CC BY
91ISSN 2311-8725 (Online) ISSN 2073-039X (Print)
ОЦЕНКА ЭКОЛОГИЧЕСКОЙ ЭФФЕКТИВНОСТИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПАНИЙ РОССИИ НА ОСНОВЕ МЕТОДОЛОГИИ АНАЛИЗА СРЕДЫ ФУНКЦИОНИРОВАНИЯ*
Евгений Юрьевич ХРУСТАЛЁВ", Павел Дмитриевич РАТНЕРь'*
Эффективность бизнеса
а доктор экономических наук, профессор, ведущий научный сотрудник,
Центральный экономико-математический институт РАН, Москва, Российская Федерация
stalev777@yandex.ru
ь студент учетно-финансового факультета, Российский экономический университет им. Г.В. Плеханова,
Краснодарский филиал, Краснодар, Российская Федерация
ratner.p.d@gmail.com
* Ответственный автор
История статьи:
Принята 10.06.2015 Одобрена 08.07.2015
УДК 338.45+519.237
Ключевые слова: анализ среды функционирования, электроэнергетика, генерирующие компании, экология, оптимизация
Аннотация
Предмет и тема. Рассмотрены возможности применения методологии анализа среды функционирования для решения задач оптимизации деятельности предприятий электроэнергетической отрасли по экологическим показателям.
Цели и задачи. В последние годы эта методология успешно используется на практике для оценки потенциала энергосбережения и сокращения выбросов парниковых газов. В мировой литературе используется термин environmental DEA (экологический анализ среды функционирования), обозначающий методику анализа среды функционирования, специально предназначенную для решения задач оптимизации функционирования региональной (национальной) энергетической системы. Ее отличительной чертой является принципиальная невозможность полного элиминирования негативных выходов работы энергетической системы (выбросов), так как производственный процесс (генерация энергии) неизбежно связан с осуществлением выбросов. Целью работы является анализ различных подходов к моделированию неустранимых нежелательных эффектов производственного процесса, используемых в мировой литературе, выбор и апробация наиболее удачных подходов для оценки экологической эффективности генерирующих компаний.
Методология. Для сравнения экологической эффективности генерирующих компаний использована базовая модель анализа среды функционирования, ориентированная по выходу В качестве входных параметров, подлежащих минимизации, рассмотрены различные негативные экологические эффекты - объемы выбросов загрязняющих веществ в атмосферу, объемы образования твердых отходов и объемы забора свежей воды для производственных и хозяйственно-бытовых нужд компаний, а в качестве выходных - объемы генерации электроэнергии.
Результаты. Приведены расчеты коэффициентов эффективности двадцати компаний, выполненные в пакете прикладных программ DEA-Frontier. Определены эффективные с точки зрения экологического воздействия и неэффективные компании. Для неэффективных компаний определены оптимальные пути достижения эффективности. Область применения. Полученные результаты могут быть использованы при оценке степени выполнения и степени целесообразности инвестиционных программ генерирующих компаний с точки зрения экологических проблем, при разработке государственных программ поддержки модернизационных процессов в электроэнергетике, экологических стандартов и программ по энергосбережению.
Выводы и значимость. Показана возможность использования базовой модели анализа среды функционирования (модель CCR, ориентированная по входу) для проведения сравнительного анализа экологической эффективности деятельности крупных оптовых и территориальных генерирующих компаний России.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2015
* Работа выполнена при поддержке гранта РФФИ №№ 15-36-50163 мол_нр «Разработка структуры низкоуглеродной региональной энергетической системы на основе моделей анализа среды функционирования (АСФ)».
В последние годы в отечественной и зарубежной научной литературе большое внимание уделяется развитию энергетических систем как в глобальном масштабе, так и на региональном уровне.
Активизацию исследовательского интереса к этой проблематике можно объяснить тем, что энергетические компании всего мира в настоящее время находятся в ситуации технологического разрыва, когда традиционные технологии генерации энергии уже не удовлетворяют всей совокупности требований, которые предъявляет к ним общество1 (в первую очередь по экологическим характеристикам), а новые технологии находятся только в стадии разработки, характеризующейся высокой степенью неопределенности [1]. Особо ярко эта проблема выражена в электроэнергетике, где в настоящее время получили промышленное развитие такие новые технологии генерации энергии, как солнечная (фотовольтаика) и ветровая2. Осуществляемые во многих технологически развитых странах изменения энергетической инфраструктуры в сторону увеличения доли так называемой чистой энергетики (например, в странах Евросоюза), равно как и потенциальные изменения в принципах и методах формирования энергетических систем в быстро развивающихся странах (Китае, Индии и др.), оказывают непосредственное влияние на экономическое положение России как одного из главных мировых производителей и поставщиков энергетических ресурсов [2, 3], а потому привлекают внимание большого количества российских ученых-экономистов. В то же время экономической оценке и моделированию комплексных экологических эффектов развития электроэнергетики в отечественной научной литературе уделяется недостаточное внимание [4].
Отдельные примеры негативного воздействия работы электростанций на экологию и здоровье человека хорошо известны. В качестве главного негативного эффекта, связанного с нежелательными климатическими изменениями, в литературе чаще всего выделяют выбросы диоксида углерода. Однако помимо выбросов СО2 электростанции, работающие на углеводородном топливе, осуществляют эмиссию в окружающую среду диоксида серы, который отрицательно влияет на дыхательную и сердечно-сосудистую системы человека, меркурия, приводящего к расстройствам нервной системы [5]. Полициклические ароматические углеводороды
1 Ратнер С.В., Михайлов В.О. Стратегическая конкурентоспособность нефтегазовых кластеров в ситуации технологического разрыва // Экономический анализ: теория и практика. 2011. № 34. С. 2-10.
2 Ратнер С.В., Иосифов В.В. Стоимостные барьеры диффузии технологий альтернативной энергетики в России // Экономический анализ: теория и практика. 2013. № 40. С. 25-33.
обладают мощным канцерогенным действием, а содержащиеся в выбросах тяжелые металлы и микроэлементы обладают свойством накапливаться в различных органах человека, почве, продуктах питания. Потребление большого количества свежей воды создает дефицит этого ценного природного ресурса, а тепловое загрязнение водоемов приводит к изменению их экосистем. Электростанции, использующие для генерации энергии другие виды топлива, также оказывают негативное воздействие на окружающую среду. Так, атомные электростанции создают угрозу радиоактивного загрязнения в случаях техногенных катастроф и нарушения режимов хранения радиоактивных отходов. Ветровая энергетика, свободная от ряда перечисленных недостатков, также производит негативные эффекты, среди которых специалисты выделяют шумовое загрязнение, вибрацию, создание бликов света, а также серьезные помехи для миграции птиц [6].
Однако все перечисленные эффекты лежат на поверхности: они возникают непосредственно в процессе генерации электроэнергии. Если же оценивать эффекты, возникающие вдоль всей производственной цепи - от добычи топлива до доставки электроэнергии потребителю, т.е. использовать в полной мере методологию анализа жизненного цикла (Life Cycle Analysis), то можно выделить и другие негативные эффекты, которые необходимо учитывать при выборе той или иной технологии генерации энергии. Например, бурный рост ветровой энергетики привел к экспоненциальному росту масштабов производства постоянных магнитов с использованием редкоземельных элементов, добыча которых сопряжена с негативными экологическими эффектами [7]. Поэтому моделирование экологических эффектов различных технологий генерации энергии является сложной задачей методологической и технической точек зрения, так как необходимо решать многокритериальные задачи оптимизации в отсутствие полной информации о взаимосвязи технических и экологических характеристик каждой из анализируемых технологий.
Одной из широко распро страненных в зарубежной научной литературе методологий решения многокритериальных задач оптимизации деятельности хозяйствующих субъектов по экологическим параметрам является анализ среды функционирования (АСФ) [8-13]. В настоящее время АСФ (в англоязычной литературе DEA -
Data Envelopment Analysis) представляет собой развитую методологию оценки сравнительной эффективности функционирования множества однородных экономических, производственных или иных объектов с помощью различных моделей математического программирования. Объекты, эффективность которых оценивается в АСФ, обычно называются производственными объектами (ПО) и выполняют одну и ту же производственную функцию, преобразуя множество некоторых входов во множество некоторых выходов. Преимуществом АСФ является возможность работы с ПО в отсутствие каких-либо предположений о виде функциональной зависимости между входами и выходами. Таким образом, АСФ является непараметрическим методом, работающим на основе анализа эмпирических данных. В российских работах АСФ применяется в основном для оценки эффективности деятельности бюджетной системы, региональных властей, банковских структур и т.д. [14, 15]. Работы по использованию АСФ в задачах оценки экологических аспектов деятельности хозяйствующих субъектов авторам неизвестны.
В классической модели анализа среды функционирования, обозначаемой CCR (по первым буквам имен разработчиков - Chames A., Cooper W.W., Rhodes E. [16]), максимизируется отношение виртуального выхода (линейная комбинация взвешенных выходов) к виртуальному входу (линейная комбинация взвешенных входов) - мера эффективности производственного объекта, причем данное отношение не может превосходить единицу. В коэффициентной форме задача оптимизации формулируется следующим образом:
max Z umуm0,
при ограничениях:
M N
Zumymk -Zvnxnk - 0, к = 1,2,..., К;
m=1 n=1
Z v xno =1;
(1)
u , V > 0, m = 1,2,...,М, п = 1,2,...,N,
т~ п ' ???? ????
где 0 - индекс ПО;
X - вектор входов размерности N
У - вектор выходов размерности М;
К - количество производственных объектов.
Несмотря на то, что сама модель (1) линейна, коэффициент эффективности находится из
двойственной задачи: min 9,
при ограничениях:
N
Zx*Xk -9x„o, n = 1,2,...,N;
n=1 M
X Утк К > Ут0, т = М;
т=1
Хк > 0, к = 1,2,.,К. (2)
Модель (2) хорошо известна как ориентированная по входам модель CCR. В этой модели изыскивается возможность пропорционального сокращения входов без сокращения выходов. Подобным образом можно определить ориентированную по выходам CCR-модель, если представить первоначальную эффективности ПО как отношение виртуального входа к виртуальному выходу.
Множество производственных возможностей Т (множество таких наборов векторов X, У, что выходной вектор У > 0 может быть получен при входном векторе X > 0) для модели CCR имеет следующий вид:
Т = <¡( X ,Y)
Z X> X >- X,
j=1
Z
j =1
Y} X j > Y, X j > 0,
j = 1,., n\
(3)
В последние годы АСФ успешно используется на практике для оценки потенциала энергосбережения и сокращения выбросов парниковых газов. В мировой литературе даже появился термин environmental DEA (экологический анализ среды функционирования), обозначающий методику анализа среды функционирования, специально предназначенную для решения задач оптимизации функционирования региональной (национальной) энергетической системы [8]. Ее отличительной чертой является принципиальная невозможность полного элиминирования негативных выходов работы энергетической системы (выбросов), так как производственный процесс (генерация энергии) неизбежно связан с осуществлением выбросов. Проведенный авторами библиографический анализ работ в данной области позволил выявить, что в настоящее время в экологическом анализе среды функционирования при решении задач оптимизации могут быть использованы пять различных способов измерения эффективности производственных объектов:
m=1
n=1
- ориентация на минимизацию нежелательного выхода (выбросов) при сохранении заданных уровней входных энергетических параметров (объемов различных видов потребляемых топливных ресурсов) [11];
- ориентация на желательный выход (например, объем производства продукции, валовый национальный продукт, валовый региональный продукт и т.д.). Этот способ нацелен на увеличение желательных выходных параметров при заданных энергетических и неэнергетических (например, труд или капитал) входных параметрах, и нежелательных выходных [9];
- минимизация нежелательных выходных параметров при одновременной максимизации желательных при сохранении входных параметров на постоянном уровне [8];
- минимизация потребления энергии с заданными неэнергетическими (труд, капитал) входными параметрами и выходными параметрами [11];
- минимизация энергетических входов и нежелательных выходов. Другие входные параметры и желательные выходы не включены в задачу оптимизации [17].
Реализация каждого из этих способов на практике требует существенной модификации и усложнения традиционной CCR-модели.
По мнению авторов, предварительный анализ сравните льно й эффе ктивно сти р аботы энергетических производственных объектов (отдельных электростанций или компаний, объединяющих различные электростанции) можно провести на основе традиционной ориентированной по входу CCR-модели, если в качестве входных параметров рассматривать различные негативные экологические эффекты, а в качестве выходных -объем генерации энергии. Несмотря на то, что экологические эффекты (выбросы различных газов, образование твердых отходов, потребление воды и т.д.) не являются реальными входами производственного процесса генерации энергии, они непосредственно с ним связаны, а их объемы косвенно отражают как эффективность самой технологии генерации энергии (например, по коэффициенту преобразования энергии и т.д.), так и вид реально потребляемого энергетическим объектом топливного ресурса. Экономический смысл коэффициента эффективности ПО в данном случае состоит в том, что он будет показывать, какую долю реальных негативных экологических
эффектов составляют минимально возможные негативные экологические эффекты. Эффективными будут те производственные объекты, которые используют наилучшие с экологической точки зрения технологии и наиболее чистое топливо. Коэффициент эффективности таких ПО будет равен единице.
Проведем апробацию предложенного подхода, решив задачу оценки эффективности деятельности генерирующих компаний Российской Федерации по набору экологических параметров. В качестве эмпирических данных используем статистические данные об экологических аспектах деятельности основных игроков на оптовом рынке электроэнергии и мощности - пяти генерирующих компаний оптового рынка электроэнергии (ОГК), которые объединяют крупнейшие тепловые электростанции России и 13 территориальных генерирующих компаний (ТГК), которые в свою очередь объединяют электростанции нескольких соседних регионов, не вошедшие в ОГК и работающие в составе изолированных энергосистем, - преимущественно теплоэлектроцентрали, вырабатывающие не только электрическую, но и тепловую энергию3. В рассмотрение также включены генерирующие компании группы «ЛУКОЙЛ» (как бывшая ТГК Юга России) и ОАО «Дальневосточная ГК» - крупнейший участник энергетического рынка Дальнего Востока, выполняющий функции производства электрической энергии и централизованного теплоснабжения потребителей в Хабаровском и Приморском краях, Амурской области, Еврейской автономной области и южном районе Республики Саха (Якутия). В рассмотрение не включены ОАО «Концерн Росэнергоатом», как компания, использующая принципиально иную технологию генерации энергии и оказывающая негативные экологические эффекты иного рода, а также ряд генерирующих компаний, работающих в изолированных энергосистемах (например, ОАО «Камчатскэнерго», ОАО «Магаданэнерго», ОАО «Сахалинэнерго», ОАО АК «Якутскэнерго»). В качестве входных параметров модели примем объемы выбросов в атмосферу, объемы образования твердых отходов и объемы забора свежей воды на производственные, хозяйственно-бытовые и иные нужды. В качестве выходного параметра модели используем выработку электроэнергии (табл. 1).
3 Функционирование и развитие электроэнергетики в 2011 году. Информационно-аналитический доклад Минэнерго России. URL: http://www.minenergo.gov.ru/upload/iblock/624/ 624e46deade47c345d2bda45af9747b9.pdf.
Таблица 1
Исходные данные для расчета эффективности деятельности генерирующих компаний по экологическим показателям
Энергокомпания Выбросы в атмосферу, тыс. т Твердые отходы, тыс. т Забор воды, млн м3 Выработка электроэнергии, млн кВт • ч
ОГК-1 91,5 706,9 4 396,3 43 086,2
ОГК-2 377,9 3 566,9 4 587,7 79 796,3
ОГК-3 186,1 1 423,9 2 237,0 33 347,4
ОГК-4 ОАО «Э.ОН Россия» 91,5 333,1 676,0 62 805,4
ОГК-5 «Энел ОГК-5» 330,3 4 872,6 1 825,0 44 456,1
ТГК-1 55,9 98,1 526,6 16 339,4
ТГК-2 86,5 237,7 364,7 8 847,7
ОАО «Мосэнерго» (ТГК-3) 51,4 126,2 498,2 64 648,5
ТГК-4 ОАО «Квадра» 22,9 35,6 201,8 11 206,7
ТГК-5 28,1 80,5 107,8 10 282,0
ТГК-6 26,3 30,5 660,4 11 672,2
ОАО «Волжская ТГК» (ТГК-7) 34,2 39,1 328,3 25 259,1
ТГК-9 122,2 933,6 532,7 14 162,6
ОАО «Фортум» (ТГК-10) 51,3 293,3 291,2 19 258,2
ТГК-11 131,8 1 658,4 73,2 8 684,6
ОАО «Кузбассэнерго» (ТГК-12) 173,6 2 469,8 1 296,9 22 570,1
ОАО «Енисейская ТГК» (ТГК-13) 127,3 612,6 720,6 11 538,8
ТГК-14 57,8 377,0 154,3 24 673,4
Генерирующие компании «ЛУКОЙЛ» 19,2 18,6 356,2 12 996,0
ОАО «Дальневосточная ГК» 245,7 34 706,9 555,6 21 958,6
Источник: Функционирование и развитие электроэнергетики в 2011 году. Информационно-аналитический доклад Минэнерго России. URL: http://www.minenergo.gov.ru/upload/iblock/624/624e46deade47c345d2bda45af9747b9.pdf.
Результаты расчетов мер эффективности, выполненные по модели CCR в пакете DEA-Frontier, представлены в табл. 2.
По результатам расчетов, представленных в табл. 2, можно сделать вывод о том, что эффективными по экологическим показателям деятельности являются ОАО «Мосэнерго» (ТГК-3), ОАО «Волжская ТГК» (ТГК-7), ТГК-14 и генерирующие компании «ЛУКОЙЛ». Мера эффективности каждой из этих компаний равна единице. Наименее эффективными являются ОАО «Енисейская ТКГ» (эффективность 0,12), ОАО «Кузбасэнерго» (0,13), ОГК-3 (0,14), ОГК-2 (0,17), ОГК-5, ТГК-2 и ТГК-9 (0,18). Такие компании, как ТГК-5 и ТГК-11, наиболее близки к достижению эффективности (мера эффективности -0,7 и 0,74 соответственно).
Неэффективные объекты в ориентированной по входам модели CCR можно сделать эффективными с помощью пропорционального уменьшения входных параметров (снижения негативных экологических эффектов). Целевые ориентиры по входным параметрам также рассчитаны и представлены в табл. 2. Значения целевых ориентиров по входным
параметрам для эффективных компаний совпадают с исходными значениями, приведенными в табл. 1, а значения целевых параметров по выходному параметру совпадают с исходными для всех компаний. Последнее является характерным свойством моделей, ориентированных по входу. При достижении целевых ориентиров, представленных в табл. 2, каждая из анализируемых компаний может достичь эффективности, вплотную приблизившись в многомерном пространстве входов и выходов к своей эталонной точке. Эталонная точка не является единственной для всех неэффективных компаний, поэтому для каждой неэффективной компании существует свой оптимальный путь достижения эффективности.
Помимо ориентации на целевые показатели входов в моделях АСФ также существует и другой способ определения пути достижения эффективности. С математической точки зрения он основан на введении в задачу (2)-(3) дополнительных неотрицательных переменных, которые характеризуют превышение негативных эффектов (в общем случае затрат) и недостаток положительного эффекта (выпуска продукции):
Таблица 2
Результаты расчета эффективности деятельности генерирующих компаний по экологическим показателям (по модели CCR)
Энергокомпания Коэффициент эффективности Цели по входам Цель по выходу -выработка электроэнергии, млн кВт • ч Эталонная точка
Выбросы в атмосферу, тыс. т Твердые отходы, тыс. т Забор воды, млн м3
ОГК-1 0,37 34,26 84,11 332,03 43 086,2 ОАО «Мосэнерго» (ТГК-3)
ОГК-2 0,17 63,44 155,77 614,93 79 796,3 ОАО «Мосэнерго» (ТГК-3)
ОГК-3 0,14 26,51 65,10 256,98 33 347,4 ОАО «Мосэнерго» (ТГК-3)
ОГК-4 ОАО «Э.ОН Россия» 0,70 62,71 232,58 472,01 62 805,4 ОАО «Мосэнерго» (ТГК-3)
ОГК-5 «Энел ОГК-5» 0,18 58,13 283,03 321,20 44 456,1 ОАО «Мосэнерго» (ТГК-3)
ТГК-1 0,30 16,38 29,44 158,04 16 339,4 ОАО «Мосэнерго» (ТГК-3)
ТГК-2 0,18 9,98 42,64 65,42 8 847,7 ОАО «Мосэнерго» (ТГК-3)
ОАО «Мосэнерго» (ТГК-3) 1,00 51,40 126,20 498,20 64 648,5 ОАО «Мосэнерго» (ТГК-3)
ТГК-4 ОАО «Квадра» 0,56 11,69 19,87 112,63 11 206,7 ОАО «Мосэнерго» (ТГК-3)
ТГК-5 0,70 12,37 56,23 75,30 10 282,0 ОАО «Мосэнерго» (ТГК-3)
ТГК-6 0,59 15,53 18,01 270,48 11 672,2 ОАО «Мосэнерго» (ТГК-3)
ОАО «Волжская ТГК» (ТГК-7) 1,00 34,20 39,10 328,30 25 259,1 ОАО «Волжская ТГК» (ТГК-7)
ТГК-9 0,18 22,60 125,27 98,50 14 162,6 ОАО «Мосэнерго» (ТГК-3)
ОАО «Фортум» (ТГК-10) 0,48 24,61 117,65 139,68 19 258,2 ОАО «Мосэнерго» (ТГК-3)
ТГК-11 0,74 20,34 132,70 54,31 8 684,6 ТГК-14
ОАО «Кузбассэнерго» (ТГК-12) 0,13 22,69 84,89 169,48 22 570,1 ОАО «Мосэнерго» (ТГК-3)
ОАО «Енисейская ТГК» (ТГК-13) 0,12 14,78 70,80 83,66 11 538,8 ОАО «Мосэнерго» (ТГК-3)
ТГК-14 1,00 57,80 377,00 154,30 24 673,4 ТГК-14
Генерирующие компании «ЛУКОЙЛ» 1,00 19,20 18,60 356,20 12 996,0 Генерирующие компании «ЛУКОЙЛ»
ОАО «Дальневосточная ГК» 0,25 51,44 335,52 137,32 21 958,6 ТГК-14
= 9хи-Е ХЪ, k = 1,•••, п;
3=1
П
=Х Уу ^ з- у. о,г'=1,-,т
з=1
Эффективная точка получается из неэффективной посредством сдвига по дополнительным переменным
(9*Xо - , Го* + *+).
Результаты расчета дополнительных переменных для каждой компании приведены в табл. 3.
Анализируя результаты, представленные в табл. 3, нетрудно заметить, что эффективные компании имеют все значения дополнительных переменных, равные нулю, что полностью согласуется со смыслом постановки и решения задачи. Для неэффективных компаний анализ значений дополнительных
переменных может быть полезен при поиске и выборе оптимального пути достижения эффективности. Наличие нескольких возможностей достижения эффективности особенно важно в том случае, когда снижение негативных эффектов различных типов имеет разную стоимость. В реальности чаще всего компании сталкиваются именно с такой ситуацией - проекты по строительству очистных сооружений и внедрению технологий замкнутого водяного цикла, проекты по установке дополнительных фильтрующих и улавливающих устройств, позволяющих снизить выбросы в атмосферу, и проекты по сокращению объемов образования твердых отходов (в первую очередь золошлаков) имеют разную стоимость. Зная целевые параметры снижения каждого из принятых в рассмотрение экологических эффектов или конкретные значения превышений максимально
Таблица 3
Результаты расчетов дополнительных переменных, характеризующих превышение
максимально допустимых значений негативных экологических эффектов, приводящее к неэффективности
Энергокомпания Превышение по выбросам в атмосферу, тыс. т Превышение по твердым отходам, тыс. т Превышение по забору воды, млн м3
ОГК-1 0,00 180,55 1 313,89
ОГК-2 0,00 443,06 155,27
ОГК-3 0,00 137,76 61,72
ОГК-4 ОАО «Э.ОН Россия» 1,18 0,00 0,00
ОГК-5 «Энел ОГК-5» 0,00 574,55 0,00
ТГК-1 0,39 0,00 0,00
ТГК-2 5,54 0,00 0,00
ОАО «Мосэнерго» (ТГК-3) 0,00 0,00 0,00
ТГК-4 ОАО «Квадра» 1,10 0,00 0,00
ТГК-5 7,25 0,00 0,00
ТГК-6 0,00 0,00 119,54
ОАО «Волжская ТГК» (ТГК-7) 0,00 0,00 0,00
ТГК-9 0,00 47,36 0,00
ОАО «Фортум» (ТГК-10) 0,00 23,04 0,00
ТГК-11 77,44 1 097,76 0,00
ОАО «Кузбассэнерго» (ТГК-12) 0,00 237,86 0,00
ОАО «Енисейская ТГК» (ТГК-13) 0,00 0,32 0,00
ТГК-14 0,00 0,00 0,00
Генерирующие компании «ЛУКОЙЛ» 0,00 0,00 0,00
ОАО «Дальневосточная ГК» 9,29 8 242,66 0,00
допустимых значений негативных экологических эффектов, можно выбрать наименее затратный способ достижения эффективности деятельности компании по экологическим показателям4.
Следует отметить, что каждая из компаний, данные о работе которых приведены в табл. 1, состоит их нескольких производственных единиц - электростанций, работающих на разном оборудовании и по разным технологиям генерации электроэнергии. Поэтому используемые для расчетов статистические данные являются усредненными, а полученные результаты расчета эффективности не отражают полной картины, по которой можно было бы судить о качестве экологического менеджмента на исследуемых предприятиях. Тем не менее полученные результаты могут быть использованы при оценке степени выполнения и степени целесообразности инвестиционных программ генерирующих компаний с точки зрения экологических проблем, разработке государственных программ поддержки модернизационных процессов
4 Ратнер С.В., Ушнов В.В. Анализ возможностей реализации концепции открытых инноваций на базе существующих институциональных систем // Национальные интересы: приоритеты и безопасность. 2009. № 2. С. 80-85.
в электроэнергетике, экологических стандартов и программ по энергосбережению.
Дальнейшим направлением использования методологии АСФ в решении задач оптимизации деятельности электрогенерирующих компаний по экологическим показателям может быть детализация данных по отдельным компонентам выбросов в атмосферу и отдельным классам отходов, введение в рассмотрение новых показателей экологических эффектов деятельности предприятий, увеличение набора учитываемых при анализе экологических параметров за счет расширения границ наблюдаемого жизненного цикла генерации электроэнергии. Кроме того, отдельные электростанции в пределах крупной генерирующей компании, использующие одну и ту же технологию генерации энергии, также могут быть рассмотрены в качестве производственных объектов для оптимизации деятельности по набору экологических показателей.
Таким образом, можно сделать вывод о высокой информативности и полезности методологии АСФ в общем и ее базовых моделей в частности для оптимизации деятельности электроэнергетических компаний по набору экологических показателей.
Список литературы
1. Ратнер С.В., Михайлов В.О. Управление развитием энергетических компаний в ситуации технологического разрыва // Управление большими системами. 2012. Вып. 37. С. 180-207.
2. Иванов Н.А. Сланцевая Америка: энергетическая политика США и освоение нетрадиционных нефтегазовых ресурсов. М.: Магистр, 2014. 304 с.
3. СинякЮ.В., НекрасовА.С., Воронина С.А., СемикашевВ.В., КолпаковА.Ю. Топливно-энергетический комплекс России: возможности и перспективы // Проблемы прогнозирования. 2013. № 1. С. 4-21
4. Сальникова А.А., Ратнер С.В., Нижегородцев Р.М. Энергетическая безопасность и качество энергетических систем: анализ методологических подходов // Вестник Северо-Осетинского государственного университета им. К.Л. Хетагурова. Сер.: Общественные науки. 2014. № 2. С. 271-280.
5. Brennan T., Palmer K., Martine S. Alternating Currents: Electricity Markets and Public Policy. RFF Press, Washington, DC, 2002. 210 p.
6. Rosenberg R.H. Making renewable energy a reality: finding ways to site wind power facilities // William and Mary Environmental Law and Policy Review. 2008. № 32. P. 635-684.
7. Situation and Policies of China's Rare Earth Industry. Information Office of the State Council The People's Republic of China. Foreign Languages Press Co. Ltd, Beijing, China, 2012. URL: http://www.miit.gov. cn/n11293472/n11293832/n11293982/n14676939.files/n14675980.pdf
8. Fare R., Grosskopf S. Modelling undesirable factors in efficiency evaluation: comment // European Journal of Operational Research. 2004. № 157. P. 242-245.
9. Lozano S., Gutiérrez E. Non-parametric frontier approach to modelling the relationships among population, GDP, energy consumption and CO2 emissions // Ecological Economics. 2008. № 66. P. 687-699.
10. Yiwen B., Ping H. Estimation of potential energy saving and carbon dioxide emission reduction in China based on an extended non-radial DEA approach // Energy Policy. 2013. № 63. P. 962-971
11. Zhou P., Ang B. W. Linear programming models for measuring economy-wide energy efficiency performance // Energy Policy. 2008. № 36. P. 2911-2916.
12. Shi G., Bi J., Wang J. Chinese regional industrial energy efficiency evaluation based on a DEA model of fixing non-energy inputs // Energy Policy. 2010. № 38. P. 6172-6179.
13. Soushi S. Improvement restriction data envelopment analysis for new energy in Japan. Hokkai-Gakuen University, Department of Life Science and Technology, Japan, 2014. URL: http://www-sre.wu.ac.at/ersa/ ersaconfs/ersa14/e140826aFinal00223.pdf.
14. Пискунов А.А., Иванюк И.И., Данилина Е.П., Лычев А.В., Кривоножко В.Е. Система рейтингования регионов с использованием методологии АСФ // Вестник АКСОР. 2008. № 4. С. 24-30.
15. Пискунов А.А., Иванюк И.И., Лычев А.В., Кривоножко В.Е. Использование методологии АСФ для оценки эффективности расходования бюджетных средств на государственное управление в субъектах Российской Федерации // Вестник АКСОР. 2009. № 2. С. 28-36.
16. Charnes A., Cooper W.W., Rhodes E. Measuring the efficiency of decision making units // European Journal of Operational Research. 1978. № 2. P. 429-444.
17. Bian Y, YangF. Resource and environment efficiency analysis of provinces in China: a DEA approach based on Shannon's entropy // Energy Policy. 2010. № 38. P. 1909-1917.
ISSN 2311-8725 (Online) ISSN 2073-039X (Print)
ANALYSIS OF ECOLOGICAL EFFICIENCY OF RuSSIA'S ELECTRIC COMPANIES through THE DATA ENVELOPMENT ANALYSIS METHODOLOGY
Business Performance
Evgenii Yu. KHRUSTALEV, Pavel D. RATNERb,*
a Central Economics and Mathematics Institute, RAS, Moscow, Russian Federation stalev777@yandex.ru
b Plekhanov Russian University of Economics, Krasnodar Branch, Krasnodar, Russian Federation ratner.p.d@gmail.com
* Corresponding author
Article history:
Received 10 June 2015 Accepted 8 July 2015
Keywords: Data Envelopment Analysis, electric power industry, generating companies, ecology, optimization
Abstract
Subject The paper reviews the possibilities of applying the data envelopment analysis (DEA) methodology to optimize environmental performance of companies operating in the electric power industry.
Objectives Recently, DEA has been successfully used in practice to evaluate the potential of energy saving and reduce emissions of greenhouse gases. The Environmental DEA term refers to the method of data envelopment analysis specifically designed to optimize the operations of regional and national energy systems. The specifics of the method are the impossibility to fully eliminate negative effects of energy systems (i.e. emissions) as energy generation inevitably involves emissions. The study aims to analyze different approaches to modeling the irremovable undesirable effects of production process that exist in literature worldwide, to select and test the most successful approaches to evaluate environmental efficiency of generating companies. Methods To compare the ecological efficiency of generating companies, we used the basic output-oriented data envelopment analysis model.
Results We computed the efficiency coefficients of 20 companies. We made the calculations using the DEA-Frontier software. We have determined effective and ineffective companies (from the perspective of environmental impact). For ineffective companies, we identified optimal ways to improve the efficiency.
Conclusions The paper shows the possibility of using the basic input-oriented CCR DEA model to perform a comparative analysis of ecological efficiency of large generating companies in Russia. The findings may be useful for evaluating the practicability of investment programs of generating companies from the ecological perspective, developing ecological standards, energy-saving programs, and government programs for modernization processes in the electric power industry.
© Publishing house FINANCE and CREDIT, 2015
Acknowledgments
The article is supported by the Russian Foundation for Basic Research, grant No. 15-36-50163 Mon_Hp Developing the Structure of the Low-Carbon Regional Electric System Based on Data Envelopment Analysis (DEA) Models.
References
1. Ratner S.V., Mikhailov V.O. Upravlenie razvitiem energeticheskikh kompanii v situatsii tekhnologicheskogo razryva [Managing the evolution of energy companies in the situation of the technological gap]. Upravlenie bol'shimi sistemami = Large-scale Systems Control, 2012, vol. 37, pp. 180-207.
2. Ivanov N.A. SlantsevayaAmerika: energeticheskayapolitikaSShA i osvoenie netraditsionnykh neftegazovykh resursov [Shale America: energy policy of the United States and the development of non-conventional oil and gas resources]. Moscow, Magistr Publ., 2014, 304 p.
3. Sinyak Yu.V., Nekrasov A.S., Voronina S.A., Semikashev V.V., Kolpakov A.Yu. Toplivno-energeticheskii kompleks Rossii: vozmozhnosti i perspektivy [Fuel and energy complex of Russia: opportunities and prospects]. Problemyprognozirovaniya = Problems of Forecasting, 2013, no. 1, pp. 4-21
4. Sal'nikova A.A., Ratner S.V., Nizhegorodtsev R.M. Energeticheskaya bezopasnost' i kachestvo energeticheskikh sistem: analiz metodologicheskikh podkhodov [Energy security and the quality of energy systems: an analysis of methodological approaches]. Vestnik Severo-Osetinskogo gosudarstvennogo universiteta im. K.L. Khetagurova. Ser.: Obshchestvennye nauki = Bulletin of North-Ossetian State University. Series: Social Sciences, 2014, no. 2, pp. 271-280.
5. Brennan T., Palmer K., Martine S. Alternating Currents: Electricity Markets and Public Policy. Washington, DC, RFF Press, 2002, 210 p.
6. Rosenberg R.H. Making renewable energy a reality: finding ways to site wind power facilities. William and Mary Environmental Law and Policy Review, 2008, no. 32, pp. 635-684.
7. Situation and Policies of China's Rare Earth Industry. Information Office of the State Council, the People's Republic of China. Foreign Languages Press Co. Ltd, Beijing, China, 2012. Available at: http://www.miit. gov.cn/n11293472/n11293832/n11293982/n14676939.files/n14675980.pdf.
8. Fare R., Grosskopf S. Modelling undesirable factors in efficiency evaluation: comment. European Journal of Operational Research, 2004, no. 157, pp. 242-245.
9. Lozano S., Gutiérrez E. Non-parametric frontier approach to modelling the relationships among population, GDP, energy consumption and CO2 emissions. Ecological Economics, 2008, no. 66, pp. 687-699.
10. Yiwen B., Ping H. Estimation of potential energy saving and carbon dioxide emission reduction in China based on an extended non-radial DEA approach. Energy Policy, 2013, no. 63, pp. 962-971.
11. Zhou P., Ang B.W. Linear programming models for measuring economy-wide energy efficiency performance. Energy Policy, 2008, no. 36, pp. 2911-2916.
12. Shi G., Bi J., Wang J. Chinese regional industrial energy efficiency evaluation based on a DEA model of fixing non-energy inputs. Energy Policy, 2010, no. 38, pp. 6172-6179.
13. Soushi S. Improvement restriction data envelopment analysis for new energy in Japan. Hokkai-Gakuen University, Department of Life Science and Technology, Japan, 2014. Available at: http://www-sre.wu.ac. at/ersa/ersaconfs/ersa14/e140826aFinal00223.pdf.
14. Piskunov A.A., Ivanyuk I.I., Danilina E.P., Lychev A.V., Krivonozhko V.E. Sistema reitingovaniya regionov s ispol'zovaniem metodologii ASF [Rating system of regions using the DEA methodology]. Vestnik AKSOR = AKSOR Bulletin, 2008, no. 4, pp. 24-30.
15. Piskunov A.A., Ivanyuk I.I., Lychev A.V., Krivonozhko V.E. Ispol'zovanie metodologii ASF dlya otsenki effektivnosti raskhodovaniya byudzhetnykh sredstv na gosudarstvennoe upravlenie v sub"ektakh Rossiiskoi Federatsii [Using the DEA methodology to assess the efficiency of budget funds spending for public administration in the constituent entities of the Russian Federation]. Vestnik AKSOR = AKSOR Bulletin, 2009, no. 2, pp. 28-36.
16. Charnes A., Cooper W.W., Rhodes E. Measuring the efficiency of decision making units. European Journal of Operational Research, 1978, no. 2, pp. 429-444.
17. Bian Y., Yang F. Resource and environment efficiency analysis of provinces in China: a DEA approach based on Shannon's entropy. Energy Policy, 2010, no. 38, pp. 1909-1917.
