Tóm tắt Phương pháp định giá công nghệ dài hạn mới cho các công nghệ năng lượng tái tạo kết hợp giữa hệ thống động lực học và mô phỏng Monte Carlo được đề xuất. Các phương pháp định giá hiện tại sử dụng khảo sát hoặc dòng tiền mặt phù hợp với các công nghệ đặc trưng bởi vòng đời ngắn và bất định, nhưng không thích hợp cho các công nghệ năng lượng tái tạo bị ảnh hưởng bởi nhiều bất định dài hạn. Một loạt các yếu tố vĩ mô và vi mô tương tác theo những cách phức tạp, tạo ra sự bất định và gây khó khăn về mặt định giá. Động lực hệ thống cung cấp một phương pháp tốt để cấu trúc các tương tác phức tạp này. Mô phỏng Monte Carlo có thể xem xét sự bất định lâu dài trong định giá. Sử dụng lợi thế của cả hai phương pháp, phương pháp của chúng tôi có thể cải thiện không chỉ độ tin cậy dài hạn về định giá xác suất công nghệ mà còn cả các quyết định và đầu tư R D trên cả hai mặt công cộng và tư nhân. Công nghệ sản xuất quang điện tại Hàn Quốc, một công nghệ năng lượng tái tạo, được sử dụng làm ví dụ. © 2014 Elsevier Ltd. Tất cả quyền được bảo lưu.
Trang 1Định giá công nghệ năng lượng tái tạo dài hạn sử dụng động lực hệ
thống và mô phỏng Monte Carlo: Công nghệ quang điện
Thông tin bài báo
Lịch sử bài viết:
Nhận được ngày 18 tháng 5 năm 2013
Nhận được trong bản sửa đổi ngày 9
tháng 1 năm 2014
Được chấp nhận ngày 13 tháng 1 năm
2014
Có sẵn trực tuyến ngày 12 tháng 2 năm
2014
Từ khóa:
Công nghệ quang điện
Định giá công nghệ
Động lực hệ thống
Đường cong học tập hai yếu
tố
Mô phỏng Monte Carlo
Tóm tắt
Phương pháp định giá công nghệ dài hạn mới cho các công nghệ năng lượng tái tạo kết hợp giữa hệ thống động lực học và mô phỏng Monte Carlo được đề xuất Các phương pháp định giá hiện tại sử dụng khảo sát hoặc dòng tiền mặt phù hợp với các công nghệ đặc trưng bởi vòng đời ngắn và bất định, nhưng không thích hợp cho các công nghệ năng lượng tái tạo bị ảnh hưởng bởi nhiều bất định dài hạn Một loạt các yếu tố vĩ mô và vi mô tương tác theo những cách phức tạp, tạo ra sự bất định và gây khó khăn về mặt định giá Động lực hệ thống cung cấp một phương pháp tốt để cấu trúc các tương tác phức tạp này Mô phỏng Monte Carlo có thể xem xét sự bất định lâu dài trong định giá Sử dụng lợi thế của cả hai phương pháp, phương pháp của chúng tôi có thể cải thiện không chỉ độ tin cậy dài hạn về định giá xác suất công nghệ mà còn cả các quyết định và đầu tư R & D trên cả hai mặt công cộng và tư nhân Công nghệ sản xuất quang điện tại Hàn Quốc, một công nghệ năng lượng tái tạo, được sử dụng làm ví dụ.
© 2014 Elsevier Ltd Tất cả quyền được bảo lưu.
1 Giới thiệu
Do sự biến đổi khí hậu và cạn kiệt nhiên liệu hóa thạch, một
thỏa thuận quốc tế đã nhất trí rằng cần chuyển đổi năng lượng
toàn cầu từ nhiên liệu hóa thạch sang các nguồn năng lượng tái
tạo Trong vài thập kỷ qua, thỏa thuận này đã được làm rõ hơn
thông qua một loạt các hiệp ước quốc tế bao gồm Công ước
khung của Liên Hợp Quốc về Biến đổi khí hậu (1992), Nghị định
thư Kyoto (2005), Hiệp ước Copenhagen (2009) và Thỏa thuận
Cancun (2010) Đặc biệt, các nước phụ thuộc nhiều vào nguồn
nhiên liệu hóa thạch nước nhập khẩu đã thể hiện thái độ tích cực
đối với năng lượng tái tạo
Trong số các nguồn năng lượng tái tạo khác nhau, năng lượng mặt
trời PV (quang điện) thu hút sự chú ý nhất Quy mô thị trường PV là
16,8 GW trong năm 2010, chiếm 8% thị trường năng lượng tái tạo nói
chung Từ năm 1997, tốc độ tăng trưởng của PV là nhanh nhất, đạt
45% vào năm 2003 và 2009 [1] Tuy nhiên, so với kỳ vọng, sự phổ
biến của PV đã bị hạn chế do chi phí cao Thị trường PV không thể
phát triển nếu không có chính sách ưu đãi quốc gia Khi nền kinh tế
thế giới đi vào giai đoạn tăng trưởng thấp, thị trường PV đang gặp khó
khăn do giảm ưu đãi quốc gia Các hoài nghi đã xuất hiện về khả năng
làm cho chi phí PV có thể so sánh với các công nghệ sản xuất điện
khác Đó là lý do tại sao nhiều công ty và chính phủ quan tâm đến
hiệu quả, chi phí
* Corresponding author Tel.: þ82 31 290 7607; fax: þ82 31 290 7610.
của PV
Trong một số phương pháp định giá năng lượng tái tạo, CVM (phương pháp định giá ngẫu nhiên) và DCF (chiết khấu dòng tiền mặt)
đã được sử dụng rộng rãi CVM đã được áp dụng chủ yếu cho các nguồn năng lượng công cộng sử dụng WTP (sẵn lòng trả) [2,3] Mọi người được hỏi thông qua một cuộc khảo sát số tiền họ sẽ sẵn sàng trả cho các nguồn năng lượng mới, và WTP được chuyển đổi thành một giá trị tiền tệ Tập trung vào giá trị kinh tế, DCF ước tính và tổng kết tất cả các khoản tiền mặt tương lai dự kiến để đánh giá liệu dự án năng lượng hay công nghệ này có lợi nhuận hay không Cả hai đều phù hợp với định giá ngắn hạn với ít sự bất định, nhưng không phù hợp với các công nghệ năng lượng tái tạo bị ảnh hưởng bởi những tính bất định dài hạn Hơn nữa, các yếu tố khác nhau bao gồm đầu tư
R & D của công ty, chính sách của chính phủ và quy định quốc tế tương tác theo những cách tinh vi, tạo ra sự bất định nghiêm trọng và làm cho các phương pháp nêu trên không phù hợp
Thay vào đó, phương pháp tùy chọn thực đã được đề xuất Davis
và Owens (2003) áp dụng cả tùy chọn thực tế và DCF cho các công nghệ năng lượng tái tạo Họ kết luận rằng DCF không tốt khi định giá các công nghệ năng lượng tái tạo mà không xem xét những bất định khác nhau như biến động giá dầu [4] Các nhà nghiên cứu đã cố gắng phát triển cải thiện các phương pháp tùy chọn thực, bao gồm mô hình mạng nhị phân [5] và mô hình lập trình động [6,7] Các phương pháp tùy chọn thực phản ánh các yếu tố khác nhau và sự bất định trong định giá, nhưng không thể xem xét tương tác của chúng
0360-5442/$ e see front matter © 2014 Elsevier Ltd All rights reserved
Energy
Trang chủ: www.elsevier.com/locate/energy
Trang 2Mặc dù có những hạn chế của các phương pháp này, không có nhiều
nghiên cứu đề xuất một phương pháp định giá dài hạn mới cho các
công nghệ năng lượng tái tạo
Giải quyết vấn đề này, chúng tôi trình bày một phương pháp định
giá xác suất mới cho các công nghệ năng lượng tái tạo dài hạn SD
(động lực hệ thống) cho phép chúng tôi xác định lại các yếu tố khác
nhau, sự bất định và tương tác của chúng trong định giá Mô hình
Monte Carlo vượt qua các hạn chế của xác định DCF, và xác định giá
trị xác suất có thể do liên quan đến sự biến động của các yếu tố liên
quan Tận dụng cả hai phương pháp, phương pháp của chúng tôi có
thể cải thiện độ chính xác định giá Để ví dụ minh họa, chúng tôi định
giá công nghệ PV của Hàn Quốc
2 Lịch sử công nghiệp
Chuỗi giá trị ngành công nghiệp PV bắt đầu từ sản xuất polysilicon
thông qua việc sản xuất tấm, phôi, pin cell và mô-đun, để tích hợp vào
hệ thống tổng thể Các tấm và các phôi được làm bằng silicon Các
pin cell được làm từ vật liệu rời được cắt thành các tấm mỏng thông
qua các quá trình như các vật liệu được sử dụng cho các chất bán
dẫn, và sau đó được kết nối điện và đóng gói như một mô-đun Một hệ
thống PV được tạo thành từ các mô-đun và các thành phần điện khác
Mô-đun là các đơn vị cơ bản về chi phí và hiệu quả, chiếm khoảng
55% tổng chi phí hệ thống PV [8] Chi phí mô-đun PV là cao nhất
Do sự hỗ trợ của chính phủ làm giảm gánh nặng chi phí, thị trường
PV toàn cầu đã phát triển nhanh chóng kể từ cuối những năm 1990
Đức và Ý đã thúc đẩy sự tăng trưởng này, chiếm hơn 80% tổng nhu
cầu tổng điện vào năm 2009 Vào cuối những năm 2000, Mỹ, Trung
Quốc và Nhật Bản gia nhập thị trường PV, và thúc đẩy tăng trưởng
của nó Thị trường PV toàn cầu dự kiến sẽ tăng hơn 18% hàng năm
trong những năm tiếp theo và đạt tới 77 GW vào năm 2016 [1] Nói
một cách đơn giản, thị trường PV đã và sẽ là một thị trường phát triển
nhanh
Rõ ràng, chính sách của chính phủ đã là động lực chính thúc đẩy
đầu tư và tăng trưởng thị trường PV Có ba loại chính sách, bao gồm
FIT (biểu giá điện hỗ trợ), RPS (tiêu chuẩn danh mục đầu tư tái tạo)
và trợ cấp Theo FIT, chính phủ trả một mức giá dựa trên chi phí cho
năng lượng tái tạo RPS buộc các nhà cung cấp phải cung cấp một
phần điện của họ cho người tiêu dùng từ các nguồn năng lượng tái
tạo Hoặc, chính phủ có thể chỉ đơn giản là trực tiếp cung cấp cho các
công ty nguồn trợ cấp để trả tiền cho việc lắp đặt hệ thống PV của họ
Một số nghiên cứu đã tìm hiểu tính hiệu quả và hiệu suất của các
chính sách này Một số nghiên cứu đã hỗ trợ FIT dựa trên sự phổ biến
nhanh chóng của các hệ thống PV ở Đức và Ý [9e11] Tiến xa hơn
một chút, các nghiên cứu gần đây đã đề xuất phương pháp thực hiện
FIT hiệu quả được gọi là phương án định giá tối ưu [12] Gần đây, các
nhà nghiên cứu đã chú ý nhiều hơn đến trợ cấp Dusonchet và
Telaretti (2010) đã nghiên cứu các khoản trợ cấp hệ thống PV của Bỉ
[13] Talavera et al (2010) đã phân tích kinh tế học về trợ cấp sử dụng
tỷ suất hoàn vốn nội bộ và phân tích độ nhạy [14] Chiung-Wen Hsu
(2012) so sánh FIT với trợ cấp về mặt kinh tế [15] Thông thường, họ
đề xuất các chính sách tối ưu cụ thể theo từng quốc gia, ngụ ý rằng
không có chính sách tốt nhất cho một số quốc gia Nói cách khác,
chính sách năng lượng tái tạo nên được tùy chỉnh theo các đặc điểm
của từng quốc gia bao gồm khả năng công nghệ, điều kiện tài chính
của chính phủ và các điều kiện khác [16]
Do chính sách thúc đẩy của chính phủ, nhiều công ty đã đầu tư rất
lớn vào PV, và đã mở rộng năng lực sản xuất PV để tạo ra lợi thế
cạnh tranh bằng cách đạt được quy mô kinh tế Họ kỳ vọng giá PV sẽ
giảm nhanh khi năng lực sản xuất tăng Tuy nhiên, giá đã không giảm
như mong đợi, tạo ra một số hoài nghi về các chính sách đã được
thực hiện Hoài nghi về làm chậm sự tăng trưởng kinh tế toàn cầu, và
buộc một số chính phủ phải thay đổi chính sách năng lượng tái tạo
Các nước châu Âu đã giữ FIT, nhưng giảm nó nhiều hơn
10% do tăng gánh nặng Nhiều quốc gia bị hạn chế về ngân sách nghiêm trọng đã chuyển từ FIT sang RPS Để tạo thuận lợi cho việc phổ biến PV, một số nước giới thiệu một phần FIT, trong khi vẫn duy trì RPS
Nhìn chung, ngành công nghiệp PV phải đối mặt với hai rủi ro Rủi
ro chính đến từ chi phí PV trên một đơn vị điện, cao hơn so với các công nghệ nhiên liệu hóa thạch khác Chi phí tương đối cao dẫn đến việc áp dụng PV giảm Mức độ chấp nhận thấp hơn sẽ dẫn đến đầu tư
ít PV hơn, điều này sẽ làm chậm tiến bộ công nghệ PV cũng như giảm chi phí Một khi chu trình luẩn quẩn này tiếp tục, nhiều công ty tư nhân
có thể rút khỏi ngành công nghiệp PV Ngoài ra, các ưu đãi chính sách đối với các nguồn năng lượng tái tạo, chẳng hạn như FIT và trợ cấp trực tiếp, sẽ tiếp tục giảm ở một số quốc gia, khuyến khích các công ty
tư nhân tham gia chu kỳ Nếu không xem xét những rủi ro này, chính phủ và các công ty tư nhân có thể có tổn thất đầu tư PV lớn Vì vậy, xem xét các yếu tố và rủi ro chính bao gồm chi phí, đầu tư và chính sách R & D, họ nên đánh giá công nghệ PV chính xác hơn để đưa ra quyết định đầu tư R & D tốt hơn
3 Phương pháp
3.1 Nền tảng nghiên cứu
Định giá công nghệ năng lượng tái tạo dài hạn phải xem xét: 1) các nhân quả vòng tròn giữa các biến bên trong và bên ngoài, 2) các bất định động lực dài hạn và ảnh hưởng của chúng và 3) định giá xác suất Tuy nhiên, như đã lưu ý ở trên, các phương pháp định giá xác định bao gồm DCF và CVM không thể đáp ứng bất kỳ yêu cầu nào trong số này Phương thức tùy chọn thực không thể đáp ứng yêu cầu đầu tiên SD được phát triển để phân tích tính động lực của các hệ thống phức tạp đặc trưng bởi quan hệ nhân quả vòng tròn và sự bất định nghiêm trọng, và do đó là phương pháp thích hợp nhất để đáp ứng các yêu cầu đầu tiên và thứ hai Mô phỏng Monte Carlo là một phương pháp được sử dụng rộng rãi để điều tra sự bất định theo cách xác suất, do đó đáp ứng các yêu cầu thứ hai và thứ ba Vì vậy, kết hợp SD với mô phỏng Monte Carlo, chúng ta có thể phát triển một phương pháp xác định giá trị công nghệ dài hạn để đáp ứng ba yêu cầu chính ở trên
Hagenson (1990) gợi ý rằng sự kết hợp giữa SD và mô phỏng Monte Carlo có thể là một công cụ hữu ích để nhận biết các rủi ro tiềm
ẩn, nhưng không định lượng được các rủi ro [17] Tiến lên một bước
xa hơn, Dhawan (2005) đã tiến hành một loạt các thí nghiệm được kiểm soát để kiểm tra các ảnh hưởng của SD, SD với phân tích độ nhạy và SD xác suất [18] Các mô hình SD xác suất thể hiện hành vi thực sự của một hệ thống phức tạp tốt hơn so với hai kỹ thuật khác Đặc biệt, SD với mô phỏng Monte Carlo đã được thử nghiệm trong một số nghiên cứu trước đây, cung cấp một số bằng chứng về tính hữu dụng trong việc nghiên cứu những bất định [19,20] Sử dụng SD làm mô hình cơ sở, SD với mô phỏng Monte Carlo là phương pháp thích hợp nhất để phân tích sự bất định động lực của một hệ thống phức tạp
Phương pháp của chúng tôi có ba mô-đun bao gồm 1) mô hình định giá công nghệ cơ bản với các yếu tố bên trong, 2) mô hình về mối quan hệ nhân quả giữa các yếu tố bên ngoài và 3) mô hình định giá xác suất tích hợp Lưu ý rằng chi phí PV trên một đơn vị điện là quan trọng đối với các công ty Vì vậy, phương pháp của chúng tôi đánh giá một công nghệ bằng các chi phí thực tế phát sinh trong việc tạo ra một mô-đun PV Chi phí có thể được giảm cả bằng cách học tập hiệu quả
và đổi mới công nghệ Đường cong học tập hai yếu tố thích hợp để xác định lại sự ảnh hưởng của các yếu tố bên trong này SD có thể đại diện cho các yếu tố bên ngoài khác nhau và các quan hệ thông thường Bằng cách này, chúng ta có thể xem xét lại các biến số phức tạp giữa các biến bên trong và bên ngoài trong định giá công nghệ Tuy nhiên, phương pháp này là xác định Mô phỏng Monte Carlo giúp xác định giá trị xác suất, giao dịch hiệu quả với những bất định lâu dài Mục tiêu, quy trình và phương pháp chính được thể hiện trong Bảng 1
Trang 3Nền tảng nghiên cứu
Mô hình định giá cơ bản với các biến nội bộ
● Đường cong học tập hai yếu tố
● Hồi quy
● Ngoại suy
● Xem xét tài liệu
● Động lực hệ thống
● Khung 3E
● Xem xét tài liệu
● Mô phỏng Monte Carlo
3.2 Đường cong học tập hai yếu tố
Xử lý đường cong học tập như một nguồn thay đổi công nghệ khác
biệt đã được trình bày bởi Wright [21] Hiệu quả học tập bằng cách
làm được đo bằng cách giảm chi phí đơn vị của một sản phẩm như là
một hàm của kinh nghiệm thu được từ sự gia tăng sản lượng tích lũy
Khi áp dụng khái niệm này, hầu hết các nghiên cứu trước đây về định
giá công nghệ PV giả định rằng giá PV sẽ giảm tương ứng với sản
lượng tích lũy [8,22] Tuy nhiên, các mô hình đường cong học tập một
yếu tố thể hiện những thiếu sót khi áp dụng cho các công nghệ trong
đó nghiên cứu và phát triển (R & D) thúc đẩy sự thay đổi công nghệ
nhanh chóng và đột phá [23] Sự cạnh tranh giữa công nghệ PV thế
hệ đầu tiên và thế hệ thứ hai đã được mở ra, và công nghệ PV thế hệ
thứ ba đang tiến triển nhanh chóng Các nghiên cứu định giá công
nghệ PV sử dụng các đường cong học tập một yếu tố có khả năng
đánh giá quá cao tác động của việc học tập bằng cách làm Để xác
định giá trị công nghệ PV tốt hơn, cần phải tái khẳng định không chỉ
học tập bằng cách làm mà còn là đổi mới công nghệ
Các 2FLC (đường cong học tập hai yếu tố) trình bày bởi
Kouvaritakis et al (2000) kết hợp cả học tập bằng cách làm và đổi mới
công nghệ, và do đó là đường cong thích hợp [23] Nó có thể được
xây dựng như sau trong một thời gian nhất định t
3.3 Động lực hệ thống
Từ khi Forrester đề nghị SD vào những năm 1950, nó đã nhận được nhiều sự chú ý như một phương pháp để phân tích hành vi của các hệ thống phức tạp theo thời gian SD đã được áp dụng để quản lý doanh nghiệp trong những năm 1960, và sau đó được ứng dụng trong một loạt các lĩnh vực [25] Nó ngày càng trở nên phổ biến trong việc phân tích các lĩnh vực năng lượng bởi vì các hệ thống năng lượng là điển hình của các hệ thống dài hạn, động lực và phức tạp [26e32] Đã
có một số mô hình chính sách SD, bao gồm Ford (1983) và Natil (1992) [30,31] Một số nghiên cứu đã được tiến hành trong các lĩnh vực khác nhau bao gồm phân tích hiệu quả và định giá công nghệ [26e29]
Trên tất cả, sự hấp dẫn của SD xuất phát từ sự thừa nhận rằng cấu trúc của một hệ thống có thể là hình tròn Khắc phục những điểm yếu của mô hình nhân quả tuyến tính như mô hình hồi quy, nó cho phép tìm kiếm mô tả tương tác phức tạp giữa các yếu tố khác nhau,
và do đó phân tích tính phi tuyến tính của nhiều hệ thống Ngoài ra, sử dụng vòng lặp phản hồi, cổ phiếu và dòng tiền, SD có thể mô tả mối quan hệ liên khóa và trì hoãn thời gian giữa các yếu tố, từ đó mô phỏng hành vi động lực dài hạn của toàn bộ hệ thống chính xác hơn [25] Nhìn chung, nó là một trong những phương pháp tốt nhất để dự đoán hành vi tương lai của các hệ thống phức tạp được đặc trưng bởi nhiều yếu tố, các tương tác khác nhau và phi tuyến tính
UCt ¼ k$CUM m$KSn (1
)
Như đã lưu ý trước đây, công nghệ PV đã bị ảnh hưởng bởi các chính sách quản lý và cũng bởi các yếu tố tương tác khác nhau, bao
KSt ¼ ð1 —
vậy, SD là một trong những phương pháp thích hợp nhất để mô tả Chi phí sản xuất đơn vị, được biểu thị bởi UC, là một hàm của
cả CUM (tích lũy sản xuất) và KS (cổ phiếu tri thức) Cổ phiếu tri thức
có thể xấp xỉ bằng R & D tích lũy Lưu ý rằng một số tri thức mất giá
và trở nên vô dụng Hệ số r biểu thị tỷ lệ khấu hao tri thức Ngoài ra,
để chuyển đổi R & D chi tiêu vào tri thức mất một thời gian, được biểu
thị bằng t-R & D lag Xem xét các yếu tố này, chúng ta có thể tính toán
cổ phiếu tri thức tại thời điểm t như (2) 2FLC đã được sử dụng để
đánh giá các công nghệ năng lượng tái tạo được đặc trưng bởi chi phí
cao và R & D lớn [24]
hành vi phức tạp của toàn bộ hệ thống năng lượng
và để liên kết mô hình quan sát về sự ảnh hưởng của nó đối với giá trị của công nghệ
4 Phân tích thực nghiệm
4.1 Mô hình định giá cơ bản biến bên trong
Các 2FLC được sử dụng như là một mô hình định giá cơ bản để
đo lường phát triển công nghệ cao Thay vì chi phí đơn vị, giá PV được sử dụng
Trang 5ð Þ ¼
Hình 2 Cổ phiếu tri thức (2011 Triệu USD).
bởi vì chi phí đơn vị thay đổi đáng kể giữa các công ty Các nghiên
cứu gần đây đã đề xuất chi phí R & D toàn cầu như một biện pháp ủy
quyền của cổ phiếu tri thức hơn là chi phí R & D quốc gia bởi vì kiến
thức PV mới lan tỏa nhanh chóng trên toàn cầu [33,34] Tương tự, số
lượng sản xuất PV toàn cầu là tốt hơn so với giá trị địa phương Vì
vậy, chúng tôi sử dụng chi phí R & D toàn cầu và số lượng sản xuất R
& D toàn cầu là hai yếu tố trong đường cong học tập
Để tính toán cổ phiếu tri thức, chúng tôi đã thu thập dữ liệu chi tiêu
R & D năm 1974-2011 từ IEA (Cơ quan Năng lượng Quốc tế) vì hầu
hết các nước tham gia vào PV R & D đều là thành viên của IEA [35]
Các giá trị danh nghĩa được chuyển đổi thành giá trị thực tế bằng cách
sử dụng tổng sản phẩm GDP của Hoa Kỳ (tổng sản phẩm quốc nội)
như một ước số Năm cơ sở là năm 2011 Ngoài ra, bằng cách sử
dụng tỷ giá hối đoái trung bình trong năm 2011 của đồng đô la với các
loại tiền tệ khác, tất cả các loại tiền tệ đã được quy đổi thành đô la Mỹ
Để đưa ra giả định về các thông số của cổ phiếu tri thức, chúng ta
phải xác định mô hình động lực của chi phí PV R & D Như được biểu
diễn trong Hình 1, tổng chi phí PV R & D tích lũy cho thấy sự tăng
trưởng tuyến tính, được hỗ trợ bởi giá trị R2 (0,9939) cao của hồi quy
tuyến tính như được thể hiện trong (3) Đầu tư tích lũy PV R & D,
được biểu thị bằng CUMRDt, tại thời điểm t là hàm số năm (T) kể từ
năm 1974
Kobos et al (2006) đã đề xuất rằng tỷ lệ khấu hao phù hợp sẽ là
0,1 với thời gian trễ R & D trong ba năm đối với các công nghệ năng
lượng tái tạo nếu chi phí R & D tích lũy đã tăng tuyến tính Với giả
định này, cổ phiếu tri thức cho công nghệ PV là như trong (4)
KSt ¼ 0:9$KS t—1 þ RDt—3: (4)
Sử dụng phương trình (4), chúng ta có thể phác họa cổ phiếu tri
thức thay đổi như hình 2 Nó cho thấy sự tăng trưởng phi tuyến tính
trong giai đoạn đầu, nhưng phát triển tuyến tính bắt đầu từ năm 1985
Sau đó, chúng tôi thu thập dữ liệu sản xuất PV tích lũy từ các báo
cáo định kỳ 1974-2010 của Viện Chính sách Trái đất [36] Theo IEA và
Moro và Duart (2013), giới hạn trên của sản lượng PV tích lũy toàn
cầu sẽ vào khoảng 3450 GW [35,37]
Hình 3.Đường cong Logistic và tích lũy sản xuất PV
Tuy nhiên, tốc độ tăng trưởng sản lượng PV tích lũy của Trung Quốc được dự đoán sẽ tăng liên tục vào năm 2050 Xét đến giới hạn trên và mức tăng trưởng nhanh hiện tại, chúng tôi sử dụng đường cong logistic để mô tả và dự báo tăng trưởng sản xuất [38]
Y t L ; (5)
trong đó L biểu thị giới hạn trên của sản xuất PV và được giả định là
3450 GW Sử dụng dữ liệu 1974-2010, chúng tôi ước tính các hình dạng thông số (a) và (b) NewtoneRaphson và các phương pháp bình phương nhỏ nhất được sử dụng để ước lượng các thông số trong Bảng 2 Với các thông số này, chúng tôi dự báo sản lượng PV tích lũy trong tương lai như trong Hình 3 Nó đã tăng trưởng trước năm 2005, nhưng sau đó tăng trưởng nhanh
Để dự đoán giá mô-đun PV, cần ước tính ba thông số (k, m, n) trong (6) Lưu ý rằng (6) là một hình chuyển đổi (1) Dữ liệu giá mô-đun PV từ các báo cáo định kỳ 1974-2010 của Viện Chính sách Trái đất và IEA đã được sử dụng [35,36] Sử dụng NewtoneRaphson và phương pháp bình phương nhỏ nhất, chúng tôi ước tính các thông số trong Bảng 3 Đáng chú ý, giá trị ước tính của chỉ số đổi mới công nghệ tương tự như chỉ số học tập, có nghĩa là R & D đã có hiệu quả là giảm giá PV
Như thể hiện trong hình 4, giá mô-đun PV ước tính được tìm thấy bởi 2FLC của chúng tôi tương tự như dữ liệu lịch sử Với giả định rằng
xu hướng lịch sử sẽ tiếp tục, chúng tôi dự đoán các giá trị tương lai của sản xuất PV tích lũy, tích lũy cổ phiếu tri thức và giá mô-đun PV như được hiển thị trong Hình 5 Cổ phiếu tri thức tích lũy sẽ tăng trưởng tuyến tính vào năm 2030 Khác biệt một chút, sản lượng PV tích lũy sẽ tăng trưởng nhanh chóng sau năm 2015 R & D có tác dụng tương tự như sản xuất trên giá PV trong thời gian tới, nhưng sản xuất
sẽ ngày càng trở nên quan trọng trong dài hạn Thúc đẩy bởi
Bảng 2
Ước tính chỉ tiêu đường cong Logistics
Bảng 3 Ước tính chỉ tiêu 2FLC
*Ghi chú: MW (Tri u Watt) ệu USD, theo tỷ giá)
Đư R&D PV (2011 triệu USD, theo tỷ giá) ng cong ờng cong Logistic
Tích lũy s n xu t PV ản xuất PV ất PV (MW)
Trang 6Hình 4 Giá mô-đun PV thực tế và giả định
những yếu tố này, giá mô-đun PV sẽ dưới $ 1,1 / W vào năm
2025, nhưng sẽ vào khoảng $ 0,9 / W ngay cả trong năm 2030
4.2 Mô hình định giá mở rộng biến bên ngoài
Như đã lưu ý trước đây, công nghệ PV bị ảnh hưởng bởi cả biến
bên trong và bên ngoài Các mối quan hệ nhân quả giữa các biến bên
ngoài được tạo ra bởi các tương tác lẫn nhau phức tạp, và do đó
không phải là tuyến tính mà là hình tròn Để xác định lại những giá trị
của công nghệ PV, chúng ta phải xác định các biến bên ngoài chính,
hiểu cách các biến này tương tác với nhau và xây dựng mô hình để
mô tả tương tác Mô hình này có thể làm rõ các biến số bên ngoài của
công nghệ PV, qua đó cải thiện định giá công nghệ PV
Đã có một số mô hình của các mối quan hệ cấu trúc giữa các biến
năng lượng vĩ mô, chẳng hạn như MARKAL-MACRO bởi Manne và
Wene (1992) và ENTICE bởi Popp (2004) [39,40] Khi xem xét các mô
hình này, chúng tôi đã xác định ba loại phổ biến của các biến bên
ngoài chính bao gồm ngành công nghiệp năng lượng, chính sách môi
trường các quy định và kinh tế vĩ mô
Trong các mô hình năng lượng trước đây, khung 3E xác định các
loại này và tương tác lẫn nhau của chúng tốt hơn các loại khác, như
được biểu diễn trong Hình 6 Khung bao gồm an ninh năng lượng, bảo
vệ môi trường và tăng trưởng kinh tế Các biến ngành công nghiệp
năng lượng chủ yếu như cung cấp năng lượng, nhu cầu và R & D
được phân loại thành an ninh năng lượng, cho thấy các mối quan hệ
tĩnh và động giữa các biến đó Tương tự như vậy, các chính sách và
quy định về môi trường của chính phủ thuộc về bảo vệ môi trường và
các biến kinh tế vĩ mô như GDP thuộc về tăng trưởng kinh tế Khung
3E cho rằng sự mất cân bằng trong ba loại sẽ dẫn đến nhiều vấn đề
và thất bại trong ngành năng lượng
Xác định các biến phổ biến được quan sát thấy trong các mô hình năng lượng cấp vĩ mô trước đây, chúng tôi gán các biến đó cho ba loại theo khung 3E Như đã lưu ý trước đây, SD thích hợp để biểu diễn các mối quan hệ cấu trúc giữa các biến đó Vì vậy, để cấu trúc khái niệm, một sơ đồ vòng lặp nhân quả dựa trên khung 3E đã được tạo ra (Hình 7) Các chính sách và quy định về môi trường được đưa
ra nhằm thúc đẩy việc sử dụng hiệu quả môi trường và R & D Những thay đổi công nghiệp ảnh hưởng đến các biến đổi kinh tế vĩ mô bao gồm GDP và việc làm Những thay đổi kinh tế vĩ mô dẫn đến việc thay đổi các ràng buộc ngân sách trong các chính sách năng lượng chính
và thay đổi hướng chính sách Lưu ý rằng quan hệ nhân quả không nhất thiết phải là một chiều, nhưng có thể qua lại lẫn nhau
Tập trung vào định giá công nghệ PV, chúng tôi xây dựng trên sơ
đồ vòng lặp bình thường trong hình 8 Các yếu tố môi trường, bao gồm phát thải CO2, các khoản trợ cấp, ưu đãi thuế và chính sách xác định tính khả thi về kinh tế của các công nghệ tái tạo Sau đó, sự khác biệt trong chi phí phát sinh đơn vị xác định tỷ trọng của tổng tiêu thụ năng lượng quốc gia, làm thay đổi kích thước và tốc độ tăng trưởng của các nguồn năng lượng Các biến vĩ mô bị ảnh hưởng bởi những thay đổi này, và sau đó dẫn đến việc thay đổi đầu tư R & D và hỗ trợ của chính phủ cho các nguồn năng lượng tái tạo
Tích lũy đầu tư R & D là một biến nội bộ của định giá công nghệ
PV Sản xuất tích lũy phụ thuộc rất nhiều vào sự hỗ trợ của chính phủ Các biến nội bộ tương tác với các biến bên ngoài thông qua các vòng phản hồi như trong Hình 8 Các phương pháp truyền thống như DCF không thể xem xét các yếu tố này, và do đó đánh giá quá cao hoặc đánh giá thấp giá trị công nghệ Cách tiếp cận của chúng tôi làm giảm những thành kiến như vậy
Để định lượng sơ đồ vòng lặp nhân quả, chúng tôi phải xác định các biến số chính với các phép đo định lượng thích hợp Đơn giá điện, bao gồm giá mô-đun PV và hỗ trợ của chính phủ, là một biến quan trọng trong thể loại năng lượng Nó phụ thuộc chủ yếu vào giá mô-đun
PV, nhưng khác nhau với sự hỗ trợ của chính phủ Chính sách của chính phủ Hàn Quốc đã được thay đổi từ FIT sang RPS vào năm
2012, và do đó đã thay đổi sự hỗ trợ của chính phủ Xem xét điều này, chúng tôi tính toán đơn giá điện như tổng của giá mô-đun PV và hỗ trợ của chính phủ Giá mô-đun PV sẽ được giảm theo thời gian, do đó làm giảm đơn giá điện
Tất cả các biến bên ngoài đã được giới thiệu ở khu vực trong nước, không phải trong khu vực quốc tế, bởi vì các chính sách năng lượng tái tạo nên xem xét các đặc điểm quốc gia Bài viết này tập trung vào Hàn Quốc
Các biến số chính trong danh mục kinh tế bao gồm doanh thu, chi phí và đầu tư Tổng doanh thu được xác định bởi lượng năng lượng mặt trời, dung lượng mô-đun và hiệu quả của mô-đun Thông thường, các hệ thống phát điện PV được xây dựng tại một vị trí nơi bức xạ mặt trời trung bình hàng ngày là cao nhất Vì khu vực ở Hàn Quốc có bức
xạ mặt trời trung bình cao nhất là Jinju, chúng tôi tính toán số lượng
Mô ph ng ỏng 2FLC
Th c ực tếu tri thức (2011 triệu USD)
Tích lũy s n xu t PV ản xuất PV ất PV (tri u Watt) ệu USD, theo tỷ giá)
Giá mô-đun PV (2011 USD)
MV: Tri u Watt ệu USD, theo tỷ giá) MUSD: Tri u USD ệu USD, theo tỷ giá)
PV KS (2011 USD)
Trang 74
Hình 6 Khái niệm khung 3E
sử dụng năng lượng mặt trời bằng cách sử dụng dữ liệu bức xạ
mặt trời của Jinju [41] Theo quy tắc FIT của Hàn Quốc, hiệu suất của
Mô-đun PV được giả định là 80% khi được lắp đặt và sau đó sẽ được
giảm hàng năm xuống 2% [43] Công suất mô-đun được giả định là
5000 kWp vì đây là công suất trung bình cần thiết cho sự hỗ trợ của
chính phủ
Chi phí được chia thành chi phí trực tiếp và gián tiếp Điện từ các
hệ thống điện PV nối lưới được tạo ra mà không có bất kỳ nhiên liệu
nào và được bán ngay lập tức cho lưới điện Vì vậy, không có chi phí
đầu vào và chi phí nguyên vật liệu Nói cách khác, chỉ tồn tại chi phí
gián tiếp, bao gồm vận hành, bảo trì và bảo hiểm trong các hệ thống
điện PV Trong thập kỷ qua, chi phí PV trực tiếp điều chỉnh tại chỗ vẫn
ổn định Vì vậy, chúng tôi giả định rằng tổng chi phí gián tiếp của PV
sẽ tăng theo tỷ lệ trung bình hàng năm trong khoảng thời gian từ năm
2003 đến năm 2012 [42] Phương pháp khấu hao đường thẳng được
sử dụng vì tỷ lệ khấu hao là hằng số
Yêu cầu đầu tư để lắp đặt hệ thống điện PV cũng dựa trên các quy tắc FIT của Hàn Quốc Hệ thống điện PV thường mất một năm để xây dựng và sẽ hoạt động trong ít nhất 15 năm Giá mô đun PV được giả định là 1,5 $ / Wp, và hiệu suất và năng lực của mô-đun được giả định như trước đây Các chi phí chính khác, bao gồm biến tần, trục và xây dựng, được bao gồm trong khoản đầu tư như trong Bảng 4 [43] Về lâu dài, cơ cấu đầu tư là quan trọng vì biến động của các biến kinh tế
vĩ mô, bao gồm lãi suất, tỷ lệ lạm phát và tỷ giá hối đoái, ảnh hưởng đến chi phí Xem xét cấu trúc đầu tư của các công ty năng lượng tái tạo của Hàn Quốc, chúng tôi cho rằng đầu tư tổng thể là 20% vốn chủ
sở hữu và 80% nợ, và sử dụng điều này làm tỷ lệ cơ bản của cơ cấu đầu tư
Một số biến kinh tế vĩ mô phải được xác định Những biến này dao động, nhưng có thể được giả định là hằng số trong dài hạn
B o v môi trản xuất PV ệu USD, theo tỷ giá) ư R&D PV (2011 triệu USD, theo tỷ giá)ờng cong ng
D ch v năng l ịch vụ năng lượng ụ năng lượng ư R&D PV (2011 triệu USD, theo tỷ giá)ợng ng
B n v ng, n đ nh ền vững, ổn định ững, ổn định ổ phiếu tri thức (2011 triệu USD) ịch vụ năng lượng
Thúc đ y công nghi p ẩy công nghiệp ệu USD, theo tỷ giá) năng l ư R&D PV (2011 triệu USD, theo tỷ giá)ợng ng xanh
Khung 3E
Phát tri n kinh tển kinh tế (thuế, quy định ) ếu tri thức (2011 triệu USD) An ninh nănglư R&D PV (2011 triệu USD, theo tỷ giá) ngợng
GDP Phát tri n năng l ển kinh tế (thuế, quy định ) ư R&D PV (2011 triệu USD, theo tỷ giá)ợng ng
m i ới
Giá năng lư R&D PV (2011 triệu USD, theo tỷ giá) ng ợng
hi n t i ệu USD, theo tỷ giá) ạo và môi trường bền vững
Năng lư R&D PV (2011 triệu USD, theo tỷ giá) ng ợng tiêu thụ năng lượng Cung c p ất PV
năng l ư R&D PV (2011 triệu USD, theo tỷ giá)ợng ng
T ng đ u t CAPEX ổ phiếu tri thức (2011 triệu USD) ầu tư R&D PV (2011 triệu USD, theo tỷ giá) ư R&D PV (2011 triệu USD, theo tỷ giá)
Cơ h i ội bán hàng
V n c ph n ốn cổ phẩn ổ phiếu tri thức (2011 triệu USD) ẩy công nghiệp
L m phát ạo và môi trường bền vững
Ch s ngh nghi p ỉ số nghề nghiệp ốn cổ phẩn ền vững, ổn định ệu USD, theo tỷ giá)
Th t nghi p ất PV ệu USD, theo tỷ giá)
T ng ổ phiếu tri thức (2011 triệu USD) Thuếu tri thức (2011 triệu USD) carbon
Khuy n ếu tri thức (2011 triệu USD) khích
Thuếu tri thức (2011 triệu USD) carbon
Phát th i ản xuất PV CO2
Năng lư R&D PV (2011 triệu USD, theo tỷ giá) ngợng
Kinh tếu tri thức (2011 triệu USD)
Môi trư R&D PV (2011 triệu USD, theo tỷ giá) ngờng cong
Trang 8Hình 8 Sơ đồ vòng lặp công nghệ PV theo khung 3E
Lưu ý rằng thời gian hoạt động phải hơn 15 năm Lãi suất cố định là
5,71% được xác định bằng cách sử dụng tỷ lệ trái phiếu AA-doanh
nghiệp trung bình trong thập kỷ qua [42] Tương tự, tỷ giá hối đoái
được xác định ở mức trung bình 10 năm Tuy nhiên, tỷ lệ chiết khấu
không thể được xác định Nó sẽ tái xác định rủi ro tài chính doanh
nghiệp phụ thuộc vào cấu trúc vốn của doanh nghiệp Sử dụng CAPM
(mô hình định giá tài sản vốn), chúng tôi ước tính tỷ lệ chi phí vốn chủ
sở hữu trung bình là 17,02% Với tham chiếu đến Lee et al (2008),
chúng tôi giả định mức phí bảo hiểm rủi ro thị trường trung bình là
12%
và lãi suất không rủi ro là 5.02% bằng tỷ suất hoàn vốn trái phiếu kho bạc 3 năm [44] Cơ cấu vốn cũng giống như cơ cấu đầu tư của PV Do
đó, chúng tôi có thể tính toán WACC (chi phí vốn bình quân) bằng cách sử dụng lãi suất cố định và chi phí vốn chủ sở hữu, và sử dụng
nó làm tỷ lệ chiết khấu Trong thể loại môi trường, thuế, hỗ trợ của chính phủ và trợ cấp là các biến quan trọng Chúng tôi sử dụng thuế suất doanh nghiệp 27,5% vì nó đã thay đổi rất ít Hỗ trợ của chính phủ (bao gồm cả chứng nhận năng lượng tái tạo trong RPS hoặc FIT) là
500 KRW / kWh
Bảng 4
Các biến số chính của mô hình định giá PV mở rộng.
L i nhu n ợng ận
Công
su t ất PV
Tích lũy
s n ph m ản xuất PV ẩy công nghiệp
Chia s th ẻ thị ịch vụ năng lượng
tr ư R&D PV (2011 triệu USD, theo tỷ giá)ờng cong ng
Đ u t ầu tư R&D PV (2011 triệu USD, theo tỷ giá) ư R&D PV (2011 triệu USD, theo tỷ giá) R&D
B i th ồi thường ư R&D PV (2011 triệu USD, theo tỷ giá)ờng cong ng Giá
C ph n ổ phiếu tri thức (2011 triệu USD) ầu tư R&D PV (2011 triệu USD, theo tỷ giá)
Đ u t ầu tư R&D PV (2011 triệu USD, theo tỷ giá) ư R&D PV (2011 triệu USD, theo tỷ giá)
L m ạo và môi trường bền vững phát
Lãi
su t ất PV
Phát
th i CO2 ản xuất PV
Giá modun
Chính sách
Chi phí gián ti p ếu tri thức (2011 triệu USD)
Bán hàng
Chi t ếu tri thức (2011 triệu USD)
kh u ất PV
Đ nh giá ịch vụ năng lượng Chi
phí
Tài chính
Thịch vụ năng lượng
tr ư R&D PV (2011 triệu USD, theo tỷ giá)ờng cong ng năng
l ư R&D PV (2011 triệu USD, theo tỷ giá)ợng ng
Thuếu tri thức (2011 triệu USD)
Chi phí tr c ti p ực ếu tri thức (2011 triệu USD)
T giá ỷ giá)
Kinh tếu tri thức (2011 triệu USD)
Năng lư R&D PV (2011 triệu USD, theo tỷ giá) ngợng
Môi trư R&D PV (2011 triệu USD, theo tỷ giá) ngờng cong
Trang 9Hình 9 Các thử nghiệm tái tạo hành vi của ba biến quan trọng: (a) sản xuất PV tích lũy, (b) cổ phiếu tri thức tích lũy, (c) giá mô-đun.
Không có trợ cấp cho các hệ thống điện PV quy mô lớn trên lưới tại
Hàn Quốc Tuy nhiên, chính phủ Hàn Quốc cung cấp các công ty sản
xuất điện PV với các khoản trợ cấp tài chính để hỗ trợ hoạt động trong
15 năm Như vậy, trợ cấp bằng không trước khi hoạt động, nhưng sau
đó được xác định trực tiếp bởi các chính sách môi trường và gián tiếp
bởi chi phí hoạt động và các khoản chi phí
4.3 Xác nhận
Forrester và Senge (1980) cho rằng các mô hình SD nên được
xác nhận bằng thử nghiệm cấu trúc, kiểm tra tham số, kiểm tra
điều kiện cực đoan, kiểm tra tính nhất quán chiều, kiểm tra độ an
toàn biên, và thử nghiệm tái tạo hành vi [45] Tuy nhiên, như
Barlas (1994) đã đề xuất, nó đủ để kiểm tra hiệu lực hành vi cho
các mô hình định giá dựa trên SD [46] Như thể hiện trong hình 9,
cho ba biến quan trọng từ năm 1985 đến năm 2012, hành vi mô
phỏng mô hình của chúng tôi phù hợp với hành vi quan sát của hệ
thống thực
Chế độ tham chiếu hiển thị hành vi dựa trên dữ liệu thực tế Có một số khác biệt trong giá mô-đun PV trước những năm 1990, nhưng sau đó
mô hình cho thấy sự phù hợp tốt Nói chung, nó là công bằng để nói rằng mô hình của chúng tôi vượt qua các thử nghiệm tái tạo hành vi
4.4 Định giá công nghệ PV ngẫu nhiên
Đối với định giá ngẫu nhiên, cần phải hiểu sự biến động của các biến quan trọng Xem xét các nghiên cứu trước đây, chúng tôi chọn mười một biến bao gồm (1) bức xạ mặt trời hàng ngày, (2) lãi suất, (3)
tỷ lệ lạm phát, (4) tỷ giá hối đoái, (5) tỷ lệ hoàn thuế, (6) hỗ trợ của chính phủ, (7) trợ cấp, (8) phí bảo hiểm rủi ro của thị trường, (9) tỷ lệ phi rủi ro, (10) giá mô-đun và (11) công suất mô-đun Các biến này rất bất định, và do đó có thể ảnh hưởng đáng kể đến giá trị của công nghệ PV
Xem xét điều này, chúng tôi đã tiến hành mô phỏng Monte Carlo để nghiên cứu cách giá trị của công nghệ PV bị ảnh hưởng bởi những bất định trong
Bảng 5
Thông số đầu vào của 9 biến cho mô phỏng Monte Carlo
Giá mô-đun
Tích lũy c phi u ổ phiếu tri thức (2011 triệu USD) ếu tri thức (2011 triệu USD) tri th c ức (2011 triệu USD) Tích lũy s n xu t ản xuất PV ất PV
PV
Giá mô-đun