数字产业集聚如何影响中国电力系统的环境效率？

《Journal of Cleaner Production》：How does digital industry agglomeration affect the environmental efficiency of power systems in China

　　

• 两阶段FSODEA模型用于衡量电力系统的环境效率。
• 数字集聚被划分为地理形态和虚拟形态。
• 总体、发电以及输配电效应得到了估计。

**引言**

过去几十年来，全球经济活动的快速扩张导致电力需求大幅增加（Wang等，2023）。根据国际能源署（IEA）数据，1990年至2023年间，全球电力消费平均年增长率达2.7%（IEA，2024）。然而，化石燃料仍占全球发电量的60%以上，使电力行业成为二氧化碳排放的主要人为来源（Xie等，2022；Xu等，2024）。2022年，来自电力生产的约140亿吨二氧化碳排放相当于所有能源相关排放的40%（IEA，2023）。根据IEA的预测模型，在一切照旧的情景下，到2050年全球电力需求可能增加50%；同时，相关排放可能增加20%。这一趋势极大地增加了气候变化风险（Nejati和Shah，2023）。此外，流行病学研究表明，燃煤电厂排放导致全球每年约80万人过早死亡，造成超过5000亿美元的医疗支出和生产率损失（Maamoun等，2020）。这些影响凸显了电力行业需要以较少的环境代价生产更多电力，从而推动清洁生产的必要性。

这一紧迫性对中国尤为突出。作为国民经济的基础产业，中国电力行业在维持经济增长和保障社会稳定运行方面发挥着不可替代的作用（Cormos和Dinca，2021；Wei等，2024）。如图1所示，2023年中国全社会用电量达到9.2241万亿千瓦时，为国内生产总值（GDP）5.2%的增长率提供了有力支撑（中国能源传媒集团能源安全与新战略研究院，2024）。然而，电力行业在提供大量能源的同时，也带来了严峻的环境挑战（Palmer等，2007）。2023年，电力、热力生产和供应业占中国二氧化碳总排放量的40%以上、二氧化硫排放量的33%和氮氧化物排放量的36%。因此，系统提升电力系统环境效率（PSEE）不仅是平衡能源安全、经济增长和环境保护的前提，也是推进中国"双碳目标"和实现可持续发展的重要途径（Bu等，2022；Nakaishi等，2021）。

科学评估环境效率是制定有效改进策略的前提（Nakaishi等，2023）。尽管现有研究关注了电力系统的网络结构（Alizadeh等，2020），并采用网络数据包络分析（DEA）模型来衡量环境效率（Alizadeh等，2020；Song等，2017；Xie等，2012；Mahmoudabadi等，2018），但一个关键问题被广泛忽视。在国家确定的年度二氧化碳排放总量下，一个地区的排放量增加必须以其他地区排放量减少为代价；因此，二氧化碳排放可以被视为固定总量型非期望产出（Li等，2022）。同样，在消费阶段，由于电力消费的瞬时性和无法大规模储存的特性，一个地区消费量的增加必然在同期内减少其他地区的可用电力（例如通过限电措施）。因此，电力消费在每一时期内也是一种固定总量型期望产出。因此，需要一个固定总量产出DEA（FSODEA）框架，在这些跨区域配置约束下评估PSEE。Wu等（2019）提出了共同均衡有效前沿DEA模型来评估火力发电厂的环境效率。Li等（2022）将火电行业分为能源生产和能源利用两个阶段，由于两个阶段都产生二氧化碳作为非期望产出，他们开发了一种新的共享FSODEA模型来衡量火电行业的能源生产和利用效率。然而，现有模型未能同时考虑不同阶段的固定总量产出。这一差距促使本研究开发了两阶段模型。

数字经济作为国家发展的核心战略方向和国际数字时代竞争力的关键驱动力，凭借其低自然资源消耗、低污染排放和环保优势，已成为提升环境效率的重要力量（Hao等，2023）。据《中国数字经济发展研究报告》（2024）显示，2023年中国数字经济规模达到53.9万亿元，占国内生产总值的42.8%。数字经济的快速扩张为传统产业绿色转型提供了新途径（Maroufkhani等，2022）。现有研究表明，数字经济可以通过技术赋能和资源优化显著提升PSEE（Kangas等，2021；Zhou等，2022）。中国共产党第二十次全国代表大会报告强调了"加快发展数字经济，培育具有国际竞争力的数字产业集群"的战略目标，这进一步促进了数字产业集聚（DIA）。与数字经济不同，DIA对PSEE的影响尚未得到学者的广泛关注，现有证据结论相互矛盾，其具体作用机制尚不明确。一些研究认为，DIA导致当地电力需求急剧增加，加剧了电力供需平衡和电网稳定方面的挑战（Das等，2024；Zhou等，2019），可能对PSEE产生负面影响。相反，其他观点认为DIA可以通过优化能源结构和促进技术创新等措施提升PSEE（He等，2025）。现有研究结论的分歧本质上源于对DIA理解的不够深入和细致（Xu等，2024）。事实上，与传统的产业集聚不同，数字化、虚拟化、强渗透性的数字产业表现出更为复杂的集聚形态（Deng等，2025；Fernandez-Escobedo和Cuevas-Vargas，2023；Xu和Wang，2025）：一种是依赖地理邻近性的地理集聚，另一种是通过数字网络和平台形成连接的虚拟集聚（Zhang等，2024a，2024b）。DIA对PSEE的影响源于地理集聚和虚拟集聚的共同作用。因此，要准确分析DIA影响PSEE的机制，需要明确两种集聚模式的独特作用。然而，文献综述显示，绝大多数研究仍沿用传统集聚经济理论，简单地将DIA等同于地理集聚，对虚拟集聚关注不足（Xu等，2024；Xu和Wang，2025）。

因此，为填补这些研究空白，本研究做出了以下关键贡献。第一，考虑到发电阶段二氧化碳排放和输配电阶段电力消费的固定总量特征，本文开发了一种新颖的两阶段固定总量产出DEA（两阶段FSODEA）模型来评估PSEE。第二，本研究深入探讨了DIA如何影响PSEE。通过区分DIA的两个维度，即数字产业地理集聚（DIGA）和数字产业虚拟集聚（DIVA），本文拓展了可持续发展研究中产业集聚的理论范畴。

本文其余部分安排如下：第2节从理论上分析DIA对PSEE的影响；第3节开发新的PSEE测量模型；第4节介绍数据和变量；第5节和第6节分别展示研究结果和讨论；最后，第7节总结研究并提出政策建议。研究框架如图2所示。

**章节摘要**

**理论分析**

DIA通过规模经济、知识溢出和资源整合作用影响发电环境效率（EGEE）和输配电环境效率（TDEE），其影响机制如图3所示。

在发电阶段，DIGA通过规模经济、空间协同和知识溢出效应影响环境效率（Jiang等，2023；Wang等，2022）。首先，数字产业在区域内的密集集聚……

**研究方法**

本节介绍本研究采用的两个核心模型。第一，我们开发了一种新颖的两阶段FSODEA模型来评估PSEE。第二，我们构建了面板数据回归模型，探讨DIGA和DIVA对EGEE、TDEE和PSEE的异质性效应。

**被解释变量**

PSEE及其各阶段效率通过公式（6）计算。具体指标体系见表1（Li等，2022；Meng等，2023）。

**核心解释变量**

本文将DIA分为DIGA和DIVA。DIGA反映了数字产业活动基于地理邻近性的空间集中程度，而DIVA则捕捉了数字网络与平台上数字产业参与者之间的连接与资源协调。

借鉴Yang等（2024）的研究，我们定义……

**模型比较**

为验证本文提出的两阶段FSODEA模型的合理性和优越性，我们将结果与Chen等（2009）提出的两阶段DEA模型进行了比较。比较结果见表A1。在传统模型中，17个省为低效决策单元（DMU），但在两阶段FSODEA模型中被评估为高效。这是因为在考虑了二氧化碳排放量和电力消费量的固定总量约束后，电力消费量较高的省份……

**电力系统环境效率的讨论**

如图7所示，华东地区的PSEE最高，华北地区次之，东北地区最低。这一发现与Zhao等（2025）的研究类似，他们指出PSEE与区域资源禀赋和基础设施建设密切相关（Wei等，2023）。华东地区通过特高压（UHV）输电线路从西南地区进口水电和从西北地区进口风电（Zhou等，2025）；到2024年底，……

**结论**

本研究区分了DIGA和DIVA，将电力系统分解为发电和输配电两个阶段，并将两阶段FSODEA模型应用于2012年至2024年中国30个省级地区。

（1）在研究期间，PSEE和EGEE呈下降趋势，而TDEE略有上升。具体而言，EGEE从2012年的1.067下降至2024年的0.912，而TDEE在同一时期从1.187上升至1.214。PSEE的区域差异依然显著。

（2）DIGA显著……

**CRediT作者贡献声明**

刘炳全：指导、资金获取。李晓清：初稿撰写、资源提供。王文多：方法论、数据整理。李明辉：调查研究、形式化分析。白洋：审稿与编辑、形式化分析。

**利益冲突声明**

作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。

**致谢**

本研究由国家统计科学研究项目资助，项目编号[2025LZ013]。

刘炳全 | 李晓清 | 王文多 | 李明辉 | 白洋