我国八大行业的能源消费驱动因素研究_基于完全指数分解法
中国居民生活能源消费
区域分布与差异
区域分布不均
中国居民生活能源消费在不同地区的分 布不均衡。东部地区由于经济较为发达 ，能源消费量较大；中西部地区由于地 形复杂、气候寒冷等原因，能源消费量 相对较小。
VS
城乡差异明显
城市居民的能源消费量普遍高于农村居民 ，这主要是由于城市居民的生活方式、居 住条件以及能源设施等方面与农村存在较 大差异。
产业结构
不同产业对能源的需求和消耗也不同，产业 结构的变化也会影响居民生活能源消费。
气候条件与地理位置
要点一
气候条件
气候条件对能源消费也有影响，例如寒冷地区冬季需 要消耗更多的能源来取暖。
要点二
地理位置
不同地区的能源资源禀赋和交通条件也会影响居民生 活能源消费。
能源价格与政策
能源价格
能源价格直接影响居民生活成本，进而影响居民生活能 源消费。
02
中国居民生活能源消费现 状
消费总量与结构
总量持续增长
随着中国经济的快速发展和城市化进程的加快，中国居民生活能源消费总量持续增长，从2000年的 XX亿吨标准煤增长到2020年的XX亿吨标准煤。
结构不断优化
中国居民生活能源消费结构逐渐向清洁、低碳、高效的方向转型。天然气、电力等清洁能源的消费比 重逐步提高，煤炭等传统能源的消费比重逐渐下降。
技术进步与创新
能源利用技术
随着科技的发展，新型的能源利用技术将不断涌现， 如分布式能源、储能技术、智能家居等，这些技术将 提高能源利用效率，降低能源消耗，从而减少居民生 活能源消费。
新能源技术
中国在新能源技术方面已经取得了长足进步，如太阳 能、风能、水能等，这些技术的发展将进一步推动中 国能源消费结构的转型，减少对传统能源的依赖。
能源消耗分析报告2024
引言概述：能源消耗是当前全球发展中的一个重要问题，随着人口的增长和经济的发展，对能源的需求不断增加，而能源资源的有限性使得能源消耗问题日益突出。
因此，对能源消耗进行全面的分析和评估，有助于制定出有效的能源管理和节能措施，为可持续发展提供支持。
正文内容：一、能源消耗的概况1.1能源消耗的定义和目的1.2能源消耗的分类1.3能源消耗的影响因素1.4能源消耗的趋势分析二、能源消耗的主要领域2.1工业领域的能源消耗2.1.1工业领域的主要能源消耗来源2.1.2工业生产过程中的能源消耗分析2.2建筑领域的能源消耗2.2.1建筑领域的主要能源消耗来源2.2.2建筑能源效率的评估和改进2.3交通领域的能源消耗2.3.1交通领域的主要能源消耗来源2.3.2交通运输能源效率的提升2.4农业领域的能源消耗2.4.1农业领域的主要能源消耗来源2.4.2农业生产过程中能源消耗的分析和改进2.5居民生活的能源消耗2.5.1居民生活的主要能源消耗来源2.5.2居民生活能源消耗的节约措施三、能源消耗的影响因素分析3.1经济因素对能源消耗的影响3.1.1经济增长对能源消耗的影响3.1.2经济结构对能源消耗的影响3.2技术因素对能源消耗的影响3.2.1技术发展对能源消耗的影响3.2.2技术创新对能源消耗的影响3.3政策因素对能源消耗的影响3.3.1政府政策对能源消耗的调控3.3.2法律法规对能源消耗的影响四、能源消耗的影响和挑战4.1能源消耗对环境的影响4.1.1温室气体排放对气候变化的影响4.1.2能源消耗对空气、水和土地的影响4.2能源消耗的经济影响4.2.1能源价格对经济的影响4.2.2能源供应的波动对经济的影响4.3能源消耗的社会影响4.3.1能源消耗对社会发展的影响4.3.2能源消耗的社会公平问题五、能源消耗的管理和节能措施5.1能源消耗管理的必要性与重要性5.2能源消耗管理的原则和方法5.2.1能源消耗数据的收集和分析5.2.2能源消耗目标的设定和评估5.3节能措施在不同领域的应用5.3.1工业节能措施5.3.2建筑节能措施5.3.3交通节能措施5.3.4农业节能措施5.3.5居民生活节能措施总结：通过对能源消耗的全面分析，我们可以看到各个领域的能源消耗现状和趋势，并且明确了影响能源消耗的因素。
能源管理中的能源消耗预测模型构建方法
能源管理中的能源消耗预测模型构建方法随着全球对能源资源的需求不断增加，对能源管理的需求也越来越迫切。
能源消耗预测模型的构建对于合理规划能源供需、优化能源利用具有重要意义。
本文将介绍几种常用的能源消耗预测模型构建方法，包括传统的时间序列方法和机器学习方法。
1. 时间序列方法时间序列方法以时间为变量，通过分析和预测历史能源消耗数据的趋势和周期性变化来进行预测。
常用的时间序列方法包括：1.1 移动平均法移动平均法是最简单的时间序列方法之一。
它基于过去一段时间内的平均数据来预测未来的能源消耗。
通过选择适当的时间窗口长度，可以平滑掉数据的波动性，提高预测的稳定性。
1.2 指数平滑法指数平滑法是一种基于加权移动平均的方法。
它将较大的权重放在最近的观测值上，较小的权重放在较远的观测值上。
这样可以更好地适应数据的变化，并且对离群值更具有鲁棒性。
1.3 ARIMA模型ARIMA模型是一种常用的时间序列预测模型，它包括自回归（AR）部分、差分（I）部分和移动平均（MA）部分。
ARIMA模型能够处理具有非线性、非平稳特性的数据，适用于多种类型的时间序列数据。
2. 机器学习方法机器学习方法可以利用历史能源消耗数据中的特征和模式，通过构建合适的模型来进行未来能源消耗的预测。
常用的机器学习方法包括：2.1 回归模型回归模型是一种常用的机器学习方法，通过找到输入特征和输出目标之间的关系来进行预测。
对于能源消耗预测，可以选择线性回归、多项式回归或者其他非线性回归模型，根据实际情况选择最合适的模型。
2.2 支持向量回归（SVR）支持向量回归是一种非常适合处理非线性关系的回归方法，它通过在高维空间中构建一个最佳拟合超平面来进行预测。
SVR可以处理高维数据和大规模数据集，能够更准确地拟合能源消耗数据的特征。
2.3 集成学习方法集成学习方法将多个学习算法组合起来，通过集体决策来提高预测的准确性和稳定性。
常用的集成学习方法包括随机森林、梯度提升树等。
中国能源消费趋势的预测研究
中国能源消费趋势的预测研究中国是世界上最大的能源消费国之一，随着工业化和城市化的加速发展，能源消费量呈现不断增长的趋势。
因此，对中国能源消费的趋势进行预测研究十分重要，对于能源产业的发展及国家经济的稳定和可持续发展具有重要意义。
1.中国发电量逐步转型电力结构从能源的类型来看，煤炭一直是中国能源消费的主要来源，但是近年来，随着环保政策的不断加强和新能源技术的发展，中国发电量逐渐从煤电向可再生能源转型。
根据中国国家能源局发布的数据，2020年中国可再生能源发电量占比达到29.9%，而煤电占比下降至56.8%。
预计到2030年，中国可再生能源发电占比将超过40%，煤电占比将下降至40%以下。
2.智能制造加速推动电力需求增长智能制造是新一代制造技术发展的重要方向，而电力是智能制造的重要支撑。
许多企业已经将智能制造作为提高生产效率和产品质量的重要手段，这将加速电力需求增长。
根据国家信息中心发布的《中国智能制造发展报告(2018)》显示，到2020年，中国智能制造市场规模将达到1万亿元，智能制造对电力的需求量预计将达到1.5万亿千瓦时。
3.新能源汽车发展带动能源消费结构变化新能源汽车是新一代汽车技术的发展方向，随着政策的支持和技术的不断进步，新能源汽车在中国的市场份额逐渐扩大。
根据国际能源署发布的《全球电动汽车展望》报告，中国是全球最大的电动汽车市场，到2030年，2019年的市场规模将翻倍，达到2200万辆。
这将带动电力需求的增长。
4.节能减排成为能源消费发展新趋势随着人们对环保和可持续发展的关注度不断提高，节能减排成为中国能源消费的新趋势。
中国在推进节能减排方面已经取得了一定的成效。
2016年，中国能耗强度较2005年下降了46%；二氧化碳排放总量占世界比重下降至28.6%；非化石能源占一次能源消费比重升至13.3%。
预计未来，随着技术的不断进步和政策的不断支持，节能减排的工作会继续深入开展，推动中国能源消费向低碳、环保的方向发展。
城市能源消耗层次分析与优化
城市能源消耗层次分析与优化随着城市化进程的加快，城市能源消耗的问题已经成为了一个全球性的难题。
现在，越来越多的城市开始重视和优化其能源消耗，以保证城市的可持续发展。
本文将探讨城市能源消耗层次分析和优化方法，以帮助城市解决这个难题。
一、城市能源消耗的层次城市能源消耗的层次可以分为三个层次：结构层次、技术层次和行为层次。
1. 结构层次结构层次指城市能源体系的结构和构成，主要由能源供应和利用方式组成。
城市能源供应主要来自电力、燃气、热力等方面，而城市能源利用方式主要包括建筑能耗、交通能耗等。
2. 技术层次技术层次指城市能源利用的技术，主要包括新能源利用、节能降耗技术等，这是城市能源消耗优化的重要手段。
3. 行为层次行为层次指城市居民、企业和政府在能源利用过程中的行为方式，包括消费行为、生产行为、政策等，这是城市能源消耗优化的重要基础。
二、城市能源消耗的优化1. 结构优化通过调整城市能源体系的结构和构成，减少对某些能源的过度依赖，从而实现能源消耗的优化。
例如，可以加强城市用电的监管和管理，推广使用节能灯等，以减少用电量和电耗。
2. 技术优化城市能源利用的技术优化是实现城市能源消耗优化的重要手段。
可以采用新能源技术，例如太阳能、地热能、风能等，以减少对传统能源的依赖。
同时，可以推广使用节能技术，例如采用高效灯具、电器等，降低能源消耗。
3. 行为优化城市能源消耗的行为优化是实现城市能源消耗优化的重要基础。
可以从居民、企业和政府三个方面入手，采取不同的措施，例如鼓励居民使用公共交通工具，引导企业加强能源管理，制定科学合理的能源政策等。
三、结论城市能源消耗的层次分析和优化方法可以帮助城市实现尽量少消耗能源，保证城市的可持续发展。
目前，全球正积极推进城市能源消耗的优化工作，希望在不久的将来城市能够实现能源消耗的可持续发展。
能源消费与驱动因素的预测模型
能源消费与驱动因素的预测模型能源消费是指一定时期内一个国家或地区所消耗的各种能源的总量。
目前，全球的能源消费模式正面临环境与资源的双重压力，因此必须对未来能源消费的趋势进行预测与掌握。
为此，本文将探讨一种能源消费与驱动因素的预测模型，并对该模型的适用性、准确性等问题进行分析。
一、能源消费的驱动因素认识和研究能源消费的驱动因素，对推动能源消费的结构调整具有重要意义。
能源消费的驱动因素主要包括：1.经济发展程度：经济越发达，能源消费总量也越大。
2.人口规模：人口增长意味着能源需求量的增加。
3.能源价格：通常情况下，价格越低，能源消费总量也越大。
4.技术水平：技术的进步能够提高能源消费的效率，从而降低石油、天然气等能源的消耗量。
5.政策制度：好的政策制度能够鼓励人们采用节能环保型的能源消费模式，降低能源的消耗。
二、能源消费的预测模型综合考虑上述驱动因素，能源消费的预测模型应包含以下几个重要的指标：1.经济发展水平指标：本模型中以GDP为指标。
2.人口规模指标：本模型中以总人口为指标。
3.能源价格指标：本模型中以国际市场能源价格为指标。
4.技术水平指标：本模型中以单位能源消耗量（指在某一领域中所消耗的能源数量）为指标。
5.政策制度指标：本模型中以国家政策与能源规划为指标。
此外，还可从不同的角度出发，对以上指标进行进一步加工处理，以达到更为准确的能源消费预测结果。
三、模型应用与评估本模型已得到多地和多国的应用，并在实际操作中获得了良好的效果。
但模型仍存在以下几个不足之处：1. 模型中的指标是否齐备及其权重是否合理尚需进一步验证；2. 模型中涉及的数据较多，可能对数据采集与处理的要求较高；3. 模型对未来的变化预测较为有限，对于未出现的驱动因素未能纳入考虑之中。
总之，能源消费与驱动因素的预测模型是一项需不断优化的复杂课题，其工作的实施既有助于我国全面推进能源形势的绿色化，也为国际上推进能源可持续发展作出了积极的贡献。
我国能源消费需求分析与预测研究
我国能源消费需求分析与预测研究2023-10-27contents •研究背景与意义•我国能源消费现状分析•我国能源消费影响因素分析•我国能源消费预测模型构建•我国能源消费预测结果分析•我国能源消费政策建议目录01研究背景与意义随着全球能源资源的日益紧张和环境问题的日益突出，全球能源消费结构正在发生重大变化。
清洁、可再生能源成为主导，传统能源占比逐渐减少。
全球能源消费结构调整我国是全球最大的能源消费国之一，但随着经济的快速发展和人口的不断增长，能源消费量也在逐年增加，同时能源结构不尽合理，清洁能源发展相对滞后。
我国能源消费现状我国在能源消费方面面临着诸多挑战，包括能源安全、环境污染、气候变化等问题，这些问题制约了我国经济的可持续发展。
面临的问题研究背景保障国家安全通过对能源消费需求的研究，可以更好地规划和保障国家能源安全，确保国家经济和社会发展的稳定和可持续性。
研究意义推动经济发展能源是经济发展的重要基础，对能源消费需求进行深入分析并预测未来趋势，有助于为我国经济发展提供科学依据。
促进环境保护通过对能源消费需求的研究，可以更好地规划和实施清洁能源发展战略，减少对传统能源的依赖，从而降低环境污染和生态破坏。
提高能源利用效率通过对能源消费需求的研究，可以发现能源利用中的问题和瓶颈，提出针对性的解决方案和措施，提高能源利用效率，降低能源消耗。
02我国能源消费现状分析随着我国工业化和城市化进程的加速，煤炭消费量逐年上升，对能源供应和环境质量带来压力。
煤炭消费结构调整虽然煤炭消费量增长，但清洁煤技术和煤炭深加工技术的发展也促进了煤炭消费结构的优化。
煤炭消费量持续增长VS石油消费量增长迅速随着经济发展和交通工具的普及，我国石油消费量持续增长，对进口石油的依赖度也逐渐提高。
石油消费结构变化交通运输业是石油消费的主要领域，但随着能源转型和新能源汽车的推广，石油消费结构将发生变化。
天然气消费现状天然气消费量增长随着环保政策的加强和能源结构的调整，天然气消费量逐渐增长。
八大高能耗行业就那些
八大高能耗行业就那些
八大高能耗行业是指那些？
答：八大高耗能行业主要是石油还有煤炭以及其它的燃料加工行业，另外还有化学原理以及化学制造行业，非金属矿物制品业以及黑色金属冶炼行业，有色金属冶炼及电力还有热力生产及相应的供应产业。
1、石油：这是一个高耗能的行业，也一个与我们的生活紧密相联的行业。
2、煤炭：人们的生活取暖离不开煤炭，作为人口大国，自然每年的煤炭用量高，因此也被列为了高耗能行业。
3、燃料加工行业：燃料加工行业包括的范围比较多，主要涵盖了燃气等多个方面。
4、化学原理：这个行业之所以列为八大耗能行业，主要是由于化学反应中也需要产生高耗能。
5、化学制造：这是八个耗能产业中占有比例比较高的，在生活中也是比较常见的。
6、非金属矿物制品业：矿物的生产以及提炼过程中也会燃烧大量的燃料，因此也被列为高耗能产业。
7、电力生产：发电是需要燃煤或者是其它的燃料的，因此也会产生大量的耗能。
8、热力生产：供暖发热也需要燃烧一些燃料，这个过程中也是要消耗大量的燃料的，因此也是高耗能产业。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
华中农业大学学报(社会科学版),(总89期)2010(5)Journal o f Huazho ng A gr icultural U niver sity(Social Sciences Edit ion)收稿日期:2010-07-04*国家社科基金项目 两型社会建设与中部地区工业增长模式研究 (08AJY032);华中师范大学研究生科研自主基金(2009054)。
作者简介:邓 军(1985 ),男,硕士研究生;研究方向:数量经济学。
E mail:dengju n85@我国八大行业的能源消费驱动因素研究*基于完全指数分解法邓 军,蒋喆慧(华中师范大学经济学院,湖北武汉430079)摘 要 运用完全指数分解法,选用1994-2007年间中国八大行业的GDP 与能源的面板数据,对中国能源消费量进行分解,并对其影响因素进行研究。
研究发现,各部门经济规模的扩大是导致能源消耗增加的最主要因素,但各部门能源密度明显下降,成为节约能源的最主要因素。
而能源转换效率下降以及经济结构的不合理也是影响能源消费增加的重要因素。
从行业看,制造业是分析我国能源消费的最关键部门。
关键词 能源消费量;完全指数分解法;驱动因素中图分类号:F 206 文献标识码:A 文章编号:1008-3456(2010)05-0089-05从20世纪90年代以来,中国经济保持了持续快速的增长,按1994年基期价格计算,从1994年到2007年间我国GDP 年均增长率达到10.5%。
经济快速发展的同时,我国能源消费也迅猛增长,从1994年到2007年间我国能源消费总量年均增长率达到6.5%,14年间能源消费总量翻了一番。
中国经济的快速增长伴随着能源的高消耗,吸引了众多国内外学者的关注。
在相关研究中,指数分解法(index decom positio n analysis 简称IDA )被广泛用来分析能源消费及碳排放变化的动因。
指数分解法IDA 是将指数概念应用于分解分析中,它实际上是总量计算公式表示为几个因素指标的乘积,并根据不同的确定权重的方法进行分解,以确定各个指标的增量份额。
因素分解方法有很多种,据Ang [1]的总结,目前的因素分解方法盛行的主要分为两大类:一类是以Laspey res 为基础的IDA 方法;另一类是Divisia IDA 方法。
其中Sun [2]提出的以Laspeyres 为基础的完全指数分解法由于很好地解决了残差项问题,被众多研究者广泛运用。
国内外有许多学者运用IDA 方法研究能源消费问题。
比如Chunbo [3]运用Divisia 指数分解法分析中国1980-2003年间的能源密度变化趋势。
Zhao 等[4]运用LMDI 指数分解方法,分析1998-2006年我国能源消费的影响因素。
吴巧生等[5]利用指数分解法分析了中国工业化中的能源消耗强度变动的因素。
周勇等[6]运用AWD 分解法分析了中国能源强度变化的结构与效率因素贡献。
国内外运用IDA 指数分解法分析我国能源消费情况的,方法上没有将能源消费影响因素进一步分解;研究对象上缺乏对各部门的细分。
有鉴于此,本文采用Sun1998年提出的完全分解法,将我国能源消费的影响因素进一步分解为四大因素,即能源转换效率、能源密度、经济结构、经济规模;研究对象为我国的生产部门的八个大部门,即农业、采掘业、制造业、公用事业、建筑业、交通运输业、商业、其他行业。
期望更深入地发掘我国能源消费的规律。
一、模型设定、变量及数据1.模型设定Laspeyres 分解法由德国Laspey res 于1864年提出的。
因其对各要素的分解总存在不完全性,按照 共同创造,平等分配 原则,Sun 于1998年将Laspeyres 分解法中的残差项完全分摊到各个要素中,提出了优化的Laspeyres 分解方法。
该方法相对于传统的Laspeyres 分解方法是一大扩展与优化,又被称为完全分解法。
按照Sun 的总结,要素X i 对A 总变化的贡献为:华中农业大学学报(总89期)本文采用Sun提出的完全分解法,将能源消费总量E首先按下式进行分解:E= i E i= i E i FE i*FE iGD P i *GD P iGDP*GD P= i T E i*EI i*ES i*G(2) 注:式中E代表能源总消耗、E i代表各个行业的能源总消耗、FE i代表各行业终端能源消费、GDP i代表各行业经济规模、GDP代表总的经济规模。
通过分解,我们就可以将能源消费总量转换为四个因素的乘积,这四个因素是能源转换效率T E i (即能源消耗总量与终端的最终消费能源总量比值)、能源密度EI i(即各行业单位GDP的终端能源消耗量)、产业结构因素ES i(各行业的GDP i与总GDP比重)以及经济规模因素G。
但是上式仅将能源消耗量分解为四个因素的乘积,这种形式并不能直接度量出能源消耗的影响情况。
本文参照Sun1998年提出的优化指数分解法,将T期与0期的能源消费量的变化分解为四大效应:E i=E t-E0=T E ef f ect+EI e f f ec t+ES ef f ect+G ef f ect(3) 这里的T E ef f ect表示能源转换效率T E在其他几个因素不变的情况下,T E的变化对能源消费总量的效应或影响。
也就是说如果能源转换效率提高,在其他因素不变的情况下,能源消费量相应提高,这样可以度量出此因素的变化带来能源消费量的变化。
同样EI ef f ect、ES ef f ect、G ef f ect分别表示能源密度EI、经济结构E S、经济规模G对能源消费总量的单独影响和效应。
如此,我们便可以将我国能源消费总量分解为能源转换效率T E,能源密度E I,经济结构ES和经济规模G四个典型的影响因素;并可以通过相关数据分析此四因素对我国能源消费影响的大小及趋势。
2.变量及数据来源本文研究中所用的中国八大生产部门GDP数据取自于1994年到2007年间历年的 中国统计年鉴 ,以1994年不变价计算而来。
对应各部门能源消费总量E i以及终端能源消费量F E i数据来自于历年 中国能源统计年鉴 。
表1 各主要变量统计结果变量总产出GDP/百亿元各部门产出GDP i/百亿元各部门能源消费总量E i/百万吨标准煤各部门终端能源消费量FE i/百万吨标准煤样本数14112112112均值934.55116.82185.71130.43标准差386.58136.24307.67229.45最小值482.4311.9713.508.40最大值1770.14857.401562.201112.603.基本数据描述性分析(1)制造业和其他行业是拉动GDP增长的主要部门。
我国经济规模迅速扩大,从1994到2007年间年均增长率达到10.5%。
从20世纪90年代以来我国经济一直保持高速增长,经济规模不断增大。
我国GDP从1994年的4.82万亿元增长到2007年的17.7万亿元(以1994年为基准价),实际GDP14年间累计增长了267%,平均年增长率达到10.5%。
从阶段趋势上看,除1998、1999、2000年增长率在7%左右外,其他年份增长率基本在10%左右,但2005、2006、2007年环比增长率分别为12.5%、13.9%、17.9%,呈现出加速势头。
分部门看,制造业和其他行业这两个部门创造了中国GDP总和的约60%。
其中制造业占比最高,从1994年的33.9%到2007年的48.4%,年均占比39.5%,且呈上升趋势,而其他行业年均占比也达到了18.6%且呈略微上升趋势。
为了更准确地考察各个部门对我国GDP增长的影响,我们通过各部门的年均GDP占比以及各部门产值的年均增长率,算出了各部门对总GDP增长的拉动。
计算结果显示,中国从1994年到2007年GDP年均增长率约10.5%,其中制造业拉动了GDP增长5.4%,其他行业创造了 1.98%的增长,也就是说中国这些年的快速经济增长,年均的10.5%中有约90第5期邓 军等:我国八大行业的能源消费驱动因素研究 基于完全指数分解法表2 各部门年均创造的全国的GDP增长率%八大部门年均农业采掘业制造业公用事业建筑业交通运输业商业其他行业总和GDP占比14.47 3.1639.46 3.10 5.66 6.029.5118.6100.00产值增长率 3.90 6.5113.6912.879.0110.279.2910.64对总GDP拉动0.560.21 5.400.400.510.620.88 1.9810.567.4%是制造业和其他行业创造的,尤其制造业创造了中国GDP过半的增长,各行业的具体计算结果参见表2。
(2)总能源消费增长迅速,制造业是主要的能源消费行业。
从总体上看,我国能源消费迅速增长,从1994到2007年间年均消费增长率达到6.5%。
生产部门总能源消耗从1994年的10.73亿吨标准煤到2007年的23.88亿吨标准煤,14年间能源消耗累计增长了123%,能源消耗总量翻了一番,其中1998、1999年为负增长,2003年、2004年增长较快,环比增长率分别为15.6%,17.3%。
2005、2006、2007三年环比增长率分别为10.6%、9.8%、8.1%,处于一个比较高的增长水平。
从部门看,制造业、公用事业、采掘业以及交通运输业这四个部门能源消耗总量占据了八大行业总消耗的87%之多,尤其制造业占了能源消费的大部分,年均占比达63.4%,消费能源总量从1994年的7.17亿吨标准煤到2007年的15.62亿吨标准煤,消费总量翻了一番多,而且有略微上升趋势。
在表3中,我们具体列出了各行业的能源占比情况,并添加了各行业的GDP占比情况作为对比分析。
表3 八大行业的年均GD P占比和能源消耗占比对比表% 1994-2007年均农业采掘业制造业公用事业建筑业交通运输业商业其他行业GDP占比14.47 3.1639.46 3.10 5.66 6.029.5118.62能源消耗占比 4.557.8363.438.53 1.527.36 2.32 4.46二、实证分析前面基本数据的统计分析,我们发现了一些现象,如中国经济在快速的增长,制造业和其他行业创造了年均10.5%的经济增长率中的7.4%;能源消耗总量翻了一翻,制造业、公用事业、采掘业、交通运输业四个部门消费了总能源的80%以上。
中国经济的高速发展是伴随着能源的大量消耗的,而且是不均衡的消耗。
这里我们从能源模型分解的四个因素进行分析,看看我国八大行业能源消费是如何受这四个因素影响的。
1.能源转换效率总体下降,导致能源消费增加能源转换效率即终端能源消费量与总能源消费量的比值,其值越高则能源消耗越少,所以提高能源转换效率可以节约能源。