EN中文

经济地理 >

2025 , Vol. 45 >Issue 9: 149 - 160

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.09.015

产业经济与创新发展

户用光伏“产—储—用”融合系统的经济与减碳效益

  • 吉治璇 , 1 ,
  • 潘家华 1, 2 ,
  • 吴启元 , 1, ※ ,
  • 孙聪丽 1
展开
  • 1 中国社会科学院大学 应用经济学院， 中国 北京 102488
  • 2 北京工业大学 生态文明研究院， 中国 北京 100124
※吴启元（2001—），男，博士研究生，研究方向为气候变化经济学。E-mail：

吉治璇（1998—），女，博士研究生，研究方向为气候变化经济学、零碳经济学。E-mail：

收稿日期: 2025-05-16

  修回日期: 2025-09-08

  网络出版日期: 2025-10-17

基金资助

国家自然科学基金专项项目(72140001)

中国社会科学院大学科学研究项目(2024-KY-090)

收起

Economic and Carbon Reduction Benefits of a Residential Integrated Photovoltaic Production-storage-consumption System

  • JI Zhixuan , 1 ,
  • PAN Jiahua 1, 2 ,
  • WU Qiyuan , 1, ※ ,
  • SUN Congli 1
Expand
  • 1 Faculty of Applied Economics， University of Chinese Academy of Social Sciences， Beijing 102488， China
  • 2 Institute of Eco-civilization Studies， Beijing University of Technology， Beijing 100124， China

Received date: 2025-05-16

  Revised date: 2025-09-08

  Online published: 2025-10-17

Fold

摘要

文章聚焦分布式可再生电力生产—储能—终端用能融合系统——“零碳单元体”，通过理论建模与成本效益分析，全面评估了其经济与减碳效益。研究发现：①当零碳单元体的平准化度电成本低于购电价格时，用能主体的效用水平随之提升。②以中国典型家庭为例，“10 kW光伏—10 kW·h储能”的零碳单元体25年期净现值平均约37802元，内部收益率6.08%，平准化度电成本0.28元/kW·h，年均减排6.13t CO2。③区域分析表明，受光照资源、电价水平、电力碳排放因子等影响，零碳单元体在山东、黑龙江等华北与东北地区推广的经济与减碳效益较高，而贵州、重庆等西南地区则相对较低。据此，应充分发挥零碳单元体的经济与环境双重价值，因地制宜推动其在优势地区先行先试并逐步推广，加速释放多元主体的转型潜力，以系统融合方案赋能零碳转型。

关键词： 零碳单元体; 可再生电力; “产—储—用”融合; 户用光伏系统; 成本效益分析; 碳排放

本文引用格式

吉治璇 , 潘家华 , 吴启元 , 孙聪丽 . 户用光伏“产—储—用”融合系统的经济与减碳效益[J]. 经济地理, 2025 , 45(9) : 149 -160 . DOI: 10.15957/j.cnki.jjdl.2025.09.015

Abstract

This study focuses on a distributed renewable electricity production-storage-consumption integrated system, conceptualized as the Zero-Carbon Energy Prosumerage System (ZEPS), comprehensively evaluates its economic and carbon reduction benefits through theoretical modeling and cost-benefit analysis. Key findings include: 1)when the levelized cost of electricity (LCOE) of ZEPS is lower than the electricity purchase price, the utility level of the energy users improves; 2)for a typical Chinese household, a 10 kW photovoltaic system paired with a 10 kW·h storage system yields an average net present value (NPV) of approximately 37802 CNY over 25 years, with an internal rate of return (IRR) of 6.08%, an LCOE of 0.28 CNY/kW·h, and an average annual CO₂ emissions reduction of 6.13 tons; 3)regional analysis reveals that, influenced by solar irradiation, electricity price levels, and regional electricity carbon emission factors, ZEPS exhibits higher economic and carbon reduction benefits in North and Northeast China (e.g. Shandong and Heilongjiang), while benefits are relatively lower in Southwest regions (e.g. Guizhou and Chongqing). Accordingly, it is recommended to leverage the dual economic and environmental value of ZEPS, promote pilot implementations in advantaged regions, and gradually expand deployment, thereby accelerating the release of diverse actors' transformation potential and enabling the zero-carbon transition through integrated system solution.

Key words： zero-carbon energy prosumerage system; renewable electricity; production-storage-consumption integration; residential photovoltaic system; cost-benefit analysis; carbon emission

2023年12月，《联合国气候变化框架公约》第28次缔约方大会达成“阿联酋共识”，明确提出转轨脱离化石燃料，推动可再生能源规模化发展以实现2050年净零排放目标[1]。当前，可再生能源发电、储能和电动汽车等领域已具备显著的市场竞争优势。2023年全球陆上风电与光伏发电的平准化度电成本（Levelized cost of electricity，LCOE）较2010年分别下降70%和90%，远低于化石燃料平均成本[2]；同期，锂离子电池成本下降90%[3]，有力推动储能技术规模化应用。2023年中国电动汽车市场加速渗透，售价低于燃油汽车均价的电动汽车占比突破60%[4]。然而，零碳转型进程仍面临系统性挑战：中国分布式光伏年均增速虽超过50%，但发电出力波动性与配电网承载能力不足形成叠加效应，导致消纳严重受限，“弃光限光”问题突出[5]；储能技术虽发展迅速，但缺乏与源、荷侧的协同机制，技术碎片化发展严重制约可再生电力的优势发挥。因此，如何破解上述瓶颈，释放可再生能源系统集成效益，成为零碳转型的核心议题。
近年来，以可再生电力生产—储能—终端用能（以下简称“产—储—用”）协同优化为特征的“零碳单元体”，正凭借系统集成优势，重构能源经济发展范式[6]。相关理论研究不断深入，零碳单元体通过储能系统缓解可再生电力的间歇性与波动性，提升可再生电力消纳水平，并以就地、就近消纳为特征的分布式可再生能源体系驱动能源治理模式变革[7]。在量化分析方面，不同学科领域的研究者从成本效益分析[8]、优化配置建模[9]、全生命周期碳核算[10]等多维度对系统的经济和环境效益展开测算，为零碳单元体的推广应用提供了科学规划依据。既有文献从理论与实践维度对可再生电力“产—储—用”融合系统进行广泛且深入的研究，然于全面性与系统性方面仍存在以下局限：①既往研究偏重宏观理论或技术细节，对分布式可再生电力“产—储—用”融合系统打破传统电力市场供需“二元分离”格局这一关键进程的理论剖析不够细致；②多数研究局限于特定案例或区域[11]，缺乏对中国全域的综合评估与区域差异化比较；③研究对象多集中于大规模发电项目，对于用户侧储能系统及家庭、园区、工厂等微观用能主体关注不足[12]，难以全面理解与评估分布式可再生电力“产—储—用”融合系统的经济与减碳效益。
2025年3月，中国政府工作报告提出“建立一批零碳园区、零碳工厂”[13]，标志着零碳转型从宏观目标向微观主体落地迈出关键一步，为零碳单元体的推广提供了重要机遇，也突显了量化评估其经济可行性和减碳效益的重要性。本文基于理论探讨与量化评估双重视角，在理论层面构建经济模型，剖析零碳单元体对用能主体效用水平的影响；在实践层面运用成本效益分析、LCOE模型等方法，以典型家庭应用场景为例，系统测算零碳单元体在中国各省份推广的经济和减碳效益，识别区域差异化表现。本研究旨在为分布式可再生电力“产—储—用”融合系统赋能零碳转型提供理论与数据支撑，揭示多元用能主体的零碳转型潜力，加速零碳单元体潜在效益的释放和可再生能源的高效利用，为相关决策者实施因地制宜推广路径提供参考。

1 “零碳单元体”融合系统

1.1 核心内涵

“零碳单元体”（Zero-carbon Energy Prosumerage System，ZEPS）是一种以太阳能、风能等可再生能源为核心驱动力，实现可再生电力生产、储能以及终端用能深度融合的系统解决方案[6]。与分布式可再生电力全额上网或高度依赖电网运行的产消者模式不同[14]，零碳单元体依托储能系统保障电力的稳定和持续供应，兼具离网自主运行与并网协同的双重能力。图1展示了以户用场景为例的零碳单元体系统架构，包含可再生电力生产、终端用能和储能系统。电力生产方面，零碳单元体主要通过太阳能光伏、风力发电机等设备，实现分布式可再生电力的就地、就近生产，适用于居民家庭、工业园区、学校等多类型建筑空间。终端用能方面，主要考虑用能主体边界内的电力能源服务需求。以典型家庭为例，其用能需求通常包含基础负荷（照明、制冷、家用电器）、热力负荷（供暖、热水）和交通负荷（电动汽车充电）。在并网运行模式下，零碳单元体生产的电力优先满足自身需求，富余电力则可向电网或周边充电桩等输送，形成“自发自用—余电交易”的收益机制。储能系统是零碳单元体的核心要素，包含储能电池和能源管理系统，能够综合考虑用能行为、电力市场波动和电网负荷等多重因素，灵活优化电池电量的充放电决策，提高能源使用效率，与电网形成良性互动。
图1 以户用场景为例的零碳单元体系统架构

Fig.1 ZEPS system architecture for residential application

当前，零碳单元体已在中国微观层面展现出良好的可实践性①。在户用场景中，浙江省长兴县丁家湾户用储能示范基地通过推广“屋顶光伏+户用储能”，帮助村民节约电费和增加收入，以零碳转型推动经济与生态的共同富裕[15]。在村集体层面，山西省芮城县庄上村通过打造“光储直柔”一体化电力系统，实现可再生电力的自发自用与余电上网，支撑炊事、取暖与电动汽车充电等多元场景用电需求[16]。在园区应用场景中，鄂尔多斯零碳产业园基于“风光储”一体化项目，不仅实现绿色电力供应，还加速零碳工业体系形成，经济与减碳效益显著[17]。可再生电力“产—储—用”融合系统案例的落地实践充分证明了零碳单元体在不同应用场景中的可行性与有效性，同时实践先于系统理论的现象也更加突显了零碳单元体理论研究的紧迫性与必要性。

1.2 理论模型

零碳单元体的推广将对电力市场格局产生深远影响。表1显示，以化石能源为主导的传统电力体系呈现供需“二元分离”特征，电力企业通过集中式发电与高压传输向居民家庭、工厂、学校等单向供电，用能主体的用电成本、供电稳定性与碳排放高度依赖于电网。在零碳单元体模式下，用能主体可实现零碳电力的自发自用，并通过储能系统保障电力稳定供应。零碳单元体以分布式供给满足分散化需求，推动电力市场收益分配格局重构与能源结构优化，为电力市场零碳转型提供了创新路径。
表1 传统用电模式与零碳单元体模式核心差异对比

Tab.1 Core differences between the traditional electricity use model and the ZEPS model

维度 传统用电模式 零碳单元体模式
能源来源 全额电网购电 系统自发自储自用为主，部分来自电网
经济成本/收益 用电成本依赖电网电价波动 成本由系统LCOE主导；富余电力可外送以获取经济收益
供电稳定性 受电网稳定性影响 储能保障电力供应稳定
CO2排放 依赖电网电力排放因子 可再生能源发电零直接CO2排放
为刻画传统用电模式向零碳单元体变革这一关键进程，本文构建经济学理论模型，系统剖析零碳单元体对用能主体效用水平的影响（图2）。在传统电力市场中，用能主体从电网购电并获取能源服务效用，其购电决策受用电需求、购电价格及预算约束影响；在零碳单元体连接电网的模式下，用能主体与电网实现双向交互，其购电和售电决策更加复杂。首先，作为消费者，用能主体的直接效益来自电力服务效用，间接收益为相较于传统模式所节省的购电支出。消费者的购电决策受用电需求、购电价格、预算约束及自发自用电量影响。其次，作为生产者，当系统发电量超出实时用电需求时，用能主体可将富余电力出售以获取收益，其售电决策受售电价格、系统发电量及LCOE影响。基于此，本文以零碳单元体同时实现电力消费者与生产者的决策最优为目的构建经济模型。其中，用电需求、自发自用电量、外送电量和购入电量为决策变量。相关变量的符号及说明见图2符号一览表。
图2 传统用电模式与零碳单元体模式供求关系对比

Fig.2 Supply and demand comparison between the traditional electricity use model and the ZEPS model

1.2.1 传统用电模式

在传统用电模式下，用能主体的电力需求Dh完全依赖于企业供给。为简化分析，本文采用对数函数刻画电力消费带来的效用，效用水平随需求增加而不断提升，但存在边际效用递减现象，即 $u\text{'}\left({D}_{h}\right)>0$， ${u}^{\text{'}\text{'}}\left({D}_{h}\right)<0$。此外，用能主体还需满足购电支出的预算约束。模型如下：
$\begin{array}{c}max\\ {D}_{h}\end{array}{u}_{T}\left({D}_{h}\right)=ln{D}_{h}$
$s.t.    {P}_{b}{D}_{h}\le B$
求解一阶条件，整理得：
${{D}_{h}}^{*}=\frac{B}{{P}_{b}}$
${u}_{T}{\left({D}_{h}\right)}^{*}=ln\frac{B}{{P}_{b}}$
结果表明，传统用电模式下，用能主体的最优效用水平受限于外购预算，呈现“预算约束型”效用特征。当预算约束B上升或购电价格Pb下降时，用能主体的电力需求增加、效用提升；反之，用能主体的效用受损。消费者对于电网的高度依赖使其成为被动的价格接受者，易受外部因素波动而影响自身效用水平。

1.2.2 零碳单元体模式

在零碳单元体模式下，用能主体通过分布式可再生电力与储能系统的融合，保障电力的稳定供应。为使理论分析更加符合现实，本文考虑连接电网的一般性情况，即零碳单元体虽能满足大部分电力需求，但因系统故障等不确定性因素，用能主体仍需从电网购入部分电力。首先，作为消费者，用能主体以电力消费效用最大化为目标，此时，其电力需求Dh由系统自发自用电量Sh和从电网购入电量G共同组成。系统自给自足部分可节省电费支出PbSh，而剩余无法满足的电力需求则从电网购入，对应购电成本PbG需满足预算约束。模型如下：
$\begin{array}{c}max\\ {D}_{h},{S}_{h},G\end{array} {u}_{Z}\left({D}_{h}\right)={u}_{Z}\left({S}_{h}+G\right)=ln\left({S}_{h}+G\right)$
$s.t. {P}_{b}G\le B$
其次，作为生产者，用能主体通过出售富余电力实现利润最大化。余电收益为售电价格Ps与外送电量Se的乘积，系统成本为平准化度电成本lcoe与发电量E的乘积。模型如下：
$\begin{array}{c}max\\ {S}_{e}\end{array}\pi ={P}_{s}{S}_{e}-lcoe·E$
为同时求解用能主体作为消费者与生产者的决策最优，本文参考Sun等对分布式能源产消模型合并的方法[18]，将最大化决策转换为最小化模型，并联立：
$\left\{\begin{array}{l}\begin{array}{c}min\\ {D}_{h},{S}_{h},G\end{array}{P}_{b}G\\ s.t.{u}_{Z}\left({D}_{h}\right)\ge \overline{u}\\ \begin{array}{c}min\\ {S}_{e}\end{array}-\pi =lcoe·E-{P}_{s}{S}_{e}\end{array}\right.\to \begin{array}{c}\begin{array}{c}min\\ {D}_{h},{S}_{h},{S}_{e},G\end{array}({P}_{b}G+lcoe·E-{P}_{s}{S}_{e})\\ s.t.{u}_{Z}\left({D}_{h}\right)\ge \overline{u}\end{array}$
进一步将最小化模型转换为效用最大化求解模型。此外，模型还需满足用电平衡、系统发电分配以及电力非负的约束条件，最终整合如下：
$\begin{array}{c}max\\ {D}_{h},{S}_{h},{S}_{e},G\end{array}{u}_{Z}\left({D}_{h}\right)={u}_{Z}({S}_{h}+G)=ln\left({S}_{h}+G\right)$
$s.t.{P}_{b}G+lcoe·E-{P}_{s}{S}_{e}\le B$
G+Sh=Dh
${S}_{h}+{S}_{e}\le E$
$G,{S}_{h},{S}_{e},{D}_{h}\ge 0$
求解一阶条件，整理得：
${P}_{b}^{*}={P}_{s}^{*}$
${{D}_{h}}^{*}=E+\frac{B-lcoe·E}{{P}_{b}}=E+\frac{B-lcoe·E}{{P}_{s}}$
$\begin{array}{l}{u}_{Z}{\left({D}_{h}\right)}^{*}=ln\left(E+\frac{B-lcoe·E}{{P}_{b}}\right)\\ =ln\left[\frac{B+E({P}_{b}-lcoe)}{{P}_{b}}\right]\end{array}$
在零碳单元体模式下，用能主体实现由传统消费者向产消者融合的双重经济身份转变，其最优效用水平不再仅受外购成本制约，而同时取决于零碳单元体的发电量和LCOE，呈现“技术驱动型”效用特征。用能主体通过电力生产创造新的收益，突破传统预算约束，实现电力消费效用、生产收益和技术进步红利的协同优化。在均衡条件下，Pb=Ps，零碳单元体实现完美市场套利，此时用能主体对系统所发电量的自我消纳与向电网出售之间的分配偏好无差异。式（16）表明，零碳单元体模式下用能主体的最优效用水平受系统发电量、LCOE、预算约束以及电价影响。当预算约束增加时，收入效应促使电力需求提升，能源服务效用提高；当系统LCOE或购电价格增加时，用能主体面临的成本上升，电力消费需求和效用水平相应降低；当售电价格上升时，向电网售电变得更加有利可图，用能主体倾向于减少自身电力需求，增加售电以获取更多收益。
为进一步比较传统用电与零碳单元体模式下的最优效用水平差异，本文计算 ${u}_{Z}{\left({D}_{h}\right)}^{*}$与 ${u}_{T}{\left({D}_{h}\right)}^{*}$的差值 $\Delta u$，如下：
$\begin{array}{l}\Delta u={u}_{Z}{\left({D}_{h}\right)}^{*}-{u}_{T}{\left({D}_{h}\right)}^{*}\\ =ln\left(E+\frac{B-lcoe·E}{{P}_{b}}\right)-ln\left(\frac{B}{{P}_{b}}\right)\\ =ln\left[1+\frac{E({P}_{b}-lcoe)}{B}\right]\end{array}$
结果显示，在系统发电量和预算约束均为正的前提下，当Pb>lcoe时， $\Delta u>0$，即相较于传统用电模式，零碳单元体能够有效提升用能主体的效用水平；反之，用能主体效用降低。由此可见，零碳单元体系统的LCOE与购电价格之间的差值，直接决定了用能主体的效用变化。当零碳单元体的系统成本固定时，其LCOE主要取决于所在区域的可再生能源资源禀赋；而分布式可再生电力与储能技术的持续进步与规模化应用，则将从根本上推动零碳单元体系统成本降低，显著促进效用改善，实现电力能源的广泛可及与社会福祉增进。

2 研究方法与数据来源

2.1 研究方法

2.1.1 成本效益分析

本文采用成本效益分析法评估零碳单元体的经济效益，即运行年限内扣除系统成本后的净收益[11]。鉴于零碳单元体电力输入输出的实时波动性与复杂性，传统量化分析方法和可获取数据尺度难以支撑动态精确评估，故本文以年为单位进行测算，同时提出以下假设：①储能系统的优化调控可实现零碳单元体电力生产、储存和消费的动态平衡，保障稳定和持续的电力供应；②储能系统遵循“自发自用优先，余电外送补充”的运行逻辑；③随着电网基础设施完善和体制机制优化，零碳单元体的富余电力可经储能系统调节，并通过余电上网或绿电直连实现灵活消纳，获取售电收益。基于以上假设，结合图2分析，零碳单元体的实际经济效益主要源自用电支出节省和余电外送收益；成本则包含系统安装和运维费用，以及在系统电力产出不足时，用户为保障正常用电所支付的购电费用。运行年限内总收益（Benefit）与总成本（Cost）核算如下：
$Benefit=\sum _{t=0}^{n}\left\{\begin{array}{l}{P}_{b}{S}_{h,t}+{P}_{s}\left({E}_{t}-{D}_{h,t}\right), if {E}_{t}>{D}_{h,t}={S}_{h,t}\\ {P}_{b}{S}_{h,t},                             if {E}_{t}={S}_{h,t}\le {D}_{h,t}\end{array}\right.$
$Cost=\sum _{t=0}^{n}\left\{\begin{array}{l}{C}_{t},                              if {E}_{t}>{D}_{h,t}={S}_{h,t}\\ {C}_{t}+{P}_{b}\left({D}_{h,t}-{E}_{t}\right),if {E}_{t}={S}_{h,t}\le {D}_{h,t}\end{array}\right.$
式中：Pb与Ps分别为购电价格和售电价格；Dh,t为第t年的用电需求；Sh,t为第t年自发自用电量；Et为第t年系统实际发电量；Ct为第t年系统安装或维护成本；n为系统运行年限。当Et>Dh,t时，零碳单元体不仅满足电力的自发自用，还可将富余电量Et-Sh,t售电获利；反之，当Et<Dh,t时，系统的收益仅包括自发自用节省的电费，同时需增加额外购电成本。此外，为准确评估系统的经济可行性与盈利能力，并体现货币时间价值对不同时间点成本与收益的影响，需引入跨期贴现因素，采用净现值（Net present value，NPV）和内部收益率（Internal rate of rate，IRR）作为经济效益的核心指标。如式（20）所示，NPV通过将运行年限内不同时间点的收益和成本，以贴现率r折算成现值，基于收益与成本的现值总额之差评估盈利水平。当NPV≥0时，系统具备投资价值；当NPV<0时，系统无法实现预期收益。IRR是当NPV=0时所对应的利率水平，反映运行年限内系统可实现的基本收益率，IRR越高表明投资回报能力越强。
$\begin{array}{l}  NPV\\ =\sum _{t=0}^{n}\frac{\left\{\begin{array}{l}{P}_{b}{S}_{h,t}+{P}_{s}\left({E}_{t}-{D}_{h,t}\right)-{C}_{t},if {E}_{t}>{D}_{h,t}={S}_{h,t}\\ {P}_{b}{S}_{h,t}-{C}_{t}-{P}_{b}\left({D}_{h,t}-{E}_{t}\right),if {E}_{t}={S}_{h,t}\le {D}_{h,t}\end{array}\right.}{{(1+r)}^{t}}\end{array}$

2.1.2 平准化度电成本模型

平准化度电成本（LCOE）模型是一种基于系统运行生命周期内的价值评估方法，用于量化电力能源系统的单位发电成本并评估其经济可行性[19]。LCOE模型通过折现处理系统的成本流与发电流，构建出具有时间价值属性的“成本—发电效益”分析框架。本文据此构建零碳单元体的LCOE模型，即运行年限内成本现值与发电量现值之比，模型如下：
$\begin{array}{l}  LCOE\\ =\frac{\sum _{t=0}^{n}\frac{\left\{\begin{array}{l}{C}_{t},                                  if {E}_{t}>{D}_{h,t}={S}_{h,t}\\ {C}_{t}+{P}_{b}\left({D}_{h,t}-{E}_{t}\right),if {E}_{t}={S}_{h,t}\le {D}_{h,t} \end{array}\right.}{{(1+r)}^{t}}}{\sum _{t=0}^{n}\frac{{E}_{t}}{{(1+r)}^{t}}}\end{array}$

2.1.3 系统减碳量核算模型

零碳单元体的减碳效益主要体现在其可再生能源发电替代传统化石燃料发电所避免的CO2排放。为方便量化零碳单元体在碳中和进程中的年减碳贡献潜力，本研究测算系统运行年限内的年均减碳量。如式（22）所示，年均减碳量为年均发电量与区域电力排放因子 $\tau $的乘积；如式（23）所示，系统年发电量Et将随时间t增加而衰减，其中Einitial为系统的首年发电量， $\gamma $为年衰减率。
$Carbon=\frac{\sum _{t=0}^{n}{E}_{t}}{n}·\tau $
${E}_{t}={E}_{initial}·{(1-\gamma )}^{t}$

2.2 数据来源与说明

零碳单元体的应用场景覆盖居民家庭、工厂、学校、村庄等多类型的用能主体。从系统构建的典型性分析，不同工商业应用场景在产业特征、用电规模、负荷特性等方面差异显著，难以形成普适性分析框架。相较而言，家庭户用场景在系统规模、负荷特征及设备配置方面具有较高的同构性，更适于开展跨区域经济和减碳效益对比研究。在设备选择上，太阳能光伏发电因资源分布广泛、投资成本较低、运维简便且部署灵活等，具有综合优势[20]；锂电池则因其高充放电效率、长循环寿命和技术成熟度，在家庭户用系统中广受青睐[21]。在规模设定上，参考国际能源署（International Energy Agency，IEA）对户用分布式可再生能源系统规模的界定标准[22]，同时尽可能满足储能电池对家庭日均用电需求的支撑，本文构建“10 kW光伏—10 kW·h储能”的中国典型家庭零碳单元体系统，测算其经济与减碳效益。为确保数据的时效性与可得性，以2024年为基准初始年份获取各省首年太阳能利用小时数、居民生活用电价格、居民家庭首年生活用电量以及贴现率等数据，对于系统成本、电力碳排放因子则采用可获取最新年份（2022或2023年）数据进行替代。同时，为简化分析并确保结果的横向可比，本文假设居民生活用电价格与燃煤发电基准价格在测算周期内保持稳定。测算所需数据及说明见表2。
表2 测算数据来源与说明

Tab.2 Data sources and notes

数据类型 符号 数值 数据来源 数据说明
运行年限 n 25a 王小虎等[11] 光伏发电系统寿命为25~30年，锂电池寿命为10~15年。在系统运行的第12~13年需进行1次储能电池更换
系统成本 C 光伏发电系统为39000元；储能电池为6000元；光伏与储能系统年运维费率分别为1%和1.5% 光伏成本数据来自王怀斌[23]；储能成本数据来自张兴等[24]；运维费率数据来自王小虎等[11] 光伏发电系统（含光伏组件、组件支架、逆变器、安装费等）单位成本为3.9元/W；锂电池单位容量成本为600元/kW·h；故10 kW光伏—10 kW·h储能系统初始投入成本为45000元。电池更换成本为6000元。系统运维费用为480元/年（光伏系统390元/年；储能90元/年）
系统首年发电量 Einitial - 《中国风能太阳能资源年景公报（2024年）》[25] 系统首年发电量为各省首年太阳能利用小时数与光伏发电系统规模（10 kW）的乘积，首年太阳能利用小时数为各省固定式发电最佳斜面总辐照量与系统效率（83%）的乘积[25]
光伏发电年衰减率 $\gamma $ 0.8% 昌敦虎等[26] -
电力CO2排放因子 $\tau $ - 生态环境部 2022年全国电力平均CO2排放因子为0.54kgCO2/kW·h1，各省则根据所在区域电力CO2排放因子取值
居民家庭年电力需求量 Dh 首年取值为
3025 kW·h		 居民生活用电量数据来自国家能源局；家庭户数据来自第七次全国人口普查 2024年中国城乡居民生活用电量为14942亿kW·h2，以全国家庭户约4.94亿户计，户均年用电量约3025 kW·h3
购电价格 Pb - 中国国家电网、南方电网官方网站 基于各省居民生活用电阶梯电价，梯度选择参考年用电量
售电价格 Ps - 各省发展改革委等官方网站 根据发改价格〔2021〕833号文件，新建光伏项目上网电价按当地燃煤发电基准价执行4
贴现率 r 2.57% 新华社 参考2024年中国30年期超长期国债票面利率5

注：1.数据来源于生态环境部、国家统计局2024年12月26日发布的《关于发布2022年电力二氧化碳排放因子的公告》：https://www.mee.gov.cn/xxgk2018/xxgk/xxgk01/202412/t20241226_1099413.html。2.数据来源于国家能源局2025年1月20日发布的《2024年全社会用电量同比增长6.8%》：https://www.nea.gov.cn/20250120/4f7f249bac714e7693adecac996d742f/c.html。3.随着居民收入增加与终端用能电气化水平提升，预期未来居民家庭生活用电量将不断上升，年增长率参考最新可得数据计算取5.7%（根据国家能源局官方公布数据，2022年城乡居民生活用电量为 13366亿kW·h，2024年为14942亿kW·h，以此计算复合年增长率：${\left(\frac{14942}{13366}\right)}^{0.5}-1\approx 5.7\%$）。4.特殊省份如青海按0.2277元/kW·h、西藏按光伏配储项目0.341元/kW·h执行。5.数据来源于新华社2024年6月9日发布的《30年期超长期特别国债第一次续发行》：https://www.gov.cn/lianbo/bumen/202406/content_6956430.htm。

3 结果分析

3.1 经济效益分析

中国典型家庭零碳单元体系统在运行年限内的NPV与IRR空间分布如图3所示。在全国范围内，“10 kW光伏—10kW·h储能系统”的NPV均为正，区间介于14184~52589元，IRR在2.49%~8.19%，表明其具备经济可行性且存在区域差异。平均而言，中国典型家庭零碳单元体25年运行周期内NPV为37802元，IRR为6.08%。从空间分布看，黑龙江、山东等北方省份受纬度与气候带的共同作用，太阳辐射强度高，光伏发电优势明显，驱动零碳单元体的经济效益处于较高水平；而重庆、贵州等西部省份则因光照条件限制，NPV和IRR普遍较低。除光照资源禀赋外，购电价格与售电价格也是影响系统经济性的重要因素。上海、海南等省份因高购电价格带来显著的电费节约收益，而新疆、云南因购电价格低导致收益回报较少。此外，江西、广东等省份的高煤电基准电价提高了余电上网收益。经济效益的空间异质性，不仅反映出自然地理条件对经济效益的影响，还揭示了区域购电价格与售电价格对分布式可再生能源系统推广的重要性。
图3 中国典型家庭零碳单元体系统净现值与内部收益率的空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。图4同。

Fig.3 NPV and IRR spatial distribution for typical household ZEPS in China

3.2 减碳效益分析

中国典型家庭零碳单元体系统的年均发电量与减碳量空间分布如图4所示。西北地区因位于太阳能资源富集带，零碳单元体的发电量显著高于其他地区；中部与东南沿海地区因地理位置与气候条件，光照资源相对匮乏，发电量较低。减碳效益空间分布呈现“北高南低”格局，这本质上是区域电力碳排放因子与发电量共同作用的结果。北方地区以高碳的煤电为主，电力排放因子较高，零碳单元体的减碳效益显著；而南方地区多以水电为主，电力能源结构相对清洁，电力排放因子较低，减碳效益有限。自然资源禀赋与区域电力结构是影响减碳效益空间分异的关键，反映了资源要素空间分布对区域能源发展路径的制约与引导作用。从全国范围看，中国典型家庭零碳单元体的平均年均发电量为11424 kW·h，对应减碳量6.13 t。若该系统在全国约4.94亿户家庭中实现50%~80%的渗透率，预计将形成2.82~4.51万亿kW·h的发电规模，相当于2024年中国全社会用电量的29%~46%；年均减碳量可达15.14~24.23亿t，约占2024年中国CO2排放量的13%~21%①，在推进中国碳中和目标进程中展现出较大的贡献潜力。
图4 中国典型家庭零碳单元体系统年均发电量与减碳量的空间分布

Fig.4 Average annual power generation and CO2 avoided spatial distribution for typical household ZEPS in China

3.3 敏感性分析

敏感性分析是评估研究结果稳健性与识别不确定因素影响的关键工具。零碳单元体的减碳效益主要取决于相对稳定的区域电力排放因子与自然资源禀赋条件，而其经济效益受系统成本、电价、用电需求等多因素变动影响。因此，本文主要针对零碳单元体的NPV进行敏感性分析，基于全国平均测算结果构建基准情景，重点量化贴现率动态变化下系统成本、购电价格、售电价格和用电需求4个关键参数对NPV的影响强度。参考昌敦虎等的研究[26]，引入敏感系数 $\vartheta $用以衡量关键参数x波动对于NPV的边际影响， $\vartheta $的绝对值越大，则参数x对系统收益的影响越显著，公式如下：
$\vartheta =\frac{\Delta NPV}{NPV}/\frac{∆x}{x}$
图5展示了敏感性分析结果。从中看出，当贴现率为1.57%时，关键参数对系统经济性影响的敏感性排序为：售电价格>系统成本>购电价格>用电需求，售电价格波动对NPV的影响最为显著；当贴现率提高至3.57%时，敏感性排序演变为：系统成本>售电价格>购电价格>用电需求，系统成本的影响提升至首位。这种排序变化主要源于零碳单元体“高投资—低运维”的成本结构特征。当贴现率上升时，未来运维成本的现值降低，从而通过折现效应放大系统投入成本的敏感性。
图5 净现值敏感性分析

Fig.5 Sensitivity analysis of net present value

系统成本的变动主要取决于可再生能源发电与储能系统的技术迭代及产业规模化水平。根据IEA预测，到2030年，中国太阳能光伏与储能结合项目的LCOE预计将比煤电低30%[3]，系统成本的降低将不断强化敏感系数，有力推动零碳单元体经济效益的提升。售电价格的敏感性则与政策调控紧密相关。随着国家层面可再生能源上网电价补贴退坡以及新能源上网电价市场化改革①，需警惕售电价格波动对经济收益的潜在侵蚀风险。相较而言，购电价格与用电需求的敏感性系数绝对值分别在1.2与0.6以内，表明电价上涨与需求扩张的正向激励能够促进零碳单元体经济效益的提升，但这种需求侧管理措施对系统经济性的边际改善效果较为有限。

4 讨论

4.1 多维效益提升

零碳单元体推动能源结构转型的核心驱动力在于系统LCOE的经济性优势。理论模型表明，当LCOE低于购电价格时，相较于传统用电模式，零碳单元体能够有效提升用能主体的效用水平。由图6可知，中国典型家庭零碳单元体的LCOE为0.21~0.43元/kW·h（全国平均水平为0.28元/kW·h），显著低于各省居民生活用电价格。青海凭借高辐照资源禀赋，LCOE低至0.21元/kW·h，较当地购电价格低51%；贵州尽管光照条件有限，其LCOE（0.38元/kW·h）仍较当地电价低25%，表明零碳单元体在全国范围内均具备成本竞争力。从经济效用看，零碳单元体通过电力支出成本节约和余电上网收益，为用户提供双重激励。对企业而言，节省的电费可转化为研发投入或利润留存，增强其竞争力和创新能力；对居民家庭而言，通过可再生电力自发自用替代传统购电，可降低热泵、电动汽车等设备的边际成本，刺激绿色消费需求，赋能零碳经济增长。在非经济效用方面，零碳单元体的分布式特征能够实现可再生能源的就地生产与消纳，降低对传统化石燃料的依赖，并促进能源生产与消费更加贴近人类经济活动中心，减少能源在长距离传输中的损耗，提高能源利用效率，优化能源空间配置。此外，随着系统成本的持续降低，零碳单元体将在更广泛的社会群体中加速普及，赋予用能主体对能源系统的所有权和收益权，提升用能自主性与能源可及性，推动能源公平与气候减缓目标的协同共进，形成普惠性社会效益。
图6 系统LCOE与各省购电价比较

Fig.6 Comparison between the system LCOE and provincial electricity purchase prices

4.2 区域效益分异

零碳单元体的经济与减碳效益在中国不同区域展现出显著异质性。基于IRR与年均减碳量双维度分析框架，以全国平均水平（IRR为6.08%，年均减碳量6.13 t）为基准，本文将中国各省份划分为4种类型（图7）。从经济维度看，山东、黑龙江等光照资源丰富的省份IRR较高，而海南、广东等则因高购电价格具有较强盈利优势；相反，贵州、重庆等低光照区域以及新疆、青海等低购电或售电价格区域的IRR表现较弱。从减碳效益看，北方与华东地区因电力排放因子较高，年均减碳量显著高于以清洁电力为主的南方地区。综合经济与减碳双维度分析，不同地区应实施差异化的转型策略。对于高经济—高减碳效益区，应充分发挥光照资源优势，优先探索分布式可再生电力“产—储—用”融合的一体化模式，形成可复制、易推广的案例项目。对于高经济—低减碳效益区，可聚焦高用电需求的工商业分布式场景，通过虚拟电厂聚合资源，实现规模化减碳；积极参与跨区域绿电交易，将经济优势转化为外送绿电的减碳增量。对于低经济—高减碳效益区，应通过政策引导与市场机制，发挥风光资源优势，优化电价结构，推动可再生能源制氢等产业发展，形成“风光+储能+制造业”产业集群，提高本地可再生电力消纳能力。对于低经济—低减碳效益区，可主动突破本地资源限制，依托小水电、风电、生物质能等实现多能互补，降低对单一可再生电力的依赖，稳步推进零碳转型。
图7 经济—减碳效益的区域分异

Fig.7 Regional differences in economic and carbon reduction benefits

4.3 现实局限探讨

在测算零碳单元体的经济与减碳效益时，本文假设储能系统可实现电力生产、储存与消费的动态平衡，且富余电力可外送消纳。然而，现实中的储能系统能量损耗及外部消纳能力制约可能会影响这一假设。以锂离子储能电池为例，其充放电效率约95%[27]，导致其实际可用电量低于理论值。此外，受制度阻碍、配电网承载力不足及外部消纳市场有限等影响，弃光现象难以完全避免。根据中国新能源消纳监测预警中心数据，2024年中国光伏平均利用率为96.8%①，约3.2%的发电量未实现有效消纳。为此，本文进一步考虑锂电池效率（95%）和弃光率（3.2%）对零碳单元体经济与减碳效益的影响，结果如图8所示。现实局限的引入对零碳单元体产生了不同程度的负面影响，若同时考虑储能电池效率与弃光率，零碳单元体的NPV将由3.78万元降至3.14万元，IRR降至5.14%，年均减碳量降为5.64t。因此，为降低零碳单元体在现实运行中的经济与减碳效益损失，应持续投入研发以提升储能电池充放电效率，加快电网智能化改造和绿电直连政策落地。
图8 考虑储能电池效率与弃光率影响的经济与减碳效益变化

Fig.8 Economic and carbon reduction benefit change considering energy storage battery efficiency and curtailment rate

4.4 推广挑战分析

零碳单元体兼具经济与减碳效益，但其规模化推广仍面临技术协同、经济成本、利益分配、财政税收和社会接受度等多层面复杂挑战。技术层面，尽管风光发电、储能和电动汽车等单项技术已取得突破，但在多技术协同优化、能源智能管理与电网互动能力方面仍显不足。技术兼容性与标准不统一增加了系统集成难度，而能源管理技术尚在发展中，难以充分发挥零碳单元体在分布式电力网络中的灵活性。经济层面，可再生电力设备与储能系统的高额初始投资成本是推广的核心障碍。由图9可知，中国典型家庭零碳单元体的系统经济可行性高度依赖长期运行收益。在运行初期，用能主体面临资本支出压力，随着电费节省与余电上网收入增加，电力收益逐渐抵消初始投资成本，至11~12年后实现净收益积累。然而，初始投资的高门槛和较长的投资回报期可能削弱用户投资意愿，尤其是在可再生能源上网电价波动的背景下，余电上网收益的不确定性可能放大经济风险。利益分配层面，用户侧能源自给率提升虽能够降低购电成本，但购电量的下降压缩了传统电力企业利润空间，并可能引发电网成本分摊机制失衡与电价上涨，导致利益冲突[22]。财政税收层面，电费收入减少将冲击地方税收基础，影响地方政府的财政收入。此外，以市场交易中商品增加值为基础的GDP核算体系关注直接经济活动的量化，无法充分体现零碳能源服务的非市场化价值，导致其实际效益在宏观层面被低估。社会接受度与文化适配层面，零碳单元体的推广与公众对其技术可靠性、建筑兼容性与文化适配性的认知紧密相关。需通过社区参与式规划、美学融合方案和示范项目可视化推广等措施，提升社会对零碳单元体的接受度和信任度，避免对传统文化遗产和景观造成破坏[28]。
图9 中国典型家庭零碳单元体运行周期内的成本与收益

Fig.9 Costs and benefits over the operating cycle of typical household ZEPS in China

5 结论与建议

5.1 结论

在转轨脱离化石燃料的进程中，加速推进零碳可再生能源对高碳化石能源的整体性替代已成为不可逆转的时代趋势。鉴于当前可再生能源技术发展碎片化的局限，本文聚焦分布式可再生电力“产—储—用”融合系统——“零碳单元体”，从理论探讨与量化评估双重视角，剖析其在效用改进、经济与减碳效益提升方面的核心价值，强调系统融合方案对零碳转型的关键作用，为中国开展零碳工厂、零碳园区建设提供了有益参考。研究结论如下：①零碳单元体能够打破传统电力市场供需“二元分离”格局，使消费者从被动价格接受者向主动市场参与者转型。当系统LCOE低于购电价格时，用能主体的效用水平随之提升，并推动“预算约束型”效用向“技术驱动型”效用转变。②以中国典型家庭“10 kW光伏—10 kW·h储能”系统为例，25年期NPV平均约37802元，IRR为6.08%，LCOE为0.28元/kW·h，年均减排6.13 t CO2；若实现中国家庭户50%~80%的渗透率，预计可覆盖全社会用电量的29%~46%和全国CO2排放的13%~21%，展现出显著的经济可行性、减碳潜力与普惠性社会效益。③区域分析表明，受光照资源、电价水平、区域电力碳排放因子等影响，山东、黑龙江、河北等省份在经济与减碳效益上兼具显著优势，而贵州、重庆等地区则面临挑战。

5.2 建议

基于上述结论，本文提出如下对策建议：
①以技术与金融创新为支撑，降低系统成本，提升用能主体效用。当购电价格固定时，用能主体的效用提升空间取决于零碳单元体的LCOE下降幅度，应通过技术创新与金融工具双轮驱动，协同降低系统成本，进而提升用能主体的效用水平。技术层面，应加速风光发电、储能电池及能源管理系统的技术迭代，突破效率瓶颈，提升储能系统的性能与经济性，优化能源管理系统的智能化水平。金融层面，为破解高初始投资成本瓶颈，可开发零碳债券或信贷等零碳金融工具，为居民家庭和中小企业提供低成本资金，切实缓解其融资压力。
②以机制优化为抓手，加速零碳单元体规模化推广。零碳单元体兼具经济与减碳效益，但当前中国户用光伏市场潜力尚未充分释放[29]，亟需以制度优化打通推广堵点。应制定零碳单元体技术标准与规范，加强跨技术领域协作，降低跨区域复制成本；构建兼顾电网企业、零碳单元体用户与传统用户的合理成本分摊机制[30]，确保转型公平性；注重零碳单元体与地方建筑风貌和历史文化的适配性，以可视化示范项目、社区协同参与等方式提升社会接受度。
③以区域异质性为导向，制定差异化部署策略。零碳单元体的经济与减碳效益具有空间异质性，应基于资源禀赋、电价水平与电力结构等实施区域差异化布局。山东、河北等高经济—高减碳效益区应率先开展多场景试点，推广多样化技术设备应用，形成可复制的示范项目；广东、海南等高经济—低减碳效益区可聚焦高用电需求的工商业场景，提升可再生电力替代规模；青海、宁夏等低经济—高减碳效益区应发挥光照资源优势，推动“风光+储能+制造业”产业集群发展，加速实现资源优势向产业竞争力转化；贵州、重庆等低经济—低减碳效益区可通过多能互补突破单一资源约束，稳步推进零碳转型。

5.3 不足与展望

本文聚焦零碳单元体的经济与减碳效益评估，但仍存在以下局限：①研究假设购电与售电价格、电力需求增速、光伏发电衰减率等参数保持不变，未能充分反映峰谷时段电价套利、需求增速变动、技术迭代动态影响以及新能源项目上网电价全面入市的政策影响。未来可引入动态规划模型，以更好地模拟和预测峰谷电价套利，提升系统经济效益评估的精确度与准确性。②研究侧重考虑家庭应用场景的典型性，对园区、工厂、学校、医院等多元主体异质性用能特征的适配性分析存在不足。后续可开展包含工商业负荷、电动汽车充储互动等复杂场景的应用研究。③研究未将可再生电力设备与储能系统在制造、运输与回收等环节的隐含碳排放纳入减碳效益评估框架。未来可探索更加精确的全生命周期碳核算，完善量化评估体系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
安丰全, 解红力, 李长胜, 等. COP28能源转型新共识及其解读[J]. 气候变化研究进展, 2024, 20(6):757-763.

[2]
International Renewable Energy Agency. Renewable Power Generation Costs in 2023[R]. Abu Dhabi, 2024.

[3]
International Energy Agency. Batteries and Secure Energy Transitions[R]. Paris, 2024.

[4]
International Energy Agency. Global EV Outlook 2024[R]. Paris, 2024.

[5]
董梓童. 分布式光伏也要“弃电”?[N]. 中国能源报,2024-04-01(07).

[6]
潘家华, 吉治璇. 可再生能源产—储—用多功能融合的零碳单元体形态特征与方案构建[J]. 中国人口·资源与环境, 2025, 35(5):1-12.

[7]
潘家华. 转轨零碳的发展范式与经济学理论变革[J]. 经济研究, 2024, 59(7):17-21.

[8]
于瑛, 姚星, 丑锦帅, 等. 城镇典型住宅建筑屋顶分布式光伏系统潜能分析[J]. 太阳能学报, 2023, 44(7):182-190.

[9]
张楚, 陈栋才, 陈湘萍, 等. 多应用场景下储能最优配置经济性效益分析[J]. 储能科学与技术, 2024, 13(6):2078-2088.

[10]
方仍存, 杨洁, 周奎, 等. 计及全生命周期碳成本的园区综合能源系统优化规划方法[J]. 中国电力, 2022, 55(12):135-146.

[11]
王小虎, 楚春礼, 曹植, 等. 分布式光伏—储能系统经济—碳排放—能源效益实证分析——以山东省胶州光伏及其储能系统为例[J]. 中国环境科学, 2022, 42(1):402-414.

[12]
柳君波, 张静静, 徐向阳, 等. 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.

[13]
李强. 政府工作报告[N]. 人民日报,2025-03-13(01).

[14]
Nie X, Mansouri S A, Rezaee Jordehi A, et al. Emerging renewable-based electricity grids under high penetration of cleaner prosumers:Unraveling the flexibility issues using a four-layer decentralized mechanism[J]. Journal of Cleaner Production, 2024,443:141107.

[15]
邱燕超. 能源保供新范式[N]. 中国电力报,2023-04-26(01).

[16]
潘家华, 张坤, 蒋尉. 面向碳中和的农村能源变革:零碳微单元视角[J]. 经济纵横, 2024(7):39-47.

[17]
张枨. 零碳生产是如何实现的?[N]. 人民日报,2025-04-05(05).

[18]
Sun Q, Beach A, Cotterell M E, et al. An economic model for distributed energy prosumers[C]// 2013 46th Hawaii International Conference on System Sciences,2013: 2103-2112.

[19]
聂洪光, 刘尚奇, 莫建雷. 补贴“退坡”背景下可再生能源发电激励政策及发展路径研究——基于拓展的平准化度电成本模型[J]. 中国地质大学学报(社会科学版), 2022, 22(6):66-81.

[20]
江鸿泽, 梁平汉. 扶贫政策的经济增长效应:来自光伏产业扶贫的证据[J]. 数量经济技术经济研究, 2024, 41(10):171-190.

[21]
Zubi G, Adhikari R S, Sánchez N E, et al. Lithium-ion battery-packs for solar home systems:Layout,cost and implementation perspectives[J]. Journal of Energy Storage, 2020,32:101985.

[22]
International Energy Agency. Renewables 2019 Analysis and Forecast to 2024[R]. Paris, 2019.

[23]
王怀斌. 基于资源与电价的分布式光伏项目经济性研究[J]. 经济地理, 2023, 43(12):135-142.

[24]
张兴, 黄辉, 岳芬. 中德用户侧储能发展现状及经济性对比[J]. 中外能源, 2023, 28(12):22-28.

[25]
中国气象局. 2024年中国风能太阳能资源年景公报[R]. 北京, 2025.

[26]
昌敦虎, 田川, 张泽阳, 等. 基于LCOE模型的光伏发电经济效益分析:以宜昌农村地区光伏扶贫电站项目为例[J]. 环境科学研究, 2020, 33(10):2412-2420.

[27]
Chen T, Jin Y, Lv H, et al. Applications of lithium-ion batteries in grid-scale energy storage systems[J]. Transactions of Tianjin University, 2020, 26(3):208-217.

[28]
Shyu C, Yang T. Socio-technical tensions from community acceptance,energy transition,and energy justice:Lessons from solar photovoltaic projects in Taiwan[J]. Applied Energy, 2025,384:125415.

[29]
Xu K, Ding Y, Wang Z, et al. What drives residential rooftop solar growth in China?A spatial analysis using city-level data[J]. Ecological Indicators, 2023,154:110778.

[30]
Lyu Y, He Y, Zhou J, et al. Prosumer standby fee design:Solving the inequity problem of China's county-wide photovoltaic project promotion[J]. Renewable Energy, 2023,207:309-320.

Options
文章导航

/

〈 〉