EN中文

Economic geography >

2025 , Vol. 45 >Issue 2: 133 - 143

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.02.013

Spatiotemporal Characteristics and Influencing Factors of Collaborative Development Between Coal and Thermal Power Industries at the Provincial Level

  • LIU Nan ,
  • KONG Jun , ※
Expand
  • School of Economics and Management，Northwest University，Xi'an 710127，Shaanxi，China

Received date: 2024-08-12

  Revised date: 2025-02-20

  Online published: 2025-05-12

Fold

Abstract

Based on the provincial-level data of coal and thermal power from 2011 to 2022, this paper investigates the spatiotemporal characteristics and influencing factors of the coupling coordination degree of coal-thermal power industries by the methods of the coupling coordination degree model, Dagum Gini coefficient, spatial autocorrelation, and econometric model. The results show that: 1) The coupling coordination degree of the coal-thermal power industries exhibited a state of primary coordination, exhibiting a trend of periodic fluctuation growth. 2) The coupling coordination degree of the coal-thermal power industries demonstrated a spatial pattern of "multi-core" radiation, evolving from a state of disharmony to coordination. 3) Regional disparities were identified as the primary source of differences in the coupling coordination degree. 4) The coupling coordination degree displayed positive spatial autocorrelation, which remained fundamentally stable over time. 5) The driving mechanism analysis highlights that the economic development, industrial structure and electricity demand are significant factors that promote coal-thermal power integration. These conclusions provide empirical evidence for understanding the development trends and regional differences of coal-thermal power industries and promoting coal-thermal power integration.

Key words： coal-thermal power integration; resource endowment; coal; thermal power; coordinated development; coupling coordination degree; industrial structure

Cite this article

LIU Nan , KONG Jun . Spatiotemporal Characteristics and Influencing Factors of Collaborative Development Between Coal and Thermal Power Industries at the Provincial Level[J]. Economic geography, 2025 , 45(2) : 133 -143 . DOI: 10.15957/j.cnki.jjdl.2025.02.013

煤炭是我国的基础能源，在国民经济中具有重要的战略地位。近年来，随着新能源技术的持续进步，以风电、光伏为代表的新能源发电度电成本持续下降，叠加气候变化带来的碳减排压力，加快能源转型发展已成为各国共识。新时代10年来，我国能源转型发展取得显著成就，全国火力发电量占比已由2013年的78.2%降至2023年的66.3%。在“碳达峰、碳中和”目标驱动下，煤炭作为传统化石能源，其消费面临一定的下行压力。但考虑到我国“富煤、贫油、少气”的资源禀赋以及新能源电力的间歇性特征，决定了新能源对火电的替代过程是渐进的。火电在当前及今后相当长的一段时期内，仍将处于我国电力供应主体地位[1]。在这种能源禀赋结构下，推进煤炭和火电协同发展是保障能源安全的重要举措。但煤电矛盾是一个影响我国经济生活的突出问题，由于“市场煤、计划电”的格局，煤、电双方价格无法有效联动。为此，2016年以来，我国陆续出台了多项政策，要求理顺煤电关系，推动煤电联营。煤电联营是对传统能源产业发展模式的一次深刻变革，实现煤炭和电力产业有机融合，使资源得到更加高效、合理的利用。
煤电联营源自Joskow[2]提出的煤电一体化概念。目前，煤电一体化的研究主要包括以下几个方面：①有效性争论。煤电一体化是一个复杂且具有争议的话题，许多学者探讨了其在中国电力市场的适用性。一些学者通过对比煤电一体化前后企业利润[3]、企业绩效[4]和技术效率[5]等方面的变化，论证了煤电一体化的可行性[6]。还有学者从博弈机制设计方面分析了煤电一体化的影响[7]。然而，煤电一体化本身也存在弊端[8]。一些学者从市场垄断、运营风险等方面进行分析，认为煤电一体化可能导致市场垄断，影响市场价格合理形成，增加企业运营风险和管理成本[9]。②水平测度。现有研究主要从微观和宏观视角分别测度煤电一体化指数[10]或耦合协调度[11]。其中，微观研究居多，主要采用投入产出表法、价值增值法和主辅分离法测度。在此基础上，采用计量经济学模型等方法分析煤电一体化对企业生产效率的影响[12]。鲜有研究从宏观层面测度区域煤电协同发展水平。③影响评估。已有研究表明，煤电联营等政策会对宏观经济与生态环境产生影响。宏观经济影响方面，研究发现煤电一体化稳定了煤电价格，优化了煤、电资源配置[13]，提高了煤、电行业协同发展水平[14]，保障了能源安全[15]。生态环境影响方面，开发了效应评估框架，研究发现煤电一体化客观地反映了环境污染成本，具有积极的节能减排效果[16]。④机制设计。煤炭和火电是典型的上下游产业，其交易关系可以是垂直整合、长期合同或灵活的现货市场谈判，这取决于资产特定性、不确定性和交易频率[17]。战略合作、产权配置等具体机制被广泛探讨[18-19]。
梳理文献发现，现有研究成果主要通过技术经济模拟对煤电一体化的发展进行预测，从数据模拟层面论证煤电一体化的有效性，为其有效性提供了经验证据。但在实证方面，煤—电系统耦合协调度的空间演变特征及驱动因素的研究较为缺乏，还有待丰富。鉴于此，本文运用熵值法、耦合协调度、Dagum基尼系数分解法、空间自相关模型和面板数据回归模型，测算2011—2022年中国26个省份的煤炭与火电行业发展水平，并对煤—电系统耦合协调度及其时空演变趋势和驱动因素进行分析，以期为推进煤电一体化提供有益借鉴。

1 煤电一体化的耦合协调机理

1.1 煤电一体化的内涵

煤炭是我国主要的一次能源，电力是重要的终端二次能源，二者有力保障了我国经济社会发展和民生用电需求。因此，推进煤炭和火电协同发展是维护能源安全稳定的有效途径。但当前我国“煤强电弱”的格局导致煤电协同进程受阻。从产业链上下游的关系来说，煤炭是资源上游行业，资源市场通常是卖方市场。煤炭的不可再生性又决定了其稀缺性，因而煤炭具有相对市场优势。火电属于下游行业，通常处于弱势地位。为缓解煤电矛盾，国家发展改革委部署推进煤电一体化进程，推动煤炭、煤电一体化联营。煤电一体化是产业纵向一体化的一种表现形式[12]，旨在通过整合煤炭和电力资源，提高能源利用效率，降低环境污染，实现煤炭资源高效、清洁和安全利用。煤电一体化主要分为煤电联营和煤化电产业链一体化两种主要模式。①煤电联营是煤炭与电力产业以资本为纽带，通过资本融合、兼并重组、相互参股、战略合作、长期稳定协议、资产联营和一体化项目等方式[20]，实现煤炭、电力上下游产业的有机融合。这种融合有助于煤炭和电力产业协同发展，还能提升全产业链运行效率。②煤化电产业链一体化是一种更先进的技术整合模式，它以燃煤火电为平台，结合富氧燃烧综合节能减排技术，融合煤干馏制取油、气、炭技术和分子吸附分离技术拓展产业链。这种技术整合模式使得煤电一体化产业链更加高效、环保 ① 。因此，随着煤电一体化的推进，煤炭行业和火电行业之间的耦合关系更加紧密。通过煤电联营或产业链一体化，可以实现煤炭和电力资源的优化配置和协同发展，提高整个产业链的效率。

1.2 耦合协调机理

煤炭与火电存在天然的协同属性，它们相互依赖，相辅相成（图1），具备协同发展的潜质[21]。煤炭和火电在产业链上紧密相连，煤炭是火电的主要燃料，火电是煤炭的主要消费领域。这种紧密的产业链关系使得两者在生产、调度等方面形成了高度的协同性。煤炭的开采、加工、运输与火电的生产、调度、销售等环节相互衔接，共同构成了完整产业链。
图1 煤炭与火电行业耦合协调机理

Fig.1 Mechanism for coupling coordination of coal-thermal power industries

一方面，煤炭的需求与火电的生产密切相关。煤炭行业通过价格机制、供应机制和质量机制对火电行业产生影响。①价格机制。煤炭是火电行业的主要燃料，其价格波动直接影响火电行业的成本和盈利能力。当煤炭价格上涨时，火电企业的燃料成本增加，导致火电企业利润下降或电价上涨。而煤炭价格下降则有利于火电企业降低成本，提高盈利能力。②供应机制。煤炭的稳定供应是火电行业正常运转的基础。煤炭行业的生产、运输、储备能力等都会影响煤炭的供应稳定性。若煤炭供应不足或运输受阻，可能导致火电行业面临燃料短缺的风险，进而影响电力生产和供应。③质量机制。煤炭的质量对火电的生产成本和经济效益具有重要影响。优质的煤炭能够提高火电的发电效率和稳定性，降低生产成本。煤炭行业的技术进步也会影响火电行业的效率和环保水平。例如，褐煤干燥技术的应用可以提高褐煤的利用效率，降低辅机电耗[22-23]。
另一方面，火电行业为煤炭行业提供了稳定的市场需求，促进了煤炭产业持续发展和技术进步。火电行业通过价格反馈机制、需求机制和技术革新机制对煤炭行业产生影响。①价格反馈机制。火电行业对煤炭价格的接受程度和议价能力也会影响煤炭行业的定价机制。在煤电价格联动机制下，火电行业可以通过调整电价来反映煤炭成本的变化，进而影响煤炭市场的价格水平。此外，火电行业的盈利能力也会影响其对煤炭价格的承受能力，从而对煤炭价格形成反馈。②需求机制。火电行业是煤炭行业的主要消费市场。火电行业的发展规模、增长速度以及电力需求的变化都会影响煤炭行业的市场需求。当火电行业快速发展或电力需求增加时，会拉动煤炭需求的增长，有利于煤炭行业扩大生产和销售。③技术革新机制。火电行业的技术进步和环保要求推动了煤炭清洁利用技术的发展，提高了煤炭的利用效率和环保水平[24-25]。

2 研究方法与数据来源

2.1 评价指标体系构建

在借鉴现有产业协同发展评价指标选取的基础上，本文紧扣煤电一体化的内涵及其耦合协调机理，遵循科学性、数据可及性等原则，从产业规模、经济效益、成长潜力、产业贡献与生产效率5个维度分别构建区域煤炭与电力协调发展水平指标体系（表1）。
表1 区域煤—电系统耦合协调水平评价指标体系及说明

Tab.1 Evaluation index of coupling coordination of coal-thermal power industries and its explanation

类型 一级 二级指标 指标定义 单位
煤
炭
子
系
统		 产业规模 固定资产投资额 煤炭产业固定资产投资 亿元
产值 煤炭产业产值 亿元
经济效益 就业人员年平均工资 煤炭产业年平均工资 元
劳动生产率 煤炭产业产值/产业就业人数 万元/人
成长潜力 产值增长率 （当年煤炭产业产值-上一年煤炭产业产值） /上一年煤炭产业产值×100% %
固定资产投资增长率 （当年煤炭产业固定资产投资-上一年煤炭产业固定资产投资）/上一年煤炭产业固定资产投资×100% %
产业贡献 就业人员人数 煤炭产业就业人数 万人
税收贡献率 煤炭产业税收收入/煤炭产业产值×100% %
生产效率 火力发电投入产出量 火力发电投入产出量 万t
火
电
子
系
统		 产业规模 装机容量 火力发电装机容量 万kW
火电产业产值 火力发电量×发电企业平均上网电价 亿元
经济效益 就业人员年平均工资 电力产业就业人员年平均工资 元
劳动生产率 电力产业产值/电力产业就业人数 万元/人
成长潜力 产值增长率 （当年火电产业产值-上一年火电产业产值）/上一年火电产业产值×100% %
装机容量增长率 （当年火电装机容量-上一年火电装机容量）/上一年火电装机容量×100% %
产业贡献 就业人员人数 电力产业就业人数 万人
税收贡献率 电力产业税收收入/电力产业产值×100% %
生产效率 电力设备工作时长 火力发电量/火力发电装机容量 h
煤炭行业子系统：①产业规模。煤炭产业规模是指煤炭行业在国民经济中所占比重及其发展水平，通常通过一系列指标来衡量，如产业总产值、产业增加值、产业投资额等。借鉴已有研究[26]，采用煤炭产业固定资产投资和产值来衡量。②经济效益。煤炭经济效益是指煤炭行业在生产经营活动中所创造的经济价值和利润。借鉴已有研究[27]，采用煤炭开采和洗选业就业人员年平均工资和劳动生产率来衡量。③成长潜力。煤炭成长潜力是指煤炭行业在未来一段时间内所具备的增长能力和发展空间，采用煤炭行业产值与固定资产投资增长率来衡量。④产业贡献。煤炭产业贡献是指煤炭行业在经济、社会、环境等多个方面所发挥的积极作用，本文主要从煤炭开采和洗选业就业人员和税收贡献等经济贡献来衡量。⑤生产效率。煤炭生产效率是衡量煤炭行业生产能力和运营效率的重要指标，采用火力发电投入产出量来衡量。
火电行业子系统：①产业规模。火电产业规模主要体现在装机容量、发电量以及产业链上下游的配套能力上，本文主要从火力发电装机容量和产值来衡量。由于火电行业产值统计数据欠缺，采用火力发电量×发电企业平均上网电价计算产值。②经济效益。火电经济效益体现了火电行业在经济活动中的效果和利益。借鉴已有研究[28]，采用电力、热力生产和供应业就业人员年平均工资和劳动生产率来衡量。③成长潜力。火电成长潜力体现了火电行业在未来经济和社会发展中的前景，采用火电行业产值与装机容量增长率来衡量。④产业贡献。火电产业贡献体现了火电行业在国民经济和社会发展中的重要作用。借鉴已有研究[29]，采用电力、热力生产和供应业就业人员和税收贡献来衡量。⑤生产效率。火电生产效率是指在火电生产过程中，将投入的燃料、设备等资源转化为电能的效率。借鉴已有研究[11]，采用电力设备工作时长衡量。

2.2 研究方法

2.2.1 熵值法

本文采用熵值法对煤炭和火电两个子系统中的指标进行赋权，并在此基础上计算煤炭与火电行业发展水平，将其命名为煤炭行业发展指数与火电行业发展指数。该方法依据样本数据进行权重计算，避免了主观因素的干扰，具有较高的客观性和可信度，能够科学、客观地反映各指标在综合评价中的作用，具体公式参见相关文献[30]。

2.2.2 耦合协调度模型

耦合协调度模型反映了区域经济系统中不同子系统之间的耦合协调程度。本文引用王淑佳等[46]提出的耦合度修正模型测算煤—电系统耦合协调度，以表征煤、电产业协同发展水平。根据以往研究成果与实际情况[31]，依据耦合协调度大小，将煤—电系统耦合协调类型细分为5类（表2）。
表2 耦合协调类型划分标准

Tab.2 Classification criteria of coupling coordination degree

D值 （0.00，0.10] （0.10，0.25] （0.25，0.50] （0.50，0.75] （0.75，1.00]
协调类型 衰退失调 濒临失调 初级协调 中级协调 高级协调

2.2.3 Dagum基尼系数分解法

Dagum基尼系数是一种研究不均衡问题的衡量指标，主要利用组内差距、组间差距和超变密度来分析区域内差距、区域间差距和不同区域交叉重叠部分带来的影响，弥补了其他方法无法测算交叉重叠现象的不足，对差距来源具有显著的解释效应。本文使用Dagum基尼系数分解法分析空间差异及来源，具体公式参见相关文献[32]。

2.2.4 空间自相关模型

空间自相关分析主要用于揭示地理要素在空间分布上的关联性。本文运用全局莫兰指数判断煤—电系统耦合协调度的空间依赖程度，通过绘制莫兰散点图揭示耦合协调度的局部空间集聚情况，具体公式参见相关文献[33]。

2.2.5 面板数据回归模型

引入面板数据回归模型分析煤—电系统耦合协调度空间差异的驱动机制，以耦合协调度为被解释变量，经济发展水平、产业结构、用电需求、能源运输、能源工业投资和煤炭价格为解释变量，模型如下：
C C D i t = β 0 + β i X i t + η i + μ t + ε i t
式中：i表示横截面；t表示年份；CCDit是被解释变量；Xit为系列解释变量；ηi为不受时间影响的个体固定效应；μt是不受个体影响的时间固定效应；以及εit为残差项。同时，采用空间面板滞后模型考察驱动因素的空间效应，模型如下：
C C D i t = β 0 + ρ ∑ j = 1 n W i j C C D i t + β i X i t + η i + μ t + ε i t
式中：ρ表示空间滞后系数；ηi表示空间个体效应；μt表示空间时间效应；εit表示随机扰动项；Wij为空间权重矩阵。

2.3 数据来源

兼顾数据可及性，本文以火力发电量占比超过50%的中国26个省份（不含西藏、青海、四川、云南、湖北和港澳台地区）为研究样本，以2011—2022年为研究区间。研究时段覆盖了煤炭行业快速发展、结构调整优化和低碳转型波动3个阶段。相关数据来源于历年的《中国能源统计年鉴》《中国劳动统计年鉴》《中国税务统计年鉴》《中国工业统计年鉴》《中国电力年鉴》《中国煤炭工业年鉴》《中国价格统计年鉴》《电力工业统计资料汇编》等，缺失数据通过线性插值等方法补齐。

3 结果与分析

3.1 煤炭与火电行业发展水平分析

通过熵值法得到2011—2022年中国26个省份的煤炭与火电行业发展指数，并分析其时序变化（图2）。同时，采用自然断点法以2012、2017和2022年为特征时点来刻画空间格局变化（图3）。
图2 2011—2022年中国煤炭与火电行业发展水平变化趋势

Fig.2 Variation trend of the development level of coal and thermal power industries in China from 2011 to 2022

图3 中国煤炭与火电行业发展的空间格局演变

注：基于自然资源部标准地图服务网站审图号为GS（2023）2767号的标准地图制作，底图边界无修改。图4同。

Fig.3 Spatial pattern of coal and thermal power industries in China from 2011 to 2022

3.1.1 煤炭子系统水平分析

由图2a可知，2011—2022年煤炭行业发展指数缓慢下降，由0.1166 下降至0.1112，降幅为4.64%，年均下降0.39%，反映出煤炭行业在经历快速发展后迎来供求关系转折点，行业景气度进入偏低区间。但由于我国的资源禀赋和新能源电力的间歇性特征，新能源对煤炭的替代过程是渐进的，煤炭行业仍有中长期的发展空间。分区域来看，南北方地区与全国总体水平呈下降趋势。其中，北方地区煤炭行业发展指数始终高于全国水平，而南方地区低于全国水平。北方地区由0.1438下降至0.1432，下降率为0.44%；南方地区由0.0849下降至0.0739，下降率为12.93%。
从空间分布来看，2011—2022年各省份煤炭行业发展水平差异显著，整体呈现“北高、南低”“中西部高东部低”的空间格局（图3a~图3c）。这主要得益于丰富的煤炭资源禀赋和产业结构，其中山西处于煤炭产业发展的第一梯队。相比于2011年，2022年内蒙古、陕西进入第一梯队，新疆、宁夏、贵州均上升一个梯队。但煤炭行业整体空间格局并无太大改变，煤炭资源大省山西、内蒙古、陕西构成第一梯队；低值省份依然集中在上海、海南等南方省份，湖南、江西、浙江、福建、广东等省份处于第四梯队。

3.1.2 火电子系统水平分析

从全国整体来看，与煤炭行业发展指数相比，火电行业发展指数相对较高。2011—2022年火电行业发展指数由0.2370上升至0.2985，增幅为25.96%。分地区来看，南北方地区火电行业发展指数增长趋势相似，发展水平相近。其中，南方地区火电行业发展指数由0.2420上升至0.3057，增幅为26.30%；北方地区由0.2327上升至0.2924，增幅为25.65%（图2b）。
由图3d~图3f可知，火电行业发展水平总体呈现“东高西低”的空间格局。相较于2012年，2022年河北、浙江掉出第一梯队，整体空间分布趋于稳定。位于第一梯队的省份逐步形成以广东、江苏、山东为核心的增长极。广东、江苏、山东三省在国内经济总量上位列前三，电力消费需求客观上反映了经济社会运行状况。山西、内蒙古、新疆等7省份势头强劲，构成电力发展的第二梯队。位于第三梯队的安徽、江西等5省份，集中分布于中部和东部地区。而位于第四梯队的贵州、广西、宁夏等6省份在西南、西北和东北地区，火电行业发展指数相对较低。位于第五梯队的省份主要分布在甘肃、吉林和海南等地。

3.2 煤—电系统耦合协调时空特征

3.2.1 时序演变趋势

本文采用耦合协调度模型探究我国煤—电系统耦合协调的时空演化过程。由表3可知，整体来看，2011—2022年全国煤—电系统耦合协调度整体不高，年均值为0.3096，平均处于初级协调状态。从时序变化来看，耦合协调度呈现先下降后上升的波动性增长态势。受国内宏观经济增速持续回落、煤炭产能快速释放等不利因素影响，2013—2015年耦合协调度呈下降趋势，典型特征是失调衰退型占比增加。随着煤炭、火电行业逐渐复苏回归平衡状态，耦合协调度从2016年的0.2933上升至2019年的0.3077。2020年受疫情影响，耦合协调度有所降低，2021—2022年持续回升。分地理区域来看，南北方地区耦合协调度变化趋势与全国一致。其中，北方地区耦合协调度由 2011年的 0.3520上升到2019年的0.3669，年均值分别高于全国和南方地区13.03%和33.31%；2022年南方地区耦合协调度较 2011年有所下降，降幅为1.09%。从全国七大区域来看，2001—2022年华北地区的耦合协调度由0.3846上升至0.4396，增幅为14.31%，年均值为0.3969；而东北、华东、华中、华南、西南和西北地区的耦合协调度均出现不同程度的下降。
表3 2011—2022年全国及分区域煤—电系统耦合协调度

Tab.3 Coupling coordination degree of coal-thermal power industries in China from 2011 to 2022

地区 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
全国 0.3214 0.3186 0.3193 0.3108 0.3036 0.2933 0.2933 0.2987 0.3077 0.3069 0.3152 0.3262
南方 0.2847 0.2656 0.2628 0.2550 0.2568 0.2457 0.2540 0.2558 0.2590 0.2620 0.2699 0.2787
北方 0.3530 0.3640 0.3677 0.3587 0.3436 0.3340 0.3270 0.3354 0.3495 0.3454 0.3541 0.3669
华北 0.3846 0.3960 0.4078 0.4103 0.3840 0.3876 0.3432 0.3702 0.4151 0.4071 0.4168 0.4396
东北 0.2963 0.3016 0.2908 0.2767 0.2624 0.2573 0.2608 0.2631 0.2621 0.2598 0.2670 0.2768
华东 0.2921 0.2995 0.2930 0.2798 0.2858 0.2703 0.2849 0.2798 0.2752 0.2740 0.2747 0.2779
华中 0.3504 0.3583 0.3453 0.3298 0.3154 0.2979 0.2951 0.2941 0.2860 0.2796 0.2830 0.2842
华南 0.3129 0.3198 0.3097 0.2955 0.2879 0.2752 0.2803 0.2790 0.2745 0.2711 0.2749 0.2797
西南 0.3316 0.3391 0.3275 0.3127 0.3016 0.2866 0.2877 0.2866 0.2802 0.2754 0.2790 0.2819
西北 0.3218 0.3292 0.3189 0.3045 0.2977 0.2825 0.2870 0.2849 0.2790 0.2750 0.2779 0.2809

3.2.2 空间演变趋势

由耦合协调度时序变化可知，2012、2016、2019和 2022年全国整体处于不同变化趋势，故将其作为特征时点对各省份耦合协调度进行空间可视化（图4）。研究期内，耦合协调度具有明显的空间分异规律。相比于2012年，2022年全国耦合协调度小幅上升，但区域间差异依旧存在，耦合协调度较高的省份仍集中在华北和西北地区，形成了以山西这一中级协调省份、内蒙古和陕西2个较高初级协调省份为节点的“多核心”增长极 ① ，同时辐射带动初级协调阶段的省份由华北地区向东、南、西部地区扩展。
图4 中国煤—电系统耦合协调度空间格局演变

Fig.4 Spatial pattern of coupling coordination degree of coal-thermal power industries in China from 2011 to 2022

3.3 耦合协调类型

依据协调等级，大致可将研究时期分为4个阶段。其中，2011—2012年耦合协调度类型未发生明显变化，介于0.1684~0.5881。2013—2016年耦合协调度有所降低，初级协调省份的比例大幅下降，濒临失调省份的比例大幅上升，这与煤炭行业进入低谷期有关。2017—2019年伴随供给侧结构性改革和过剩产能化解，煤炭市场逐渐回暖，耦合协调度有所上升，介于0.1800~0.5310，耦合协调度类型恢复到2013年的水平。2020年新冠疫情冲击下需求疲弱，煤炭行业景气度进一步下行，濒临失调省份的比例有所上升。2021—2022年受宏观经济稳定恢复、国际能源紧张、国际局势和气候变化等多重因素影响，煤炭行业景气持续提升，耦合协调度进一步上升，介于0.1891 ~0.5300，濒临失调省份的比例降至15.38%，初级协调和中级协调省份的比例分别上升至73.08%和11.54%。
从协调等级的空间演变看，与2011年相比，绝大多数省份仍处于初级协调型，还有吉林、上海和海南仍处于濒临失调型未发生跨越。发生类型跨越的情况，本文将之归纳为3种类型：①“初级协调→中级协调”的好转型，包括北京和内蒙古。②“初级协调→濒临失调”的恶化型，仅有湖南。③“濒临失调→初级协调”的好转型，包括新疆、广西和浙江。综上，2011—2022年耦合协调水平整体上呈现出“脱失转协”的演变格局。

3.4 耦合协调度的空间差异及分解

3.4.1 整体及区域内差异

利用Dagum基尼系数解析耦合协调度空间差异的来源（图5）。图5a反映了耦合协调度的总体及区域内差异。从时序演变来看，总体基尼系数由2011年的0.167降至2022年的0.149，年均降幅0.9%，表明全国总体差异不断缩小。除个别年份外，华北、华东、华中、华南、西南、西北地区内基尼系数整体呈下降趋势，表明各区域内部耦合协调度差异有所改善。各区域内耦合协调度差异分级明显，华北地区年均区域内基尼系数最大（0.1528），其次是华东（0.1268）、华南（0.0998）、华中（0.0919）、西北（0.0862）、西南（0.0699），东北地区（0.0515）最小，结果表明华北地区内部耦合协调度差异最大，其他地区相对较小。
图5 2011—2022年煤—电系统耦合协调度的区域差异

Fig.5 Regional differences in coupling coordination degree of coal-thermal power industries in China from 2011 to 2022

3.4.2 区域间差异

表4呈现了耦合协调度的区域间基尼系数变化和均值。总体上，华北、东北、华东、华中、华南、西南、西北地区间的相对差异呈波动态势，基本呈下降趋势。其中，华中—华南地区的基尼系数下降最快（44.40%），东北—华南（43.35%），华东—华南（43.15%）、华南—西南（41.81%）、华东—华中（35.29%）、华南—西北（32.91%）、东北—华东（30.71%）的下降率也都在30%以上，反映了区域能源协调发展的良好态势。从数值来看，东北—西南地区的年均区域间基尼系数最小（0.0829）；华北—华南地区和华东—华北地区的年均区域间基尼系数最大，分别为0.2615和0.2099，表明耦合协调度的区域间差异主要是由华北—华南地区和华东—华北地区两组区域间的差异引起。
表4 2011—2022年区域间基尼系数变化率和年均值

Tab.4 Rate change and annual average of inter-regional Gini coefficient from 2011 to 2022

东北—华东 东北—华中 东北—华北 东北—华南 东北—西北 东北—西南 华东—华中
变化率（%） -20.33 -30.71 31.43 -43.35 48.39 42.86 -35.29
年均值 0.1064 0.1067 0.2023 0.1195 0.1135 0.0829 0.1272
华东—华北 华东—华南 华东—西北 华东—西南 华中—华北 华中—华南 华中—西北
变化率（%） 16.58 -43.15 4.41 -10.00 38.13 -44.40 10.92
年均值 0.2099 0.1477 0.1343 0.1153 0.1845 0.1680 0.1133
华中—西南 华北—华南 华北—西北 华北—西南 华南—西北 华南—西南 西北—西南
变化率（%） -24.81 -6.00 -13.53 -9.44 -32.91 -41.81 -12.37
年均值 0.1062 0.2615 0.1583 0.1833 0.1853 0.1414 0.1015

3.4.3 区域差异来源及其贡献率

图5b描述了耦合协调度的区域差异来源及其贡献率。区域差异的区域内贡献和超变密度贡献呈下降趋势，区域间贡献呈上升趋势。从贡献大小来看，区域间差异的贡献率年均值为58.56%，超变密度的贡献率年均值为27.91%，区域内差异的贡献率最小，年均值仅为13.53%，表明耦合协调度的区域差异主要是由区域间主导。因此，缩小区域间差异是解决煤炭与火电系统耦合协调空间不均衡问题的关键所在。

3.5 驱动因素分析

3.5.1 空间相关性

由表5可知，研究期内全局莫兰指数呈现“上升—下降—上升—下降”的趋势，整体上在波动中趋于稳定。全局莫兰指数除部分年份外均显著为正，表明我国2011—2022年26个省份的煤—电系统耦合协调度存在较强的空间正相关性，表现出明显的空间集聚性，耦合协调度较高的省份容易出现相邻的情况，与现实情况相符。
表5 2011—2022年煤—电系统耦合协调度全局莫兰指数

Tab.5 Global Moran's I of coupling coordination degree of coal-thermal power industries from 2011 to 2022

地区 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Moran's I 0.002 0.430 0.422 0.373 0.262 0.198 0.340 0.314 0.172 0.174 0.211 0.207
P值 0.762 0.001 0.001 0.002 0.026 0.086 0.006 0.009 0.124 0.124 0.070 0.077
进一步，耦合协调度的局部莫兰散点图显示大部分散点落入第一象限和第三象限内，落入第二象限和第四象限的散点较少，表明耦合协调度存在较为明显的高—高聚集和低—低聚集的特征，但这种集聚特征未随着时间推移而发生根本性的变化。具体来看，高—高聚集类型的省份主要集中在山西、陕西、内蒙古、山东、河南、河北等北方地区，这些地区丰富的煤炭资源为煤电一体化提供了良好基础。低—低聚集类型的区域包括贵州、广西等西部地区以及上海、广东、浙江、福建等东部沿海地区省份。西部地区地形复杂、人口稀疏，电力服务成本较高制约了煤电耦合协调发展。随着煤炭供给侧改革推行和东部省份煤炭资源枯竭，煤炭产能进一步向资源储量丰富、开采条件优越、生产成本低廉的山西、陕西、内蒙古和新疆集中。高—高聚集型省份的数量由2012年的8个降至2022年的6个，低—低聚集型省份的数量由2012年的12个变为2022年的8个，表明耦合协调度较高的省份对周边协调度较低省份的涓滴效应小于其极化效应，辐射带动作用不强。

3.5.2 驱动机制

在前述煤—电系统耦合协调度具有较强的空间正相关性的基础上，本文运用固定效应模型与空间计量模型进一步分析其影响因素。驱动因素的代理变量如下：①经济发展水平，用GDP的自然对数衡量。②产业结构，用二、三产业增加值之比衡量。③用电需求，用全社会用电量的自然对数衡量。④煤炭运输，用煤炭省份间调出量的自然对数衡量。⑤电力输送，用35KV及以上输电线路回路长度的自然对数衡量[11]。⑥煤炭工业投资，用煤炭采选业投资的自然对数衡量。⑦电力产业投资，用电力生产和供应业投资的自然对数衡量[34]。⑧煤炭价格，用煤炭开采和洗选业工业生产者出厂价格指数的自然对数衡量[35]。下面以煤电耦合协调度为被解释变量，以各驱动因素为解释变量，运用计量方法进行检验。
表6模型（1）~（3）分别为全国、北方和南方地区的估计结果。从全国来看，经济发展水平的回归系数为0.205且在10%的水平上显著，表明地区经济发展水平的提高有助于促进煤—电系统耦合协调发展；产业结构和用电需求的系数分别为0.120和0.214，均在5%的水平上显著，表明经济工业化与煤电耦合的紧密联系，以及用电需求的增长是推动煤电耦合协调发展的重要动力；煤炭运输、电力输送和煤炭价格的系数分别为-0.009、-0.098和-0.097，表明煤炭和电力外输、能源价格波动对本地煤—电系统耦合协调的经济性和可持续性产生负面影响；煤炭工业投资和电力产业投资的系数存在正负差异，可能是由于投资结构、供需关系和环保压力等多重因素的综合作用。
表6 驱动机制计量估计结果

Tab.6 Estimation results of the driving mechanism

变量 FE SLM
（1） （2） （3） （4）
经济发展水平 0.205* 0.548*** 0.141 -0.089*
（0.11） （0.16） （0.29） （0.053）
产业结构 0.120** 0.159** 0.060 0.018
（0.05） （0.06） （0.07） （0.028）
用电需求 0.214** 0.104 0.420* 0.300***
（0.08） （0.10） （0.24） （0.067）
煤炭运输 -0.009 -0.028*** 0.012 0.003
（0.01） （0.01） （0.01） （0.006）
电力输送 -0.098 -0.569*** -0.019 -0.078
（0.10） （0.14） （0.30） （0.052）
煤炭工业投资 0.014 0.083*** -0.005 0.040***
（0.01） （0.02） （0.02） （0.011）
电力产业投资 -0.015 -0.072*** -0.036 -0.012
（0.02） （0.02） （0.04） （0.016）
煤炭价格 -0.097 -0.167 -0.062 -0.034
（0.08） （0.13） （0.10） （0.052）
常数项 1.389 4.539** -0.463 2.466***
（1.45） （1.99） （2.78） （0.442）
样本量 312 168 144 312
ρ 0.138**
（0.065）
R2 0.184 0.362 0.193 0.138
双向固定效应 是 是 是

注：括号内数值为标准误，*** 、** 、*分别表示在1%、5%、10%的水平上显著。

分地区来看，南北地区煤—电系统耦合协调度差异的驱动因素不尽相同。北方地区的驱动力量有经济发展水平（0.548，p<0.01）、产业结构（0.159，p<0.05）、煤炭工业投资（0.083，p<0.01）。而南方地区的驱动力量仅有用电需求（0.420，p< 0.1），经济发展水平、产业结构、煤炭运输、煤炭工业投资和煤炭价格等变量对煤电耦合协调度的影响不敏感。因此，北方省份应大力发展经济，调整优化产业结构，做好能源工业投资布局。南方省份应加强能源运输和调配的管理协调，优化煤电系统结构，推动能源多元化发展。模型（4）是空间计量模型的估计和检验结果。结果显示，相较于双向固定效应模型，空间面板滞后模型各驱动因素的系数、大小、方向发生改变。另外，空间自相关系数ρ通过了5%的显著性检验，说明煤—电系统耦合协调度存在空间相关性，即地理位置的邻接存在显著的空间溢出效应。因此，各驱动因素对煤—电系统耦合协调度存在一定的空间效应。

4 结论和启示

4.1 主要结论

本文基于2011—2022年中国26个省份煤电数据，运用耦合协调度、Dagum基尼系数分解、空间自相关和计量模型等多种方法考察了煤—电系统耦合协调度的时空演变特征和驱动因素。主要结论如下：
①综合评价方面，全国煤炭行业发展指数波动下降，北方地区煤炭行业发展指数高于南方地区；煤炭行业发展向优势地区集中，整体呈现“北高南低、西高东低”的空间格局。火电行业发展指数呈上升趋势，南北地区增长趋势相似，发展水平相近，整体呈现“东高西低”的空间格局。
②时序演变方面，煤电耦合协调度呈阶段性波动增长，整体处于初级协调，少数省份濒临失调并存在回落现象，推动煤电耦合协调发展任重道远。
③空间格局方面，耦合协调度空间分布不均衡，耦合协调度较高的省份集中在华北和西北地区，逐渐形成以“山西—内蒙古—陕西”为节点的“多核心”增长极辐射格局，并呈现从中部向东、西部地区扩散的趋势。从协调等级的空间演变看，绝大多数省份仍处于初级协调型，濒临失调型省份普遍向初级协调型跨越，由此整体上表现为“脱失转协”的演变格局。
④空间差异及分解方面，总体差异虽略有波动但整体呈下降趋势。耦合协调度的地区差异主要来源于区域间，且贡献呈上升趋势。
⑤空间关联方面，煤电耦合协调度存在显著的空间效应，表现出高—高聚集和低—低聚集特征，且未随时间推移而发生根本性变化。但耦合协调度较高的省份对周边耦合协调度较低省份的涓滴效应小于极化效应，辐射带动作用不强。
⑥驱动机制方面，经济发展水平、产业结构和用电需求是推进煤电一体化的重要动力，煤电运输、投资及煤炭价格对耦合协调度的促进作用有待提高。各驱动因素的作用存在地区异质性，南北地区耦合协调度差异的驱动因素不尽相同。

4.2 政策启示

①加快构建全国煤炭与电力统一大市场，实现煤、电资源共享互济和优化配置。目前，全国煤电耦合协调度整体处于初级协调，为顺利实现能源结构安全平稳转型，需要更好地发挥煤炭兜底保障和火电调峰作用。一是加快完善煤炭市场交易体系，完善跨省跨区和省内市场的衔接机制，破除省份间交易市场壁垒，统筹好有效市场和有为政府的关系。综合运用市场化、法治化手段，引导煤炭价格运行在合理区间。二是加快推动电力市场基础制度规则统一，遵循电力的经济性流动，加强跨省跨区容量机制与省内市场在经济责任、价格形成机制等方面的衔接。加强煤电联动性，稳步提高煤电资源市场配置效率。
②促进煤电产业协同发展，推进煤电一体化。各地区应根据自身资源禀赋、能源需求和环境保护目标，加强规划引领与政策引导，鼓励煤、电企业通过资本融合、兼并重组等方式实现煤电一体化，形成紧密的产业链合作关系。一是完善煤电一体化项目的配套基础设施建设，制定财政金融优惠政策，为煤电一体化项目提供融资支持，鼓励社会资本参与煤电一体化项目的建设和运营。二是警惕自然垄断优势随意扩张，加强对煤电一体化企业的监管，建立健全监督和管理制度体系，加强人员培训和管理，提高煤电一体化整体运营水平。
③合理引导新能源开发和煤电绿色转型。新能源替代和煤电绿色转型需稳妥推进。一是处理好新能源和煤电协调发展的关系，要立足我国煤电资源集中在中西部地区而负荷集中在东部地区的实际，统筹谋划电力中长期布局。二是大力发展新能源，提高其在能源结构中的比重。要加大“三北”地区大型风电光伏基地建设，加快推动中、东部和南方地区分散式风电和分布式光伏发电开发，加快沿海地区海上风电和核电发展。三是推动煤电绿色转型，推动现役煤电机组行业实施节能降耗改造、供热改造和灵活性改造，密切跟踪煤电领域前沿技术，探索创新新一代煤电发展模式。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
于伟静, 杨鹏威, 王放放, 等. 双碳战略背景下中国煤电技术发展与挑战[J]. 煤炭学报, 2023, 48(7):2641-2656.

[2]
Joskow P L. Vertical integration and long-term contracts:The case of coal-burning electric generating plants[J]. The Journal of Law,Economics,and Organization, 1985, 1(1):33-80.

[3]
马文瑾. 煤电联营企业利润分配分析[J]. 内蒙古煤炭经济, 2021(9):62-63.

[4]
贾晶莹, 马占新. 煤电联营企业经济状况效率分析与实证[J]. 统计与决策, 2009(11):89-91.

[5]
Zhang V Y, Chen Y. Vertical relationships in China’s electricity industry:The quest for competition?[J]. Utilities Policy, 2011, 19(3):142-151.

[6]
张华明. 产业纵向结构视角下的山西煤电一体化发展对策[J]. 宏观经济管理, 2017(6):81-85.

[7]
李丽, 杨力, 韩静. 煤电一体化趋势下煤电联营的博弈分析[J]. 中国煤炭, 2011, 37(1):29-32.

[8]
朱大庆, 欧国立. 煤电一体化的若干问题与政策建议[J]. 宏观经济管理, 2013(7):67-68,71.

[9]
杨彤, 时如义, 康长安. 煤电一体化的不利影响及防范措施[J]. 中国煤炭, 2013, 39(3):17-19,52.

[10]
梁庆平, 许若琪, 孙自愿. 煤企纵向一体化程度与投资效率研究——地方政府规制视角[J]. 会计之友, 2015(22):36-40.

[11]
周幸窈. 基于产业链视角的煤电联营协同机制研究[D]. 北京: 中国矿业大学(北京), 2021.

[12]
王雨佳. 能源产业链整合与企业生产效率——以煤电纵向一体化为例[J]. 北京理工大学学报(社会科学版), 2019, 21(4):29-38.

[13]
郭金刚, 王团维. 煤电一体化产业经济研究[J]. 会计之友, 2013(26):53-61.

[14]
Zhou X, Wang N, Zheng J, et al. Synergy effect evaluation of coal and electricity joint venture based on DID model[J]. Energy Reports, 2022,8:198-209.

[15]
林圣华. 煤电联营对用能成本和能源安全影响研究[J]. 煤炭经济研究, 2022, 42(3):11-16.

[16]
刘希颖, 林伯强. 改革能源定价机制以保障可持续发展——以煤电联动政策为例[J]. 金融研究, 2013(4):112-126.

[17]
Wang B. An imbalanced development of coal and electricity industries in China[J]. Energy Policy, 2007, 35(10):4959-4968.

[18]
张熙霖, 张中彦. 国家能源投资集团重组整合研究和思考[J]. 煤炭经济研究, 2018, 38(4):14-17.

[19]
Shi R, Li Z, Tang Z, et al. Mechanism and algorithm for stable trading matching between coal mining and power generation companies in China[J]. Applied Sciences, 2022, 12(8):3919.

[20]
吴亚平. 我国煤电联营发展情况分析和措施建议[J]. 煤炭工程, 2016, 48(12):138-141.

DOI

[21]
于树奎. 浅谈煤电一体化存在的问题和对策[J]. 中国管理信息化, 2019, 22(21):155-156.

[22]
张华明, 赵国浩, 侯若瑶. 电煤价格上涨对电力行业影响的实证分析——以山西省为例[J]. 价格理论与实践, 2008(10):33-34.

[23]
王强, 刘海英. 煤炭中长期合同“压舱石”作用的机制研究——兼析煤炭中长期合同签订与履约及其影响因素[J]. 价格理论与实践, 2022(11):84-87.

[24]
杨娜, 谢道清, 任曦骏, 等. 电力现货市场、火电企业成本与输电定价决策[J]. 会计之友, 2023(16):39-44.

[25]
张引刚. 浅议电力行业煤炭需求变异风险[J]. 中国煤炭, 2014, 40(5):23-25.

[26]
李绪茂, 王成金. 中国煤炭产业经济效率类型与空间分异[J]. 干旱区资源与环境, 2020, 34(5):58-63.

[27]
郭金. 资源型经济转型与煤炭产业提升研究[J]. 经济问题, 2020(6):118-123.

[28]
陈梦根, 侯园园. 中国行业劳动投入和劳动生产率:2000—2018[J]. 经济研究, 2021, 56(5):109-126.

[29]
袁家海, 王媛, 杨晓文, 等. “双碳”目标下省级煤电退出的就业影响与脆弱性评估[J]. 中国人口·资源与环境, 2023, 33(7):67-80.

[30]
邝嫦娥, 李文意, 黄小丝. 长江中游城市群碳排放强度与经济高质量发展耦合协调的时空演变及驱动因素[J]. 经济地理, 2022, 42(8):30-40.

DOI

[31]
赵林, 张春霆, 高晓彤, 等. 黄河流域绿色发展与共同富裕耦合协调水平变化及其影响因素[J]. 经济地理, 2024, 44(8):57-67.

DOI

[32]
Zhang L, Ma X, Ock Y S, et al. Research on regional differences and influencing factors of Chinese industrial green technology innovation efficiency based on dagum gini coefficient decomposition[J]. Land, 2022, 11(1):122.

[33]
周正柱, 冯博文. 长三角城市群商品流通发展的时空演变特征、区域差异及分布动态演进[J]. 上海交通大学学报(哲学社会科学版), 2024, 32(2):24-47.

[34]
李兰兰. 我国电力工业投资的影响因素研究[D]. 重庆师范大学, 2021.

[35]
柴建, 万欣, 寇红红, 等. 价格扭曲对电力市场供需失衡的影响研究[J]. 计量经济学报, 2022, 2(4):864-880.

DOI

Options
Outlines

/

〈 〉