基于LMDI—ANN—DEA集成方法的我國(guó)能源消費(fèi)評(píng)價(jià)與優(yōu)化研究

劉暢+李承財(cái)

摘要：文章利用LMDI-ANN-DEA集成方法對(duì)1980—2014年我國(guó)能源消費(fèi)進(jìn)行了評(píng)價(jià)和預(yù)測(cè)，得到優(yōu)化的節(jié)能潛力。LMDI模型的分解發(fā)現(xiàn)，我國(guó)能源消耗增加主要是由于經(jīng)濟(jì)迅速發(fā)展引起的，能源強(qiáng)度因素對(duì)能源消耗具有顯著負(fù)向效應(yīng)，經(jīng)濟(jì)結(jié)構(gòu)對(duì)降低能耗的作用不明顯。進(jìn)一步利用ANN模型和DEA模型對(duì)我國(guó)能源消費(fèi)及節(jié)能潛力進(jìn)行預(yù)測(cè)和優(yōu)化。得出結(jié)論，1980年以來(lái)，我國(guó)年平均可節(jié)約能源495萬(wàn)噸標(biāo)準(zhǔn)煤，尤其是2010—2014年間平均可節(jié)約的能源為1166萬(wàn)噸標(biāo)準(zhǔn)煤，可通過(guò)能源管理來(lái)深入挖掘這部分節(jié)能潛力。

關(guān)鍵詞：LMDI；ANN；DEA；能源管理；節(jié)能潛力

中圖分類(lèi)號(hào)：F206 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-862X（2017）04-0077-006

一、引 言

近年來(lái)，我國(guó)經(jīng)濟(jì)迅猛發(fā)展。據(jù)統(tǒng)計(jì)，2014年我國(guó)的GDP總量為64萬(wàn)億元，占全球GDP的12.3%，成為世界上第二個(gè)GDP突破10萬(wàn)億美元的國(guó)家。（1）經(jīng)濟(jì)快速發(fā)展帶來(lái)的是能源消費(fèi)的快速增長(zhǎng)，2014年我國(guó)能源消費(fèi)總量為38.4億噸標(biāo)準(zhǔn)煤，占世界總能源消費(fèi)的21.5%。我國(guó)經(jīng)濟(jì)的迅速發(fā)展是由巨大的能源消費(fèi)驅(qū)動(dòng)的，因此也出現(xiàn)了一系列的問(wèn)題。我國(guó)曾是世界上最大的煤炭出口國(guó)，占世界產(chǎn)量的一半，但從2011年起我國(guó)超過(guò)日本成為第一煤炭進(jìn)口國(guó)。我國(guó)近年來(lái)雖一直努力減少碳排放，但年碳排放量已超過(guò)100億噸，占世界的29%，是世界最大的碳排放國(guó)。這些數(shù)據(jù)都表明，我國(guó)雖在節(jié)能減排方面取得了一系列成就，但更進(jìn)一步的節(jié)能減排工作仍勢(shì)在必行。

為增強(qiáng)能源自主保障能力，推進(jìn)能源消費(fèi)革命，我國(guó)制定了《能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃（2014—2020年）》?！缎袆?dòng)計(jì)劃》指出，應(yīng)大力推進(jìn)能源消費(fèi)革命，嚴(yán)格控制能源消費(fèi)過(guò)快增長(zhǎng)，著力實(shí)施能效提升計(jì)劃。因此，深入研究我國(guó)的節(jié)能潛力是非常有意義的。

很多學(xué)者從經(jīng)濟(jì)活動(dòng)、結(jié)構(gòu)與能源效率等視角研究能源消費(fèi)的影響因素。[1]-[7]多數(shù)研究認(rèn)為經(jīng)濟(jì)活動(dòng)和經(jīng)濟(jì)結(jié)構(gòu)對(duì)能源消耗有顯著影響，而Gonzalez等（2015）對(duì)歐盟能源消耗的研究則發(fā)現(xiàn)，能耗減少最主要的驅(qū)動(dòng)因素是能源強(qiáng)度的變化，經(jīng)濟(jì)結(jié)構(gòu)變化的影響因素不甚明顯。[8]一些學(xué)者從區(qū)域、行業(yè)等視角研究了我國(guó)的節(jié)能潛力。[9]-[11]然而，很少有學(xué)者從綜合視角研究能源消耗的影響因素并測(cè)算節(jié)能潛力。Olanrewaju和Jimoh等（2012）運(yùn)用一種集成方法（IDA-ANN-DEA）分析了加拿大15個(gè)工業(yè)行業(yè)的能源消費(fèi)，通過(guò)對(duì)歷史能耗數(shù)據(jù)進(jìn)行計(jì)算和分析，預(yù)測(cè)和優(yōu)化加拿大工業(yè)部門(mén)的能源效率，得到比單一利用IDA、ANN和DEA方法更令人滿(mǎn)意的結(jié)果。[12]

促進(jìn)能源節(jié)約可以有不同的策略，具體包括管理驅(qū)動(dòng)的能源節(jié)約、技術(shù)推動(dòng)的能源節(jié)約、通過(guò)政策與規(guī)章制度強(qiáng)制的能源節(jié)約等。其中，能源管理指為滿(mǎn)足必要的能源需求所采取的策略，可以通過(guò)優(yōu)化和規(guī)范高耗能的生產(chǎn)過(guò)程、降低單位產(chǎn)出的能源消費(fèi)來(lái)實(shí)現(xiàn)，同時(shí)保持甚至降低生產(chǎn)總成本。通過(guò)分析歷史數(shù)據(jù)，研究在不影響生產(chǎn)的情況下如何減少能源消耗是能源管理的一個(gè)重要方面。本文借鑒Olanrewaju和Jimoh等的方法，對(duì)我國(guó)六大產(chǎn)業(yè)部門(mén)的能源消費(fèi)進(jìn)行分析、預(yù)測(cè)和優(yōu)化，以分析能源管理驅(qū)動(dòng)的節(jié)能潛力，并為節(jié)能管理提供建議。

二、LMDI-ANN-DEA集成模型

（一）集成模型框架

本研究利用一個(gè)基于LMDI-ANN-DEA的集成方法，分析和優(yōu)化我國(guó)各經(jīng)濟(jì)部門(mén)的能源消費(fèi)驅(qū)動(dòng)因素和能源效率。首先利用IDA（Index Decompose Analysis）和ANN（Artificial Neural Network）方法對(duì)我國(guó)各部門(mén)的歷史能耗數(shù)據(jù)進(jìn)行分析，找出影響能源消費(fèi)的關(guān)鍵因素，并得到能源消耗預(yù)測(cè)值，然后利用DEA（Data Envelopment Analysis）方法對(duì)各部門(mén)的能源消費(fèi)進(jìn)行優(yōu)化，通過(guò)敏感性分析計(jì)算我國(guó)能源管理驅(qū)動(dòng)的節(jié)能潛力。

集成模型可以歸納為以下幾步：

1.利用LMDI（Logarithmic Mean Divisia Index）分析我國(guó)能源消耗的影響因素，評(píng)價(jià)經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)和能源強(qiáng)度因素對(duì)各產(chǎn)業(yè)部門(mén)能源消費(fèi)變化的貢獻(xiàn)。

2.用ANN模型對(duì)能源消費(fèi)進(jìn)行訓(xùn)練，得到理論上的能源消費(fèi)值，并驗(yàn)證ANN的預(yù)測(cè)結(jié)果。其中，以經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)和能源強(qiáng)度作為ANN的輸入指標(biāo)，以能源消費(fèi)作為ANN的輸出指標(biāo)。

3.通過(guò)DEA模型對(duì)實(shí)際能耗與能源消費(fèi)預(yù)測(cè)值進(jìn)行優(yōu)化評(píng)價(jià)，計(jì)算最優(yōu)能源消耗值，得到我國(guó)能源管理驅(qū)動(dòng)的節(jié)能潛力。

4.提出能源消費(fèi)優(yōu)化的建議。

（二）LMDI模型

利用LMDI模型研究影響能源消費(fèi)的因素，需要了解各種潛在因素對(duì)于能源消費(fèi)變化的貢獻(xiàn)率。一般情況下，影響能源消費(fèi)的主要因素有經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)和能源強(qiáng)度。假設(shè)Et代表第t年能源消費(fèi)總量，Ei代表第i個(gè)部門(mén)的能源消費(fèi)量，Q表示國(guó)內(nèi)生產(chǎn)總值，Qi表示第i個(gè)部門(mén)的產(chǎn)值，Si為第i個(gè)部門(mén)的產(chǎn)業(yè)結(jié)構(gòu)，Ii為第i個(gè)部門(mén)的能源強(qiáng)度。能源消耗的指數(shù)分解公式如式（1）所示：

（三）人工神經(jīng)網(wǎng)絡(luò)模型ANN

人工神經(jīng)網(wǎng)絡(luò)方法被廣泛運(yùn)用于能源需求預(yù)測(cè)。人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的過(guò)程是使得輸出值和觀測(cè)值之間的誤差盡可能小，將目標(biāo)函數(shù)設(shè)為使能源消費(fèi)預(yù)測(cè)值和觀測(cè)之間的均方差（MSE）最小的函數(shù)，如式（7）所示：

Yj是第j個(gè)神經(jīng)元的輸出值，f為激活函數(shù)，wij為低層第i個(gè)神經(jīng)元到下一層第j個(gè)神經(jīng)元的連接權(quán)重，xi是第i個(gè)神經(jīng)元的輸入值。學(xué)習(xí)的過(guò)程是通過(guò)誤差反向傳播機(jī)制對(duì)權(quán)重進(jìn)行更新而完成的，？駐wpij（n）表示p層神經(jīng)元第n次迭代連接神經(jīng)元i和神經(jīng)元j的突觸權(quán)重的改變量，如式（9）：

其中，？濁（n）表示學(xué)習(xí)率，？濁越小，從一次迭代到下一次迭代的網(wǎng)絡(luò)突觸權(quán)值的變化量越小。在實(shí)際的學(xué)習(xí)過(guò)程中，？濁的選擇非常重要，過(guò)大不穩(wěn)定，過(guò)小收斂太慢，所以通過(guò)增加動(dòng)量因子解決這一問(wèn)題，突觸權(quán)重更新過(guò)程如下：

？墜pj（n）是第p層第j個(gè)神經(jīng)元的第n個(gè)誤差，Xp-1j表示p-1層第i個(gè)神經(jīng)元的輸出信號(hào)，m表示動(dòng)量因子，用來(lái)改變學(xué)習(xí)速率，提高網(wǎng)絡(luò)性能。本文建立神經(jīng)網(wǎng)絡(luò)模型的目的是在給定經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)和能源強(qiáng)度不變前提下，通過(guò)訓(xùn)練得到一個(gè)理論上的能源消耗值，將理論上的能源消耗值和實(shí)際能耗值通過(guò)DEA進(jìn)行敏感性分析得到節(jié)能潛力。

（四）數(shù)據(jù)包絡(luò)分析模型（DEA）

DEA是一種非參數(shù)性的方法，由Charnes和Cooper（1978）提出，該方法通過(guò)計(jì)算產(chǎn)出和投入之間加權(quán)和之比，度量決策單元的投入產(chǎn)出效率，其特點(diǎn)是不需要考慮投入和產(chǎn)出之間的函數(shù)關(guān)系，也不需事先估計(jì)參數(shù)及設(shè)置任何權(quán)重，避免了主觀因素的影響。

利用DEA模型進(jìn)行敏感性分析，可以評(píng)價(jià)和測(cè)度能耗的節(jié)約潛力。將實(shí)際能源消費(fèi)增加值作為輸入，將ANN訓(xùn)練得到的能耗預(yù)測(cè)值作為輸出，采用輸入導(dǎo)向的CCR（Charnese-Coopere-Rhodes）模型，通過(guò)計(jì)算能源消費(fèi)的效率來(lái)度量實(shí)際的節(jié)能潛力。CCR模型的效率分值反映可觀察的能耗節(jié)約潛力。CCR模型如下：

其中，有m個(gè)輸入，p個(gè)輸出，？茲k是第k個(gè)DMU的輸出導(dǎo)向效率值，？著是小于任何正數(shù)且大于零的數(shù)，s-ik和s+rk分別為輸入和輸出的松弛變量，都是大于零的，？姿j則代表第j個(gè)DMU的權(quán)重。

借鑒韓一杰和劉秀麗（2011）輸入導(dǎo)向的超效率DEA模型進(jìn)行敏感性分析，得到節(jié)能潛力，該模型是基于規(guī)模報(bào)酬不變假定的，具體如下：

min？茲k

在假定非效率DMU可以通過(guò)減少能耗成為效率DMU的基礎(chǔ)上，通過(guò)敏感性分析可知，非效率DMU要成為效率DMU需要減少多少能源消耗，而需要減少的能源消耗即為節(jié)能潛力。

三、數(shù)據(jù)來(lái)源

為了對(duì)產(chǎn)業(yè)部門(mén)的能源消費(fèi)影響因素進(jìn)行深入分析，本文選取了1980—2014年我國(guó)農(nóng)林牧漁水利業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸業(yè)、批發(fā)零售業(yè)、其他行業(yè)六個(gè)部門(mén)的產(chǎn)值和能源消費(fèi)數(shù)據(jù)，其中各部門(mén)產(chǎn)值以2000年不變價(jià)格進(jìn)行平減。所有數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》。中國(guó)的能源消耗一直處于快速增長(zhǎng)的趨勢(shì)，從1980年的60275萬(wàn)噸標(biāo)準(zhǔn)煤增長(zhǎng)到2014年的425806萬(wàn)噸標(biāo)準(zhǔn)煤，增加了6倍，達(dá)到了世界能源消耗的20%，成為世界第一能源消費(fèi)大國(guó)。從增長(zhǎng)速率來(lái)說(shuō)，1980—2002年間能源消費(fèi)平均增長(zhǎng)率只有4.5%，而2003年以來(lái)，由于中國(guó)經(jīng)濟(jì)的快速發(fā)展，2003—2014年間的能源消費(fèi)平均增長(zhǎng)率達(dá)到8.3%，比1980—2014年間擴(kuò)大了一倍，尤其是2003—2007年間，能源消費(fèi)平均增長(zhǎng)率達(dá)到了12%。這些數(shù)據(jù)表明中國(guó)經(jīng)濟(jì)迅猛發(fā)展的同時(shí)產(chǎn)生了巨大的能源消耗。因此，研究中國(guó)能源消費(fèi)的主導(dǎo)因素和其內(nèi)涵的節(jié)能潛力是非常有必要的。

中國(guó)農(nóng)林牧漁水利業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸業(yè)、批發(fā)零售業(yè)、其他行業(yè)六個(gè)部門(mén)的單位產(chǎn)值能耗總體呈不斷下降趨勢(shì)。在這六個(gè)部門(mén)中，能源效率最低的是工業(yè)和交通運(yùn)輸業(yè)，批發(fā)零售業(yè)能源效率最高。近年來(lái)，工業(yè)部門(mén)能耗強(qiáng)度降低幅度很大，從1980年到2001年工業(yè)部門(mén)能耗強(qiáng)度下降了77%，而交通運(yùn)輸業(yè)下降了53%。從《京都議定書(shū)》簽署以來(lái)，我國(guó)主動(dòng)承擔(dān)大國(guó)節(jié)能減排的責(zé)任，不管是節(jié)能技術(shù)還是能源利用效率都有很大的提高。工業(yè)部門(mén)從2002年起始單位產(chǎn)值能耗開(kāi)始升高，但幅度不大，2005年以來(lái)單位產(chǎn)值能耗繼續(xù)下降。而交通運(yùn)輸業(yè)單位產(chǎn)值能耗從2002年開(kāi)始略微升高，然后趨于平穩(wěn)。

四、結(jié)果分析

（一）LMDI分析

將1980年到2014年我國(guó)六部門(mén)能源消費(fèi)狀況通過(guò)LMDI乘法形式分解為經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度三種因素，表1是分解后的結(jié)果。從表1可以看出，三十多年來(lái)，我國(guó)能源消費(fèi)增加的驅(qū)動(dòng)因素主要是由于經(jīng)濟(jì)活動(dòng)的影響，經(jīng)濟(jì)活動(dòng)對(duì)能源消費(fèi)增加的貢獻(xiàn)度為155.9%。這與我國(guó)目前的國(guó)情十分相符，我國(guó)自從改革開(kāi)放以來(lái)，經(jīng)濟(jì)始終處于高速發(fā)展態(tài)勢(shì)，而經(jīng)濟(jì)的快速發(fā)展必然伴隨著能耗的迅速增長(zhǎng)。

經(jīng)濟(jì)結(jié)構(gòu)因素對(duì)能源消費(fèi)的影響總體為正向影響，貢獻(xiàn)度為13.62%，僅在1980—1983年、1989—1990年、2005—2009年、2011—2012年、2013—2014年，經(jīng)濟(jì)結(jié)構(gòu)因素對(duì)能源消費(fèi)產(chǎn)生負(fù)向影響，這表明我國(guó)的能源消費(fèi)受經(jīng)濟(jì)結(jié)構(gòu)影響較大，加快發(fā)展低耗能的產(chǎn)業(yè)將促進(jìn)能耗下降。但與經(jīng)濟(jì)活動(dòng)因素相比，經(jīng)濟(jì)結(jié)構(gòu)因素對(duì)能源消費(fèi)的影響較弱，與朱永彬等（2013）的研究結(jié)論相符。

從表1可以看出，除了1988—1989年、2001—2004年和2012—2013年外，能源強(qiáng)度對(duì)能源消費(fèi)的影響為負(fù)，其貢獻(xiàn)度為69.55%。也就是說(shuō)，能源強(qiáng)度下降是促進(jìn)能源消費(fèi)下降的主要因素。近年來(lái)，我國(guó)正在改變以往的粗放式經(jīng)濟(jì)發(fā)展方式，注重經(jīng)濟(jì)發(fā)展的質(zhì)量，并出臺(tái)一系列政策法規(guī)降低各部門(mén)能源消費(fèi)，而各部門(mén)考慮自身長(zhǎng)期發(fā)展，大力實(shí)施節(jié)能技術(shù)，從而使得能源效率不斷提高，能源強(qiáng)度不斷降低。

（二）能源消費(fèi)預(yù)測(cè)分析

本文以L(fǎng)MDI分解得來(lái)的經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度作為神經(jīng)網(wǎng)絡(luò)的輸入，以實(shí)際能源消費(fèi)作為輸出，利用反向傳播算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。通過(guò)不斷地訓(xùn)練比較最終選擇了最優(yōu)隱層神經(jīng)元為5個(gè)。如圖1所示，這樣就構(gòu)建了一個(gè)由經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度三個(gè)輸入神經(jīng)元，五個(gè)隱層神經(jīng)元，能源消費(fèi)為輸出神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)模型。通過(guò)比較選擇了學(xué)習(xí)速率為0.3，動(dòng)量因子為0.2，得到了1980年到2014年理論上的能源消耗值，結(jié)果如圖2所示。從圖2可以看出，由訓(xùn)練的神經(jīng)網(wǎng)絡(luò)得到的能源消費(fèi)預(yù)測(cè)值與實(shí)際值擬合較好。

對(duì)圖2中能源消費(fèi)實(shí)際值和預(yù)測(cè)值進(jìn)行回歸分析，以確定預(yù)測(cè)的準(zhǔn)確性。建立回歸方程y = ax + b，以實(shí)際能源消費(fèi)作為自變量x，以神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)能耗作為因變量y，用OLS進(jìn)行回歸分析，得出a的值為0.9997，R2值為0.9999。由此得知，實(shí)際能源消費(fèi)值和預(yù)測(cè)值之間存在很強(qiáng)的相關(guān)性，表明訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型有較好的預(yù)測(cè)能力，可以得到理論上的能源消費(fèi)值。

（三）能源消耗改進(jìn)效率分析

為研究能源消費(fèi)的改進(jìn)效率，本文選用輸入導(dǎo)向的CCR模型進(jìn)行分析，以能源消費(fèi)的實(shí)際值作為輸入，以能耗理論值作為輸出，分析結(jié)果見(jiàn)表2。從表2可以看出，能耗改進(jìn)效率的最優(yōu)年份是1991年，將其作為生產(chǎn)前沿面，其他年份能源消費(fèi)與其進(jìn)行比較得到每個(gè)年份的相對(duì)改進(jìn)效率。

通過(guò)比較得知，效率最低年份1999年，其能耗改進(jìn)效率為0.995%，在經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)和能源強(qiáng)度相對(duì)不變的情況下，究其低效的原因是由于能源管理不善造成的。這就為企業(yè)通過(guò)加強(qiáng)能源管理提高能源效率，降低能源消耗提供了依據(jù)。

通過(guò)敏感性分析，使非效率年份成為效率年份，即可得出各年的節(jié)能潛力。圖3為1980年到 2014年各年間可提高的節(jié)能潛力，從圖3可以看出，節(jié)能潛力最高的年份為1999年，其節(jié)能潛力為0.551%，其次是2010年、1998年和2014年；除了最優(yōu)年份1991年，節(jié)能潛力最低的年份為2007年，其節(jié)能潛力為0.231%。進(jìn)一步計(jì)算出1980—2014年各年間可節(jié)約的能耗值，如圖4?？梢钥闯?，從1980年以來(lái)，可節(jié)約的能耗值是不斷提高的，到2014年可節(jié)約的能耗為1456萬(wàn)噸標(biāo)準(zhǔn)煤，尤其是2010—2014年間平均可節(jié)約的能耗值為1166萬(wàn)噸標(biāo)準(zhǔn)煤。在經(jīng)濟(jì)活動(dòng)、經(jīng)濟(jì)結(jié)構(gòu)和能源強(qiáng)度相對(duì)不變的條件下，這部分節(jié)能潛力主要來(lái)自于能源管理，可通過(guò)進(jìn)一步的能源管理提高能源效率、降低能源消耗。

五、結(jié) 論

本文采用Olanrewaju等人提出的LDMI-ANN-DEA集成方法，對(duì)1980—2014年間我國(guó)六個(gè)產(chǎn)業(yè)部門(mén)的能源消費(fèi)情況進(jìn)行了分析和評(píng)價(jià)，并測(cè)算了節(jié)能潛力。

研究發(fā)現(xiàn)，我國(guó)能源消耗的增加主要是由于經(jīng)濟(jì)迅速發(fā)展引起的，即由經(jīng)濟(jì)活動(dòng)因素驅(qū)動(dòng)的，經(jīng)濟(jì)活動(dòng)對(duì)能源消耗增加的貢獻(xiàn)度為155.9%，經(jīng)濟(jì)結(jié)構(gòu)因素對(duì)我國(guó)能源消耗影響較小，約為13.62%，而能源強(qiáng)度因素對(duì)我國(guó)能源消耗的貢獻(xiàn)度為69.55%。DEA模型分析表明，能耗改進(jìn)效率最低年份1999年，為0.995%，最優(yōu)年份是1991年。通過(guò)敏感性分析，得出1999年的節(jié)能潛力最高，為0.531%。從1980年以來(lái)，可節(jié)約的能耗值不斷升高，2014年可節(jié)約的能耗為1455.53萬(wàn)噸標(biāo)準(zhǔn)煤。35年間平均可節(jié)約495萬(wàn)噸標(biāo)準(zhǔn)煤，尤其是2010—2014年間平均可節(jié)約的能耗值為1166萬(wàn)噸標(biāo)準(zhǔn)煤，這部分潛力來(lái)自于能源管理的不足。

我國(guó)節(jié)能的主要方式是通過(guò)改進(jìn)技術(shù)或者調(diào)整產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行節(jié)能，對(duì)于能源管理驅(qū)動(dòng)的節(jié)能方式重視不夠。有效地進(jìn)行管理節(jié)能不僅會(huì)提高各部門(mén)能源效率，還會(huì)帶來(lái)很大的經(jīng)濟(jì)效益。本文的研究表明，工業(yè)、農(nóng)業(yè)、建筑等生產(chǎn)部門(mén)可以通過(guò)優(yōu)化和規(guī)范高耗能的生產(chǎn)過(guò)程、降低單位產(chǎn)出的能源需求來(lái)實(shí)現(xiàn)管理節(jié)能，商業(yè)部門(mén)通過(guò)加強(qiáng)服務(wù)過(guò)程的能源管理實(shí)現(xiàn)節(jié)能。因此，相關(guān)部門(mén)應(yīng)該加強(qiáng)能源管理節(jié)能，加強(qiáng)能源管理的公共服務(wù)、政策引導(dǎo)和監(jiān)管；根據(jù)國(guó)家能源管理體系認(rèn)證的要求，切實(shí)建立能源管理制度和能源管理體系，嚴(yán)格按照要求進(jìn)行實(shí)施。

注釋?zhuān)?/p>

（1）本文數(shù)據(jù)都來(lái)自于中經(jīng)網(wǎng)、中國(guó)環(huán)保部網(wǎng)站、Global Carbon Project網(wǎng)站、《中國(guó)統(tǒng)計(jì)年鑒》（2003—2013）、《中國(guó)能源統(tǒng)計(jì)年鑒》（2003—2013）和《BP世界能源統(tǒng)計(jì)2014》

參考文獻(xiàn)：

[1]曾勝，黃登仕.中國(guó)能源消費(fèi)、經(jīng)濟(jì)增長(zhǎng)與能源效率——基于 1980—2007 年的實(shí)證 [J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009， （8）：17-28.

[2]張偉，朱啟貴.基于LMDI的我國(guó)工業(yè)能源強(qiáng)度變動(dòng)的因素分解——對(duì)我國(guó)1994—2007年工業(yè)部門(mén)數(shù)據(jù)的實(shí)證分析[J].管理評(píng)論，2012，24（9） ：28-36.

[3]朱永彬，劉昌新，王錚，史雅娟.我國(guó)產(chǎn)業(yè)結(jié)構(gòu)演變趨勢(shì)及其減排潛力分析[J].中國(guó)軟科學(xué)，2013，（2）：35-42.

[4]關(guān)偉，許淑婷.遼寧省能源效率與產(chǎn)業(yè)結(jié)構(gòu)的空間特征及耦合關(guān)系[J].地理學(xué)報(bào)，2014，69（4） ：520-530.

[5]Ma，C.A multi-fuel，multi-sector and multi-region approach to index decomposition：An application to China's energy consumption 1995–2010[J].Energy Economics，2014，42：9-16.

[6]Wang，W.，Liu，X.，Zhang，M.，& Song，X.Using a new generalized LMDI （logarithmic mean Divisia index） method to analyze China's energy consumption[J].Energy，2014，67：617-622.

[7]Bi，G.-B.，Song，W.，Zhou，P.，Liang，L.Does environmental regulation affect energy efficiency in Chinas thermal power generation？Empirical evidence from a slacks-based DEA model[J].Energy policy，2014，66：537-546.

[8]Gonzalez，P.F.n.Exploring energy efficiency in several European countries.An attribution analysis of the Divisia structural change index[J].Applied Energy，2015，137：364-374.

[9]韓一杰，劉秀麗.基于超效率 DEA 模型的中國(guó)各地區(qū)鋼鐵行業(yè)能源效率及節(jié)能減排潛力分析[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2011，31（3）：287-298.

[10]余泳澤.我國(guó)節(jié)能減排潛力，治理效率與實(shí)施路徑研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2011，（5）：58-68.

[11]王臘芳，段文靜，賴(lài)明勇，等.中國(guó)制造業(yè)節(jié)能潛力的區(qū)域及行業(yè)差異[J].地理研究，2015，（1）：11.

[12]Olanrewaju，O.，Jimoh，A.，& Kholopane，P.Integrated IDA-ANN-DEA for assessment and optimization of energy consumption in industrial sectors[J].Energy，2012，46（1），629-635.

（責(zé)任編輯 吳曉妹）