宋 棟，何永秀

(華北電力大學(xué)，北京 102206)

專論

基于雙因素學(xué)習(xí)曲線的風(fēng)力發(fā)電成本研究

宋 棟，何永秀

(華北電力大學(xué)，北京 102206)

在單因素學(xué)習(xí)曲線模型的基礎(chǔ)上建立了風(fēng)力發(fā)電的雙因素學(xué)習(xí)曲線模型，研究了累計裝機(jī)容量和累計研發(fā)投資對風(fēng)力發(fā)電成本的影響，基于歷史數(shù)據(jù)對我國未來10年風(fēng)力發(fā)電成本進(jìn)行了預(yù)測，結(jié)果表明在不同的累計裝機(jī)容量和累計研發(fā)投資情形下，風(fēng)力發(fā)電成本的降低程度不同。最后對如何快速降低風(fēng)力發(fā)電成本提出了可行建議，以促進(jìn)風(fēng)力發(fā)電的發(fā)展。

雙因素學(xué)習(xí)曲線；累計裝機(jī)容量；累計研發(fā)投資；風(fēng)力發(fā)電成本

近年來，由于我國經(jīng)濟(jì)的快速發(fā)展以及自然資源的大規(guī)模開發(fā)利用，導(dǎo)致我國環(huán)境污染日益加重，嚴(yán)重威脅到人類的生存和發(fā)展。在這種情況下，節(jié)能減排、低碳環(huán)保等一系列有利于我國可持續(xù)發(fā)展的概念深入人心，風(fēng)能具有清潔、無污染、可再生等特點，其綜合社會效益比較高，因此發(fā)展風(fēng)能等可再生能源是促進(jìn)我國可持續(xù)發(fā)展的關(guān)鍵。目前我國風(fēng)能資源十分豐富，開發(fā)潛力巨大，據(jù)《中國風(fēng)能資源評價報告》記載，我國陸上風(fēng)能資源總儲量為43.5億kW，其中技術(shù)可開發(fā)量為2.97億kW。同時，隨著新能源發(fā)電技術(shù)的不斷進(jìn)步以及相關(guān)政策對可再生能源的支持，我國風(fēng)力發(fā)電得到了迅速發(fā)展。從目前情況看，雖然風(fēng)力發(fā)電的成本已經(jīng)有所下降，但其成本仍高于傳統(tǒng)能源發(fā)電，這在一定程度上制約了我國風(fēng)力發(fā)電的發(fā)展。因此，為提高我國風(fēng)力發(fā)電的競爭力，應(yīng)擴(kuò)大風(fēng)力發(fā)電裝機(jī)容量以及增加風(fēng)力發(fā)電的研發(fā)投資，使風(fēng)力發(fā)電成本下降。本文運用雙因素學(xué)習(xí)曲線模型預(yù)測我國風(fēng)力發(fā)電成本的未來趨勢，從而為我國風(fēng)力發(fā)電的發(fā)展提供理論依據(jù)。

1 國內(nèi)外研究現(xiàn)狀

目前，國內(nèi)對于運用學(xué)習(xí)曲線來研究成本發(fā)展的趨勢已經(jīng)在各個領(lǐng)域得到了廣泛應(yīng)用。文獻(xiàn)[1]構(gòu)建了分階段的學(xué)習(xí)曲線模型，并利用該學(xué)習(xí)曲線模型分別研究了風(fēng)力發(fā)電、光伏發(fā)電、水力發(fā)電和燃料電池4種能源技術(shù)成本的變化路徑；文獻(xiàn)[2]利用學(xué)習(xí)曲線模型對風(fēng)電技術(shù)和碳捕集技術(shù)的學(xué)習(xí)部分進(jìn)行研究，分析了風(fēng)電技術(shù)達(dá)到煤電技術(shù)時的臨界點；文獻(xiàn)[3]在基本學(xué)習(xí)曲線的基礎(chǔ)上，建立了光伏發(fā)電的學(xué)習(xí)曲線模型，研究了光伏組件累計生產(chǎn)量和累計研發(fā)量對光伏發(fā)電成本的影響；文獻(xiàn)[4]將學(xué)習(xí)曲線模型應(yīng)用到風(fēng)機(jī)制造業(yè)，分析了引起我國風(fēng)機(jī)制造成本變動的原因，并就如何提高成本產(chǎn)出效率提出了對策建議；文獻(xiàn)[5]建立了中、德兩國風(fēng)電成本的學(xué)習(xí)曲線模型，并分析了中、德兩國風(fēng)電成本的經(jīng)濟(jì)性。

國際上對于學(xué)習(xí)曲線的研究也取得了一定的成果。文獻(xiàn)[6-7]運用學(xué)習(xí)曲線模型研究了成本降低機(jī)制，從而促進(jìn)可再生能源的快速發(fā)展；文獻(xiàn)[8]構(gòu)建了1個層次學(xué)習(xí)曲線模型，量化了各種因素對光伏發(fā)電成本的影響，結(jié)果發(fā)現(xiàn)除了累計發(fā)電量影響成本之外，硅片價格的下降也有助于光伏發(fā)電成本的降低；文獻(xiàn)[9]基于單因素學(xué)習(xí)曲線理論分析了韓國光伏發(fā)電成本下降的趨勢，結(jié)果表明累積發(fā)電量和累計投資都可以促進(jìn)成本降低；文獻(xiàn)[10]比較了丹麥、德國和英國3個國家風(fēng)電的學(xué)習(xí)曲線，研究表明裝機(jī)容量的增加以及相關(guān)政策的出臺可以導(dǎo)致成本大幅度降低;文獻(xiàn)[11]運用學(xué)習(xí)曲線模型研究了風(fēng)力發(fā)電成本的發(fā)展趨勢，分別比較分析了固定學(xué)習(xí)率和不同學(xué)習(xí)率2種情況下的風(fēng)力發(fā)電成本趨勢。

綜上所述，學(xué)習(xí)曲線模型已經(jīng)在國內(nèi)外得到了廣泛的應(yīng)用，但大部分研究都是基于單因素學(xué)習(xí)曲線模型，很少涉及到雙因素學(xué)習(xí)曲線模型。本文在單因素學(xué)習(xí)曲線模型的基礎(chǔ)上建立雙因素學(xué)習(xí)曲線模型，研究我國風(fēng)力發(fā)電成本的變化趨勢，并對未來10年風(fēng)力發(fā)電成本作出了預(yù)測。

2 雙因素學(xué)習(xí)曲線模型

學(xué)習(xí)曲線又稱為經(jīng)驗曲線，是指在大量生產(chǎn)周期過程中隨著累計生產(chǎn)數(shù)量的增加，單位單品加工所需時間逐漸減少的一種變化曲線，它除了反映個人技術(shù)熟練程度提高以外，還包含了生產(chǎn)方式、技術(shù)創(chuàng)新等方面，由此可以得出以下幾個結(jié)論：

a. 當(dāng)重復(fù)完成某項任務(wù)時，所需要的時間越來越少；

b. 當(dāng)累計生產(chǎn)數(shù)量增加時，所需要的時間按遞減速率減少；

c. 累計生產(chǎn)數(shù)量的提高具有一定的連續(xù)性，因此可以將其用作預(yù)測工具。

由于單因素學(xué)習(xí)曲線模型只考慮了1個變量，容易導(dǎo)致結(jié)果誤差偏大?？紤]到累計裝機(jī)容量以及累計研發(fā)投資對風(fēng)力發(fā)電成本均有影響，而且為2個獨立變量，本文在單因素學(xué)習(xí)曲線模型的基礎(chǔ)上建立雙因素學(xué)習(xí)曲線模型，同時考慮累計裝機(jī)容量和累計研發(fā)投資對風(fēng)力發(fā)電成本的影響，可以在一定程度上彌補單因素學(xué)習(xí)曲線模型的缺陷。假設(shè)風(fēng)力發(fā)電成本滿足雙因素學(xué)習(xí)曲線，具體雙因素學(xué)習(xí)曲線模型為[12]

Z=AX-αY-β

(1)

式中:Z為風(fēng)力發(fā)電單位成本；A為參數(shù)；X為風(fēng)力發(fā)電累計裝機(jī)容量；Y為風(fēng)力發(fā)電累計研發(fā)投資；α為風(fēng)力發(fā)電累計裝機(jī)容量的學(xué)習(xí)指數(shù)；β為風(fēng)力發(fā)電累計研發(fā)投資的學(xué)習(xí)指數(shù)。

為確保雙因素學(xué)習(xí)曲線模型的合理性，需要檢驗該模型的顯著性。將等式兩邊分別取對數(shù)有[13]

LgZ=LgA-αLgX-βLgY

(2)

根據(jù)歷史數(shù)據(jù)將2009—2015年的風(fēng)電累計裝機(jī)容量、累計研發(fā)投資和成本變化整理出來并取對數(shù)處理，結(jié)果見表1。

表1 2009—2015年我國風(fēng)電成本學(xué)習(xí)曲線相關(guān)數(shù)據(jù)

通過表1數(shù)據(jù)做回歸分析，結(jié)果顯示R2=0.996 9，σ=9.6×10-6，因此，該學(xué)習(xí)曲線模型是合理的。其中，α≈0.001 3，β≈0.126 1，A=100.13≈1.349 。則風(fēng)力發(fā)電的雙因素學(xué)習(xí)曲線模型為

Z=1.349X-0.001 3Y-0.126 1

(3)

3 基于雙因素學(xué)習(xí)曲線模型的風(fēng)電成本分析

根據(jù)已經(jīng)建立的雙因素學(xué)習(xí)曲線模型對我國未來10年內(nèi)風(fēng)力發(fā)電成本進(jìn)行預(yù)測。首先根據(jù)歷史數(shù)據(jù)對累計裝機(jī)容量和累計研發(fā)投資的增長率進(jìn)行分析，具體內(nèi)容見表2。

表2 累計裝機(jī)容量和累計研發(fā)投資增長率

由表2可知，剔除個別年份，累計裝機(jī)容量的增長率基本處于20%～30%；累計研發(fā)投資的增長率基本處于15%～25%。由于學(xué)習(xí)曲線模型中累計生產(chǎn)數(shù)量的提高具有一定的連續(xù)性，因此在預(yù)測我國未來10年風(fēng)力發(fā)電成本變化趨勢時，將增長率分為低、中、高3個層次，假設(shè)累計裝機(jī)容量的增長率分別為20%、25%、30%，累計研發(fā)投資的增長率分別為15%、20%、25%。選取增長率相對應(yīng)的3種情形進(jìn)行成本預(yù)測模擬，結(jié)果見表3、圖1。

表3 不同情形下風(fēng)電成本預(yù)測 元/kWh

注：情景1是指累計裝機(jī)容量增長率20%，累計研發(fā)投資增長率15%；情景2是指累計裝機(jī)容量增長率25%，累計研發(fā)投資增長率20%；情景3是指累計裝機(jī)容量增長率30%，累計研發(fā)投資增長率25%。

圖1 不同情形下風(fēng)電成本預(yù)測

由此可知，隨著累計裝機(jī)容量和累計研發(fā)投資的增加，我國風(fēng)力發(fā)電成本逐漸降低。在情景1條件下，即當(dāng)累計裝機(jī)容量和累計研發(fā)投資增長率均較低時，風(fēng)電成本下降較慢，到2025年，風(fēng)電成本降低到0.377元/kWh；在情景3條件下，即當(dāng)累計裝機(jī)容量和累計研發(fā)投資增長率均較高時，風(fēng)電成本下降較快，到2025年，風(fēng)電成本下降到0.339元/kWh；當(dāng)累計裝機(jī)容量和累計研發(fā)投資增長率位于情景1和情景3之間時，到2025年，風(fēng)電成本降低到0.339～0.377元/kWh。

4 結(jié)束語

在單因素學(xué)習(xí)曲線模型的基礎(chǔ)上建立了雙因素學(xué)習(xí)曲線模型，利用該模型從累計裝機(jī)容量和累計研發(fā)投資2個方面對影響我國風(fēng)力發(fā)電成本的變化趨勢進(jìn)行研究，預(yù)測了我國未來10年的風(fēng)力發(fā)電成本變化，結(jié)果發(fā)現(xiàn)累計裝機(jī)容量和累計研發(fā)投資增長率均越大時，風(fēng)電成本的降低程度越大。因此，為了降低風(fēng)力發(fā)電成本，需要不斷增加裝機(jī)容量和研發(fā)投資，從而使風(fēng)電與傳統(tǒng)能源發(fā)電相比更具競爭力。

[1] 牛衍亮,黃如寶,?；荼?基于學(xué)習(xí)曲線的能源技術(shù)成本變化[J].管理工程學(xué)報,2013,27(3):74-80.

[2] 黃 建.中國風(fēng)電和碳捕集技術(shù)發(fā)展路徑與減排成本研究[J].資源科學(xué),2012,34(1):20-28.

[3] 曾 鳴,鹿 偉,段金輝,等.太陽能光伏發(fā)電成本的雙因素學(xué)習(xí)曲線模型研究[J].現(xiàn)代電力,2012,29(10):72-76.

[4] 周 亮.我國風(fēng)機(jī)制造業(yè)學(xué)習(xí)曲線研究[D].南寧:廣西科技大學(xué),2015:24-32.

[5] 朱雨晨,林 俐,許佳佳,等.基于學(xué)習(xí)曲線法的風(fēng)電成本研究[J].電力需求側(cè)管理,2012,14(4):11-13.

[6] Gregory F. Nemet, Diana Husmann. PV Learning Curves and Cost Dynamics[J].Semiconductors and Semimetals,2012,87(3):92-97.

[7] Hongyang Zou, Huibin Du, David C, et al. China’s future energy mix and emissions reduction potential: a scenario analysis incorporating technological learning curves[J].Journal of Cleaner Production,2016,112(2):1 475-1 485.

[8] Amy J.C. Trappey, Charles V. Trappey, Hao Tan,et al. The determinants of photovoltaic system costs: an evaluation using a hierarchical learning curve model[J].Journal of Cleaner Production,2016,112(2):1 709-1 716.

[9] Sungjun Hong, Yanghon Chung, Chungwon Woo. Scenario analysis for estimating the learning rate of photovoltaic power generation based on learning curve theory in South Korea[J].Energy,2015,79(1):80-89.

[10] Karin lbenholt. Explaining learning curves for wind power[J].Energy Policy,2002,30(13): 1 181-1 189.

[11] 徐麗萍,林 俐.基于學(xué)習(xí)曲線的中國風(fēng)力發(fā)電成本發(fā)展趨勢分析[J].電力科學(xué)與工程,2008,24(3):1-4.

[12] 屈可丁,于 駿,金福國.東北電網(wǎng)風(fēng)電運行分析[J].東北電力技術(shù),2008,29(11):22-24.

[13] 許睿超,羅衛(wèi)華.大規(guī)模風(fēng)電并網(wǎng)對電網(wǎng)的影響及抑制措施研究[J].東北電力技術(shù),2011,32(2):1-4.

Study on Cost of Wind Power Generation Based on Double-factors Learning Curve

SONG Dong,HE Yongxiu

(North China Electric Power University,Beijing 102206, China)

This paper builts the double-factors learning curve model of wind power generation based on single factor learning curve model and studied the influence of the accumulated installed capacity and the accumulated research and development investment of wind power on the cost of wind power generation. Historical data was used to forecast the cost of wind power generation in the next ten years. The results showed that the cost of wind power generation reduces in different degree under different development situation.Finally, some feasible suggestions are put forward on how to reduce the cost of wind power generation rapidly, which provides certain reference for the development of wind power.

double-factors learning curve; accumulated installed capacity; accumulated research and development investment; cost of wind power generation

TM614;F426.61

A

1004-7913(2017)09-0001-03

宋 棟(1994),男，碩士，主要研究方向為電力經(jīng)濟(jì)管理。

2017-03-01)