EN中文

经济地理 >

2019 , Vol. 39 >Issue 10: 54 - 61

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.10.008

城市地理与新型城镇化

中国城市分布式光伏发电经济性与区域利用研究

  • 柳君波 ,
  • 张静静 ,
  • 徐向阳 , ※ ,
  • 高俊莲
展开
  • 中国矿业大学（北京）管理学院，中国北京 100083
※徐向阳（1962—），女，天津人，博士，教授。主要研究方向为资源环境模型。E-mail：。

柳君波（1993—），男，山东日照人，博士研究生。主要研究方向为资源环境经济与政策模型。E-mail：。

收稿日期: 2018-12-14

  修回日期: 2019-03-04

  网络出版日期: 2025-04-18

基金资助

大气污染成因与治理攻关（总理基金）课题：区域大气承载力与空气质量改善路径(DQGG0302)

煤炭资源与安全开采国家重点实验室开放课题资助项目：矿区土地复垦与生态服务关键问题研究(SKLCRSM17KFB02)

收起

Economy and Regional Utilization of Urban Distributed Photovoltaic Power Generation in China

  • LIU Junbo ,
  • ZHANG JingJing ,
  • XU Xiangyang , ※ ,
  • GAO Junlian
Expand
  • School of Management，China University of Mining and Technology（Beijing），Beijing 100083，China

Received date: 2018-12-14

  Revised date: 2019-03-04

  Online published: 2025-04-18

Fold

摘要

以中国331个城市为研究对象，利用PVsyst软件评估各城市的光伏发电能力，运用生命周期理论、成本效益分析、情景分析等方法，将光伏生命周期分为投资回收阶段与净获利阶段，构建分布式光伏经济性分析模型，并设定基于政策与技术引导的比较情景，评估分析在无补贴时，各情景下各城市的光伏经济性，并分析比较光伏的区域性利用差异。结果表明：①在基准情景下，105个城市的光伏投资回收期在13年以内，其获利指数在1.3~2.1；在政策支持情景下，201个城市的光伏投资回收期在13年以内，其获利指数在1.3~2.3；在技术发展情景下，259个城市的光伏投资回收期在13年以内，其获利指数在1.3~2.5。②利好的金融政策、电价政策与技术发展能够有效提高光伏经济性。电价增长率每提高1%，光伏发电收益增加5.25%；光伏贷款利率每降低1%，融资成本减少6.67%，光伏发电成本减少3.22%；光伏系统建设成本每降低1%，光伏发电成本减少1%。③由于资源禀赋及经济条件的不同，光伏经济性存在明显的地域性差异，按照光伏经济性差异将全国地区分为4个等级，进而有的放矢地发展分布式光伏。

关键词： 城市; 分布式光伏发电; 情景分析; 经济性; 光能资源; 成本/效益分析; 政府补贴

本文引用格式

柳君波 , 张静静 , 徐向阳 , 高俊莲 . 中国城市分布式光伏发电经济性与区域利用研究[J]. 经济地理, 2019 , 39(10) : 54 -61 . DOI: 10.15957/j.cnki.jjdl.2019.10.008

Abstract

Identifying obstacles of photovoltaic is the key to promote it. Therefore, this paper takes 331 cities in China as the research object, evaluates the photovoltaic power generation capacity of each city by using PVsyst software. Based on the life-cycle theory, cost-benefit analysis and scenario analysis, this study divides the photovoltaic life cycle into investment recovery stage and net profit stage, and constructs the economic analysis model of distributed photovoltaic. It sets up comparative scenarios based on policy and technology guidance to evaluate and analyze the photovoltaic economy of each city under each scenario without photovoltaic subsidies, and analyzes the regional utilization differences of photovoltaic. The results show that: 1) Under the benchmark scenario, the payback period of photovoltaic investment in only 105 cities is less than 13 years, and the profit index is 1.3~2.1; under the policy support scenario, it has only 201 cities whose payback period is less than 13 years and profit index is 1.3~2.3; under the technology development scenario, it has 259 cities whose payback period is less than 13 years and profit index is 1.3~2.5. 2) Supportive financial policy, electricity price policy and technological development can effectively improve the photovoltaic economy. Every 1% increase in electricity price growth rate will help the income of photovoltaic power generation increase by 5.25%; every 1% decrease in interest rate of photovoltaic loan will help the financing cost decrease by 6.67%, and the cost of photovoltaic power generation decrease by 3.22%; every 1% decrease in construction cost of photovoltaic system will help the cost of photovoltaic power generation decrease by 1%. 3) Due to the difference of resource endowment and economic conditions, there are obvious regional differences in photovoltaic economy. According to economic differences, the whole country should be divided into four levels to develop distributed photovoltaic in a targeted way.

Key words： urban; distributed photovoltaic power generation; scenario analysis; economic; light energy resource; cost-benefit analysis; government subsidies

电力行业作为关系国计民生的基础产业，支撑着我国经济社会的发展，2017年我国发电装机容量约17.77亿kW，全社会用电量约6.36万亿kW·h，人均用电量接近发达国家水平。然而，电力行业的发展不可避免地造成了环境污染与巨量碳排放，尤其我国电力结构以燃煤火电为主，导致以细颗粒物、SO2、氮氧化物等为特征的区域性大气污染问题突出，国际能源署相关研究表明2015年中国电力行业碳排放约44亿t [1]。面对国民对于高质量生态环境的诉求以及对国际碳减排的承诺，能源的高效化、清洁化利用至为关键。太阳能作为储量最大、分布最广的可再生能源，在长期能源战略中有重要地位，利用太阳能发电已逐渐成为降低能耗、减少污染、改善环境的重要举措之一，然而由于其技术尚不成熟，发电成本高，因此需要一定的补贴支撑。2013年国家发改委发布了《关于发挥价格杠杆作用促进光伏产业健康发展的通知》[2]，正式明确了对分布式光伏度电补贴0.42元，地面光伏电站采用三类标杆电价，原则上补贴20年，且部分地区为响应国家政策亦出台了地方性补贴政策。虽然近些年光伏补贴几经退坡，但仍是一笔巨额的国家财政支出；而对于光伏投资者，尽管有高额补贴支持，但由于投资成本高，因此回收期长，光伏投资偏好较低，且每一次补贴退坡都会对光伏行业产生一定的打击，尤其是2018年出台的光伏新政[3]使行业发展陷入了低谷。光伏行业之所以面临两难的尴尬局面，主要是由于光伏生产技术不发达导致投资成本高、金融政策不完善导致融资成本高、终端售电价格低导致收益低、光伏商业模式与项目建设的不合理导致资源未能有效利用。因此研究分析光伏发电经济性，对于识别光伏利用障碍、促进光伏发展有重要的现实意义。
国内外已有众多学者关注分布式光伏的投资和经济性问题。大部分学者关注光伏投资运营管理模式及不同投资模式间的效益比较，例如曾鸣等运用区间数理论从净现值、动态投资回收期、内部收益率三个方面，评价和比较三种运营管理模式下分布式光伏的投资效益[4]；苏剑等采用全寿命周期收益/成本方法评选经济性最优的运营方案，其研究证明了电价补贴方式的成本效益优于建设补贴方式[5]；孙艳伟等应用净现值和单因素敏感性分析工具，对比了不同资金来源的运营模式，并分析了多种激励政策工具的效果[6]；李蕊选用寿命周期内的总体收入/费用现值法构建评价模型，进行光伏发电项目电力电量平衡测算，得出了准确的收益预测和最优的运营模式[7]；José L等应用净现值和资本回收期等参数，对西班牙并网光伏系统进行了经济和环境性分析[8]；邵汉桥等运用对比分析、敏感性分析等方法，分析上网比例、电价、配套政策和太阳能资源等因素对分布式光伏发电经济性的影响[9]；薛金花等通过敏感性分析方法确定分布式光伏的最优运营策略，并给出了最低电价补贴，认为能源投资商为投资主体时，分布式光伏整体效益更大，利益相关者更多，最低电价补贴更小[10]。此外，也有部分学者侧重于光伏政策的研究，例如张希良等提出并网光伏发电项目的竞争力因子评价模型和社会成本效益分析模型，评价我国西部地区发展光伏的市场竞争力、社会成本效益和不同政策工具的作用效果[11]；朱向东等从政策激励和光伏产业特征出发，运用计量方法考察政策配置对于中国光伏产业的影响[12]；陈文俊等认为太阳能光伏产业的商业模式创新，应当采用“科技支撑+政策支持（保护电价）+政府采购”[13]。
综上所述，已有研究多是从微观层面上以个别研究对象进行分析，侧重于不同商业模式下的光伏经济性，鲜有从全国宏观层面上的综合分析，且关于投资回收期的研究也较少。鉴于此，本文在前人研究基础上，以中国331个地级城市（不包括港澳台藏）为研究对象，将光伏生命周期分为投资回收阶段与净获利阶段，并设定多种情景组合，评估分析合同能源管理模式下的城市分布式光伏发电的经济可行性，为我国光伏行业的发展提供一定的理论支撑。

1 光伏发电能力概况

1.1 光资源数据来源

我国幅员辽阔，南北跨纬度广，西高东低，海拔跨度大，因此各地区太阳辐射差异较大，通过访问meteonorm数据库，获得了331个地级市一年逐时光强数据。

1.2 光伏发电能力评估

分布式光伏系统大多置于建筑物顶端，且通常有多排组件，对于特定型号的光伏组件，影响其出力的因素主要有光辐射强度（取决于太阳活动、地理位置）、组件温度（受当地气候影响）、灰尘遮挡（人为控制）、安装方式（人为控制安装倾角与组件间距）等。
目前光伏系统多以最佳倾角为安装角度，间距以满足冬至日当地时间9~15点期间内组件无相互遮挡为条件而确定，然而此安装方式存在一定的不足。一方面，低纬度地区冬至日白昼较长，与夏至日白昼时长差别较小，若以上述方式确定组件间距，将有大量光资源因组件相互遮挡而损失。通过分析各地区逐时光强数据发现，日出后1.5 h与日落前1.5 h的光照水平较高，因此本文以满足当地冬至日出后1.5 h至日落前1.5 h期间内组件无相互遮挡为条件来确定间距。另一方面，最佳倾角只是指在该倾斜面上年总辐射量最大，除去遮挡损失后，可能存在其它安装倾角，使系统出力更大，如图1。图中PE表示在无遮挡理想状态下单位面积组件年发电量；SE表示由于遮挡造成的年发电损失量；AE表示单位面积光伏组件年净发电量，且 A E = P E - S E；a0表示最佳倾角；a1表示其它倾角。
图1 光伏出力与倾角关系

Fig.1 Relation of PV output and tilted angle

为确定光伏最优安装方式，利用PVsyst分别对331个城市建模分析，模型中考虑光辐射强度、组件温度、系统效率（包含线损率）、安装倾角、组件间距等。通过对倾角α与间距l多次插值进行仿真模拟，得到各城市修正的最优安装倾角αiτ与间距liτ，以及最优安装方式下的单位面积光伏年发电能力AEiτ。从而单位面积场地的光伏年发电能力如式（1）。
Y E i = A E i τ × w l i τ
式中：w指组件宽度；w/liτ指组件占地利用率。

2 分布式光伏经济性分析模型

为进一步分析评估分布式光伏发电的经济性，本文将光伏生命周期分为投资回收阶段与净获利阶段，其中投资回收阶段是指光伏系统自投产后至总收益达到总投资时的这一阶段，净获利阶段是指自投资回收完成后至系统退市的阶段。

2.1 投资回收阶段

2.1.1 成本模块

在投资回收阶段，分布式光伏投资成本主要包括场地租金、系统建设成本、系统运维费用、融资成本、资金时间价值等。单位面积场地内光伏初期投资如式（2）。
I N I i = m × C V i + I C × W p p v S × w l i τ
式中：m表示光伏投资回收期（根据《中华人民共和国合同法》第214条条文规定：租赁期限不得超过20年，超过20年的，超过部分无效。而光伏生命周期一般为25年，因此场地租赁需签订两次合同，第一次合同签约期取投资回收期m年，第二次签约期取净获利期25~m年）；CVi指i城市单位面积场地年租金；IC指系统建设成本；Wp指单个组件功率，本文中Wp=285W；pvS指单个组件面积，本文中pvS=1.94 m2。
光伏初期投资包括自有与贷款资金，采用等额本息还款方式，年还款现金流出如式（3）。
A C i = I N I i × η × I 12 × 1 + I 12 12 × m 1 + I 12 12 × m - 1 ⋅ 12
式中：η指投资贷款占比；I指贷款年利率。
考虑到资金的时间价值，m年内因还款而产生的总现金流出终值如式（4）；m年内自有资金的投资成本终值如式（5）；m年内系统运维产生的总现金流出终值如式（6）。因此在投资回收阶段m年内，单位面积场地内光伏发电总成本终值如式（7）所示。
T C L i = ∑ λ = 1 m A C i ⋅ 1 + r m - λ + 1
T C S i = I N I i ⋅ 1 - η ⋅ 1 + r m
T C M i = ∑ λ = 1 m M C ⋅ w l i τ ⋅ 1 + r m - λ + 1
T C 1 i = T C L i + T C S i + T C M i
式中：r指社会折现率；MC指单位面积组件年维护成本，取系统建设成本的1%。

2.1.2 收益模块

现实中的光伏组件自投用后，其输出功率一直处于衰减状态，因此组件实际发电能力逐年递减，如式（8）。
R E i λ = Y E i × 1 - ∑ ν = 1 λ ξ ν
式中：REiλ指i城市第λ年单位面积场地内光伏实际发电量； ξ ν指组件第v年功率衰减率，对于多晶硅组件，一般第1年衰减不超过2.5%，之后每年衰减不超过0.7%。
合同能源管理模式是指第三方投资建设，所发电量以折扣电价售与附近用户，获得全电量补贴，由于城市建筑物大多是多高层，用电负荷集中，因此光伏发电可实现就地消纳。在投资回收阶段，合同能源管理模式下的分布式光伏发电收益包括售电与补贴收益，如式（9）；考虑到资金的时间价值，m年内单位面积场地内光伏发电总收益终值如式（10）所示。
R i λ = P i × 1 + λ × ε × φ + δ i × R E i λ
T R 1 i = ∑ λ = 1 m R i λ × 1 + r m - λ + 1
式中：ε指电价年增长率；φ表示售电折扣率，为鼓励光电发展，本文取φ=100%；δi指光伏度电补贴，本文中δi=0。

2.2 净获利阶段

2.2.1 成本模块

在净获利阶段，分布式光伏发电成本主要包括场地租金与系统运维支出，因此在第m+1年至第n年内的总成本终值如式（11）所示。
T C 2 i = n - m × C V i × 1 + r m × 1 + r n - m + ∑ λ = m + 1 n M C × w l i τ × 1 + r n - λ + 1
式中：n表示光伏生命周期，一般取25年；在第m+1年签订第二次场地租赁合同，租金按最低收益率增长，即CVi ×（1+r）m。

2.2.2 收益模块

在净获利阶段，分布式光伏发电收益包括售电与补贴，第m+1年至第n年内的总收益终值如式（12）所示。
T R 2 i = ∑ λ = m + 1 n R i λ × 1 + r n - λ + 1

2.3 获利指数

分布式光伏发电的获利指数如式（13）。
P I i = T R 1 i × 1 + r n - m + T R 2 i T C 1 i × 1 + r n - m + T C 2 i

3 参数与情景设定

由式（7）、（10），影响光伏发电经济性的因素主要有社会折现率r、场地租金CVi、系统建设成本IC、贷款利率I及占比η、电价增长率εi，因此本文分别对这些因素设定不同情景并形成多种情景组合来分析光伏发电的经济性。

3.1 参数设定

3.1.1 社会折现率

已有研究[14⇓-16]表明中国社会折现率为4.5%~8%，本文取r=5%。

3.1.2 场地租金

场地租金取决于城市发展水平，本文假设一线、新一线城市年租金7元/m2；二线城市年租金6元/m2；三线城市年租金5元/m2；四线城市年租金4元/m2；五线城市年租金3元/m2。

3.1.3 系统建设成本

随着政策支持和技术进步，我国光伏系统成本持续下降，根据鑫动力新能源科技有限公司提供的资料，目前光伏系统的建设成本已降至约6元/W（其中组件成本占46.8%，逆变器成本占4.5%，支架成本占5.4%，电缆成本占4.9%，汇流箱、通讯、监控及其他设备成本占10.5%，一次性土地成本占5.4%，电网接入成本占7.5%，安装成本占15%），且系统成本仍有一定降低空间尤其是组件成本，因此设定系统当前成本为cur_IC=6元/W，技术发展成本为dev_IC=5.5元/W。

3.1.4 贷款利率及占比

为鼓励光伏发展，诸多银行推出了额度高、期限长、利率低的“光伏贷”业务，多年期利率一般为6%~10%，按最低水平计算，设定当前利率为cur_I=6%；政策支持下的利率更低，但不低于贴现率，取sup_I=5%。已有研究在考虑光伏系统成本时，都将贷款占比设定为50%[5-6]，因此本文亦设定光伏贷款占比为η=50%。

3.1.5 电价增长率

从时间跨度上来看，我国电价存在增长趋势，通过分析2006—2015年社会平均用电价格，我国电价年增长率约3%，而目前我国正在逐步推进电力改革，缓解电力交叉补贴，使电价更好地反映供电成本[17]，因此设定当前电价增长率为cur_ε=3%；另一方面，考虑到对可再生能源更加利好的电价政策，本文假设政策支持的电价增长率为sup_ε=4%。

3.2 组合情景设定

根据3.1，选取合适的因素形成了3种组合情景，包括1种基准情景（BAU Scenario）与2种比较情景（PS Scenario、TD Scenario），见表1。其中基准情景（BAU Scenario）是由我国光伏行业当前情况所确定，其成本、利率、电价增长率均为当前实际情况，即当前成本cur_IC、当前利率cur_I、当前电价增长率cur_ε；政策支持情景（PS Scenario）是在基准情景的基础上，考虑了对可再生能源利好的利率政策和电价政策，即政策支持利率sup_I、政策支持电价增长率sup_ε；技术发展情景（TD Scenario）是在政策支持情景的基础上，考虑技术进步带来的光伏系统建设成本降低，即技术发展成本dev_IC。基准情景与政策支持情景可形成关于政策支持的对照组，进而分析政策支持对光伏行业发展的作用；政策支持情景与技术发展情景可形成关于技术发展的对照组，进而分析技术进步对光伏行业发展的作用。
表1 情景组合设定

Tab.1 Scenario combination setting

因素 BAU Scenario PS Scenario TD Scenario
IC cur_IC cur_IC dev_IC
I cur_I sup_I sup_I
ε cur_ε sup_ε sup_ε

4 结果与分析

利用MATLAB分情景求解各城市分布式光伏发电的投资回收期m以及获利指数PI。

4.1 BAU Scenario结果与分析

由2.1，造成光伏发电经济性区域差异的因素主要有场地租金CV、光资源水平AE、光伏场地发电能力YE、电价P，如式（14）。
令 T R 1 = P × Y E × ∑ λ = 1 m 1 + λ × ε × φ + δ × 1 - ∑ ν = 1 λ ξ ν × 1 + r m - λ + 1                   = Δ 1 × P × Y E = w × Δ 1 × P × A E / l T C 1 = ∑ λ = 1 m A C i × 1 + r m - λ + 1 + I N I i × 1 - η × 1 + r m + ∑ λ = 1 m M C × w l i τ × 1 + r m - λ + 1                   = Δ 2 × m × C V + Δ 3 / l ∂ T R 1 - T C 1 ∂ C V = - Δ 2 × m 0 ∂ T R 1 - T C 1 ∂ P = w × Δ 1 × A E l 0 ∂ T R 1 - T C 1 ∂ A E = w × Δ 1 × P l 0 ∂ T R 1 - T C 1 ∂ Y E = Δ 1 × P + Δ 3 × ∂ l / ∂ Y E l 2
式中：当AE一定，l与YE负相关。由式（14）可知光伏经济性与场地租金负相关，与电价、光资源水平正相关，当 ∂ T R 1 - T C 1 ∂ Y E 0，与场地发电能力正相关，当 ∂ T R 1 - T C 1 ∂ Y E 0，与场地发电能力负相关。
基准情景（BAU Scenario）下，105个城市的光伏投资回收期不超过13年，这些城市主要分布在东北、内蒙古、陕北、青甘宁、川西、冀北、豫北、皖北、山东、江西、广东、海南等地区，其地理分布情况如图2所示，其获利指数的分布情况如图3所示。
图2 基准情景下各城市投资回收期

Fig.2 The payback period of each city in BAU under the benchmark scenario

图3 基准情景下各城市获利指数

Fig.3 Profit indexI of each city under the benchmark scenario in BAU scenario

甘肃中西部光资源十分丰富，光伏场地发电能力中等，电价中等，光伏经济性最高，其投资回收期在9年以内，部分城市如金昌、武威、三沙、儋州的投资回收期仅需8年，PI值在1.7以上；甘肃东部光资源丰富，光伏场地发电能力中等，电价中等，光伏经济性较高，其投资回收期在10~12年，PI值在1.5~1.9；海南光资源丰富，光伏场地发电能力极高，且电价极高，光伏经济性最高，其投资回收期均在9年以内，其中三沙的投资回收期仅需8年，PI值在1.7以上；陕北、冀北光资源丰富，光伏场地发电能力中等，电价中等，光伏经济性较高，其投资回收期在10~11年，PI值在1.5~1.7；川西光资源丰富，光伏场地发电能力高，电价中等，光伏经济性较高，其投资回收期在10~11年，PI值在1.5~1.9；宁夏光资源十分丰富，但光伏场地发电能力中等，且电价较低，光伏经济性处于中等水平，其投资回收期在11~13年，PI值在1.3~1.7；蒙东、东北地区光资源丰富，但光伏场地发电能力较低，电价中等，光伏经济性处于中等水平，其投资回收期在10~13年，PI值在1.3~1.7；广东光资源中等，但光伏场地发电能力高，且电价较高，光伏经济性处于中等水平，其投资回收期在11~13年，PI值在1.3~1.7；蒙西、青海光资源十分丰富，光伏场地发电能力中等，但电价极低，光伏经济性相对较低，其投资回收期在12~13年，PI值在1.3~1.5；山东、豫北、皖北光资源相对丰富，光伏场地发电能力中等，电价较高，光伏发电具有一定经济性，其投资回收期在12~13年，PI值在1.3~1.5；江西光资源中等，光伏场地发电能力中等，但电价极高，光伏发电具有一定经济性，其投资回收期为13年，PI值在1.3~1.5。陕中南光资源中等，光伏场地发电能力中等，电价中等，光伏经济性较低；山西光资源丰富，光伏场地发电能力中等，电价较低，光伏经济性较低；京津光资源相对丰富，光伏场地发电能力中等，电价较低，且光伏场地租金高，光伏经济性较低；广西光资源较差，光伏场地发电能力中等，电价中等，光伏经济性较低；江苏、浙江光资源中等，光伏场地发电能力中等，电价中等，光伏经济性较低；福建光资源中等，光伏场地发电能力高，电价较低，光伏经济性较低；新疆光资源丰富，但光伏场地发电能力较低，且电价极低，光伏经济性低；湖北、湖南光资源较差，光伏场地发电能力较低，尽管电价较高，光伏经济性低；云南光资源丰富，光伏场地发电能力极高，但电价极低，光伏经济性低；四川、贵州、重庆光资源差，光伏场地发电能力较低，且电价中等或较低，光伏经济性最差。

4.2 PS Scenario结果与分析

政策支持情景（PS Scenario）下，201个城市的光伏投资回收期在13年以内，主要分布在东北、内蒙古、新疆、青甘宁、陕北、山西、河北、山东、河南、安徽、江西、上海、川西、广东、海南以及江苏、浙江、福建、广西部分地区，其地理分布情况如图4所示，其获利指数的分布情况如图5所示。
图4 政策支持情景下各城市投资回收期

Fig.4 PThe payback period of each city under the policy support scenarioin PS scenario

图5 政策支持情景下各城市获利指数

Fig.5 Profit indexI of each city under the policy support scenarioin PS scenario

其中甘肃中西部、海南的光伏经济性最高，投资回收期在8年以内，尤其是三沙、儋州的投资回收期仅需7年，PI值在1.9以上；甘肃东部、宁夏、陕北、川西、冀北、东北、山东、广东等地区部分城市的光伏经济性较高，其投资回收期在9~10年，PI值在1.7~1.9；内蒙古、青海、东北、山东、苏北、豫北、皖北、江西、上海、广东等地区部分城市的光伏经济性中等，其投资回收期在11~12年，PI值在1.5~1.7；新疆、山西、江苏、河南、安徽、湖北、广东等地区部分城市的光伏经济性相对较低，其投资回收期在12~13年，PI值在1.3~1.5；其他城市的光伏投资回收期长，经济性较差。

4.3 TD Scenario结果与分析

技术发展情景（TD Scenario）下，259个城市的光伏投资回收期在13年以内，主要分布在除云贵川渝、陕中、湖北部分城市、浙江部分城市、福建部分城市、广西部分城市之外的绝大多数地区，其地理分布情况如图6所示，获利指数的分布情况如图7所示。
图6 技术发展情景下各城市投资回收期

Fig.6 PThe payback period of each city in TD Scenariounder the technology development scenario

图7 技术发展情景下各城市的获利指数

Fig.7 Profit indexI of each city under the technology development scenario

其中甘肃中西部、海南的光伏经济性最高，其投资回收期为7年，PI值在2.1以上，尤其是武威、金昌、三沙、儋州等城市的PI值均超过2.3；甘肃东部、内蒙古、东北、宁夏、陕北、冀北、川西、山东、广东等地区部分城市的光伏经济性较高，其投资回收期在8~9年，PI值在1.7~2.1；内蒙古、东北、山东、青海、江西、广东等地区部分城市的光伏经济性相对较高，其投资回收期为10年，PI值在1.7~1.9；新疆、青海、陕西、山西、辽宁、河北、山东、豫北、苏北、皖北、上海、江西、广东等地区部分城市的光伏经济性中等，其投资回收期为11~12年，PI值在1.5~1.7；新疆、河北、北京、天津、湖北、湖南、江苏、浙江、福建、广西等地区部分城市的光伏经济性相对较低，其投资回收期为13年，PI值在1.3~1.5；其他城市的光伏投资回收期长、经济性较差。

5 结论与讨论

基于对全国宏观层面的研究发现，不同地区由于资源禀赋及经济条件的不同，导致其光伏经济性存在显著差异，按照经济性差异可将全国地区分为4个等级。①甘肃、宁夏、陕北、冀北、川西、海南为第一等级，这些地区的光伏发展具有天然优势，建议积极引导推动这些地区的光伏发展。②青海、内蒙古、东北、山东、豫北、皖北、江西、广东为第二等级，这些地区的资源禀赋较高或电价水平较高，其光伏发展优势较大，建议积极支持推动这些地区的光伏发展。③新疆、陕南、山西、冀中南、京津沪、河南、安徽、江苏、浙江、福建、湖南、广西为第三等级，这些地区的资源禀赋中等或电价水平较低，其光伏发展优势较小，建议给予政策上的支持并有选择地发展分布式光伏。④云南、贵州、四川、重庆、陕中、湖北为第四等级，这些地区的资源禀赋差或电价水平极低，其光伏发展具有天然劣势，建议有选择地少发展甚至不发展。
本文设置了三种情景，其中两两可互为对照，进而分析政策与技术对光伏经济性的影响作用。①通过BAU Scenario与PS Scenario两种情景的对比分析，当光伏贷款利率由6%降至5%、电价增长率由3%提高至4%时，适合发展分布式光伏的城市由105个增加至205个。经过计算发现，光伏贷款利率每降低1%，融资成本减少6.67%，光伏发电成本减少3.22%；电价增长率每提高1%，光伏发电收益增加5.25%。②通过PS Scenario与TD Scenario两种情景的对比分析，当光伏系统建设成本由6元/W降至5.5元/W时，适合发展分布式光伏的城市由201个增加至259个。经过计算发现，光伏系统建设成本每降低1%，光伏发电成本减少1%。
由此可见，利好的电价政策、金融政策以及技术发展可大幅度提高光伏经济性，尤其是电价政策的影响更为显著。①当前我国居民电价水平较低，存在严重的交叉补贴问题，不利于节能与新能源的发展，建议加快推进电力体制改革，逐步取消电力交叉补贴，还原电力的商品属性，从而提高居民用电价格，不仅能够提高能源利用效率，还能促进可再生能源发展，从而实现低碳化。②目前我国光伏行业的金融政策尚不完善，诸多银行的光伏贷款准入难度大、利率高，导致了光伏行业融资难、融资贵、融资慢等问题，融资成本占据着光伏行业相当一部分利润，已成为光伏发展的巨大阻力，建议加快完善光伏行业金融政策，拓宽融资渠道，适当出台低利率政策以支持光伏行业的发展。③光伏行业的发展离不开技术的进步，只有当光伏成本降下来，才能从根本上解决光伏发展瓶颈，在过去几年我国政策的大力支持下，光伏技术进步突飞猛进，使得光伏行业有一定利润空间，建议在组件转换效率、材料与生产成本以及运维优化等方面继续加大研发力度，推动技术进步。
由于数据获取难度大等原因，本文存在的不足之处主要有：①只考虑了平屋顶的光伏发电能力，实际上坡屋顶场地的发电能力更高；②光辐照水平选取了典型年数据，未进行动态分析，随着环境质量的改善，雾霾程度将减缓，大部分地区的光辐射强度得到一定的提升，对光伏发电能力有一定的正向效应；③研究基于一定的假设基础上，如场地租金、光伏贷款占比、光伏系统运维成本等指标的设定。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
International Energy Agency. CO2 Emissions from Fuel Com-bustion 2017[EB/OL]. https://webstore.iea.org/co2-emissions-from-fuel-combustion,2017-10-01.

[2]
中华人民共和国国家发展和改革委员会. 关于发挥价格杠杆作用促进光伏产业健康发展的通知(发改价格[2013]1638号)[EB/OL]. http://www.ndrc.gov.cn/fzgggz/jggl/zcfg/201308/t20130830_748416.html,2013-08-26.

[3]
中华人民共和国国家发展和改革委员会, 财政部,国家能源局. 关于2018年光伏发电有关事项的通知(发改能源〔2018〕823号)[EB/OL]. http://zfxxgk.ndrc.gov.cn/web/iteminfo.jsp?id=14264,2018-05-31.

[4]
曾鸣, 赵建华, 刘宏志, 等. 基于区间数的分布式电源投资效益分析[J]. 电力自动化设备, 2012, 32(8):22-26,34.

[5]
苏剑, 周莉梅, 李蕊. 分布式光伏发电并网的成本/效益分析[J]. 中国电机工程学报, 2013, 33(34):50-56,11.

[6]
孙艳伟, 王润, 肖黎姗, 等. 中国并网光伏发电系统的经济性与环境效益[J]. 中国人口·资源与环境, 2011, 21(4):88-94.

[7]
李蕊. 基于不同商业运营模式的分布式电源/微电网综合效益评价方法[J]. 电网技术, 2017, 41(6):1 748-1 758.

[8]
José L, Bernal-Agustín,Rodolfo Dufo-López. Economical andEnvironmental Analysis of Grid Connected Photovoltaic Systems in Spain[J]. Renewable Energy, 2006, 31(8):1 107-1 128.

[9]
邵汉桥, 张籍, 张维. 分布式光伏发电经济性及政策分析[J]. 电力建设, 2014, 35(7):51-57.

DOI

[10]
薛金花, 叶季蕾, 陶琼, 等. 面向不同投资主体的分布式光伏运营策略研究[J]. 电网技术, 2017, 41(1):93-98.

[11]
张希良, 汪婧. 西部地区发展并网光伏发电系统的社会成本效益分析与政策评价[J]. 太阳能学报, 2007, 28(1):32-36.

[12]
朱向东, 贺灿飞, 毛熙彦, 等. 贸易保护背景下中国光伏产业空间格局及其影响因素[J]. 经济地理, 2018, 38(3):98-105.

DOI

[13]
陈文俊, 贺正楚, 寻舸, 等. 湖南省新能源产业商业模式创新研究[J]. 经济地理, 2013, 33(1):126-130.

[14]
汪海洲, 杜思杨, 曾先峰. 基于SRTP方法对中国社会折现率的估算[J]. 统计与决策, 2013(21):18-21.

[15]
谭运嘉, 李大伟, 王芬. 中国分区域社会折现率的理论、方法基础与测算[J]. 工业技术经济, 2009, 28(5):66-69.

[16]
国家发展和改革委员会, 建设部. 建设项目经济评价方法与参数(第三版)[M]. 北京: 中国计划出版社, 2006.

[17]
国家发展和改革委员会. 对十三届全国人大一次会议第3785、4366号建议的答复[EB/OL]. http://zfxxgk.ndrc.gov.cn/web/iteminfo.jsp?id=15560,2018-07-26.

Options
文章导航

/

〈 〉