数据包络分析(DEA)方法是评价生产前沿面相对效率的非参数方法,是评价具有多投入多产出同类决策单元(DMU)绩效值的一种重要工具。现有DEA模型在可变规模收益条件下处理负数据时仍存在不可行问题和无法完全排序DMU的问题。在此基础上,本文对可处理负数据的超效率DEA模型进行了一系列的研究,其主要工作表现在:在理论上,针对现有基于方向距离函数的超效率模型的不足,探索使得超效率模型可行且其最优值有界时方向向量需满足的条件,在此基础上创新性地提出几组方向向量,建立能准确地处理含零值和负数据的新型超效率模型。数例分析表明本文提出的新模型在负数据存在的情况下是可行的,能对有效DMU进行排序。在应用上,我们将新超效率模型应用于评价我国省际能源利用效率。利用我国2003年至2015年30个省市的面板数据进行实证研究发现,新模型能更好地处理负投入产出数据集,并为各省市生成具体绩效值。通过对比各省市的能源绩效并排序,我们剖析影响能源绩效的因素,并提出有效建议。本文的研究工作不仅可用于能源效率评价,亦可应用于处理含负数和零值数据的其他行业的绩效评估,更拓宽了现有超效率模型的应用范围。