劉自敏 崔志偉 朱朋虎

摘要

電力消費的動態(tài)時空變化是國家能源布局規(guī)劃中的重要問題。本文利用中國286個地級市城市數(shù)據(jù)可視化了2004—2016年間電力消費重心的動態(tài)變化，并基于電力消費量驅(qū)動消費重心變化的理論分析，進一步通過廣義迪氏指數(shù)分解法（GDIM）將電力消費量的變化分解為經(jīng)濟規(guī)模、電力強度、投資規(guī)模、投資效率、人口規(guī)模、人均用電量、人均生產(chǎn)總值及固定資產(chǎn)投入產(chǎn)出八個效應(yīng)，分層次分析了電力消費量變化的影響因素貢獻度。研究結(jié)論為：①三類電力消費重心都位于中部地區(qū)，但均偏離幾何重心而偏向于東部經(jīng)濟發(fā)達地區(qū)，同時呈現(xiàn)出整體向西南方向遷移的趨勢，因此要篩選主要的電力供需點及中轉(zhuǎn)節(jié)點來建設(shè)能源基礎(chǔ)設(shè)施，以最小的經(jīng)濟成本來最大化其輻射范圍;②當(dāng)前電力消費重心與幾何重心的距離逐漸減小，但若保持目前趨勢，在越過垂直的最小點后有擴大的可能，反映出中國目前區(qū)域發(fā)展不均衡的狀況有所改善但仍不能忽視，未來應(yīng)要繼續(xù)促進區(qū)域均衡發(fā)展;③東北地區(qū)的年均電力消費增長率最低，北部沿海、東部沿海次之，西北地區(qū)的年均電力消費增長率最高，綜合作用下拉動了電力消費重心整體向西南方向遷移，在進一步的能源基礎(chǔ)設(shè)施布局中要著重考慮電力消費重心的動態(tài)變化趨勢;④經(jīng)濟規(guī)模和投資規(guī)模是促進電力消費量增長的主要推動力，電力強度與投資效率則是抑制電力消費量增長的主要因素，因此要根據(jù)不同地區(qū)的影響因素貢獻度變化進行差異化管理。本文為優(yōu)化能源布局和制定能源政策提供了理論支持和政策指導(dǎo)。

關(guān)鍵詞電力消費;重心法;時空變化;GDIM;影響因素

中圖分類號F129.9

文獻標(biāo)識碼A文章編號1002-2104（2019）11-0020-10DOI：10.12062/cpre.20190509

為了保障我國生產(chǎn)生活的電力需求并促進電力消費與生產(chǎn)間的銜接平衡，中國從上世紀(jì)末開始實施“西電東送”工程，一定程度上解決了電力資源與電力負(fù)荷分布不均衡的狀況。然而，在我國地緣廣闊而資源分布不均的背景下，輸配電網(wǎng)等電力基礎(chǔ)設(shè)施建設(shè)成本高、周期長的特點對電力基礎(chǔ)設(shè)施布局以及輸配電網(wǎng)規(guī)劃等提出了更高要求。同時，我國各地經(jīng)濟發(fā)展水平差異較大，其長期電力需求更是難以預(yù)測，實現(xiàn)電力生產(chǎn)與電力消費間的有效銜接需要準(zhǔn)確把握電力消費的時空變化特征。

重心概念來源于物理學(xué)，自1872年Hilgard將其用于研究美國的人口問題后，這種簡潔的方法就被廣泛應(yīng)用于諸如人口、農(nóng)業(yè)、能源等地理分布領(lǐng)域的研究。重心主要由地理位置和研究屬性決定，當(dāng)?shù)乩砦恢帽３植蛔儠r重心的變化就反應(yīng)了研究屬性的變化，因此電力消費重心遷移背后的根源在于電力消費量的變化?；诖?，本文通過引入電力消費重心概念來反映中國電力消費的空間分布狀況，以重心遷移來響應(yīng)時間趨勢，并進一步使用廣義迪氏指數(shù)分解法（GDIM）分析電力消費變化的影響因素，為優(yōu)化我國電力基礎(chǔ)設(shè)施布局以保障我國電力資源高效利用提供參考。

1文獻回顧

現(xiàn)有相關(guān)研究主要從以下幾方面展開。一是關(guān)于能源消費的空間分布情況，尤其是運用能源重心方法對空間布局的分析。能源重心是指在二維平面空間中在各個方向上保持能源屬性均衡的一個質(zhì)點，Wang等[1]在探索全球能源生產(chǎn)與消費的時空特征中發(fā)現(xiàn)不同種類的能源在其格局演變中重心遷移趨勢各不相同。基于經(jīng)濟與能源的相關(guān)性，有學(xué)者將能源重心與經(jīng)濟重心等聯(lián)系起來分析了能源生產(chǎn)、消費與經(jīng)濟發(fā)展區(qū)域差異的動態(tài)變化及其相互關(guān)系[2-3]。此外由于能源供需空間上的差異，Zhang等[4]測量了中國能源生產(chǎn)與消費重心的位置、移動、距離和速率的變化，進而解釋了能源供需格局上的區(qū)域差異。劉滿芝等[5]則根據(jù)中國煤炭的儲、產(chǎn)、消以及經(jīng)濟的重心位置、重心移動距離和方向進行產(chǎn)業(yè)空間布局的優(yōu)化。

二是關(guān)于能源重心移動的因素貢獻度分析。在重心移動分解中，葉明確[6-7]較為系統(tǒng)地總結(jié)了常用的貢獻度分解方法在重心法研究中的不適用性且給出了解決方案，并以中國經(jīng)濟重心變動為例指出每個階段下的重心移動均是不同地區(qū)的不同影響因素所造成的?；诓煌哪茉捶N類，Zhang等[8]探究了中國石油生產(chǎn)與消費重心遷移的因素分析，張露等[9]和李蘭蘭等[10]分別按照地理和經(jīng)濟等劃分區(qū)域研究了中國天然氣的消費重心遷移貢獻大小的原因與規(guī)律，基礎(chǔ)設(shè)施、需求和服務(wù)效率分別在不同時期對不同地區(qū)產(chǎn)生影響，進而影響天然氣消費重心的移動。聚焦在電力方面，謝品杰等[11]分析了電力強度重心的遷移路徑，內(nèi)部差異引起的重心演變推力主要受到西北、西南、華北地區(qū)的影響。

三是關(guān)于能源消費量變化的分析。越來越多的學(xué)者采用分解法來探究能消費量變化背后的原因，常見的有指數(shù)分解和結(jié)構(gòu)分解方法。較有代表性的是，Ang & Choi[12]基于傳統(tǒng)階乘指數(shù)分解提出了對數(shù)平均迪氏分解（LMDI），克服了傳統(tǒng)方法中存在分解殘差和零值問題的缺陷。Ang[13]基于理論基礎(chǔ)、適應(yīng)性、易用性和結(jié)果展示等方面考慮，認(rèn)為LMDI是能源領(lǐng)域中的首選方法，此后LMDI廣泛運用在環(huán)境污染尤其是碳排放及能源消費等方面的影響因素分析中[14]。Vaninsky[15]進一步對LMDI在實際運用中無法考察多個絕對變量的影響等進行了完善，并提出了廣義迪氏指數(shù)分解法（GDIM）。眾多學(xué)者運用GDIM分析了相關(guān)行業(yè)中碳排放的影響因素并結(jié)合當(dāng)前綠色發(fā)展的趨勢提出了碳減排的相關(guān)建議[16-18]。

梳理上述文獻可以看出，將重心法引入能源領(lǐng)域能夠反映電力消費的空間分布，同時在探索電力消費量變化背后的原因時采用分解法也具有簡單易操作且沒有殘差等優(yōu)點。但由于重心移動是一種復(fù)雜的合力結(jié)果，當(dāng)前對能源重心的研究大多是在省級數(shù)據(jù)確定全國重心的基礎(chǔ)上進行簡單的遷移路徑分析，并在能源消費影響因素分析時基本使用傳統(tǒng)的LMDI方法。目前尚缺乏基于城市層面對省級和全國能源消費重心的動態(tài)刻畫。伴隨著能源改革市場化的進一步深入，同時各地區(qū)間經(jīng)濟發(fā)展水平不均衡、產(chǎn)業(yè)結(jié)構(gòu)差異大、人口及能源等要素分布不均，使得省域間的電力消費特征和電力消費的影響因素有較大的區(qū)域差異性。明確與識別省級層面的消費重心動態(tài)變化及其影響因素對于市場化改革下進行精準(zhǔn)能源戰(zhàn)略布局具有重要的現(xiàn)實與政策含義。

本文試圖在以下方面有所創(chuàng)新：①研究方法上，借鑒碳排放領(lǐng)域使用GDIM方法的思路，將GDIM引入電力消費領(lǐng)域，可以把多個絕對影響因素同時納入分析框架，相比LMDI能更為全面有效地度量電力消費變化背后的主要驅(qū)動力;②實證分析中，基于地級市城市數(shù)據(jù)在將電力消費重心細(xì)化到省級層面的基礎(chǔ)上，將電力消費的時空分布特征與電力基礎(chǔ)設(shè)施布局聯(lián)系起來，進而為能源基礎(chǔ)設(shè)施布局的前瞻性規(guī)劃提供有益參考。

2基本概念與研究方法

2.1消費重心及變動

重心是指在空間中保持均衡的一個質(zhì)點，在二維平面中由各區(qū)域地理位置和所研究的目標(biāo)變化兩個因素決定，在地理位置保持不變的情況下重心的位移就反映了所研究目標(biāo)的變化。具體到本文中為某地區(qū)由n個地級市組成，則求該地區(qū)電力消費重心的計算公式為：

Xt=∑ni=1QitXi/∑ni=1Qit

Yt=∑ni=1QitYi/∑ni=1Qit

（1）

其中，（Xi，Yi）為該地區(qū)地級市i的地理重心經(jīng)緯度坐標(biāo)，其緯度為Xi、經(jīng)度為Yi，Qit為該市i第t年的電力消費量，則（Xt，Yt）為該地區(qū)第t年的電力消費重心。需要注意的是，在求特定的電力消費重心時要保持屬性維度的一致，依次求出社會電力消費重心、工業(yè)電力消費重心以及城鎮(zhèn)居民生活電力消費重心。重心計算的前提條件是二維平面，故使用歐氏距離計算移動距離。考慮到經(jīng)緯度與實際的比例差距，參考王維華[3]的比例系數(shù)111.111，得到：

Dt1，2=C×（X—t2-Xt1）2+（Yt2-Yt1）2

（2）

其中，Dt1，2為時間t內(nèi)的移動距離，C為比例系數(shù)，（Xt1，Yt1）為重心在基期的經(jīng)緯度，（Xt2，Yt2）為終期經(jīng)緯度。

2.2廣義迪氏指數(shù)分解

2.2.1基本變量

電力是生產(chǎn)活動的重要動力來源，也是社會進步的重要支撐條件，這決定了電力消費受到眾多因素的影響。不難發(fā)現(xiàn)，目前對于能源消費的因素分解模型及指標(biāo)選取較為固定，經(jīng)濟發(fā)展、人民生活與電力息息相關(guān)，可以明顯看出經(jīng)濟規(guī)模和人口規(guī)模均是影響電力消費的主要因素[19]。劉暢和李承財[20]、申俊等[21]發(fā)現(xiàn)經(jīng)濟的迅速發(fā)展以及人口規(guī)模的擴張均促進了我國的能源消費。同時隨著人們生活水平日益提高和社會的快速發(fā)展，家庭電器的數(shù)量和種類也在不斷豐富，更多的電器進入了人們的日常生活中，帶來的必然是人均用電量的大幅增長，進而導(dǎo)致電力消費量的增加[22-23]。但另一方面，隨著人均GRP的提高和環(huán)保意識的增強，人們也更有動力去購買更加先進、節(jié)能的電器，這將有助于提高電力利用率[24]。與此同時，隨著電力強度的下降，勢必會提高電力的利用效率而降低電力消費量[25]，但效率的提高也可能會因回彈效應(yīng)的存在而進一步促進電力消費的增長[26]，因此電力強度效用的真實情況有待檢驗。

此外現(xiàn)有研究更多的是考察經(jīng)濟規(guī)模或者人口規(guī)模對于能源消費的影響，很少考慮到投資對能源消費的影響。實際上，改革開放以來，大規(guī)模的固定資產(chǎn)投資也促進了能源消費[27]，因此本文特別引入投資規(guī)模、投資效率等因素來完善電力消費的影響機理分析。具體來看，當(dāng)進行固定資產(chǎn)投資時，相當(dāng)一部分投資被用于基礎(chǔ)設(shè)施建設(shè)，在建設(shè)和運營時就導(dǎo)致了大量的電力消費，而且又會形成電力基礎(chǔ)設(shè)施等有效保障了電力供應(yīng)，所以固定資產(chǎn)投資規(guī)模直接對電力消費產(chǎn)生了促進作用。同時當(dāng)資本配置效率改善時，在提高固定資產(chǎn)投入產(chǎn)出的同時也將間接降低電力消費，而當(dāng)企業(yè)等進一步進行更新和改造節(jié)能減排設(shè)備時，其投資效率也會提高電力利用效率進而降低電力消費量[17，28]見圖1。

2.2.2分解模型

Vaninsky在Kaya恒等式的基礎(chǔ)上提出了GDIM，本文在其基礎(chǔ)上將GDIM引入電力消費量變化的影響因素分解，具體有如下關(guān)系：

其中，E為該地區(qū)的電力消費量，GRP為地區(qū)生產(chǎn)總值，INV為固定資產(chǎn)投資，POP為人口數(shù)量，PI=E/GRP為電力強度，IE=E/INV為投資效率，PE=E/POP為人均用電量，PG為人均生產(chǎn)總值，IO為固定資產(chǎn)投入產(chǎn)出比。進一步根據(jù)式（3）變換：

ΔGRP為經(jīng)濟規(guī)模效應(yīng)，反映了經(jīng)濟發(fā)展的影響;ΔPI為電力強度效應(yīng)，反映電力的利用效率;ΔINV為投資規(guī)模效應(yīng)，說明固定資產(chǎn)投資的影響;ΔIE為投資效率，說明投資的節(jié)能效果;ΔPOP為人口規(guī)模效應(yīng)，反映人口變動的影響;ΔPE為人均用電量，反映人們生活水平變化的影響;ΔPG為人均生產(chǎn)總值，反映人們收入變動的影響;ΔIO為固定資產(chǎn)投入產(chǎn)出比，反映資本配置效率。再進一步，我們得到了所有剩余的階乘指標(biāo)和由此產(chǎn)生的指標(biāo)隨時間變化與方程一致，并在此基礎(chǔ)上定義電力消耗量Q在時間t上的指數(shù)函數(shù)并對t求導(dǎo)為：

Q（t）=（Q1Q0）t，dQ（t）dt=ln（Q1Q0）Q（t）

（9）

其中，Q0和Q1分別是其基期數(shù)值和最終值。通過GDIM分解將電力消費量的變動分解為以上8個效應(yīng)。

3數(shù)據(jù)說明

本文所使用的地理信息數(shù)據(jù)來自于GPSSPG網(wǎng)站，在計算省級電力消費重心中參照通用做法采用各地區(qū)地級市的行政中心的位置來指代地理中心。而各地級市電力消費以及分解所用指標(biāo)數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》，其中2005年的統(tǒng)計年鑒才開始將社會用電中的工業(yè)電力消費和城鎮(zhèn)居民生活電力消費分開統(tǒng)計，因此本研究期為2004—2016年。在分析電力消費影響因素時使用的省級層面數(shù)據(jù)由地級市數(shù)據(jù)加總得到，部分地級市數(shù)據(jù)缺失時采用均值法進行插值并對總量進行一定調(diào)整。為剔除時間、通貨膨脹等因素對本研究的影響，本文使用各地區(qū)統(tǒng)計年鑒中的居民消費價格指數(shù)和固定資產(chǎn)投資價格指數(shù)分別對地區(qū)生產(chǎn)總值、固定資產(chǎn)投資進行調(diào)整，處理后的各主要變量的描述性統(tǒng)計見表1。

4實證結(jié)果

本節(jié)首先可視化了整體電力消費重心的動態(tài)變化軌跡，并分地區(qū)分析了三類重心的趨勢變化，然后進一步考察了重心距離變化的情況。由式（1）可知，當(dāng)?shù)乩硇畔⒈３植蛔儠r重心變化反應(yīng)了研究屬性的變化，因此電力消費重心遷移背后的根源在于電力消費量的變化。進一步使用GDIM分析各地區(qū)的社會電力消費量變化主要影響因素的貢獻度。

4.1電力消費重心的動態(tài)時空特征

4.1.1全國層面

基于286個城市電力消費數(shù)據(jù)和地理信息計算出

2004—2016年研究區(qū)域內(nèi)三類電力消費重心，具體移動軌跡見圖2。幾何重心是假定研究屬性均為1的無量綱屬性算出，因此能夠較為簡單地反映研究區(qū)域地理的重心點，進而一定程度上代表該地區(qū)的穩(wěn)定點。通過加入幾何重心作為參照點來比較電力消費重心與幾何重心的差距變化，來顯示區(qū)域內(nèi)的電力消費均衡度。其中中國港澳臺地區(qū)、新疆及西藏由于數(shù)據(jù)可得性等問題并沒有納入計算。

從重心分布地看，2004—2016年期間三類重心雖然都位于中部地區(qū)，但實際上均偏離幾何重心而偏向于東部沿海地區(qū)。因此可以認(rèn)為東部地區(qū)仍然是目前中國電力消費的主要地區(qū)。同時社會用電跟工業(yè)用電兩者變動具有同步性，而城鎮(zhèn)居民生活用電重心移動幅度更大。工業(yè)用電由于占據(jù)社會用電比重大，同時電力也是工業(yè)生產(chǎn)中必不可少的生產(chǎn)要素，易受經(jīng)濟狀況等因素影響，多方綜合作用下拉動社會用電重心與之一起向經(jīng)濟發(fā)達地區(qū)偏移。

而城鎮(zhèn)居民生活用電為人們基本的生活需求，相對受人口數(shù)量、家庭電器數(shù)量等因素的影響更大。

從重心移動趨勢看，雖然三類重心都有反復(fù)，但總體仍呈現(xiàn)向西南方向移動的趨勢。從緯度上看，社會用電、工業(yè)用電與城鎮(zhèn)居民生活用電分別向西移動了0.40°、0.39°、0.44°，經(jīng)度上三者分別向南移動了0.36°、0.41°、0.52°，表明重心呈現(xiàn)向西南遷移的趨勢，說明西南地區(qū)將是未來電力消費增長的主要力量。在資源就地轉(zhuǎn)化的地緣限制下，通過合理規(guī)劃輸配電網(wǎng)等電力基礎(chǔ)設(shè)施的布局來優(yōu)化電力資源配置、保障用電需求將是不可忽視的焦點問題。

4.1.2省級層面

因重心計算中子區(qū)域應(yīng)多于1個，本文排除直轄市及青海、海南，使用余下數(shù)據(jù)計算23個地區(qū)重心的分布位置，見表2、圖3。

從整體重心位置來看，多數(shù)重心均偏向于其地區(qū)內(nèi)經(jīng)濟較為發(fā)達的位置。沿海城市相對內(nèi)陸城市要經(jīng)濟領(lǐng)先，使得電力消費也遙遙領(lǐng)先，進而拉動電力消費重心向沿海方向偏移。此外具有類似現(xiàn)象的還有安徽、江西、河南、湖北、湖南等區(qū)域內(nèi)有長江、黃河等主要水系流過的省份。江蘇則是受這種航運所帶來的經(jīng)濟輻射作用最為明顯的省份。此外寧夏自治區(qū)的電力消費重心明顯聚集在其北部，這是因為在其北部有黃河流域而南部屬高原地帶，不利于經(jīng)濟發(fā)展，二者綜合作用下使得出現(xiàn)重心偏移嚴(yán)重的現(xiàn)象。類似的還有四川地區(qū)。而黑龍江、內(nèi)蒙古、云南等地處中國邊境的地域，由于邊境區(qū)域的經(jīng)濟發(fā)展?fàn)顩r以及地理地貌的限制等，導(dǎo)致其電力消費重心偏向國內(nèi)方向。重心所在地與省會或經(jīng)濟發(fā)達地區(qū)有較大重合性。一般來說，省會城市均是該地區(qū)的經(jīng)濟、人口、政治中心等，這也表明在省域視角下的電力消費重心跟該地區(qū)的經(jīng)濟等聯(lián)系緊密。因此從省級層面上考慮電力基礎(chǔ)設(shè)施建設(shè)時，應(yīng)當(dāng)圍繞其經(jīng)濟發(fā)達地區(qū)來考慮，如作為主要輸配電網(wǎng)的終點，在城郊建設(shè)大型變壓站等。

除去遼寧、安徽、福建、山東、湖北、湖南、貴州七個地區(qū)，剩余地區(qū)的城鎮(zhèn)居民生活用電重心相對于其他重心來說更趨向于地區(qū)幾何重心，表明城鎮(zhèn)居民生活用電分布相對來說較為均衡，這是由于城鎮(zhèn)居民生活用電多為人民生活基本需求，受經(jīng)濟、地域等影響相對要小。而工業(yè)用電則與之相反，偏向該地區(qū)經(jīng)濟發(fā)達方向的同時也帶動社會電力消費重心隨之偏移。

4.1.3重心距離分析

幾何重心代表該地區(qū)的穩(wěn)定點，而電力是經(jīng)濟發(fā)展中不可或缺的要素，在一定程度上代表經(jīng)濟發(fā)展?fàn)顩r，因此電力消費重心與幾何重心的距離能夠從側(cè)面反映區(qū)域發(fā)展的均衡狀況。

從整體上來看，三類電力消費重心與幾何重心的距離雖有反復(fù)，但總的仍呈下降趨勢。沿海地區(qū)的經(jīng)濟發(fā)展明顯優(yōu)于內(nèi)陸，但隨著“西部大開發(fā)”等戰(zhàn)略的相繼實施，通過政策紅利等措施來促進區(qū)域均衡發(fā)展，以東部經(jīng)濟發(fā)達地區(qū)來帶動西部地區(qū)發(fā)展的政策目標(biāo)取得了一定進展，說明中國目前的區(qū)域發(fā)展不均衡的狀況得到改善。另一方面從距離幾何重心的方位來看，得益于近些年南方地區(qū)經(jīng)濟發(fā)展迅猛，由原先的東部逐漸偏移到南方。這從研究期內(nèi)地區(qū)GDP增速可以明顯看出，前幾名均為貴州、云南、重慶等西南地區(qū)省份，而東北、天津等地區(qū)則處于下半?yún)^(qū)。結(jié)合圖2從預(yù)測的角度看，如果電力消費重心繼續(xù)保持當(dāng)前的遷移趨勢，那么在越過最小距離點后其與幾何重心的距離將會增大，因此從社會均衡發(fā)展的角度出發(fā)全面振興東北老工業(yè)地區(qū)等顯得尤為重要。

4.2電力消費變化影響因素分解

4.2.1全國層面

本文對每一年的實際情況進行單獨分解分析，計算中將2004年設(shè)為基期（實為2005年初期數(shù)據(jù)），2005年為終期，計算結(jié)果為2005年情況，以此類推。圖4為全國社會用電中的變量鏈?zhǔn)阶兓省?/p>

研究期間電力消費增加了152%。從整體來看，電力消費量與地區(qū)生產(chǎn)總值、固定資產(chǎn)投資、人均生產(chǎn)總值呈現(xiàn)同向變動，均保持較高的增長率，而人均用電量在保持前幾年的穩(wěn)定增長后在2013年則基本穩(wěn)定，甚至還略呈下降趨勢;人口規(guī)模與固定資產(chǎn)投入產(chǎn)出比在研究期間基本維持穩(wěn)定，也僅增長了不到50%;而電力強度與固定資產(chǎn)投資所帶來的電力利用效率則呈現(xiàn)持續(xù)下降趨勢。所有數(shù)據(jù)在2008—2010年段均出現(xiàn)較大波動，這可能與2008年次貸危機的滯后影響有關(guān)。進一步地，本文分析了全國社會用電的歷年消費量變化的影響因素貢獻度，從歷年來看每個因素的影響大小都不是很穩(wěn)定，并偶爾改變影響方向，故本文將每個因素進行加總?cè)【堤幚硪苑从痴麄€研究期間的影響情況，見圖5。

總體來看，我國目前的電力消費增長趨勢呈現(xiàn)逐漸放緩的趨勢，可能的原因之一是自次貸危機后愈發(fā)重視的工業(yè)轉(zhuǎn)型升級取得了初步成果。在歷年電力消費量變化中，正向驅(qū)動效應(yīng)始終占據(jù)主導(dǎo)地位。在電力消費年均8.1%的增長率中，投資規(guī)模貢獻額高達5.05%，經(jīng)濟規(guī)模也達到了3.89%，其次是人均用電量和人口規(guī)模。具體來說，在市政工程建設(shè)等公共領(lǐng)域和企業(yè)擴大再生產(chǎn)決策中，固定資產(chǎn)建造中會消耗大量電力能源，其日常運行過程中電力消費也不容忽視。大規(guī)模的固定資產(chǎn)投資是造成我國電力消費增長的決定性原因，控制無謂的固定資產(chǎn)投資與遏制產(chǎn)能過剩行業(yè)及高耗能高污染行業(yè)的盲目擴張需要進一步加強。經(jīng)濟產(chǎn)出也是電力消費增長的次要因素，前期的快速增長使得經(jīng)濟規(guī)模對于電力消費增長的貢獻效應(yīng)顯著。次貸危機后的工業(yè)振興規(guī)劃雖然使影響趨勢產(chǎn)生波動，但隨著我國經(jīng)濟進入新常態(tài)，經(jīng)濟增長由高速增長轉(zhuǎn)向中高速增長，其對電力消費的促進影響也在不斷削弱中。人均用電量對于電力消費的影響具有較大的波動，在2014年和2015年更

成為電力消費增長的限制因素，但總的來說還是以促進為主。隨著人們生活水平日益提高和社會發(fā)展，更多的電器進入了人們的日常生活中，帶來用電量的大幅增長。人口規(guī)模一直對電力消費

增長保持著微弱的貢獻，基于龐大的人口基數(shù)和我國人口城市化率的不斷提高，城鎮(zhèn)人口規(guī)模始終保持著穩(wěn)定的逐步增長，這些都一定程度上促進了電力消費。

在負(fù)向抑制效應(yīng)方面，投資效率達到2.19%，電力強度為1.12%，是限制電力消費增長的主要力量，投資效率更主要體現(xiàn)的是固定資產(chǎn)投資的節(jié)能效應(yīng)，設(shè)備更新等所帶來的能源效率改善對耗電量產(chǎn)生了影響。在電力強度方面，當(dāng)單位GRP的電力消費下降時表明我國的技術(shù)效率和電力利用效率的情況均大幅改善，這既跟技術(shù)創(chuàng)新有關(guān)，也是當(dāng)前將碳排放約束納入企業(yè)經(jīng)營決策的結(jié)果。碳交易市場的建立將會倒逼企業(yè)等主體不斷尋求低碳發(fā)展的最優(yōu)路徑，而電力行業(yè)作為高耗能、高排放行業(yè)的典型代表也將承擔(dān)起更多壓力。而人均生產(chǎn)總值與固定資產(chǎn)投入產(chǎn)出雖然也起到了一定的抑制作用，但表現(xiàn)并不明顯。同時資本生產(chǎn)率的提高也對電力消費產(chǎn)生了負(fù)向作用，在未來的節(jié)能減排中資本、技術(shù)要發(fā)揮更大的作用。

4.2.2區(qū)域?qū)用?/p>

本文進一步分析各地情況，結(jié)果見表3、圖6。所有地區(qū)的電力消費都處于增長趨勢，但各地的差異性較大。如黑龍江、上海、山西等地的電力消費增長較慢，而海南、陜西、重慶、寧夏、青海等西部地區(qū)增速較快，這也和近些年來各省生產(chǎn)總值的增速情況在一定程度上符合。可以看出，經(jīng)濟規(guī)模對各省市的電力消費增長均起到促進作用，尤其是重慶、青海等地都達到了6.5%以上，但遼寧、黑龍江僅為2%左右。投資規(guī)模同樣具有明顯的促進作用，而北京、上海兩地作為我國的政治、經(jīng)濟中心，城市發(fā)展規(guī)模等早已超越其他省份，其投資規(guī)模效應(yīng)相對來說并不是很明顯，河北、安徽、河南、廣西、貴州、陜西等經(jīng)濟相對不發(fā)達的地區(qū)則表現(xiàn)的較為突出。除湖北外，人口規(guī)模與人均用電量同樣是正向效應(yīng)。

在負(fù)向抑制效應(yīng)中，電力強度對大多數(shù)地區(qū)起到明顯的限制作用，但有所差異，說明我國的電力利用效率雖然在不斷地持續(xù)提升，但是區(qū)域差異性依然存在，部分地區(qū)的電力利用效率扼需改善。而投資效率的抑制程度相對來說甚于電力強度效應(yīng)，雖然固定資產(chǎn)投資導(dǎo)致了電力消費快速增長，但是另一方面固定資產(chǎn)投資所帶來的設(shè)備更新等技術(shù)升級的效果又能夠有效抑制電力消費的快速增長。但遼寧、北京、青海表現(xiàn)為正向促進，其固定資產(chǎn)投資等非但沒有有效改善生產(chǎn)效率，反而帶來了負(fù)面效果。人均生產(chǎn)總值與固定資產(chǎn)投入產(chǎn)出比抑制效果沒有前兩者明顯，但在所有地區(qū)中也都是降低電力消費的組成部分。電力消費重心的移動是多種因素綜合作用的合力結(jié)果，基于各地經(jīng)濟的發(fā)展水平和聯(lián)系程度，本文進一步從經(jīng)濟分區(qū)的視角來分析消費重心的移動與電力消費驅(qū)動因素的關(guān)聯(lián)性。

從經(jīng)濟分區(qū)來看，電力消費增長率方面東北地區(qū)最低，年均增長率僅為5.71%，北部沿海、東部沿海次之，南部沿海、西南地區(qū)、黃河中游、長江中游地區(qū)也均達到了9%以上，西北地區(qū)最高，達到了16.27%。由于8大經(jīng)濟區(qū)域的電力消費增長率差異明顯，導(dǎo)致電力消費重心逐年向西南方向遷移。可以看出，東北地區(qū)經(jīng)濟規(guī)模的促進效應(yīng)是最低的，僅為2.42%，這與東北整體的經(jīng)濟低迷有很大關(guān)系。電力消費能夠在一定程度上反映經(jīng)濟發(fā)展?fàn)顩r。在人均用電量方面，除了東北和西南地區(qū)，其余地區(qū)的促進效用均在2%以上，西北地區(qū)更是達到了4.95%。在當(dāng)前我國資源總量龐大但人均不足的情況下，應(yīng)當(dāng)努力降低高效應(yīng)地區(qū)的人均用電量，這不僅有利于我國碳規(guī)制目標(biāo)的實現(xiàn)，也有利于消費重心的調(diào)控。

另一方面東部沿海的投資規(guī)模效應(yīng)最低，僅為3.73%，而長江中游、西北地區(qū)、西南地區(qū)均達到了6%以上;西南地區(qū)的投資效率達到了3.28%，東部沿海、西北地區(qū)卻均不到1%，這也正是西南地區(qū)在正向促進效應(yīng)巨大的情況下總效應(yīng)不大的關(guān)鍵原因。也就是說西北、西南地區(qū)的投資規(guī)模都顯著促進電力消費的同時，西南地區(qū)較西北地區(qū)更多投向了效率提升。西北地區(qū)的電力強度效應(yīng)為正，在省級層面中甘肅僅為-0.51%，寧夏為0.27%，青海更是達到了2.84%。說明西北地區(qū)的電力能源利用效率并不高，經(jīng)濟發(fā)展較為粗放，在其他地區(qū)電力強度效應(yīng)積極發(fā)揮節(jié)能減排作用的同時西北地區(qū)正相反。這也導(dǎo)致西北地區(qū)的電力消費增長率遠(yuǎn)遠(yuǎn)高于其他地區(qū)，加之東北地區(qū)的電力消費增長率明顯過低，進而拉動電力消費重心向西南方向遷移。這也反映當(dāng)前中國能源利用效率、技術(shù)創(chuàng)新及利用等存在一定程度上的地區(qū)差異。

5結(jié)論及政策建議

本文通過引入消費重心來反映中國電力消費的空間分布，并進一步通過GDIM探究電力消費量變化的主要影響因素，主要結(jié)論和建議如下：

首先，三類電力消費重心都位于中部地區(qū)，但均偏向于東部經(jīng)濟發(fā)達地區(qū)，同時呈現(xiàn)出整體向西南方向遷移的趨勢。政府部門要篩選主要的電力供需點及中轉(zhuǎn)節(jié)點，基于地理地貌條件構(gòu)建以主要節(jié)點為核心的全國輸配電網(wǎng)絡(luò)體系并優(yōu)化骨干電力網(wǎng)絡(luò)布局。能源基礎(chǔ)設(shè)施的選址

如能源基地、大型電力變壓站等應(yīng)當(dāng)圍繞電力消費重心所在的經(jīng)濟發(fā)達城市，達到以最小的經(jīng)濟成本來最大化其輻射范圍的目的。

其次，電力消費重心與幾何重心的距離目前呈現(xiàn)減小的狀態(tài)，但未來可能有擴大的趨勢。得益于西南地區(qū)等近些年的較快發(fā)展使得電力消費重心向幾何重心靠近，從側(cè)面反映出中國目前區(qū)域發(fā)展不均衡的狀況有所改善。但因東北老工業(yè)地區(qū)的“深陷泥潭”等導(dǎo)致未來的發(fā)展形勢并不樂觀。因此像東北地區(qū)等經(jīng)濟發(fā)展遲緩的地區(qū)，要抓住中央政府的政策紅利，尤其是借助冰上絲綢之路等倡議下的地緣優(yōu)勢，實現(xiàn)新時代下全面、全方位振興。

再次，東北地區(qū)的年均電力消費增長率最低，北部沿海、東部沿海次之，西北地區(qū)最高，綜合作用下拉動了電力消費重心整體向西南方向遷移。說明西北、西南及南部沿海等地區(qū)是未來電力消費增長的主要區(qū)域。但目前的輸配電網(wǎng)等電力設(shè)施布局規(guī)劃仍然側(cè)重東部地區(qū)。基于能源基礎(chǔ)設(shè)施的長期性和投資規(guī)模大的特點，在能源基礎(chǔ)設(shè)施布局中要著重考慮能源消費重心的動態(tài)變化趨勢。

最后，經(jīng)濟規(guī)模和投資規(guī)模是促進電力消費的主要推動力，電力強度與投資效率則是抑制電力消費增長的主要因素。東北地區(qū)電力消費增長緩慢的主要因素是經(jīng)濟增長乏力，相比通過投資等來拉動電力消費增長，實現(xiàn)東北經(jīng)濟的復(fù)蘇是更為理想和合適的選擇，因此實現(xiàn)新時代下的東北全面振興顯得尤為必要。而西北地區(qū)相對粗放的經(jīng)濟發(fā)展方式導(dǎo)致了較高的電力消費，因此要提高資產(chǎn)、能源等的利用率，實現(xiàn)效益與效率的同向進步。不同地區(qū)要根據(jù)電力消費的特點進行差異化管理，促進經(jīng)濟健康均衡發(fā)展。

隨著電力發(fā)展“十三五”規(guī)劃的發(fā)布，已經(jīng)開始論證全國同步的電網(wǎng)格局。未來應(yīng)當(dāng)繼續(xù)關(guān)注電力能源基礎(chǔ)設(shè)施的布局優(yōu)化。本文將研究目標(biāo)放在電力行業(yè)這一單能源系統(tǒng)中具有一定的局限性，下一步的研究將建立在全能源系統(tǒng)中，將碳排放約束也納入整體分析框架。

（編輯：劉照勝）

參考文獻

[1]WANG W W， ZHANG M， LI P. Exploring temporal and spatial evolution of global energy production and consumption [J]. Renewable & sustainable energy reviews， 2014， 30（2）：943-949.

[2]任志遠(yuǎn)，李強.1978年以來中國能源生產(chǎn)與消費時空差異特征[J].地理學(xué)報，2008，63（12）：1318-1326.

[3]王維華.中國經(jīng)濟重心與能源消費重心動態(tài)軌跡的實證研究[J].西安財經(jīng)學(xué)院學(xué)報，2016，29（2）：81-85.

[4]ZHANG Y， ZHANG J Y， YANG Z F， et al. Analysis of the distribution and evolution of energy supply and demand centers of gravity in China [J]. Energy policy， 2012， 49（10）：695-706.

[5]劉滿芝，馬燕燕，周梅華，等.中國煤炭供需與經(jīng)濟的重心演變軌跡研究[J].中國管理科學(xué)，2012，20（S2）：820-826.

[6]葉明確.系統(tǒng)重心遷移的貢獻度分解方法[J].系統(tǒng)管理學(xué)報，2012，21（4）：559-563，570.

[7]葉明確.1978—2008年中國經(jīng)濟重心遷移的特征與影響因素[J].經(jīng)濟地理，2012，32（4）：12-18.

[8]ZHANG M， XIA Q， WANG W W， et al. Study on temporal and spatial evolution of Chinas oil supply and consumption [J]. Natural hazards， 2014， 72（2）：809-825.

[9]張露，龔承柱，李蘭蘭，等.中國天然氣供需重心遷移路徑及貢獻度分解[J].中國人口·資源與環(huán)境，2013，23（12）：90-97.

[10]李蘭蘭，徐婷婷，李方一，等.中國居民天然氣消費重心遷移路徑及增長動因分解[J].自然資源學(xué)報，2017，32（4）：606-619.

[11]謝品杰，潘仙友，林美秀.中國電力強度重心遷移及差異研究[J].世界地理研究，2017，26（2）：119-126.

[12]ANG B W， CHOI K H. Decomposition of aggregate energy and gas emission intensities for industry： a refined Divisia index method [J]. Energy journal， 1997， 18（3）：59-73.

[13]ANG B W. Decomposition analysis for policymaking in energy： which is the preferred method？[J]. Energy policy， 2004， 32（9）：1131-1139.

[14]ACHO C， SCHAEFFER R. Decomposition analysis of the variations in residential electricity consumption in Brazil for the 1980-2007 period： measuring the activity， intensity and structure effects [J]. Energy policy， 2009， 37（12）：5208-5220.

[15]VANINSKY A. Factorial decomposition of CO2 emissions： a generalized Divisia index approach [J]. Energy economics， 2014，45：389-400.

[16]SHAO S， LIU J H， GENG Y， et al. Uncovering driving factors of carbon emissions from Chinas mining sector [J]. Applied energy， 2016，166：220-238.

[17]邵帥，張曦，趙興榮.中國制造業(yè)碳排放的經(jīng)驗分解與達峰路徑——廣義迪氏指數(shù)分解和動態(tài)情景分析[J].中國工業(yè)經(jīng)濟，2017（3）：44-63.

[18]YAN Q Y， YIN J T， BALEZENTIS T， et al. Energyrelated GHG emission in agriculture of the European countries： an application of the generalized Divisia index [J]. Journal of cleaner production， 2017，164：686-694.

[19]林伯強.電力消費與中國經(jīng)濟增長：基于生產(chǎn)函數(shù)的研究[J].管理世界，2003（11）：18-27.

[20]劉暢，李承財.基于LMDIANNDEA集成方法的我國能源消費評價與優(yōu)化研究[J].江淮論壇，2017（4）：77-82.

[21]申俊，孫涵，成金華.中國城鎮(zhèn)居民能源消費及其影響因素[J].北京理工大學(xué)學(xué)報（社會科學(xué)版），2016，18（1）：45-53.

[22]楊正東，李京文.能源因素分解模型的比較、改進與應(yīng)用[J].管理學(xué)報，2015，12（12）：1860-1864.

[23]賈艷琴.西北地區(qū)城鎮(zhèn)化進程中的家庭電力消費差異研究[J].資源開發(fā)與市場，2015，31（6）：731-735.

[24]于啟武， 陳立平，郭慧婷.北京城鎮(zhèn)居民節(jié)能電器消費及節(jié)能效果分析[J].北京工商大學(xué)學(xué)報（社會科學(xué)版），2012，27（6）：96-103.

[25]孫涵，申俊，彭麗思，等.中國省域居民生活能源消費的空間效應(yīng)研究[J].科研管理，2016，37（12）：82-91.

[26]李金鎧，劉宗項，張瑾，等.能源回彈效應(yīng)研究述評[J].管理學(xué)刊，2018，31（1）：9-21.

[27]歐育輝，劉軼芳，尤佳.基于面板數(shù)據(jù)模型的能耗與固定資產(chǎn)投資關(guān)系的實證研究[J].管理學(xué)報，2009，6（1）：51-56.

[28]何曉萍.基礎(chǔ)設(shè)施的經(jīng)濟增長效應(yīng)與能耗效應(yīng)——以電網(wǎng)為例[J].經(jīng)濟學(xué)（季刊），2014，13（4）：1513-1532.