(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211145761.7 (22)申请日 2022.09.20 (71)申请人 东南大学 地址 210096 江苏省南京市玄武区新 街口 街道四牌楼 2号 (72)发明人 周苏洋　郑思雨　顾伟　 (74)专利代理 机构 北京同辉知识产权代理事务 所(普通合伙) 11357 专利代理师 沈利芳 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 17/11(2006.01) (54)发明名称 一种全要 素能源利用效率的评价方法、 存储 介质和装置 (57)摘要 本发明公开了一种全要素能源利用效率的 评价方法、 存储介质和装置， 属于能源利用效率 领域。 该方法包括： 选取合适的投入变量、 产出变 量和环境变量， 确定评价指标； 使用SBM模型和 SFA模型， 搭建剔除环境因素影响的全要素能源 利用率计算模型； 获取各个待测区域的相应数 据， 并带入模型进行实证； 本发明的全要素能源 利用效率的评价方法充分考虑了单要素能源利 用效率不能反映出生产和消费过程中其他投入 要素的作用， 也不能计算由于能源消费而导致的 环境污染等问题的特点， 采用了更加全面的评价 指标， 考虑了人力、 资源、 环境、 经济等各方面的 因素， 搭建出多投入 ‑多产出的全要素能源利用 效率计算模 型， 更好地反映各省市的能源利用情 况。 权利要求书3页 说明书8页 附图4页 CN 115471086 A 2022.12.13 CN 115471086 A 1.一种全要素能源利用效率的评价方法， 其特 征在于， 包括以下步骤： 以投入变量、 产出变量和环境变量作为全要素能源利用效率的评价指标； 以三阶段数据包络分析法构建全要素能效评价模型， 全要素能效评价模型包含SBM模 型和SFA模型； 将待评测区域的数据代入全要素能效评价模型计算获得待评测区域的全要素能源利 用效率。 2.根据权利要求1所述的全要素能源利用效率的评价方法， 其特征在于， 以三阶段数据 包络分析法构建全要素能效评价模型包括以下步骤： 使用考虑非期望产出的SBM模型对决策单元进行分析， 得到各决策单元的效率值与投 入松弛量； 以投入松弛量 为被解释变量， 以外 部环境因素为 解释变量建立SFA模型； 以SFA模型的回归结果为基础， 对第一阶段的投入进行环境因素以及随机误差方面调 整， 使调整后的决策 单元面临相同的外 部环境以及相同的运气成分； 使用第二阶段调整后的投入和原始产出， 通过SBM模型计算重新计算各个决策单元的 效率。 3.根据权利要求2所述的全要素能源利用效率的评价方法， 其特 征在于， SBM模型的构建具体步骤为： 建立SBM模型的优化方程： 其中， 向量s‑∈Rm和 分别表示投入和非期望产出 的冗余， 即松弛变量， 表示期望产 出的短缺， 即剩余变量； m、 s1、 s2分别表示投入、 期望产 出、 非期望产 出的变量个 数； 表示第k个决策单元投入、 期望产出、 非期望产出向量值， (X,Yg,Yb)表示所 有决策单元投入、 期望产出、 非期望产出向量值； n表示决策单元的个数， λ∈Rn表示决策单 元的权重； 将优化方程 转化为等价的线性方程： 权　利　要　求　书 1/3 页 2 CN 115471086 A 2找到线性方程与优化方程的解之间的数 学关系： 假设式分式方程和线性方程优化问题的解分别是( λ*,s‑*,sg*,sb*)、 (Λ*,t*,S‑*,Sg*, Sb*)， 两个解之间有这样的关系： λ*＝Λ*/t*,s‑*＝S‑*/t*, 带入投入变量和产出变量， 求 解线性方程得到各决策 单元的效率 值与投入松弛量。 4.根据权利要求3所述的全要素能源利用效率的评价方法， 其特征在于， SFA模型的构 建具体步骤为： 把松弛变量分解成含有环境因素、 随机因素和管理无效率三个自变量的函数， 其表达 式如下： Snk＝fn(Zk； βn)+Vnk+Unk n＝1,2,…,N； k＝n＝1,2,…,K 其中， Snk为第k个决策单元在第n个投入上的松弛变量， 即理想投入与实际投入的差值； fn(Zk； βn)用来表示环境因素对Snk的影响； Zk即为观测到的环境变量； βn为环境变量对应的 参数向量； Vnk+Unk称为联合误差项ε， 其中Vnk反映了随机误差， 呈正态分布， 即 Unk反映了管理的无效率， 呈截断正态分布， 即 Vnk与Unk 独立不相关； γ为 技术无效率方差占总方差的比重 。 5.根据权利要求4所述的全要素能源利用效率的评价方法， 其特征在于， 以SFA模型计 算结果为基础， 对第一阶段的投入进行环境因素以及随机误差方面调整， 使调整后的决策 单元面临相同的外 部环境以及相同的运气成分具体包括以下步骤： 根据SFA模型的回归结果， 进一步对决策单元的投入项进行调整， 通过最大似然估计， 计算出βn、 σ2和γ参数的估计值； 分离出管理无效率项和随机 干扰项，权　利　要　求　书 2/3 页 3 CN 115471086 A 3