管仕平　郭新飛

摘 要 本文通過學習效果與技術創(chuàng)新兩個因素的學習曲線，反映我國光伏產(chǎn)業(yè)市場技術內部因素。學習曲線中引入R&D;投入和知識累積的折舊因子，通過運用回歸分析法對光伏產(chǎn)業(yè)組件成本進行了定量分析。

關鍵詞 雙因素 學習曲線 技術進步

一、引言

自2007年我國太陽能光伏電池的年產(chǎn)量已經(jīng)連續(xù)4年躍居全球首位，光伏產(chǎn)業(yè)的發(fā)展實現(xiàn)了新的歷史性飛躍，但也存在不容忽視的技術、環(huán)境和市場風險，近期推動國內光伏市場應用也面臨著成本高、上網(wǎng)難、缺乏經(jīng)驗等障礙。太陽能光伏發(fā)電的成本是影響太陽能發(fā)電系統(tǒng)商業(yè)運行的重要因素，主要的風險來源是每個單位電力的光伏發(fā)電成本，成本比較高的結果是降低光伏應用。因此，本文基于雙因素學習曲線對未來幾年太陽能光伏發(fā)電的成本價格進行了分析，旨在更好地為我國包括太陽能光伏發(fā)電在內的新能源發(fā)電的分析與決策過程提供理論依據(jù)。

二、光伏發(fā)電雙因素學習曲線模型

對光伏大多數(shù)以前的研究技術評估假定光伏價格將下降累計生產(chǎn)。然而，單因素學習曲線模型表現(xiàn)出不足之處時，適用于在研究和技術開發(fā)（R&D;）加強和破壞性的技術變革。第一代和第二代光伏技術之間的競爭已經(jīng)展開，第三代光伏技術的進步很快。kouvaritakis等人提出了雙因素學習曲線，這可歸結為對于一個給定的時間T如下：

學習曲線的研發(fā)投入數(shù)據(jù)一般對于現(xiàn)有技術成本的下降不一定有較強的影響與聯(lián)系，必須考慮技術發(fā)展的轉折點以及技術重組問題。Li和Rajagopalan建議在學習曲線中引入知識累積的折舊因子。他們基于假設均是考慮在產(chǎn)業(yè)內部和產(chǎn)業(yè)之間的學習率的范圍差異，主要原因在于不同的知識折舊因子。除此之外，研發(fā)和實際商業(yè)運行之間的時間滯后的長短是產(chǎn)業(yè)界和學術界非常感興趣的問題。McDonald and Schrattenholzer強調知識折舊率以及預測公司層面成本下降曲線中的位置的重要性。為了考慮研發(fā)投入的動態(tài)特性，在初始的研發(fā)投入和后面成本下降中間引入了時間滯后參數(shù)。

公式中UCt是某種能源技術n在第t年的單位成本。CUMm，指的是累積生產(chǎn)量。KS，指的是知識儲備近似由累積研發(fā)量。K表示相關系數(shù)。其中表示t年投入到能源技術中的研發(fā)投入，為技術的折舊因子，將研發(fā)支出為知識儲備，需要一些時間，由收發(fā)R&D;表示滯后。

雙因素學習曲線建立后，需要檢驗其顯著性，以確保模型假設合理和方便計算。將（1）變換為如下線性形式：

三、數(shù)據(jù)來源及處理

本文重要參數(shù)包括我國太陽能光伏組件的價格，太陽能光伏組件的累積產(chǎn)量以及企業(yè)的研發(fā)投入。其中太陽能組件價格和歷年太陽能組件的產(chǎn)量數(shù)據(jù)來自于國家能源所新能源中心統(tǒng)計數(shù)據(jù)，如表1所示：

本文另外一個重要參數(shù)就是企業(yè)的研發(fā)投入數(shù)據(jù)，根據(jù)趙立雨等已有的研究，我國目前科技統(tǒng)計指標體系尚未能與國際接軌，不像OECD國家那樣區(qū)分經(jīng)費來源，通常釆用政府財政科技撥款額和科技活動活動經(jīng)費內部支出總額來反映政府對科技的投入情況。根據(jù)曾鳴等學者對太陽能光伏成本預測的數(shù)據(jù)得到累計研發(fā)量，R&D;投資存量（KS），2011～2012年的數(shù)據(jù)直接采用石巋然的研究成果，2011和2012年的數(shù)據(jù)按其提供的測算方法計算（如表2）。

運用最小二乘法，得到最小二乘估計，表3可以看出，累積生產(chǎn)量CUM的學習指數(shù)m，累積研發(fā)量KSt的學習指數(shù)n都是顯著的，模型假設合理。1n CUM的系數(shù)為-0.1874323，1nKSt的系數(shù)為-0.3243243，C的值為12.850768。也即m=0.1874323，n=0.3243243，k=e12.850768=381081.2935，有公式Ct=381081.2935×CUM-0.1874323

KSt-0.3243243。

四、結果分析

本文與其他文獻中提到的工作類似，假設基準情景中知識存量是t=3年的滯后時間，p=10%的知識折舊率，為了測算敏感性，本文又對折舊率和時間滯后進行了分析，結果如表4和圖1，可以看出本文測算的技術進步率基本在7%左右，技術進步率高于常規(guī)的單因素擬合模型測算的技術進步率，這與國外相關的研究類似，說明增加技術使用，加強研發(fā)投入更有利于改進技術表現(xiàn)。

五、總結

創(chuàng)造一個光伏模塊減少成本可通過學習效果與技術創(chuàng)新。本文應用雙因素學習曲線最合適地反映出了內部因素。本文首先通過分析學習效應以及學習曲線的理論基礎，建立雙因素學習曲線，然后找出了影響光伏學習效應的主要因素，運用回歸分析法對光伏產(chǎn)業(yè)組件成本進行了定量分析。

（作者單位為廣西科技大學管理學院）

參考文獻

[1] 曾鳴.太陽能光伏發(fā)電成本的雙因素學習曲線模型研究[J].現(xiàn)代力，2012，10（1）：73-76.

[2] Steman JD.Business dynamics：system thinking and modeling for complex world[M]. McGraw Hill Companies，2000.