多约束条件下光伏投资评价决策模型分析

王艺晓， 蔡祥雨

（1.浙江华云电力工程设计咨询有限公司， 浙江 杭州 310000；2.浙江省送变电工程有限公司， 浙江 杭州 310000）

0 引言

国家碳达峰碳中和目标的提出使得以光伏为代表的可再生能源战略地位凸显。光伏发电作为发电方式之一，具有较好经济效益。分布式光伏发电项目的经济指标是光伏投资方重点关注的问题，主要体现了项目经营状况和盈利能力，是光伏项目规模发展的基础和前提[1]。但光伏项目的经济效益受外部因素影响非常大，影响项目投资决策的因素也比较多，很多因素具有一定的不确定性。在众多因素的共同作用下，会影响到光伏发电项目的投融资顺利进行，以及运营后产生的效益，从而对光伏发电项目的投资决策产生影响。因此，进一步探析投资效益分析评价对分布式光伏的发展具有重要意义。

1 当前光伏投资效益评价存在的问题

1.1 消纳率的测算缺乏科学性与合理性

全额上网模式的分布式光伏发电项目，直接接入公共电网，成本回收周期与用户用电无任何联系，其成本回收周期不受用户用电情况变化而变化。对于自发自用、余电上网模式的分布式光伏发电项目，其成本回收周期将随着自用比例的增长而逐步降低，极端情况下成本回收周期相差一倍之多，因此自用比例的大小是影响投资者成本回收周期的重要因素之一[2]。因此第三方资本在采用合同能源管理模式建设分布式光伏项目时，大多数企业是考虑自用比例这一项敏感因素。而光伏的消纳电量比例的高低是自用比例的主要体现。因此对于光伏消纳率的测算就尤为重要。而当前光伏消纳率计算方式并未对如行业特性、经济增长因素等影响因素进行考虑和合理分析，因此当前消纳率的测算缺乏科学性与合理性[3]。

1.2 财务边界条件的界定标准不统一

在光伏发电项目的投资决策中，项目的经济效益是企业投资决策的主要依据，因此对于项目经济效益的分析显得尤为重要。而影响项目经济效益的因素众多，不同的财务边界条件对分布式光伏项目投资的收益率也构成较大的影响。而当前常用的光伏投资测算模型尚未形成一套统一标准的财务边界条件，从而影响了测算结果的精准性[4]。

而测量结果的准确性体现在对光伏投资成本费用进行合理的预测。成本费用是指在运营期内光伏电站为发电所发生的全部费用，包括折旧摊销、电厂人员工资福利费、维修费、保险费、材料费、管理费用及利息支出等。成本费用是影响电站LCOE（平准化度电成本）的最主要因素[5]。光伏项目经济效益评价成本参数取值有所不同，对于经济效益测算的影响也不同，而现实过程中光伏经济效益评价成本参数取值并不统一，因此需要统一财务边界条件的界定标准，从而测算出相应分布式光伏发电项目合理的成本数据。

1.3 研究方法及内容

1.3.1 研究方法

本文以2022 年国网浙江电力发布的数据为例，在对负荷曲线与发电曲线进行拟合的基础上，导入影响多因子分析，对消纳率的测算进行优化与修正。企业消纳光伏电量的比例计算方法修正为：根据电网公司调取的企业每15 min 功率数据计算各时段企业用电平均功率；模拟光伏发电单位小时平均功率；计算消纳比与电量法对比取其低者；构建LPM模型（线性概率模型）优化消纳率。

1.3.2 研究内容

根据现有的企业消纳率测算方案，本研究注意到其中有几处值得优化考虑的地方。

1）地市用电情况。根据国网浙江电力发布的2022年浙江省各地市、各行业电力数据报告，宁波地区一972.7 亿kW·h 的用电量居全省第一，杭州以949.90亿kW·h 居于第二，而用电量最少的地市丽水为139.10 亿kW·h[6]。这就很明显地反应出各地用电需求不一的现象。考虑到不同地区用电需求量不同，那么出现用电紧张情况的情况也不相同。根据合理推测，在用电量较多地区的企业，更有需求为自身企业发展建设光伏电站，满足企业生产需求。因此，在模型优化方案中，本研究将用电量最多的前5 个地市分为一组，即杭州、宁波、温州、绍兴、嘉兴五个地市，后面的城市为另一组。

2）行业发展情况。同样根据2022 年浙江省各地市、各行业电力数据报告，浙江省内31 类制造业只有10 类行业用量同比实现增长，增长的行业为光伏设备及元器件制造业、新能源车整车制造业、互联网数据服务业、充换电服务业等。这几个行业都是目前经济发展的热点行业，如互联网数字经济、新能源行业。因此根据合理假设，行业的经济效益越好，企业厂区内的效益越高，企业厂区内业务工作量越大，对电力的需求量也就越多，光伏发电的消纳率也越高。因此，本模型希望在现有的光伏发电预测分析发电消纳率模型基础上，增加研究发电设备所安装的企业行业发展情况对消纳率的影响。

在模型设立中，根据国家统计局发布的2022 年规模以上工业企业经济效益数据中的营业收入增长率来反映各行业的生产情况。

2 消纳率预测模型建立与数据描述

2.1 数据描述及模型建立

为了研究企业所属行业对于光伏发电消纳率的影响，模型采用国家统计局发布的2022 年全国规模以上工业企业营业利润作为自变量代表行业的厂区活跃情况。规模以上工业企业是年主营业务收入为2 000 万元及以上的工业法人单位。营业收入是指企业从事销售商品、提供劳务和让渡资产使用权等生产经营活动形成的经济利益流入，包括主营业务收入和其他业务收入。在模型设立中，需要反应各行业的用电需求程度，根据国家统计局发布的2022 年规模以上工业企业经济效益数据中的营业收入增长率来作为各行业的生产用电需求情况增长情况参考。

另外，模型中采用Meteonorm8.0 数据作为常见光照辐射数据库的多年平均太阳辐射数据。将各地市按照用电量数据大小分为两组，数据来源为国网浙江电力发布的2022 年浙江省各地市、各行业电力数据报告，同时设置虚拟变量。

模型将光伏用户的实际消纳率作为因变量，以原有光伏发电预测模型计算的预测消纳率、2022 年工业企业营业收入增长率、是否为用电高峰城市为自变量、年平均总辐射量、装机容量，进行回归分析。其具体模型如下：

各个变量的具体定义如表1 所示。

表1 变量定义表

2.2 模型回归数据分析（见表2）

表2 消纳率预测模型回归结果

2.3 回归结果分析及应用

首先，就模型整体而言，模型的F检验的P值为0，R2=0.9846，说明模型整体上是显著的。再从模型的具体参数上看，原有预测模型的系数为0.88，在1%的水平上显著。这说明原有的预测数据在很大程度上已经接近了真实的消纳率数据。同时，与之前本文估计的一样，工业企业营业收入增长率对真实的光伏用户消纳率有正向的影响关系，工业企业营业收入增长率的系数为0.302，在10%的水平上显著。另外，是否为用电高峰城市也对消纳率有正相关的影响，在1%的水平上显著，这说明在用电高峰城市中，因为用电紧缺，增大了消纳率。最后分布式光伏电站桩基容量和本地年平均光辐射量对模型也有正相关关系，但结构并不显著，这可能是因为光辐射数据精度受限于整个城市，不够精确所致，未来仍然存在优化空间。

鉴于当前的回归结果，本文认为，在优化模型时，可以考虑将光伏用户的行业数据纳入消纳率预测模型，可以以行业的营业收入增长水平作为引用数据，以0.479 的系数折算计入新模型中。同时，可以将各地市的用电水平纳入消纳率测算模型中。

3 案例分析

3.1 案例介绍

以浙江富阳某集团有限公司的厂房屋顶建设光伏发电项目为例进行分析，公司经营范围包括：地埋式高压电力电缆保护管、玻璃钢电力管、环保成套设备生产，销售等。其厂房屋顶面积共计约19 163 m2，其中利用面积共计约15 443 m2。光伏发电项目装机容量1 118.885 kWp。本项目场址具有充分的光伏发电项目的资源条件。

3.2 案例建设前分析

在案例建设前，报告中已经估计发电收入情况。其中自发自用部分电价本项目企业电价为大工业电度电价，根据当时的电价政策，本案例参考执行代理机制前电价标准，效益分析电价按浙江省电价政策执行。

结合光伏发电项目发电时段，可以计算光伏电自用部分基准电价为0.79 元/kW·h。能源管理合同根据光伏发电项目投资方与产权企业双方签订的协议，约定光伏电价为0.655 7 元/kW·h。余电上网部分电价按脱硫标杆电价0.415 3 元/kW·h。

经历史用电数据测算，本光伏发电项目投运后自用消纳率预计约为82%。在计算期内按照电价（不含税）计算，25 年发电总收入1 422.34 万元，年均发电收入约56.89 万元。根据相关资料估计，结合光伏发电项目发电时段，确定光伏电自用部分约定电价折扣83%，即光伏电价为0.655 7 元/kW·h。

案例为大工业用电，虽然彩钢瓦需进行加固增加投资，但电价和消纳比例都较高，项目盈利能力较好。案例建设前，估计内部收益率达到9.67%，收益率（所得税后）为9.67%，投资收益率7.18%，项目静态投资回收期为9.32 年，动态投资回收期13.65 年，财务净现值139.64 万元。

3.3 项目实际消纳率

由于本案例地处杭州富阳，用电需求较多，同时案例企业为制造业企业，在去年中有较多增长，因此会产生更多用电需求。根据上文回归模型分析，项目实际消纳率应当高于预测消纳率。实际情况中，本案例于2022 年1 月并网。根据一年来的发电数据，本案例实际消纳率为87.62%，高于原先预计水平，由此推断，项目内部收益率会比预测的更高。

4 结语

多约束条件下光伏投资评价决策LPM模型解决方案能够对光伏消纳率测算进行优化与修正，使光伏消纳率更加具有科学性和合理性，增加了投资效益分析评价的准确率，提高了光伏投资效率。

而随着国家光伏产业进一步完善，光伏的应用越来越广泛，分布式光伏发电项目进一步发展，其投资效益评价也将越来越复杂。因此未来需要建立更加完善的光伏投资评价体系，就必须对消纳率预测模型和数据进行更精确的分析，也就要求必须建立统一标准的光伏发电项目评价指标来提高光伏投资回报预测的准确性，这是未来光伏产业投资评价重要的发展方向。