市场结构与补贴变化如何造成中国风电行业过度投资？

摘 要： 近年来，中国大力发展可再生能源，然而伴随着风电装机容量的快速发展，中国的风电产业也产生了“抢装”“弃风限电”等问题。主要关注中国的风力发电行业，通过理论模型与实证模型，分析在中国现行的电力调度体制下，风力发电市场的过度投资问题。论证了风电上网电价下调前后，市场总装机容量的动态变化过程，并得出结论：风电开发商竞争激烈的地区更容易产生过度投资的问题。

关键词： 风电；上网电价补贴政策；抢装；弃风限电

中图分类号： F 203

文献标志码： A

收稿日期：2024-04-01

作者简介：雷威豪（1995—），男，中国台湾台北人，硕士研究生，研究方向：应用经济学。

文章编号：1005-9679（2024）05-0112-07

How do Market Structure and Subsidy Changes CauseOverinvestment in China’s Wind Power Industry？

LEI Weihao

（Antai College of Economics and Management School， Shanghai Jiao tong University， Shanghai 200030， China）

Abstract： In recent years， China has made great efforts to develop renewable energy. However， with the rapid development of installed wind power capacity， China’s wind power industry has also produced problems such as "rushing to install" and " Curtailment of wind power ".Focusing on China’s wind power industry， this paper analyzes the problem of overinvestment in China’s wind power market under the current power dispatching system t11rO7bM9BLwYPZUO938iCwnftVoDWoz9QcmX5JHQPLo=hrough theoretical and empirical models.The dynamic change process of the total installed capacity of the market before and after the reduction of the feed-in tariff of wind power is demonstrated， and the conclusion is drawn that the area where the competition of wind power developers is fierce is more likely to lead to the problem of overinvestment.

Key words： wind power; feed-in tariff subsidy policy; rushing to install; curtailment of wind power

1 研究背景

近年来，我国政府高度重视环境保护，新能源产业近十年来实现了跨越式的发展。“十四五”规划明确提出：“构建现代能源体系，推进能源革命，建设清洁低碳、安全高效的能源体系，大力提升风电、光伏发电规模。”2021年政府工作报告中指出：要采取更加有力的政策和措施，力争在2030年使我国的二氧化碳排放量达到峰值，努力在2060年前实现碳中和，即全国每年直接或间接产生的温室气体排放，通过造林、碳捕捉等方式全部吸收，达到互相抵消，实现相对的零排放。

当前，包括煤炭石油在内的不可再生能源消费是温室气体排放的最大来源，因此调整能源结构，发展包括风力发电在内的清洁能源无疑是实现碳中和目标的必经之路。风力发电作为可再生能源，不需消耗化石燃料，不产生二氧化碳排放，不会造成空气污染，且不具备特殊的危险性。中国的东北、华北和西北地区具备丰富的风力资源，且大量风场位于草原荒漠，不影响耕地面积与城市发展。因此发展风力发电及其上下游产业一直是我国政府的目标。

本世纪以来，从中央政府至地方政府出台了大量的利好政策，扶植风电产业发展。2009年起我国实行新能源固定标杆电价政策，在政策补贴下，我国风能产业规模飞速发展，风电发电量从2010年的430亿千瓦时迅速增长至2019年的3577亿千瓦时，装机容量由2010年的4473万千瓦增长至2019年的20953万千瓦。

然而，风电发电量日益增长的同时，对新能源发电消纳能力的发展却相对滞后，发出来的电无法消纳，在当今的技术条件下又难以大规模储存，大量电力只能被浪费。造成中国电力消纳困难的原因有许多，其中包括：①风电本身存在间歇性、波动性、难以预测等缺陷，使得风电并网需要其他能源调节出力大小以匹配风电出力的波动，过高的风电比例影响电网的安全性与可靠性。而且风电的出力高峰往往在夜间，而此时却是电力需求最低的时候。②风电资源与电力需求地理上的错位。我国西北、华北和东北地区风力资源丰富，而我国的制造业与人口大多集中在东部沿海地带，因而工业用电与居民用电的需求也多集中在东部地区。虽然国家近年来大力投资发展特高压输电工程，但传输能力的增长仍滞后于发电能力的增长。 ③电源结构的限制。我国的电力生产以燃煤发电为主，燃煤发电厂与以其他能源为燃料的火电厂相比出力调节更迟缓，启停时间较长。特别是风力资源较丰富的“三北”地区，许多电厂为热电联产机组，为满足供暖需求，这些电厂在冬天设有最低输出量以保证热能供应。电源组合的不灵活导致难以对风电产出的波动进行削峰填谷。 ④地方保护主义。地方政府为保护本地经济发展往往优先使用本地电厂所产出的电能，这为风电的异地消纳造成了阻碍。 ⑤缺乏市场机制。由于没有现货市场，风电较低边际成本的优势难以发挥。没有辅助服务市场，传统发电企业也缺乏为风电提供削峰填谷服务的激励，这放大了风电波动性的缺点。

近年来电力消费量增速放缓，造成我国风电产业弃风问题更为严峻，2016年全国风电弃风量达到了497亿千瓦时，弃风率达17%，对社会资源造成了极大的浪费。特别是以内蒙古、新疆和甘肃为代表的“三北”地区（东北、华北和西北）弃风问题尤为严重，2018年三省区的弃风量风别达到了72.4亿千瓦时、106.9亿千瓦时和54亿千瓦时，弃风率高达10.3%、22.9%和19.0%。

2 政策背景

2.1 中国电力调度制度

由于历史原因，中国的电力调度制度与西方国家的制度完全不同，有着浓厚的计划经济的背景。中国的调度制度是由省发改委的供电计划和电网公司的实时调度两部分组成。首先，在上一年年末省发改委能源局根据对下一年的电力需求量的预测制定下一年度的供电计划，其中将所需的发电量平均分配给每个发电公司，保证同类型的发电设备有相同的发电利用时间。然后，该计划以行政命令的形式下发给电网公司，电网公司将每个机组的年度发电配额分配至每一天。最终，调度员根据每个机组每日的发电配额进行实时调度，保证年底各发电机组的运行时间基本相同。

2.2 上网电价补贴政策

自2009年国家发展和改革委员会发布《关于完善风力发电上网电价政策的通知》起，我国风能发电的上网电价由行政命令决定。《通知》将全国分为四类资源区，2009年四类区域电价风别为0.51元/千瓦时、0.54元/千瓦时、0.58元/千瓦时和0.61元/千瓦时，其中等于当地脱硫燃煤机组的部分由当地电网给付，高出部分国家通过向全网征收可再生能源附加费予以补贴。上网电价的制定原则上是由当时的风力发电成本再加上一定的合理利润决定的，随后由于国内风力发电设备行业的发展，风力发电成本逐年降低，国家于2014年、2019年多次发布政策下调固定电价，2020年四类资源区电价下调至0.29元/千瓦时、0.34元/千瓦时、0.38元/千瓦时和0.479元/千瓦时，并且自2021年起核准的风电项目全部实行平价上网，不再享受额外补贴。

可以说每个时期的标杆电价都反映了当期风力设备生产行业的发展状况，下调电价是由于发电成本的减少。但同时电价的下调也是为了抑制风电产业的过度投资。过去十年在高额的电价补贴刺激下，风力发电机的装机容量由2008年的1200万千瓦猛增至2018年的20953万千瓦。然而发电能力爆发增长的同时，对电能的消纳能力却没有跟上。特别是风力发电存在电力波动性大、难以预测且发电的峰谷性与人们日常生活节奏不吻合的问题，导致风电设备平均利用小时较低，2015年与2016年只有1724小时、1742小时。由于当地电网的传输或消纳能力不足，被迫暂停风机造成发电能力浪费，造成所谓的“弃风”问题。然而虽然下调电价最终确实能抑制对风电的过度投资，缓解弃风问题，但是短期内却会引发“抢装”，也就是风力开发商抢在标杆电价下调生效截止日期之前并网运行，这也在短期内使得过度投资问题更加严重，对缓解弃风问题的初衷形成反效果。

3 理论模型

本文建立了一个理论模型分析过度投资问题是如何产生的。首先，假设风力发电开发商i在t时的风力发电机装机容量为yit，那么在任意时点t，开发商i新并网的风力发电装机容量为Δyit。假设Δyit=AkTα，A=A（t）为随时间单调递增的技术系数，k为新建风电机组所投入的资金，T为风电场的建设工期。上式也即是建造风力发电场的柯布-道格拉斯生产函数，开发商所投入的建设资金与风电场的建设工期是我们所关注的两个投入要素，资本投入的弹性系数为1，即相同工期下投入的资金翻倍则所建成的风力发电场装机容量翻倍。建设工期的弹性系数为α，α为大于0小于1的常数，工期的边际效益递减。该式可以转化为k=1ATα Δyit，给定某一风电场的装机容量及施工工期，可求得建设该风电场所需的资金，且风力发电开发商可以通过增加投入资金减少风电场的施工工期。市场上t时的总风电装机容量Qct为所有风电开发商装机容量之和，即Qct=∑i yit。设电网在t时所能消纳的风力发电电量为Qdt，当电网所能消纳的风力发电电量Qdt>Qct时，开发商i在t时的收益eit=Ptyit，Pt为当地的固定风力上网电价。当电网所能消纳的风力发电电量Qdt≤Qct时，由于中国现行的电力调度体制，电网公司会将发电权按照各风电场的装机容量平均分给每一个风电开发商，因此开发商i在t时的收益eit=QdtPtyitQct ，即在存在弃风限电问题时每一个风电开发商的收益为原来的QdtQct 。

3.1 垄断市场结构下理论模型

假设电网的风电消纳量Qdt如上图实线所示由于技术进步、政策重视、管理水平提高等外生原因随时间增加。在市场中只有一个开发商时，即风力发电市场为垄断市场的情况下，该开发商会选择在任一时点t时使自己的风力发电装机容量Qct=Qdt，因为当Qct>Qdt时，增加装机容量并不会使得开发商所获得的总收益增加。

若国家颁布政策于t0时下调风电固定上网电价，这意味着在t0之后并网的风电场向电网销售电力的价格为下调之后的价格P2，而在t0之前并网的风电场在其全部的发电寿命期内（一般为20年）都能以下调前较高的电价P1向电网出售电力。因此开发商会选择将一部分本来应该在t0之后并网的装机容量提前至电价下调的截止日期之前，这也就是所谓的抢装现象。设开发商决定将原计划于t0至t0+Δt并网的风电机组提前至t0并网，Δt为抢装所提前的最大时间可视为理论模型中衡量抢装程度的指标。若政策公布于项目开工之前，即开发商可以通过开工日期提前使风电机组并网，则我们可以通过下式求得Δt：

∫2020-ΔtP2 （1+r）t）dt=∫20-Δt）0P1-P2）（1+r）-t） dt（1）

其中P1为电价下调之前的电价，P2为电价下调之后的电价，P1>P2。r为开发商资金的利率，设其为一固定的常数。上式等号左侧为将t0+Δt时并网的机组提前至t0所需付出的机会成本，即因为提前Δt完工，在20年后也会提前Δt报废，而20年后Δt时间产生的发电收益就是机会成本。等号右侧为提前并网所带来的收益，由于提前并网在风电机组能产生收益的全寿命期（20-Δt）内，销售电力的价格由P2提升至P1。等式左侧随Δt增加而增加，等式右侧随Δt增加而减少，因此可由上式求得唯一解Δt。

然而下调政策的公布日期有时与电价下调的日期较为接近，仅相隔半年至一年，开发商无法通过提前开工的方式提早并网时间，只能通过缩短工期抢装，而缩短工期会带来额外的资本投入成本。我们可以通过下式求得Δt：

Tα （T-Δt）-α（1+r）Δt-1ATα+∫2020-ΔtP2 （1+r）-tdt=∫20-Δt0（P1-P2）（1+r）-tdt（2）

式（2）在式（1）的基础上，在等式左侧增加了一项Tα（T-Δt）-α（1+r）Δt-1ATα，该项由之前假设的建设风力发电场的生产函数Δyit=AkTα推导而出，代表了通过缩短工期抢装所造成的额外成本，由于该部分成本提高了总成本，因此在下调政策公布时间较晚的情况下，Δt较小。

3.2 竞争市场结构下理论模型

现在考虑竞争的市场情况，设某一风电项目在接下来20年的寿命期内每年为风电开发商带来收益R，将未来20年的收益现金流折现为∫200（1+r）-tdt，开发商要求该值大于等于最初用于建设风电项目所投入的资金ΔK，由此可得下式：

∫200（1+r）-tdt=1ln（1+r）［1-（1+r）-20］令=ΔK（3）

由式（3）求得某一值，当预计未来每一时间点的收益R小于时，开发商不会选择建设风电场，因此竞争市场中均衡状态下R=。将式（3）进行调整可得下式：

=ln（1+r）1（1+r）-20ΔK（4）

由之前所设的条件，新增Δy的装机容量所带来的新增收入为R=QdtQctPΔy，在均衡状态下，即当R=时：

ln（1+r）1-（1+r）-20ΔK=QdtQctPΔy（5）

调整式（5）我们可得，当风电消纳电量Qdt与风电装机容量Qct之间的比值达到某一特定值时，每一个风力发电开发商都不会选择继续增加装机容量，设该比值为γ（t）。

γ（t）=（QdtQct）*=ln（1+r）1-（1+r）-20*1p*ΔKΔy=ln（1+r）1-（1+r）-20*1p*1A（t） Tα（6）

因此在竞争市场中均衡状态时，风电市场中的总装机容量Qct*等于电网能够消纳的电量Qdt乘以一个大于1的常数1γ（t）：

Qct*=Qdt*1γ（t）（7）

现在考虑在竞争市场中，政府于某一时间点公布政策计划于时间0下调风电的固定上网电价，于是开发商们决定将原计划于0至Δt时并网的风电项目并网时间提前至0时。则这些项目在0～ Δt时所获得的收益为：

R0～Δt=∫Δt0Qd （t）Qc （Δt）P1 Δydt〗=∫Δt0 Qd （t）γ（Δt）Qd （Δt） P1 Δydt=γ（Δt）Qd （Δt） P1 Δy∫Δt0 Qd （t） dt（8）

其中γ（Δt）、Qd （Δt）都为常数，而QΔd（t）为随时间变化的值。项目在Δt～20时所获得的收益为：

RΔt～20=∫20Δtγ（t）P1 Δydt（9）

若政府下调电价的政策公布得较早，开发商可以通过提前开工提早并网日期，则Δt可由下式求得：

R-K=R0～Δt+RΔt～20-K=γ（Δt）Qd （Δt） P1 Δy∫Δt0 Qd （t）dt+P1 Δy∫20Δtγ（t）dt-K令=0（10）

γ（Δt）Qd （Δt）∫Δt0Qd （t）dt+∫20Δtγ（t）dt-1P11ATα=0（11）

令风电项目在0～Δt与Δt～20这两段时间所获得收益的现金流折现值等于建设项目时所投入的资金K，可求得Δt。

若下调政策公布时间较晚，开发商不能通过提早开工只能通过缩短工期进行抢装，则可通过下式求得Δt：

-Tα （T-Δt）-α（1+r）Δt1ATα+γ（Δt）Qd （Δt）P1 ∫Δt0Qd （t）dt+P1 ∫20Δtγ（t）dt-1ATα=0（12）

第一项-Tα（T-Δt）-α（1+r）Δt-1ATα代表缩短工期所带来的额外成本。

另外，在下调政策公布之后电价下调之前，开发商有可能预料到未来新的均衡下γ（t）较高，因此一定程度延后发电机组并网时间可以使开发商在仍以下调前价格向电网销售电力的情况下获得较高的γ（t）。因此在政策发布与电价下调之间的时间段，竞争市场会形成一个介于政策公布之前与电价下调之后之间的平衡，具体可由下式求出：

Qd （t）Qc （t）PΔy=1（1+r）20 Qd （t+20）Qc （t+20）*P*Δy（13）

Qc （t）=（1+r）20Qd （t）1γ（t+20）（14）

综上所述，根据理论模型实际风电装机容量应如上图上方实线所示。

由理论模型我们可以预测，风电市场在行业集中度较高的垄断情况下若无电价的变化则不会有过度投资的问题，市场内每一时间点的发电能力等于电网的消纳量。若政府下调电价，则下调日期前短时间内会发生抢装，开发商将原本应在未来并网的风电机组提前至电价下调的截止日期之前，因此在电价下调之后的一段时间内风力发电的装机容量会超过电网对风电的消纳量，在这期间会存在过度投资的问题，但随着电网消纳量的增加，该问题会缓解，一段时间后重新回到装机容量等于消纳量的均衡状态。

若风电市场为行业集中度较低的竞争市场，在没有电价变化的均衡状态下也会存在过度投资的问题。因为对于每一个发电开发商，提高装机容量虽然会小幅提高全市场的弃风率（1- γ（t）），降低全市场所发出电力的消纳比例γ（t），但是能够通过装机容量的提高大幅增加自己所占发电权的比例。根据理论模型的推导，电价下调在短期内对行业集中度较低的市场会产生更严重的抢装问题，但长期来看，随着电力消纳量的增加，装机容量会在一个较低的过度投资水平上趋于均衡。

4 实证模型

为验证理论模型所推导结论，本文利用2009年至2018年的面板数据进行检验，将主要讨论如下问题：（1）抢装程度：未来电价的下调将在多大程度上导致下调截止日期前装机容量的额外增加？（2）抢装是否会造成电价下调日期后新增装机容量的大幅度减少？（3）抢装现象的严重程度如何随时间变化？（4）竞争市场是否会促进风电装机容量的增长？（5）风电开发商是否会如理论模型预期的那样将本应在下调日期前并网的发电机组并网日期延后至临近截止日期？

4.1 固定效应模型

本文建立固定效应计量模型如下：

ln（1+ΔCit）=β1（Pit+1-Pit）+β2 （Pit-Pit-1）+β3（Pit+2-Pit）+β4（Pit+1-Pit）×t+β5（Pit-Pit-1）×t+β6（Pit+2-Pit）×t+β7*HHIit+β8*ln（1+Cit）+t+λi+εit

本文以县级行政单位为口径归集自2009年起至2018年各项数据，数据来源于《电力工业统计资料汇编》。Cit为i县在t时间的风电装机容量，单位为万千瓦，因此ΔCit为i县在t时间的风电装机容量增加量，因部分样本该变量小于1，因此加1后取对数得因变量，用以衡量每年i县风力发电投资情况。Pit为i县在t时间的上网电价，单位为元。第一项（Pit+1-Pit）为i县t+1年与t年电价之差，由于补贴逐年退坡，该变量为负数或零，相关系数β1用以衡量t年时未来的电价下调是否会导致当期装机容量的增加。（Pit-Pit-1）项为i县t年与t-1年电价之差，β2用来衡量抢装是否会导致电价下调日期之后新并网发电机组数量的减少。（Pit+2-Pit）项为i县t+2年与t年电价之差，β3用以判断开发商是否会将本应在下调日期前并网的发电机组并网日期延后至临近截止日期。变量t为时间趋势项，t=年份-2009。t与前三项分别相乘，形成三个交叉项，衡量抢装问题随时间的变化情况。HHIit为i县t年风电行业的行业集中度指标，由公式：HHIit=∑Nj=1（Cjit/Cit）2计算得出，其中Cit为i县t年的总风电装机容量，Cjit为风电开发商j于i县在t年时所拥有风电场的装机容量，N为i县在t年时的风电开发商企业数。本文通过新闻、工程招标材料等渠道搜集了全国风电场所属能源企业的信息，归集计算得该变量。本模型还由项ln（1+Cit）控制了装机容量规模，因Cit部分数据小于1，由装机容量加1取对数得出。实证模型采用固定效应模型，由λi控制各县固定效应。

4.2 回归结果

回归结果如表2所示。

首先观察第一及第二列回归结果，前两列回归结果未加入交互项，（Pit+1-Pit）项相关系数表明：下一年度电价下调将导致本年度风电装机容量的增长，证明因电价下调导致的抢装现象明确存在。但第二项（Pit-Pit-1）的相关系数并没有显著的结果，无法证明抢装是否会导致电价下调后风电行业投资的减少。第三项（Pit+2-Pit）相关系数显示本年度的风电机组投资量有可能因下下年度的电价下调而减少，这表明理论模型所预期的本应在下调日期前并网的发电机组并网日期延后至临近截止日期的现象有可能存在。

观察第三与第四列的结论，后两列加入了交叉项，交叉项（Pit+1-Pit）×t相关系数显著且为正，表明抢装现象随着时间有所缓解。同理，（Pit-Pit-1）×t和（Pit+2-Pit）×t两项相关系数为负，表明了电价下调对风电投资所带来的影响将随时间减少。

观察第二与第四列实证结果，变量HHI相关系数显著为负，表明即使在控制了县总装机容量的情况下，HHI值越小，即行业竞争越激烈，当地风电行业增长越快。

5 结论与政策建议

本文以中国当前电力调度机制为背景，建立理论模型分析了不同市场结构下风力发电补贴电价的下调将如何影响风电机组的投资与建设，并预测了下调日期前后全市场风电机组总装机容量的动态变化过程。基于理论模型我们得出如下推论：①电价下调将导致下调截止日期前短期内装机容量的大幅增长及截止日期后一段时间内装机容量增长缓慢。②竞争的风电市场会导致过度投资从而引起更为严重的弃风限电问题。③风电开发商在得知电力补贴价格将会下调后可能会将原本计划较早完工并网的项目并网日期延后至接近电价下调日期。

为验证理论模型推论，本文收集了全国所有陆上风电项目数据，建立固定效应回归模型进行实证分析。实证结果验证了抢装现象的存在并量化了电价变动与下调日前装机容量增加量之间的关系，但是实证结果并不能完全印证电价下调后风电投资减缓阶段的存在。另外，实证结果表明随着时间推移补贴变化对风电投资的各项影响都在减小，这可能是由于技术发展降低了风电机组的成本减小了对补贴的依赖。实证模型同时证明了竞争程度更高的风电市场投资增长更快，更容易造成过度投资。

结合理论与实证模型的结论，提出政策建议如下：政府进行风电项目审批时应更加关注电力开发商较多竞争较为激烈的地区，更为审慎地下发该类地区批文防止过度投资。实行补贴退坡时因充分关注抢装问题，防止因上网电价下调而造成项目投资建设进度的波动导致不必要的社会资源浪费。

参考文献：

［1］ DU Y， TAKEUCHI K. Does a small difference make a difference？ impact of feed-in tariff on renewable power generation in China［J］. Energy Economics， 2020， 87.

［2］ XIA F， LU X， SONG F. The role of feed-in tariff in the curtailment of wind power in China［J］. Energy Economics， 2020（86）.

［3］ LIU Y， KOKKO A. Wind power in China： Policy and development challenges［J］. Energy Policy， 2010， 38（10）：5520-5529.

［4］ SHIYU L， ZHAOHONG B， JIANG L， et al. Curtailment of renewable energy in Northwest China and market-based solutions［J］. Energy Policy， 2018（123）：494-502.

［5］ CHANGGUI D， YE Q. Decomposing driving factors for wind curtailment under economic new normal in China［J］. Applied Energy -Barking Then Oxford， 2018.

［6］ LI J， LIU G， SHAO J. Understanding the ROC transfer payment in the renewable obligation with the recycling mechanism in the United Kingdom［J］.mIMVjktXiwinLZZ7OVroxY8mg4WgsWpFi4NHRsOIHEE= Energy Economics， 2020（87）.

［7］ 吴昱， 边永民. WTO视野下我国风力发电上网电价补贴政策研究［J］. 宏观经济研究， 2013（10）：40-46.

［8］ 刘瑞丰， 刘维刚， 张雯，等. 基于配额制的西北可再生能源跨区跨省电力交易经济性评价［J］. 电网与清洁能源， 2014， 30（1）：59-63.

［9］ 刘超. 基于平价上网的我国风电行业发展趋势分析［J］. 市场观察， 2019， 785（9）：27-28.

［10］ DERMODY J， KOENIG-LEWIS N， ZHAO A L， et al. Appraising the influence of pro-environmental self-identity on sustainable consumption buying and curtailment in emerging markets： Evidence from China and Poland［J］. Journal of Business Research， 2017（86）.

［11］ QI， ZHIPING， DENG， et al. Temporal-spatial analysis and improvement measures of Chinese power system for wind power curtailment problem［J］. Renewable & sustainable energy reviews， 2015.