(1,1)模型的预测精度明显优于线性回归模型， 模型精度等级多为一级或二级， 预测效果表现较好， 因此， 本文中选取GM(1,1)模型预测我国能耗未来发展趋势具有一定合理性。

表3 预测模型对比及预测精度检验

2.1.1 中国能耗总量的发展演化

图1所示为2000—2020年我国能耗总量的增长趋势。 从图中可以看出， 我国能耗总量一直处于持续增长状态， 预计在2020年能耗总量(标准煤)将达到4.95×109t， 明显低于“十三五”规划能耗总量控制目标； 能耗增长率变化具有一定周期性， 周期峰值呈递减趋势。 这种周期性变化大致可被分为3个阶段：第一阶段为2000—2008年。 随着我国经济的复苏， 工业化进程加快，经济的粗放式发展及产业结构的不合理因素使得国内能耗迅速增长，能耗增长率在2004年达到峰值16.80%； 2006年以后， 国家将节能降耗纳入宏观指标体系， 随着经济发展方式的转变、 产业结构的调整及节能减排措施的制订， 能耗增速总体趋缓； 受2008年全球金融危机影响， 我国能耗增速再次大幅下降， 能耗增长率跌至2.94%。 第二阶段为2009—2015年。 在金融危机后，能耗增速有所回升， 在2011年达到峰值，能耗增长率为7.32%，但仍低于过去9 a的平均增长率9.69%； 随着国家“十二五”规划节能降耗措施的进一步强化，我国能耗增速再度放缓，截至2015年，能耗增长率已降至0.96%。第三阶段为2016—2020年。受宏观经济持续复苏影响，我国能耗增速又出现了明显的回升，在2018年能耗增长率达到峰值4.80%，之后增速将有所下降，但我国能耗总量大，净增能耗量仍然较大。

图1 2000—2020年中国能耗增长趋势

2.1.2 中国能耗结构的发展演化

近年来，我国能耗结构持续优化，2000—2020年中国主要能耗趋势如图2所示。

图2 2000—2020年中国主要能耗趋势

从图中可以看出，能耗的多元化、清洁化趋势较明显：煤炭消耗所占比例持续下降，已由2000年的68.5%降至2017年的60.4%，预计2020年将降至56.9%；天然气的消耗需求日益增长， 消耗量占能耗总量的比例已由2000年的2.2%上升至2017年的6.6%，预计2020年将达到8.3%左右；石油消耗总量增长相对较缓，所占比例较平稳；水电、核电消耗量稳步提升，根据预测结果，两者消耗占比在2020年约为14.12%。 就目前形势而言， 我国以煤炭为主的能耗结构短期内仍无法改变， 化石能耗仍占优势地位， 水电、 核电等清洁能耗占能耗总量的比例较低， 2017年化石能耗占能耗总量比例高达86.4%；煤炭消耗占能耗总量的比例虽有显著下降，但消耗总量仍在增长，2017年我国煤炭消耗已增长为2000年的2.69倍，预计2020年煤炭消耗(标准煤)将达到2.82×109t；随着国内能源需求的增长及转变，我国石油、天然气的对外依存度亦逐年提升，2017年石油对外依存度高达67%，天然气对外依存度已上升至39%，能源结构性矛盾较突出[21-22]。若考虑长期能源安全及环境压力，加速向非化石能源转型才是必由之路。

2.1.3 中国能耗强度的发展演化

能耗强度是指创造单位GDP所消耗的能源量，反映经济对能源的依赖程度，受经济发展水平、产业结构、人口等多重因素影响。图3所示为2000—2020年中国能耗强度发展趋势。从图中可以看出，我国能耗强度呈现先升后降的趋势，预计2020年全国能耗强度(标准煤)将降至0.47 t /万元。从能耗强度的变化速率来看， 在2000—2004年间， 粗放型的经济增长方式使得我国经济发展进入高度依赖资源和能源投入的阶段[25]， 能耗强度出现明显增长； 2005—2015年间， 我国能耗强度变动大致以5 a为周期呈现出“降速骤减—平稳波动—降速骤增”的梯度变化趋势； 2016年后， 能耗强度降速趋于平稳。 结合预测结果， 2020年我国能耗强度变化率约为-6.69%， 在“十三五”规划决胜期如何延续能耗降速的5 a周期规律， 进一步实现能源效率的大幅度提升， 将是能源可持续发展不断探求的目标。

图3 2000—2020年中国能耗强度发展趋势

2.2 中国能耗的空间差异

采用SPSS 22.0软件中的主成分分析法对6项区域能耗差异指标进行提取、浓缩，得到新的综合变量，并对综合变量进行分析。为了突出显示各因子解释力，本文中采用最大方差法对因子荷载矩阵进行正交旋转，正交旋转后输出的因子载荷矩阵如表4所示。由表可知，4个年份的主成分提取结果较相似，能耗份额X1与能耗增量份额X2、经济总体能耗强度X3与相对能耗强度X4、能耗总量增速X5与人均能耗增速X6分别在3个主成分上有较高荷载，因此，提取3个主成分可以基本反映全部指标信息。根据指标含义，可将3个因子分别命名为能耗规模因子、能耗强度因子、能耗增速因子。由因子得分系数矩阵，分别计算各地区3个因子的得分，最终以因子的方差贡献率为权重，得出各地区的能耗水平综合指数。

表4 正交旋转后各指标的因子荷载矩阵

选取2005、 2010、 2015、 2017年我国能耗水平综合指数作为基础数据， 借助ArcGIS软件进行空间可视化， 中国综合能耗水平的区域差异如图4所示。 从图中可以看出， 中国各年份能耗水平呈现不同的分布特征， 但区域均衡性发展趋势极为明显， 呈现出高能耗区“环带聚集—大范围条带状聚集—区域能耗水平均衡分布”的发展趋势。 其中， 2005年， 我国高能耗区呈“环带状”分区集聚状态， 形成了以辽宁、河北、山东为中心延展至内蒙古、 山西、 河南、 江苏的环海高能耗地带，由贵州、湖南、广东3个省构成的小环状较高能耗地带， 以青海高能耗区为核心、 由新疆、 甘肃、 宁夏、 陕西、 重庆、 云南6个省、 市(区)构成的西部次高能耗地带， 如图4(a)所示； 2010年， 我国高能耗区以广西高能耗区为支点， 以贵州、 四川、 青海、 新疆4个省(区)为渐弱轴， 以湖北、 湖南、 河南3个省及环海高能耗地带为渐强轴， 总体形成“V”字形分布格局，且较2005年而言，以辽宁、 河北、 山东为内核的环带地区能耗水平进一步增强，如图4(b)所示； 2015年， 高能耗省市区呈现“π”字形分布， 新疆、 青海、 宁夏、 内蒙古4个省(区)构成高能耗横轴带， 陕西、 重庆、 贵州3个省与河北、 山东、 河南、 江西、 广东5个省构成2条次一级高能耗纵轴带， 相较2010年而言， 我国各省区能耗水平综合指数均有了明显下降， 如图4(c)所示； 2017年， 我国各地区能耗水平以胡焕庸线为界， 基本呈现出西北高、 东南低、 低能耗大片集聚、 高能耗小点分散的分布态势， 如图4(d)所示。

2.3 中国能耗区域差异的影响因素分析

中国能耗水平存在显著的区域差异是多种因素综合作用的结果， 借鉴已有研究[26-30]， 遵循客观性和数据可获取性等原则， 选取经济发展水平、 产业结构、 人口规模、 城市化水平、 居民消费水平、 科技创新水平、 对外贸易水平7个方面作为影响中国能耗区域差异的探测因子， 相关指标要素如表5所示。 选取能耗总量和能耗强度2项指标表征地区能耗水平， 通过地理探测器分别测度8项指标要素对能耗总量、 能耗强度的影响作用强度， 从而揭示各因素对我国能耗水平空间差异的作用机制。

借助ArcGIS软件的自然断点法，对各指标要素进行离散化处理，并划分为5个等级，应用地理探测器软件GeoDetector测度各指标要素对中国能耗空间分异的影响强度，结果如表5所示。从表中可以看出，人口规模和科技创新水平对能耗总量的区域差异具有显著影响，并且人口规模的影响作用大于科技创新水平的，并通过了显著性水平0.05的检验；第三产业占比、 居民消费水平、 科技创新能力、对外贸易水平均对能耗强度的影响作用显著，也通过了显著性水平0.05的检验，各因素影响力由大到小的排序为科技创新水平、 对外贸易水平、 居民消费水平、 产业结构。

表5 能耗水平空间分异的影响因子地理探测结果

结合已有研究对我国能耗水平影响因素的作用机制进行分析，得到如下结论： 1)科技创新水平对我国能耗总量及能耗强度空间差异的综合影响作用最为显著，这与大多数研究[9-10]的结果一致，说明节能技术、工业制造技术的创新可通过推动新工艺、新产品的应用，进一步提升能源利用效率。 2)人类衣、食、住、行各方面需求的满足都以能耗为基础，因此，人口规模的大小必然会对能耗总量产生影响，并直接影响能源利用方式及能源人均占有量[31]。 3)出口贸易是以区域内部生产为基础的人类活动，出口的增加必然导致区域内生产规模扩大，增加当地能耗[32]，进而导致区域能耗水平的整体提升。 4)随着收入水平的提高，居民生活需求的增长必然导致生产环节中能源投入的同步增长；同时，居民消费需求的变动会通过产业关联而对能耗产生不同影响[33]。 5)各产业能源利用状况存在较大差异，如工业部门的单位产出能耗较高，而服务业及新兴产业等则能以少量的能耗获得较高的经济效益[27]，因此，省际产业结构的巨大差异也是造成我国能耗水平空间分异的重要原因。

上述结论说明，在保证经济发展和提高人民生活水平的情况下，要实现控制能耗总量、降低能耗强度的“双控”目标，可以考虑从改善能源技术、调整人口政策、引导居民绿色消费、加快产业结构转型等方面着手。

3 结论

基于2000—2017年统计数据，本文中从能耗总量、能耗结构、能耗强度3个方面分析并预测中国能耗的发展演化，采用主成分分析法对中国大陆30个省、市(区)(除西藏自治区)的综合能耗水平进行评价并探析区域空间分异特征，借助地理探测器探究影响能耗区域空间差异的因素作用强度，得到以下主要结论。

1)近年来我国能耗增速趋缓，能耗结构有所优化，能耗强度持续降低，整体呈现出良好的发展态势，但仍存在较多问题：①能耗总量基数大，净增能耗量多，且近年来能耗增速又有回升趋势，仍需有效措施来严格控制能耗总量；②能耗结构不平衡，煤炭消耗占能耗总量的比例居高不下，石油消耗占能耗总量的比例较不充分，天然气、水电、核能等清洁能源比例偏低，且这种能耗结构近年来虽有优化但短期内仍难以改变，我国急需构建清洁、高效的能耗结构；③我国能耗强度持续降低，但近几年来能耗强度降速趋缓，为了实现“十三五”规划的降耗目标，需要寻求新的针对性政策以有效降低能耗强度，提高能源效率。

2)我国能耗的区域差异显著，2005—2017年间，省际能耗水平总体呈现出由小区域聚集到整体均衡的发展态势：2005年我国能耗水平综合指数在空间上呈现出高能耗区“环带状”集聚的分布状态；2010年则形成以广西高能耗区为支点，以贵州、四川、青海、新疆4个省(区)为渐弱轴，以湖北、湖南、河南3个省及环海高能耗地带为渐强轴的“V”字形分布格局；2015年，高能耗省份呈现“π”字形分布；到2017年，我国各地区能耗水平以胡焕庸线为界基本呈现出西北高、东南低、低能耗大片集聚、高能耗小点分散的分布态势。

3)人口规模和科技创新水平对能耗总量的区域差异具有显著影响效应，并且人口规模的影响作用大于科技创新水平的；产业结构、居民消费水平、科技创新能力、对外贸易水平均对能耗强度的影响作用显著，各因素影响作用强度由高到低的排序为科技创新水平、对外贸易水平、居民消费水平、产业结构。