Оценка энергоэффективности социо-эколого-экономических систем регионов
Автор: Бобин Дмитрий Витальевич
Журнал: Общество: политика, экономика, право @society-pel
Рубрика: Экономика
Статья в выпуске: 12, 2017 года.
Бесплатный доступ
В настоящей статье изложены результаты изучения и комплексного определения энергоэффективности региональных социо-эколого-экономических систем. Отличительной особенностью работы является выделение социального и экологического аспектов (потенциалов) энергоэффективности системы, т. е. учет многомерности рассматриваемого объекта. Построена система показателей энергоэффективности, которая состоит из трех блоков. Частные критерии преобразуются сначала в комплексные оценки эффективности подсистем, а затем в интегральную оценку эффективности всей системы. По обобщенным оценкам потенциалов был составлен рейтинг энергоэффективности регионов Российской Федерации. Результатом исследования выступает методика выделения классов энергоэффективности регионов. Обозначены перспективы ее применения в информационно-аналитических системах мониторинга и анализа энергоэффективности регионов. Математическую основу исследования составляют методы очистки данных, квалиметрии, анализа иерархий и группировки.
Социо-эколого-экономические системы, энергоэффективность региона, показатели энергоэффективности, интегральная оценка, класс энергоэффективности
Короткий адрес: https://sciup.org/14932050
IDR: 14932050 | DOI: 10.24158/pep.2017.12.14
Текст научной статьи Оценка энергоэффективности социо-эколого-экономических систем регионов
Одним из приоритетных направлений устойчивого развития национальной и региональных социально-экономических систем является повышение их энергоэффективности. Стратегическими задачами выступают снижение энергоемкости экономики, внедрение энергоэффективных технологий в производственной и непроизводственной сферах, а также увеличение доли альтернативных (возобновляемых) источников энергии. В общем потреблении энергоресурсов удельный вес энергии, выработанной источниками возобновляемой энергии, в России составляет 6,6 %. В мировом потреблении энергии данный показатель равен примерно 20,0 %, что говорит о существенном отставании РФ от Германии, Китая, США и других передовых стран. Однако политика государства и регионов в этой области должна быть комплексной, направленной одновременно на повышение устойчивости экономики, уровня жизни населения и снижение вредного воздействия на окружающую среду, т. е. необходимо учитывать многомерность объектов воздействия.
В федеральном законе № 261-ФЗ энергоэффективность определяется как отношение полученного эффекта от использования энергоресурсов на выходе к их затратам на входе. Конечный эффект от потребления энергии может выражаться не только энергосбережением, снижением энергоемкости или возрастанием коэффициента полезного расходования энергии, но и в виде повышения уровня жизни населения или уменьшения антропогенного воздействия на окружающую среду. Поэтому наряду с экономическим эффектом важно выделить экологический и социальный аспекты повышения энергоэффективности, идентифицировать ее социо-экологоэкономическую (СЭЭ) сущность. Она заключается в эффективном достижении экономических, социальных и экологических задач потребления энергоресурсов:
-
1) экономический аспект – рациональное использование ресурсов; снижение абсолютной, относительной и удельной энергоемкости производства товаров и услуг; сокращение потерь энергии при ее производстве, транспортировке и переработке;
-
2) социальный аспект – повышение уровня жизни, производительности труда, культуры энергопотребления, формирование энергоэффективного общества;
-
3) экологический аспект – оптимальное взаимодействие с окружающей средой, снижение экологических рисков, устойчивое развитие экономики.
Исходя из доступности данных, сформирован перечень индикаторов, позволяющих оценить три аспекта повышения энергоэффективности СЭЭ-систем. Индикаторы сгруппированы по соответствующим блокам, представленным основными показателями государственной программы «Энергосбережение и повышение энергетической эффективности на период до 2020 г.» [2], дополненными значимыми для оценки социального и экономического аспектов энергоэффективности признаками.
-
E1 – показатели эффективности экономической подсистемы (X1 – энергетическая эффективность ВРП, р./кг усл. т.; X2 – удельный расход топливно-энергетических ресурсов (ТЭР) на перевозку грузов автомобильным транспортом, т усл. т./тыс. т·км брут.; X3 – удельный расход ТЭР на перевозку пассажиров общественным транспортом, кг усл. т./тыс. пасс. км; X4 – удельный расход ТЭР на выработку электроэнергии теплоэлектроцентралями, кг усл. т./тыс. кВт·ч; X5 – удельный расход ТЭР на отпуск теплоэнергии в котельных, кг усл. т./Гкал; X6 – удельный расход ТЭР на выработку тепла теплоэлектроцентралями, кг усл. т./Гкал; X7 – доля потерь в тепловых сетях, %; X8 – удельный расход ТЭР на производство крупного рогатого скота, кг усл. т./ц; X9 – удельный расход ТЭР на работу тракторов и комбайнов в сельском хозяйстве, кг усл. т./га; X10 – доля энергоэффективных источников света в дорожном и уличном хозяйстве, %; X11 – доля энергоэффективных источников света в организациях бюджетной сферы, %; X12 – доля индивидуальных тепловых пунктов с авторегулированием в зданиях бюджетной сферы, прошедших ремонт на сумму от 5 млн р. с 2011 г.).
-
E2 – показатели эффективности социальной подсистемы (Y1 – удельный расход воды населением, м3/чел.; Y2 – отношение суммы расходов электроэнергии на общедомовые нужды и теплоэнергии в многоквартирных жилых домах к общей площади многоквартирных домов, в которые поставляется теплоэнергия, кг усл. т./м2; Y3 – отношение суммы расходов тепла и электроэнергии на снабжение государственных и муниципальных учреждений здравоохранения и образования к их общей площади, кг усл. т./м2; Y4 – доля многоквартирных домов, оснащенных общедомовыми приборами учета тепла на конец периода, %; Y5 – доля внедрения зданий бюджетного сектора с начальным классом энергетической эффективности не ниже D, %).
-
E3 – показатели эффективности экологической подсистемы (Z1 – отношение средних темпов роста выбросов загрязняющих веществ в атмосферу, отходящих от стационарных источников, к индексу физического объема ВРП за 3 года; Z2 – отношение средних темпов роста сбросов загрязненных сточных вод в поверхностные водные объекты к индексу физического объема ВРП за 3 года; Z3 – доля электроэнергии в совокупном потреблении энергоресурсов, %).
Отсутствие возможности количественного измерения остальных признаков не существенно для алгоритма оценки энергоэффективности СЭЭ-систем. Таким образом, совокупность исходных данных представляет собой информацию о 84 наблюдениях (субъектах РФ) по 20 признакам, сгруппированным по 3 факторам. Для учета климатической разницы между регионами, влияющей на показатели удельного потребления ТЭР, проведена предварительная обработка данных путем умножения или деления на соответствующий климатической зоне коэффициент.
Особенностью сформированных данных является наличие пропусков в наблюдениях по одному измерению и более, т. е. для ряда регионов не представляется возможным установить значения некоторых показателей. Наименьшее число пропусков отмечается за 2015 г., что и составило базу оценивания. К регионам с наибольшим количеством недоступных сведений относятся Чеченская Республика (11), г. Севастополь (10), Республика Дагестан (9), Еврейская автономная область (8). В практике очистки информации принято либо исключать наблюдения с пропусками в измерениях, либо восстанавливать их значения с помощью разных методов. Выбор способа зависит от проблемной ситуации, объема наблюдений и измерений, степени и концентрации пропусков и, наконец, предлагаемых к применению методов анализа на последующих этапах.
Поскольку полный объем материалов имеется только для 37 регионов, то применение регрессионного или факторного анализа для описания изучаемого процесса и сжатия данных затруднительно и требуется методика, позволяющая работать эффективно с подобного рода сведениями. В той или иной мере к таким можно отнести методы системного анализа и квалимет-рии [3]. Все пропущенные значения были заменены на их худшие, верхние или нижние, значения вариационных рядов признаков, которые определяются политикой энергоэффективности, направленной на повышение или понижение соответствующих показателей.
Второй особенностью совокупности являются зашумленность, наличие естественных аномалий (выбросов) – резко выделяющихся из основной массы значений, вызванных редкими событиями или, напротив, систематическими фактами. В процессе анализа они искажают параметры распределения признаков, при стандартизации такие объекты могут получить высокие (низкие) оценки, а основная масса – крайне низкие (высокие). Осуществлены распознавание аномалий статистическими критериями Смирнова – Граббса и Титьена – Мура на уровне значимости
0,05 и робастное оценивание данных методом Пуанкаре. Процедура позволила получить нормально распределенные признаки, что подтверждается критерием согласия χ2 Пирсона на уровне значимости 0,05.
Показатели энергоэффективности множеств X, Y, Z имеют разные единицы измерения, численно распределены в разных интервалах и стандартизированы по методу минимакса:
X ij
X-- — X --ij j .min x - - x - - j .max j .min ff x_ - x--j .max ff -
X — x j .max j .min
, C j = 1,
Cj =- 1,
где x - - робастные значения j -го признака i -й системы; с , - признак направления улучшения со
стояния j-го признака систем; x\ , x'jrin - робастные максимальные и минимальные значения j-го признака.
Методом попарных сравнений [4] рассчитаны вклады исходных переменных в оценку энергоэффективности экономической, социальной и экологической подсистем:
w = {1/3,1/3,1/3} ,
w(1) = {0,4, 0,08p,, 0,08p,, 0,04, 0,04, 0,04, 0,08, 0,08p2, 0,08p2, 0,08, 0,08, 0,08} , w (2) = {0,2,0,2,0.2,0,2,0,2}, w(3) = {1/3,1/3,1/3}, где Wr - вес r-й подсистемы энергоэффективности; w(r) - вес j-го параметра r-й подсистемы; p 1 и p2 – доли валовых добавленных стоимостей отраслей «транспорт и связь» и «сельское хозяйство» соответственно.
Стандартизованные значения показателей x 5 обобщаются в комплексные оценки подсистем I ( r ), которые на следующем шаге обобщаются в интегральные оценки энергоэффективности СЭЭ-системы IEE в аддитивной форме: k r
I ir ) = Z w( r ) x 5 , IEE i = ^ W r l ir ) . j = 1 r = 1
Важным аспектом анализа является возможность применения методики для проведения более эффективной политики энергосбережения и повышения энергоэффективности регионов. По значениям интегральной оценки осуществлена классификация регионов. Выделены пять классов энергоэффективности: A – высокий, B – повышенный, C – средний, D – пониженный, E – низкий. Регионы с одинаковыми метками составляют одноименные кластеры (таблица 1).
Таблица 1 – Результаты классификации субъектов РФ [5]
Субъект |
IEE |
Субъект |
IEE |
Субъект |
IEE |
Субъект |
IEE |
Кластер A |
Р39 |
0,516 |
Р03 |
0,465 |
Р67 |
0,418 |
|
Р78 |
0,633 |
Р10 |
0,515 |
Р37 |
0,463 |
Р35 |
0,415 |
Р65 |
0,629 |
Р50 |
0,514 |
Р26 |
0,463 |
Р28 |
0,414 |
Р77 |
0,610 |
Р33 |
0,507 |
Р51 |
0,462 |
Р01 |
0,411 |
Р89 |
0,610 |
Р18 |
0,507 |
Р52 |
0,462 |
Р07 |
0,410 |
Р70 |
0,603 |
Р44 |
0,506 |
Р48 |
0,459 |
Кластер D |
|
Р61 |
0,602 |
Р25 |
0,506 |
Р22 |
0,458 |
Р40 |
0,399 |
Кластер B |
Р13 |
0,500 |
Р32 |
0,457 |
Р79 |
0,376 |
|
Р46 |
0,591 |
Кластер C |
Р74 |
0,453 |
Р62 |
0,358 |
|
Р54 |
0,586 |
Р04 |
0,496 |
Р30 |
0,448 |
Р06 |
0,354 |
Р68 |
0,578 |
Р24 |
0,495 |
Р29 |
0,446 |
Р11 |
0,352 |
Р16 |
0,572 |
Р02 |
0,493 |
Р66 |
0,444 |
Р57 |
0,333 |
Р36 |
0,567 |
Р86 |
0,492 |
Р56 |
0,444 |
Р05 |
0,323 |
Р41 |
0,567 |
Р49 |
0,491 |
Р42 |
0,441 |
Р15 |
0,312 |
Р31 |
0,553 |
Р75 |
0,490 |
Р45 |
0,440 |
Р09 |
0,308 |
Р38 |
0,552 |
Р59 |
0,489 |
Р71 |
0,439 |
Р92 |
0,307 |
Р23 |
0,552 |
Р73 |
0,486 |
Р53 |
0,435 |
Кластер E |
|
Р64 |
0,547 |
Р58 |
0,480 |
Р63 |
0,431 |
Р87 |
0,260 |
Р12 |
0,547 |
Р72 |
0,472 |
Р08 |
0,424 |
Р17 |
0,252 |
Р19 |
0,544 |
Р21 |
0,471 |
Р27 |
0,422 |
Р20 |
0,137 |
Р34 |
0,532 |
Р60 |
0,469 |
Р14 |
0,421 |
||
Р91 |
0,522 |
Р47 |
0,467 |
Р76 |
0,420 |
||
Р43 |
0,517 |
Р55 |
0,467 |
Р69 |
0,420 |
В тройку лидеров по классу энергоэффективности A входят Санкт-Петербург, Сахалинская область и Москва, а аутсайдеров E – Чеченская Республика, Республика Тыва, Чукотский АО. Стоит отметить значительный разрыв между классами D и E, что отчасти связано с пропусками некоторых значений. При текущем уровне развития науки и техники потенциал повышения энергоэффективности субъектов РФ составляет в среднем 53 %.
Для более детальной классификации регионов на основе выделения схожих наблюдений по комплексным оценкам подсистем I ( r ) можно воспользоваться методами многомерного кластерного анализа. В условиях ограниченности бюджетных средств такой подход позволит применять инструменты политики энергосбережения и повышения энергоэффективности более рационально, апробируя альтернативные решения в субъектах с разными классами энергоэффективности и распространяя лучшие из них в первую очередь среди регионов одного класса. Приведенная методика может стать математической базой информационно-аналитических систем мониторинга и оценки энергоэффективности региональных СЭЭ-систем.
Ссылки и примечания:
-
1. Исследование выполнено при финансовой поддержке РФФИ (проект № 16-36-00365мол_а).
-
2. Энергосбережение и повышение энергетической эффективности РФ на период до 2020 г. [Электронный ресурс] : распоряжение Правительства РФ от 27 дек. 2010 г. № 2446-р. Доступ из справ.-правовой системы «Гарант».
-
3. Azgaldov G.G., Kostin A.V. The ABC of Qualimetry. Moscow, 2015. 167 p.
-
4. Saaty T.L., Vargas L.G. Decision Making with the Analytic Network Process: Economic, Political, Social and Technological Applications with Benefits, Opportunities, Costs and Risks. N. Y., 2013. 363 p.
-
5. Коды субъектов РФ [Электронный ресурс] : справочник. Доступ из справ.-правовой системы «КонсультантПлюс».
Список литературы Оценка энергоэффективности социо-эколого-экономических систем регионов
- Энергосбережение и повышение энергетической эффективности РФ на период до 2020 г. : распоряжение Правительства РФ от 27 дек. 2010 г. № 2446-р. Доступ из справ.-правовой системы «Гарант».
- Azgaldov G.G., Kostin A.V. The ABC of Qualimetry. Moscow, 2015. 167 p.
- Saaty T.L., Vargas L.G. Decision Making with the Analytic Network Process: Economic, Political, Social and Technological Applications with Benefits, Opportunities, Costs and Risks. N. Y., 2013. 363 p.
- Коды субъектов РФ : справочник. Доступ из справ.-правовой системы «КонсультантПлюс».