电力现货市场电价模式下的中国风电站投资评价模型研究

侯健生 HOU Jian-sheng；黄红辉 HUANG Hong-hui；王赢聪 WANG Ying-cong；金坚锋 JIN Jian-feng；郭鸿健 GUO Hong-jian；刘国坚 LIU Guo-jian；张少崇 ZHANG Shao-chong；赵文会 ZHAO Wen-hui

（①国网浙江省电力有限公司金华供电公司，金华 321000；②国网冀北电力有限公司唐山供电公司，唐山 063000；③上海电力大学经济与管理学院，上海 201306）

0 引言

在现货市场中，风电的可变运行成本低，其指导价格普遍低于火电价格，风电具有优先出清的优势。现货市场以价格激励方式保证风电消纳，但现行政策存在财政补贴资金缺口和补贴定价难等诸多问题，固定电价机制在风能发展初期的推动作用所剩无几。为使我国风电事业健康稳定发展，本文将在现有电力市场基础上对不同电价模式下对我国风电站投资的影响做出分析。

综合考虑我国集中式电力现货市场的特点，本文首先构建相应模型预测风力发电的关键数据，借此分析风电站3 种可实行的电价模式并建立相应收益模型，进而分析电价模式对风电站投资的影响[1-3]。

1 电价模式及其收益模型

在现货市场结算中，市场主体在电力市场的收益主要包含现货市场的日前、日内收益及中长期差价合同收益。故现货市场中风电站可能呈现3 种交易模式：固定电价上网、差价合约模式以及溢价竞争模式。

本文对固定电价、差价合约和溢价竞争三种电价方式进行分析，并建立收益模型。对不同电价模式对中国风电站投资的影响进行深入分析。

1.1 固定电价模式及其收益模型

固定电价模式（Feed-in Tariff）是我国政府结合了风电分布情况、上网电价、可再生能源发电总量以及政策实施成本等因素，由政府制定的固定价格的电价模式。该模式受市场因素影响较小，具体收益方式如下。

若风电站按照固定电价进行上网交易，则该电站年度

式中：Rfix为风电站以固定电价模式年度总收益；Qt为风电站日前每小时中标电量；Pfix为固定上网电价；Pfixsub为固定电价下政府给予的风电补贴。

短期来看，该模式可以有效降低政策实施成本，一定程度上推进绿电发展。然而，该模式无法有效补贴绿电生产、灵活性不强、形式较为单一，福利有所损失，使得企业缺乏技术创新动力。故该模式一般适用于风电企业发展初期，风险较小且具可提前估算收益。

1.2 差价合约模式及其收益模型

差价合约（Contract For Difference，简称CFD）模式是电力市场改革的产物。我国的差价合约模式具备双向付费的功能，即当市场价格高于合约价格时，发电厂商将差额部分还与用户；当市场电价低于合约电价，差额部分由政府或者消费者支付风电企业。

该模式下的年度总收益公式：

式中：Rcon为该电站进行差价合约交易的年度总收益；pc为合约价格，是合约双方协商确定的固定价格；pt是分时变化的实时电价，由市场决定；s 为合约中可享受补贴的电量比例；Qt为实时交易电量。

差价合约对买卖双方而言，均是一种良好的价格风险规避机制。且由于其不约束现货市场的资源优化配置以及能够有效规避现货市场报价过低或过高的情况，因此在许多试点省份电力现货市场多采用该模式进行交易。

1.3 溢价竞争模式及其收益模型

溢价竞争模式是指风电企业在电力市场中，上网电量以市场电价出清，且在此基础上政府根据我国能源电力发展情况，给予合适比例的补贴（其中政府补贴即为“溢价”）的模式。为鼓励促进绿色电力的发展，溢价电价机制和固定电价方式相结合的模式也因此受到各国电力市场的青睐。

风电站在溢价竞争模式下风电分时出力对应该时段分时电价计算，其年度总收益为

式中：Rpre为该电站进行溢价交易的年度总收益；为溢价模式下政府给予的风电补贴。在该模式下，风电企业可获得一定比例补贴来参与电力市场，有利于风电商合理报价。且该溢价竞争模式下风能发电商的利益主要受电力市场竞争影响，故发电商自我创新能力的提升意识较前两种模式有所加强。

1.4 碳收益

风电站除卖电收益及相应补贴外还可通过碳交易市场获取收益，增大项目现金流入量，对财务内部收益率有较大的提高。“十四五”和“十五五”时期单位GDP 二氧化碳排放平均需降低17.6%。我国度电碳排为0.000776 吨，利用此数据可计算某风电厂年上网电量碳减排量。

2 风力数据预测模型

2.1 风电分时电价预测

风电站投资收益情况的预估需要电力市场未来实时电价的预测，为市场参与者提供基本的参考信息，以期制定合理的竞争策略。本文采用自回归-平均滑动模型（auto regressive moving average model，ARMA）对未来实时电价进行预测。本文实证数据来源于我国试运行点广东现货市场以及德国现货市场实时电价。

风电站投资所占时间期限较长，预测准确电价成为一个复杂问题。查阅文献可知，采用时间序列预测方法，可通过利用相对较少历史电价数据，进而精确地掌握历史电价变化规律。本文通过ARMA 模型预测风力发电相关数据，所得数据平均相对误差为15.4%。然而仅考虑某一影响因素导致预测结果存在一定误差，但本文更多关注点在于如何达到项目投资决策定量分析，故而误差在可接受范围内。

2.2 风力发电预测

由于风能受天气气候影响较大，而投资收益需要根据实际发电上网量进行计算，故电站在投入运行前，风量等数据一般采取模拟预测的方式获取。风力发电量主要与风机轮毂处风速有关，通过查询气象网站得到所在地分时风速数据，而所得实时风速的测风点高度与风机轮毂高度并不相同故须将测得将风速折合为风机轮毂高度风速。本文采用指数法对风速进行修正：

式中：αz为地面粗糙度因子；vhub为风机轮毂高度处风速；vref为参考高度处风速；hhub为风机轮毂高度；href为参考高度（href=9）。

经过大量研究分析，双参数威布尔分布函数更能准确描述风速的实际分布情况。然后根据当地风速实际分布情况，得出对应函数中参数进行风速预测，并根据预测数据利用多此蒙特卡洛模拟计算出未来风电发电量。

式中：各个地区的风速及其平均值用v 和v¯表示；σ 为取址处风速的标准偏差；Weibull 分布的标度参数和形状参数分别用c 和k 表示，本文通过均值和方差估算法对当地风速实际测量值进行计算获得该两参数。

上式所求为威布尔分布函数，需根据反变化理论对威布尔函数进行反变换生成随机风速数据样本：

式中：vs表示该地区预测所得风速；xi为Weibull 随机数发生器产生的随机数。某电站年风速预测结果如图1 所示。本文中将我国风能资源分成Ⅰ至Ⅳ类资源区，对四类资源区选址后，对某地2022 年整年实际分时风速按照式（4）-式（9）进行预测。

图1 年风速预测值

风机出力由风速的分段函数组成：

式中：PW表示单个风机发电量；a，b，c 表示风机出力函数系数，这三个系数可根据风机厂商所给功率特性曲线拟合得出。vi、vr和vo分别表示风机的切入、额定及切出风速。

3 结果与分析

3.1 数据描述和参数设置

本文分别取4 类资源区2022 年全年的小时风速作为风速预测原始数据，并且考虑风站年小时发电量、年有效上网发电小时数，经本文模型预测得到全年风速情况。而且对其他费用，如：设备折旧费用、维修费用、职工工资及福利、劳保、利息支出等进行统计分析。本文风电度电发电成本为0.27 元/kWh，差价合约电量比例为40%，合同签约电价为480 元/MWh，设备寿命取20 年，并考虑通货膨胀以及工程设备折现。电站所处资源区上网电价数据见表1，由《国家发展改革委关于完善风电上网电价政策的通知》可知，风电指导价低于当地燃煤机组标杆上网电价（含脱硫），以燃煤机组标杆上网电价作为指导价。且假设上网电量与发电总量相等。风电站收益情况按等年值法计算。

表1 风电站数据

3.2 四类资源区风电站投资收益计算

根据对上述区域进行风速及分时电价预测，可得4 个电站在三种不同电价模式下的年收益情况，如图2 所示。

图2 电站年度收益

由图中所示，4 所电站在合约电价模式下年度收益值最高，可看出合约模式下收益明显优于固定电价模式下收益情况。该现象发生的原因在于我国风力资源丰富且风电普遍较低，受市场供需影响，合约电量较多，导致四类资源区电站的固定电价低于合约电价模式下电价平均值。

而图中，由于二类资源区脱硫煤电价高于风电指导电价，风电以当地脱硫煤电价出售，溢价模式下补贴接近为零，受市场电价波动影响，实时电价平均值低于固定电价，导致固定电价模式下年度收益比溢价模式交易情况下更多。

4 结束语

风电平价时代的到来更为风电发展提出了新的挑战。为保障风力发电稳定发展及深入推进现货市场有效运行，本文对现有三种电价模式进行建模分析。并通过ARMA模型及Weibull 模型分别预测风速及风力发电数据，由实际数据进行检验。利用以上预测数据计算投资指标进行分析是可行的。本文获得的数据是四个风力资源区一年8760 小时的逐时风速及对应发电量。以年发电量计算投资指标。并对影响投资经济的三项因素进行敏感度分析。主要结论总结如下：

①固定模式下难以体现我国风能特点，且风电平价上网时代难以调动投资商的投资积极性。随着现货市场的到来，合约电价模式更有利于风电站投资回收，投资收益在3 种交易模式中最佳。②补贴是降低风电场成本，吸引更多投资的主要因素。如果没有补贴，大多数风力发电厂将遭受巨大的利润损失。现有电价模式显然不利于实现中国风电无补贴的市场化发展。分析中合约电价模式下可以减少风电站效益成本，投资稳定性有所增加，可有力响应推进无补贴风电的号召。③由于风电站投资时间较长，多为20 年，市场电价波动对于长期投资影响较小。故集中式风电站在合约模式下收益较为乐观。