城市生活直接能耗分类评估
宋国君 国潇丹
摘要 本文提出一个新的评估城市生活能耗管理水平的方法，使用影响城市生活能耗的客观因素对城市进行分类，并为不同类型城市设计能耗标杆体系，以解决城市间能效可比性及能效目标针对性问题。地区自然条件、经济发展情况、城市化程度、科技水平均为影响城市人均生活能耗的客观因素。本文运用单因素多阶段及AdaBoost分类两种方法将全国城市分为：采暖-高产值、采暖-低产值、非采暖-高产值、非采暖-低产值四类。全国地级以上城市生活能效评估结果表明：两类高产值地区的人均生活能耗水平显著高于两类低产值地区，而采暖地区人均生活能耗由于快速增加的住宅供热能耗而逐年攀升。2006—2015年全国地级以上城市人均生活能耗均值年均增幅为7.08%。在四类城市中，采暖-高产值地区由于更高的经济发展水平及供热需求，生活能耗水平稳居各类城市首位，超过全国平均水平约110%；非采暖-高产值地区增速平缓，且自2014年起出现下降趋势；采暖-低产值地区目前生活能耗总量较低，但巨大的供热能耗需求导致其年均能耗上升速度高达10.19%；非采暖-低产值地区能耗持续处于最低位置，仅为全国平均水平的约30%。在生活能源消费结构方面，不断增长的住宅供热面积导致集中供热能耗占生活能耗总量的比例于2015年上升至44.90%，已成为限制生活能耗管理水平提高的首要因素。
关键词 城市能效管理；人均生活能耗；AdaBoost分类法；标杆管理
中图分类号 F206文献标识码 A 文章编号 1002-2104（2018）06-0001-10DOI：10.12062/cpre.20180111
近年来，居民生活能耗水平快速增加，已成为能源消耗的主要增长点[1]。评估生活能源消费对提高居民节能减排意识、促进居民生活能耗方式转变、提高生活能源使用效率具有十分重要的意义。居民生活能耗可分为照明、炊事等引起的直接能耗和由于居民购买产品和服务所诱发的间接能耗[2]。本文所研究的为直接能耗。受经济发展水平、地理区位等客观因素的影响，中国城市人均生活能耗水平差异显著[3]。高经济发展水平地区的人均生活能耗水平显著高于低经济发展水平地区[4]。然而我国在进行能效评估及管理时，并未考虑气候、经济等因素的影响，使用统一的标准评判不同客观条件城市的能效管理水平，完全忽略了经济发达城市对更高能耗的硬性需求，为城市设定或难以达到或过于宽松的能耗目标。在进行管理手段设计时，对不同收入水平的城市均给出加大节能宣传力度、优化城镇居民生活用能结构、加快节能产品开发等粗糙的生活能效管理手段，未對不同地理区位及经济特征的城市制定不同的节能减排措施，给出可操作性强的家庭消费模式转变引导建议。
国内外对生活能耗的研究主要集中在生活能耗的影响因素分析方面，根据能耗与影响因素间的数量关系提出调整能源价格、提高城市城镇化水平等提高能效的建议[1-3，5]。然而站在管理学角度，经济、人口、环境等客观原因确实会对城市人均生活能耗产生显著影响，但属于城市能效管理活动中的不可控或弱可控的因素，无法进行逆向管理。应将可控与不可控因素区分开，在人均生活能效评估之初按照客观影响因素对城市进行分类，剔除管理不可控因素对城市生活能耗的影响，以保证同类城市内部的可比性。在研究对象范围方面，现有的能源效率研究多集中在国家整体、大区域、省级行政区层次，针对城市层次的能效研究较少[6-7]。然而城市之间客观条件差异显著，即使是相同区域类型的城市之间，在经济发展及城镇化水平方面也存在很大不同。因此，全国及省际尺度的能效分析，无法满足进行城市生活能效管理的需求。宋国君等曾使用地理区位、经济发展水平等对全国地级以上城市进行分类，并为各类城市制定人均生活能耗标杆，为城市能效管理提出全新的思路[2，8-10]。
随着时间的推移，各城市的客观条件及其与生活能耗水平间的相关关系均出现明显变化。而且城市人均生活能耗水平之间的差距也随着全国经济的快速发展及城镇化工作的推进而越拉越大。因此，需要对城市生活能耗的分类依据进行及时更新，以保证城市分类结果的合理性；并判断生活能耗水平变动原因及趋势，为制定针对性、可操作性强的城市生活能耗管理手段提供有力建议。本文在识别城市人均生活能耗客观影响因素的基础上，对2006—2015年全国地级以上城市进行分类，在同类型城市中剔除造成人均生活能耗差异的管理不可控因素，分类后同类型城市间客观条件类似可直接进行比较，横向对比结果能够更加贴近生活能效管理主观差异。本文设计出能耗标杆体系，使得城市可通过同类型对标比较，判断能耗水平先进程度，确定切实可行的能效管理方向。本文将对最佳的城市人均生活能耗分类方法进行研究，给出考虑因素全面、类型数量适宜、正确且稳定的分类结果，对全面了解中国城市人均生活能耗的现状、制定有差异的城市生活能耗控制手段具有重要意义。
1 影响城市生活能耗的客观因素分析
1.1 影响因素识别
目前已有多位学者证明了人均生活能耗受到自然条件、城市化程度、交通状况、经济发展水平、收入水平、科技水平、节能意识等多种因素的影响，具体包括：
（1）自然条件：城市平均温度等自然条件的差异会通过改变居民取暖降温方式的途径影响人均生活能耗[11-12]。
（2）城市化程度：城市化进程的推进会提高城市人口密度，一方面会提高住宅能效[13]，另一方面会造成热岛效应，增加室内降温能耗[14]，也会造成交通拥堵，导致交通燃油消耗增加[15]。城镇人口数量比例的上升也会引起居民生活能耗的大幅提高[16]。
（3）交通情况：人均城市交通道路设施越多，交通能耗水平越低，公共交通设施相对于私人交通设施而言能源效率较高[17]。
（4）经济发展：随着经济不断发展，居民家庭能耗由炊事消耗逐渐转变为休闲娱乐消耗[18]。居民居住条件的改善将大幅提升居民采暖和制冷用能[19]。
（5）收入水平：收入水平代表了居民生活水平，高收入人群会更多的选择私家车出行并拥有更多的家用电器，使得居民用电量快速增长[20]。
（6）科技水平：高能效标准空调及节能汽车等节能技术的应用在很大程度上抑制了生活能耗的上涨[2，21]。
（7）能源价格：能源价格的提高会促进居民减少不必要的能源消耗[22]。同时，不同能源类型之间的价格差异会促进居民使用低价格能源替代高价格能源。
（8）节能意识：节能意识的提升可促使居民减少不必要的生活能源消费，选择能效更高的家用电器、建筑设施及生活方式等[23]。
（9）节能政策：政策手段可通过外部调控和内部引导两个方面影响居民能源消费观念继而影响居民生活能耗[24]。
（10）回弹效应：指能源效率的提高降低了能源服务的有效价格，进而抵消了预期能源效率提高所导致的能源消费的减少[25]。已有学者发现在家用电器、私家车的的使用中存在回弹效应，但目前就回弹效应的产生原因、强度计算、引导政策等尚无统一结论[26]。
（11）社会网络：社会网络会影响日常交通需求，例如个体社会关系网中其他成员的电动汽车所有情况会对个体电动汽车的选择倾向产生积极影响[25，27]。
在上述影响城市人均生活能耗的因素中，前六类可全面反应城市的环境、人口、经济状况，属于短期内难以调节的客观因素，无法进行逆向管理，因此应将其视为不可控因素，在人均生活能效评估之初就按这些因素对城市进行分类，剔除客观因素对能源效率的影响。而节能意识可通过节能教育等政策手段进行调节，属于对人均生活能耗造成影响的主观因素。回弹效应及社会网络的影响强度同样可通过经济型及信息型政策手段加以调整和引导，且二者难以在城市尺度进行量化，故暂不列入本文研究范围。考虑到数据的代表性及可得性，本文对上述人均能耗的客观影响因素进行细分，最终确定：城镇居民人均可支配收入（元）、全年平均气温（℃）、采暖与否、城市建设用地占市区面积比重（%）、人口密度（万人/km2）、第二产业占比（%）、地区生产总值（万元）、科学技术支出（万元）、每万人拥有公共汽车（辆）、采矿从业人员比例（%）、人均地区生产总值（元）、人均城市道路面积（m2）、城镇人口比例（%）十三项城市人均生活能耗（kgce/人）潜在客观影响因素[28-29]。
以影响人均生活能耗的客观因素作为分类指标对城市进行研究，便于对同类型城市的人均能耗水平进行横向比较，可以更加公平地反映城市能耗总量控制水平。
1.2 生活能耗核算
居民生活能耗从用途的角度包括采暖、降温、炊事、照明、交通等用能，从能源种类角度包括煤炭、电力、液化石油气、人工煤气等类型消耗[2]，其中用于家用电器及炊事的城市电力、人工煤气、天然气及液化石油气供应属于市政公用事业，这类能源的地级以上城市居民使用量易于统计，可从《中国城市统计年鉴》中获得，但居民生活中使用的汽油、柴油、煤炭及煤油数据难以直接获得城市尺度数据。因此，受数据可得性的限制，本文所使用的城市生活能耗数据由城市家庭用电量、城市家庭煤气（人工、天然气）供气总量及城市家庭液化石油气总量与相应的标煤折算系数相乘后加总得到。《中国能源统计年鉴》中分行业能源消费总量统计数据给出了全国居民生活能耗中煤炭、焦炭、汽油、煤油、柴油、天然气、电力消耗量的占比。可使用此比例粗略估计地级以上城市的生活能耗总量，为保证数据准确性本文不进行此项估算。
北方集中供暖地区供暖需要消耗大量能源，占据生活能耗总量的很大比重，但这部分能耗量并未进行单独统计。若不将集中供暖用能计入居民家庭生活能耗中，将导致生活能耗水平的严重低估。本文使用《中国城市建设统计年鉴》中的城市住宅供热面积统计数据与各省集中供热单位面积耗煤量的统计及计算值估算城市集中供暖能耗量[30]。忽略各省内部城市之间在平均气温、供暖时长、供暖效率方面的差异，假设同一省份内城市集中供热单位面积耗煤量相等，使用城市住宅供热面积与集中供热单位面积耗煤量的乘积估算供暖地区城市的住宅供热能耗。
本文使用住宅集中供热能耗对采暖地区的生活能耗水平进行调整。调整后的采暖地区城市生活能耗由城市家庭用电量标煤折算量、城市家庭煤气（人工、天然气）用量标煤折算量、城市家庭液化石油气用量标煤折算量与住宅供热标煤能耗四部分共同组成。
1.3 相关性分析
以2013年全国287座地级以上城市实际数据为研究对象，通过相关性分析方法判断人均生活能耗与上述十三项影响因素之间是否具有显著的相关关系。相关性系数如表1所示。
由相关性系数表可知，调整后的人均生活能耗与平均气温、采暖与否、城镇人口比例、万人拥有公共汽车数量、人均城市道路面积、人均可支配收入、地区生产总值、人均地区生产总值、科学技术支出具有高度相关关系，与采矿从业人员比例具有一定的相关关系，与城市建设用地面积占比、人口密度、二产占比之间并不具有显著的相关关系。由此可知城市人均生活能耗水平主要受到经济发展情况、城镇化程度及自然条件的影响。部分显著影响人均生活能耗水平的因素之间同样存在着相关关系，例如人均产值与人均可支配收入高度正相关。
2 基于客观因素的生活能耗城市分類
2.1 分类方法研究
在明确了人均生活能耗的显著影响因素后，本文首先使用上述单一因素对城市进行逐级划分，作为城市单因素多阶段分类结果。此种方法的分类过程及原则为：
（1）按照相关性系数由高到低的次序逐步使用单一客观影响因素进行多阶段城市分类，在选择后续分类因素时不选择与已使用的分类因素高度相关的客观因素，以免造成类型间能耗均值差异不显著，及城市数量分布不均；
（2）在每一步分类过程中均以方差分析结果作为判断分类结果是否合理的依据，若组间差异显著则可进一步分类，若不显著则更换分类指标或停止分类，直至完成对全部因素的判别；
（3）以未参与城市分类但高度相关的因素为指标，进行城市间方差分析，若全部分析结果显著，则认为分类依据全面；
（4）进一步使用AdaBoost方法对城市进行划分，将分类结果与单因素多阶段分类结果进行对比，当分类结果一致率超过95%认为分类结果可靠；
（5）最终通过方差分析及LSD对比分析证明城市分类结果的合理性。
上述城市分类方法可使得组内城市客观条件类似，人均生活能耗具有直接可比性，而组间城市经济社会状况及人均生活能耗差异显著。
2.2 单因素多阶段分类分析
在对城市人均生活能耗产生显著影响的客观因素中，采暖与否本身即为分类变量，用其进行城市分类可避免使用连续变量依照等样本量原则进行分类带来的不确定性，因此将其定为首要分类依据。2015年全国地级以上城市方差分析结果表明：组间差异F检验的sig值为0.000，在99%的置信度下，采暖地区与非采暖地区的人均能耗均值存在显著差异，分类方式合理。
人均地区生产总值与人均生活能耗之间相关性系数最高。以此标准依照等样本量法则（分界点为36 650元）分别对采暖及非采暖城市进行第二阶段划分。方差分析结果显示：在采暖及采暖地区，99%的置信区间下，高人均产值与低人均产值城市间能耗均值差异显著，适合使用人均产值进一步分类。
在剩余的影响因素中，平均气温、采矿从业人员比例与采暖情况存在高度相关关系，城镇人口比例、每万人拥有公共汽车数量、地区生产总值、人均可支配收入、科学技术支出、人均城市道路面积与人均地区生产总值存在高度正相关关系。若使用上述因素进行第三阶段的城市分类，会造成类型间能耗均值差异不显著及城市数量分布不均。经过尝试后发现，使用上述任何一项因素对城市类型进行第三阶段的划分，均不能满足组间人均生活能耗均值差异显著的要求，因此不适合进行进一步分类。至此，对城市人均生活能耗造成显著影响的客观因素中已无与已确定的两项分类因素——采暖与否及人均地区生产总值完全独立的因素。最终将全部城市划分为：采暖高-人均产值、采暖-低人均产值、非采暖-高人均产值、非采暖-低人均产值四类地区。
为进一步证明分类方式的合理性及客观因素考虑的全面性，对剩余的具有显著相关关系但未作为城市分类依据的因素进行城市类型间均值对比。由如表2所示的方差分析结果可知：在采暖及非采暖地区，高人均产值城市的生产总值、可支配收入、城镇化比例、道路出行条件、科技支出均显著高于低产值地区，说明不同城市类型具有鲜明的经济发展、城镇化水平、交通条件特性。
2.3 AdaBoost分类分析
我国地级以上城市数量较大，且与人均生活能耗相关的客观因素数量较多，导致城市样本点间分类边界较为模糊。上述单因素多阶段分类方法具有可操作性、解释性强的突出优点，但对于高度重叠的样本点易造成错分。考虑到AdaBoost分类法在处理样本点距离较近问题时的突出优势，本文使用该方法以全部客观影响因素作为机器学习对象，对城市类别进行划分。综合运用上述两种分类方式可同时保证分类结果的可解释性及准确性。
由R程序给出的变量重要性图可知：人均地区生产总值对城市类型的决定性最强，其次为采暖与否，二产占比及采矿从业人员比例等其他变量的重要性很小。这与单因素多阶段分类法中使用采暖与否及人均地区生产总值进行分类的方式完全一致。两种方法得到的城市分类结果相互验证一致率为100%，可认为城市分类结果可靠。
2.4 分类结果方差分析
总体方差分析结果显示，F检验sig值为0.000，说明在99%的置信区间下，上述城市分类结果满足不同城市类型之间人均能耗均值整体差异显著的要求。LSD对比结果显示，在95%的置信区间下，除采暖-低产值与非采暖-高产值地区外，全部城市类型两两之间的组间差异显著，整体分类效果良好。采暖-低产值地区的城市样本较为离散，与非采暖-高产值地区城市之间存在一定重叠，导致sig值为0.199，组间差异并不显著，但这验证了使用Adaboost分类法进行城市类型划分的合理性和必要性。
3 人均生活能耗分类别分析
3.1 时间序列分析
使用上述城市分类方法，以2006—2015年全国地级以上城市为研究对象进行实证分析，得到如图1所示的城市人均生活能耗均值时间序列对比情况。
全国各类城市人均能耗均值时间序列表明：
（1）全国人均生活能耗均值逐年上升，年均上升幅度为7.08%。2006年全国人均生活能耗均值为66.218 kgce/人，2015年达到121.794 kgce/人。
（2）两类高产值地区的人均生活能耗著高于两类低产值地区，而采暖地区人均生活能耗则由于逐年上升的集中供热煤耗而快速上升，非采暖地区人均生活能耗相比之下较为平缓。
（3）“采暖-高产值”地区的城市经济发展、居民生活、城镇化水平高，使用家用电器及交通工具的频率高，所消耗的生活能源更高，居民的生活能源消耗由基本生活需求更多转向文化娱乐等高端消费方式。虽然采暖地区的集中供热单位面积煤耗率持续下降，但由于城市住宅供热面积逐年快速增加，城市集中供热耗煤量随之快速增加。以北京市为例，2006—2015年间城市单位面积供热煤耗年均下降幅度为2.34%，但住宅供热面积由2006年的23 157.7万m2快速上升至2015年的39 031万m2，年均上升幅度为6.85%，导致城市住宅供熱能耗由2006年的273 801.2万kgce上升到2015年的372 485.8万kgce。北京市自2017年起供暖城区热原全部使用天然气，天然气供热占比超过97%。按照上述住宅供热能耗年增速计算，北京市2017年居民供暖需消耗天然气约31亿m3，而北京市天然气日应急储备能力仅为450万m3，相当于采暖期居民供暖天然气日平均用量的20%，若缺乏完善的天然气供应及应急储备机制，“气荒”现象难以避免。2006—2015年间，“采暖-高产值”地区的人均生活能耗均值年均增长率为7.63%，上升趋势明显。2015年“采暖-高产值”地区人均生活能耗均值达到266.069 kgce/人，高出全国平均水平118.46%。
（4）“非采暖-高产值”地区的人均生活能耗均值水平基本与全国平均水平一致。2006—2015年间，“非采暖-高产值”区的人均生活能耗均值年均增长率为5.01%，上升速度为四类城市中的最低水平。自2014年开始，随着电能使用效率的提高，该类城市的能耗水平开始出现下降趋势，2015年人均生活能耗均值为111.883 kgce/人，比全国平均水平低8.26%。
（5）“采暖-低产值”地区人均生活能耗年均上升速度达到10.19%，显著高于其他三类地区。该类型城市多为低人口密度的北方城市，这类城市集中供暖管网长度较长且设施相对落后，供热管网损失更高。以鸡西市为例，2006—2015年间城市单位面积供热煤耗年均上升幅度为0.24%。住宅供热面积由2006年的383万m2快速上升至2015年的1 330万m2，年均上升幅度为24.73%。导致城市供热能耗由2006年的9 257.4万kgce快速上升到2015年的32 833.3万kgce。2006年“采暖-低产值”类型城市的人均生活能耗均值仅为全国平均水平的64.95%。经过多年能耗水平的稳步上升，2015年该类城市人均生活能耗水平达到102.569 kgce/人，上升至全国平均水平的84.29%。
（6）“非采暖-低产值”地区的人均生活能耗均值持续处于四类城市中的最低水平，且上升趋势平缓。该类城市由于受到经济发展水平等因素的限制，家用电器的使用频率较低，且无过多的采暖需求。2006—2015年间，“非采暖-低产值”地区人均生活能耗均值年均增长率为8.68%。2015年能耗均值为35.484 kgce/人，仅为全国平均水平的29.13%。
3.2 标杆体系确立
本文进一步为各类城市构建人均生活能耗标杆体系，通过与相应类型标杆进行对标分析，即可判断城市生活能效水平的先进程度，明确管理可操作的能效改进方向。
建立标杆体系的前提条件是变量需服从正态分布。假定人均生活能耗ei（i=1，2，…，4）服从对数正态分布ln（ei）～N（μi，σ2i）。运用单样本的Kolmogorov-Smirnov（K-S）检验方法来检验总体分布。假设F0（X）为正态分布，则K-S检验统计量为：
式中S（x）为样本的累积经验分布函数，通过Z统计量可判断假设检验的结果。0.05显著性水平下，当P值≤0.05（双尾P值≤0.1）时，统计检验拒绝服从正态分布的零假设，反之样本总体分布可以认为是正态分布。
由K-S检验结果可知，在0.05的显著性水平下，2006—2015年全部城市的人均生活能耗在部分年份不服从对数正态分布，而将城市分为四类后，各类城市的渐进显著性显著提升，全部城市类型的人均生活能耗服从对数正态分布。
在确定人均生活能耗变量满足正态分布后，即可利用总体均值及方差构建标杆体系。人均生活能耗先进上临界水平满足等式（2），落后下临界水平满足等式（3）。
人均生活能耗的对数落在以均值为中心宽度为一个方差的区间内时，城市生活能效水平被判定为正常；高于该区间时判定为落后；低于该区间时判定为先进。各类城市人均生活能耗标杆体系如表3所示。
由上表可以看出：各類地区的人均生活能耗上下临界值整体上均呈上升状态，采暖地区上下临界值之间的跨度明显高于非采暖地区。使用上述标杆体系可在四类城市中继续按照人均生活能耗水平高低分为先进、普通、落后三类。以2015年为例进行城市类型划分，分类结果如表4所示。受篇幅限制表中只列出各类型中能耗水平最高及最低的五个城市，按照人均生活能耗水平由高到低排序。
4 生活能耗结构分析
有学者预测到2020年左右，我国的生活能耗总量将会达到社会总耗能的1/3以上，而供热采暖耗能约占生活总耗能量的65%[31]。分析城市生活能耗结构，可识别出能耗水平上升的主要原因，明确能效管理方向。本文将城市生活能耗总量组成成分进行分解，绘制出如图2所示的全国生活能耗结构图。
住宅供热用能由2006年的264.038亿kgce，上升至2015年的638.192亿kgce。集中供暖耗煤总量的增加是造成生活能耗水平持续攀升的重要原因。采暖用能占全国生活能耗的比例由2006年的30.65%上升至2015年的44.90%。
我国生活能耗存在显著的南北差异。非采暖地区生活用电标煤折算量由2006年的197.026亿kgce，上升至2015年的255.363亿kgce。虽然非采暖地区生活用电标煤折算量的绝对值明显上升，但占全国生活能耗总量的比重由22.87%下降至17.97%，说明提高电力消费比例有助于降低整体生活能耗，占非采暖区生活能耗量的比重则由53.62%逐步上升至57.02%。单位地区生产总值生活电耗标煤折算值由2006年的149.44 kgce/万元，下降至2015年的60.15 kgce/万元。而采暖地区的生活用电标煤折算量占比保持在13%左右。
随着家庭用瓶装液化石油气逐步被管道天然气替代，其使用量标煤折算值逐年降低。2015年采暖地区折算量占比仅为1.45%，非采暖地区为4.40%。家庭煤气标煤折算量在2006—2015年间保持快速增长，在采暖地区折算量由77.442亿kgce上升至2015年的131.120亿kgce，使用量占比由8.99%上升至9.22%。
对于本文由于数据不足而未纳入地级以上城市生活能耗中的汽油、煤油、柴油、焦炭部分，其所占比重可由《中国能源统计年鉴中》给出的全国生活能源消费结构数据近似替代。经统计得到：2006年生活能耗中焦炭、汽油、煤油、柴油四类能源的占比分别为0.67%、6.90%、0.25%、5.21%，2015年比例相应调整为0.14%、17.51%、0.20%、6.63%。其中，居民生活汽油消费量随着私人交通工具的普遍使用而逐年攀升，由2005年77.076亿kgce上升至2015年381.550亿kgce，年均增幅达到17.45%。对比私家车保有量情况，单位私家车年均汽油消耗量由2005年的417.062 kgce/辆下降到2016年的262.046 kgce/辆，说明私家车燃油效率明显提升。
5 结论及建议
本文加入集中供暖地区住宅供热能耗对生活能耗水平进行了调整，并使用影响人均生活能耗的客观因素将全国地级以上城市划分为“采暖-高产值”、“采暖-低产值”、“非采暖-高产值”、“非采暖-低产值”四类，可保证同类城市之间具有可比性，避免对客观条件不同的城市进行直接比较。研究结果显示：2006—2015年全国地级以上城市人均生活能耗均值年均增幅为7.08%。其中，两类高产值地区的人均生活能耗水平高于低产值地区，而两类采暖地区由于快速增加的住宅供热能耗而拥有更高的增长幅度。“采暖-高产值”地区由于更高的经济发展水平及供热需求，其生活能耗水平稳居各类城市首位。采暖地区住宅集中供热能耗占生活能耗的比例由2006年的30.65%快速上升至2015年的44.90%。在非采暖地区，生活用电标煤折算量占非采暖区生活能耗量的比重超过50%，用量绝对值逐年上升，但生活用电效率逐渐提升。
针对上述研究结果，本文认为在进行城市生活能效管理时应：①正视城市生活能耗快速增长对城市能源供应带来的巨大挑战，建设完善的冬季煤炭、天然气等能源储备和应急体系，保障采暖地区冬季集中供暖对多种类型能源的需求。②在“国家生态文明建设示范县、市”等城市资源节约评价指标中，不应为不同客观条件的城市划定统一的指标值，导致高产值北方城市由于环境、经济发展需求等难以逆向管理的因素，难以达到能耗目标；而低产值城市由于发展及城镇化水平低，能耗目标过于宽松，无法对能源消耗起到应有的限制作用。③在评估城市生活能效水平时，应在确定城市分类后，根据统计分布原理，在人均生活能效标杆体系中判断城市处于先进或落后地位。通过与先进型城市进行横向对比的方式，识别出在能源供给及消费方式等主观因素方面降低城市人均生活能耗的方法。④遏制集中供暖地区生活能耗快速攀升的主要方式是降低采暖能耗。应通过热电联产、建筑节能等方式提高热效率，推进欠发达地区的老旧热网改造工程，合理布设管网，减少公共部分长度和热量损失。⑤在高产值地区推广电能替代从而提高能源使用效率和经济性。我国尤其是北方地区，在分散式电采暖、电锅炉采暖等煤改电技术方面发展潜力巨大。各级政府可通过财税补贴政策推进电能替代，在提高生活能效的同时获得调整能源结构、提高空气质量的效用。⑥加大政府对节能技术创新的财政支持和引导作用，培养节能创新人才，通过推广建筑节能、家电节能、汽车节油技术应用的方式，为城市人均生活能耗的降低提供保障。
参考文献（References）
[1]王妍， 石敏俊. 中国城镇居民生活消费诱发的完全能源消耗[J]. 资源科学， 2009， 31（12）： 2093-2100. [WANG Yan， SHI Minjun. Total energy consumption induced by urban residents living consumption in China[J]. Resources science， 2009， 31（12）： 2093-2100.]
[2]冯玲， 吝涛， 赵千钧. 城镇居民生活能耗与碳排放动态特征分析[J]. 中国人口·资源与环境， 2011， 21（5）： 93-100. [FENG Ling， LIN Tao， ZHAO Qianjun. Analysis on dynamic characteristics of urban residents energy consumption and carbon emissions[J]. Chinas population， resources and environment， 2011， 21（5）： 93-100.]
[3]王子敏， 楊小军. 居民生活能耗增长的分解与影响因素研究-基于习惯形成视角[J]. 北京理工大学学报（社会科学版）， 2013， 15（5）： 36-42. [WANG Zimin， YANG Xiaojun. Study on the decomposition and influencing factors of energy consumption growth of residents： based on the perspective of habit formation[J]. Journal of Beijing Institute of Technology （social sciences edition）， 2013， 15（5）： 36-42.]
[4]宋国君. 中国城市能源效率评估研究[M]. 北京：化学工业出版社， 2013： 1-4. [SONG Guojun. Research on urban energy efficiency of China [M]. Beijing： Chemical Industry Press， 2013： 1-4.]
[5]李治， 李国平. 城市能源效率分布特征影响因素研究——基于空间计量模型[J]. 城市发展研究， 2010（6）： 22-26. [LI Zhi， LI Guoping. Research on the influence factors of urban energy efficiency distribution characteristics：based on the spatial econometric model [J]. Urban development research， 2010 （6）： 22-26.]
[6]方国斌， 马慧敏， 宋国君. 基于气候区划的城市能源效率分类研究[J]. 统计与决策， 2016（18）： 125-130. [FANG Guobin， MA Huimin， SONG Guojun. Classification of urban energy efficiency based on climate zoning [J]. Statistics and decision making， 2016 （18）： 125-130.]
[7]赵先超， 宋丽美， 朱翔. 湖南省城乡居民生活能耗测算及节能思路研究[J]. 科技与经济， 2016， 29（1）： 77-81. [ZHAO Xianchao， SONG Limei， ZHU Xiang. Study on energy consumption and energy saving of urban and rural residents in Hunan Province[J]. Science and technology and economy， 2016， 29 （1）： 77-81.]
[8]宋国君， 马本. 基于能效标杆的城市节能管理新思路[J]. 环境经济， 2011（8）： 22-30. [SONG Guojun， MA Ben. New idea of urban energy saving management based on energy efficiency benchmarking[J]. Environment economy， 2011（8）： 22-30.]
[9]宋国君， 傅毅明， 马本， 等. 中国地区能源利用效率评估指数体系设计及实证探讨[J]. 环境污染与防治， 2010（10）： 91-96. [SONG Guojun， FU Yiming， MA Ben. Design and demonstration of energy efficiency evaluation index system in China[J]. Environmental pollution and prevention and control， 2010（10）： 91-96.]
[10]傅毅明， 宋国君， 陈德良， 等. 中国地区能效分布函数与标杆研究[J]. 中国地质大学学报（社会科学版）， 2010， 10（5）： 17-21. [FU Yiming， SONG Guojun， CHEN Deliang， et al. Research on energy efficiency distribution function and benchmarking in China[J]. Journal of China University of Geosciences （social sciences edition）， 2010， 10（5）： 17-21.]
[11]罗光华，牛叔文. 气候变化、收入增长和能源消耗之间的关联分析——基于面板数据的省际居民生活能源消耗实证研究[J]. 干旱区资源与环境，2012，26（2）：20-24. [LUO Guanghua， NIU Shuwen. Correlation analysis between climate change， income growth and energy consumption： an empirical study on inter provincial residents life energy consumption based on panel data[J]. Resources and environment in arid area， 2012，26（2）： 20-24.]
[12]孫欣. 省际节能减排效率变动及收敛性研究——基于指数[J]. 统计与信息论坛， 2010， 25（6）： 101-107. [SUN Xin. Research on the efficiency and convergence of inter provincial energy saving and emission reduction： based on the index [J]. Statistics and information forum， 2010， 25（6）： 101-107.]
[13]姚永玲. 北京城市发展中的能耗影响因素分析[J]. 中国人口·资源与环境， 2011（7）： 40-45. [YAO Yongling. Analysis of the influence factors of energy consumption in Beijings urban development [J]. China population，resources and environment， 2011（7）： 40-45.]
[14]谢旭轩， 张世秋， 易如， 等. 北京市交通拥堵的社会成本分析[J]. 中国人口·资源与环境， 2011（1）： 28-32. [XIE Xuxuan， ZHANG Shiqiu， YI Ru. The social cost analysis of traffic congestion in Beijing [J]. China population， resources and environment， 2011（1）： 28-32.]
[15]张弛， 束炯， 陈姗姗. 城市人为热排放分类研究及其对气温的影响[J]. 长江流域资源与环境， 2011（2）： 232-238. [ZHANG Chi， SHU Jiong， CHEN Shanshan. Classification of urban anthropogenic heat emission and its impact on temperature [J]. Resources and environment in the Yangtze River Basin， 2011（2）： 232-238.]
[16]李怡涵，牛叔文，沈义，等. 中国人口发展对家庭生活基本能耗及碳排放的影响分析[J]. 资源科学，2014，36（5）： 988-997. [LI Yihan， NIU Shuwen， SHEN Yi， et al. The impact of population development on the basic energy consumption and carbon emissions of family life in China [J]. Resources science， 2014，36（5）： 988-997.]
[17]陈婧. 上海高能耗群体的生活方式研究[D]. 上海：复旦大学， 2012： 23-25. [CHEN Jing. A study on the lifestyle of high energy consumption groups in Shanghai [D]. Shanghai： Fudan University， 2012： 23-25.]
[18]STREIMIKIENE D， KASPEROWICZ R. Review of economic growth and energy consumption： a panel cointegration analysis for EU countries[J]. Renewable and sustainable energy reviews， 2016， 59： 1545-1549.
[19]陆歆弘. 我国城市人居环境改善与能耗关系研究[J]. 中国人口·资源与环境， 2010（4）： 23-28. [LU Xinhong. Research on the relationship between urban human living environment improvement and energy consumption in China [J]. China population， resources and environment， 2010（4）： 23-28.]
[20]刘满芝，刘贤贤. 基于STIRPAT模型的中国城镇生活能源消费影响因素研究[J]. 长江流域资源与环境， 2017， 26（8）： 1111-1122. [LIU Manzhi， LIU Xianxian. Research on the influence factors of urban energy consumption in Chinas towns based on STIRPAT model[J]. Resources and environment in the Yangtze River Basin， 2017， 26（8）： 1111-1122.]
[21]傅春， 巫锡金. 中部地区能源效率影响因素的分析模型与案例研究[J]. 长江流域资源与环境， 2010， 19（10）： 1107-1110. [FU Chun， WU Xijin. Analysis model and case study of the factors affecting energy efficiency in the central region [J]. Resources and environment in the Yangtze River Basin， 2010， 19（10）： 1107-1110.]
[22]刘满芝， 刘贤贤. 中国城镇居民生活能源消费影响因素及其效应分析——基于八区域的静态面板数据模型[J]. 资源科学， 2016， 38（12）： 2295-2306. [LIU Manzhi， LIU Xianxian. The influencing factors and effects of urban household energy consumption in China：based on the eight area static panel data model[J]. Resources science， 2016， 38（12）： 2295-2306.]
[23]杨冰，王继龙，左晓利，等. 北京市居民节能意识调查及潜力分析[J]. 中外能源，2017，22（10）：92-97. [YANG Bing， WANG Jilong， ZUO Xiaoli， et al. Investigation and potential analysis of energy saving consciousness of Beijing residents [J]. Chinese and foreign energy， 2017，22（10）： 92-97.]
[24]劉满芝，刘贤贤，陈梦. 中国城镇生活能源消费：影响因素分解及空间差异分析[J]. 首都经济贸易大学学报，2017，19（5）：13-20. [LIU Manzhi， LIU Xianxian， CHEN Meng. Urban living energy consumption in China： analysis of influencing factors and spatial difference analysis [J]. Journal of Capital University of Economics and Business， 2017，19（5）： 13-20.]
[25]崔一澜，刘毅，诸葛承祥. 城市居民生活能源消费研究进展综述[J]. 中国人口·资源与环境，2016，26（12）：117-124. [CUI Yilan， LIU Yi， ZHUGE Chengxiang. A review of the research progress on energy consumption of urban residents [J]. China population， resources and environment， 2016，26（12）： 117-124.]
[26]YU B， ZHANG J， FUJIWARA A. Evaluating the direct and indirect rebound effects in household energy consumption behavior：a case study of Beijing[J]. Energy policy， 2013， 57： 441-453.
[27]SIRIWARDENA S， HUNT G， TEISL M F， et al. Effective environmental marketing of green cars： a nestedlogit approach[J]. Transportation research part D transport environment， 2012， 17（3）： 237-242.
[28]GUO W， ZHAO T Y， DAI H J. Calculation and decomposition of regional household energy consumption in China： based on perspectives of urbanization and residents consumption [J]. Chinese journal of population， resources and environment， 2017，15（2）：132-141.
[29]DU D， LEI H Y. Energy intercity and its determinants in China： an empirical study based on ARDLVECM approach [J]. Chinese journal of population， resources and environment，2017，15（3）：226-238.
[30]李银玲. 中国城市集中供热能耗分析及节能减排控制策略研究[D]. 北京：华北电力大学， 2016： 20-22. [LI Yinling. Energy consumption analysis and control strategy of energy saving and emission reduction in urban central heating in China [D]. Beijing： North China Electric Power University， 2016： 20-22.]
[31]王悅， 赵鹏军. 我国居民住宅建筑生活能耗差异性调查研究[J]. 北京大学学报（自然科学版），2018（1）：1-3，6-8. [WANG Yue， ZHAO Pengjun. Investigation and study on energy consumption difference of residential buildings in China [J]. Acta scientiarum naturalium universitatis pekinesis， 2018（1）： 1-3，6-8.]
摘要 本文提出一个新的评估城市生活能耗管理水平的方法，使用影响城市生活能耗的客观因素对城市进行分类，并为不同类型城市设计能耗标杆体系，以解决城市间能效可比性及能效目标针对性问题。地区自然条件、经济发展情况、城市化程度、科技水平均为影响城市人均生活能耗的客观因素。本文运用单因素多阶段及AdaBoost分类两种方法将全国城市分为：采暖-高产值、采暖-低产值、非采暖-高产值、非采暖-低产值四类。全国地级以上城市生活能效评估结果表明：两类高产值地区的人均生活能耗水平显著高于两类低产值地区，而采暖地区人均生活能耗由于快速增加的住宅供热能耗而逐年攀升。2006—2015年全国地级以上城市人均生活能耗均值年均增幅为7.08%。在四类城市中，采暖-高产值地区由于更高的经济发展水平及供热需求，生活能耗水平稳居各类城市首位，超过全国平均水平约110%；非采暖-高产值地区增速平缓，且自2014年起出现下降趋势；采暖-低产值地区目前生活能耗总量较低，但巨大的供热能耗需求导致其年均能耗上升速度高达10.19%；非采暖-低产值地区能耗持续处于最低位置，仅为全国平均水平的约30%。在生活能源消费结构方面，不断增长的住宅供热面积导致集中供热能耗占生活能耗总量的比例于2015年上升至44.90%，已成为限制生活能耗管理水平提高的首要因素。
关键词 城市能效管理；人均生活能耗；AdaBoost分类法；标杆管理
中图分类号 F206文献标识码 A 文章编号 1002-2104（2018）06-0001-10DOI：10.12062/cpre.20180111
近年来，居民生活能耗水平快速增加，已成为能源消耗的主要增长点[1]。评估生活能源消费对提高居民节能减排意识、促进居民生活能耗方式转变、提高生活能源使用效率具有十分重要的意义。居民生活能耗可分为照明、炊事等引起的直接能耗和由于居民购买产品和服务所诱发的间接能耗[2]。本文所研究的为直接能耗。受经济发展水平、地理区位等客观因素的影响，中国城市人均生活能耗水平差异显著[3]。高经济发展水平地区的人均生活能耗水平显著高于低经济发展水平地区[4]。然而我国在进行能效评估及管理时，并未考虑气候、经济等因素的影响，使用统一的标准评判不同客观条件城市的能效管理水平，完全忽略了经济发达城市对更高能耗的硬性需求，为城市设定或难以达到或过于宽松的能耗目标。在进行管理手段设计时，对不同收入水平的城市均给出加大节能宣传力度、优化城镇居民生活用能结构、加快节能产品开发等粗糙的生活能效管理手段，未對不同地理区位及经济特征的城市制定不同的节能减排措施，给出可操作性强的家庭消费模式转变引导建议。
国内外对生活能耗的研究主要集中在生活能耗的影响因素分析方面，根据能耗与影响因素间的数量关系提出调整能源价格、提高城市城镇化水平等提高能效的建议[1-3，5]。然而站在管理学角度，经济、人口、环境等客观原因确实会对城市人均生活能耗产生显著影响，但属于城市能效管理活动中的不可控或弱可控的因素，无法进行逆向管理。应将可控与不可控因素区分开，在人均生活能效评估之初按照客观影响因素对城市进行分类，剔除管理不可控因素对城市生活能耗的影响，以保证同类城市内部的可比性。在研究对象范围方面，现有的能源效率研究多集中在国家整体、大区域、省级行政区层次，针对城市层次的能效研究较少[6-7]。然而城市之间客观条件差异显著，即使是相同区域类型的城市之间，在经济发展及城镇化水平方面也存在很大不同。因此，全国及省际尺度的能效分析，无法满足进行城市生活能效管理的需求。宋国君等曾使用地理区位、经济发展水平等对全国地级以上城市进行分类，并为各类城市制定人均生活能耗标杆，为城市能效管理提出全新的思路[2，8-10]。
随着时间的推移，各城市的客观条件及其与生活能耗水平间的相关关系均出现明显变化。而且城市人均生活能耗水平之间的差距也随着全国经济的快速发展及城镇化工作的推进而越拉越大。因此，需要对城市生活能耗的分类依据进行及时更新，以保证城市分类结果的合理性；并判断生活能耗水平变动原因及趋势，为制定针对性、可操作性强的城市生活能耗管理手段提供有力建议。本文在识别城市人均生活能耗客观影响因素的基础上，对2006—2015年全国地级以上城市进行分类，在同类型城市中剔除造成人均生活能耗差异的管理不可控因素，分类后同类型城市间客观条件类似可直接进行比较，横向对比结果能够更加贴近生活能效管理主观差异。本文设计出能耗标杆体系，使得城市可通过同类型对标比较，判断能耗水平先进程度，确定切实可行的能效管理方向。本文将对最佳的城市人均生活能耗分类方法进行研究，给出考虑因素全面、类型数量适宜、正确且稳定的分类结果，对全面了解中国城市人均生活能耗的现状、制定有差异的城市生活能耗控制手段具有重要意义。
1 影响城市生活能耗的客观因素分析
1.1 影响因素识别
目前已有多位学者证明了人均生活能耗受到自然条件、城市化程度、交通状况、经济发展水平、收入水平、科技水平、节能意识等多种因素的影响，具体包括：
（1）自然条件：城市平均温度等自然条件的差异会通过改变居民取暖降温方式的途径影响人均生活能耗[11-12]。
（2）城市化程度：城市化进程的推进会提高城市人口密度，一方面会提高住宅能效[13]，另一方面会造成热岛效应，增加室内降温能耗[14]，也会造成交通拥堵，导致交通燃油消耗增加[15]。城镇人口数量比例的上升也会引起居民生活能耗的大幅提高[16]。
（3）交通情况：人均城市交通道路设施越多，交通能耗水平越低，公共交通设施相对于私人交通设施而言能源效率较高[17]。
（4）经济发展：随着经济不断发展，居民家庭能耗由炊事消耗逐渐转变为休闲娱乐消耗[18]。居民居住条件的改善将大幅提升居民采暖和制冷用能[19]。
（5）收入水平：收入水平代表了居民生活水平，高收入人群会更多的选择私家车出行并拥有更多的家用电器，使得居民用电量快速增长[20]。
（6）科技水平：高能效标准空调及节能汽车等节能技术的应用在很大程度上抑制了生活能耗的上涨[2，21]。
（7）能源价格：能源价格的提高会促进居民减少不必要的能源消耗[22]。同时，不同能源类型之间的价格差异会促进居民使用低价格能源替代高价格能源。
（8）节能意识：节能意识的提升可促使居民减少不必要的生活能源消费，选择能效更高的家用电器、建筑设施及生活方式等[23]。
（9）节能政策：政策手段可通过外部调控和内部引导两个方面影响居民能源消费观念继而影响居民生活能耗[24]。
（10）回弹效应：指能源效率的提高降低了能源服务的有效价格，进而抵消了预期能源效率提高所导致的能源消费的减少[25]。已有学者发现在家用电器、私家车的的使用中存在回弹效应，但目前就回弹效应的产生原因、强度计算、引导政策等尚无统一结论[26]。
（11）社会网络：社会网络会影响日常交通需求，例如个体社会关系网中其他成员的电动汽车所有情况会对个体电动汽车的选择倾向产生积极影响[25，27]。
在上述影响城市人均生活能耗的因素中，前六类可全面反应城市的环境、人口、经济状况，属于短期内难以调节的客观因素，无法进行逆向管理，因此应将其视为不可控因素，在人均生活能效评估之初就按这些因素对城市进行分类，剔除客观因素对能源效率的影响。而节能意识可通过节能教育等政策手段进行调节，属于对人均生活能耗造成影响的主观因素。回弹效应及社会网络的影响强度同样可通过经济型及信息型政策手段加以调整和引导，且二者难以在城市尺度进行量化，故暂不列入本文研究范围。考虑到数据的代表性及可得性，本文对上述人均能耗的客观影响因素进行细分，最终确定：城镇居民人均可支配收入（元）、全年平均气温（℃）、采暖与否、城市建设用地占市区面积比重（%）、人口密度（万人/km2）、第二产业占比（%）、地区生产总值（万元）、科学技术支出（万元）、每万人拥有公共汽车（辆）、采矿从业人员比例（%）、人均地区生产总值（元）、人均城市道路面积（m2）、城镇人口比例（%）十三项城市人均生活能耗（kgce/人）潜在客观影响因素[28-29]。
以影响人均生活能耗的客观因素作为分类指标对城市进行研究，便于对同类型城市的人均能耗水平进行横向比较，可以更加公平地反映城市能耗总量控制水平。
1.2 生活能耗核算
居民生活能耗从用途的角度包括采暖、降温、炊事、照明、交通等用能，从能源种类角度包括煤炭、电力、液化石油气、人工煤气等类型消耗[2]，其中用于家用电器及炊事的城市电力、人工煤气、天然气及液化石油气供应属于市政公用事业，这类能源的地级以上城市居民使用量易于统计，可从《中国城市统计年鉴》中获得，但居民生活中使用的汽油、柴油、煤炭及煤油数据难以直接获得城市尺度数据。因此，受数据可得性的限制，本文所使用的城市生活能耗数据由城市家庭用电量、城市家庭煤气（人工、天然气）供气总量及城市家庭液化石油气总量与相应的标煤折算系数相乘后加总得到。《中国能源统计年鉴》中分行业能源消费总量统计数据给出了全国居民生活能耗中煤炭、焦炭、汽油、煤油、柴油、天然气、电力消耗量的占比。可使用此比例粗略估计地级以上城市的生活能耗总量，为保证数据准确性本文不进行此项估算。
北方集中供暖地区供暖需要消耗大量能源，占据生活能耗总量的很大比重，但这部分能耗量并未进行单独统计。若不将集中供暖用能计入居民家庭生活能耗中，将导致生活能耗水平的严重低估。本文使用《中国城市建设统计年鉴》中的城市住宅供热面积统计数据与各省集中供热单位面积耗煤量的统计及计算值估算城市集中供暖能耗量[30]。忽略各省内部城市之间在平均气温、供暖时长、供暖效率方面的差异，假设同一省份内城市集中供热单位面积耗煤量相等，使用城市住宅供热面积与集中供热单位面积耗煤量的乘积估算供暖地区城市的住宅供热能耗。
本文使用住宅集中供热能耗对采暖地区的生活能耗水平进行调整。调整后的采暖地区城市生活能耗由城市家庭用电量标煤折算量、城市家庭煤气（人工、天然气）用量标煤折算量、城市家庭液化石油气用量标煤折算量与住宅供热标煤能耗四部分共同组成。
1.3 相关性分析
以2013年全国287座地级以上城市实际数据为研究对象，通过相关性分析方法判断人均生活能耗与上述十三项影响因素之间是否具有显著的相关关系。相关性系数如表1所示。
由相关性系数表可知，调整后的人均生活能耗与平均气温、采暖与否、城镇人口比例、万人拥有公共汽车数量、人均城市道路面积、人均可支配收入、地区生产总值、人均地区生产总值、科学技术支出具有高度相关关系，与采矿从业人员比例具有一定的相关关系，与城市建设用地面积占比、人口密度、二产占比之间并不具有显著的相关关系。由此可知城市人均生活能耗水平主要受到经济发展情况、城镇化程度及自然条件的影响。部分显著影响人均生活能耗水平的因素之间同样存在着相关关系，例如人均产值与人均可支配收入高度正相关。
2 基于客观因素的生活能耗城市分類
2.1 分类方法研究
在明确了人均生活能耗的显著影响因素后，本文首先使用上述单一因素对城市进行逐级划分，作为城市单因素多阶段分类结果。此种方法的分类过程及原则为：
（1）按照相关性系数由高到低的次序逐步使用单一客观影响因素进行多阶段城市分类，在选择后续分类因素时不选择与已使用的分类因素高度相关的客观因素，以免造成类型间能耗均值差异不显著，及城市数量分布不均；
（2）在每一步分类过程中均以方差分析结果作为判断分类结果是否合理的依据，若组间差异显著则可进一步分类，若不显著则更换分类指标或停止分类，直至完成对全部因素的判别；
（3）以未参与城市分类但高度相关的因素为指标，进行城市间方差分析，若全部分析结果显著，则认为分类依据全面；
（4）进一步使用AdaBoost方法对城市进行划分，将分类结果与单因素多阶段分类结果进行对比，当分类结果一致率超过95%认为分类结果可靠；
（5）最终通过方差分析及LSD对比分析证明城市分类结果的合理性。
上述城市分类方法可使得组内城市客观条件类似，人均生活能耗具有直接可比性，而组间城市经济社会状况及人均生活能耗差异显著。
2.2 单因素多阶段分类分析
在对城市人均生活能耗产生显著影响的客观因素中，采暖与否本身即为分类变量，用其进行城市分类可避免使用连续变量依照等样本量原则进行分类带来的不确定性，因此将其定为首要分类依据。2015年全国地级以上城市方差分析结果表明：组间差异F检验的sig值为0.000，在99%的置信度下，采暖地区与非采暖地区的人均能耗均值存在显著差异，分类方式合理。
人均地区生产总值与人均生活能耗之间相关性系数最高。以此标准依照等样本量法则（分界点为36 650元）分别对采暖及非采暖城市进行第二阶段划分。方差分析结果显示：在采暖及采暖地区，99%的置信区间下，高人均产值与低人均产值城市间能耗均值差异显著，适合使用人均产值进一步分类。
在剩余的影响因素中，平均气温、采矿从业人员比例与采暖情况存在高度相关关系，城镇人口比例、每万人拥有公共汽车数量、地区生产总值、人均可支配收入、科学技术支出、人均城市道路面积与人均地区生产总值存在高度正相关关系。若使用上述因素进行第三阶段的城市分类，会造成类型间能耗均值差异不显著及城市数量分布不均。经过尝试后发现，使用上述任何一项因素对城市类型进行第三阶段的划分，均不能满足组间人均生活能耗均值差异显著的要求，因此不适合进行进一步分类。至此，对城市人均生活能耗造成显著影响的客观因素中已无与已确定的两项分类因素——采暖与否及人均地区生产总值完全独立的因素。最终将全部城市划分为：采暖高-人均产值、采暖-低人均产值、非采暖-高人均产值、非采暖-低人均产值四类地区。
为进一步证明分类方式的合理性及客观因素考虑的全面性，对剩余的具有显著相关关系但未作为城市分类依据的因素进行城市类型间均值对比。由如表2所示的方差分析结果可知：在采暖及非采暖地区，高人均产值城市的生产总值、可支配收入、城镇化比例、道路出行条件、科技支出均显著高于低产值地区，说明不同城市类型具有鲜明的经济发展、城镇化水平、交通条件特性。
2.3 AdaBoost分类分析
我国地级以上城市数量较大，且与人均生活能耗相关的客观因素数量较多，导致城市样本点间分类边界较为模糊。上述单因素多阶段分类方法具有可操作性、解释性强的突出优点，但对于高度重叠的样本点易造成错分。考虑到AdaBoost分类法在处理样本点距离较近问题时的突出优势，本文使用该方法以全部客观影响因素作为机器学习对象，对城市类别进行划分。综合运用上述两种分类方式可同时保证分类结果的可解释性及准确性。
由R程序给出的变量重要性图可知：人均地区生产总值对城市类型的决定性最强，其次为采暖与否，二产占比及采矿从业人员比例等其他变量的重要性很小。这与单因素多阶段分类法中使用采暖与否及人均地区生产总值进行分类的方式完全一致。两种方法得到的城市分类结果相互验证一致率为100%，可认为城市分类结果可靠。
2.4 分类结果方差分析
总体方差分析结果显示，F检验sig值为0.000，说明在99%的置信区间下，上述城市分类结果满足不同城市类型之间人均能耗均值整体差异显著的要求。LSD对比结果显示，在95%的置信区间下，除采暖-低产值与非采暖-高产值地区外，全部城市类型两两之间的组间差异显著，整体分类效果良好。采暖-低产值地区的城市样本较为离散，与非采暖-高产值地区城市之间存在一定重叠，导致sig值为0.199，组间差异并不显著，但这验证了使用Adaboost分类法进行城市类型划分的合理性和必要性。
3 人均生活能耗分类别分析
3.1 时间序列分析
使用上述城市分类方法，以2006—2015年全国地级以上城市为研究对象进行实证分析，得到如图1所示的城市人均生活能耗均值时间序列对比情况。
全国各类城市人均能耗均值时间序列表明：
（1）全国人均生活能耗均值逐年上升，年均上升幅度为7.08%。2006年全国人均生活能耗均值为66.218 kgce/人，2015年达到121.794 kgce/人。
（2）两类高产值地区的人均生活能耗著高于两类低产值地区，而采暖地区人均生活能耗则由于逐年上升的集中供热煤耗而快速上升，非采暖地区人均生活能耗相比之下较为平缓。
（3）“采暖-高产值”地区的城市经济发展、居民生活、城镇化水平高，使用家用电器及交通工具的频率高，所消耗的生活能源更高，居民的生活能源消耗由基本生活需求更多转向文化娱乐等高端消费方式。虽然采暖地区的集中供热单位面积煤耗率持续下降，但由于城市住宅供热面积逐年快速增加，城市集中供热耗煤量随之快速增加。以北京市为例，2006—2015年间城市单位面积供热煤耗年均下降幅度为2.34%，但住宅供热面积由2006年的23 157.7万m2快速上升至2015年的39 031万m2，年均上升幅度为6.85%，导致城市住宅供熱能耗由2006年的273 801.2万kgce上升到2015年的372 485.8万kgce。北京市自2017年起供暖城区热原全部使用天然气，天然气供热占比超过97%。按照上述住宅供热能耗年增速计算，北京市2017年居民供暖需消耗天然气约31亿m3，而北京市天然气日应急储备能力仅为450万m3，相当于采暖期居民供暖天然气日平均用量的20%，若缺乏完善的天然气供应及应急储备机制，“气荒”现象难以避免。2006—2015年间，“采暖-高产值”地区的人均生活能耗均值年均增长率为7.63%，上升趋势明显。2015年“采暖-高产值”地区人均生活能耗均值达到266.069 kgce/人，高出全国平均水平118.46%。
（4）“非采暖-高产值”地区的人均生活能耗均值水平基本与全国平均水平一致。2006—2015年间，“非采暖-高产值”区的人均生活能耗均值年均增长率为5.01%，上升速度为四类城市中的最低水平。自2014年开始，随着电能使用效率的提高，该类城市的能耗水平开始出现下降趋势，2015年人均生活能耗均值为111.883 kgce/人，比全国平均水平低8.26%。
（5）“采暖-低产值”地区人均生活能耗年均上升速度达到10.19%，显著高于其他三类地区。该类型城市多为低人口密度的北方城市，这类城市集中供暖管网长度较长且设施相对落后，供热管网损失更高。以鸡西市为例，2006—2015年间城市单位面积供热煤耗年均上升幅度为0.24%。住宅供热面积由2006年的383万m2快速上升至2015年的1 330万m2，年均上升幅度为24.73%。导致城市供热能耗由2006年的9 257.4万kgce快速上升到2015年的32 833.3万kgce。2006年“采暖-低产值”类型城市的人均生活能耗均值仅为全国平均水平的64.95%。经过多年能耗水平的稳步上升，2015年该类城市人均生活能耗水平达到102.569 kgce/人，上升至全国平均水平的84.29%。
（6）“非采暖-低产值”地区的人均生活能耗均值持续处于四类城市中的最低水平，且上升趋势平缓。该类城市由于受到经济发展水平等因素的限制，家用电器的使用频率较低，且无过多的采暖需求。2006—2015年间，“非采暖-低产值”地区人均生活能耗均值年均增长率为8.68%。2015年能耗均值为35.484 kgce/人，仅为全国平均水平的29.13%。
3.2 标杆体系确立
本文进一步为各类城市构建人均生活能耗标杆体系，通过与相应类型标杆进行对标分析，即可判断城市生活能效水平的先进程度，明确管理可操作的能效改进方向。
建立标杆体系的前提条件是变量需服从正态分布。假定人均生活能耗ei（i=1，2，…，4）服从对数正态分布ln（ei）～N（μi，σ2i）。运用单样本的Kolmogorov-Smirnov（K-S）检验方法来检验总体分布。假设F0（X）为正态分布，则K-S检验统计量为：
式中S（x）为样本的累积经验分布函数，通过Z统计量可判断假设检验的结果。0.05显著性水平下，当P值≤0.05（双尾P值≤0.1）时，统计检验拒绝服从正态分布的零假设，反之样本总体分布可以认为是正态分布。
由K-S检验结果可知，在0.05的显著性水平下，2006—2015年全部城市的人均生活能耗在部分年份不服从对数正态分布，而将城市分为四类后，各类城市的渐进显著性显著提升，全部城市类型的人均生活能耗服从对数正态分布。
在确定人均生活能耗变量满足正态分布后，即可利用总体均值及方差构建标杆体系。人均生活能耗先进上临界水平满足等式（2），落后下临界水平满足等式（3）。
人均生活能耗的对数落在以均值为中心宽度为一个方差的区间内时，城市生活能效水平被判定为正常；高于该区间时判定为落后；低于该区间时判定为先进。各类城市人均生活能耗标杆体系如表3所示。
由上表可以看出：各類地区的人均生活能耗上下临界值整体上均呈上升状态，采暖地区上下临界值之间的跨度明显高于非采暖地区。使用上述标杆体系可在四类城市中继续按照人均生活能耗水平高低分为先进、普通、落后三类。以2015年为例进行城市类型划分，分类结果如表4所示。受篇幅限制表中只列出各类型中能耗水平最高及最低的五个城市，按照人均生活能耗水平由高到低排序。
4 生活能耗结构分析
有学者预测到2020年左右，我国的生活能耗总量将会达到社会总耗能的1/3以上，而供热采暖耗能约占生活总耗能量的65%[31]。分析城市生活能耗结构，可识别出能耗水平上升的主要原因，明确能效管理方向。本文将城市生活能耗总量组成成分进行分解，绘制出如图2所示的全国生活能耗结构图。
住宅供热用能由2006年的264.038亿kgce，上升至2015年的638.192亿kgce。集中供暖耗煤总量的增加是造成生活能耗水平持续攀升的重要原因。采暖用能占全国生活能耗的比例由2006年的30.65%上升至2015年的44.90%。
我国生活能耗存在显著的南北差异。非采暖地区生活用电标煤折算量由2006年的197.026亿kgce，上升至2015年的255.363亿kgce。虽然非采暖地区生活用电标煤折算量的绝对值明显上升，但占全国生活能耗总量的比重由22.87%下降至17.97%，说明提高电力消费比例有助于降低整体生活能耗，占非采暖区生活能耗量的比重则由53.62%逐步上升至57.02%。单位地区生产总值生活电耗标煤折算值由2006年的149.44 kgce/万元，下降至2015年的60.15 kgce/万元。而采暖地区的生活用电标煤折算量占比保持在13%左右。
随着家庭用瓶装液化石油气逐步被管道天然气替代，其使用量标煤折算值逐年降低。2015年采暖地区折算量占比仅为1.45%，非采暖地区为4.40%。家庭煤气标煤折算量在2006—2015年间保持快速增长，在采暖地区折算量由77.442亿kgce上升至2015年的131.120亿kgce，使用量占比由8.99%上升至9.22%。
对于本文由于数据不足而未纳入地级以上城市生活能耗中的汽油、煤油、柴油、焦炭部分，其所占比重可由《中国能源统计年鉴中》给出的全国生活能源消费结构数据近似替代。经统计得到：2006年生活能耗中焦炭、汽油、煤油、柴油四类能源的占比分别为0.67%、6.90%、0.25%、5.21%，2015年比例相应调整为0.14%、17.51%、0.20%、6.63%。其中，居民生活汽油消费量随着私人交通工具的普遍使用而逐年攀升，由2005年77.076亿kgce上升至2015年381.550亿kgce，年均增幅达到17.45%。对比私家车保有量情况，单位私家车年均汽油消耗量由2005年的417.062 kgce/辆下降到2016年的262.046 kgce/辆，说明私家车燃油效率明显提升。
5 结论及建议
本文加入集中供暖地区住宅供热能耗对生活能耗水平进行了调整，并使用影响人均生活能耗的客观因素将全国地级以上城市划分为“采暖-高产值”、“采暖-低产值”、“非采暖-高产值”、“非采暖-低产值”四类，可保证同类城市之间具有可比性，避免对客观条件不同的城市进行直接比较。研究结果显示：2006—2015年全国地级以上城市人均生活能耗均值年均增幅为7.08%。其中，两类高产值地区的人均生活能耗水平高于低产值地区，而两类采暖地区由于快速增加的住宅供热能耗而拥有更高的增长幅度。“采暖-高产值”地区由于更高的经济发展水平及供热需求，其生活能耗水平稳居各类城市首位。采暖地区住宅集中供热能耗占生活能耗的比例由2006年的30.65%快速上升至2015年的44.90%。在非采暖地区，生活用电标煤折算量占非采暖区生活能耗量的比重超过50%，用量绝对值逐年上升，但生活用电效率逐渐提升。
针对上述研究结果，本文认为在进行城市生活能效管理时应：①正视城市生活能耗快速增长对城市能源供应带来的巨大挑战，建设完善的冬季煤炭、天然气等能源储备和应急体系，保障采暖地区冬季集中供暖对多种类型能源的需求。②在“国家生态文明建设示范县、市”等城市资源节约评价指标中，不应为不同客观条件的城市划定统一的指标值，导致高产值北方城市由于环境、经济发展需求等难以逆向管理的因素，难以达到能耗目标；而低产值城市由于发展及城镇化水平低，能耗目标过于宽松，无法对能源消耗起到应有的限制作用。③在评估城市生活能效水平时，应在确定城市分类后，根据统计分布原理，在人均生活能效标杆体系中判断城市处于先进或落后地位。通过与先进型城市进行横向对比的方式，识别出在能源供给及消费方式等主观因素方面降低城市人均生活能耗的方法。④遏制集中供暖地区生活能耗快速攀升的主要方式是降低采暖能耗。应通过热电联产、建筑节能等方式提高热效率，推进欠发达地区的老旧热网改造工程，合理布设管网，减少公共部分长度和热量损失。⑤在高产值地区推广电能替代从而提高能源使用效率和经济性。我国尤其是北方地区，在分散式电采暖、电锅炉采暖等煤改电技术方面发展潜力巨大。各级政府可通过财税补贴政策推进电能替代，在提高生活能效的同时获得调整能源结构、提高空气质量的效用。⑥加大政府对节能技术创新的财政支持和引导作用，培养节能创新人才，通过推广建筑节能、家电节能、汽车节油技术应用的方式，为城市人均生活能耗的降低提供保障。
参考文献（References）
[1]王妍， 石敏俊. 中国城镇居民生活消费诱发的完全能源消耗[J]. 资源科学， 2009， 31（12）： 2093-2100. [WANG Yan， SHI Minjun. Total energy consumption induced by urban residents living consumption in China[J]. Resources science， 2009， 31（12）： 2093-2100.]
[2]冯玲， 吝涛， 赵千钧. 城镇居民生活能耗与碳排放动态特征分析[J]. 中国人口·资源与环境， 2011， 21（5）： 93-100. [FENG Ling， LIN Tao， ZHAO Qianjun. Analysis on dynamic characteristics of urban residents energy consumption and carbon emissions[J]. Chinas population， resources and environment， 2011， 21（5）： 93-100.]
[3]王子敏， 楊小军. 居民生活能耗增长的分解与影响因素研究-基于习惯形成视角[J]. 北京理工大学学报（社会科学版）， 2013， 15（5）： 36-42. [WANG Zimin， YANG Xiaojun. Study on the decomposition and influencing factors of energy consumption growth of residents： based on the perspective of habit formation[J]. Journal of Beijing Institute of Technology （social sciences edition）， 2013， 15（5）： 36-42.]
[4]宋国君. 中国城市能源效率评估研究[M]. 北京：化学工业出版社， 2013： 1-4. [SONG Guojun. Research on urban energy efficiency of China [M]. Beijing： Chemical Industry Press， 2013： 1-4.]
[5]李治， 李国平. 城市能源效率分布特征影响因素研究——基于空间计量模型[J]. 城市发展研究， 2010（6）： 22-26. [LI Zhi， LI Guoping. Research on the influence factors of urban energy efficiency distribution characteristics：based on the spatial econometric model [J]. Urban development research， 2010 （6）： 22-26.]
[6]方国斌， 马慧敏， 宋国君. 基于气候区划的城市能源效率分类研究[J]. 统计与决策， 2016（18）： 125-130. [FANG Guobin， MA Huimin， SONG Guojun. Classification of urban energy efficiency based on climate zoning [J]. Statistics and decision making， 2016 （18）： 125-130.]
[7]赵先超， 宋丽美， 朱翔. 湖南省城乡居民生活能耗测算及节能思路研究[J]. 科技与经济， 2016， 29（1）： 77-81. [ZHAO Xianchao， SONG Limei， ZHU Xiang. Study on energy consumption and energy saving of urban and rural residents in Hunan Province[J]. Science and technology and economy， 2016， 29 （1）： 77-81.]
[8]宋国君， 马本. 基于能效标杆的城市节能管理新思路[J]. 环境经济， 2011（8）： 22-30. [SONG Guojun， MA Ben. New idea of urban energy saving management based on energy efficiency benchmarking[J]. Environment economy， 2011（8）： 22-30.]
[9]宋国君， 傅毅明， 马本， 等. 中国地区能源利用效率评估指数体系设计及实证探讨[J]. 环境污染与防治， 2010（10）： 91-96. [SONG Guojun， FU Yiming， MA Ben. Design and demonstration of energy efficiency evaluation index system in China[J]. Environmental pollution and prevention and control， 2010（10）： 91-96.]
[10]傅毅明， 宋国君， 陈德良， 等. 中国地区能效分布函数与标杆研究[J]. 中国地质大学学报（社会科学版）， 2010， 10（5）： 17-21. [FU Yiming， SONG Guojun， CHEN Deliang， et al. Research on energy efficiency distribution function and benchmarking in China[J]. Journal of China University of Geosciences （social sciences edition）， 2010， 10（5）： 17-21.]
[11]罗光华，牛叔文. 气候变化、收入增长和能源消耗之间的关联分析——基于面板数据的省际居民生活能源消耗实证研究[J]. 干旱区资源与环境，2012，26（2）：20-24. [LUO Guanghua， NIU Shuwen. Correlation analysis between climate change， income growth and energy consumption： an empirical study on inter provincial residents life energy consumption based on panel data[J]. Resources and environment in arid area， 2012，26（2）： 20-24.]
[12]孫欣. 省际节能减排效率变动及收敛性研究——基于指数[J]. 统计与信息论坛， 2010， 25（6）： 101-107. [SUN Xin. Research on the efficiency and convergence of inter provincial energy saving and emission reduction： based on the index [J]. Statistics and information forum， 2010， 25（6）： 101-107.]
[13]姚永玲. 北京城市发展中的能耗影响因素分析[J]. 中国人口·资源与环境， 2011（7）： 40-45. [YAO Yongling. Analysis of the influence factors of energy consumption in Beijings urban development [J]. China population，resources and environment， 2011（7）： 40-45.]
[14]谢旭轩， 张世秋， 易如， 等. 北京市交通拥堵的社会成本分析[J]. 中国人口·资源与环境， 2011（1）： 28-32. [XIE Xuxuan， ZHANG Shiqiu， YI Ru. The social cost analysis of traffic congestion in Beijing [J]. China population， resources and environment， 2011（1）： 28-32.]
[15]张弛， 束炯， 陈姗姗. 城市人为热排放分类研究及其对气温的影响[J]. 长江流域资源与环境， 2011（2）： 232-238. [ZHANG Chi， SHU Jiong， CHEN Shanshan. Classification of urban anthropogenic heat emission and its impact on temperature [J]. Resources and environment in the Yangtze River Basin， 2011（2）： 232-238.]
[16]李怡涵，牛叔文，沈义，等. 中国人口发展对家庭生活基本能耗及碳排放的影响分析[J]. 资源科学，2014，36（5）： 988-997. [LI Yihan， NIU Shuwen， SHEN Yi， et al. The impact of population development on the basic energy consumption and carbon emissions of family life in China [J]. Resources science， 2014，36（5）： 988-997.]
[17]陈婧. 上海高能耗群体的生活方式研究[D]. 上海：复旦大学， 2012： 23-25. [CHEN Jing. A study on the lifestyle of high energy consumption groups in Shanghai [D]. Shanghai： Fudan University， 2012： 23-25.]
[18]STREIMIKIENE D， KASPEROWICZ R. Review of economic growth and energy consumption： a panel cointegration analysis for EU countries[J]. Renewable and sustainable energy reviews， 2016， 59： 1545-1549.
[19]陆歆弘. 我国城市人居环境改善与能耗关系研究[J]. 中国人口·资源与环境， 2010（4）： 23-28. [LU Xinhong. Research on the relationship between urban human living environment improvement and energy consumption in China [J]. China population， resources and environment， 2010（4）： 23-28.]
[20]刘满芝，刘贤贤. 基于STIRPAT模型的中国城镇生活能源消费影响因素研究[J]. 长江流域资源与环境， 2017， 26（8）： 1111-1122. [LIU Manzhi， LIU Xianxian. Research on the influence factors of urban energy consumption in Chinas towns based on STIRPAT model[J]. Resources and environment in the Yangtze River Basin， 2017， 26（8）： 1111-1122.]
[21]傅春， 巫锡金. 中部地区能源效率影响因素的分析模型与案例研究[J]. 长江流域资源与环境， 2010， 19（10）： 1107-1110. [FU Chun， WU Xijin. Analysis model and case study of the factors affecting energy efficiency in the central region [J]. Resources and environment in the Yangtze River Basin， 2010， 19（10）： 1107-1110.]
[22]刘满芝， 刘贤贤. 中国城镇居民生活能源消费影响因素及其效应分析——基于八区域的静态面板数据模型[J]. 资源科学， 2016， 38（12）： 2295-2306. [LIU Manzhi， LIU Xianxian. The influencing factors and effects of urban household energy consumption in China：based on the eight area static panel data model[J]. Resources science， 2016， 38（12）： 2295-2306.]
[23]杨冰，王继龙，左晓利，等. 北京市居民节能意识调查及潜力分析[J]. 中外能源，2017，22（10）：92-97. [YANG Bing， WANG Jilong， ZUO Xiaoli， et al. Investigation and potential analysis of energy saving consciousness of Beijing residents [J]. Chinese and foreign energy， 2017，22（10）： 92-97.]
[24]劉满芝，刘贤贤，陈梦. 中国城镇生活能源消费：影响因素分解及空间差异分析[J]. 首都经济贸易大学学报，2017，19（5）：13-20. [LIU Manzhi， LIU Xianxian， CHEN Meng. Urban living energy consumption in China： analysis of influencing factors and spatial difference analysis [J]. Journal of Capital University of Economics and Business， 2017，19（5）： 13-20.]
[25]崔一澜，刘毅，诸葛承祥. 城市居民生活能源消费研究进展综述[J]. 中国人口·资源与环境，2016，26（12）：117-124. [CUI Yilan， LIU Yi， ZHUGE Chengxiang. A review of the research progress on energy consumption of urban residents [J]. China population， resources and environment， 2016，26（12）： 117-124.]
[26]YU B， ZHANG J， FUJIWARA A. Evaluating the direct and indirect rebound effects in household energy consumption behavior：a case study of Beijing[J]. Energy policy， 2013， 57： 441-453.
[27]SIRIWARDENA S， HUNT G， TEISL M F， et al. Effective environmental marketing of green cars： a nestedlogit approach[J]. Transportation research part D transport environment， 2012， 17（3）： 237-242.
[28]GUO W， ZHAO T Y， DAI H J. Calculation and decomposition of regional household energy consumption in China： based on perspectives of urbanization and residents consumption [J]. Chinese journal of population， resources and environment， 2017，15（2）：132-141.
[29]DU D， LEI H Y. Energy intercity and its determinants in China： an empirical study based on ARDLVECM approach [J]. Chinese journal of population， resources and environment，2017，15（3）：226-238.
[30]李银玲. 中国城市集中供热能耗分析及节能减排控制策略研究[D]. 北京：华北电力大学， 2016： 20-22. [LI Yinling. Energy consumption analysis and control strategy of energy saving and emission reduction in urban central heating in China [D]. Beijing： North China Electric Power University， 2016： 20-22.]
[31]王悅， 赵鹏军. 我国居民住宅建筑生活能耗差异性调查研究[J]. 北京大学学报（自然科学版），2018（1）：1-3，6-8. [WANG Yue， ZHAO Pengjun. Investigation and study on energy consumption difference of residential buildings in China [J]. Acta scientiarum naturalium universitatis pekinesis， 2018（1）： 1-3，6-8.]
