中国风电固定上网电价政策的实物期权理论与实证分析

李 庆，陈 敏

(1.中国科学院数学与系统科学研究院，北京 100190；2.中南财经政法大学统计与数学学院，湖北 武汉 430073)



中国风电固定上网电价政策的实物期权理论与实证分析

李 庆1,2，陈 敏1

(1.中国科学院数学与系统科学研究院，北京 100190；2.中南财经政法大学统计与数学学院，湖北 武汉 430073)

本文使用实物期权方法研究中国目前实施的风电固定上网电价政策。首先说明风电项目投资的实物期权原理，并建立风电固定上网电价政策实物期权模型。然后，从理论上证明了风电最优投资电价与上网电价波动率成正比(固定上网电价理论依据，即政府为了最大限度激励投资者,使得上网电价波动率等于0)；最优投资电价与上网电价期望增长率成正比(固定上网电价调整理论依据)。最后，选取河北张北油篓沟元山子风电场工程项目进行实证分析，通过上网电价期望增长率调整的数值分析得到中国风电上网电价平均每年降低幅度应该为1%左右。本文为我国可再生能源电价调整提供参考。

风能电力；固定上网电价；实物期权；最优投资决策；投资临界值

1 引言

可再生能源是解决当前能源短缺、环境污染和气候变暖等问题的重要途径。可再生能源电力包括风电、太阳能光伏发电、生物质发电、海洋潮汐能发电和地热能发电等，其中风电发展较早、规模较大而且政策体系最为成熟, 因此关于风电政策的关注与研究也最为广泛，我们希望通过风电发展政策的研究为其它种类的可再生能源电力发展提供借鉴。为了促进可再生能源电力发展，各国政府实施了财政补贴和税收优惠等财税政策，并且还制定了各种电价方案，如招标电价、固定上网电价、溢价电价、配额制和绿电电价等电价机制。但是，到底哪种政策能够更加有效的促进可再生能源电力发展，政府可再生能源部门、可再生能源研究协会和可再生能源研究学者等都进行了研究。

固定上网电价政策简单实用，给出明确的价格信号，可以保障投资者获取稳定收益，保证了可再生能源发电企业能够获得稳定的收益，被许多国家所采用，尤其是在可再生能源市场初级阶段。固定上网电价政策最早发源于美国，其最著名的案例是丹麦，丹麦使用固定上网电价后，风电迅猛发展；但是，2004年丹麦突然放弃固定上网电价，使用“碳凭证”方式进行交易，导致丹麦风电企业纷纷出走，丹麦在全球风电行业的龙头位置也被同样使用固定上网电价的德国所取代。中国风电于2009年开始施行标杆上网电价(固定上网电价在中国称为标杆上网电价)，截止到2013年底，中国已经超越德国成为世界风电第一大国。

学者们从定性和定量角度分析了财税政策、固定上网电价政策、配额制政策和可再生能源证书等政策激励可再生能源发展效果，认为在可再生能源发展初级阶段，固定上网电价政策是促进可再生能源发展的最有效政策。Ringel[1]，Menz和Vachon[2]，Midttun和Gautesen[3]，Verbruggena和Lauber[4]从定性分析角度分析认为固定上网电价政策更能长期有效的促进可再生能源的发展。在定量研究方面，学者们根据成本收益原理研究可再生能源电力政策效果。Falconett和Nagasaka[5]以项目的营利性和可行性为评价指出整体上强制上网电价制度促进可再生能源发电项目投资更加有效，但是可再生能源证书在技术成熟度较高和市场规模较大的可再生能源电力市场更加有效。Tamas等[6]根据英国电力市场供给需求关系模型，使用电力供应量作为评价指标，得到如果市场是完全竞争的，强制上网电价制度和可再生能源证书制度的效果是一样的；当市场不是完全竞争时，可再生能源证书制度的社会福利水平更高。

以上研究是在确定性环境下的结果，实际上风电等可再生能源投资还受到各种不确定性因素的影响，如上网电价的不确定性(固定上网电价不存在不确定性)、发电成本的不确定性以及激励政策的不确定性。由于不确定性的存在，风电项目的投资具有期权性质的权利。风电项目投资决策过程就相当于执行永久性看涨期权，投资决策过程就相当于是否执行这一期权，从而可以把发电项目投资决策问题看作期权执行问题。企业可以选择延迟投资，等待更多的信息获取更高的收益。Myer[7-8]最早把期权定价理论应用于项目投资领域，提出了实物期权理论。后来Dixit和Pindyck[9]把实物期权理论应用于最优投资决策研究，来决定立即投资还是延迟投资。近年来，实物期权理论在投资决策中得到广泛应用，如张新华和叶泽[10]把实物期权理论研究投资政策不确定情况时的企业发电量的控制。谷小燕[11]则使用实物期权理论建立了研发项目的动态投资决策模型。

此外，上网电价的设计对促进风电等可再生能源的发展也有重要作用。学者们希望通过优化政策设计最优的上网电价政策，以便最大化地促进风电等可再生能源电力发展。Lesser和Su Xuejuan[12]从经济效率角度根据市场电价进行调整的两部门上网电价方案。Couture和 Gagnon[13]，Cory等[14]介绍了独立于市场电价和依赖于市场电价两大类上网电价政策原理，并且使用二维坐标图形给出了不同上网电价政策调整形式，以及各种上网电价政策的实施模式。随着研究的深入，学者们开始考虑不确定性因素影响，使用实物期权方法评估上网电价政策实施效果并给出优化，如Kim和Lee[15]使用实物期权模型建立了评估上网电价政策模型，并且对上网电价政策进行了优化。此外，上网电价调整过程中，政策的不确定性也会对上网电价政策的效果会产生一定影响，因此Ritzenhofen和Spinler[16]在实物期权框架下研究了规制政策不确定情况下的最优上网电价设计方案。

国内一些学者开始使用实物期权理论研究我国的可再生能源电力政策，如财政补贴、电价补贴等财政政策。钟渝、刘名武和马永开[18]基于实物期权理论研究了太阳能光伏并网发电项目的成本补偿策略，并且通过数值模拟得到最优补贴比例。曾鸣、李晨等[19]建立风电项目投资决策实物期权模型，研究了电价补贴政策下的风电电价补贴水平、风电电价补贴有效期和上网电价波动率等对投资决策影响。田立新、许培琳和傅敏[20]从政府视角建立评估风电发展的实物期权投资决策模型，研究了政策补贴对风电投资决策的影响。以上研究提供了实物期权研究的新视角，由于国内可再生能源电力政策和发电项目数据的不足，所以实证分析部分都是使用假设数据得到的结果进行数值模拟，实证结果部分还比较粗糙，不能真实反应我国可再生能源政策的实际效果。

在实务界，何春，徐继尧和陈国伟[21]对我国2015年6月30号的风电调整效果进行解析。鉴于风电发电项目的实物期权性质和国内外学者研究现状，结合我国风电实施的固定上网电价具体政策，本文在实物期权理论框架下，研究风电固定上网电价政策的实物期权模型并对我国风电上网电价调整幅度进行实证分析。我们的研究内容包括:(1)假定上网电价和发电成本服从几何布朗运动，建立风电投资决策实物期权模型，得到了风电最优投资价格(投资临界值)与风电价格波动率和增长率之间的关系表达式，从理论模型上给出了固定上网电价政策理论依据(证明了上网电价波动率和平均增长率会与投资门槛成正比关系)；(2)根据建立的风电投资决策实物期权模型，令上网电价的波动率为0，得到了固定上网电价政策实物期权模型。政府采用固定上网电价政策，并且逐步降低上网电价水平(上网电价平均增长率与上网电价投资门槛成正比)，可以有效促进风电项目投资；(3)根据建立的固定上网电价模型, 选取风电发电项目案例数据, 得到了风电项目投资临界值，以及我国风电固定上网电价平均每年的电价调整幅度，可以为我国的风电以及其他可再生能源电价调整提供参考。

2 中国风电固定上网电价政策

2.1 固定上网电价政策的含义与作用

固定上网电价政策是指政府按照标准成本法，直接明确规定各类可再生能源电力的市场价格(一般规定的上网电价比市场上传统能源电力以价格高),电网企业必须按照政府规定的价格购买可再生能源电力,并且电网企业或电力消费者有义务购买可再生能源电力。政府规定的高于市场的可再生能源电力价格实际上是相当于对可再生能源发电企业的一种补贴。可再生能源电力固定上网电价政策主要有三个作用:一是为了对可再生能源对环境与社会的正外部性进行补偿;二是可再生能源产业还属于幼稚型产业,需要国家的保护;三是为了可再生能源发电企业运转有保障。固定上网电价方案一般包括可再生能源类别、发电技术和电网企业购买电力价格费率,同种类别的可再生能源、发电技术,同一国家的不同地区的价格费率也有所差别,这种差别主要根据各个区域的可再生能源丰裕程度和地区电力消费需求程度。

固定上网电价制度最早于1978年发源于美国,美国没有全国统一的固定上网电价政策,各个州都有独立的固定上网电价政策。截止到2014年,全球共有57个国家实施固定上网电价政策,如奥地利、比利时、丹麦、芬兰、法国、德国、希腊、意大利、西班牙等欧洲国家,澳大利亚、加拿大、日本等国家也有成熟的固定上网电价制度。其中, 丹麦、德国和西班牙风电固定上网电价政策已经被证明能够有效的促进可再生能源的发展,得益于固定上网电价政策, 丹麦在2004年以前都是全球风电的领跑者。然而,2004年丹麦放弃了固定上网电价方式,转向“碳凭证”方式进行交易,此后丹麦风电开始滑坡。

德国是成功实施固定上网电价政策又一成功国家。1990年,德国通过了著名的强制购电法,德国也开始采用丹麦的固定上网电价方式; 2000年,德国正式颁布了《可再生能源法》,核心就是建立可再生能源发电的固定上网电价制度; 2011年,德国通过了《可再生能源法》的修改,法规根据可再生能源发电技术和产业发展情况,每隔几年对电价水平进行修改。德国于2004年之后超越丹麦成为固定上网电价政策使用的成功国家, 鉴于德国的成功经验,许多国家开始学习德国采取固定电价方式, 如西班牙、法国、奥地利、中国、加拿大安大略省等。甚至还有英国, 英国一直坚持经济自由主义, 认为“固定电价与资本主义自由经济相违背”,也因为英国的可再生能源发展缓慢而于2010年也开始采用固定上网电价制度。中国之前一直实行招标制制度, 风电发展缓慢, 最后于2009年也改用了固定上网电价制度,从而风电蓬勃发展, 近年来已经逐步取代德国成为全球风电产业新的领跑者。

2.2 中国风电上网电价政策

中国风电价格政策经历了完全竞争上网、政府审批电价、招标和审批电价同时使用、招标和固定上网电价同时使用等五个阶段,目前使用的是固定上网电价。20世纪90年代初～1998年, 风电项目和燃煤电力竞价上网, 上网电价水平很低, 导致上网电价收入很难维持风电项目运行。1998年～2003年, 风电上网电价由各地主管部门批准, 并且报中央政府备案,各个地方的风电价格相差很大, 严重影响了风电项目的发展和投资。2003年～2005年, 政府开始对风电项目进行特许招标, 审批电价和特许招标电价同时存在, 国家大型风电采用特许招标方式确定风电上网电价, 而各个地方风电项目仍然使用审批方式。2006年～2009年, 因为中国于2006年《中华人民共和国可再生能源法》和《可再生能源发电价格和费用分摊管理试行办法》规定风电电价通过招标结果确定。

由于特许招标和审核制形成的风电价格造成同一地区的风电场的电力价格也会有所不同,使得投资者对风电上网电价政策信息难以把握,不利于风电项目长期发展。从而, 2009年7月, 国家发展改革委根据《中华人民共和国可再生能源法》和完善《可再生能源发电价格和费用分摊管理试行办法》,发布完善风力发电上网电价政策的通知。国家发展与改革委员会根据中国各个地区风能资源禀赋把全国分为四类资源区,根据不同资源区的丰裕度确定不同的上网电价。固定上网电价制度使得风电价格有了统一的上网电价，而且又考虑了地区差异,给了风电项目投资者明确的价格信号。

(1)分资源区制定陆上风电标杆上网电价。按风能资源状况和工程建设条件,决定将全国分为四类风能资源区, 相应制定风电标杆上网电价, 具体电价见表1。新建陆上风电项目,包括沿海地区多年平均大潮高潮线以上的潮上滩涂地区和有固定居民的海岛地区,统一执行所在风能资源区的风电标杆上网电价。跨省区边界的同一风电场原则上执行同一上网电价,价格标准按较高的风电标杆上网电价执行。

(2)继续实行风电价格费用分摊制度。风电上网电价在当地脱硫燃煤机组标杆上网电价以内的部分,由当地省级电网负担;高出部分,通过全国征收的可再生能源电价附加分摊解决。脱硫燃煤机组标杆上网电价调整后,风电上网电价中由当地电网负担的部分要相应调整。

表1 全国风力发电分区标杆上网电价

资料来源：国家可再生能源中心发改价格〔2009〕1906号。

上述规定自2009年8月1日起实, 2009年8月1日之前核准的风电项目, 上网电价仍按原有规定执行。

2014年9月，国家发改委价格司下发调整风电上网电价征求意见稿，拟以2015年6月30日开始将风电四类资源区标杆电价分别降低为0.47元/Kw·h(I类资源区)，0.50元/Kw·h(II类资源区)，0.54元/Kw·h(III类资源区)，0.59元/Kw·h(IV类资源区)。

2.3 固定上网电价政策特点

对各个国家固定上网电价政策进行总结, 得到固定上网电价具有以下两个特点:

一是固定上网电价政策具有时效性。政府规定的可再生能源电力固定上网电价高于市场价格,而这些高于市场的价格由政府进行补贴,长期的补贴给政府带来巨大财政压力,从而固定上网电价政策不是永久有效的,而是有一定的有效期,一般为15～20年。发电企业在做投资决策时不仅要考虑固定上网电价水平,还要考虑固定电价有效期长短。

二是随着技术进步和投资成本的降低,固定上网电价一般会逐年降低或者在规定时间段内降低,但是在项目期内保持稳定。为了提高可再生能源发电效率和促进发电企业技术创新,降低投资成本,政府会根据可再生能源发电技术水平逐步降低固定上网电价水平。2008年, 欧盟委员会一份详细分析报告指出,良好调整的固定上网电价政策通常是最有效率的,是促进可再生能源电力发展最有效的支持方案。[17]

3 固定上网电价政策实物期权模型

借鉴Dixit和Pindyck[9]，钟渝、刘名武和马永开[18], 曾鸣等[19]建立的产品价格和投资成本同为不确定的实物期权模型，本文我们假设上网电价和投资成本都服从几何布朗运动, 并且把风电发电项目价值表达为上网电价和投资成本两个变量的模型。首先说明风电项目投资的实物期权原理，然后建立风电上网电价实物期权模型，并证明各个因素对风电项目投资影响，最终得到风电固定上网电价政策下的实物期权模型，求解得到风电最优投资上网电价。

3.1 基本假设

假设发电企业投资决策时考虑上网电价和投资成本两个主要因素，不考虑其它次要因素的影响。考虑以单位发电成本为C(元/kw·h)，上网电价单位价格为P(元/kw·h)，并且发电成本和上网电价都是不确定的，服从几何布朗运动。由于受到共同的宏观经济因素的影响，投资成本和上网电价两个不确定性变量具有一定的相关性。

首先假设风电上网电价P服从几何布朗运动:

dP=μPPdt+σPPdzP

(1)

假设风电发电项目单位投资成本C也服从几何布朗运动：

dC=μCCdt+σCCdzC

(2)

并且(dzP)2=dt，(dzC)2=dt，E[dzPdzC]=ρdt，ρ为dzP和dzC之间的相关系数。

3.2 风电项目投资实物期权原理

风电项目价值V主要由上网电价P决定，V=V(P)；风电项目投资机会价值为F由上网电价P和投资成本C决定，F=F(P,C)，所以这里我们研究风电上网电价和发电项目成本为不确定性的情况。V(P)-C表示投资收益，则风电发电项目投资的原理可以通过如下数学表达式表示：

max[V(P)-C,F(P,C)]

(3)

表达式(3)描述的意义为风电发电企业是否投资取决于项目投资回报与项目投资机会价值的关系。如果投资收益大于投资机会价值，即V(P)-C>F(P,C)，则发电企业会选择立即投资；如果投资收益小于投资机会价值，即V(P)-C

V(P)-C=F(P,C)

(4)

此时为发电企业最优投资决策。方程(4)得到的解P*为最优投资价格，也称投资临界值，还称为投资阈值或投资门槛。根据得到的投资临界值P*可以得到投资机会期权价值F(P*,C*)。由于表达式(3)在投资决策过程中难以应用，所以投资临界值P*是企业投资决策的主要依据。当风电上网电价大于价格临界值时(P>P*)，发电企业选择立即投资；当上网电价小于价格临界值时(P

3.3 模型建立

假设风电发电项目的寿命为T(发电项目经营时间为T年)，发电企业每年的发电量为Q(kw·h)，且无风险利率为r。在风电上网电价水平P下，风电发电项目的价值为：

(5)

假定风电发电项目投资机会价值F=F(P,C)也是随机过程，下面建立F(P,C)的微分方程。前面假设P和C服从几何布朗运动，同理可得：

(6)

(7)

根据贝尔曼方程(Bellman Equation)：

rF(P,C)dt=E[dF]

(8)

得到常微分方程：

(9)

以上微分方程是F(P,C)关于P和C两个变量的二元偏微分方程，如果直接求解比较困难，所以下面我们把其转化为一个变量的方程求解。

3.4 模型求解

假设P和C都等比例增加时，发电项目价值和投资成本也都等比例增加，从而投资临界值只与h=P/C(单位成本电价)有关。从而可得：F(P,C)=CF(P/C,1)=Cf(h)，f(h)为待定函数。

(10)

则方程(10)为一维的二阶齐次常微分方程，根据常微分方程求解原理可知微分方程的解的形式为：

f(h)=Ahβ

(11)

可以得到方程(11)的解为：

(12)

根据根的意义，我们保留正根β1，舍弃负根β2。根据Dixit和Pindyck(1994)求解方法，f(h)解满足价值匹配条件和平滑转移条件求解得到上网电价投资临界值。

价值匹配条件：

(13)

平滑转移条件：

(14)

根据条件(13)和(14)得到投资临界值为：

(15)

根据单位成本价格定义h=P/C可知，上网电价P临界值为：

(16)

3.5 上网电价波动率和期望增长率对投资临界值影响

在方程(10)的求解过程中，把方程的解(11)代入(10)中得到方程(17)，然后我们根据(17)的全微分判断∂β1/∂σP和∂β1/∂μP的符号：

(17)

首先考虑上网电价波动率对临界值的影响, 对式(17)关于上网电价波动率σP全微分：

(18)

可以判断∂β1/∂μP的符号：

(19)

一般情况下随着技术进步，发电成本是降低的(μC<0)，进而上网电价也随之降低(μP<0)，而且发电成本的降低速度快于上网电价的降低速度，所以μ=μP-μC>0，有μ+(β1-1/2)σ2>μ+1/2σ2>0；而且β1>1，所以(19)式的符号可以判定。

(20)

可以得到，上网电价波动率σP，投资临界值P*提高，即可再生能源发电项目上网电价临界值随着上网电价波动率增加而增加，即等待的价值更高，发电企业更愿意延迟投资。这也是固定上网电价政策的理论依据，即固定上网电价的波动率为0。

同理，考虑上网电价增长率对临界值的影响, 对式(18)关于上网电价波动率μP全微分：

(21)

可以判断∂β1/∂σP的符号：

(22)

临界值P*关于上网电价波动率的导数为：

(23)

可以得到，上网电价期望收益率与上网电价投资临界值成反比。为了降低上网电价投资临界值，促进投资者投资风电项目，政府政策制定者需要不断降低上网电价水平，但是电价降低幅度不应过高，降低幅度过高会导致发电企业利润短期内大幅下降，打击投资者积极性。这是政府不断调整固定上网电价水平的理论依据。

3.6 固定上网电价政策实物期权模型

3.3和3.4给出了上网电价水平和投资成本都是不确定性时的实物期权模型，当不确定性电价模型中的上网电价波动率为零，得到固定上网电价投资决策模型，从而得到固定上网电价模型是不确定电价模型的特例。我们假定上网电价服从布朗运动的随机过程(1)，当上网电价波动率σP=0时，固定上网电价价格方程为dP=μPPdt，从而固定上网电价方程为：

P=PeeμPt

(24)

其中Pe为初始上网电价水平，μP表示平均每年上网电价调整幅度，政府既可以提高上网电价，也可以降低上网电价；一般情况下随着技术进步，风电上网电价水平是不断降低的，所以通常情况下μP<0。则固定上网电价政策下上网电价P的临界值为：

(25)

其中

(26)

4 固定上网电价政策实证分析

本节使用第3部分建立的固定上网电价模型以河北张北油篓沟元山子风电场工程项目为例，根据2009年制定的中国风力发电项目固定上网电价政策，研究企业投资决策过程，好固定上网电价降低幅度对风电项目投资影响。2012年6月6日，国家发改委以发改能源[2012]1596号文件核准建设河北张北油篓沟元山子风电场工程项目。项目总投资为88050.35万元，总规模10.05万千瓦，由中国水电顾问集团张北有限公司投资建设。河北张北油篓沟元山子风电场位于河北张家口市，于2009年后批准建设，属于II类资源区(根据表1风电固定上网电价区域划分)，根据2009年7月国家发改委已经核定风电固定上网电价政策，发电项目的上网电价为0.54元/KV·h，年等效满发电时间为2000小时。风电场发电项目其它参数如表2。

表2 河北张北油篓沟元山子风电场工程项目参数

注：①2012年全国风电平均利用小时为1890小时，2013年风电全国平均利用小时为2074小时，由于每年风电利用小时不同，且各个地区的风电利用小时也不同，所以这里我们使用平均利用小时2000小时。

②风电发电项目数据来源于国家能源局网站。其中投资成本平均增长率根据网站公开数据计算得到，波动率为假设数据，由于波动率很小，这里我们假定接近于0的0.005。

2009年制定的风电固定上网电价只是给出了各个资源区的上网电价价格，没有给出固定上网电价的有效期，这里我们使用风电发电项目运营时间20年。

随着风电投资成本的降低，风电价格也应该逐渐降低。由于国家发改委在制定风电固定上网电价时没有明确上网电价每年下降幅度，而且中国可再生能源发展水平和风电装机容量与德国相当，因此这里我们参照德国固定上网电价政策方案。德国风电固定上网电价每年下降幅度为1.5%，考虑到中国风电发展技术水平与国外还有一定差距，近期大幅降低固定上网电价不利于激励发电企业投资，所以这里我们使用固定上网电价幅度降低幅度低于1.5%范围内调整，研究不同的固定上网电价降低水平对发电项目投资临界值影响。我们根据风电项目参数和中国风电固定上网电价实际情况，寻找合适的电价降低幅度。

根据3.3计算得到的固定上网电价政策下的发电项目投资临界值公式，计算得到本风电项目上网电价临界值结果。上网电价在制定过程中还要考虑税收因素，在之前求解的上网电价临界值基础上加入税收因素，包含税收(增值税和所得税)的上网电价临界值公式如下：

μ=μP-μC。

我们使用的固定上网电价每年降低幅度μP分别为0.0%，0.05%，1%，1.5%，根据风电项目投资参数，得到风电项目投资临界值如表3。

表3 风电项目投资上网电价临界值电价单位：(元/KV·h)

根据表3结果可知，随着上网电价期望增长率的降低，上网电价投资临界值逐渐降低；中国目前施行的是固定上网电价，如果保持中国风电上网电价水平不变，即μP=0时，上网电价投资临界值为0.5706元/KV·h，高于目前固定上网电价0.54元/KV·h；如果上网电价每年降低0.5%(μP=-0.5%)，则上网电价投资临界值变为0.5408元/KV·h，固定上网电价水平为0.5373元/KV·h，上网电价投资临界值仍略高于固定上网电价水平；当降低幅度为1%(μP=-1.0%)时，上网电价投资临界值为0.5163元/KV·h，固定上网电价水平变为0.5373，上网电价投资临界值低于固定上网电价水平，投资者会选择投资。但是短期之内不能大幅降低上网电价水平，否则会大幅减少发电投资商的利润，打击发电投资者投资风电项目的积极性，综合以上原因中国上网电价水平平均每年降低幅度应该为1%左右。

2011年7月，德国通过了《可再生能源法》(修正案)，并且于2012年正式实施。《可再生能源法》(修正案)规定从2012年起，每年新项目的电价在前一年的基础上下降1.5%(修改前的电价年均下降为1%)，这是2000年德国《可再生能源法》颁布以来第三次修订电价(前两次分别为2004年和2008年)，修订的法律没有改变固定上网电价的基本原则和电价设计原理，而是根据技术发展水平和资源开发水平对电价水平、电价下降比例和标准资源值进行调整，保持了政策稳定性和长期性。

2014年9月，国家发改委价格司下发调整风电上网电价征求意见稿，拟以2015年6月30日开始将风电四类资源区标杆电价分别降低为0.47元/Kw·h (I类资源区)，平均每年降低1.3%；0.50元/Kw·h(II类资源区)，平均每年降低1.23%；0.54元/Kw·h(III类资源区)，平均每年降低1.15%；0.59元/Kw·h(IV类资源区)，平均每年降低0.55%。从而，进一步说明了本文结果的合理性。

5 结语

本文在实物期权理论中不确定性下的投资决策原理基础上，分析风电发电项目投资决策原理，同时建立了风电固定上网电价政策的实物期权模型，求解得到了上网电价最优投资值(上网电价投资临界值)的表达式，根据上网电价投资临界值关于上网电价的期望增长率和波动率的关系式，证明了上网电价期望增长率和电价波动率和上网电价投资临界值成正比。在理论模型基础上，本文选取了2012年国家发改委核准建设的河北张北油篓沟元山子风电场工程项目为例进行实证分析，计算出了发电项目的上网电价投资临界值，并且和目前该风区的风电固定上网电价水平比较，得到促进风电发电项目投资的最优策略是风电上网电价水平平均每年应该降低1%左右。

长期稳定的激励政策才能够有效促进风电、太阳能光伏发电等可再生能源发展，固定上网电价政策给投资者提供了明确的价格信息，明确的价格政策也为可再生能源投资者提供了明确的投资信号，投资者根据投资成本和固定上网电价得出投资收益，不同担心价格波动带来的收益不确定性风险。但是，固定上网电价制度保障了可再生能源发电企业的稳定收入，不利于可再生能源企业进行技术创新和降低投资成本，导致可再生能源发电项目生产效率低下。所以不断调低风电上网电价水平，增加发电企业竞争压力，促进其不断进行技术创新、降低投资成本，才能不断的促进风电等可再生能源电力的广泛应用。

本文可以为风电投资者投资决策以及风电价格政策部门提供很好的参考价值。不过本文的模型数据量较少无法精确的估计出模型参数，如投资成本只能获取少量几年样本数据，从而无法精确的得到投资成本波动率，所以我们在模型参数中对投资成本波动率取很小的数值(在投资成本波动率很小的情况下，取任意值对结果影响极小)。在今后的研究中，逐渐收集更加丰富的数据，采用更加先进的参数估计方法求解模型参数，使得我们的结果更加精确可靠。此外，本文后续研究将会借鉴张新华和叶泽[10]内容，研究固定上网电价政策不确定时对发电企业投资的影响(本文中的固定上网电价为确定性的政策)；以及借鉴谷小燕[11]工作，研究固定上网电价的动态调整策略(本文为静态调整)。

[1] Ringel M.Fostering the use of renewable energies in the European Union: The race between feed-in tariffs and green certificates [J].Renewable Energy, 2006, 31(1):1-17.

[2] Menz F C, Vachon S.The effectiveness of different policy regimes for promoting wind power: Experience from the states [J].Energy Policy, 2006, 34(14): 1786-1796.

[3] Midttun A, Gautesen K.Feed-in or certificates, competition or complementarity? Combining a static efficiency and a dynamic innovation perspective on the greening of the energy industry [J].Energy Policy, 2007, 35(3): 1419-1422.

[4] Verbruggena A, Lauber V.Basic concepts for designing renewable electricity support aiming at a full-scale transition by 2050 [J].Energy Policy, 2009, 37(12):5732-5743.

[5] Falconett I, Nagasaka K.Comparative analysis of support mechanisms for renewable energy technologies using probability distributions [J].Renewable Energy, 2010, 35(5): 1135-1144.

[6] Tamas M M, Shrestha S O B, Zhou Huizhong.Feed-in tariff and tradable green certificate in oligopoly [J].Energy Policy, 2010, 38(8): 4040-4047.

[7] Myers S C.Determinants of corporate borrowing [J].Journal of Financial Economics, 1977, 5(1): 411-487.

[8] Myers S C.Finance theory and financial strategy [J].Midland Corporate Finance Journal, 1987, 5(1): 6-13.

[9] Dixit R K, Pindyck R S.Investment under uncertainty [M].Princeton New Jersey:Princeton University Press, 1994: 207-211.

[10] 张新华, 叶泽.投资决策不确定条件下的寡头发电容量投资分析[J].中国管理科学, 2014, 22(9):26-32.

[11] 谷晓燕.基于实物期权的研发项目动态投资策略模型[J].中国管理科学, 2015, 23(7):94-102.

[12] Lesser J A, Su Xuejuan.Design of an economically efficient feed-in tariff structure for renewable energy development [J].Energy Policy,2008, 36 (3): 981-990.

[13] Couture T, Gagnon Y.An analysis of feed-in tariff remuneration models: Implications for renewable energy investment [J].Energy Policy, 2010, 38(2): 955-965.

[14] Cory K S, Couture T, Kreycik C.Feed-in tariff policy design, implementation and RPS policy interactions [R].Working Paper,National Renewable Energy Laboratory, 2009.

[15] Kim K K, Lee C G.Evaluation and optimization of feed-in tariffs [J].Energy Policy, 2012, 49(10): 192-203.

[16] Ritzenhofen I, Spinler S.Optimal design of feed-in-tariffs to stimulate renewable energy investments underregulatory uncertainty: A real options analysis[J].Energy Economics, 2015, 53:76-89.

[17] European Commission (COM).Commission staff working document[R]. Working Paper,Brussels:European Commission,2018.

[18] 钟渝,刘名武,马永开.基于实物期权的光伏并网发电项目成本补偿策略研究[J].中国管理科学, 2010, 18(3):68-74.

[19] 曾鸣, 李晨, 刘超, 等.考虑电价补贴政策风电投资决策模型与分析[J].电力系统保护与控制, 2012, 40(23):17-23.

[20] 田立新, 许培琳, 傅敏.基于实物期权的中国风电发展政策评估[J].管理学报, 2013, 10(2): 266-273.

[21] 何春, 徐继尧, 陈国伟.基于上网电价下调预期的风电投资决策研究[J].风能, 2015,(3): 44-47.

Real Option Theoretical and Empirical Analysis on Feed-in-tariff (FIT) Policy of Wind Electricity in China

LI Qing1,2，CHEN Min1

(1.Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190, China;2.School of Statistics and Mathematics, Zhongnan University of Economics and Law, Wuhan 430073, China)

In this paper, the wind electricity policy of Feed-in-tariff (FIT) implemented in China is studied by the optimal investment decision theory in real option theory.First, the real option theory of the investment of wind electricity project is analyzed, and then the real option model of FIT policy is established.Then, from the real option model of FIT policy, the theoretical proof that both volatility rate and expected growth rate of FIT are proportional to the critical value of FIT of wind electricity (optimal investment price) is given, which is the theoretical evidence and adjustment evidence of FIT policy, and it is the fixed FIT when the volatility rate of electricity price is equal to zero.In order to incentive investors to invest, governments should decrease the volatility rate and expected growth rate of FIT.Finally, empirical analysis is made by the Yuanshanzi wind electricity project in Hebei province; the conclusion is drawn that the wind electricity price should be decreased by about 1% every year.Our research results can be referenced by the other renewable energy electricity.

wind electricity; feed-in-tariff; real option; optimal investment decision; investment threshold

1003-207(2016)05-0065-09

10.16381/j.cnki.issn1003-207x.2016.05.008

2014-11-15；

2016-01-13

简介：李庆(1985-)，男(汉族)，河南信阳人，中国科学院数学与系统科学研究院博士后，研究方向：金融统计，E-mail：sxlq115@163.com.

F830.9

A