执行时间视角下的可再生能源发电项目激励政策优化研究

程 承，王 震，刘慧慧，赵国浩，刘明明，任晓航

(1. 山西财经大学管理科学与工程学院，山西 太原 030006；2. 中国石油大学(北京)中国能源战略研究院，北京 102249；3. 南安普顿大学数学科学学院，南安普顿 SO17 1BJ)

1 引言

为实现可持续发展并降低温室气体排放量，中国政府出台一系列文件，用于指导和推动可再生能源发展，如《能源发展战略行动计划(2014-2020年)》和《国家应对气候变化规划(2014-2020年)》。相关文件阐明中国需大力发展可再生能源，以实现2020年底非化石能源在一次能源消费中占比达15%的目标。《能源发展“十三五”规划》中再次强调可再生能源的重要性。2015年，中国非化石能源在一次能源消费中占比为12%，实现了“十二五”规划中11.4%的目标，但仍未达到15%的目标，还需进一步发展非化石能源。非化石能源中，受资源约束和发展规划影响，水电增长潜力有限，核电则面临安全挑战。鉴于此，为实现非化石能源发展目标，中国更需大力发展可再生能源。尽管丰富的可再生资源奠定了坚实的发展基础，但仍需注意的是可再生能源发电成本较高，需借助政府激励政策(包括价格激励政策和成本激励政策)才有望实现高速发展。

可再生能源投资具有不可逆性和可延迟性，这使得投资者可以自主地选择投资时点[1]。实物期权方法关注的核心问题正是由此类选择权引发的灵活性的价值，它适用于分析此类问题[2]。实物期权方法在可再生能源发电项目中的研究主要集中于两方面：①可再生能源项目决策研究；②可再生能源发电产业政策评价。

关于可再生能源项目决策的研究主要用于测算项目期权价值和执行条件。俞萍萍[3]运用动态规划方法构建了考虑碳交易价格不确定性的实物期权模型，并以风电为例研究了碳价对期权价值的影响。李庆等[4]采用动态规划方法构建了电价和政策不确定条件下的中国可再生能源发电项目的实物期权模型，研究了政策不确定性对投资者投资行为的影响。Siddiqui和Fleten[5]构建了考虑电价和成本不确定性的实物期权模型，并采用动态规划方法求解期权价值和执行条件，随后利用模拟方法分析了企业在资金有限的条件下如何在运用现有可再生能源技术和开发非常规能源技术之间进行抉择。Martinez-Cesena和Mutale[6]提出了实物期权改进方法，并以水力发电项目为例阐述了该方法与传统实物期权方法、贴现现金流法的异同。Zeng Yapeng等[7]利用蒙特卡罗模拟方法构建了考虑可再生能源证书交易价格不确定性的实物期权模型，研究了第三方资助的民用光伏项目回购时机问题。Gahrooei等[8]利用偏微分方程构建了电价不确定条件下的实物期权模型，研究了民用光伏价值最大化问题。虽然以上研究采用的方法和选定的不确定因素有所差异，但都以期权价值为主要研究对象。然而，期权价值并不能直观地评估激励政策效果。

与可再生能源发电产业政策评价相关的研究用于评估不同支持政策的效果，如上网电价、成本补偿、公共投资等，其中与上网电价相关的研究最多，代表性研究如下：林伯强和李江龙[9]采用二叉树模型评估了中国现行的风电上网电价政策。李庆和陈敏[10]以河北张北油篓沟元山子风电项目为例，利用动态规划方法对中国现行的上网电价政策进行了评估。Lee和Shih[11]以台湾风电为例，利用二叉树方法测算了上网电价政策下的风电期权价值。Reuter等[12]以德国风电项目为例，利用二叉树模型评估了上网电价政策效果。Lin Boqiang和Wesseh[13]利用二叉树模型证实中国现行的上网电价可促进光伏行业发展。Zhang Mingming等[14]利用二叉树模型从政府和投资者两种视角分析了中国目前的上网电价政策。此外，部分学者研究了成本补偿、公共投资、政府补贴等政策，如：钟渝等[15]通过偏微分方程研究了光伏发电项目的成本补偿策略问题。Jeon等[16]将系统动力学与实物期权方法结合，研究公共投资与政府补贴之间的关系。公丕芹和李昕旸[17]采用三叉树模型和情景分析方法研究了政府补贴对可再生能源项目期权价值的影响。另外，存在少量研究全面分析了不同政策对期权价值影响，如Boomsma等[18]以北欧风电为例，运用或有债权分析法对比了上网电价、价格补贴和可再生能源证书交易三种政策下的风电期权价值。Cheng Cheng等[19]以中国光伏产业为例探讨了电价改革对光伏项目期权价值和投资时机影响。更有学者认为技术发挥的作用强于支持政策，如Torani等[20]利用偏微分方程研究光伏发电采用率问题，认为即使没有支持政策，光伏发电也将在30年内广泛应用。以上研究或者偏重于对单一政策效果的研究，或者侧重对期权价值研究，亦或假设与现实并不完全相符(如电价服从几何布朗运动的假设与中国国情并不相符)。Cheng Cheng等[19]虽在分析电价改革影响时也分析了上网电价和价格补贴的影响，但其分析主要集中于电价改革影响，且未研究成本补偿政策影响。

总体来看，尚未有文献从预期执行时间角度系统地评价可再生能源发电项目激励政策效果，本文根据期权执行条件推导出项目预期执行时间，进而通过项目预期执行时间来判断政策有效性，并结合中国电力价格未市场化的实际情况进行建模，同时考虑投资的不确定性，系统分析价格激励政策(上网电价和价格补贴)和成本激励政策对可再生能源发电项目投资时机的影响。目前中国正在大力发展可再生能源，从此视角开展研究既具有理论价值，也具有现实意义。

为了形象直观地展示激励政策的实施效果，本文光伏发电产业为例进行具体的实证分析，主要考虑是：无论从一次能源消费量、电力消费量，还是装机容量来看，太阳能都是中国发展最快的可再生能源，如2003-2015年间太阳能装机容量平均增速达91.1%，高于风电增速的63.1%[21]。2015年中国太阳能发电装机容量超越德国，成为世界第一[21]。相比光热发电，光伏发电更具发展前景，因为光伏发电既可建立大型发电基地，又可用于分布式发电。此外，中国为光伏发电制定了中长期发展规划，即2020年底实现光伏装机容量1亿千瓦。同时，国家也出台了众多政策刺激光伏产业发展，如制定上网电价、实施价格补贴、给予投资补偿、加大公共投资、鼓励技术创新等。本文的创新之处在于：①求解实物期权模型后，通过项目预期执行时间反映政策激励效果；②以原材料价格的不确定性代表可再生能源投资不确定性，并利用历史数据估算其波动率和漂移率；③以原材料价格的漂移率代表技术水平(技术进步是促使原材料价格下跌的重要因素。根据Amin[22]报告中数据可测算出排除多晶硅价格下跌因素后，技术进步对光伏组件成本下降贡献率达52%。而漂移率恰是反映原材料价格下降趋势的指标，因而，本文以原材料价格的漂移率代表技术水平)，研究技术水平对激励政策效果的影响；④从政府支出、政策效果和技术影响三个层面综合分析，为评选最佳政策提供依据。

2 可再生能源发电项目经济性及模型假设

投资、电价和国家政策既是影响可再生能源发电项目经济性的重要因素，也是可再生能源项目所面临不确定性(技术、电价和政策不确定性)的重要来源。技术不确定性与技术水平相关，直接影响项目投资；电价不确定性体现在电价波动上，直接影响项目收益，鉴于目前中国电价非市场化形成，本文不考虑其随机特征；政策不确定性体现在多个方面，但与可再生能源发电项目经济性直接相关的政策有价格激励政策和成本激励政策，具体包括上网电价、价格补贴、成本补偿三种措施。

可再生能源投资主要由资本支出、操作费和保险费三部分构成。可再生能源发电项目属于资本密集型项目，总投资中资本支出占比较高，操作费和保险费占比较低，例如风电项目和光伏项目中资本支出在总投资中占比均超过70%。为采用实际数据估算可再生能源投资波动情况，我们假设原材料价格是可再生能源投资波动的驱动因素(参照Boomsma等[18])。为更便捷地构建和求解可再生能源实物期权模型，我们利用平均化发电成本对原材料价格进行处理，将其单位转化为元/千瓦时(Y/KWh)(平均化发电成本是指将发电项目投资平摊到项目的整个生命周期所发电量当中。可再生能源投资中原材料价格单位一般为美元/瓦特，可利用平均化发电成本将其单位转化为元/千瓦时。后文中我们将以光伏组件为例，演示平均化方法)。虽然短期内可再生能源项目发电量存在波动性，但在较长时期，如一年内，可再生能源项目发电量较为稳定，因而，本文以年为跨度进行分析。以I代表可再生能源投资，以Ct代表原材料在t时刻的转换化后成本，以η代表原材料投资乘数，Q代表可再生能源项目年发电量，可得：

I=QηCt

(1)

成本补偿政策可降低项目投资，假设补贴比例为λ，成本补偿政策下的投资如下：

I=QηCt/(1+λ)

(2)

原材料生产行业属于竞争性行业。Cortazar等[23]认为竞争性市场中商品价格服从几何布朗运动。因而，本文假设Ct服从几何布朗运动：

dCt=αcCtdt+σcCtdzc,Ct0=C0

(3)

其中，αc是原材料的漂移率，σc是它的波动率，dzc是标准的维纳过程增量，C0是原材料的初始成本。

可再生能源项目的利润(πt)取决于电价(Pt)、操作费(OPEX)和发电量，即

πt=Q(Pt-OPEX)

(4)

由于操作费较低，参照Fleten等[24]和Boomsma等[18]，本文忽略操作费影响，即π由电价决定，而电价又与激励政策相关：

①当项目不享受任何激励政策时，电价由燃煤发电上网电价(Pf)决定，即πt=QPf；

②当采纳上网电价政策时，电价由上网电价(FIT)决定，即πt=QFIT；

③当实施价格补贴政策时，电价由Pf和价格补贴(premium)决定，即πt=QPr=Q(Pf+premium)；

④当采取成本补偿机制时，电价由Pf决定，即πt=QPf。

项目投资与利润均与年发电量线性相关，在后文计算项目预期执行时间时可消去，因而为方便推导出解析解，本文进行单位量分析，即假设项目产出为1千瓦时/年[1]。进行单位量分析时，虽然运输损耗等因素可能会导致可再生能源发电无法全部上网，即产出达不到1千瓦时/年，但这些损耗占比相对较低。为方便分析，本文参照Zhang Mingming等[14]和钟渝等[15]将损耗忽略(为严谨起见，本文在5.3部分单独讨论了考虑运输损耗对研究结果的影响)。此外，假设项目可立即建成，建成后生命周期趋于无穷[15]，在此假设下，运营中项目的价值和项目的期权价值均不受时间影响。

3 可再生能源实物期权模型构建及求解

3.1 投资临界值确定模型

本文采用或有债权分析法建立实物期权模型。为避免构建动态资产组合的繁琐过程，对Ct进行了风险中性转化：

(5)

项目投资风险在建成时已锁定，运营阶段项目不在面临风险。假设运营中的项目价值为V，V取决于电价Pt和补贴St(即利润π)，它是项目未来利润的贴现值，即：

(6)

假设未建设的项目期权价值为F(Ct)。根据无套利原理，在很短的时间dt内，项目的价值增值与项目的资本增值相等，即

E(dF)=rFdt

利用伊藤引理可推出相应的偏微分方程：

(7)

该偏微分方程的边界条件为：

(8)

(9)

为对比不同激励政策效果，本文设置四种情景，每种情景下的偏微分方程、边界条件、方程解析解、最优执行条件等如表1所示。

表1 不同情景下的实物期权模型

3.2 预期执行时间测算模型

通过以上模型可确定项目执行最优条件，结合项目初始条件可求解项目执行时间。由于原材料成本Ct是随机过程，最优执行时间t*也具有随机性，但可推导出项目期望执行时间E(t*)及其方差Var(t*)。

φ(t*)

对其进行拉普拉斯转换后，可得：

基于上式，可得：

(10)

(11)

3.3 不同技术水平下的激励政策最优值求解

从表1中项目期权价值公式中可看出项目期权价值与原材料价格负相关，因而，投资者仅会在原材料价格降至最优执行条件后进行投资，此时，项目预期执行时间为0。通过观察表1中项目最优执行条件公式可发现项目最优执行条件与政府激励程度相关。中国政府设定了2020年非水电可再生能源的电力消纳占比需达9%以上的目标，激励投资者立即投资可再生能源项目是实现该目标的重要途径。因而，可令E(t*)=0，求解出不同激励政策的最优激励值。另外，需注意的是，技术水平直接影响可再生能源投资最优执行条件，因而，求解激励政策最优值时，还需考虑技术水平因素。

结合3.1和3.2中计算结果，可计算出不同技术水平下激励政策的最优值，具体如下：

①上网电价政策下，最优上网电价FIT*为

(12)

②价格补贴政策下，最优价格补贴premium*为

premium*=

(13)

③成本补偿政策下，最优补偿比例λ*为

(14)

基于以上的理论模型的解，接下来本文将以光伏发电项目为例，展开具体的参数测算和各政策实施效果讨论。首先测算现有条件下政府应提供的单项激励政策最优值，接着研究技术进步对政府激励政策的影响，并据此对不同单项政策进行横向对比。最后研究了双项激励政策之间的相互影响以及技术对双项政策效果的影响。

4 光伏发电项目参数估计

4.1 光伏组件成本参数估计

现有文献中往往采用学习曲线方法估算投资漂移率，即通过假设平均化发电成本的学习率和增长率来确定投资漂移率。本文将利用光伏组件成本的波动率和漂移率来捕捉光伏投资的波动率与漂移率。进行估算前，先利用平均化发电成本对光伏组件进行单位转换，随后验证其具有随机性，最后估算它的波动率和漂移率。

(1)数据单位转换

利用Wind数据库搜集2012-02-01到2016-03-09期间光伏组件的每周价格数据。数据初始单位为美元/峰值瓦特，为方便研究，本文进行了单位转换，将其转换为Y/KWh，具体转换过程如下：

①转换公式确定

令Mt代表初始数据，Ct代表转换后数据，x代表光伏组件功率，sd代表中国年均有效日照时长。假设汇率E为6.6元/美元，考虑到目前光伏组件可维持15年左右高效生产，此处假设其生命周期为15年。利用平均化发电成本定义可知Mt与Ct间存在如下关系：

(15)

②中国年均有效日照时长估算

公式(15)中sd为未知参数，需对其进行估计。中国经济处于快速发展阶段，可认为中国的发电量与消费量相等，尤其是对于光伏这类国家重点发展的电力资源。因而，本文以BP能源统计年鉴中的光伏发电消费量代表它的生产量，利用最小二乘法对光伏发电消费量和光伏装机容量进行回归，估算得到sd约为986小时。将sd数值代入公式(15)，可求得转换因子(排除汇率因素后)约为0.068，与Amin[22]报告中的转换因子(1/14)十分接近。利用转换因子对St数据进行转换，可得Ct序列。

(2)Ct随机性检验

Ct随机性检验及估计主要用于验证光伏组件成本几何布朗运动特性，并估算相关参数值，几何布朗运动特性验证包括验证Ct对数收益率的正态性和单位根检验两步。验证通过后可利用回归方法估算参数取值。本文借鉴Cheng Cheng等[19]结果，假设年漂移率αc和年波动率σc分别为-9.01%和3.77%。

(3)光伏组件投资乘数(η)估算

光伏投资中资本支出约占总投资的70%左右，而光伏组件在资本支出中占比约为1/3[26]。因而，光伏组件在总投资中占比约为23.3%，由此可得η约为4.29。另假设C0为1Y/KWh。

4.2 其他参数估计

(1)燃煤上网电价

根据《关于降低燃煤发电上网电价和一般工商业用电价格的通知》中的相关规定和2015年不同省市总发电量数据，可得出加权平均燃煤上网电价Pf为0.41Y/KWh。

(2)光伏发电上网电价

根据《关于完善陆上风电光伏发电上网标杆电价政策的通知》中的相关规定，中国光伏发电上网电价与资源丰裕程度相关。为简化计算，本文以三类资源地区的平均值作为光伏发电上网电价，即FIT为0.89Y/KWh。

(3)价格补贴

根据《关于发挥价格杠杆作用促进光伏产业健康发展的通知》中的相关规定，光伏发电的价格补贴为0.42Y/KWh。

(4)成本补偿比例

根据《金太阳示范工程财政补助资金管理暂行办法》中的相关规定，本文假设成本补偿比例λ为50%。

(5)无风险利率

本文利用10年期国债的即期利率测算无风险利率，计算得到无风险利率r为3.7%。

(6)光伏组件的便宜收益率

对参数估算结果进行整理，具体如表2所示。

表2 光伏发电项目参数表

5 光伏发电项目激励政策研究

中国光伏项目所面临的不确定因素主要来源于技术和政策两方面，它们影响了项目执行的初始条件和最优执行条件，进而影响项目的预期执行时间。本文首先在技术水平既定的前提下，分别研究价格激励政策(上网电价和价格补贴)和成本激励政策对预期执行时间的影响。其次研究技术水平对政策激励效果的影响。接着研究两类激励政策间的相互作用。最后从政府支出、政策效果和技术影响三个层面综合分析，为政府激励决策提供依据。

5.1 单项支持政策效果评估及优化

(1)目前光伏发电项目难以独立发展，仍需依赖政府支持政策

将参数估计结果代入模型当中，可得到4种情景下的预期执行时间及其90%置信区间，具体结果如图1(a)所示。从图1(a)中可以看出，在没有任何激励政策情况下，光伏项目所有者会选择等待，需借助政府政策才可大规模发展。此外，还可看出在文中参数假设下，中国目前实施的激励政策或曾实施的激励政策均具有很好的激励效果。

(2)现行或曾实施的激励政策存在超额激励现象

激励政策直接影响项目利润和投资，进而影响项目最优执行条件。具体而言，价格激励政策对项目利润有直接影响，而成本补偿政策对项目投资有直接影响。项目经济性的改变影响了项目最优执行条件：随着价格激励程度的提高和成本补偿比例的提高，项目最优执行条件提升，项目的初始条件与最优执行条件之间的差值缩小，在漂移率不变的前提下，从初始值达到最优值的预期时间缩短。从项目执行角度看，随着激励程度的提高，项目的盈利性提高，潜在的投资回报周期缩短，项目预期执行时间缩短。预期执行时间的标准差与项目最优执行时间之间存在负相关关系，因而随着激励程度的提高，预期执行时间的波动性将会降低。不同额度的上网电价、价格补贴和成本补偿政策效果如图1(b)、图1(c)和图1(d)所示。通过计算可得出，在文中参数假定情况下，为促进项目立即执行，政府需保障上网电价高于0.57 Y/KWh，或价格补贴高于0.16 Y/KWh，抑或成本补偿比例高于38%。对比价格最优激励政策和现行(或曾实施)激励政策可知，中国价格激励政策存在超额激励问题。

(3)三项激励政策中上网电价政策激励效果最优

通过数值分析可知，当三项政策补贴额增加同等程度时，上网电价政策下的项目预期执行时间降

图1 不同情景和不同政策执行时间对比(图中上下界对应90%置信区间)注：期望执行时间服从标准正态分布[27]，因而可利用公式(10)和(11)测算出的均值和 标准差测算与90%置信度对应的上下界。计算执行时间下界时需注意，期望执行时间最低为0。

幅最高。具体而言，假设三项政策激励额度均从0.05Y/KWh增至0.1Y/KWh时，上网电价、价格补贴和成本补偿政策下预期执行时间降幅分别为7.4年、1.1年和0.5年，由此可知，三项政策中上网电价激励政策效果最优。

(4)随着技术水平的提高，激励政策最优值不断提高，但相对而言价格激励政策对技术影响敏感性低

如图2(a)和(b)所示，当技术水平较低时，较低的价格激励政策和成本补偿政策均可快速刺激投资。但随着技术水平的提高，项目最优执行条件降

图2 技术水平对单项激励政策的影响

利用3.3中公式可计算出不同技术水平下不同激励政策的最优值，具体如图3所示。从图3中可以看出，成本补偿曲线斜率最大，即当技术水平变动提高相同比例时，成本补偿政策最优值的增加值最高。换而言之，成本补偿政策对技术水平变动最敏感，上网电价和价格补贴政策敏感性低。从图3中还可看出，在技术水平较低时(如5%以下)，即便政府不采取激励措施，投资者也会进行投资。

图3 不同技术水平下的不同激励政策最优值

(5)从政府支出、激励效果和技术影响三个角度综合分析，成本补偿政策效果较差

在本文参数假设前提下，为刺激投资，政府有三种选择：①提供0.57 Y/KWh的上网电价，这部分支出是由政府提供给购电企业；②提供0.16 Y/KWh的价格补贴；③提供0.38 Y/KWh的成本补偿。三种最优政策均可鼓励投资者立即投资，但从政府支出角度分析，采用价格补贴时，政府支出最少。

此外，通过以上分析可知，技术恒定时上网电价政策激励效果最佳，价格激励政策效果次之，成本补偿激励效果最差。而当技术水平发生变化时，相比成本补偿政策，上网电价和价格激励政策对技术变化敏感性低，政策稳定性更强。

综合以上三方面分析，成本补偿政策效果较差，而政府选择最优政策时需在上网电价和价格补贴两种政策之间进行选择：当政府追求政策效果最大化时，可选择上网电价政策；当政府重视财政支出时，可选择价格补贴政策。

5.2 价格与成本双项激励政策评估

为研究价格激励政策与成本激励政策之间的相互作用，本文假设某项目享受国家成本激励政策的同时，项目生产的电力按照价格激励政策销售。

(1)双项政策分别从利润和投资层面共同作用，激励投资者投资

双项政策情景下，项目的预期执行时间如图4所示。从图4中可看出两种政策之间存在着良性关系：从利润轴(考虑到价格激励政策直接影响项目利润，分析中以利润水平表示价格激励程度)的切面可以看出，随着利润的提高，项目预期执行时间不断降低；从成本补偿比例切面可得到类似结论。两种政策目的不同，价格激励政策目的在于提高光伏项目利润，成本激励政策旨在降低投资者承担的投资。两种政策相辅相成，共同作用，缩小项目初始条件与最优执行条件间差值，缩短项目预期执行时间，激励投资者投资。

图4 价格与成本双项激励下的项目预期执行时间

(2)随着技术提高，价格激励政策与成本激励政策的共同激励效果减弱

如图5所示，技术水平的差异使得由等幅度的价格激励和成本激励变化引发的预期执行时间变化差异显著。当激励措施不足时，技术水平越低，项目执行需等待的时间越久，但当激励政策变动同等幅度时，低技术水平情景下的预期执行时间变化幅度超过高技术水平情景下的变化幅度。当技术水平较低时，较低的激励政策便可刺激投资者立即投资，但随着技术水平的提高，为鼓励投资者进行投资，政府需提供更加吸引投资者的激励政策。

5.3 损耗对激励政策效果影响

本文采用单位量分析时暗含了可再生能源发电可完全上网，但实际生活中，可再生能源发电系统中存在着损耗，假设损耗比例为ω(0≤ω≤1)。则投资假设变为I=QηCt(1-ω)，其余假设不变。由于损耗的存在，为发同等电量需增加投资，其效果与投资补偿政策相反，由此可知，可再生能源项目期权价值降低，最优执行条件也随之降低，由初始条件执行条件达到最优执行条件的预期时间也随之增加。总体来说，损耗存在使得期权价值降低，预期执行时间增长，但对政策变动引起的规律并无影响，因而，本文不再赘述相关结论。

图5 技术水平对价格激励及成本补偿双项 激励政策影响

6 结语

本文从决策和政策制定者角度进行了研究，首先结合中国实际情况分析可再生能源发电项目的经济性，随后针对不同的激励政策建立四种实物期权模型，求解模型的解析解和最优执行条件，并利用最优执行时间求解了项目预期执行时间和激励政策最优值。在此基础上，本文以光伏发电为例，综合应用蒙特卡罗模拟方法、情景分析法和灵敏度分析法研究上网电价政策、价格补贴政策和成本补偿政策三种政策与项目预期执行时间之间的关系。本文还研究价格激励政策与成本激励政策共同实施时，两者之间的相互作用。此外，本文还分析技术水平对不同的激励政策效果的影响。通过研究，本文得到了如下结论：

(1)在本文参数假设下，光伏产业发展需借助政府激励政策。而我国目前施行或原先实施过的政策均可刺激投资者立即投资，但存在过度激励问题。在现有技术水平下，为促使光伏项目立即执行，政府需保障上网电价高于0.57Y/KWh，或价格补贴高于0.16Y/KWh，或者给予投资者38%以上成本补偿。

(2)随着技术水平的提高，政府需提供更吸引投资者的最优激励政策，以鼓励投资者立即投资。三种不同激励政策中，成本补偿政策对技术水平变动最为敏感。

(3)价格与成本双项激励政策可进一步刺激投资者进行投资。

目前，中国可再生能源产业发展还未达到2020年目标，因而政府需进一步鼓励可再生能源产业发展。在目前市场条件下，中国光伏发电行业的发展需借助政府激励政策。就单项政策选定而言，政府可根据自身目标在上网电价和成本补偿政策之间进行选择，成本补偿政策可暂不考虑，因为无论从政策激励效果、政府支出，以及政策稳定性来看，成本补偿政策都不是最优政策。当政府期望加快光伏产业发展，不考虑政府支出因素时，政府可选择上网电价政策；而当政府期望通过较小的支出来促进光伏产业发展时，可选择价格补贴政策。若政府期望激励效果最大化，则政府应同时采取价格激励政策和成本激励政策，从项目收益和投资两方面同时激励投资者开展光伏项目。