一、 引言

贫困问题是人类面临的共同挑战，消除贫困是可持续发展议程的首要目标。 ^[1] 作为最大的发展中国家，中国始终把脱贫攻坚摆在治国理政的突出位置。 2020 年底，消除绝对贫困的艰巨任务已顺利完成，但相对贫困仍是经济社会发展进程中长期存在的社会问题。 ^[2] 能源不仅是经济发展的动力，也是扶贫的重要支撑，能源贫困已经成为贫困问题的重要组成部分。

能源贫困作为一种典型的贫困现象，已成为能源领域的热点问题。根据国际能源署（IEA）对能源贫困的定义，认为能源贫困就是一个国家缺乏电力、清洁燃料和能源设施，以及家庭对常规燃料的高度依赖。 ^[3] 2019 年，全球约 7.7 亿人无法获得电力（占世界人口的 10%），约 26 亿人无法获得清洁燃料（占世界人口的 34%）。 ^[4] 随着新冠肺炎疫情的爆发，能源贫困问题也日渐严峻。 ^[5] 能源贫困在制约可持续发展的同时，也阻碍了中国的现代化进程。 2015 年，中国全面完成无电地区电力建设工程，为 4 000 万无电人口提供了用电保障，标志着中国已彻底告别初级阶段的能源贫困。 ^[6] 然而，“人人有电用”仅解决了绝对能源贫困问题，用能水平低、用能结构差、用能能力弱等现象所反映的相对能源贫困问题仍广泛存在。

本研究以“现代化” “能源” “贫困” 等为主题，对二十大报告进行检索和词频分析，挖掘出其中的关键词，如图1 所示。由图1 可知，更深层次的相对能源贫困问题，是关系人口规模巨大、关系全体人民共同富裕、关系人与自然和谐共生、关系物质文明和精神文明相协调的重大问题。在“力争 2030 年前实现碳达峰，2060 年前实现碳中和”发展目标的倒逼下，中国相对能源贫困问题亟需解决。

本研究旨在对中国省级相对能源贫困进行统计测度，评估 2010—2021 年中国各省相对能源贫困现状，识别相对能源贫困时空演化趋势，提供相对能源贫困监测预警工具，为相对能源贫困治理提供科学支持和政策建议。在具体研究过程中，拟解决两个主要问题。（1）相对能源贫困多维测度。相对贫困治理应是涉及经济、政治、文化、社会、生态各领域的重大系统工程，相对贫困标准也应是多维的。 ^[7] 在相对能源贫困测度方法选择方面，将采用多维指标测算相对能源贫困指数。（2）相对能源贫困分区分级预警。由于中国各省各区域在经济、资源、技术等方面存在巨大差异，相对能源贫困的分区分级将涉及区域间的公平与效率问题。因此，在相对能源贫困预警标准制定方面，将基于数据特征进行分区分级预警。

二、 文献综述

能源贫困是可持续发展管理与宏观政策研究的重要领域之一，受到学术界、各国政府和国际组织的高度关注。 ^[8]随着社会经济的发展，能源贫困的内涵也在不断丰富，现有能源贫困定义多种多样。能源贫困的概念起源于 20 世纪 90 年代英国的燃料贫困治理。 ^[9] 基于能源可获得性，Boardman ^[10]将能源贫困定义为家庭无力支付足够的能源服务，Hills ^[11]则认为能源贫困对应于“低家庭收入高能源成本”。在能源转型的推动下，能源产品或服务的清洁性开始受到重视。 IEA（ 2002）将能源贫困定义为一个国家缺乏电力、清洁燃料和能源设施，以及家庭对常规燃料的高度依赖^[3]; Wang 等^[12]认为能源贫困的定义因国家发展水平而异，提出能源贫困对于发展中国家而言是缺乏获得现代能源服务的机会，而对于发达国家而言则是由于能源成本高、家庭收入低和能源使用效率低等原因对家庭造成负面影响。

相对贫困标准应是多维的，必须构建多维指标体系对能源贫困进行综合测度。 ^[13] IEA（2010）构建了能源发展指数（EDI），并对发展中国家在现代能源获取方面的进展进行了排名; ^[14] Banerjee 等^[15]综合能源需求、可再生资源占比、电力获取、电能消耗 4 个维度构建了一个新的、包容的、多维的能源贫困指标体系; Kocak 等^[16] 在此基础上增设了清洁燃料和烹饪技术获取方面的指标。基于中国国情，由能源服务可用性（ESA）、能耗清洁度（ECC）、能源管理完整性（EMC）、家庭能源可承受性和能效（EAE）所构成的能源贫困测度指标体系被广泛应用。 ^[17-18] 对于能源贫困标准的衡量，目前主流的有能源贫困线法和低收入高成本法，前者将能源消费占家庭收入的比例高于 10%的家庭定义为能源贫困家庭^[19-20]; 后者为避免高收入、能源消耗过多的家庭被误认为能源贫困家庭，在前者基础上增加了最低收入标准^[21]。

综合上述研究可知，目前相对能源贫困测度研究尚存在三方面不足。（1）在样本选择方面，相关研究主要集中在家庭层面，省级能源贫困测度研究较少。由于中国区域间发展不平衡，能源贫困的省间差异较为突出，省级能源贫困的测度能够为宏观政策设计提供指导，有助于提高政策设计的公平性与效率。（2）在测度方法方面，指标体系构建及权重设置存在较大的主观性。指标主要集中在绝对能源贫困测度方面，测度相对能源贫困的指标较少。（3）在评价标准方面，10%的能源贫困线阈值无法体现相对能源贫困中对现代清洁能源的要求和区域的异质性特征。在能源贫困的预测与动态监测方面存在一定的研究空白，尤其是考虑区域异质性的差异化预警策略研究不足。

三、 多维相对能源贫困测度指标体系

（一） 指标体系构建

根据 IEA 对于能源贫困的定义，本研究从能源服务的可获得性、可负担性、可靠性和可持续性 4 个维度出发，构建中国省级相对能源贫困测度指标体系，并将这 4 个维度指标作为一级指标。从系统论角度出发，将经济发展、能源生产、能源供应等 12 个指标设为二级指标。结合国内外能源贫困现状及相关研究，共选取 32 项三级指标。最终，构建了中国省级相对能源贫困测度指标体系，如表1 所示。

（二） 指标说明

可获得性反映的是能源产品和服务的供给能够满足一定需求水平。本研究以地区生产总值、地区经济增速和地区第二产业占比来衡量该地区经济发展状况，以天然气产量和电力产量来反映地区能源生产状况，以天然气供气量及管道长度反映地区能源供应状况。 ^[16]其中，第二产业占比为正向指标，即第二产业占比越高，该地区相对能源贫困程度越高。

可负担性反映的是能源产品和服务能够被需求侧支付的程度。本研究以城镇化率、城镇低收入家庭占比、农村低收入家庭占比反映社会结构特征，以城镇居民和农村居民人均可支配收入反映收入水平，以能源消费总量、天然气消费量、电力消费量、全社会用电量和农村用电量反映能源消费，以天然气用气人口、城镇用气普及率、城镇居民和农村居民平均每百户年末空调拥有量反映能源普及情况。 ^[17] 其中，城镇和农村低收入家庭占比为正向指标，即低收入家庭越多，相对能源贫困程度越高。

可靠性反映的是能源产品和服务的安全与稳定，以电力产品和服务为主。本研究分别从供电可靠率和居民平均每户停电时间角度，测度供电质量和安全事故发生率。 ^[22] 其中，居民平均每户停电时间均为正向指标，即停电时间越长、故障率或事故率越高，相对能源贫困程度越高。

可持续性反映的是能源产品和服务的可持续，侧重清洁和环境友好。本研究以能耗强度、可再生能源装机容量和清洁能源发电占比反映能源结构，以环保财政支出占比和污水日处理能力反映环境保护，以废水、废气排放量反映污染排放。 ^[23] 其中，能耗强度为创造单位 GDP 所消耗的能量，为正向指标; 废水、废气排放量均为正向指标，不利于减缓相对能源贫困。

四、 中国省级相对能源贫困测度

（一） 数据来源及预处理

本研究所使用的数据为中国 2010—2021 年的省级面板数据，数据主要来源于《中国统计年鉴》 《中国能源统计年鉴》和《中国电力年鉴》的年度数据，国家能源局、中国电力企业联合会等平台的统计数据，以及相关文献资料中的公开数据。由于数据可获得性原因，未将港澳台地区纳入测度范围。

对于缺失数据，本研究采用外推插值法进行补全，通过 R 语言实现。采用 SPSS 软件对面板数据进行描述统计，结果如表2 所示。为了减少由于量纲不同而带来的误差，在数据分析前使用极差归一法将数据标准化。

对于正向指标:

$X_{{\theta }_{ij}}^{\mathrm{\text{'}}}=\frac{X_{{\theta }_{ij}}-min{X}_j}{max\left\{X_j\right\}-min\left\{X_j\right\}}$

对于逆向指标:

$X_{{\theta }_{ij}}^{\mathrm{\text{'}}}=\frac{max\left\{X_j\right\}-X_{{\theta }_{ij}}}{max\left\{X_j\right\}-min\left\{X_j\right\}}$

续表2

（二） 中国省级相对能源贫困测度结果分析

本研究采用均权法对 32 项三级指标进行赋权，通过均权综合评价得到 2010—2021 年中国各省相对能源贫困指数，如表3 所示。

从相对能源贫困时间演化看，2010—2021 年间全国平均相对能源贫困指数呈现下降趋势，如图2 所示。 2019 年前，全国平均相对能源贫困指数稳步下降，这一时期中国正着力摆脱绝对能源贫困，脱贫成果显著。 2019—2020 年，全国平均相对能源贫困指数下降速度减缓，脱贫攻坚进入关键时期。 2021 年起，全国平均相对能源贫困指数快速下降，在消除绝对贫困后，减贫重点转向相对能源贫困治理，在新的政策方向上，亟需建立解决相对能源贫困问题的长效机制，以推动减贫战略和工作体系平稳转型。

续表3

从相对能源贫困空间分布来看，相对能源贫困指数呈现“西高东低，北高南低” 的特征，如图3 所示。除西藏地区外，其他 30 个省份的相对能源贫困指数均呈现不同程度的降低。以上海、江苏、浙江、山东为主的东部地区相对能源贫困程度较低，一方面，该地区经济基础强大，贫困基数小; 另一方面，该地区能源转型水平领先，清洁化程度高。北方地区作为传统工业基地，能源消耗量大，能源结构偏煤，且北方居民冬季取暖需求高，以燃煤燃气为主的生产生活方式难以转变，因此相对能源贫困程度较高。

进一步分析相对能源贫困在可获得性、可负担性、可靠性和可持续性方面的特征，有助于识别相对能源贫困成因，探索相对能源贫困治理方向。如图4—图7 所示，对比各个省份在相对能源贫困 4 个二级指标方面的表现，可以看出:能源可获得性方面的省间差距最为突出，江苏、四川、广东、北京和山东表现较好; 而能源可靠性方面的省间差距较不明显，西藏地区的可靠性得分落后于其他省份。对比 2010 年和 2021 年各省份在各维度的表现，可以看出:受自身经济基础影响，东南沿海地区和四川在能源可获得性及可负担性方面的提升较大; 四川、云南、内蒙古、新疆等可再生能源资源丰富的地区，在可再生能源装机、清洁能源发电和能耗结构方面有明显转变，因此这些地区的可持续性得分有较大改善。

五、 中国省级相对能源贫困预警

（一） 基于 k-means 算法的相对能源贫困分级

k-means 聚类算法是一种无监督机器学习方法，以文本相似度为基础进行数据特征挖掘，使得相同类别样本之间的相似度高，不同类别之间的样本相似度低，以实现数据特征的分割、提取和描述。 ^[24]

本研究基于均权综合评价得到 31 个省份 2010—2021 年的相对能源贫困指数，使用 k-means 算法进行聚类分析。首先，聚类前需要指定生成的簇族数量。从图8 的碎石图结果可以看出，当簇族数量为 4 时，折线由陡峭变得平稳，特征根值较大且变化较显著，累计方差解释贡献率较大。因此，本研究将聚类簇族数量设为 4，即根据相对能源贫困指数将 31 个省份分为 4 类。

使用 Python 语言进行 k-means 聚类分析，对 2010—2021 年各省相对能源贫困排名进行聚类，最终得到了如图9 所示的相对能源贫困分级预警结果，各个预警等级所涉及的区域则如表4 所示。其中，绿色预警区域包括北京、河北、上海、江苏、浙江、山东、广东和四川，共 8 个省份; 蓝色预警区域包括天津、辽宁、安徽、福建、河南、湖北、湖南、重庆和陕西，共 9 个省份; 黄色预警区域包括山西、内蒙古、江西、广西、海南、云南和新疆，共 7 个省份; 红色预警区域包括吉林、黑龙江、贵州、西藏、甘肃、青海和宁夏，共 7 个省份。

（二） 中国省级相对能源贫困预警结果分析

基于聚类结果，本文绘制了中国省级相对能源贫困分区分级预警地图，如图10 所示（ 港澳台地区因数据获取问题未纳入分析范围，在图中未进行标注）。从图中可以看出，相对能源贫困等级最低的绿色预警区域集中在东南沿海地区，相对能源贫困等级较低的蓝色预警区域以中部地区为主，相对能源贫困等级较高的黄色和红色预警区域基本分布在东北、西北和西南地区。从地理分布来看，相对能源贫困总体呈现“ 西高东低，北高南低”的特征。

分区域来看，各等级的预警区域在相对能源贫困时间演化方面呈现不同的趋势。在绿色预警区域，相对能源贫困指数在 0.27—0.57 之间波动性下降，但省间差距较大，江苏和广东的相对能源贫困水平显著低于同区域内其他省份，如图11（ a）所示。在蓝色和黄色预警区域，相对能源贫困指数分别在 0.44—0.58 和 0.49—0.66 之间呈现下降趋势，但省间差距明显缩小，不存在相对能源贫困治理明显领先的省份，如图11（ b）和（ c）所示。在红色预警区域，相对能源贫困指数在 0.57—0.70 之间分布，除西藏地区外，其他 6 个省份的相对能源贫困均有减缓趋势，西藏地区的相对能源贫困治理成效尚不显著，如图11（d）所示。

红色预警区域是相对能源贫困治理的重点区域。对于红色预警区域内的省份，分析其相对能源贫困薄弱环节，将有助于精准识别各省份相对能源贫困成因，明确各省份相对能源贫困治理方向。红色预警区域内各省份的可获得性、可负担性、可靠性和可持续性 4 个维度水平变化趋势如图12 所示。相对能源贫困程度最高的西藏地区，其能源可获得性和可靠性的相对落后是导致其相对能源贫困指数不降反升的主要原因，该地区虽已全面完成电力工程建设，但供电质量有待提升。吉林和青海，其能源可获得性限制了相对能源贫困的改善，这主要受经济发展和能源生产制约。甘肃，其能源可负担性是该地区相对能源贫困的主要成因，该地区城镇化水平较低，城乡收入和能源消费差距较大。宁夏、黑龙江和贵州，其相对能源贫困主要表现在可持续性方面，该地区用能结构较差，环境治理能力较弱。

六、 结论与建议

基于上述分析，本研究得到了以下三方面结论:（1）在相对能源贫困时间演化方面，2010—2021 年间全国平均相对能源贫困指数呈现下降趋势，总体上经历了“稳步下降—降速减缓—快速下降” 的过程，体现了绝对能源贫困治理时期、脱贫攻坚关键时期和相对能源贫困治理转型时期的不同能源贫困特征;（2）在相对能源贫困空间分布方面，相对能源贫困指数呈现“西高东低，北高南低” 的特征，经济基础较好、能源转型领先的东南沿海地区和中部地区的相对能源贫困程度明显低于西北、东北和西南地区;（3）吉林、黑龙江、贵州、西藏、甘肃、青海和宁夏 7 个省份为相对能源贫困红色预警区域，红色预警区域内各省份相对能源贫困薄弱环节存在差异，西藏地区在可获得性和可靠性方面表现较差，吉林和青海受可获得性方面制约，甘肃受可负担性影响，宁夏、黑龙江和贵州可持续性不足是相对能源贫困主要成因。

结合上述结论，本研究提出以下三点促进相对能源贫困治理、推动能源转型的对策建议。

（1）构建相对能源贫困治理过渡保障机制。 2020 年底，脱贫攻坚任务完成，相对能源贫困成为能源领域贫困的主要表现形式。在政策方向由绝对能源贫困治理向相对能源贫困治理转变的过渡阶段，相对能源贫困指数呈现降速减缓趋势。能源贫困治理的重点和难点从显性的绝对能源贫困转向更加隐蔽的相对能源贫困，治理难度和治理要求显著提高，减贫政策应在巩固脱贫攻坚成果的基础上进行转型和调整。在贫困治理任务和政策的转型过渡期，亟需构建相对能源贫困问题的长效治理机制，推动减贫战略和工作体系平稳转型。

（2）建立相对能源贫困区域一体化削减体系。由于区域间发展水平和用能水平差异的存在，中国省级相对能源贫困指数呈现“西高东低，北高南低” 的特征。在相对能源贫困治理领先的东部和南方地区，应率先建立区域一体化减贫体系。在相对能源贫困治理相对落后的西部和北方地区，分省份、分阶段推进区域一体化减贫体系建设。在全国范围内削减相对能源贫困，需要各省充分发挥各自在经济、技术和资源等方面的优势，加强在碳市场和绿证市场上的区域协同，进一步缩小差距，实现共享共治。

（3）完善相对能源贫困动态分区分级阶段性预警标准。精准识别相对能源贫困区域和相对能源贫困薄弱环节，这是相对能源贫困治理面临的挑战。目前，10%的能源贫困线阈值无法体现相对能源贫困中对现代清洁能源的要求和区域的异质性特征。因此，应充分考虑相对能源贫困内涵的动态发展，结合相对能源贫困在空间上的异质性和时间上的动态性，建立分区分级预警标准，合理设定相对能源贫困线，以精准识别贫困发生状况。

参考文献