基于因果关系图的我国光伏产业市场技术现状分析

郭新飞 管仕平

【摘要】技术和市场是推动光伏产业发展主要推动力，通过技术循环和市场循环相互作用，无论技术的进步，还是市场的发展，都离不来政府政策和资金的支持，加大光伏产业的研发投入和市场的需求拉动，将政府。市场和技术创新有机结合起来，必然会促进光伏产业成本的下降，通过建立三者之间的因果关系，分析之间的相互作用作，为我国光伏产业技术创新提供借鉴意义。

【关键词】技术创新 因果关系 光伏产业

一、引言

目前，我国光伏产业的发展规模和速度越来越快，太阳能光伏电池产量巨大，但在快速发展的同时，也面临着的技术、环境和市场等不确定性因素，低水平的发展将导致更少的光伏投资，这将延迟光伏技术的进步以及降低成本。一旦出现这个恶性循环，许多私人公司可能会退出光伏产业。此外，可再生能源政策激励措施，如健康和直接在一些国家的补贴，将进一步降低，鼓励私人公司进入循环。如果不考虑这些风险，政府和私人公司可能会造成更大大的PV投资损失。因此，考虑的关键因素和风险包括成本，研发投资，政策，应该分析光伏技术影响因素，为更准确地做出更好的R&D投资提供决策技术。

二、我国光伏产业发展规模经济特征

规模经济是指随着规模的扩大带来经济效益的增加，通过生产要素的集中程度扩大企业的经济效益。其优越性在于：由于产量规模的增加，随着产量的增加，导致企业成本的下降，然而规模经济追求的是最佳经济效益，而不是简单地追求产量规模的扩大；规模经济可以通过加大研发支出，提高技术水平，提升产能的同时提高产品品质。

2015年，全球組件产量大概是60GWp，而我国组件全年产量超过43GW，同比增长20.8%，产能利用率分化趋势明显，晶硅电池仍为主流，大多数企业盈利据统计显示：我国排名前11名的光伏组件厂家均为晶桂电池组件，其产量为26.5GWP的组件，占全国产量的61.6%，PV产业的规模化经济已经形成。

2015年，我国多晶硅产量约16.9万吨，同比大幅增长25%，比2013年增长了约一倍。2015年季度产量逐步提高，一季度产量3.7万吨，二季度产量4.1万吨，三季度产量4.3万吨，四季度产量4.8万吨。单就总产量和总产能而言，2015年国内全年多晶硅产能利用率达到90.9%，其中第四季度产能利用率超过100%。预计未来几年内，随着我国光伏组件产量持续增加，中国光伏市场将会成为世界光伏市场的主体。

三、我国光伏产业发展干中学特征

干中学，是指企业在生产的过程中，随着生产经验的增加，获得到的知识技能，知识积累的外部性有利于提高生产效率和技术外溢。近几年我国太阳能光伏产业发展快速，光伏产业链和产量不断发展和完善，但是，与国际光伏产业发展相比，目前我国光伏产业技术水平相对较低。产业的发展一直受到技术和市场的阻碍。

2013年我国光伏电池产量已占到全球总产量的40%，成为名副其实的光伏产品制造第一大国。由于政府的扶持及企业对研发投入的加大，使技术水平大大提升，专利申请也大幅增加，2014年的专利申请数相较是2000年申请数的23倍，这些研发使光伏发电成本大大减低。

四、我国光伏产业技术因果关系图

如前所述，通过系统动力学理论建立因果关系图，阐释了我国光伏的产业技术评估内外影响因素之间相互作用。在系统动力学模型中，系统的状态随时间变化而变化。因此在研究光伏发电产业系统动力学模型中，需假设其系统状态改变不少随机，而是连续性的趋势变化，是其他变量的因果循环关系导致的。

专注于光伏技术评价，本文建立明显的因果关系图，如图3-1所示。环境因素，包括CO2（二氧化碳）的排放，补贴，税收优惠，政策确定。由于在单位发电成本的差异决定着全国总能耗的比例，进而改变其大小和能源增长率。宏观经济学经济变量是受到这些变化的影响，从而导致不断变化，R&D投资与政府支持的更新，累积研发投资作为光伏的技术评估的一个内生变量。累计生产在很大程度上取决于政府的支持。内部变量与外部变量通过反馈回路如图3-1所示。传统的方法不考虑这些因素，因此高估或低估的技术价值观，本文的方法减少这种偏见。

五、小结

本文在可再生能源相关学术研究的理论基础和政策讨论等研究基础上，选择我国光伏产业作为研究的对象，考虑我国光伏产业技术创新不确定影响，应用系统动力学的方法，构建出光伏产业因果关系图。通过我国光伏产业的技术特征描述。可以通过专业的因果关系图清晰的分析这些不确定性因素与光伏发电产业技术创新之间的关系，其关系循环将为今后我国光伏发电产业的发展及实施提供有力的政策决策依据。

参考文献

[1]Kouvaritakis N，Soria A，Isoard S.Modelling energy technology dynamics：meth odology for adaptive expectations models with learning by doing and learning by searching.Int J Global Energy Issues 2000；14（1e4）：104-105.

[2]Cody G，Tiedje T.A learning curve approach to projecting cost and performance in thin film photovoltaics[J].Record of Photovoltaic Specialists Conference，1996：1521-1524.

[3]HarmonC.Experience CurvesofPhotovoltaic Technology.http：//www.iiasa.ac.at

[4]Isoard S，Soria A.Technical change dynamics： evidence from the emerging renewable energy technologies[J].Energy Economics，2011，23（6）：619-636.

[5]周鹏吃，陈栋.海上可再生能源开发评价指标体系与实证研究[J].可再生能源，2012.30（8）：95-101.

[6]徐蕾，工秀荣，黄立新，等.我国太阳能光伏产业发展动力机制研究[J].科技进步与对策，2010.27（22）：91-95.