我國省域新能源發(fā)電效率評估及其發(fā)展戰(zhàn)略研究

摘要：新能源發(fā)電效率評價(jià)是從管理決策視角解決當(dāng)前中國新能源發(fā)電行業(yè)發(fā)展不充分、不平衡等問題的重要途徑。本文首先通過超效率DEA模型對中國31個(gè)省份2020年新能源發(fā)電效率進(jìn)行實(shí)證分析研究，然后依據(jù)效率測算結(jié)果以及各省新能源消納完成情況，使用密度峰聚類方法將31個(gè)省份劃分為四類地區(qū)。研究發(fā)現(xiàn)：一類地區(qū)新能源發(fā)電效率較低，應(yīng)該因地制宜發(fā)展海上風(fēng)電、分布式光伏發(fā)電等；二類地區(qū)風(fēng)電效率明顯低于光伏發(fā)電效率，因此該類地區(qū)應(yīng)該發(fā)揮風(fēng)力資源豐富的優(yōu)勢，著重提高風(fēng)力發(fā)電效率；三類地區(qū)風(fēng)電效率高于光伏發(fā)電效率，應(yīng)該聚焦于光伏發(fā)電效率的提升，注重分布式光伏發(fā)電的發(fā)展；四類地區(qū)新能源發(fā)電效率較高但消納完成度一般，需要合理增加新能源裝機(jī)容量，提高新能源消納水平。

關(guān)鍵詞：新能源；超效率DEA；密度峰聚類；新能源消納

中圖分類號：F407.2; F273.1 文獻(xiàn)標(biāo)識碼：A文章編號：1008-2603（2023）02-0024-09

一、文獻(xiàn)綜述

2020年，電力行業(yè)的碳排放占全國碳排放總量的41%[1]，電力行業(yè)在中國碳減排、應(yīng)對環(huán)境問題方面承擔(dān)著重要職責(zé)。與傳統(tǒng)火力發(fā)電相比，風(fēng)力、光伏等新能源發(fā)電方式具有低碳、清潔、高效、可持續(xù)等優(yōu)勢[2]，大力發(fā)展新能源已成為中國實(shí)現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)的重要策略。

“十三五”以來，在政策支撐、技術(shù)進(jìn)步等因素推動下，光伏、風(fēng)力發(fā)電成本持續(xù)下降，中國新能源即將進(jìn)入“平價(jià)上網(wǎng)時(shí)代”，市場競爭力進(jìn)一步增強(qiáng)，發(fā)電量及占比持續(xù)增加。依據(jù)中國電力行業(yè)“十四五”發(fā)展思路及新型電力系統(tǒng)建設(shè)要求，2035、2050年中國能源清潔化率（非化石能源占一次能源的比重）將達(dá)到35%、50%。因此，大力發(fā)展新能源將成為支撐中國新型電力系統(tǒng)建設(shè)、促進(jìn)“雙碳目標(biāo)”實(shí)現(xiàn)、推動能源清潔低碳轉(zhuǎn)型的關(guān)鍵舉措【3]。

截至2021年底，中國新能源裝機(jī)容量達(dá)6.8億千瓦、發(fā)電量1.3萬億千瓦時(shí)。近年來，中國新能源發(fā)電投入與產(chǎn)出均逐年增加，但產(chǎn)出增加的速率明顯低于投入，新能源發(fā)電效率并不理想。效率評價(jià)是從管理決策視角提升新能源發(fā)電效率的重要前提。目前廣泛應(yīng)用于發(fā)電效率評價(jià)的方法有模糊綜合評價(jià)法[4]、TOPSIS模型[5]、隨機(jī)前沿法[6]、數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，DEA）[7]等，其中DEA具有指標(biāo)不必統(tǒng)一、權(quán)重?zé)o需人為確定、投入與產(chǎn)出之間的函數(shù)關(guān)系不需要考慮等優(yōu)點(diǎn)，因此在評價(jià)發(fā)電效率的研究中廣泛應(yīng)用。

相關(guān)學(xué)者基于不同視角對發(fā)電部門的效率進(jìn)行了評價(jià)研究，Xiec8]和龍如銀[9]考慮了各省份之間存在的競爭關(guān)系，用博弈交叉效率測算了各省的相對效率；Zhao[10]和Yu[11]】考慮了外生因素對省際發(fā)電部門相對效率的影響，分別用三階段DEA和隨即前沿分析法對省際相對發(fā)電效率進(jìn)行測算；Shangc[12]和Yangc13]用基于松弛變量測度的非徑向和非角度的SBM（ Slacks-based Measure，SBM）模型測算省域發(fā)電效率時(shí)將非期望產(chǎn)出納入模型中。

效率評價(jià)的目的是尋求提高新能源發(fā)電效率的途徑，分析各區(qū)域新能源發(fā)展的相似點(diǎn)與不同點(diǎn)，并提出針對性的改進(jìn)措施，為省域新能源發(fā)展戰(zhàn)略提供理論基礎(chǔ)。Yi應(yīng)用DEA模型對中國光伏發(fā)電效率進(jìn)行了評價(jià)，結(jié)果表明中國光伏發(fā)電效率存在明顯區(qū)域差異，通過實(shí)行差別電價(jià)政策、推進(jìn)光伏精準(zhǔn)扶貧等可以有效提高光伏發(fā)電效率[14]。Yang基于超效率松弛測量模型測算了中國30個(gè)省份的能源效率，研究發(fā)現(xiàn)中國各省之間的能源效率差距很大，東部的能源效率最高，而西部的能源效率相對較低，指出應(yīng)當(dāng)依據(jù)區(qū)域條件制定針對性的政策以提高整體能源效率[13]。閆慶友運(yùn)用BCC模型、分地區(qū)AR模型對中國30家生物質(zhì)發(fā)電項(xiàng)目進(jìn)行評價(jià)，表明中國生物質(zhì)能發(fā)電效率地區(qū)差異較大，西南、中南及華東地區(qū)由于市場及電網(wǎng)環(huán)境較好，因而區(qū)域效率較高[15]。Liang對中國30個(gè)省份的能源效率和地區(qū)差異進(jìn)行了評估，發(fā)現(xiàn)不同地區(qū)影響其能源效率的主要因素不同，影響東部、中部和西部地區(qū)能源效率的因素分別是技術(shù)進(jìn)步、能源價(jià)格水平和產(chǎn)業(yè)結(jié)構(gòu)水平[16]。

綜上所述，相關(guān)學(xué)者在新能源發(fā)電效率的研究中指出了中國新能源發(fā)電效率存在區(qū)域性差異，不同地區(qū)的新能源發(fā)展有其自身特點(diǎn)，應(yīng)當(dāng)根據(jù)區(qū)域條件制定針對性發(fā)展策略。然而，在研究提高新能源發(fā)電效率的策略時(shí)并未對中國各省份進(jìn)行分類研究，或者只是簡單地依據(jù)地理位置進(jìn)行分類。因此，本文創(chuàng)新性地將效率評價(jià)和聚類分析相結(jié)合，辨識各省份之間新能源發(fā)展的相似性與差異性，依據(jù)效率測評和聚類結(jié)果為各類地區(qū)新能源發(fā)電效率的提升提出相應(yīng)建議?？纱龠M(jìn)同類省份間新能源發(fā)展模式、政策互相借鑒，探尋同類省域新能源可復(fù)制、可推廣效率提升方案。

二、研究方法

（一）超效率DEA

本文采用數(shù)據(jù)包絡(luò)分析的方法測算省域新能源發(fā)電效率，DEA的原理是基于邊際效益理論和線性規(guī)劃理論，界定具有相同投入和產(chǎn)出的各個(gè)決策單元（ Decision Making Unit，DMU）是否位于生產(chǎn)前沿面來比較各DMU之間的相對效率值。

最基礎(chǔ)的DEA模型是CCR模型，它是以規(guī)模報(bào)酬不變?yōu)榍疤徇M(jìn)行評估，然而在實(shí)際生產(chǎn)過程中，許多生產(chǎn)單位可能處于規(guī)模報(bào)酬遞增或規(guī)模報(bào)酬遞減的情形下。因此，CCR模型所得出的技術(shù)效率包含了規(guī)模效率的成分。

（二）密度峰聚類

本文借助密度峰聚類方法對全國31個(gè)省域進(jìn)行聚類分析，該算法基于兩個(gè)重要的假設(shè)：一是聚類中心點(diǎn)的局部密度大于其周圍相鄰點(diǎn)的局部密度；二是聚類中心點(diǎn)與其他具有較高密度的中心點(diǎn)之間有著相對較大的距離?；诖?，對于每個(gè)數(shù)據(jù)點(diǎn)，需要計(jì)算兩個(gè)變量：局部密度Pi和距離δi，通過對每個(gè)數(shù)據(jù)點(diǎn)這兩個(gè)變量的比較分析，算法可以很好地找出聚類中心點(diǎn)并將不同密度大小的區(qū)域劃分為不同的類簇。

假設(shè)有n個(gè)數(shù)據(jù)點(diǎn)，dij表示數(shù)據(jù)點(diǎn)i與數(shù)據(jù)點(diǎn)，之間的距離，數(shù)據(jù)點(diǎn)i的局部密度Pi可以理解

若數(shù)據(jù)點(diǎn)i非局部密度最大點(diǎn)（即存在數(shù)據(jù)點(diǎn)，的局部密度大于i的局部密度，Pjgt; Pi），首先找到所有局部密度比i點(diǎn)高的數(shù)據(jù)點(diǎn)，距離δi表示i點(diǎn)與最近的高局部密度點(diǎn)的距離值。若數(shù)據(jù)點(diǎn)i是局部密度最大點(diǎn)，不存在比i點(diǎn)局部密度更高的數(shù)據(jù)點(diǎn)，距離δi表示該點(diǎn)與最遠(yuǎn)點(diǎn)之間距離值。

為了選取合適的聚類中心點(diǎn)，可以借助決策圖（ Decision Graph）人工選取聚類中心點(diǎn)。決策圖有兩個(gè)變量：局部密度Pi和距離6i。通過對所有數(shù)據(jù)點(diǎn)局部密度Pi和距離δi的計(jì)算，可以得到相應(yīng)數(shù)據(jù)集的決策圖。將具有較大局部密度Pi和較大距離畫的數(shù)據(jù)點(diǎn)選作聚類中心點(diǎn)，簡而言之就是手動選擇決策圖右上方的數(shù)據(jù)點(diǎn)為聚類中心。Pi較小δi較大的數(shù)據(jù)點(diǎn)通常會被認(rèn)為是異常點(diǎn)。

確定聚類中心后，其它數(shù)據(jù)點(diǎn)按照與聚類中心的距離就近進(jìn)行分類，也可以按照密度可達(dá)的方法進(jìn)行分類。接著為每一個(gè)類簇確定邊界區(qū)域，保留分配到該類且距離小于等于截?cái)嗑嚯xde的數(shù)據(jù)點(diǎn)，其他距離較大的數(shù)據(jù)點(diǎn)作為噪音點(diǎn)從該類別中去除。

二、實(shí)證研究

（一）指標(biāo)選取與數(shù)據(jù)來源

如前文所述，本文選取SE-DEA模型測算新能源發(fā)電效率，因此選取的投入產(chǎn)出指標(biāo)應(yīng)當(dāng)遵循以下標(biāo)準(zhǔn)：首先投入和產(chǎn)出變量必須為正值；其次投入和產(chǎn)出指標(biāo)具有較強(qiáng)的相關(guān)性；最后決策單元的數(shù)量至少是投入產(chǎn)出指標(biāo)的兩倍。鑒于數(shù)據(jù)的可得性，本文分別測算中國31個(gè)省份（港澳臺除外）2020年風(fēng)力和光伏的發(fā)電效率。新能源發(fā)電效率的投入主要體現(xiàn)在裝機(jī)容量，本文選取累計(jì)裝機(jī)容量（萬kW）和新增裝機(jī)容量（萬kW）作為投入變量，其中某些地區(qū)的新增裝機(jī)容量為0，將其處理為10-15萬kW帶入模型計(jì)算。投人數(shù)據(jù)來源于中電聯(lián)發(fā)布的《中國電力統(tǒng)計(jì)年鑒2021》。新能源發(fā)電的產(chǎn)出主要是發(fā)電量（億kW-h），此外，考慮到新能源發(fā)電過程中出現(xiàn)的棄風(fēng)棄光問題，本文另外選取了利用電量（發(fā)電量減去棄風(fēng)、棄光電量，億kW．h）作為產(chǎn)出指標(biāo)。產(chǎn)出數(shù)據(jù)來源于《中國電力統(tǒng)計(jì)年鑒2021》和全國新能源電力消納檢測預(yù)警平臺。

本文用密度峰聚類的方法對中國31個(gè)省份進(jìn)行區(qū)域劃分，選取風(fēng)力發(fā)電效率、光伏發(fā)電效率和新能源消納完成度（2020年實(shí)際完成/2022年預(yù)計(jì)完成）作為聚類的指標(biāo)。其中，發(fā)電效率來源于DEA模型的計(jì)算結(jié)果，新能源消納數(shù)據(jù)來源于國家發(fā)展改革委和國家能源局發(fā)布的《關(guān)于建立健全可再生能源電力消納保障機(jī)制的通知》。

（二）效率估計(jì)

考慮到新能源發(fā)電投入變量（累計(jì)裝機(jī)容量）不會減少，應(yīng)在考慮理想投入的基礎(chǔ)上，積極尋求最大的產(chǎn)出，所以基于產(chǎn)出的DEA模型更加適用于本文，因此本文采用Output-BCC模型分別測算2020年31個(gè)省份風(fēng)力和光伏發(fā)電的綜合效率、技術(shù)效率和規(guī)模效率。鑒于傳統(tǒng)的BBC模型并不能對DEA有效的省份進(jìn)行進(jìn)一步排名和分析，本文運(yùn)用SE-DEA模型對綜合效率值為1的省份進(jìn)行進(jìn)一步計(jì)算，測算結(jié)果如表1-2所示。

由表1可知，中國風(fēng)力發(fā)電效率存在明顯區(qū)域差異。其中云南和海南兩地DEA有效，北京、上海和福建的綜合效率較高，多數(shù)省份的綜合效率值較低，效率值低于0.6的省份超過半數(shù)。其中，多數(shù)省份因?yàn)槠浼夹g(shù)效率低導(dǎo)致綜合排名較低，天津、安徽、江西、重慶、陜西、青海、寧夏的規(guī)模效率值均在0.8以上，但由于技術(shù)效率較差，導(dǎo)致綜合排名在20名以外。而山西、江蘇、山東、河南都是風(fēng)電大省，但其技術(shù)效率和規(guī)模效率都表現(xiàn)一般，所以其綜合排名也較低。各省份的規(guī)模效率值普遍較高，除內(nèi)蒙古和西藏以外的省份規(guī)模效率值均在0.7以上。內(nèi)蒙古和西藏分別是全國風(fēng)力發(fā)電規(guī)模最大和最小的省份，內(nèi)蒙古處于規(guī)模報(bào)酬遞減階段，而西藏處于規(guī)模報(bào)酬遞增階段，但其技術(shù)效率都達(dá)到了DEA有效，因此規(guī)模效率制約了兩省的綜合效率。

中國光伏發(fā)電效率測算結(jié)果如表2所示，其中內(nèi)蒙古、海南、四川三個(gè)地區(qū)達(dá)到了DEA有效，華北、東北、西北地區(qū)以及云南省的綜合效率值相對較高。技術(shù)效率是影響很多區(qū)域光伏發(fā)電效率排名較低的主要因素，華中、兩廣地區(qū)以及上海、福建、山東的規(guī)模效率值均在0.9以上，但其技術(shù)效率極大地制約了其綜合效率。與之相反，河北、山東、重慶、北京的技術(shù)效率值很高，但其規(guī)模效率相對較低，導(dǎo)致其綜合排名較低。其中河北和山東省是全國規(guī)模最大的光伏發(fā)電省份，處于規(guī)模報(bào)酬遞減階段，而重慶和北京的光伏發(fā)電規(guī)模很小，處于規(guī)模報(bào)酬遞增階段。

（三）區(qū)域劃分

基于上文各省份新能源發(fā)電效率測算結(jié)果，本文以風(fēng)力、光伏發(fā)電效率以及新能源消納完成度作為聚類指標(biāo)，使用密度峰聚類法對中國31個(gè)省份進(jìn)行區(qū)域劃分。其中當(dāng)截?cái)嗑嚯xdc設(shè)定為0.05時(shí)，決策單元可分為4類，分類結(jié)果如圖1所示：

一類地區(qū)包括河北、江蘇、浙江、安徽、江西、山東、湖北、湖南、廣東、廣西、重慶和貴州。該類地區(qū)風(fēng)力、光伏發(fā)電效率值較低，分別集中在0.56、0.57附近，新能源消納完成度在0.8左右。因此，該類地區(qū)需采取相應(yīng)措施，通過增加風(fēng)、光發(fā)電量以提升其發(fā)電效率，并促進(jìn)新能源消納完成度提升。具體來看，山東、江蘇等沿海地區(qū)，海域風(fēng)能資源豐富，應(yīng)著力開發(fā)海上風(fēng)電的發(fā)展?jié)摿?，增加資金、技術(shù)、人力的投入。河北等中國北方地區(qū)風(fēng)能資源富集，電網(wǎng)架構(gòu)良好，但其風(fēng)電行業(yè)發(fā)展中還存在著技術(shù)落后、人力資源不足、缺少長遠(yuǎn)規(guī)劃等問題。其他地區(qū)風(fēng)力資源較少，盲目投資風(fēng)電場可能會造成效率降低，應(yīng)當(dāng)進(jìn)一步加快技術(shù)進(jìn)步，降低發(fā)電成本。此外，華東、華中以及華南等地區(qū)可以著重發(fā)展分布式光伏發(fā)電，充分利用當(dāng)?shù)靥柲苜Y源，提高光伏發(fā)電量。

二類地區(qū)包括天津、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、河南、四川、西藏、陜西、甘肅、青海、寧夏和新疆。該類地區(qū)風(fēng)電效率明顯低于光伏發(fā)電效率，分別在0.57、0.85左右，新能源消納完成度較高，在0.9左右；因此，該類地區(qū)應(yīng)該聚焦于提高風(fēng)力發(fā)電效率。山西、內(nèi)蒙古、東北三省、西北地區(qū)等風(fēng)能資源豐富，但經(jīng)濟(jì)發(fā)展水平較低，人口密度小，電力需求小。因此存在棄風(fēng)限電、人才稀缺和技術(shù)落后等問題，制約了風(fēng)力發(fā)電效率。該類地區(qū)應(yīng)當(dāng)充分發(fā)揮風(fēng)力資源優(yōu)勢，引進(jìn)高新技術(shù)、人才等，降低發(fā)電成本，提高發(fā)電量。此外，可以通過建設(shè)特高壓提升電網(wǎng)的輸送能力，將電力資源輸送東部發(fā)達(dá)地區(qū)，并發(fā)展儲能技術(shù)，有效減少棄風(fēng)電量，提高新能源消納水平。

三類地區(qū)包括北京、上海、福建和云南。該類地區(qū)風(fēng)電效率高于光伏發(fā)電效率，分別在1.02、0.68左右，新能源消納完成度在0.9左右；因此，該類地區(qū)應(yīng)該聚焦于光伏發(fā)電效率的提升。這些地區(qū)風(fēng)力發(fā)電技術(shù)較為成熟、發(fā)展模式科學(xué)、電力需求大、棄風(fēng)率低、風(fēng)電消納水平高，因此風(fēng)力發(fā)電效率較高。但由于其太陽能資源不豐富，且可建造光伏發(fā)電廠的土地資源較少，對光伏發(fā)電的發(fā)展不夠重視，因此光伏發(fā)電效率還有待提升。該類地區(qū)可以聚焦于分布式光伏發(fā)電的開發(fā)，合理利用城市建筑物屋頂，在滿足當(dāng)?shù)赜秒娦枨蟮幕A(chǔ)上就近并網(wǎng)，提高光伏發(fā)電量及其利用率。

海南省屬于四類區(qū)域，其風(fēng)力、光伏發(fā)電效率均較高，都達(dá)到了DEA有效，新能源消納完成度為0.8。海南省風(fēng)能資源較少，太陽能資源較多，地理面積較小，且山地多，因此可以建設(shè)發(fā)電廠的土地資源較少。海南省新能源發(fā)電效率較高，需充分利用土地資源，增加新能源裝機(jī)容量，發(fā)展分布式光伏發(fā)電，以提高新能源的發(fā)電量，完成新能源消納任務(wù)。

四、結(jié)語

本文旨在通過中國風(fēng)力和光伏發(fā)電效率的測算和區(qū)域的聚類分析，為各類地區(qū)新能源發(fā)展提出針對性建議，促進(jìn)同類省份間新能源發(fā)展模式、政策互相借鑒，探尋各類省份因地制宜的新能源發(fā)展戰(zhàn)略。本研究的主要工作和結(jié)論如下：

（1）構(gòu)建了中國新能源發(fā)電效率投入產(chǎn)出評估指標(biāo)體系，分別測算中國31個(gè)省份2020年風(fēng)力和光伏發(fā)電綜合效率、技術(shù)效率和規(guī)模效率，并運(yùn)用SE-DEA模型對綜合效率值為1的省份進(jìn)一步計(jì)算和排名。評估結(jié)果顯示，兩種新能源發(fā)電行業(yè)普遍存在效率低下、區(qū)域發(fā)展不平衡現(xiàn)象，風(fēng)能、太陽能資源優(yōu)越的地區(qū)發(fā)電效率不一定很高，例如中國西北地區(qū)的風(fēng)力發(fā)電效率還有待進(jìn)一步提高。

（2）采用密度峰聚類法將31個(gè)省份劃分為四類，分別考察各省份的風(fēng)力、光伏發(fā)電效率和新能源消納完成水平，為四類地區(qū)分別提出新能源發(fā)展的建議，例如一類地區(qū)應(yīng)該因地制宜發(fā)展海上風(fēng)電、分布式光伏發(fā)電，增加資金、技術(shù)、人力的投入，制定新能源長遠(yuǎn)發(fā)展規(guī)劃等。

[參考文獻(xiàn)]

[1]國網(wǎng)能源研究院有限公司，中國能源電力發(fā)展展望2020 [R]．北京：國網(wǎng)能源研究院有限公司，2020.

[2]王雄飛，魯恒聰，李根柱，等．泛在電力物聯(lián)網(wǎng)背景下微網(wǎng)參與調(diào)峰輔助服務(wù)研究[J]．智慧電力，2019，47（09）：1-9.

[3] Qin J X.The status and prospect of new energy and renewable energy in China [J]. AIP Conference Proceedings， 2018， 1971 （01）： 030021.

[4] Yang J， Yang C H，Wang X J，et al.Efficiency measurement and factor analysis of China's solar photovoltaic power generation considering regional differences based on a FAHP-DEA model[J].Energies， 2020， 13 （08）： 19368.

[5]張協(xié)奎，王德磊，劉偉，西部地區(qū)可再生能源發(fā)電績效評價(jià)研究[J]．學(xué)習(xí)與探索，2021（04）： 128-135.

[6]Xu X L，Qiao S，Chen H H.Exploring the efficiency of new energy generation： evidence from OECD and non- OECD countries [J]. Energyamp; Environment， 2020. 31 （03）： 389-404.

[7]Maradin D，Cerovic L，Segota A.The efficiency of wind power companies in electricity generation EJl. Energy Strategy Reviews， 2021， 37： 100708.

[8]Xie B C，Gao J， Zhang S， et al.The environmental efficiency analysis of China's power generation sector based on game cross-efficiency approach[J].Structural Change and Economic Dynamics， 2018， 46： 126-135.

[9]龍如銀，劉爽，王佳琪，環(huán)境約束下中國省際能源效率評價(jià)——基于博弈交叉效率和Malmquist指數(shù)模型 [J]．中國礦業(yè)大學(xué)學(xué)報(bào)（社會科學(xué)版），2021，23（ 01）：75-90.

[10]Zhao H R，Guo S，Zhao H R.Provincial energy efficiency of China quantified by three-stage data envelopment analysis[J].Energy， 2019. 166： 96-107.

[11]Yu B L，F(xiàn)ang D B，Meng J X.Analysis of the generation efficiency of disaggregated renewable energy and its spatial heterogeneity influencing factors：a case study of China [J]. Energy， 2021， 234： 121295.

[12]Shang Y， Liu H B， Lv Y. Total factor energy efficiency in regions of China： an empirical analysis on SBM-DEAmodel with undesired generation [J] . Journal of King Saud University-Science. 2020， 32（03） ： 1925-1931.

[13] Yang T， Chen W， Zhou K L， et al. Regional energy efficiency evaluation in China： a super efficiency slack-based measure model with undesirable outputs[ J ] . Joumal of Cleaner Production， 2018， 198： 859-866.

[14]Yi T， Tong L， Qiu M H， et al. Analysis of driving factors of photovoltaic power generation efficiency： a casestudy in China [J] . Energies， 2019. 12（03） ： 355.

[15] 閆慶友，陶杰，中國生物質(zhì)發(fā)電產(chǎn)業(yè)效率評價(jià) cJ] .與， 2015， 24（01）： 173-178+208.

[16] Liang H J， Liu J S. Wang R， et al. Research on China's regional energy efficiency evaluation and influencingfactors based on the DEA-Tobit model E Jl . Polish Joumal of Environmental Studies， 2020. 29（05） ： 3691-3701.