火力发电企业环境绩效评价及环境改善研究

1。引言

电力产业对满足经济发展产生的巨大能源需求具有不可替代的作用,但也是高投入。高消耗。高污染行业之一。2013年火电发电装机总容量87009万千瓦时,占中国总装机容量的69百分号以上。火力发电企业是电力产业中能源结构的龙头“论文网。

据全国环境统计公报2013数据显示,发电供热用煤占全国煤炭生产总量的49百分号以上。独立火电厂二氧化硫排放量为6341万吨,氮氧化物排放量为8618万吨,分别占重点工业调查企业排放量的375百分号和588百分号。可见,火力发电企业在为社会经济发展贡献巨大作用的同时带来的环境问题也日益突出。

为树立火力发电企业保护环境的良好形象,构建火力发电企业的环境绩效评价体系,提出可行性的改善方案显得尤为重要。

2。文献综述

自1989年挪威的NorskHydro公司发布了全世界第一份环境发展报告对其环境业绩进行披露以来,有关企业环境绩效评价研究至今已有近20年的发展[1]。Corbett认为环境绩效是企业在治理环境污染方面取得的成效[2]。Henri和Journeault认为环境绩效指标可提供有关环境问题方面的重要信息[3]。颜文涛,萧敬豪等总结出形态对比分析法。环境主因素分析法等4种方法,指出未来城市空间结构环境绩效的研究方向[4]。何平林等学者对火力发电企业的环境绩效进行了研究,为环境绩效的后续研究提供了依据[5]。胡健等根据数据包络方法和遗传神经网络,对10家中小企业的环境绩效进行了综合评价[6]。国内外学者对有关企业环境绩效方面都有一定的研究,但传统的评价方法存在实际操作性不强,各个环节带有一定程度的主观性等问题。

上述问题的考虑,作者认为亟须建立一套科学的电力企业环境绩效评价体系。本文采用BP人工神经网络方法对25家火力发电企业的环境绩效水平作出评价,并就评价结果提出政策性建议。

3。BP人工神经网络评价模型的构建

3。1研究方法及评价指标体系的建立

BP(BackPropagationNN)神经网络是一种具有三层或三层以上的神经网络,包括输入层。隐含层和输出层。本文将火力发电企业环境分级指标作为样本输入,评价级别作为网络输出,运用matlab环境下的BP网络模型进行环境绩效水平的综合评价。参考他人研究成果及数据的可获取性[7],选取5项指标,分别为单位电量(亿千瓦时)排污金额X1。单位电量水耗量X2。单位电量煤耗X3。固体废物利用率(百分号)X4。二氧化硫节排率(百分号)X5。

3。2网络模型的构建

本文把5项指标作为输入神经元,环境绩效评价结果作为输出层神经元,选择隐含层数为1层。根据Kolmogorov定理,确定本文隐含层单元数为3。具体模型结构如图3-2所示:

3。3评价标准的设计

本文将设计标准定为优秀。良好。中等。一般。差5个等级。评价原则见表1。参考依据请见参考文献[8]。

4。火力发电企业环境绩效评价的实证分析

4。1样本数据的来源及网络训练结果

本文样本数据来源于中国环保部公开发布的数据,以25家火力发电企业为数据样本,利用前10个火力发电企业对神经网络进行训练。训练次数最高为10000次,学习速率LPlr为001,lpmc为08,经过200次训练后,误差为000641989e-01,MSE=504746e-006。此时的网络输出已较精确。对后15个火力发电企业进行仿真后得到表3的评价结果。

据表1,环境绩效良好等级水平的有津能电厂。拖电电厂。靖远电厂。宣城电厂和运城电厂;中等水平的有乌沙山电厂。宁德电厂。华夏电厂;一般水平的有锦州电厂。连城电厂;其他的5家电厂处于差等级。

4。2评价结果成因分析

结果表明火力发电企业的环境绩效处于中下水平,结合火力发电企业的环境绩效水平来看,此结果是合理的。对各个企业的5项指标进行分析,曲靖电厂。新余电厂。北部湾电厂的单位电量排污金额(X1)偏高;潮州电厂。红河电厂。锦州电厂的单位电量水耗量(X2)偏高;新余电厂。红河电厂。曲靖电厂的单位电量煤耗(X3)偏高;靖远电厂。托电电厂。曲靖电厂。红河电厂的固体废物利用率(X4)偏低;而运城电厂。津能电厂。宣城电厂。乌沙山电厂的二氧化硫节排率(X5)偏低。

5。研究结论及建议

以上分析和评价结果提出政策建议。环境绩效状况良好企业:采取重点倾斜,优先扶持此等企业;中等企业:采取财政奖励机制等政策,鼓励其发展;一般企业:优先调度可再生能源,限制能耗高。污染重的机组发电;差等企业积极采用先进技术,加快淘汰污染严重的小火电机组以及损耗高的老旧输配电设施;只有在规范的法律体系之下,环境绩效评价才能有效实施。高效利用资源,节能减排,实现企业经济效益与环境效益双赢,以此建设资源节约型和环境友好型企业。(作者单位:1。长沙理工大学;2。四川农业大学机电)

火力发电企业环境绩效评价及环境改善研究