影响风力发电决策的政府激励机制研究

赵文会，钟孔露，王辉，谭忠富，叶冬

（1.上海电力学院经济与管理学院，上海　200090；2.国网浙江省电力公司经济技术研究院，杭州310000；3.华北电力大学经济与管理学院，北京　102206；4.中国气象局风能太阳能资源中心，北京　100081）

影响风力发电决策的政府激励机制研究

赵文会1，3，钟孔露2，王辉1，谭忠富3，叶冬4

（1.上海电力学院经济与管理学院，上海200090；2.国网浙江省电力公司经济技术研究院，杭州310000；3.华北电力大学经济与管理学院，北京102206；4.中国气象局风能太阳能资源中心，北京100081）

风能作为典型的清洁能源，其发电效益的实现是节能减排以及能源安全的重要手段，但目前缺乏对风电决策合理的外部性评价以及政策引导，政府激励在实践中往往被弱化。文章考虑影响风电发展的技术研发补贴、电价补贴、税收等因素，同时基于机制设计理论，在考虑这些影响因素的情况下，构建政府对风电项目的激励机制模型，并对搭建模型进行解析，得出合理的政府补贴和税收率，并结合案例测算所建模型的效应，给出适合目前风电发展的实际建议与激励机制。

风力发电；节能减排；发展决策；激励机制

近年来，在可再生能源大力发展的背景下，我国风电产业呈井喷式发展。风电的发展有效缓减了传统能源发电带来的环境压力，同时也进一步完善了我国发电能源结构。风力发电和其他任何技术一样，需要长期满足降低能源成本和开发更有效装置的要求，但是相比于传统能源，风电不具有成本优势，无法直接接入市场竞争，并且风电对政策具有高度敏感性，更需要政府的激励机制来保证其在市场上的可行性。因此，建立一个合理的风电激励政策机制，对于风电以及国家向环境友好型经济发展模式转型具有重要意义。

对于风力发电的发展决策问题，国内外学者已经从不同视角展开了大量的研究工作。文献［1］从当前发电评估面临的问题出发，引入蒙特卡罗模拟方法来构建影响发电决策因素的概率分布，进而解决发电投资中的不确定性问题。文献［2-4］以最新技术研发方式为依托，构建政府激励行为与导致发电企业不确定性各因素之间的关系模型，分析政府决策与技术进步之间的量化关系。文献［5-7］研究了线性和非线性2种补偿模式下的可再生能源发电影响因素关系契约，并据此分析发电企业选择和设计契约的角度以及相应的激励效果。文献［8-10］从财政社会学的研究视角出发，以风电作为典型代表来研究将新能源财政政策作为一个特殊的财政-社会契约，以此来解决新能源发电中政府激励弱化的问题。文献［11-14］站在低碳视角，选择合适可再生能源组合发展的激励模式，以求达到节能减排的新高度，为新能源发展提供有效的经济与制度保障。文献［15-16］提出多种激励措施，并构建风能在规划期内系统净收益最大的低碳经济规划模型，从而提高风能发展对CO2减排的影响力度。

这些文献对风电激励机制问题做了较多的研究，但是主要集中于风电决策补贴机制、风力发电影响因素分析、低碳经济制度等方面，并且所建模型往往只关注政策目标和政策工具，忽视了风电在电力行业市场化改革过程中的不确定影响因素［17］。另外，由于目前风电还无法做到短期内降低成本以提高其竞争力，只能依靠政府的财政补贴来维持其在市场上的商业可行性，同时风电产业在发展之初还被赋予市场以外的使命，其发展本身更是一个公共政策推动的市场［18］。基于此，本研究立足于风电发展对政策的高度敏感性以及对环境保护的积极影响力，结合国内外政府对风电补贴策略具体分析风电发展过程中的外部性影响因素，基于机制设计理论，在考虑补贴和税收的情况下设置模型，对模型解析得出政府补贴的最低额度和最高税收率，从而为风电乃至更多可再生能源的发展决策提供合理的政府激励机制。

1　风电项目决策的影响因素

我国风电行业的快速发展得益于政府政策扶持以及国内外形势的推动，但在其快速发展过程中遇到负荷与风力资源相偏离、地方保护严重、弃风、风电上网限制严重等问题，额外造成风电行业在整体竞争中处于劣势。在风电行业大竞争的环境下，对风电行业影响因素作合理的分析与评价是做项目决策的重要手段，主要包括国家风电支持政策、技术研发、风电等方面［19］。

1.1风电支持政策

由于目前风电还不是电源供应的主要支撑，其受用电需求波动的影响较小，同时风电行业还处于调整阶段，其行业发展对国家鼓励风电经济政策、财政政策以及税收具有高度的依赖性和敏感性［20］。政府的政策是现阶段风电发展的必要支撑，激励机制的建立也是影响风电项目决策的一项重要工程。

1.2技术研发

风电的技术开发要求高，投资成本也相对较高，在目前依赖于市场竞争的环境下，风电不具有竞争优势，这将削弱风电企业的投资意愿。同时电力消费者有低成本偏好，但风电又面临电力供应不够稳定且成本较高的问题，与消费者期望相背离［21］。因此，在未来很长的一段时间内，风电行业的发展还要依靠不断加强技术来控制成本，同时政府也需要设置合理的技术研发补贴。

1.3风电电价政策

电价政策是影响风电项目决策和市场占有水平的重要因素，也是风电发展水平的一个衡量指标。但就目前发展情况而言，虽然我国已经实现了根据风能资源的差异性进行调整的固定电价制度，但是电价表现为风能资源和个别投资相关［22］。据此，在未来的发展中政府还需要进一步针对现状，对区域性电价政策作出合理的建设，以面对更加积极、更加强劲的风电投资。

1.4税收政策

现行的税收政策不能完全体现出国家风电发展的战略思想，缺乏系统性和完整性［23］。就浙江税务局关于风电行业税务调研可知，目前风电企业所得税“三免三减半”的实施效果并不明显，主要是因为一方面，现阶段风电企业的盈利受清洁能源发展补贴的影响较大，而且由于风电自发供给量和需求量都相对较低，企业本身盈利就相对薄弱；另一方面，现有的税收制度中没有独立的能源税种，未形成以风电发展与环境保护以及节约能源为目标，各种税收制度相结合的体系，鼓励手段单一，鼓励面较窄，调控视角往往集中于生产环节，忽略了对消费环节的激励［24］。故合理健全的针对政府与风电协调发展的税收体系对目前风电行业决策具有重要意义。

2　影响风电决策的政府激励机制设计

风电项目决策研究是一个系统工程，离不开能源的调整和规划，离不开技术上的不断创新，更离不开政府的调控与支持。本文在分析国内外政府对风电项目补贴策略的基础上，结合目前有关风电税收面临的问题，构建影响风电项目决策的政府激励模型，并通过解析得到合理的激励政策。

2.1激励机制的总体设计思路

从目前实践中政策的预期目标与效果出现错位的现象可知，现有的研究过度将政府政策工具化，过分关注及时效应，忽略了制定政策的政策主题本身的不同行为与偏好，另外由于信息传递可能出现的不对称性，政府不可能完全了解风电项目投资企业的内部运行情况。一方面，投资商是基于政府所给的辅助政策，在满足激励相容约束与参与约束的情况下，以自身利益最大化出发确定最优投资模式的；另一方面，政府则是依据投资商的最优投资模式，同时考虑社会效益和环境效益来确定最优的补贴和税收的［24-25］。由此可见，最优投资模式、补贴、税收是相互影响与制约的关键。基于此，本文构建的激励机制思路具体如图1所示。

图1　影响风电决策的政府激励机制设计思路Fig.1　The design idea of government incentive mechanism on wind power decisions

2.2相关因素利益分析

通常来说，利益的实现或获取是决策者行动的向导，现从本文的2个研究视角分别分析其利益［26］。政府收益Zs包括扣除政府补贴外的社会效益和考虑环境效益的税收，现假定单位风力发电量所带来的社会效益为α，政府对其单位发电量的补贴为β，若风电年发电量为Q，政府从风电项目所得税收为Ts，则政府收益为：

风电项目收益Fs主要为减去成本以及税收之后的部分。现假设单位发电量销售收入为P，投资成本为Es，运行维护成本为Cs。另外，由于风能的不可储藏性以及间歇性，其入网建设费用是成本组成中不可忽略的部分，且它随着风力发电量的增加而加速增大。为不失一般性，用γQ2/2来表示入网建设费用，γ（γ＞0）表示建设费用系数，另设ts为税收率，且0≤ts＜1，则风电项目收益函数为：

政府所得税收为：

从政府以及风电项目收益函数可知：若增加补贴β或减小税收率ts，则政府收益减少，风电项目收益增加，反之亦然。另外，在当前一定的政府补贴和税收环境下，项目决策者还需要考虑传统能源发电的机会成本来做出决策，故为了激励风电投资商，必定存在最优的补贴和税收模式，使双方达到利益均衡。

2.3基于最优投资模式的政府补贴税收模型

若假设风电项目投资商完全理性，其必定在自身利益最大化时来确定最佳发电量，由此政府可制定相应的补贴政策［27］。如图1所示，政府激励机制需要满足参与约束和激励相容约束，从而使得投资商有意愿投资风电项目而非传统能源发电，具体的约束模型如下：

式中：Ct为传统能源发电项目收益；Cc为传统能源单位发电量运行维护成本；Ec为传统能源单位发电量投资成本；tc为传统能源发电征收税率；R为发电项目投资商要求投资回报收益率。该模型刻画了政府补贴的可行契约集合，约束表达式是政府与项目决策者之间就风电项目实施的行为限制，若信息传递完整，将式（4）代入式（6）取等号，并求解式（7）可得：

在此基础上求最佳发电量，将式（2）对Q求导，则dFs/dQ=0时求得最佳发电量为：

求解式（11）可得：

式（12）是在最优风电投资模式下的政府补贴，由式（12）可知，政府补贴不受政府对风电项目征收税率的影响，且达到最优模式下的最低政府补贴为：

由式（13）可知，要使该式成立，必须满足β+P≥Cs+Es+2REc，可知政府可征收的最高税率为：

2.4政府激励模型的确立

由图1可知，从政府视角出发实施激励政策时，主要是基于社会效益以及环境效益的考虑。为方便分析，先探讨一定税率下的政府补贴政策，完成后进一步探讨税收机制。

2.4.1补贴政策

从市场的引导者——政府出发，一方面考虑社会和环境效益，另一方面需要预期投资方的效益，给出最优补贴策略，以期望效用最大化［28］。基于2.3节给出的最佳发电量政府行为要满足以下约束：

令dZs/dβ=0，可得政府的最优补贴为：

2.4.2税收政策

对式（13）以税率ts为自变量求导无解，由此结果可知，不存在政府的最优税率，据此只能从风力发电的环境效益来探讨税率的问题，量化环境效益并以此作为政府征收。由式（13）、式（14）可知，补贴β是税率ts的增函数，即若要实施税率优惠，则必须降低相应的政府补贴，且最高税率不能超过

未来随着风电技术的成熟以及风电消纳市场的完善，可促使政府适当提高税率，同时除了对风电企业进行所得税优惠外，还可以考虑增值税上的优惠政策，以此来完善影响风电决策的税收优惠政策［30］。同时政府作为风电市场的直接引导者，应该在风电显著的环境效益以及代替传统能源发电正外部性的基础上，通过对影响政府补贴策略的相关策略和社会影响测算，以补贴政策为基础，所得税为辅助，各种税制要素相互配合、相互制约，同时结合地区差异性构建实践性更强的税收机制［31］。

2.5实例效应测算

基于2.4节建立的模型，以内蒙古巴彦淖尔乌拉特后旗某200 MW风电项目和某600 MW传统火力发电项目的相关数据来计算，得出合理的政府补贴。由基于最优投资模式的政府补贴税收模型可知，Cs、Es、Ec、P、R等参数对模型中政府补贴以及税收具有重要影响，并且能较客观地反映风电发展现状，具体数值如表1所示。

表1　关键参数定义Tab.1　Definition of key parameters

参考节能减排与环境保护宏观政策，假设目前国家对风电项目无优惠税收政策，即征收所得税税率为ts=25%，则基于上述数据以及最优推导模型可得最优补贴为：元/（kW·h）。根据推导公式计算可得最低补贴为元/（kW·h），最优补贴即为元/（kW·h），且现时补贴与最优补贴间的差额为

最优补贴以及补贴差额是假设国家对风电项目无税收优惠的情况下所得，而目前国家为了鼓励风电的发展采取了一系列优惠政策。结合214模型可知可相应减少政府补贴，具体情况如表2所示。

表2　不同税率下的最优补贴Tab.2　Optimal subsidies under different tax rates 103元/（kW·h）

由实例分析知，尽管税率和补贴互为增函数，但是政府补贴对税率的敏感程度不高。由表2计算得出平均敏感度为所以影响风电决策的政府激励机制一方面要依赖于模型给出合理的政策，另外一方面也要结合现状，即使在完全没有税收时，风电市场的打开依然需要政府适当的补贴。

3　结论与建议

风力发电具有良好的社会效益和环境效益。通过对风力发电正外部性分析以及影响风电决策的关键因素分析，同时基于机制设计理论构建相应的政府激励机制，结合目前风电发展项目决策所面临的问题，可以得出以下结论：

1）加强政策实践。由前述内容可知，目前实践中政策的预期目标与实践效果出现错位，政策缺乏长期的实践效用。但是政府作为风电发展外部性效益的直接受益者，应该在科学评价风电代替传统能源发电的社会、环境等基础上，制定合理的激励政策且加强实践操作性，以促进产业健康发展。

2）加强风电项目决策的影响因素分析。考虑到政策的稳定性和延续性，政府在制定激励机制前需要对影响风电决策的关键因素进行分析，以此来加强政策的完整性与准确性。但就目前发展情况来看，对风电项目决策的影响因素把握不够精准，政府以及消费者缺乏对风电外部性的正确评估。在未来发展中，应平衡经济利益与社会利益并将其量化，以此来解决市场失灵，这样有助于准确把握风电决策的关键要素。

3）完善法律保障，降低风电决策的不确定性。不确定性常常被视为潜在的投资壁垒，政府激励机制的另一个目的也是为了降低风电决策者决策四所面对的不确定性，但激励政策本身也存在着不确定性，仅仅依靠激励政策不足以保障其效果长期有效。因为从另一方面来看，激励政策本身也存在着不确定性。故影响风电决策的政府激励研究需要法律体系的不断完善以适应风电的迅速发展，同时也为政府激励机制的建立提供强有力的保障。

［1］曾鸣，张平，王良，等．不确定条件下基于蒙特卡模拟的发电投资评估模型［J］．电力系统自动化，2015，39（5）：54－60．ZENG Ming，ZHANG Ping，WANG Liang，et al．Generation investment evaluation model under uncertainty based on monte carlo simulation［J］．Automation of Electric Power Systems，2015，39（5）：54－60（in Chinese）．

［2］李书锋．不确定性、政府激励机制与可再生能源技术进步［J］．科技进步与对策，2009，26（5）：89－91．LI Shufeng．Uncertainty，government incentives and technological progress of renewable energy［J］．Science& Technology Progress and Policy，2009，26（5）：89－91（in Chinese）．

［3］石丹，李勇建．不同激励机制下供应商产能投资问题研究［J］．系统工程理论与实践，2015，35（1）：86－94．SHI Dan，LI Yongjian．Capacity investment decisions of supplier under different incentive mechanisms［J］．Systems Engineering：Theory&Practice，2015，35（1）：86－94（in Chinese）．

［4］TAYLOR T A，PLAMBECK E L．Simple relational contracts to motivate capacity investment：Price only vs．price and quantity［J］．Manufacturing and Service Operations Management，2007，9（1）：94－113．

［5］TAYLOR T A，PLAMBECK E L．Supply chain relationships and contracts：The impact of repeated interaction on capacityinvestmentandprocurement［J］．Management Science，2007，53（10）：1577－1593．

［6］陈少强．新能源财政政策应注意的几个问题 ［J］．中国能源，2010（5）：12－15．CHEN Shaoqiang．Some problems of new energy finance policy［J］．Energy of China，2010（5）：1－15（in Chinese）．

［7］俞萍萍，杨冬宁．低碳视角下的可再生能源政策：激励机制与模式选择［J］．学术月刊，2012，44（3）：83－89．YU Pingping，YANG Dongning．Low carbon energy policy：renewable energy incentives and patterns［J］．Academic Monthly，2012，44（3）：83－89（in Chinese）．

［8］FRONDEL M，NOLAN R，SCHMIDT C M，et al.Economic impacts from the promotion of renewable energy technologies：the German experience［J］．Energy Policy，2010，38（8）：4048－4056．

［9］SOVACOOL B K．Renewable energy：economically sound politically difficult［J］．The Electricity Journal，2008，21（5）：18－29．

［10］张晓辉，闫鹏达，钟嘉庆，等．可再生能源激励制度下的低碳经济电源规划［J］．电网技术，2015，39（3）：655－662．ZHANG Xiaohui，YAN Pengda，ZHONG Jiaqing，et al．Research on generation expansion planning in low-carbon economy environment under incentive mechanism of renewable energy sources［J］．Power System Technology，2015，39（3）：655－662（in Chinese）．

［11］ZHOU Xun，JAMES G，LIEBMAN A，et al．Partial carbon permits allocation of potential emission trading scheme in australian electricity market［J］．IEEE Trans on Power Systems，2010，25（1）：543－553．

［12］吴淑凤．财政政策与新能源产业发展：政策效果被弱化的财政社会学分析［J］．中央民族大学学报（哲学社会科学版），2013，40（6）：101－108．WU Shufeng．Fiscal policy and the development of new energy industry：a fiscal sociological analysis of the weakened effect of policy［J］．Journal of Minzu University of China（Philosophy and Social Sciences Edition），2013，40（6）：101－108（in Chinese）．

［13］文杰．支持新能源产业发展的税收政策探讨［J］．税务研究，2011（5）：16－20．WEN Jie．Some thoughts on the tax policy for supporting the development of new energy industry［J］．Taxation Research，2011（5）：16－20（in Chinese）．

［14］徐孟洲，胡林林．发展新能源与可再生能源的税收激励机制研究［J］．中州学刊，2010（2）：98－101．XU Mengzhou，HU Linlin．Research on tax incentives for developing of new energy and renewable energy［J］．Academic Journal of Zhongzhou，2010（2）：98－101（in Chinese）．

［15］赵文会，丁会凯，施泉生，等．中国风电发展与经济增长的协整分析［J］．中国电力，2013，46（3）：1－13．ZHAO Wenhui，DING Huika，SHI Quansheng，et al． Analysis of cointegration and causality between wind power development and economic growth in China［J］.Electric Power Information Technology，2013，46（3）：1－13（in Chinese）．

［16］赵会茹，苏婕，杨雯．基于CVaR方法的风力发电项目投资风险度量［J］．可再生能源，2012，30（10）：29－37．ZHAO Huiru，SU Jie，YANG Wen．Investment risk measurement model of wind power projects based on CVaR［J］．Renewable Energy Resources，2012，30（10）：29－37（in Chinese）．

［17］余达锦．低碳城市建设中新能源发展与政府行为研究［J］．生态经济，2015，31（5）：73－77．YU Dajin．Study on the development of new energy and government behavior in the construction of low-carbon city［J］．Ecological Economy，2015，31（5）：73－77（in Chinese）．

［18］韩冰，张粒子，舒隽，等．基于共同代理机制的发电商激励契约设计［J］．继电器，2008，36（9）：43－47．HAN Bing，ZHANG Lizi，SHU Jun，et al．The optimal contracts design of power generation company using common agency［J］．Relay，2008，36（9）：43－47（in Chinese）．

［19］卢健，陈学广．基于优惠税率的新能源汽车产业化激励机制研究［J］．计算机应用研究，2014，31（6）：1736－1740．LU Jian，CHEN Xueguang．Research on incentive mechanism of new-energy-vehicle industrialization based on preferential tax-rate［J］．Application Research of Computers，2014，31（6）：1736－1740（in Chinese）．

［20］刘洽，赵秋红．政策对发电企业能源决策的影响及最优化模型［J］．系统工程理论与实践，2015，35（7）：1717－1725．LIU Qia，ZHAO Qiuhong．Policy impacts on power generation enterprises'decisions and optimization model［J］．System Engineering：Theory&Practice，2015，35（7）：1717－1725（in Chinese）．

［21］王成山，王守相，郭力．我国智能配电技术展望［J］．南方电网技术，2010，4（1）：18-22．WANG Chengshan，WANG Shouxiang，GUO Li．Prospect over the techniques of smart distribution network in China［J］．China Southern Power Grid，2010，4（1）：18-22（in Chinese）．

［22］刘畅，刘天琪，何川．考虑空间相关性的风电场等值方法［J］.高压电器，2016，326（5）：141-147．LIU Chang，LIU Tianqi，HE Chuan．Equivalent model of wind farms considering spatial correlation［J］．High VoltageApparatus，2016，326（5）：141-147（in Chinese）．

［23］钟建坤．基于大型网络监控的风电设备过压保护底层模块设计［J］．电瓷避雷器，2016（2）：145-150．ZHONG Jiankun.Overvoltage protection base module design of wind power equipment based on large-scale network monitoring［J］．Insulators and Surge Arresters Insul Surg Arres，2016（2）：145-150（in Chinese）．

［24］吴任博，杨世兵，齐锐，等.电网调度技术支持系统发展方向研究［J］.电力与能源，2016，177（2）：189-192．WU Renbo，YANG Shibing，QI Rui，et al．Development trend of power grid dispatching technical support system［J］．Power and Energy，2016，177（2）：189-192（in Chinese）．

［25］柳玉，白恺，崔正湃，等.风电场短期功率预测水平提升举措措施研究与实例分析［J］．电网与清洁能源，2015，31（12）：77－82．LIU Yu，BAI Kai，CUI Zhengpai，et al．Study and case analysis of optimization measures of short-term wind power forecast［J］．Power System and Clean Energy，2015，31（12）：77－82（in Chinese）．

［26］罗亦梅，张江林，夏晨杰，等．计及风电不确定性的电网日前调度CVaR模型［J］.电力科学与工程，2016，32（4）：1-7．LUO Yimei，ZHANG Jianglin，XIA Chenjie，et al．CVaR model of day-ahead scheduling of power grid considering the uncertainty of wind power［J］．Electric Power Science and Engineering，2016，32（4）：1-7（in Chinese）．

［27］郭炜煜，李超慈．基于区间-机会约束的区域电力一体化环境协同治理不确定优化模型研究［J］．华北电力大学学报，2016（3）：102-110．GUO Weiyu，LI Chaoci．Research on uncertain optimization model of regional electric power integration based on interval chance constraint［J］．Journal of North China Electric Power University，2016（3）：102-110（in Chinese）．

［28］叶其革，王晨皓，吴捷．模糊神经网络及其在电力系统中的应用研究［J］．电力系统保护与控制，2004（11）：74-80．YE Qige，WANG Chenhao，WU Jie．Fuzzy neural network and its application in power system［J］．Power System Protection and Control，2004（11）：74-80（in Chinese）．

［29］杨智豪，牟龙华，刘仲．含VSC-HVDC并网风电场的电力系统最优潮流计算［J］．电力系统保护与控制，2016，43（12）：44-49．YANG Zhihao，MOU Longhua，LIU Zhong．Optimal power flow calculation of power system with grid connected wind farm［J］．Power System Protection and Control，2016，43（12）：44-49（in Chinese）．

［30］张一泓，徐旸，黎翡娟，等．电网企业资产全寿命周期管理模式综述［J］．电力信息与通信技术，2016，14（5）：28-33．ZHANG Yihong，XU Yang，LI Feijuan，et al．Review of LCAM mode in power grid enterprises［J］．Electric Power Information and Communication Technology，2016，14（5）：28-33（in Chinese）．

［31］孙浩然.风力发电技术综述［J］.江苏电机工程，2010，29（4）：80-84．SUN Haoran．A review of wind power generation technology［J］．Jiangsu Electrical Engineering，2010，29（4）：80-84（in Chinese）．

（编辑董小兵）

Impacts of Government Incentive Mechanism on Decisions of Wind Power Generation

ZHAO Wenhui1，3，ZHONG Konglu2，WANG Hui1，TAN Zhongfu3，YE Dong4
（1.School of Economics and Management，Shanghai University of Electric Power，Shanghai 200090，China；2.State Grid Zhejiang Electric Power Corporation Economic Research Institute，Hangzhou 310000，China；3.School of Economics and Business Management，North China Electric Power University，Beijing 102206，China；4.CMA Wind and Solar Energy Resources Center，Beijing 100081，China）

As a typical clean energy，wind energy is an important means to realize energy security and emission reduction.At present，however，there is a lack of reasonable external evaluation and policy guidance for the decision-making of wind power，and the government incentives are often weakened in practice.Considering the subsidies of wind power research and development and price subsidies as well as the related tax policies and other factors，and based on the mechanism design theory，this paper builds the government incentive mechanism model for wind power projects.The built model is analyzed to obtain the reasonable government subsidies and tax rate.Finally，the effectiveness of the built model is estimated with an actual example and practical advice and incentive mechanism are proposed to the current wind power development.

wind power；energy saving and emission reduction；policy decision；incentive mechanism

1674-3814（2016）07-0118-07

TK89；TM-9

A

国家自然科学基金项目（71403163，71203137）；上海市自然科学基金项目（13ZR14177007）；中国博士后科学基金项目（2013M540910）。

Project Supported byNational Natural Science Foundation of China（71403163，71203137）；Shanghai Natural Science Foundation（13ZR14177007）；China Postdoctoral Science Fund 2013M540910）.

2015-10-07。

赵文会（1977—），女，博士，教授，研究方向为能源经济、系统分析与优化；

钟孔露（1989—），女（畲族），硕士研究生，研究方向为绿色电力能源管理。