我国分布式光伏发电上网定价模型及其投资价值分析

被引:0
作者
葛志祥
机构
[1] 合肥工业大学
关键词
分布式光伏; 上网电价; 学习曲线; 系统动力学; 投资价值;
D O I
暂无
年度学位
2019
学位类型
硕士
摘要
为应对能源匮乏和环境污染日益增加的压力,世界各国纷纷积极发展新能源产业。而光伏是我国战略性新兴产业中的重要组成部分,也是打赢蓝天保卫战的重要方式之一。其中,分布式光伏发电特指在用户场地附近建设,运行方式以用户侧自发自用、余电上网,且在配电系统平衡调节为特征的光伏发电设施。随着我国分布式光伏行业规模不断扩大和光伏技术日益进步,光伏设备成本已经得到大幅下降,使得分布式光伏行业的发展进入了新的阶段。然而,我国分布式光伏发电上网电价调整未能匹配光伏设备成本降低的速度。如何制定科学合理的分布式光伏上网电价是关系到我国分布式光伏行业平稳健康发展的重要问题。因此,本文对制定我国分布式光伏发电上网电价展开研究,考虑到投资者的利益,将研究在此上网电价基础上的光伏项目投资价值,并反向检验上网定价模型的有效性。考虑到以往多数研究对太阳能资源区域分类粗犷,对投资者的合理收益没有准确度量,不同用户类型及自用比例对分布式光伏投资价值的影响也常被忽视,针对分布式光伏设备成本、日照时间、用户上网电价、用户自用比例、项目经济效益及投资价值之间的动态关联研究较少。对于分布式光伏上网电价的定价研究少有结合动态成本、合理利润和税收等因素来全面衡量。因此本文结合已有的理论,利用会计成本法考虑了用户类型、贷款方式、自用比例、区域差异等因素构建了分布式光伏发电上网定价模型,动态地预测了我国不同区域在2018-2021年的上网电价情况。在此基础上,本文对2018年自用比例分别为100%、75%、50%和25%的商、住用户进行NPV和IRR分析来评估模拟分布式光伏发电项目的投资价值。研究结果表明,该上网定价模型和投资分析结果是合理有效的,政府应该更频繁地调节上网电价水平,使住宅用户IRR保持在8%-17.29%,商业用户保持在8%-30.87%。此外,在结合投资分析工具和学习曲线基础上,本文运用系统动力学揭示上网电价与其他因素(如利润、技术进步和光伏成本)之间相互的动态机制,以期为往后的学术研究提供一定参考。
引用
收藏
页数:76
共 64 条
[1]
实物期权理论在可再生能源项目投资决策中的应用研究 [D]. 
万骞 .
中国地质大学(北京),
2010
[2]
Exploring the development of electric vehicles under policy incentives: A scenario-based system dynamics model.[J].Dunnan Liu;Bowen Xiao.Energy Policy.2018,
[3]
Investment decisions and sensitivity analysis: NPV-consistency of rates of return [J].
Marchioni, Andrea ;
Magni, Carlo Alberto .
EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 2018, 268 (01) :361-372
[4]
Dynamic subsidy model of photovoltaic distributed generation in China.[J].Yongxiu He;Yuexia Pang;Xinmin Li;Minhui Zhang.Renewable Energy.2018,
[5]
The optimization of Chinese power grid investment based on transmission and distribution tariff policy: A system dynamics approach.[J].Y.X. He;J. Jiao;R.J. Chen;H. Shu.Energy Policy.2018,
[6]
Economic feasibility of residential and commercial PV technology: The Chilean case.[J].Gonzalo Ramírez-Sagner;Carlos Mata-Torres;Alan Pino;Rodrigo A. Escobar.Renewable Energy.2017,
[7]
Energy efficiency policy analysis using socio-technical approach and system dynamics. Case study of lighting in Latvia's households.[J].Lelde Timma;Gatis Bazbauers;Uldis Bariss;Andra Blumberga;Dagnija Blumberga.Energy Policy.2017,
[8]
Solar PV where the sun doesn’t shine: Estimating the economic impacts of support schemes for residential PV with detailed net demand profiling.[J].Sarah La Monaca;Lisa Ryan.Energy Policy.2017,
[9]
A financial approach to renewable energy production in Greece using goal programming.[J].Eleni Zografidou;Konstantinos Petridis;Nikolaos E. Petridis;Garyfallos Arabatzis.Renewable Energy.2017,
[10]
Analysis of feed-in tariff policies for solar photovoltaic in China 2011–2016.[J].Liang-Cheng Ye;João F.D. Rodrigues;Hai Xiang Lin.Applied Energy.2017,