基于网络层次分析法的平价上网光伏电站站址优选的决策研究

2021-01-04王恒田杨晓龙

太阳能 2020年12期

王恒田，杨晓龙,2*

(1.华北电力大学经济与管理学院，北京 102206；2.东北电力大学经济管理学院，吉林 132012)

0 引言

随着中国经济的快速发展和对能源消费的日益增加，能源供应风险和环境污染问题已经成为国家和社会关注的焦点。光伏发电作为一种新兴的清洁能源，由于其具有良好的环境效益、经济效益和社会效益，受到政府、企业和社会公众的广泛重视[1]，并且《太阳能发展“十三五”规划》明确提出，在“十三五”期间，太阳能发电规模要达到1.1 亿kW 以上的目标[2]。

为推动可再生能源的发展，我国于2006 年1 月1 日颁布实施了《中华人民共和国可再生能源法》，并于2011 年颁布了《国家发展改革委关于完善太阳能光伏发电上网电价政策的通知》(发改价格[2011]1594 号)，由此，中国开启了光伏发电标杆上网电价政策(feed in tariff，FIT)的时代，国内光伏发电每年的新增装机容量呈较快上升趋势。2008～2019 年中国及全球光伏发电新增装机容量统计[3]如图1 所示。

然而，光伏产业的快速发展是通过政府对各类光伏电站实施的补贴政策促进的[4]，因此，光伏产业发展的根本是基于对财政补贴(fiscal subsidy)的过度依赖，而在中国这种发展模式造成了国家财政支付的困难。至2018 年6 月，可再生能源发电补贴缺口累计达1200 亿元[5]，尽管中国政府未公布当前具体的补贴拖欠金额，但预计到2019 年年底补贴资金的缺口约达3000 亿元。补贴的不及时支付严重影响了投资光伏电站的企业的现金流。

为加快推进中国光伏产业的升级和技术进步，以降低光伏发电的度电成本(LCOE)，国家能源局于2015 年6 月19 日颁布了《国家能源局关于同意山西大同采煤沉陷区建设国家先进技术光伏基地的复函》(国能新能[2015]222 号)，支持建设山西大同采煤沉陷区国家先进技术光伏发电示范基地，试点建设第1 批太阳能光伏发电“领跑者”计划项目，为光伏发电向平价上网时代的迈进做准备[6]。随后，国家能源局在2016、2017年分别颁布实施了第2 批、第3 批光伏发电“领跑者”计划。

光伏发电“领跑者”计划的实施结果表明，随着光伏产业技术的进步及单体光伏电站规模的扩大，光伏发电的度电成本快速下降。2017年第3 批光伏发电“领跑者”计划中青海格尔木基地出现了0.316 元/kWh 的光伏发电中标电价，低于该地燃煤发电标杆上网电价的0.3247元/kWh；第3 批光伏发电“领跑者”基地的整体中标电价平均下降了0.244 元/kWh，降幅达36.42%。第3 批光伏发电“领跑者”基地的各类电价的对比如图2 所示。

在补贴缺口加大及“领跑者”计划实施的双重背景下，国家发展和改革委员会、国家能源局于2019 年1 月9 日颁布了《国家发展改革委国家能源局关于积极推进风电、光伏发电无补贴平价上网有关工作的通知》(发改能源[2019]19 号)，鼓励企业投资不需要财政补贴的平价上网(gridparity)的风电、光伏发电项目。

综合以上因素，在光伏发电平价上网时代，建立一套科学的、基于平价上网的光伏电站选址方法，以提高企业在光伏电站选址决策中的科学性和可操作性，是光伏发电企业的现实需要。本文采用网络层次分析法(ANP)评价了在平价上网背景下不同地区光伏电站站址优选的决策方法，构建了系统的评价指标体系，分析了指标之间的相互影响和关系，并运用ANP 建立了一套科学的平价上网光伏电站选址评价方法。

1 评价方法的选择

1.1 评价方法回顾

随着社会各界对光伏发电的重视，学术界和产业界对光伏电站的选址方法进行了有益的探讨。CARRIÓN 等[7]主要运用地理信息系统(GIS)对光伏电站的选址进行了研究，以提高光伏电站的发电管理和运营的便捷性；武国安[8]主要从光照资源方面对光伏电站的选址进行了分析；张乾等[9]运用遥感数据和多因子评价法从太阳能辐射的角度建立了一套光伏电站选址评价方法；王卉等[10]从光照资源、气象因素、地形地貌、水文地质、电网情况等方面对光伏电站的选址进行了研究；吴晓平[11]采用分析法对光伏电站选址时的日照资源、气候(象)因素、地形地貌、水文地质、电网情况进行了综合研究分析；徐振兴等[12]从光照资源、土地、边界条件、环境要素、地方政府等各方面进行分析，首次将政府要素考虑进光伏电站选址评价体系；胡华友等[13]从土地性质、自然条件、污染源、水文资料、接入情况等方面对地面光伏电站的选址要点进行了综合分析和探讨；罗剑英等[14]从用电类型、地理位置、水文、交通运输等多方面对分布式光伏电站的选址进行了探讨；BORAN 等[15]运用多指标系统(multi-criteria axiomatic design approach)从光照时间、太阳辐照度、气候温度、地形地貌等因素对位于土耳其的并网光伏电站选址进行了探讨；UYAN[16]分别运用地理因素分析法和模糊网络层次分析法对光伏电站的选址进行了探讨；SUURONEN 等[17]运用多维决策系统(multicriteria decision analyses)进行光伏电站选址，以确定光伏电站建设在最佳太阳辐照度、最少环境影响和最小社会影响的区域，多维决策系统的方法中包括了层次分析法(AHP)和GIS 方法。

然而，光伏发电平价上网背景下的光伏电站选址要综合考虑自然资源、土地状况、电网情况、政策环境及财务指标等多方面因素，既要采取定性分析的方法，也要考虑定量分析的方法，既要考虑站址选择方法的通用性，也要考虑光伏发电的专业性。本研究在国内外学者研究的基础上，以ANP 为理论方法，设计了一套既考虑定性分析和定量分析，又考虑通用方法和专业方法的光伏电站站址优选与决策方法。

1.2 ANP 介绍

ANP 是由美国匹茨堡大学教授萨蒂于1996年在AHP 的基础上进一步提出的，是一种适应非独立递阶的层次结构[18]。ANP 的原理与AHP基本相同，二者的区别主要在于：AHP 建立的模型是一种层次结构模型，而ANP 建立的模型是属于网络结构模型，且该网络结构模型在权重合成方面运用了许多更加高级的数学知识[19]。由于ANP 考虑了元素间的相互影响与支配，所以其能更加准确地描述现实决策活动中客观事物之间的联系，以便作出的决策更具客观性、科学性和可操作性。

1.3 ANP 的网络层次结构模型

ANP 的网络层次结构将系统元素分为2 个层次：第1 层为控制层，即需要解决的问题及决策准则；第2 层为网络层，该层的所有元素都受控制层支配，且该层的元素之间存在相互影响的网络结构。ANP 的网络层次结构示意图[20]如图3 所示。

1.4 指标和指标体系的建立

指标及指标体系建立的是否科学合理，直接关系到评价结果是否具有合理性、科学性和可操作性。因此平价上网背景下，在考虑光伏电站选址的综合性和专业性的基础上，指标和指标体系的建立应遵循以下几个原则[21]：

1)遵循定性分析和定量分析相结合，以定量分析为主，定性分析为辅的原则；

2)遵循通用指标与专用指标相结合，按光伏发电特点，进行分别考虑的原则；

3)遵循单项分析与综合分析相结合，以综合分析为最终参考依据的原则。

1.5 ANP 的实施步骤

1)ANP 的网络层次结构模型的构建：首先对需要评价的对象进行系统分析，并准确区分出控制层及网络层；然后系统分析各个元素的相互关系；最后构建ANP 网络层次结构模型。

2)确定控制层的准则权重：控制层权重的确定方式有2 种。一种是直接优势度方法，即在元素之间相互独立的情况下，确定一个准则，比较哪些元素对于这个准则更重要。另一种是间接优势度方法，即在给定一个准则的前提下，比较2个元素中哪个元素对于独立的第3 个元素的影响较大；通常情况下采用1～9 标度法，通过相互比较分析出彼此之间的相互重要性，并计算出不同元素在分析要素中的权重。

3)超级矩阵的构建：设控制层的准则层包含P1、P2、P3、…、PN，网络层元素集为C1、C2、C3、…、CN，其中，Ci包括元素Ci1、Ci2、Ci3、…、CiN(i=1,2,3,…,N)。以控制层的Ps为准则，以Cj元素中的Cj1为次准则，按1～9 标度法的原则进行彼此之间的比较并构建判断矩阵，可以得到归一特征向量(Wi1,Wi2,Wi3,…,WiN)T，即为网络层元素的排序向量；对排序向量进行一致性检验，只有一致性比例CR＜0.1 才通过检验，否则该判断矩阵元素的取值就需要进行调整，直到通过一致性检验。同理，相对于其他元素的向量也可以通过计算得到超级矩阵，记为Wij，即：

在此，Wij中j 的列向量就是Ci中的元素C1、C2、C3、…、CN。假设Ci中的元素不能影响Cj中的元素，则记Wij=0，因此超级矩阵可在准则Ps下获得，一般记为W；同理，可以获得控制层的其他元素的超级矩阵。

4)超级加权矩阵的构建：在准则Ps下，对Cj(j=1,2,3,…,N)中的元素对准则的重要度进行相互对比，得到归一化的排序列向量：(a1j,a2j,a3j,…,aNj)，进而得到一个加权矩阵，即：

5)极限超级矩阵的计算：为了更好地反映各元素之间的相互依存关系，需要对超级加权矩阵进行稳定处理，即计算极限相对排序向量[22]。如果计算结果显示这个极限是收敛而且是唯一的，则W∞的第j 列就是准则Ps下网络层中各元素对于j 的极限相对权重向量，即各个元素对于最高目标的最终权重值。

6)局部权重和全部权重：依据上述算法步骤，即可获得最后的结果，超级矩阵对应的是各元素组群的局部权重，而超级加权矩阵对应的是每个元素的全部权重。

若ANP 采用人工计算的方式会异常繁杂，因此在实际操作中经常使用Super Decision 软件进行计算，以便于快速获得所需要的计算结果。

2 评价指标体系的实证研究

平价上网背景下光伏电站站址选择的主要目的是在不需要国家补贴的前提下光伏电站仍具备经济性。本研究采用的前提条件是光伏电站所生产的电量按燃煤发电基准电价(标杆上网电价)售卖给电网，以获得以燃煤发电标杆上网电价为交易对价的销售收入，且售电所产生的收益可以满足企业对投资项目的基本收益要求。

对本文提出的评价指标体系进行实证研究。选取新疆维吾尔自治区博乐市(下文简称“a”)、内蒙古自治区巴林右旗(下文简称“b”)、黑龙江省大庆市(下文简称“c”)、辽宁省朝阳县(下文简称“d”)、河北省康保县(下文简称“e”)、河南省林州市(下文简称“f”)、山西省灵石县(下文简称“g”)等7 个地区作为光伏电站站址备选地，以ANP 为分析方法，运用Super Decisions 2.8软件进行计算，优化选出较适合在平价上网背景下建设光伏电站的站址。

2.1 评价指标和评价指标体系的建立

2.1.1 评价指标及评价指标体系

评价指标体系分为目标层、准则层和指标层3 层。

1)目标层，即对备选站址进行综合评价，选出最优站址。

2)准则层，共分为5 个层面，即自然资源、土地情况、电网情况、政策环境、财务指标。

3)指标层，即分布在5 个层面的共15 个评价指标，即光照资源、交通状况、地形地貌、土地性质、土地权属、土地租金、网架健全、接入距离、燃煤电价、政策支持、办事效率、优惠政策、融资利率、投资回收期、内部收益率。

基于上述原则建立平价上网背景下的光伏电站选址的评价指标体系，具体如图4 所示。

2.1.2 评价指标说明

1)自然资源(N)：是指备选光伏电站站址的基础资源情况。

该准则层主要包括3 个指标：①光照资源(N1)，光伏发电是基于半导体的“光生伏特效应”原理，将太阳辐射能通过太阳电池直接转化成直流电的一种能量转化过程[23]，因此太阳辐射强度直接决定了光伏电站发电量的多少。②交通状况(N2)，指备选站址是否有便利的交通，施工所需的设备和原材料是否可以直接运输到站址；若不具备运输条件，则需要重新修建进场道路，如此一来投资成本会相应增加。③地形地貌(N3)，是指考虑备选站址的实际地表情况，若地形为平地，则投资最少；若为丘陵和山地，则投资成本会有不同程度的增加，且最终会影响项目的投资效果。

2)土地情况(L)：是否具备可以实施光伏发电项目的土地是建设光伏电站的基础。

该准则层主要包括3 个指标：①土地性质(L1)，是指根据第2 次全国土地调查的分类结果确定的土地性质，其中，国有未利用土地、宜林地、滩涂水面、盐碱地等可以用于光伏电站的建设。②土地权属(L2)，是指土地所有者或合法使用者的情况，土地权属不清晰容易造成土地纠纷，会影响光伏电站建设或容易在电站运行过程中产生纠纷。③土地租金(L3)，是指土地的使用成本，直接影响项目的投资效果。

3)电网情况(E)：由于大型光伏电站建成后都要并入国家电网，电网的状况直接决定了光伏电站所生产的电量是否可以直接卖给国家电网进行交易，从而获得销售收入，因此电网情况十分重要。

该准则层主要包括3 个指标：①网架健全(E1)，指当地电网网络结构是否健全，是否具有足够的接入和消纳能力。②接入距离(E2)，指备选站址到拟接入变电站的距离，接入距离关系到外送线路的投资成本及未来电力输送的线损，最终会影响项目的投资效果。③燃煤电价(E3)，指当地的燃煤发电标杆上网结算电价，由于建设平价上网背景下光伏电站的目的是将发电量全部卖给电网，因此电量的收购价格将影响光伏电站未来的销售收入。

4)政策环境(G)：光伏电站的建设要选取某些条件合适的行政区域，且光伏电站建设需要经过政府多个职能部门的审批与配合，因此备选站址所在地的地方政府是否支持与光伏电站能否成功建设有极大关系。

该准则层主要包括3 个指标：①政策支持(G1)，指政府各相关部门有明确政策和态度支持光伏电站的建设，能公开透明、及时高效地处理企业的各类事务。②办事效率(G2)，指政府各相关部门能否积极配合企业的各类正常需求，并协助处理在投资、建设或生产经营过程中遇到的各类突发事件。③优惠政策(G3)，可再生能源项目一般享受一定的税收优惠政策，个别地区还享有特殊政策，如内蒙古自治区和新疆维吾尔自治区的“西部大开发”企业可享受所得税率15%的优惠。

5)财务指标(F)：企业进行投资活动的目的是获取一定的经济收益。

该准则层主要包括3 个指标：①融资利率(F1)，指企业使用金融机构资金进行项目建设的资金成本，不同融资途径的融资成本不同。②投资回收期(F2)，指从项目投建之日起，根据项目各年的净收入将全部投资收回所需的期限[24]，是一种简单的评价项目投资效果的静态财务指标。③内部收益率(F3)，指项目净现值NPV=0 时的折现率，是一个相对数指标，是一种动态评价方法[25]。

2.2 光伏电站选址专项实证

2.2.1 Super Decesion 2.8 软件的计算过程

1)首先在Super Decisions 2.8 软件中建立3个“Cluster”，第1 个Cluster 为目标层(Goal)、第2 个Cluster 为准则层(Principle)、第3 个Cluster 为指标层(index)。然后在第1 个Cluster加入1 个交叉点，即“光伏电站选址评价”，在第2 个Cluster 中建立5 个指标，即自然资源(N)、土地情况(L)、电网情况(E)、政策环境(G)、财务指标(F)；在自然资源(N)输入3 个交叉点，分别为光照资源、交通状况、地形地貌；在土地情况(L)输入3 个交叉点，分别为土地性质、土地权属、土地租金；在电网情况(E)输入3 个交叉点，分别为网架健全、接入距离、燃煤电价；在政策环境(G)输入3 个交叉点，分别为政策支持、办事效率、优惠政策；在财务指标(F)输入3 个交叉点，分别为融资利率、投资回收期、内部收益率。全部指标的连接如图5 所示。

2)根据研究需要，选取12 位从事光伏电站开发5 年以上的业内专家对各指标进行打分(采取10 分制)；统计结果时去掉1 个最高分和1 个最低分，剩下10 位专家的分值取算数平均值作为最终参考结果；最后将专家问卷调查的数据录入系统，根据1～9 标度法得出评价指标的重要性如图6 所示。

3)利用软件进行计算，得出准则层5 个指标的权重，即自然资源与土地情况、电网情况、政策环境及财务指标的权重比为0.22331∶0.30315∶0.22331∶0.04167∶0.20856。

以此类推，利用软件计算各准则层下各个指标的权重比值，即：

①自然资源准则层下，光照资源与交通状况及地形地貌的权重比为0.55907∶0.08875∶0.35219。

②土地情况准则层下，土地性质与土地权属及土地租金的权重比为0.75311∶0.18397∶0.06292。

③电网情况准则层下，网架健全与接入距离及燃煤电价的权重比为0.20984∶0.24021∶0.54995。

④政策环境准则层下，政策支持与办事效率及优惠政策的权重比为0.16553∶0.22466∶0.60981。

⑤财务指标准则层下，融资利率与投资回收期及内部收益率的权重比为0.06577∶0.21717∶0.71707。

根据上述数据，计算各指标在光伏电站选址中的权重，结果如表1 所示。

表1 指标权重表Table 1 Index weight table

2.2.2 Super Decisions 2.8 软件的计算结果

前文选取了a～g 共7 个备选光伏电站站址，采取按地域对标的原则进行处理。如对于光照资源(N1)，从a～g 这7 个备选光伏电站站址的年均日照时数数据(1600 h、1580 h、1460 h、1434 h、1580 h、1280 h、1350 h)中选出1 个最大数据1600 h，选出1 个最小数据1280 h，二者做差1600－1280=320 h，320/7=45.7 h；将1280～1600 h 共分成7 段，每段计1 分，数字最小的计1 分，最大的计7 分(若不满1 分则按实际比值计算相应分数)。

对于引起成本增加的逆向指标依然采用7 段计分法进行逆运算，采取相反的处理方法。对所有15 个二级指标都进行同样计算，得到7 个备选站址各指标的分数，如表2 所示。