Модельно-аналитический инструментарий оценки факторов энергоэффективности в регионах юга России

DOI:

Наблюдающаяся в последние годы популяризация стратегического управления хозяйственными системами различных уровней иерархии и модернизация национальной системы стратегического управления в России, которая связана с принятием в 2014 г. Федерального закона № 172-ФЗ «О стратегическом планировании в Российской Федерации», привела к разработке на макро- и мезоуровне отечественной экономики значительного количества комплексных и специализированных (отраслевых) стратегий развития. При этом важно понимать, что полнота и результативность реализации принятых и принимаемых стратегических документов во многом определяется тем, насколько удастся сформировать ресурсное обеспечение мероприятий, заложенных в соответствующие стратегии, на протяжении всего периода их выполнения. Более того, в условиях объективных ресурсных ограничений речь должна идти не только об объемах привлечения, но и об эффективности использования имеющихся ресурсов.

Применительно к современной российской экономике, в первую очередь, целесообразно сконцентрировать внимание на повышении эффективности использования энергоресурсов. Это определяется низкими показателями энергоэффективности в стране, негативно влияющими на целый спектр приоритетных областей социальноэкономического развития и существенно ограничивающими конкурентоспособность экономики и ее отдельных подсистем. При этом следует учитывать значительную региональную дифференциацию энергопотребления, вызванную как наличием в стране обширных территорий с различными климатическими зонами, так и разной отраслевой структурой, различным уровнем технологического и социально-экономического развития субъектов РФ в целом, а также большими различиями в части потенциала и способов решения вопросов энергосбережения в разных областях энергопотребления. В разрезе сфер экономической деятельности целесообразно особое внимание обратить на промышленный комплекс. Актуальность включения именно промышленности в фокус рассмотрения определяется тем, что нереализованный потенциал энергоэффективности в промышленности составляет более 50 %, в сфере производства электроэнергии – 80 % (по данным Международного энергетического агентства) [19]. Глобальный потенциал экономии энергии промышленных двигателей составляет в горизонте до 2030 г. 13,286 млрд кВт ∙ ч (по оценкам Еврокомисии) [20]. При этом в российской экономике промышленность занимает важное место, оказывая существенное влияние на общий уровень и эффективность потребления энергии в стране. По оценкам экспертов, потенциал энергосбережения при работе с промышленными компаниями составляет 86 % от общего потенциала экономии использования энергоресурсов [4].

Более того, заложенные в Стратегии научно-технологического развития Российской Федерации до 2035 г. [9] целевые ориентиры развития страны тесно увязывают конкурентоспособность экономики с развитием промышленности на новом технологическом уровне. При этом фиксируемые в настоящее время низкие показатели энергоэффективности в промышленности, высокая доля затрат на энергоресурсы в структуре себестоимости продукции [3], высокий удельный вес низкотехнологичных и среднетехнологичных отраслей (с более высоким уровнем энергопотребления) существенно ограничивают неоинду-стриальное развитие экономики. В 2015 г. энергоемкость экономики России превышала энергоемкость США в 1,5 раза, Японии – в 1,8 раза, Евросоюза – в 1,9 раза, а также была заметно выше, чем в Бразилии, Индии и Китае [8]. Показатели энергоэффективности отечественной экономики заметно хуже, чем в странах с сопоставимыми климатическими условиями (например, в Канаде), а также в странах, где в хозяйственной системе наблюдается структурное доминирование материального производства. По результатам экспертных оценок и аналитических дан- ных, «заложенное в проект Энергетической стратегии России до 2035 г. снижение энергоемкости ВВП в 1,3–1,5 раза соответствует экономии 315– 580 млн т у. т. в год» [2]. Это актуализирует разработку инструментария анализа и оценки факторов энергосбережения и энергоэффективности промышленного комплекса в мезоэкономической проекции.

В настоящее время энергосбережение является одним из ключевых направлений ресурсного обеспечения социально-экономического развития России, а повышение энергоэффективности входит в число основных приоритетов модернизации экономики [5]. Более того, энергосбережение в последнее время все чаще называют «пятым видом топлива». При этом важным является не просто снижение потребления энергоресурсов, а повышение эффективности их использования, в том числе за счет внедрения инновационных технологических решений, модернизации промышленных производств, а также разработки и реализации комплекса мер, направленных на снижение технологических разрывов в сфере промышленного производства [7]. Новые индустриальные тренды и инновации тесно связаны с энергоэффективностью, поскольку в значительной степени объемы энергетических потребностей хозяйствующих субъектов в промышленной сфере определяются характеристиками применяемых технологий, следовательно, совершенствование последних, модернизация и инно-ватизация производственных процессов приводят к повышению эффективности использования энергетических ресурсов [12].

Как отмечают В.В. Бушуев, А.И. Громов, А.М. Белогорьев и А.М. Мастепанов, основным способом повышения энергетической эффективности является не только снижение энергозатрат, но и дополнительный рост производительности труда, обеспечиваемый посредством глубокой электрификации экономики [11]. Для решения задачи повышения энергоэффективности требуется реализация комплекса регулирующих воздействий органов государственной власти и управленческих решений менеджмента конкретных компаний. Это предполагает не только рассмотрение результирующих индикаторов, характеризующих использование энергии, но и оценку факторов энергоэффективности с привязкой к региональным и отраслевым системам.

Общемировой тренд на повышение энергоэффективности привел к появлению большого количества исследований, посвященных оценке факторов энергоэффективности. В последние годы к числу основных факторов, влияющих на потребление энергоресурсов, ученые чаще всего относят инновационную деятельность и технологическую модернизацию.

В статье В. Герстлбергера и др. [15] к детерминантам внедрения энергоэффективных технологий в производственных фирмах Европы отнесены продуктовые и процессные инновации. Это объясняется тем, что использование энергоэффективных технологий, во-первых, ведет к снижению энергопотребления при производстве продукции, обеспечивая прямой положительный эффект, во-вторых, само является инновацией, способствующей появлению ряда косвенных эффектов, сопряженных, например, с трансфером знаний и технологий. На основании эмпирических данных Европейского производственного отчета, содержащего сведения о деятельности более чем 2 500 производственных предприятий стран Европы – лидеров в области инновационного развития, ученые с применением корреляционно-регрессионного анализа выявили прямую положительную связь между внедрением процессных, организационных и продуктовых инноваций и применением энергоэффективных технологий. Исследователи также отмечают, что на решения по применению инновационных энергоэффективных технологий оказывает заметное воздействие страна и сфера экономической деятельности [15].

Наличие положительной зависимости между инновациями, инвестициями в исследования и разработки и энергоэффективностью подтверждается также эмпирическим опытом ряда стран [1; 13; 18; 21].

В частности, в статье К. Сохага и др. [16] отмечается ведущая роль технологических инноваций в улучшении энергоэффективности, при этом акцентируется внимание на том, что их внедрение позволяет не только производить заданный уровень продукции при меньшем объеме потребления энергии, но и обеспечить возможности для перехода к использованию возобновляемых источников энергии. С применением авторегрессионных моделей с распределенным лагом исследователи оценили краткосрочное и долгосрочное воздействие различных переменных на потребление энергии в экономике Малайзии. Важное место в числе факторов повышения энергоэффективности по результатам расчетов отводится технологическим инновациям и открытости торговли.

В свою очередь, Д.И. Стерн рассматривает в числе основных факторов, определяющих энергоэффективность, человеческий и физический капиталы, а также зимнюю температуру. По резуль- татам эконометрических расчетов ученый определил, что на уровень эффективности использования энергии влияет общая производительность факторов производства и отношение обменного курса к обменному курсу по паритету покупательской способности. Причем наивысший уровень эффективности использования энергии выявлен в экономиках (анализ проводился по 85 странам за 37-летний период) с высоким уровнем технологического развития, а также в странах с более недооцененной валютой [22].

Ч. Вэй, Дж. Ни и М. Шэн оценивают энергетическую эффективность с помощью специального индекса, рассчитываемого с применением метода DEA (Data Envelopment Analysis) [23]. C использованием технологий анализа панельных данных по 29 провинциям Китая за 1997–2006 гг. исследователи определили, что энергоэффективность имеет отрицательную связь с долей вторичной промышленности в ВВП, долей выпуска продукции государственных фирм в ВВП и долей государственных расходов в ВВП, а также положительно коррелирует с уровнем технологического развития и долей неугольной продукции в энергопотреблении [23].

Отечественные ученые Е.Ю. Хрусталев, П.Д. Ратнер оценивали влияние технологического прогресса на энергоемкость промышленности с использованием различных показателей затрат инновации. Проверка гипотезы о влиянии каждого вида затрат на энергоемкость промышленного производства с применением кросс-корреляционного анализа показала, что более заметное влияние на уровень энергоемкости оказывают затраты на приобретение программного обеспечения, новых технологий и обучение персонала. В свою очередь, наименьшее воздействие на показатели энергопотребления зафиксировано со стороны показателя, характеризующего затраты на закупку новых машин и оборудования [10].

В работах Ч. Фэнга и М. Вонга [17] энергоэффективность оценивается с применением методологии DEA (Data Envelopment Analysis). Оценка потенциала энергосбережения промышленности провинций Китая за 2000–2014 гг. с применением инструментария анализа панельных данных с точки зрения трех перспектив – технологического разрыва, менеджмента, масштаба – позволила ученым в качестве основного фактора энергоэффективности выделить технологический прогресс.

Проведенный анализ российских и зарубежных исследований в области оценки факторов энер- гоэффективности в промышленной сфере, изучение неоиндустриальных трендов экономического развития (в частности, интенсивной и масштабной цифровизации и автоматизации промышленных производств) и их адаптация к современным условиям развития отечественной промышленности позволили определить наиболее значимые факторы, оказывающие влияние на степень использования энергоресурсов на уровне региональных промышленных комплексов (см. табл. 1).

Для оценки указанных факторов энергоэффективности в данном исследовании используется методология DEA (Data Envelopment Analysis), адаптированная для анализа энергоэффективности промышленности регионов Юга России. Территориальная локализация на южном макрорегионе позволила, в частности, исключить из рассмотрения климатический фактор. Метод DEA, первоначально разработанный А. Чарне-сом, В.В. Купером, Э. Родосом [14], представляет собой методологию линейного программирования, применяемую для оценки так называемой границы (или рубежа) эффективности в многомерном пространстве входных и выходных переменных, описывающих объекты, для которых требуется определение эффективности [6]. Данный метод широко используется для оценки и сопоставления по эффективности экономических агентов (единиц принятия решений – DMU ). DMU могут быть различные объекты, такие как страны, регионы, отдельные предприятия и т. д.

Эффективность DMU можно измерить количественно через коэффициент эффективности (формула 1):

Output Input где Output – выходной параметр (например, выпуск продукции), Input – входной параметр (например, затраты).

Когда производственный процесс включает только по одному входному и выходному параметру, Output можно рассчитать соотношение для каждой Input

DMU , чтобы отразить ее уровень эффективности. Если производственный процесс включает в себя несколько входных и/или выводных параметров, то это соотношение не может быть рассчитано напрямую. В таком случае для каждого отдельного параметра необходимо определить весовые коэффициенты, а затем рассчитать взвешенный коэффициент эффективности, который может использоваться в качестве индекса, отражающего эффективность DMU .

Таблица 1

Факторы энергоэффективности промышленности региона

Тип фактора	Фактор
Производственнотехнологический	Обновление основных фондов
	Уровень загрузки производственных мощностей
	Устаревание и износ основных фондов
Финансовый	Инвестиции в модернизацию оборудования
	Стоимость заемных финансовых ресурсов
	Инвестиции в мероприятия в области повышения энергоэффективности
	Цена на энергоресурсы
	Инвестиции в мероприятия в области повышения энергоэффективности
Инновационный	Инвестиции в исследования и разработки
	Внедрение инноваций
	Инновационная активность
	Осуществление технологических инноваций
Информационный	Использование информационно-коммуникационных технологий и специальных программных средств
	Автоматизация рабочих мест
Структурно-технологический	Доля продукции высокотехнологичных и наукоемких отраслей в ВРП
	Экспорт высокотехнологичной продукции
	Доля высокопроизводительных наукоемких мест в ВРП
	Доля обрабатывающих производств в ВРП
Регулирующий	Государственное финансирование региональных программ энергосбережения и повышения энергоэффективности
	Ежегодные субсидии бюджетной системы в энергетику

Примечание. Составлено авторами.

Достоинством метода DEA является то, что в отличие от технологии регрессионного анализа, для оценки эффективности экономических объектов не требуется проверки гипотез о функциональных связях между входными и выходными параметрами. В таком случае «показатели, для которых желательным является снижение их значений, относят к входным, а показатели, значения которых желательно увеличивать, относят к выходным» [6].

С учетом этого в данной работе использована следующая постановка задачи в модели DEA – BBC I (формула 2):

min О

• 9,    ^x

УХjXi <ОXk j =1

УХy > yrk j=11

У Х j = 1

X j > 0, i = 1, m, r = 1, q, j = 1, и, где О - значение эффективности, xy - входные показатели, yj - выходные показатели, Xj - весовые коэффициенты, различные для каждой DMU, k – индекс оцениваемого объекта (DMU).

Оптимизационная задача (2) рассчитывается для каждой DMU. Значения эффективнос- ти О, полученные для каждой DMU с использованием вышеуказанных весов, ограничены в интервале [0, 1]. DMU, для которых выполняется условие О = 1, являются эффективными (находятся на границе эффективности).

Для анализа использовались агрегированные годовые показатели по регионам Юга России (субъектам РФ, входящим в состав Южного и Северо-Кавказского Федеральных округов; из-за отсутствия информации Республика Крым и г. Севастополь были исключены из анализа).

В качестве входных и выходных параметров использовались показатели, представленные в таблице 2. Их выбор определялся важностью учета индикаторов, в первую очередь, характеризующих факторы первых четырех типов (табл. 1). Кроме того, для корректного осуществления пространственно-территориального сравнения и анализа регионов Юга России использовались относительные показатели.

В таблице 2 энергоемкость ВРП и потребление электроэнергии на одного занятого в промышленном производстве выступают фактически результирующими показателями энергоэффективности, а остальные показатели характеризуют факторы, оказывающие воздействие на эффективность потребления энергоресурсов.

В результате расчетов по модели DEA – BBC I получены оценки энергоэффективности регионов Юга России, представленные в таблице 3. Для каждого региона модель генерирует значения эффективности в диапазоне от 0 (полностью неэффективный) до 1 (полностью эффективный). Данные оценки представляют собой сравнительную характеристику эффективности единого комплекса показателей и факторов энергоэффективности. При этом важно принимать во внимание тот факт, что речь идет об относительном уровне энергоэффективности в рассматриваемой макрорегиональной системе. Полученные оценки позволяют определить как относительный уровень энергоэффективности, так и уровень выраженности факторов, оказывающих положительное (как в рассматриваемом примере) или отрицательное воздействие на эффективность использования энергоресурсов. Важно также обратить внимание на изменение оценок в динамике, что позволяет при более детальном рассмотрении выявлять причины, приводящие к ухудшению или улучшению показателей энергоэффективности в конкретных регионах. При условии нали- чия информации расчет показателей возможен по конкретным отраслевым подсистемам. Сам состав рассматриваемых показателей при этом не является закрытым перечнем, а может модифицироваться в зависимости от конкретных задач оценки.

На протяжении трехлетнего периода (2014– 2016 гг.) в пяти регионах Юга России (в Республике Калмыкии, Краснодарском крае, Астраханской области, Республике Дагестан и Кабардино-Балкарской Республике) оценки находятся на границе эффективности, что свидетельствует об их сбалансированном развитии в рассматриваемой сфере. При этом полученные более высокие оценки энергоэффективности указанных регионов не являются сигналом об отсутствии потенциала улучшения в рассматриваемой сфере.

Апробация предложенного подхода также позволила выявить регионы, в которых использование ресурсов не является оптимальным относительно более успешных субъектов РФ. Это регионы, у которых на протяжении рассматри-

Таблица 2

Структура входных / выходных параметров в модели оценки энергоэффективности региона

Входные параметры	Выходные параметры
X 1 – Энергоемкость ВРП (кг условного топлива / на 10 тыс. руб.)	Y 1 – Инвестиции в основной капитал на душу населения (руб.)
X 2 – Потребление электроэнергии на одного занятого в промышленном производстве (кВт ∙ ч)	Y 2 – Использование специальных программных средств в организациях (%)
X 3 – Степень износа основных фондов (всего %)	Y 3 – Инновационная активность организаций (%)

Примечание. Составлено авторами.

Таблица 3

Показатели энергоэффективности регионов Юга России

Регион	DEA-оценки
	2014	2015	2016
Республика Адыгея	1	1	0,850558
Республика Калмыкия	1	1	1
Краснодарский край	1	1	1
Астраханская область	1	1	1
Волгоградская область	0,606128	0,631679	0,719112
Ростовская область	0,908286	1	1
Республика Дагестан	1	1	1
Республика Ингушетия	1	0,858985	1
Кабардино-Балкарская Республика	1	1	1
Карачаево-Черкесская Республика	0,876532	0,981463	1
Республика Северная Осетия – Алания	0,698096	0,73442	0,682465
Чеченская Республика	0,801196	0,790426	0,763025
Ставропольский край	1	1	0,972725

Примечание . Рассчитано авторами с использованием программы MaxDEA.

ваемого периода значение оценок эффективности меньше 1: Волгоградская область, Республика Северная Осетия – Алания и Чеченская Республика.

В таблице 4 представлены результаты расчетов оптимальной структуры входных и выходных параметров (Projection) для регионов, оцененных по итогам 2016 г. как неэффективные (в части использования энергоресурсов и представленности факторов, оказывающих позитивное воздействие на энергоэффективность регионального промышленного комплекса).

Рассчитанные величины отклонений фактических значений от оптимальных представляют собой потенциальные улучшения входных и выходных переменных для неэффективных регионов по сравнению с их эффективными конечными целевыми показателями.

Результаты, полученные в ходе исследования, свидетельствуют о том, что значительный потенциал энергоэффективности регионов Юга России может быть реализован путем содействия инновациям и снижению технологического разрыва между регионами в интересах сбалансированного устойчивого развития рассматриваемых мезоэкономических систем. Существенное внимание следует уделять информационным технологиям при производстве, распределении и потреблении энергетических ресурсов, активизации встраивания ИТ-решений в производственно-технологические цепочки. Это определяется тем, что ученые прогнозируют развитие мировой энергетики как некоторой «системы cистем», в которой определяющее значение приобретает организация и управление энергетическими потока- ми на базе энергоинформационных технологий, формирования и развития «умной» энергетической инфраструктуры, а также мультиагентного управления [11].

Фиксируемый недостаточный уровень применения информационных технологий и интеллектуальных решений в настоящее время является лимитирующим фактором энергоэффективности в промышленности. Учитывая ключевую роль промышленного сектора в энергосбережении, необходим активный обмен технологиями, развитие инноваций, совместных государственночастных инвестиций и инициатив по содействию исследованиям и разработкам в области возобновляемых и энергоэффективных технологий (в том числе для распространения наилучших доступных технологий), а также устранение торговых, институциональных, административных и ресурсных барьеров в целях повышения эффективности распределения ресурсов и совершенствования стратегического управления региональным развитием. Стратегический подход в данном случае целесообразно рассматривать как в структурном, так и в динамическом аспекте. Первый проявляется в том числе и через активизацию развития высокотехнологических производств с меньшим уровнем потребления энергии, модернизацию структуры региональной экономики, второй – через выработку мер, направленных на энергосбережение на всех этапах производства, распределения, транспортировки (передачи) и потребления энергии. В рассматриваемом контексте требуется взаимопроникновение критериев энергоэффективности и инновационности в стратегии развития энергетического сек-

Таблица 4

Оптимальная структура входных и выходных параметром для неэффективных регионов

Параметры	Республика Адыгея	Волгоградская область	Республика Северная Осетия – Алания	Чеченская Республика	Ставропольский край
Projection ( X 1 )	108,570184	118,343041	118,886954	126,509925	124,708505
Отклонение	-44,1361	-49,2188	-55,3152	-174,395	-13,9599
Projection ( X 2 )	21 976,13218	38 369,40976	32 612,62846	18 218,29252	28 961,02155
Отклонение	-3861,17	-31102,6	-15 173,9	-5 658,11	-19 382,9
Projection ( X 3 )	45,419818	36,387054	35,897675	39,601003	50,095357
Отклонение	-7,98018	-14,2129	-16,7023	-12,299	-1,40464
Projection ( Y 1 )	57 140,28318	71435	60 044,66578	44 129	72 963,55119
Отклонение	23 122,28	0	21 067,67	0	33 459,55
Projection ( Y 2 )	85,7	79,7	77,2892	77,119564	91,8
Отклонение	0	0	3,6892	26,51956	0
Projection ( Y 3 )	4,2	7,646829	5,917241	2,43705	4,9
Отклонение	0	2,746829	2,117241	2,13705	0

Примечание . Рассчитано авторами.

тора и стратегии развития промышленности и содержательное согласование соответствующих стратегических документов.

ПРИМЕЧАНИЕ

• ¹    Статья подготовлена в Южном федеральном университете при выполнении инициативного научного проекта фундаментального характера «Методология и механизмы управления ресурсным обеспечением стратегического развития Юга России» в рамках реализации внутреннего гранта ЮФУ (ВнГр-07/2017-13 от 09.03.2017 г.).