中國(guó)風(fēng)力發(fā)電績(jī)效的區(qū)域差異及空間計(jì)量分析

李存斌，董佳

(華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 102206)

0 引言

在碳減排的大背景下，世界各國(guó)都在積極發(fā)展風(fēng)電等可再生能源，風(fēng)能已經(jīng)成為世界能源體系中重要的組成部分[1-4]。在中國(guó)，風(fēng)力發(fā)電是可再生能源發(fā)電的主要來(lái)源，是推動(dòng)能源生產(chǎn)和消費(fèi)革命的關(guān)鍵因素[5-9]。中國(guó)風(fēng)能資源豐富，受補(bǔ)貼退坡刺激及海上風(fēng)電發(fā)展提速的雙重影響，2019年，中國(guó)風(fēng)電市場(chǎng)新增吊裝容量達(dá)到歷史第二高水平，中國(guó)風(fēng)電裝機(jī)容量急劇增長(zhǎng)的同時(shí)，也伴隨著較嚴(yán)重的棄風(fēng)現(xiàn)象發(fā)生，造成大量風(fēng)電資源的浪費(fèi)[10-12]。研究風(fēng)力發(fā)電績(jī)效的區(qū)域差異及影響因素，有利于合理規(guī)劃風(fēng)電資源的開(kāi)發(fā)，實(shí)施有區(qū)域特色的可再生能源政策，因地制宜采取相應(yīng)的風(fēng)電建設(shè)和管理措施，從而推動(dòng)中國(guó)風(fēng)力發(fā)電的發(fā)展。

目前，關(guān)于風(fēng)電績(jī)效的研究包括多個(gè)維度。一些學(xué)者選擇對(duì)某一地區(qū)的風(fēng)電績(jī)效進(jìn)行測(cè)算和評(píng)價(jià)。文獻(xiàn)[13]對(duì)巴基斯坦風(fēng)電績(jī)效進(jìn)行評(píng)估和測(cè)算。文獻(xiàn)[14]對(duì)北京的風(fēng)電績(jī)效進(jìn)行評(píng)估。一些學(xué)者探索不同區(qū)域之間的風(fēng)電效率差異。文獻(xiàn)[15]評(píng)估了中國(guó)內(nèi)陸、沿海和海上風(fēng)電性能，并分析發(fā)現(xiàn)內(nèi)陸和沿海風(fēng)電場(chǎng)具有相似的能源性能，與海上風(fēng)電場(chǎng)存在顯著差異。文獻(xiàn)[16]以中國(guó)610個(gè)風(fēng)電場(chǎng)為例，分析了不同省（自治區(qū)、直轄市，以下簡(jiǎn)稱“省域”）之間風(fēng)電場(chǎng)績(jī)效的差異。目前對(duì)風(fēng)力發(fā)電績(jī)效的空間分布狀況進(jìn)行分析的文獻(xiàn)尚少，而準(zhǔn)確把握風(fēng)力發(fā)電績(jī)效在各省域的分布格局和集群狀態(tài)有利于更有針對(duì)性的提升風(fēng)力發(fā)電績(jī)效，因此，本文選擇對(duì)中國(guó)各個(gè)省域的風(fēng)電績(jī)效差異及空間分布情況進(jìn)行分析。

學(xué)者們采用多種評(píng)價(jià)方法對(duì)風(fēng)電績(jī)效展開(kāi)了廣泛而深入的研究，包括熵權(quán)法[17]、數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）[18]、演化博弈模型[19]、面板回歸模型[20]等。文獻(xiàn)[21]采用DEA模型測(cè)算中國(guó)風(fēng)電公司的技術(shù)效率，但經(jīng)典的DEA模型無(wú)法進(jìn)一步比較分析有效決策單元，通常結(jié)果中存在多個(gè)有效決策單元。DEA和TOPSIS的互補(bǔ)性正好可以彌補(bǔ)這一缺陷，兩者的結(jié)合應(yīng)用已經(jīng)較為成熟。文獻(xiàn)[22]綜合運(yùn)用DEA模型和TOPSIS方法對(duì)中國(guó)醫(yī)療衛(wèi)生資源配置效率進(jìn)行評(píng)估。也有部分學(xué)者采用超效率DEA模型來(lái)解決這一缺陷，文獻(xiàn)[23]基于超效率DEA模型測(cè)算中國(guó)區(qū)域科技創(chuàng)新效率。但關(guān)于測(cè)算風(fēng)電績(jī)效，上述何種模型更適合、更有效仍有待驗(yàn)證。因此，本文使用DEA-TOPSIS模型測(cè)算風(fēng)電績(jī)效，并將結(jié)果與超效率DEA模型結(jié)果對(duì)比分析。

此外，學(xué)者們多采用傳統(tǒng)的面板模型分析不同因素對(duì)風(fēng)力發(fā)電績(jī)效的影響，鮮有文獻(xiàn)引入空間面板模型進(jìn)行分析。傳統(tǒng)的面板回歸模型通常假定各個(gè)地區(qū)的風(fēng)力發(fā)電績(jī)效是相互獨(dú)立的，這顯然與現(xiàn)實(shí)存在偏離。因此，空間面板模型更能準(zhǔn)確地把握各個(gè)因素對(duì)風(fēng)力發(fā)電績(jī)效的空間沖擊，從空間角度探究不同因素的影響程度。為了彌補(bǔ)現(xiàn)有研究的不足，本文引入空間面板模型，分析風(fēng)電績(jī)效的驅(qū)動(dòng)因素，為政府優(yōu)化風(fēng)電建設(shè)和管理提供理論支持和決策依據(jù)。

本文借助DEA模型對(duì)2013—2019年中國(guó)30個(gè)省域的風(fēng)電績(jī)效進(jìn)行測(cè)算，對(duì)績(jī)效結(jié)果為1的數(shù)據(jù)采用TOPSIS模型進(jìn)行二次評(píng)價(jià)，得出其績(jī)效優(yōu)劣程度，并根據(jù)績(jī)效結(jié)果進(jìn)行排序。接著，運(yùn)用全域空間相關(guān)性指數(shù)Moran’s I對(duì)各省域的風(fēng)電績(jī)效在空間上是否存在相關(guān)性進(jìn)行檢驗(yàn)。最后，建立空間面板模型對(duì)風(fēng)電績(jī)效影響因素進(jìn)行分析，比較幾種空間面板模型結(jié)果并選取最優(yōu)模型探究各因素對(duì)風(fēng)電績(jī)效的影響程度和方向。

1 模型

1.1 DEA

（1）DEA模型。

本文采用DEA模型來(lái)評(píng)價(jià)30個(gè)省域的風(fēng)電績(jī)效，設(shè)有m個(gè)被評(píng)價(jià)的省域，即決策單元（decision making units，DMU），每個(gè)決策單元有T個(gè)輸入，表示資源的消耗，產(chǎn)生S個(gè)輸出，表示資源的產(chǎn)出。構(gòu)建模型如下。

式中： θ 為效率評(píng)價(jià)值；Xi、Yi分別為決策單元DMUi的輸入和輸出數(shù)據(jù)； λi為決策單元的參變量；s+、s?分別為投入、產(chǎn)出松弛冗余變量；Xi0、Yi0分別為被評(píng)價(jià)決策單元DMUi0的輸入和輸出數(shù)據(jù)。

輸出的效率指標(biāo)包括綜合效率、純技術(shù)效率和規(guī)模效率，分別表示在一定（最優(yōu)規(guī)模時(shí)）投入要素的生產(chǎn)效率、由于管理和技術(shù)等因素影響的生產(chǎn)效率和由于規(guī)模因素影響的生產(chǎn)效率。

（2）超效率DEA模型。

由于DEA模型無(wú)法對(duì)同時(shí)有效決策單元（效率值為1的決策單元）進(jìn)行比較和深入分析，文獻(xiàn)[24]提出了超效率DEA模型。通過(guò)將評(píng)價(jià)的決策單元排除在外，對(duì)有效前沿上的評(píng)價(jià)對(duì)象進(jìn)行重新測(cè)算，從而實(shí)現(xiàn)對(duì)有效決策單元的進(jìn)一步比較和排序。構(gòu)建模型如下。

輸出的效率指標(biāo)為超效率值，對(duì)于無(wú)效決策單元，其超效率值和綜合效率值相等；對(duì)于有效決策單元，其超效率值大于1，能夠體現(xiàn)其生產(chǎn)效率之間的差異。

1.2 TOPSIS

本文采用TOPSIS法來(lái)計(jì)算各個(gè)方案與理想解的相對(duì)貼近度，從而對(duì)績(jī)效結(jié)果為1的省域風(fēng)力發(fā)電績(jī)效進(jìn)行二次評(píng)價(jià)，并根據(jù)評(píng)價(jià)結(jié)果進(jìn)行排序。

1.3 空間自相關(guān)分析

1.4 空間面板模型

2 實(shí)例分析

2.1 風(fēng)力發(fā)電績(jī)效測(cè)算及動(dòng)態(tài)化分析

通過(guò)DEA模型對(duì)全國(guó)30個(gè)省域的風(fēng)力發(fā)電績(jī)效進(jìn)行測(cè)算，在測(cè)算過(guò)程中，選取風(fēng)電累計(jì)裝機(jī)容量、風(fēng)電年投資成本作為投入要素指標(biāo)，選取風(fēng)電年發(fā)電量、風(fēng)電年利用小時(shí)數(shù)作為產(chǎn)出要素指標(biāo)。本文選取2013—2019年全國(guó)30個(gè)省域的有關(guān)數(shù)據(jù)作為樣本，由于西藏及港、澳、臺(tái)地區(qū)部分?jǐn)?shù)據(jù)缺失，因此不納入考察范圍。

通過(guò)收集到的面板數(shù)據(jù)，采用deap2.1軟件，采用投入導(dǎo)向可變規(guī)模報(bào)酬對(duì)中國(guó)30個(gè)省域每一年的風(fēng)力發(fā)電投入產(chǎn)出數(shù)據(jù)進(jìn)行測(cè)算，得出綜合效率（ET）、純技術(shù)效率（EPT）、規(guī)模效率（ES）以及規(guī)模收益狀態(tài)，具體結(jié)果如表1所示。其中：ET為1表示該省風(fēng)電的投入產(chǎn)出是綜合有效的；EPT為1表示在目前的技術(shù)水平下，該省風(fēng)電的投入產(chǎn)出是有效的；ES反映實(shí)際規(guī)模與最優(yōu)生產(chǎn)規(guī)模的差距。

表1 2013—2019年中國(guó)各省域風(fēng)力發(fā)電績(jī)效整體分析Table 1 Overall performance analysis of wind power generation of various provinces in China from 2013 to 2019

由表1可知，2013—2019年全國(guó)各省域風(fēng)力發(fā)電績(jī)效整體有上升趨勢(shì)，平均綜合效率值偏低和規(guī)模收益遞減的省域數(shù)整體呈現(xiàn)遞減趨勢(shì)。具體表現(xiàn)在以下幾個(gè)方面。

（1）從時(shí)間維度來(lái)看，2013—2019年，每年大概5個(gè)省域處于綜合效率最佳和規(guī)模最佳的最優(yōu)狀態(tài)，投入的資源和成果的產(chǎn)出基本上保持一致；但每年處于最優(yōu)狀態(tài)的省域數(shù)量較少，主要集中在北京、天津、上海及福建。

（2）從效率分解維度來(lái)看，2013—2019年的平均規(guī)模效率為0.930，平均純技術(shù)效率為0.810，平均綜合效率為0.750。顯而易見(jiàn)，綜合效率最低，從綜合效率的維度來(lái)看，在這7年全國(guó)各省域風(fēng)力發(fā)電平均綜合效率并不高，說(shuō)明其上升空間還很大；而各省域的純技術(shù)效率并沒(méi)有規(guī)模效率那么高，說(shuō)明各省域的風(fēng)電技術(shù)水平還有很大的提升空間，投入資金沒(méi)有被有效使用從而達(dá)到資源的合理配置，因此，各省域的風(fēng)電相關(guān)管理制度需要不同程度的進(jìn)一步完善，投入和產(chǎn)出結(jié)構(gòu)需要優(yōu)化調(diào)整，技術(shù)水平才能進(jìn)一步提高。

（3）從規(guī)模收益來(lái)看，全國(guó)各省域風(fēng)力發(fā)電的投入與產(chǎn)出資源的配置有待進(jìn)一步提高，全國(guó)風(fēng)電規(guī)模收益呈現(xiàn)不變狀態(tài)平均省域數(shù)有6個(gè)，占省域總數(shù)的五分之一，規(guī)模收益遞減的省域平均數(shù)量有17個(gè)，而處于規(guī)模收益遞增的省域平均數(shù)量為7個(gè)，仍有少數(shù)省域處于規(guī)模收益增加階段，這部分省域的個(gè)數(shù)有逐漸減少的趨勢(shì)，雖然中國(guó)處于棄風(fēng)現(xiàn)象較為嚴(yán)重的環(huán)境下，但不同地區(qū)仍應(yīng)區(qū)別處理，在風(fēng)能資源匱乏的地區(qū)應(yīng)當(dāng)適當(dāng)增加資源投入，從而使得這部分省域風(fēng)電績(jī)效得到提高，產(chǎn)生更多風(fēng)力發(fā)電成果。

根據(jù)DEA模型測(cè)算結(jié)果，將全國(guó)30個(gè)省域分為東部地區(qū)、中部地區(qū)和西部地區(qū)，可以得到2013—2019年?yáng)|、中、西部三大區(qū)域的風(fēng)力發(fā)電績(jī)效，如圖1所示。從全國(guó)總體來(lái)看，2013—2015年之間風(fēng)電績(jī)效略有下降趨勢(shì)，但從2016年開(kāi)始，風(fēng)電績(jī)效開(kāi)始明顯上升。從三大區(qū)域歷年的風(fēng)電績(jī)效值來(lái)看，區(qū)域之間的風(fēng)電績(jī)效存在一定的差異，由圖1可知，東部最高、西部次之、中部最低。東部地區(qū)風(fēng)電績(jī)效整體上得到了改善，技術(shù)效率和規(guī)模效率的提高均對(duì)風(fēng)電績(jī)效的改善起到了推動(dòng)作用。中部地區(qū)風(fēng)電績(jī)效整體呈上升趨勢(shì)，但波動(dòng)較大，較不穩(wěn)定，規(guī)模效率的不斷提高對(duì)風(fēng)電績(jī)效的改善起到了積極作用。西部地區(qū)風(fēng)電績(jī)效總體來(lái)看也是上升趨勢(shì)，與技術(shù)效率和規(guī)模效率的提高均有關(guān)。東、中、西三大區(qū)域風(fēng)電績(jī)效的差異主要來(lái)自于規(guī)模效率的差距。

圖1 三大區(qū)域風(fēng)力發(fā)電績(jī)效Fig. 1 Performance of wind power generation in three major regions

以2019年數(shù)據(jù)為例，結(jié)果顯示北京、天津、內(nèi)蒙古、上海、四川和云南共6個(gè)省域的風(fēng)力發(fā)電綜合效率為1，績(jī)效排名最優(yōu)。對(duì)30個(gè)省域的風(fēng)力發(fā)電績(jī)效進(jìn)行排序，將綜合意義最強(qiáng)的綜合效率作為第一排序規(guī)則，綜合效率值越大排名越優(yōu)。在“碳達(dá)峰·碳中和”目標(biāo)下，中國(guó)明確了風(fēng)電、太陽(yáng)能的“碳達(dá)峰”貢獻(xiàn)度，未來(lái)十年風(fēng)電規(guī)模將大幅增長(zhǎng)，因此，規(guī)模效率更應(yīng)被關(guān)注，將其作為第二排序規(guī)則，而純技術(shù)效率作為第三排序規(guī)則，即綜合效率值相同時(shí)規(guī)模效率值越大排名越優(yōu)，綜合效率值、規(guī)模效率值相同時(shí)純技術(shù)效率值越大排名越優(yōu)。

經(jīng)典的DEA模型無(wú)法實(shí)現(xiàn)對(duì)效率值為1的DMU的進(jìn)一步比較，為了解決此問(wèn)題，已經(jīng)有學(xué)者采用超效率DEA模型[25]。為了驗(yàn)證本文采用的DEA-TOPSIS模型對(duì)于風(fēng)電績(jī)效評(píng)價(jià)的有效性和適用性，分別采用超效率DEA和DEA-TOPSIS模型評(píng)價(jià)2013—2019年中國(guó)各省域風(fēng)電績(jī)效，將結(jié)果進(jìn)行比較，并結(jié)合各省域?qū)嶋H風(fēng)電發(fā)展情況，判斷哪個(gè)方法的結(jié)果更為貼近實(shí)際情況，即哪個(gè)方法更適合用于評(píng)價(jià)中國(guó)各省域風(fēng)電績(jī)效。

對(duì)綜合效率值為1的省域，通過(guò)TOPSIS模型按步驟進(jìn)行仿真計(jì)算，根據(jù)2019年各省域的風(fēng)力發(fā)電績(jī)效值及其分解結(jié)果，計(jì)算得出風(fēng)電累計(jì)裝機(jī)容量權(quán)重為0.281，風(fēng)電年投資成本權(quán)重為0.165，風(fēng)電年發(fā)電量權(quán)重為0.390，風(fēng)電年利用小時(shí)數(shù)權(quán)重為0.164。通過(guò)式（5）～（17）計(jì)算貼近度，結(jié)果如表2所示。按照上述排序規(guī)則，對(duì)績(jī)效優(yōu)劣程度進(jìn)行排序如下：內(nèi)蒙古＞云南＞四川＞上海＞天津＞北京。通過(guò)超效率DEA模型對(duì)2019年各省域的風(fēng)電績(jī)效進(jìn)行評(píng)價(jià)，并按照評(píng)價(jià)結(jié)果進(jìn)行排序，效率值小于1的省域的排序與DEA-TOPSIS模型計(jì)算結(jié)果的排序相同，但效率值為1的6個(gè)省域的排序?yàn)椋簝?nèi)蒙古＞北京＞云南＞四川＞上海＞天津，兩者的區(qū)別在于北京的排名。2019年北京的風(fēng)電累計(jì)裝機(jī)容量?jī)H為19萬(wàn)kW，而云南、四川、上海和天津分別達(dá)863萬(wàn)、325萬(wàn)、81萬(wàn)、60萬(wàn)kW，北京實(shí)際風(fēng)電整體發(fā)展情況，包括風(fēng)電資源和風(fēng)電發(fā)展?jié)摿?，比云南、四川、上海和天津薄弱許多。但超效率DEA模型的計(jì)算結(jié)果顯示，北京的風(fēng)電績(jī)效結(jié)果高于這4個(gè)省域。因此，DEA-TOPSIS模型的計(jì)算結(jié)果更符合風(fēng)電實(shí)際發(fā)展情況。采用DEATOPSIS模型對(duì)2013—2018年風(fēng)力發(fā)電績(jī)效進(jìn)行評(píng)價(jià)，各省每年風(fēng)力發(fā)電績(jī)效排名如表3所示。

表2 2019年TOPSIS模型結(jié)果Table 2 Results of the TOPSIS model in 2019

表3 2013-2019年中國(guó)各省域風(fēng)力發(fā)電績(jī)效排名Table 3 Wind power performance ranking of various provinces in China from 2013 to 2019

由表3可知，2013—2019年，北京、天津、上海、福建等省域的風(fēng)力發(fā)電績(jī)效排名靠前且較穩(wěn)定，因?yàn)檫@些地區(qū)的風(fēng)力發(fā)電技術(shù)比較成熟，風(fēng)電消費(fèi)水平高，棄風(fēng)率較低，風(fēng)力發(fā)電發(fā)展科學(xué)且快速。然而，湖北、貴州等省域的風(fēng)力發(fā)電績(jī)效較低，主要是因?yàn)檫@些地區(qū)的風(fēng)能資源匱乏，風(fēng)力發(fā)電發(fā)展滯后，導(dǎo)致其純技術(shù)效率和規(guī)模效率較低，整體排名較落后。其中，貴州的風(fēng)力發(fā)電績(jī)效排名有略微上升趨勢(shì)。這可能是因?yàn)橘F州曾經(jīng)是以惡劣的氣候條件和崎嶇的地形而被認(rèn)為是一個(gè)無(wú)“風(fēng)”的省域，但截至2016年5月，貴州根據(jù)當(dāng)?shù)氐匦魏蜌夂驐l件，已建成了66座風(fēng)電場(chǎng)，裝機(jī)容量327.8萬(wàn)kW，形成了中國(guó)高原風(fēng)電的貴州特色。

中國(guó)風(fēng)能資源開(kāi)發(fā)的重點(diǎn)區(qū)域?yàn)闁|北三省、內(nèi)蒙古、甘肅、新疆等，但這些省域的排名卻并不理想。截至2014年，內(nèi)蒙古風(fēng)電裝機(jī)容量達(dá)到全國(guó)風(fēng)電總裝機(jī)容量的1/4，但績(jī)效排名卻不盡人意，是由于當(dāng)?shù)貤夛L(fēng)現(xiàn)象較為嚴(yán)重，風(fēng)電性能較差。但從2017年開(kāi)始，內(nèi)蒙古的排名開(kāi)始上升，這可能是因?yàn)閮?nèi)蒙古不斷優(yōu)化電網(wǎng)運(yùn)行方式，提高風(fēng)電調(diào)度管理水平，積極開(kāi)發(fā)風(fēng)電供熱項(xiàng)目，從而提高電網(wǎng)吸納風(fēng)電比例，最大限度減少“棄風(fēng)”現(xiàn)象。

2.2 風(fēng)力發(fā)電績(jī)效的空間集群狀況分析

為了進(jìn)一步探究中國(guó)各省域風(fēng)電績(jī)效的空間分布格局和集群情況，通過(guò)以選取的30個(gè)省域?yàn)榭臻g單元，選取2013年和2019年2年各省域的風(fēng)電績(jī)效值作為衡量指標(biāo)，運(yùn)用全域空間相關(guān)性指數(shù)Moran’s I及Moran’s I散點(diǎn)圖對(duì)各省域的風(fēng)力發(fā)電在空間上是否存在自相關(guān)進(jìn)行檢驗(yàn)。

通過(guò)計(jì)算得出2013年和2019年Moran’s I指數(shù)值分別為0.207和0.282，并繪制出Moran’s I散點(diǎn)圖，如圖2和圖3所示?？梢钥闯?，中國(guó)各省域的風(fēng)電績(jī)效在空間上呈現(xiàn)出正的自相關(guān)性，表明風(fēng)力發(fā)電績(jī)效的分布并不是隨機(jī)的，而具有空間上的依賴性。Moran’s I散點(diǎn)圖將30個(gè)省域的風(fēng)電績(jī)效分為四個(gè)象限的空間相關(guān)模式，用以識(shí)別各個(gè)省域與其他鄰近省域之間的相互關(guān)系。

圖2 2013年風(fēng)電績(jī)效Moran’s I散點(diǎn)圖Fig. 2 Moran’s I scatter plot of wind power performance in 2013

圖3 2019年風(fēng)電績(jī)效Moran’s I散點(diǎn)圖Fig. 3 Moran’s I scatter plot of wind power performance in 2019

根據(jù)圖2和圖3可以發(fā)現(xiàn)2013年有21個(gè)省域表現(xiàn)出正向的空間相關(guān)關(guān)系，占樣本總數(shù)的70%，反映出風(fēng)力發(fā)電績(jī)效具有高水平區(qū)域集中、低水平區(qū)域分散的特點(diǎn)。2019年有22個(gè)省域表現(xiàn)出正向的空間相關(guān)關(guān)系，集中在第一、三象限的省域占樣本數(shù)的73.3%，表明風(fēng)力發(fā)電績(jī)效水平高的地區(qū)在空間上相互聚集，風(fēng)力發(fā)電績(jī)效水平低的地區(qū)也形成了低水平的聚集圈。Moran’s I散點(diǎn)圖再次證明了風(fēng)力發(fā)電績(jī)效存在顯著的空間依賴性。

2.3 風(fēng)力發(fā)電績(jī)效的影響因素分析

由風(fēng)力發(fā)電績(jī)效測(cè)算結(jié)果及空間自相關(guān)性檢驗(yàn)可知，2019年風(fēng)力發(fā)電的Moran’s I值為0.282，且通過(guò)了1%水平的顯著性檢驗(yàn)，表明全國(guó)各省風(fēng)力發(fā)電績(jī)效水平存在區(qū)域差異性，在構(gòu)造模型時(shí)，有必要納入空間因素。以前文測(cè)算的中國(guó)各省風(fēng)力發(fā)電績(jī)效為被解釋變量，從GDP、RWC、PPOW、CNWPP和PA5個(gè)維度出發(fā)，收集中國(guó)各省域2013—2019年的相關(guān)數(shù)據(jù)，對(duì)風(fēng)力發(fā)電績(jī)效影響因素進(jìn)行研究。

首先通過(guò)LM檢驗(yàn)和穩(wěn)健LM檢驗(yàn)判斷適合的模型，結(jié)果如表4所示。SEM的LM檢驗(yàn)和穩(wěn)健LM檢驗(yàn)均通過(guò)了1%水平的顯著性檢驗(yàn)，但SLM的LM檢驗(yàn)和穩(wěn)健LM檢驗(yàn)均未通過(guò)1%水平的顯著性檢驗(yàn)，因此，選擇SEM更合理，說(shuō)明各省域的風(fēng)電績(jī)效除了受自身要素影響，還受鄰近省域風(fēng)電發(fā)展的影響?？臻gHausman檢驗(yàn)通過(guò)了1%水平的顯著性檢驗(yàn)，說(shuō)明空間面板固定效應(yīng)模型更合適。因此，分別采用混合OLS、SEM模型（包括時(shí)間固定、空間固定和雙固定）來(lái)分析影響各省域風(fēng)電績(jī)效的主要因素，結(jié)果如表5所示。

表4 模型的LM檢驗(yàn)結(jié)果Table 4 LM test results of the model

表5 2013-2019年風(fēng)電績(jī)效影響因素空間計(jì)量結(jié)果Table 5 Spatial econometric results of influencing factors in wind power performance from 2013 to 2019

由表5可知，不包含空間權(quán)重矩陣的普通最小二乘法（OLS）的擬合度沒(méi)有考慮了空間地理因素影響的SEM模型的擬合度好，這與本文空間自相關(guān)性檢驗(yàn)的結(jié)果一致。根據(jù)SEM模型的結(jié)果，可以發(fā)現(xiàn)時(shí)間固定模型的Log-Likelihood值和Ajust-R2值最大，模型擬合效果最優(yōu)，因此選擇時(shí)間固定的SEM模型來(lái)分析風(fēng)電績(jī)效影響因素。

（1）地理近鄰性對(duì)中國(guó)風(fēng)電發(fā)展具有正向影響，模型結(jié)果顯示中國(guó)風(fēng)電績(jī)效SEM模型影響系數(shù)為0.285 8，在1%顯著性水平下通過(guò)了檢驗(yàn)。造成這種情況的原因主要包括兩方面。1）鄰近省域之間的技術(shù)交流合作加強(qiáng)，有利于風(fēng)電核心技術(shù)知識(shí)溢出和區(qū)域內(nèi)創(chuàng)新資源的整合和利用，從而提高風(fēng)電技術(shù)創(chuàng)新水平。2）鄰近省域風(fēng)電先結(jié)合，再將電力輸送到電力負(fù)荷需求中心，能夠大大降低風(fēng)電整合的成本。因此，應(yīng)增加省域之間的風(fēng)電技術(shù)和特高壓建設(shè)的聯(lián)系，解決跨省跨區(qū)可再生能源交易壁壘。

（2）GDP與風(fēng)力發(fā)電績(jī)效有較強(qiáng)的正向相關(guān)性，GDP的回歸系數(shù)是1.198 1，說(shuō)明區(qū)域經(jīng)濟(jì)發(fā)展水平每提升1%，風(fēng)力發(fā)電績(jī)效將提升1.198 1%?，F(xiàn)階段中國(guó)經(jīng)濟(jì)增長(zhǎng)仍非常依賴非可再生能源發(fā)電，風(fēng)電還無(wú)法在電源供應(yīng)方面占據(jù)重要地位，但是國(guó)家仍然大力鼓勵(lì)和扶持風(fēng)電項(xiàng)目投資，在經(jīng)濟(jì)政策、財(cái)政政策等在出臺(tái)并實(shí)施的過(guò)程中，風(fēng)力發(fā)電項(xiàng)目的發(fā)展受經(jīng)濟(jì)因素影響較大。

（3）RWC和PA對(duì)風(fēng)力發(fā)電績(jī)效有一定的負(fù)向作用，RWC的影響作用更大些，其影響系數(shù)為-0.803 2，在1%顯著性水平下通過(guò)了檢驗(yàn)，足以說(shuō)明其對(duì)風(fēng)電績(jī)效的負(fù)向影響。棄風(fēng)現(xiàn)象嚴(yán)重影響風(fēng)電企業(yè)的經(jīng)濟(jì)利益，制約風(fēng)電經(jīng)濟(jì)效益的發(fā)揮，降低風(fēng)電產(chǎn)業(yè)的積極性，尤其在風(fēng)能資源充足的省域，如新疆、吉林、內(nèi)蒙古等。中國(guó)已經(jīng)采取了很多措施，包括加快特高壓技術(shù)的研究和應(yīng)用，加強(qiáng)長(zhǎng)距離特高壓送電通道的建設(shè)。PA的空間相關(guān)系數(shù)不顯著，說(shuō)明PA對(duì)風(fēng)電的集聚影響較小。但電價(jià)上網(wǎng)政策下對(duì)風(fēng)電資源的盲目投資和開(kāi)發(fā)也是造成棄風(fēng)的主要原因，風(fēng)電電價(jià)的幅度調(diào)整和不統(tǒng)一直接影響風(fēng)電項(xiàng)目投資和風(fēng)電市場(chǎng)經(jīng)濟(jì)水平的提高。因此，應(yīng)當(dāng)合理管控風(fēng)電市場(chǎng)，避免造成盲目投資的現(xiàn)象，對(duì)于曾經(jīng)風(fēng)電產(chǎn)能過(guò)熱的地區(qū)，采取保守政策。

（4）PPOW對(duì)風(fēng)力發(fā)電績(jī)效有正向相關(guān)性。與水電、火電等傳統(tǒng)發(fā)電方式相比，風(fēng)電競(jìng)爭(zhēng)力薄弱，較難實(shí)現(xiàn)大規(guī)模發(fā)展。CNWPP的增加在一定程度上也能夠促進(jìn)風(fēng)電的發(fā)展，但其影響程度弱于PPOW。因此，應(yīng)當(dāng)加強(qiáng)財(cái)政投入和政策扶持，支持貧困地區(qū)發(fā)展風(fēng)電，進(jìn)而促進(jìn)風(fēng)電發(fā)展。

3 結(jié)論與建議

伴隨著全球?qū)ι鷳B(tài)環(huán)境保護(hù)的堅(jiān)決態(tài)度的不斷加深，在國(guó)內(nèi)碳減排的背景下，大力發(fā)展風(fēng)電項(xiàng)目，成為中國(guó)資源有效開(kāi)發(fā)并利用的重要發(fā)展方針。本文采用DEA-TOPSIS法對(duì)全國(guó)各省的風(fēng)力發(fā)電績(jī)效進(jìn)行測(cè)算，并與超效率DEA模型的測(cè)算結(jié)果對(duì)比發(fā)現(xiàn)DEA-TOPSIS法的結(jié)果更符合各省風(fēng)電發(fā)展情況，然后分析了風(fēng)力發(fā)電績(jī)效的空間集群狀況，最后基于空間面板模型對(duì)風(fēng)力發(fā)電績(jī)效的影響因素進(jìn)行分析和研究，探究影響中國(guó)風(fēng)電發(fā)展的主要因素，從宏觀的角度分析中國(guó)風(fēng)力發(fā)電發(fā)展的現(xiàn)狀，并提出相應(yīng)的政策建議，對(duì)于解決中國(guó)風(fēng)力發(fā)電目前面臨的瓶頸具有重要意義。本研究主要得出以下結(jié)論和建議。

（1）2013—2019年，中國(guó)各省域風(fēng)力發(fā)電績(jī)效整體有上升趨勢(shì)，處于最優(yōu)狀態(tài)的省域主要集中在福建、天津、北京和上海。各省域的純技術(shù)效率整體低于規(guī)模效率，說(shuō)明風(fēng)電技術(shù)水平有很大提升空間，投入資金沒(méi)有被合理使用從而達(dá)到資源的最優(yōu)配置，各省域應(yīng)當(dāng)根據(jù)當(dāng)?shù)厍闆r“差別化”地完善風(fēng)電相關(guān)管理制度，優(yōu)化調(diào)整投入和產(chǎn)出結(jié)構(gòu)，進(jìn)一步提高技術(shù)水平，進(jìn)而使中國(guó)風(fēng)電從粗放式的數(shù)量擴(kuò)張，向提高質(zhì)量、降低成本的方向轉(zhuǎn)變。

（2）棄風(fēng)限電是制約風(fēng)電發(fā)展的重要因素。棄風(fēng)現(xiàn)象較嚴(yán)重的地區(qū)，如新疆、吉林、內(nèi)蒙古、甘肅等，風(fēng)能資源十分豐富且開(kāi)發(fā)良好，風(fēng)電績(jī)效排名卻差強(qiáng)人意。對(duì)于這些地區(qū)，應(yīng)當(dāng)挖掘系統(tǒng)調(diào)峰能力，例如，充分發(fā)揮抽水蓄能電站作用服務(wù)風(fēng)電消納，加快消納平臺(tái)建設(shè)進(jìn)而提高風(fēng)電各環(huán)節(jié)的積極性，還可以加快推進(jìn)風(fēng)電清潔供熱等，最大限度減少“棄風(fēng)”現(xiàn)象。此外，電力傳輸通道建設(shè)也是避免風(fēng)電資源浪費(fèi)的有效措施。

（3）由空間誤差模型結(jié)果可知，地理近鄰性對(duì)風(fēng)電發(fā)展有正向影響，主要是因?yàn)猷徑∮蛑g的技術(shù)交流有利于風(fēng)電核心技術(shù)知識(shí)溢出和風(fēng)電技術(shù)創(chuàng)新水平的提高，并且鄰近省域之間先將風(fēng)電結(jié)合再輸送到電力負(fù)荷需求中心將大大降低風(fēng)電整合成本。因此，應(yīng)增加省域之間的風(fēng)電技術(shù)和特高壓建設(shè)的聯(lián)系，解決跨省跨區(qū)可再生能源交易壁壘。

（4）各省風(fēng)力發(fā)電績(jī)效影響因素排名為：PGD（1.198 1）＞RWC（-0.803 2）＞PPOW（0.461 1）＞CNWPP（0.324 8）＞PA（-0.258 5）。PGD對(duì)風(fēng)電發(fā)展有正相關(guān)作用，而RWC對(duì)風(fēng)電發(fā)展有負(fù)向作用，PPOW和CNWPP對(duì)風(fēng)電績(jī)效也有一定正向作用，對(duì)于風(fēng)能資源匱乏地區(qū)，如湖南、貴州等，應(yīng)當(dāng)加強(qiáng)財(cái)政投入和政策扶持，推動(dòng)當(dāng)?shù)氐娘L(fēng)電發(fā)展。