首页 > 

我国分布式光伏发电投资风险分析

来源:
时间:2019-12-05 10:10:12
热度:

我国分布式光伏发电投资风险分析:在大力开发可再生能源以实现我国减排目标的背景下,分布式光伏发电作为一个重要的发展对象,也显示出了广阔的发展空间。在过去的10 年中,光伏发电行业经历

:在大力开发可再生能源以实现我国减排目标的背景下,分布式光伏发电作为一个重要的发展对象,也显示出了广阔的发展空间。在过去的10 年中,光伏发电行业经历了前所未有的增长,通过国家能源局公布的最新数据可以发现,分布式光伏发电在2017 年迎来了属于自己的“风口”。然而,政府有关部门在发布的文件中明确指出,将降低2018 年1 月1 日之后投运的分布式光伏发电项目的标杆上网电价。2018 年5 月底,国家“三部委”又推出了“531”新政,即新投运的分布式光伏发电项目标杆上网电价和度电补贴均下调0.05 元/kWh( 扶贫项目除外)。

(来源:微信公众号“太阳能杂志”ID:tynzz1980 作者:陈新辉 彭筱喆)

随着我国政府对分布式光伏发电项目的补贴退坡加速,分布式光伏市场化时代逐步来临,分布式光伏发电项目在今后的发展中无疑会面临较大的投资风险,因此,对其进行风险评价与控制研究显得尤为重要,对减少分布式发电项目的投资风险具有重要意义。本文综合考虑了国家和地方分布式光伏电价补贴、自发自用电比例、年辐射量、初始投资成本、上网电价等对分布式光伏发电投资项目收益的影响。

文献回顾

Antonelli 等[1] 认为上网电价会影响分布式光伏发电项目在运营阶段的收益,因此,上网电价可能是限制分布式光伏发电的主要风险因素之一;Orioli 等[2] 将国外的光伏发电投资项目作为研究对象后发现,影响光伏发电项目风险的因素包括项目所采用的折现率、光伏组件的价格、上网电价、通货膨胀率等,对这些风险因素进行了敏感性分析后得出,贴现率是影响项目投资收益的最主要因素的结论;Awerbuch[3] 从风险和技术方面对光伏发电项目进行了研究,从中得出项目投资过程中资金流的波动、技术落后、传统发电原材料价格的变动等都会给光伏发电项目带来风险的结论;Lüthi[4] 认为分布式光伏发电项目的发展主要是受补贴政策的影响,同时还受光伏发电产业自身的制约;何宁波[5] 从内外部环境、光伏技术、外部政策及宏观经济4 个方面,采用层次分析法分别给予不同的权重,构建了分布式光伏并网发电项目风险评价指标体系,并在该框架下进行分析评估,发现了光伏发电项目投资中存在的主要问题,并提出了相关建议;王玮等[6] 构建的分布式光伏发电项目数学模型,以屋顶分布式光伏发电项目为例,通过分析比较不同并网模式和光伏组件类型下相对应的项目收益,列举了投资分布式光伏发电项目的各种风险因素,并提出了应对这些风险的措施。

综合已有的研究来看,国内外对分布式光伏发电项目的研究主要是针对单个或几个风险因素进行的宏观层面上定性的或简单的定量分析,缺乏结合国家现状对主要风险因素进行综合全面地分析,且并未充分考虑国家和地方分布式光伏电价补贴、自发自用电比例、年辐射量、初始投资成本、燃煤机组标杆上网电价等因素对分布式光伏发电项目投资收益的影响程度。

分布式光伏发电项目投资风险因素分析

根据国内外现有的研究,结合我国光伏发电行业的发展现状,本文认为影响我国分布式光伏发电项目投资的风险因素包括燃煤机组标杆上网电价、补贴政策、年发电量、自发自用电比例、初始投资成本等。

1) 燃煤机组标杆上网电价。对于分布式光伏发电项目而言,其所发电量在不同的上网模式下,不同的上网电价产生的收益也不相同。根据“三部委”联合印发的《2018 年光伏发电有关事项的通知》,自2018 年5 月31 日起新投运的,采用“自发自用、余量上网”模式的分布式光伏发电项目,全电量补贴标准为0.32元/kWh( 含税),余量上网电价( 不含户用光伏扶贫) 按照“当地燃煤机组标杆上网电价+0.32 元/kWh”计算;采用“全额上网”模式的分布式光伏发电项目,按项目所在资源区的光伏电站价格执行。那么,对于分布式光伏项目而言,当所在资源区确定后,项目发电量与自发自用电比例一定时,燃煤机组标杆上网电价越高,投资收益越大,项目风险就会越小[7]。因此,燃煤机组标杆上网电价是分布式光伏发电项目投资风险因素分析中不可忽视的风险因素。

2) 补贴政策。国家为了促进分布式光伏发电项目的发展,尽快实现市场化,采用了补贴政策;但目前补贴不断减少,也是为了使分布式光伏发电项目今后不用补贴也可以市场化生存。事实上,政府会结合不同地区的分布式光伏发电项目的发展现状及技术进步等因素,对补贴政策进行有针对性的调整,以期有效引导行业的健康有序发展。鉴于光伏发电项目投资的特殊性,即其投资基本发生在第1 年,从第2 年开始光伏发电系统造价出现断崖式下跌,且每年下降快速;同时,对于目前现状而言,政府针对并网光伏发电项目上网电价和补贴政策也是在其新建第一年最高,之后呈现逐年下降趋势,最终直至光伏发电项目实现平价上网。就目前情况而言,对于分布式光伏发电项目的投资,补贴政策是重要的风险因素之一。

3) 年辐射量与组件效率。分布式光伏发电项目的年发电量会受到自然环境与技术、设备等多方面的影响,主要影响因素包括年太阳辐射量、不同种类光伏组件的转换效率、组件倾斜角度、部件的组合损失等。年太阳辐射量通常作为判断某个地区是否适合投资分布式光伏发电项目的重要风险因素,我国I 类资源区年太阳辐射量多,在相同条件下,光伏发电量要远高于III 类资源区。不同类型光伏组件的转换效率也不相同,因此,光伏组件的转换效率也是影响光伏发电系统年发电量的重要因素[6]。通常在电价水平与项目自发自用电比例一定的情况下,年辐射量与组件效率是决定项目收益的关键因素,也是本文需考虑的关键风险因素。

4) 自发自用电比例。对于分布式光伏发电项目而言,自发自用电的比例越高,投资收益越高,在决策某个分布式光伏发电项目是否值得投资时,需评估该项目预计的自发自用电比例,并基于发电量和电价情况计算该项目的内部收益率[6]。因此,自发自用电比例也是需要考虑的重要风险因素。

5) 初始投资成本。众所周知,分布式光伏发电项目的初始投资成本在总成本的占比较高。但随着光伏技术不断进步,根据相关数据,近年来,分布式光伏发电项目的建设总成本呈下降趋势,这对于分布式光伏发电项目来说很有利。研究机构预测,在未来几年,在一定条件下,分布式光伏发电项目的单位投资水平在7500~8000元/kW。与此同时,随着技术进步,组件的转换效率不断提高,各种材料的价格也具有持续降低的趋势,分布式光伏发电项目的单位投资水平仍有下降空间。因此,初始投资成本也是关键风险因素之一。

投资风险的模拟模型

将影响分布式光伏发电项目投资收益的各种风险因素假设为随机变量,采用蒙特卡洛模拟方法分析项目的净现值(NPV) 和内部收益率(IRR)概率分布。

项目NPV 计算

1.jpg

式中,θ 为折现率;n 为项目寿命周期;t 为项目寿命期内的某一年;Y(t) 为某段时期的现金收益;C(t) 为某段时期的现金支出;e 为自然常数。

1.建设期

建设期ta 的取值范围为从第0 年到第i 年。分布式光伏发电项目建设期的资本性支出占现金支出的比例较大,且集中发生在项目新建当年。项目建设期的现金支出C(ta) 可表示为:

2.jpg

式中,W 为分布式光伏发电项目的装机容量;CW 为单位装机容量成本。

2.运营期

运营期tb 取值范围为从第i 年到第n 年。在分布式光伏发电项目运营过程中,运营费用是可以预见的,除项目的人工成本外,还有设备的备件成本。因此,年运营费用可按照总固定投资的一定比例进行估算。根据现有的分布式光伏发电项目经验,项目的年运营费率通常在1%~3% 之间;且装机容量越大,年运营费率越低。因此,年运营费率也是一个变量,会带来成本端的不确定性。

运营期维护费用Cot 可表示为:

3.jpg

式中,ko 为年运营费率。运营期现金支出C(tb) 可表示为:

4.jpg

式中,Dt 为第t 年分布式光伏发电系统的折旧;Tr 为所得税率。运营期分布式光伏发电项目的总现金收益Y(tb) 由售电收入、自发自用电的机会收益和政府补贴收入3 部分组成,可表示为:

5.jpg

式中,P1 为上网电价;P2 为补贴电价;Qs为售电量;Qp 为自发自用电量;Qt 为运营期的发电量;QsP1 为售电收入;QpP2 为自发自用电的机会收益;QtP2 为财政补贴。

Qt 可表示为:

6.jpg

由于发电量Qt、售电量Qs、自发自用电量Qp 的比例受诸多因素影响,从而引起了收入端的不确定性。

Qt 还可以表示为:

7.jpg

式中,Hct 为年太阳辐射量;H 为标准条件下的太阳辐照度;K 为光伏组件综合效率系数。本文假设光伏组件第1 年的衰减率为3%,以后每年的衰减率为0.7%,则10 年的衰减率为9.3%,对应的功率为90.7%;第25 年衰减率为19.8%,对应的功率为80.2%。根据国家能源太阳能发电研发( 实验) 中心自2012 年3月以来对屋顶光伏组件的温度预测系统的研究数据,可以计算出光伏组件第1 年的K 值为84.13%,以后每年衰减0.7%[8],考虑到光伏组件的使用寿命约为25 年,因此设n=25 年。

投资风险的模拟

在上述研究的基础上,根据式(1)~ 式(7) 可通过蒙特卡罗模拟投资风险。当项目的投资成本和收益都是随机变量时,NPV、IRR 随着风险变量的变化而变化,并且二者存在以下关系:IRR 小于等于某一贴现率θ* 的概率等于贴现率的净现值大于等于零的关系,即Pr(IRR≤θ*)=Pr(NPV≥0|θ=θ*),然后可以基于仿真来分析因变量的概率分布和自变量的敏感性。

案例分析

本文以某拟建的装机容量为5 kW 的分布式光伏电站为例,该电站位于III 类资源区,结合我国分布式光伏发电的并网现状,以上述投资收益模型为基础,以国家分布式光伏电价补贴、地方分布式光伏电价补贴、自发自用电比例、年辐射量,初始投资成本、燃煤机组标杆上网电价为自变量,NPV、IRR 为因变量,对分布式光伏发电项目的NPV、IRR 进行计算、分析和比较。由于该项目规模小、易操作、易管理,因此,年运营费率忽略不计,且风险模型暂不考虑所得税。风险模型相应的数据参数如表1 所示。

8.jpg

1) 项目所在地为Ⅲ类资源区,全年日照时数为2200~3000 h;年辐射量为1390~1630 kWh/m2 [6],本文取1500 kWh/m2,由于其存在不确定性,被列入随机变量,故年辐射量的估计值为三角分布(1390, 1630, 1500)。2) 我国电力企业认为未来分布式光伏发电项目的单位造价水平在4000~5000 元/kW[9],因此单位初始投资服从均匀分布(5000,8000)。3) 燃煤机组标杆上网电价采用国家规定数值,向下浮动值在0.05~0.06。4) 国家和地方光伏电价补贴在下调,逐步实现无补贴。

   首页   下一页   上一页   尾页 
Baidu
map