引言

太陽(yáng)能一直被認(rèn)為是人類(lèi)社會(huì)可持續(xù)發(fā)展的重要可再生的、清潔的能源,世界各國(guó)都把太陽(yáng)能光伏發(fā)電的利用和商業(yè)化作為重要的發(fā)展方向。從世界范圍看,從2002~2009年,全球光伏電源累計(jì)安裝容量從2175•5兆瓦增長(zhǎng)到22928•9兆瓦,增長(zhǎng)幅度達(dá)9•5倍之多。根據(jù)歐洲JRC的預(yù)測(cè),到2030年太陽(yáng)能發(fā)電將在世界電力的供應(yīng)中顯現(xiàn)其重要作用,達(dá)到10%以上;2050年太陽(yáng)能發(fā)電將占全球總能耗的20%,到本世紀(jì)末太陽(yáng)能發(fā)電將在能源結(jié)構(gòu)中起到主導(dǎo)作用[1]。每年中國(guó)陸地接收的太陽(yáng)輻射總量相當(dāng)于24000億噸標(biāo)準(zhǔn)煤,約等于1000年的能源消費(fèi)量;全國(guó)總面積2/3地區(qū)年日照時(shí)間都超過(guò)2000小時(shí)[2]。

目前太陽(yáng)能主要用來(lái)發(fā)電和發(fā)熱。我國(guó)太陽(yáng)能熱水器年生產(chǎn)能力已達(dá)到2300萬(wàn)平方米,太陽(yáng)能熱水器使用總量超過(guò)1•2億平方米,占世界總使用量的60%[3],與此相比,我國(guó)光伏產(chǎn)業(yè)與國(guó)際光伏發(fā)展仍有較大的距離,世界光伏產(chǎn)業(yè)每年以31%的速度發(fā)展,而我國(guó)的光伏產(chǎn)業(yè)每年增長(zhǎng)率僅為15%[2]。我國(guó)具有發(fā)展太陽(yáng)能的天然基礎(chǔ),有效利用太陽(yáng)能資源已經(jīng)成為解決我國(guó)能源環(huán)境問(wèn)題的重要突破口之一,學(xué)者張治民認(rèn)為制約我國(guó)太陽(yáng)能資源發(fā)展的重要問(wèn)題就是技術(shù)層面上的落后[4],太陽(yáng)能光伏技術(shù)擴(kuò)散問(wèn)題亟待解決。本文運(yùn)用基本擴(kuò)散模型對(duì)我國(guó)太陽(yáng)能光伏發(fā)電技術(shù)擴(kuò)散趨勢(shì)進(jìn)行預(yù)測(cè),試圖模擬出我國(guó)未來(lái)太陽(yáng)能光伏發(fā)電技術(shù)發(fā)展曲線,以期對(duì)國(guó)家可再生能源發(fā)展利用提出政策依據(jù)。

1太陽(yáng)能光伏技術(shù)擴(kuò)散模型構(gòu)建

1•1擴(kuò)散模型

在已有的關(guān)于新能源技術(shù)擴(kuò)散研究中,擴(kuò)散模型運(yùn)用較多。Collantes(2006)[5]運(yùn)用logistic模型研究燃料電池車(chē)的市場(chǎng)增長(zhǎng)問(wèn)題,Masini、Frankl(2002)[6]、Isoard,Soria(2001)[7]、Ibenholt(2002)[8]運(yùn)用學(xué)習(xí)曲線對(duì)太陽(yáng)能、風(fēng)能擴(kuò)散進(jìn)行評(píng)價(jià),Neij(1997)[9]、Lund(2002)[10]運(yùn)用經(jīng)驗(yàn)曲線對(duì)新能源技術(shù)運(yùn)用前景及需求,Lund(2005)[11]、Purohit,Kandpal(2005)[12]、UshaRao、Kishore(2009)[13]運(yùn)用Bass模型對(duì)新能源市場(chǎng)擴(kuò)散問(wèn)題、印度風(fēng)能問(wèn)題進(jìn)行研究,Peter,Ra-maseshan,Nayar•(2002)[14]運(yùn)用Rogers模型對(duì)發(fā)展中國(guó)家太陽(yáng)能光伏市場(chǎng)發(fā)展?fàn)顩r進(jìn)行分析。這些文獻(xiàn)研究為本文模型選擇提供了基礎(chǔ)。按照創(chuàng)新擴(kuò)散過(guò)程的影響因素,可以將上述模型分為3類(lèi),內(nèi)部影響模型,如Logistic模型,考慮系統(tǒng)內(nèi)部因素主要是過(guò)去使用者對(duì)擴(kuò)散的影響;外部影響模型,將技術(shù)擴(kuò)散完全歸于系統(tǒng)的外部因素;混合影響模型,如Bass模型,綜合考慮了內(nèi)外部因素對(duì)擴(kuò)散的影響。混合模型中涉及的未知參數(shù)較多,對(duì)于數(shù)據(jù)充足性要求較高。外部影響模型將潛在的采用者市場(chǎng)氛圍已采納創(chuàng)新者和未采納創(chuàng)新者兩大類(lèi)。內(nèi)部影響模型假定創(chuàng)新擴(kuò)散完全是由潛在市場(chǎng)內(nèi)部的信息傳播推動(dòng),其描述的創(chuàng)新擴(kuò)散過(guò)程與傳染病的傳播過(guò)程相似,也被稱(chēng)為標(biāo)準(zhǔn)傳染模型。本文研究認(rèn)為太陽(yáng)能光伏技術(shù)擴(kuò)散過(guò)程符合傳染病擴(kuò)散過(guò)程:即初始階段技術(shù)進(jìn)入市場(chǎng),由于潛在采用者的不確定性及技術(shù)本身的風(fēng)險(xiǎn),擴(kuò)散速度緩慢;加速階段,隨著用戶(hù)增多,市場(chǎng)傳播速度加快,普及量開(kāi)始迅速增加;飽和階段,當(dāng)超過(guò)最大加速度點(diǎn)之后,技術(shù)市場(chǎng)擴(kuò)散速度開(kāi)始減慢,最終達(dá)到市場(chǎng)飽和,即最大開(kāi)發(fā)量,這一過(guò)程通過(guò)下文圖1能夠清楚的看出。Fisher和Pry(1970)、Henry(1972)和Blaekmna(1974)等人通過(guò)比較研究各種技術(shù)創(chuàng)新擴(kuò)散過(guò)程,認(rèn)為內(nèi)部擴(kuò)散模型(Logistic模型)可以較好地描述技術(shù)創(chuàng)新擴(kuò)散過(guò)程。因此本文研究采用Logistic模型對(duì)太陽(yáng)能光伏技術(shù)擴(kuò)散趨勢(shì)進(jìn)行預(yù)測(cè)。假設(shè)在某一時(shí)點(diǎn)t太陽(yáng)能的市場(chǎng)最大開(kāi)發(fā)能力Nt,時(shí)間t點(diǎn)上太陽(yáng)能光伏的市場(chǎng)普及量或者已有的市場(chǎng)潛能為nt,若太陽(yáng)能光伏技術(shù)采用比率為β,則在無(wú)限小的時(shí)間間隔dt中,市場(chǎng)采用數(shù)量可以表示為如下:令f(t)=ntNt,表示時(shí)間t上太陽(yáng)能光伏的市場(chǎng)開(kāi)發(fā)率,即某一時(shí)點(diǎn)上,太陽(yáng)能光伏技術(shù)市場(chǎng)普及量nt在最大經(jīng)濟(jì)可開(kāi)發(fā)量Nt中所占得比例。公式(1)可以變形如下:在Logistic模型中,市場(chǎng)開(kāi)發(fā)率f(t)可以作為衡量技術(shù)擴(kuò)散程度主要因素,然而現(xiàn)實(shí)中,技術(shù)擴(kuò)散速度隨著時(shí)間的增長(zhǎng)呈現(xiàn)緩慢減弱趨勢(shì),對(duì)此,我們將公式(6)做如下變形:分析公式(7)易知隨著時(shí)間的無(wú)限增長(zhǎng),公式逐漸減小并逐步趨向于0,這一變化趨勢(shì)與模型假設(shè)以及現(xiàn)實(shí)都是相符合的,另外,Mansfield認(rèn)為技術(shù)擴(kuò)散比率與已經(jīng)采納新技術(shù)市場(chǎng)份額有關(guān)[5],由此可知,Logistic模型能夠比較合理的解釋太陽(yáng)能光伏技術(shù)的擴(kuò)散趨勢(shì)。本文模型中自變量只有時(shí)間一個(gè)量,對(duì)于邏輯模型中只有一個(gè)自變量的情況,預(yù)測(cè)結(jié)果傾向于定性結(jié)果。因此本文的結(jié)果更多的定性反映了太陽(yáng)能光伏發(fā)電技術(shù)擴(kuò)散的整體趨勢(shì)。

1•2模型參數(shù)估計(jì)

模型中β表示擴(kuò)散速度,定義為太陽(yáng)能技術(shù)擴(kuò)散的市場(chǎng)滲透比率,是擴(kuò)散研究中的關(guān)鍵參數(shù)。從公式(4)中可以看出,市場(chǎng)滲透比率在長(zhǎng)期過(guò)程隨著新技術(shù)市場(chǎng)占有率的提高在逐步下降,β決定了擴(kuò)散曲線的斜率和坡度。對(duì)于擴(kuò)散速率β的影響因素,國(guó)內(nèi)外學(xué)者研究頗多。Mansifield認(rèn)為技術(shù)擴(kuò)散比率與技術(shù)的投資額度和收益率以及已經(jīng)采納新技術(shù)市場(chǎng)份額有關(guān)[6],R•Kemp(1997)認(rèn)為影響可再生能源擴(kuò)散過(guò)程的主要因素為采用者特征,社會(huì)經(jīng)濟(jì)環(huán)境特征、技術(shù)本身及技術(shù)使用者特征,Jacobson,Johnson則通過(guò)技術(shù)系統(tǒng)視角認(rèn)為社會(huì)受眾知識(shí)基礎(chǔ),政治環(huán)境制度以及技術(shù)原動(dòng)力三方能夠影響可再生能源擴(kuò)散速度[15]。Reddy和Painuly則通過(guò)采訪利益相關(guān)者,得出政府介入以及提高可再生能源貢獻(xiàn)能夠加快可再生能源擴(kuò)散速度[16]。Peter通過(guò)研究太陽(yáng)能光伏技術(shù)擴(kuò)散研究發(fā)現(xiàn),財(cái)政收入,政府導(dǎo)向積極性,投資成本,技術(shù)可靠性,信息傳播程度以及環(huán)保意識(shí)能夠影響新能源技術(shù)擴(kuò)散速度[17]。所有這些因素對(duì)于估計(jì)β的值都有影響作用,但是在新能源研究中,這方面的數(shù)據(jù)相對(duì)較少。在Logistic模型中,數(shù)據(jù)充足時(shí),參數(shù)估計(jì)方法通常有普通最小二乘法(Bass,1969)、極大似然估計(jì)法(sehmittlein,1982)和非線性最小二乘法(Srinirasna,1986)。而在缺乏有效數(shù)據(jù)的情況下,參數(shù)可以通過(guò)管理判斷或者歷史上類(lèi)似創(chuàng)新的擴(kuò)散情況來(lái)獲得,用歷史數(shù)據(jù)估計(jì)模型中的參數(shù)值作為一種數(shù)據(jù)確實(shí)情況下的估值方法被眾多學(xué)者論證過(guò)[13],Collantes根據(jù)市場(chǎng)競(jìng)爭(zhēng)者的歷史數(shù)據(jù)估計(jì)出了燃料電池車(chē)的市場(chǎng)擴(kuò)散速率,并證明了歷史數(shù)據(jù)估值的有效性[5]。我國(guó)學(xué)者李繼峰,張阿玲在對(duì)我國(guó)新能源可再生能源發(fā)展預(yù)測(cè)研究中,參數(shù)β值的確定也采用了專(zhuān)家意見(jiàn)及經(jīng)驗(yàn)數(shù)據(jù)[1]。國(guó)外學(xué)者在研究太陽(yáng)能光伏技術(shù)擴(kuò)散方面數(shù)據(jù)較為全面,根據(jù)文獻(xiàn)研究,德國(guó),芬蘭,以及世界范圍下的太陽(yáng)能光伏技術(shù)擴(kuò)散市場(chǎng)開(kāi)發(fā)率要達(dá)到50%,分別需要21、23、44年的時(shí)間,其擴(kuò)散速度也有較大差別。我們?nèi)?種情況下的平均值作為假設(shè)條件下我國(guó)太陽(yáng)能光伏技術(shù)擴(kuò)散系數(shù),其中擴(kuò)散比率Ttop,β取自表1,將這兩個(gè)參數(shù)值代入公式Ttop=α/β得α的值。參數(shù)值計(jì)算結(jié)果如表2所示。