可再生能源支持政策的环境经济影响

赵玉荣

摘 要：环境污染、气候变化问题以及能源发展的形式要求能源的优存量和拓增量并重，可再生能源的发展因带动能源供应日趋多元、促使能源消费绿色低碳而受到关注。系统梳理了与可再生能源发电补贴及其影响等密切相关的研究成果：可再生能源电价补贴的基础——平准化电力成本核算；各类可再生能源发电支持政策及其对环境、经济的影响；单独针对可再生能源电价补贴政策，从CGE研究方法视角进行评述。最后提出现有研究的不足及今后研究的方向。

关键词：可再生能源；平准化电力成本；电价补贴；CGE

中图分类号：D9 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2018.18.078

1 引言

化石能源的大量使用，带来环境、生态和气候变化等一系列问题。从世界范围看，推动经济绿色低碳转型，能源清洁低碳发展成为大势。我国进入新常态的经济发展阶段，要求能源发展从总量扩张向提质增效转变；随着生态文明建设的推进，绿色低碳成为能源发展的方向。我国能源发展的形式要求能源的优存量和拓增量并重，对可再生能源发电补贴政策将助力并最终驱动以可再生能源为主体的能源供应体系尽早形成。本文工作的主要意义体现在：面对调整能源消费结构、治理大气污染、应对气候变化的时代需要，大部分研究从传统化石能源的环境税角度研究问题，本文从可再生能源电价补贴角度，为研究提供了建模方向。

2 平准化电力成本（LCOE）

2.1 LCOE国外研究

对可再生能源发电成本的精确测算是政府进行有效补贴的基础，LCOE方法被广泛应用于发电成本的估计。Nathaniel Heck （2016）使用蒙特卡罗分析法计算平准化电力成本。Lindsay Miller （2017）评估了风力发电的平准化成本和电力购买协议的关联和差异，展开更深入的研究。在进行竞争力评估的生命周期成本计算中，可再生能源发电的间歇性问题常常被忽略。考虑到间歇性问题，有学者对常规的LCOE核算方法进行改进。Stefan Reichelstein （2015）研究证明了传统的生命周期成本计算应附加一个修正因子并估计了美国西部的共变量系数，发现加入修正因子后太阳能光伏电力的成本竞争力比以前低10—15个百分点，而风力发电的评估成本要比传统计算方法高。

在估计平准化发电成本的过程中，往往对其影响因素展开分析，国外学者们对影响因素的分析涉及方方面面。Tahira Bano （2016）计算了五个不同容量电厂的LCOE，分析了利率、通胀率、电厂生命周期以及累计使用率对LCOE的影响并发现：LCOE随着利率和通胀率的增加而增加，但通胀率对LCOE的影响更大；LCOE随着电厂生命周期和累计使用率的增加而减少。Daniel Hdidouan （2017）提出了一个评估气候变化对风能成本影响的框架，并用英国风力资源来证明此框架，强调要加强能源系统以应对气候变化的影响。Joshua D.Rhodes （2017）将环境外部性考虑在内，计算了美国十二个电厂的LCOE，发现不同地区的LCOE随着资源禀赋的不同而变化，风电和核电的LCOE较低。

2.2 LCOE国内研究

对LCOE的国内研究侧重于对LCOE的影响参数进行敏感性分析。陈荣荣，孙韵琳等（2015）比较、分析了北京、上海、广州、深圳、兰州和西宁等六个典型地点的光伏项目的LCOE，对影响成本项目的单位造价、项目所在地的太阳辐射量、系统效率、系统衰减率、运营维护费用、关键设备使用年限等几个典型因素进行了敏感性分析。蔡浩，朱熀秋等 （2016）选择五个风电场址和六种风机待选方案，建立风能资源和风机功率输出模型，通过LCOE和现值法技术经济分析，筛选出最优的风电系统方案，并对LCOE参数进行敏感性分析；结果表明：LCOE比现值法要高，增大寿命周期和容量系数对发电成本产生正面的影响，而其他输入参数的增大则导致平准化成本增加。

还有部分学者通过计算不同可再生能源发电技术的LCOE探讨平价上网问题、展望其未来发展潜力。尹祥，陈文颖 （2012）利用年限平均法计算了CO2捕集与封存技术和风电、太阳能的发电成本及构成，研究结果表明：近期内，风电技术是首选的减排技术，而光伏发电技术将在长期内具备竞争力，CCS技术在EOR（Enhanced Oil Recovery）技术能够大规模推广的情况下，也将具备充分的竞争力。

3 可再生能源发电支持政策

3.1 国外研究

在国外，学者们将可再生能源发电支持政策总结为：碳排放量限制、碳交易市场（排放价格政策）、能源税收政策、上网电价制度、市场配额制、生产补贴、研发支持。各个国家的政策如表1所示。Carolyn Fischer （2008）以减排效率为绩效指标，评估了各种可再生能源发电的推廣政策，这些政策在美国电力行业的排名为：排放价格政策、碳排放量限制、化石能源税、可再生能源发电配额、可再生能源补贴、研发补贴；研究得出：与任何一种单一政策相比，最优政策组合可以用较低的成本实现碳减排目标。

除了探讨可再生能源发电支持政策的最优组合问题，也有针对某一具体政策的研究。Nadia Ameli （2014）以意大利和欧洲的太阳能光伏市场为例，研究发现清洁能源评估贷款计划是一种弥合传统能源与太阳能发电成本差距的手段，它将在短期内有效实现太阳能与常规能源发电的上网电价平价，并在长期为替代以补贴为基础的激励措施提供理论基础。Mark Andor （2016）讨论电力市场中推广可再生能源的最优补贴问题，认为发电补贴应对应于发电的外部性，投资补贴应对应于容量的外部性。

3.2 国内研究

在国内， 吴文建，任玉珑等（2013）依据管制的差异程度将可再生能源支持政策分为四类：市场定价定量政策、市场定价政府定量政策（配额制）、政府定价定量政策（目前中国政策）、政府定价市场定量政策（固价制）；他利用两级供应链理论和博弈理论分析得出：较市场自发调节而言，政府管制政策更能提高发电企业收益及社会福利；配额制保证可再生能源发展目标实现，是可再生能源电力政策的改革方向。翁章好，陈宏民 （2008）上海交通大学学报认为现有可再生能源促进政策可分为“环境类政策”和“专门可再生政策”，他从消费者负担等视角进行综合考虑，认为在对可再生能源提供同等支持时，环境类政策导致的额外消费者负担大大高于专门可再生政策，必须主要依赖专门可再生政策来推动可再生能源技术走向商业化，而不能依赖环境类政策。但也有学者指出，环境类政策符合污染者付费的传统规范，切合经济学的效率与福利观点，是更为有效的可再生能源政策。

可再生能源政策引导着可再生能源的开发与使用，在制定可再生能源政策时，不仅要考虑其带来的经济效益和环境改善，还要综合考虑消费者剩余等其他因素，使得整个社会福利最大化，从而对可再生能源利用所带来的综合效益进行系统全面认识。刘洽，赵秋红 （2015）2015年7月结合我国生物质能政策，构建了以社会福利最大化为目标的可再生能源政策决策模型—社会福利函数模型，模型引入了消费者剩余、电力部门总收入、补贴或者税收收入转移、环境损害等，得出我国应加大生物质能源研发投入补贴率、提高碳排放價格实现社会福利最大化。

4 可再生能源电价补贴（Feed-in Tariff，FIT）

4.1 相关研究

FIT作为一种可再生能源补贴政策被各国政府采用，国内外各种研究方法的研究结果均显示出对FIT政策的支持，如Anne Held （2006）分析了欧盟可再生能源电力推广的政策策略，得出FIT政策能确保可再生能源电力以最低成本得到推广的结论； Jingxuan Hui （2015）建立能源供应系统与环境影响的多区域模型研究中国清洁发电技术的门槛，发现FIT政策可以在短期内有效解决门槛问题。

FIT的政策影响（尤其是对可再生能源投资的影响）是研究的重点，Koo （2017）检验了韩国FIT和清洁发展机制（Clean Development Mechanism，CDM）对可再生能源投资项目的影响，进行投资分析的四个案例包括太阳能、水电、风能和垃圾填埋气项目。Zifa Liu （2015）在探讨风力发电成本问题时发现FIT政策有利于吸引投资。此外，Paul Behrens （2016）使用能源—经济投入产出模型研究可再生能源支持政策FIT的影响，发现可再生能源的发展明显减少了排放量，增加了GDP，创造了就业，对应对气候变化至关重要。

4.2 可计算一般均衡分析方法（CGE）

CGE模型用价格机制将生产、消费、投资和贸易等有机地结合起来，涉及了多个经济主体，被广泛应用于各种政策冲击的研究。很多学者利用CGE模型研究可再生能源支持政策的影响。Jennifer F.Morris （2010）使用可计算一般均衡模型分析各种可再生能源支持政策组合的影响。Matthias Kalkuhl （2013）建立跨期全球一般均衡模型，考察碳税与可再生能源补贴的不同政策组合对碳减排的影响问题。

专门针可再生能源电价补贴影响的CGE研究较少。Sharareh Majdzadeh Tabatabaei （2017）利用经济—能源—环境一般均衡模型研究了FIT政策对伊朗经济、福利和环境的影响，不同情景的分析结果表明：政府补贴资金的利用方式影响FIT政策效果；技术中性情景下的FIT政策最有效，其对GDP下降的影响较小且花费较少的财政资金。Jie Wu （2016）使用CGE模型比较了不同情景下可再生能源电价补贴政策对宏观经济、部门CO2排放和区域电力需求弹性的影响。

5 研究展望

可再生能源发电快速发展的一个关键因素是国家重视、政府主导，从组织、资源普查、技术研发、战略目标、法律框架等方面给予大力支持和统一管理，充分体现国家意志。今后可以从可再生能源发展的主导者作用方面展开研究。 Kavita Surana （2015）分析和对比中印如何建设国内风能技术创新体系时，提出中国发展风能主要是通过其国有企业。

大多数研究只单方面关注可再生能源支持政策的经济影响，实际上，经济增长也能反过来影响可再生能源的使用情况，为其发展提供物质保障。如J.Luukkanen （2015）研究采用LINDA模型分析中国经济结构变化对能源使用和碳排放的影响。因此，关注可再生能源发展和经济增长的双向互动影响也是未来研究的议题。

参考文献

[1]Nathaniel Heck，C.S.，Eric Hittinger.A Monte Carlo approach to integrating uncertainty into the levelized cost of electricity.The Electricity Journal，2016，（29）：21-30.

[2]Lindsay Miller，R.C.，Scott Harper，Someshwar Singh.Evaluating the link between LCOE and PPA elements and structure for wind energy[J].Energy Strategy Reviews，2017，（16）：33-42.

[3]Stefan Reichelstein，A.S.Time of day pricing and the levelized cost of intermittent power generation[J].Energy Economics，2015，（48）：97-108.

[4]Tahira Bano，K.V.S.R.Levelized Electricity Cost of Five Solar Photovoltaic Plants of Different Capacities[J].Procedia Technology，2016，（24）：505-512.

[5]Daniel Hdidouan，I.S.The impact of climate change on the levelised cost of wind energy[J].Renewable Energy，2017，（101）：575-592.

[6]Joshua D.Rhodes，C.K.，Gürcan Gulen，Sheila M.Olmstead，James S.Dyer Robert E.Hebner，Fred C.Beach，Thomas F.Edgar，Michael E.Webber.A geographically resolved method to estimate levelized power plant costs with environmental externalities[J].Energy Policy，2017，（102）：491-499.

[7]陈荣荣，孙韵琳，陈思铭，沈辉.并网光伏发电项目的LCOE分析[J].可再生能源，2015，（05）：731-735.

[8]蔡浩，朱熀秋，吴熙.基于平准化电力成本和现值法的风电系统技术经济分析[J].江苏大学学报（自然科学版），2016，37（04）：438-442.

[9]尹祥，陈文颖.基于学习曲线的CO2捕集和可再生能源发电成本[J].清华大学学报（自然科学版），2012，（02）：243-248.

[10]Carolyn Fischer，R.G.N.Environmental and technology policies for climate mitigation[J].Journal of Environmental Economics and Management，2008，（55）：142-162.

[11]Nadia Ameli，D K.Innovations in financing that drive cost parity for long-term electricity sustainability： An assessment of Italy，Europe's fastest growing solar photovoltaicmarket[J].Energy for Sustainable Development，，2014，（19）：130-137.

[12]Mark Andor，A V.Optimal renewable-energy promotion： Capacity subsidies vs.generation subsidies[J].Resource and Energy Economics，，2016，（45）：144-158.

[13]吳文建，任玉珑，史乐峰.基于电力供应链收益的可再生能源政策比较[J].中国人口、资源与环境，2013，23（3）：44-48.

[14]翁章好，陈宏民.两类可再生能源促进政策的消费者负担比较-国际竞争利益的视角[J].上海交通大学学报（哲学社会科学版），2008，16（05）：57-64.

[15]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，（07）：1717-1725.

[16]Anne Held，M.R.ON THE SUCCESS OF POLICY STRATEGIES FOR THE PROMOTION OF ELECTRICITY FROM RENEWABLE ENERGY SOURCES IN THE EU[J].Energy & Environment，2006，（17）：849-868.

[17]Jingxuan Hui，W C，Minhua Ye，Can Wang.Clean generation technologies in Chinese power sector： penetration thresholds and supporting policies[J].Energy Procedia，2015，（75）：2807-2812.

[18]Koo，B.Examining the impacts of Feed-in-Tariff and the Clean Development Mechanism on Korea's renewable energy projects through comparative investment analysis[J].Energy Policy，2017，（104）：144-154.

[19]Zifa Liu，W.Z.，Changhong Zhao，and Jiahai Yuan.The Economics of Wind Power in China and Policy Implications[J].Energies，2015，（8）：1529-1546.

[20]Paul Behrens，J.F.D.R.，Tiago Brás，Carlos Silva 2016.Environmental，economic，and social impacts of feed-in tariffs： A Portuguese perspective[J].Applied Energy 2010，（173）：309-319.

[21]Jennifer F.Morris，J.M.R.，and Sergey Paltsev.Combining a Renewable Portfolio Standard with a Cap-and-Trade Policy： A General Equilibrium Analysis[J].Massachusetts Institute of Technology，2010，187.

[22]Matthias Kalkuhl，O.E.，Kai Lessmann.Renewable energy subsidies： Second-best policy or fatal aberration for mitigation[J].Resource and Energy Economics，2013，（35）：217-234.

[23]Sharareh Majdzadeh Tabatabaei，E.H.，Hossein Marzban，Mansour Zibaei.Economic，welfare and environmental impact of feed-in tariff policy： A case study in Iran[J].Energy Policy，2017，（102）：164-169.

[24]Jie Wu，J.A.，Ying Fan，Yan Xia.The design of renewable support schemes and CO2 emissions in China[J].Energy Policy，2016，（99）：4-11.

[25]Kavita Surana，L.D.A.Public policy and financial resource mobilization for wind energy in developing countries： A comparison of approaches and outcomes in China and India[J].Global Environmental Change，2015，（35）：340-359.

[26]J.Luukkanen，J.P.-O.，J.Vehmas，Liu Liyong，J.Kaivo-oja，L.Hyh，B.Auffermann.Structural change in Chinese economy： Impacts on energy use and CO2 emissions in the period 2013-2030[J].Technological Forecasting & Social Change，2015，（94）.