CN111260132A - 风电项目效益评价方法及装置 - Google Patents
风电项目效益评价方法及装置 Download PDFInfo
- Publication number
- CN111260132A CN111260132A CN202010048054.0A CN202010048054A CN111260132A CN 111260132 A CN111260132 A CN 111260132A CN 202010048054 A CN202010048054 A CN 202010048054A CN 111260132 A CN111260132 A CN 111260132A
- Authority
- CN
- China
- Prior art keywords
- project
- wind power
- wind
- tax
- benefit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008901 benefit Effects 0.000 title claims abstract description 134
- 238000011156 evaluation Methods 0.000 title claims abstract description 85
- 238000013210 evaluation model Methods 0.000 claims abstract description 31
- 230000007613 environmental effect Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 claims abstract description 14
- 238000011161 development Methods 0.000 claims description 41
- 238000004519 manufacturing process Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 27
- 238000005315 distribution function Methods 0.000 claims description 25
- 238000011084 recovery Methods 0.000 claims description 20
- 238000010248 power generation Methods 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 16
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 239000013256 coordination polymer Substances 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 9
- 239000003245 coal Substances 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 50
- 238000005457 optimization Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000001807 normal pulse voltammetry Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012575 bio-layer interferometry Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011342 resin composition Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/90—Financial instruments for climate change mitigation, e.g. environmental taxes, subsidies or financing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种风电项目效益评价方法及装置，首先确定用于评估风电项目的投资风险的评估指标项，并对评估指标项进行优化处理，对评估指标项及包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型。同时，建立用于评价风电项目的能源效益和经济效益的上层目标函数、评价风电项目的环境效益的下层目标函数。最后，再对上层目标函数及下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。如此，通过从投资风险、能源效益、经济效益及环境效益多重角度出发，提供合理、科学的投资风险分析及综合效益分析，为风电项目建设提供有效的决策支持。
Description
技术领域
本申请涉及可再生能源开发利用技术领域，具体而言，涉及一种风电项目效益评价方法及装置。
背景技术
风能取之不尽、用之不竭，合理利用风能，不仅可以减少环境污染，还可以缓解能源短缺的压力。风电并网对于能源安全供给及结构优化、乃至经济社会的低碳发展均具有重要意义。风能的开发利用需要大量的投资，而目前我国风电项目投资主体主要是企业，项目投资的不确定性日益突出。根据目前市场的能源价格，风电项目很难回收全部投资运营成本。在可持续经营方面，项目投资经营者必须尽量减少投资风险。故此，在项目规划过程中，要全面的分析风电项目投资的主要影响因素，合理规划投资过程，减少不确定性事件的发生，降低投资风险。基于全生命周期定理，评估项目投资短期波动性风险，对风电项目投资决策进行优化，将有利于促进风电产业可持续发展。
由于投资的经济效益一直是投资、决策者的最终目标，因此，现有的模型一般是从现金流利润、成本等投资经济效益出发，却忽略了从资源的角度评价风力发电生产过程中对环境的影响。因此，建立一个完善的风电项目投资风险与综合效益分析模型是非常有必要的。
发明内容
有鉴于此，本申请的目的在于，提供一种风电项目效益评价方法及装置，从风电项目的投资风险、能源效益、经济效益及环境效益多重角度出发建立评价模型，以提供合理、科学的投资风险分析及综合效益分析。
本申请实施例提供一种风电项目效益评价方法，所述方法包括：
确定用于评估风电项目的投资风险的评估指标项；
对各所述评估指标项进行优化处理，并对各所述评估指标项以及评估指标项包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型；
建立用于评价风电项目的能源效益和经济效益的上层目标函数；
构建用于评价风电项目的环境效益的下层目标函数；
对所述上层目标函数和所述下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。
本申请实施例还提供一种风电项目效益评价装置，所述装置包括：
评估指标项确定模块，用于确定用于评估风电项目的投资风险的评估指标项；
第一建立模块，用于对各所述评估指标项进行优化处理，并对各所述评估指标项以及评估指标项包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型；
第二建立模块，用于建立用于评价风电项目的能源效益和经济效益的上层目标函数；
构建模块，用于构建用于评价风电项目的环境效益的下层目标函数；
第三建立模块，用于对所述上层目标函数和所述下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。
本申请实施例提供的风电项目效益评价方法及装置，首先确定用于评估风电项目的投资风险的评估指标项，并对评估指标项进行优化处理，对评估指标项及包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型。同时，建立用于评价风电项目的能源效益和经济效益的上层目标函数、评价风电项目的环境效益的下层目标函数。最后，再对上层目标函数及下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。如此，通过从投资风险、能源效益、经济效益及环境效益多重角度出发，提供合理、科学的投资风险分析及综合效益分析，为风电项目建设提供有效的决策支持。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的结构框图。
图2为本申请实施例提供的风电项目效益评价方法的流程图。
图3为本申请实施例提供的风电项目效益评价方法的另一流程图。
图4为本申请实施例提供的风电项目效益评价装置的功能模块框图。
图5为本申请实施例提供的普通风电项目的净现值指标示意图。
图6为本申请实施例提供的清洁发展风电项目的净现值指标示意图。
图标：110-处理器；120-存储器；130-通信接口；140-总线；400-风电项目效益评价装置；401-评估指标项确定模块；402-第一建立模块；403-第二建立模块；404-构建模块；405-第三建立模块。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
请参阅图1，为本申请实施例提供的一种电子设备的结构示意图。该设备包括存储器120和处理器110。其中，存储器120用于存储一条或多条计算机指令，一条或多条计算机指令被处理器110执行，以实现本申请提供的风电项目效益评价方法。
图1所示的电子设备还包括总线140和通信接口130，处理器110、通信接口130和存储器120通过总线140连接。
其中，存储器120可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口130(可以是有线或者无线)实现该电子设备与其他设备之间的通信连接。
总线140可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图1中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器120用于存储程序，所述处理器110在接收到执行指令后，执行所述程序，本申请实施例提供的风电项目效益评价方法可以应用于处理器110中，或者由处理器110实现。
结合本申请实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器120，处理器110读取存储器120中的信息，结合其硬件完成本申请提供的方法的各实施方式的步骤。
可以理解，图1所示的结构仅为示意，所述电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
可选地，所述电子设备的具体类型不受限制，例如，可以是，但不限于，个人电脑(personal computer，PC)、平板电脑、个人数字助理(personal digital assistant，PDA)、移动上网设备(mobile Internet device，MID)、web(网站)服务器、数据服务器等具有处理功能的设备。
结合图2，本申请实施例还提供一种可应用于上述电子设备的风电项目效益评价方法。其中，所述方法有关的流程所定义的方法步骤可以由所述处理器110实现。下面将对图2所示的具体流程进行详细阐述。
步骤210，确定用于评估风电项目的投资风险的评估指标项。
步骤220，对各所述评估指标项进行优化处理，并对各所述评估指标项以及评估指标项包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型。
本实施例所提供的风电项目投资风险与综合效益的评价方案，其目的是降低投资风险和提高决策的科学性和合理性，为相关项目投资和运营者的投资行为提供参考，为政府制定政策性文件提供决策支持。
本实施例中，首先确定用于评估风电项目的投资风险的评估指标项，可选地，所述评估指标项可以包括净现值指标、投资回收期以及内部收益率。需要说明的是，可用于评估风电项目的投资风险的评估指标项并不限定于此，也可以根据实际情况设置其他评估指标项。
其中，净现值指标可通过以下方式确定得到：
确定用于评估风电项目的风速和风能密度的威布尔分布函数，基于所述威布尔分布函数得到累计分布函数。
其中，建立的威布尔分布函数可如下：
基于所述威布尔分布函数建立如下的累计分布函数：
基于所述累计分布函数建立容量因子方程，根据所述容量因子方程得到年发电量，基于所述年发电量、容量因子以及计算得到的基线排放因子得到清洁发展项目收入模型。
容量因子是风力发电机生产率的重要指标，基于所述累计分布函数按以下公式建立容量因子方程：
其中，CF为容量因子，vc为切入风速，vr为额定风速，v0为切出风速，k为形状因子，c为规模因子。
基于所述容量因子、风电场运营时间、风电涡轮机可用性以及风电机组功率得到年发电量：
Gi＝CF×b×Pr×T
其中，Gi为年发电量，b为风电涡轮机可用性，Pr为风电机组功率，T为风电场运营时间。
根据边际排放因子和容量排放因子计算得到基线排放因子：
EFi＝ωOM×EFgrid,OMi+ωBM×EFgrid,BMi
其中，EFi为基线排放因子，EFgird,OMi为边际排放因子，EFgrid,BMi为容量排放因子，ωOM、ωBM为加权因子，可分别取值为0.5。
其中，对于成功注册清洁发展机制项目的风电项目，可利用计算得到的年发电量、基线排放因子以及上网电力比率、Pc得到清洁发展项目收入模型：
CPi＝aGi×EFi×Pc
其中，CPi为清洁发展项目收入，a为上网电力比率，Pc为风电市场现行交易价格。
需要说明的是，对于成功注册清洁发展机制项目的风电项目，在进行净现值指标的建立时，需要将清洁发展项目收入考虑在内。而对于未成功注册清洁发展机制项目的风电项目，则无需考虑清洁发展项目收入。
此外，本实施例中，可根据产出税、进项税以及退税率并按如下公式构建得到实际增值税支付：
其中，FVTi为实际增值税支付，OTi为产出税，ITi为进项税，RTi为退税率，Ce为新购设备成本，aGi(P+Si)为电力销售额，i为年份。
可选地，根据所述年发电量、上网电力比率以及上网电价计算得到销售税，并结合所述清洁发展项目收入模型、年发电量及实际增值税支付建立附加所得税方程。
本实施例中，销售税和附加所得税包括城市维护建设税和额外教育经费。
可根据所述年发电量、上网电力比率以及上网电价按以下公式计算得到销售税：
STi＝VATi×8％
＝aGiP×17％×8％
在计算得到销售税的基础上，按照预设的规则，建立如下的附加所得税方程：
利用所述实际增值税支付、销售税、附加所得税方程以及清洁发展项目收入模型构建如下的净现值指标：
其中，NPV为净现值指标，CIi为年度现金流入值，COi为年度现金流出值，r为折现率，n为项目生命周期，CPi为清洁发展项目收入模型，P为上网电价，RVi为剩余固定资产价值，RLi为回收流动资金，a为上网电力比率，Gi为年发电量，LCi为流动资金，OCi为经营成本，STi为销售税，Ti为附加所得税，TCi为年总成本，t为所得税，可取25％。
本实施例中，在模拟构建净现值指标的基础上，进行投资回收期及内部收益率的分析。其中，投资回收期指的是净现值的总现值等于零的年份。
构建如下的在净现值指标的总现值为零时的投资回收期方程：
按以下公式构建风电项目在运行过程中所能承受的最大年度货币贬值或通货膨胀的内部收益率方程：
其中，PT为投资回收期，i’为总现值等于零的年份，NPVi为开始具有真正价值的净现值，NPVi’为总现值等于零对应的净现值，IRR为内部收益率，r1为基准折现率，r2为高折现率，NPV(r1)为基准折现率对应的净现值，NPV(r2)为高折现率对应的净现值。
从以上构建的净现值指标、投资回收期方程及内部收益率方程可以看出，净现值指标大于零的项越多，则投资回收期越短，而内部收益率越大的项目将越少受到投资风险的影响，反之亦然。可见，对于净现值指标、投资回收期及内部收益率，在计算时，应需求最大化净现值指标、最小化投资回收期、最大化内部收益率，具体如下：
此外，在计算的过程中，还应考虑评估指标项以及评估指标项中包含的参数的约束条件。例如，投资回收期的值应不大于某个预设值PT*：0≤PT≤PT*。当内部收益率等于或大于预设基本收益率时，可认为对应的风电项目可行，即：IRR≥r*，其中，r*为预设的基本收益率。
此外，年度总成本TCi存在上限值及下限值：
BL≤TCi≤BU
式中，BL为年总成本下限值，BU为年总成本上限值。
为了确保项目在经营期的稳定性和可持续性，还要考虑经营成本OCi，如下：
CL≤OCi≤CU
式中，CL为经营成本下限值，CU为经营成本上限值。
容量因子CF取决于风能资源和地理位置，同样需限定在一定范围内，即：
式中，
为容量因子下限值，
为容量因子上限值。
此外，电力供应是风电项目的投资盈利的重要因素，受到上网电比率a的影响，而上网电比率a约束如下：
aL≤a<1
式中，aL为上网电比率下限值。
同时，在本实施例中，供电量要达到电力需求，需要满足以下约束要求：
式中，
为可利用资源，
为电力需求。
步骤230，建立用于评价风电项目的能源效益和经济效益的上层目标函数。
步骤240，构建用于评价风电项目的环境效益的下层目标函数。
步骤250，对所述上层目标函数和所述下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。
本实施例中提供的风电项目的评价方案，除了考虑风电项目的投资风险之外，还综合考虑了风电项目的能源效益、经济效益以及环境效益。可基于EROI-双层多目标规划综合评价模型构建用于评价风电项目的能源效益和经济效益的上层目标函数，以及用于评价风电项目的环境效益的下层目标函数。
可选地，上层目标函数包括第一目标函数以及第二目标函数，针对能源效益进行分析时，考虑风电系统每个阶段的能源输入，并将制造过程和生产过程中能源求和。风电系统的能源输出主要是发电量，其他则可忽略不计，可按如下公式建立用于评价风电项目的能源效益的第一目标函数：
其中，CF为容量因子，Pr为风电机组功率，ti为机组出力时间，T为风电场运营时间，MA为材料耗能，MF为产业耗能，TP为交通耗能，IT为安装耗能，EL为回收处理耗能。
从公众或投资者的角度分析，净现值指标是评估某特定投资经济效益的重要指标之一，然而即使实际成本很高，但一些激励政策和措施可以对净现值指标的计算结果产生很大的影响，为了避免这种问题，本实施例在对经济效益进行分析时纳入成本问题。具体地，可按如下公式建立用于评价风电项目的经济效益的第二目标函数：
其中，Si为补贴收入(Subsidy income)，FiT为税后电价，a为上网电力比率，b为风电涡轮机可用性，CI,i为初始投资，CO,i为运营成本，CM,i为维修成本，CD,i为回收成本，r为折现率。
可选地，下层目标函数包括第三目标函数以及第四目标函数，环境效益评估的基准发电技术为火力发电，目前现有的电源结构中，火力发电大约占总电力的80％。其中，高能耗、高污染的煤电大约占30％以上，脱硫煤电的容量还不到2％。因此，在实施例中，将火力发电作为环境效益分析的基准发电技术。风能是清洁能源，风力发电过程中CO2的发放量为零，风电建设项目就有节能效益和减排效益。本实施例中，环境效益从两方面分析，减排增量成本最小、减排量最大。
首先可按以下公式计算风电项目的发电成本：
其中，Cm为风电项目的发电成本，CI,i为初始投资，CO,i为运营成本，CM,i为维修成本，CD,i为回收成本，r为折现率，a为上网电力比率，b为风电涡轮机可用性，CF为容量因子，Pr为风电机组功率，ti为机组出力时间。
基于计算得到的风电项目的发电成本按以下公式计算得到为了减少单位体积二氧化碳排放量所增加的成本的第三目标函数：
其中，Cb为基准发电技术的发电成本，EMb为基准发电技术的CO2排放系数，EMm为风力发电技术的CO2排放系数。
按以下公式计算得到关于减排量的第四目标函数：
其中，
为基准发电技术的标煤单耗，Wp为风电系统中的CO2排放量。
在建立上层目标函数及下层目标函数的基础上，需达到能源效益及经济效益的最大化，以及环境效益的最大化，其中，还需尽量降低因减少单位体积二氧化氮排放量所增加的成本的第三目标函数，即：
进一步地，还需对上述目标函数中包含的参数进行约束处理，约束条件可如下：
其中，PrL为风电机组功率下限值，PrU为风电机组功率上限值，CIL为初始投资下限值，CIU为初始投资上限值，EBP为二氧化碳最大允许排放量。
在经过上述步骤建立得到可用于评价风电项目的投资风险的第一综合评价模型以及用于评价风电项目的能源效益、经济效益及环境效益等综合效益的第二综合评价模型的基础上，本申请提供的风电项目效益评价方法还包括以下步骤，结合参阅图3：
步骤310，针对待评估风电项目，获得待评估风电项目的项目基本数据。
步骤320，根据所述项目基本数据，利用得到的所述第一综合评价模型得到所述待评估风电项目在风电项目投资风险上的各个评估指标项结果。
步骤330，根据所述项目基本数据，利用得到的所述第二综合评价模型得到所述待评估风电项目在风电项目综合效益上的上层目标函数及下层目标函数的计算结果。
针对待评估风电项目，获得该待评估风电项目的项目基本数据，例如切入风速、额定风速、切出风速、装机容量、初始投资、设备成本等等。并将项目基本数据带入至上述建立的第一综合评价模型中，从而得到该待评估风电项目在投资风险上的各个评估指标项的结果。同时，可将项目基本数据带入至上述建立的第二综合评价模型，从而得到该待评估风电项目在能源效益、环境效益及经济效益等多方面的结果。如此，可从投资风险、能源效益、环境效益及经济效益等多方面对待评估风电项目进行评估、分析，为该风电项目的建设提供有效的决策支持。
请参阅图4，本申请实施例还提供一种风电项目效益评价装置400，所述风电项目效益评价装置400包括评估指标项确定模块401、第一建立模块402、第二建立模块403、构建模块404以及第三建立模块405。
所述评估指标项确定模块401，用于确定用于评估风电项目的投资风险的评估指标项。具体地，该评估指标项确定模块401可用于执行图2中所示的步骤210，具体的操作方法可参考步骤210的详细描述。
所述第一建立模块402，用于对各所述评估指标项进行优化处理，并对各所述评估指标项以及评估指标项包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型。具体地，该第一建立模块402可用于执行图2中所示的步骤220，具体的操作方法可参考步骤220的详细描述。
所述第二建立模块403，用于建立用于评价风电项目的能源效益和经济效益的上层目标函数。具体地，该第二建立模块403可用于执行图2中所示的步骤230，具体的操作方法可参考步骤230的详细描述。
所述构建模块404，用于构建用于评价风电项目的环境效益的下层目标函数。具体地，该构建模块404可用于执行图2中所示的步骤240，具体的操作方法可参考步骤240的详细描述。
所述第三建立模块405，用于对所述上层目标函数和所述下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。具体地，该第三建立模块405可用于执行图2中所示的步骤250，具体的操作方法可参考步骤250的详细描述。
本实施例中，所述第一综合评价模型为蒙特卡罗-多目标模型，所述风电项目的投资风险的评估指标项包括净现值指标，所述评估指标项确定模块401用于通过以下方式确定所述净现值指标：
确定用于评估风电项目的风速和风能密度的威布尔分布函数，基于所述威布尔分布函数得到累计分布函数；
基于所述累计分布函数建立容量因子方程，根据所述容量因子方程得到年发电量，基于所述年发电量、容量因子以及计算得到的基线排放因子得到清洁发展项目收入模型；
根据产出税、进项税以及退税率并按如下公式构建得到实际增值税支付：
其中，FVTi为实际增值税支付，OTi为产出税，ITi为进项税，RTi为退税率，Ce为新购设备成本，aGi(P+Si)为电力销售额；
根据所述年发电量、上网电力比率以及上网电价计算得到销售税，并结合所述清洁发展项目收入模型、年发电量及实际增值税支付建立附加所得税方程；
利用所述实际增值税支付、销售税、附加所得税方程以及清洁发展项目收入模型构建如下的净现值指标：
其中，NPV为净现值指标，CIi为年度现金流入值，COi为年度现金流出值，r为折现率，n为项目生命周期，CPi为清洁发展项目收入模型，P为上网电价，RVi为剩余固定资产价值，RLi为回收流动资金，a为上网电力比率，Gi为年发电量，LCi为流动资金，OCi为经营成本，STi为销售税，Ti为附加所得税。
其中，在本实施例中，所述评估指标项确定模块401用于通过以下方式获得清洁发展项目收入模型：
基于所述累计分布函数按以下公式建立容量因子方程：
基于所述容量因子、风电场运营时间、风电涡轮机可用性以及风电机组功率得到年发电量：
Gi＝CF×b×Pr×T
根据边际排放因子和容量排放因子计算得到基线排放因子：
EFi＝ωOM×EFgrid,OMi+ωBM×EFgrid,BMi
利用计算得到的年发电量、基线排放因子以及上网电力比率、PC得到清洁发展项目收入模型：
CPi＝aGi×EFi×Pc
其中，CF为容量因子，vc为切入风速，vr为额定风速，v0为切出风速，k为形状因子，c为规模因子，Gi为年发电量，b为风电涡轮机可用性，Pr为风电机组功率，T为风电场运营时间，EFi为基线排放因子，EFgird,OMi为边际排放因子，EFgrid,BMi为容量排放因子，ωOM、ωBM为加权因子，CPi为清洁发展项目收入，a为上网电力比率，Pc为风电市场现行交易价格。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案，下面结合具体应用场景对本申请实施例提供的技术方案进行说明。
本案例将位于中国西部地区凉山州风电基地某个风电项目作为研究对象，该风电场位于海拔3500米的地区，风能密度分布相对均匀，达到3级。项目要求出电总量为38918kWh。在本案例中，该项目的建设期为1年，设计运作期为20年(n＝20)。由于估计值的不确定性，a、CF、Ii、TCi、OCi、MCi和Ce是独立变量，而NPV、IRR和PT是因变量，容量因子为0.34。同时风电项目投资也是风电项目重要的不确定参数，因此CF服从三角分布。本例中采用的基本数据和分布函数如表1所示。
表1项目基本数据
注：Minimum-最小值，mean-中值，maximum-最大值，variance-方差。
Ii为初始投资，服从三角分布，其平均值为1402435元，最小值和最大值分别为基础数据的1.5％和2％。Ce遵循三角分布，最大值和最小值分别3％和5％。a服从三角分布，平均值为0.87，最小值和最大值均为10％。由于TCi、OCi、MCi的不确定性，其服从正态分布，方差值为3％。前四年，维修率为0.5％。第五年至第十一年，维修率为1.5％，其他为2％。固定资产的剩余价值和流动资金回收率仅发生在最后一年，在其他年份为零。
由于不是所有的风电项目都成功注册清洁发展项目(CDM)，所以模拟分为两部分：没有CDM收入的NPV和CDM收入的NPV。
经过10000次模拟，NPV的模拟结果如图5及图6所示。场景1是为没有CDM收入而模拟的，结果如图5所示。如果该项目成功注册CDM项目，项目存在CDM收入，如图6所示。其中，EFOM,i和EFBM,i的数据采用表2所示。
如果这个项目成功注册了CDM，项目中就会有CDM收入。EFOM,i和EFBM,i是基于表2中的数据。南部地区的基准排放因子，即EFi，根据方程所得为0.63035。目前Pc的交易价格为128元，场景2仿真结果如图6所示。
图5中，P(NPV≥0)＝10.16％，E(NPV)＝-161958千元。大多数NPV的值都小于0，只有极少数大于0。当PT≤22&IRR≥8％时，P(PT≤22&IRR≥8％)＝10.24％。因此，可确定该项目受到风险因素的影响，具有较高的投资风险。图6中，P(NPV≥0)＝68.9％，E(NPV)＝35336千元。与图5中的模拟结果相比，成功注册CDM项目的NPV总是大于没有注册成功项目的NPV。当PT≤22&IRR≥8％时，P(PT≤22&IRR≥8％)＝68.23％。
每一阶段的最终收益和支付结果是现金流的流动余额，这些现金流被折现率折现，以达到净现值结果。显然，图5表明最高概率NPV都小于零，说明当CDM项目不能成功注册，极少数NPV大于零，PT小于21年，IRR在8％以上。相反地，图6中，由于增加了CDM收入，大多数NPV大于零。因此，可以得出结论，成功注册CDM项目对风电项目的收入降低补偿有积极的影响。然而，由于项目的投资和运作仍然存在风险，所以在没有优化的情况下，仅增加CDM收入并不是降低风电项目投资风险最有效的方法。
表2电网基准排放系数(tCO2/Mwh)
| 地区 | EF<sub>OM,i</sub> | EF<sub>BM,i</sub> |
| 华北地区 | 1.0416 | 0.4780 |
| 东北地区 | 1.1291 | 0.4315 |
| 华东地区 | 0.8112 | 0.5945 |
| 中部地区 | 0.9515 | 0.3162 |
| 西北地区 | 0.9457 | 0.3162 |
| 华南地区 | 0.8959 | 0.3648 |
该项目具有较高的投资风险，所以利用约束方法求解基于MOP模型构建的第一综合评价模型，评估指标项优化结果如表3所示，风险因素的优化结果如表4所示。
表3优化结果
| 序号 | 评估指标项 | 普通项目 | CDM项目 |
| 1 | NPV | 171451.27 | 388607.31 |
| 2 | IRR | 10％ | 12％ |
| 3 | PT | 16 | 13 |
由表4可知，风电项目投资运营主要受到CDM、上网电比率、容量因子、初始投资和新购设备成本影响。当风险因子值接近优化结果时，可以得到最优解。
表4风险因素优化结果
| 序号 | 影响因子 | 结果 | 现值 |
| 4 | A | 0.96 | 0.87 |
| 5 | C<sub>F</sub> | 0.374 | 0.34 |
| 6 | I | 1218135 | 1402435 |
| 7 | C<sub>e</sub> | 1037528 | 1092135 |
| 8 | TC | 136166 | 132200 |
| 9 | OC | 36948.27 | 38091 |
| 10 | MC | 451806.6 | 465780 |
优化结果表明，CDM收入对三个评估指标项都有显著影响，CDM项目是否成功注册将直接影响NPV、IRR和PT是否能达到好的效果。此外，当上网电比率接近1时，可达到最优方案，当上网电比率减少时，极少数NPV大于零，PT将超过21年，IRR低于8％。容量因子的优化结果是0.37而实际值为0.34，但是容量因子不能人工优化，它取决于地理条件，这意味着项目在规划选址时并未达到最佳资源条件。基于优化结果，对蒙特卡洛模拟进行了比较分析和验证，结果如表5所示。
表5优化模型的仿真结果
表4和表5表明，风电项目投资情况取得了明显改善。在任何情况下，无论CDM项目成功注册与否，通过对成本的控制，风险因子的优化，NPV大于0的几率大大增加，NPV的值也有大幅度优化。这说明，MOP(Multi-objective planning，多目标规划)优化有效降低风电项目投资风险，有助于项目可持续经营。
当一个风电项目成功注册CDM或者提高上网电率比时，收入会增加，投资回收期缩短，项目在投资运营过程中能承受更大的货币贬值或者通货膨胀。即，减少短期波动风险，实现长期的可持续经营。容量因子对风力发电生产率和盈利能力的提高仍然至关重要。为了确保项目在投资运营期获得最佳资源，在项目开始规划和选址时，应进行科学、详细的测量，计算和优化。在选址时，容量因子应尽可能高的或接近地区的最大值，同时要考虑相关设备的性能参数，尽可能地与地理资源相匹配，以达到最佳的效果。
评估风电项目综合效益：
凉山州风电基地已开发建设项目总投资278.31亿元。风电场工程建设本金占总投资的20％，其余资金从银行借款，长期借款利率为6.55％，借款偿还期为15年，还款方式为等额本息还款，流动资金按每千瓦30元估算。基准收益率采用8％，风电场采用建设期为1年，经营期为20年计算。运营维修期间的支出包括利息支出、经营费、维修费保险费、职工工资及福利费、材料费和其他费用。上网电价按四川省风电标杆上网电价0.57CNY/kWh测算。缴纳的税金包括增值税、销售税金附加、所得税。增值税税金按17％计算，形成固定资产的增值税在成本中抵扣，执行增值税即征即退50％优惠政策。销售税金附加包括城市维护建设税和教育附加税，税率分别为5％和3％、2％。企业所得税税率为25％，依据电力公共基础设施项目，企业所得税按照设定的规则，即“三免三减半”政策。同时，要考虑风电基地消纳问题，年上网电量减少10％。
基于全生命周期风电场评估包括6个部分：风电机组生产(叶轮、机舱、塔筒和其他部件)、变电站(变压器和控制元件)、设备运输与其他材料、安装、运营维修、回收处置。详细数据如表6所示。
表6风电场各组成部分
通过调查得知，制造厂与风电基地的平均距离大概为500km，主要交通运输工具是柴油卡车。柴油卡车消耗是1km/L，那么运输过程消耗柴油能量如表7所示。
基于表6可以计算得出凉山州风电场全生命周期内的耗能，详细数据如表8所示。该风电基地全生命周期内的总耗能为1940171.674吨标准煤。
表7运输过程能量消耗表和CO2排放量
表8全生命周期风电基地能耗
所有原材料生产过程和回收处置排放都应考虑在内，详细数据如表9所示(本实例只考虑CO2排放量)，风电基地CO2总排放为2.469×109kg。
本实例中将搜集到的数据输入到方程中，并利用MATLAB求解可得到该模型的优化结果，如表10所示。
结果表明，目标函数受到容量因子、机组额定功率、上网电比率和初始投资的影响。当决策变量是最优解时，目标函数值达到最优，即EROI＝40.6(max F1＝EROI)，NPV＝6.772×108(max F2＝NPV)，IC＝0.316元/kWh(min F3＝IC)，CER＝8.295万吨(max F4＝CER)。与项目原数据相比(EROI＝23.4，NPV＝1.707×108，IC＝0.33，CER＝3.285)，各目标值都得到了优化。
表9原材料生产过程中排放量
| 材料 | CO<sub>2</sub>(kg/t) | CO<sub>2</sub>(总排放kg) |
| 钢铁 | 2250 | 1.760×10<sup>9</sup> |
| 玻璃纤维 | 1128.9 | 4.470×10<sup>7</sup> |
| 硅 | 20510 | 7.310×10<sup>6</sup> |
| 铜 | 10909.29 | 2.056×10<sup>8</sup> |
| 混凝土 | 1070.3 | 2.924×10<sup>8</sup> |
| 钢筋 | 2303.79 | 1.574×10<sup>8</sup> |
| 树脂 | 690 | 1.515×10<sup>6</sup> |
| 总计 | 2.469×10<sup>9</sup> |
表10双层多目标优化模型优化结果
| 决策变量 | 最优解 | 现值 |
| C<sub>F</sub> | 0.362 | 0.34 |
| P<sub>r</sub> | 2.1MW | 1.5MW |
| a | 0.916 | 0.87 |
容量因子CF的最优解是0.362而实际值为0.34，但是容量因子不能由人工优化，它取决于地理条件，这表示在风电场建立时候的选择并不是最佳位置，增加了风电投资的不确定性。在之后的风电项目规划中，风能资源观察还需要加密，相关部门和各风电开发业主应该增加风资源观测塔，以便全面分析全州的风电资源。当Pr的值为2.1MW，目标函数处于最优且对EROI值影响较大，但是目前风电机组一般是1.5MW、2.0MW和2.5MW，代表的满发功率，所以当选择2.0MW机型时候(风机具有一定的超发能力)，目标函数是最优结果。此外，Pr不仅受到机组的影响，主要决定因素是风速，此外还会受到气压、气温、气流和叶片的影响。风电项目的地理位置也将对风电机组产生影响，其中，定桨距失速风电机组在相同的风速条件下，随着海拔高度的增加整个风电机组的功率会降低。变桨距风电机组在同样风速条件下其功率会随着海拔的增加在满负荷前会降低，当大于满负荷功率功率是恒定的，因此根据风电项目所处的地理位置采用适合的风电机组。风电机组叶片的大小和清洁度也是影响功率的重要因素之一，直径越大的叶片其功率也会增加，并且定期清洁叶片有利于避免功率下降。上网电比率对经济效益影响较大，当它的值趋于1的时候经济效益越大，但减排成本也会随之增加，当它的值稳定于0.916时，综合效益达到最大。
优化前的风电基地能源效益和经济一般，环境效益还比较理想。经过优化后，风电基地的EROI值从23.4上升到了40.6(石油的范围是10～30，煤是40～80)，优化后的风电基地具有更高的能源效益，从资源的角度评估出风能是一种可行有效地能源，能为社会经济发展提供能源资源。通过对决策变量优化，NPV优化后的值为6.772×108，提高了该风电基地的经济效益。风能是清洁的、可再生能源，风电场的开发建设在运营阶段不仅不会对环境产生损害还可以有效的减少常规能源尤其是煤炭资源的消耗，减少二氧化碳的排放，所以优化前后该风电基地的环境效益差距不是太大。风电基地可减少二氧化碳排放32.975万吨，具有较好的环境效益。
综上所述，本申请实施例提供的风电项目效益评价方法及装置，首先确定用于评估风电项目的投资风险的评估指标项，并对评估指标项进行优化处理，对评估指标项及包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型。同时，建立用于评价风电项目的能源效益和经济效益的上层目标函数、评价风电项目的环境效益的下层目标函数。最后，再对上层目标函数及下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。如此，通过从投资风险、能源效益、经济效益及环境效益多重角度出发，提供合理、科学的投资风险分析及综合效益分析，为风电项目建设提供有效的决策支持。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
Claims (10)
1.一种风电项目效益评价方法，其特征在于，所述方法包括：
确定用于评估风电项目的投资风险的评估指标项；
对各所述评估指标项进行优化处理，并对各所述评估指标项以及评估指标项包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型；
建立用于评价风电项目的能源效益和经济效益的上层目标函数；
构建用于评价风电项目的环境效益的下层目标函数；
对所述上层目标函数和所述下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。
2.根据权利要求1所述的风电项目效益评价方法，其特征在于，所述第一综合评价模型为蒙特卡罗-多目标模型，所述风电项目的投资风险的评估指标项包括净现值指标，所述净现值指标通过以下步骤确定：
确定用于评估风电项目的风速和风能密度的威布尔分布函数，基于所述威布尔分布函数得到累计分布函数；
基于所述累计分布函数建立容量因子方程，根据所述容量因子方程得到年发电量，基于所述年发电量、容量因子以及计算得到的基线排放因子得到清洁发展项目收入模型；
根据产出税、进项税以及退税率并按如下公式构建得到实际增值税支付：
其中，FVTi为实际增值税支付，OTi为产出税，ITi为进项税，RTi为退税率，Ce为新购设备成本，aGi(P+Si)为电力销售额，i为年份；
根据所述年发电量、上网电力比率以及上网电价计算得到销售税，并结合所述清洁发展项目收入模型、年发电量及实际增值税支付建立附加所得税方程；
利用获得的所述实际增值税支付、销售税、附加所得税方程以及清洁发展项目收入模型构建如下的净现值指标：
其中，NPV为净现值指标，CIi为年度现金流入值，COi为年度现金流出值，r为折现率，n为项目生命周期，CPi为清洁发展项目收入模型，P为上网电价，RVi为剩余固定资产价值，RLi为回收流动资金，a为上网电力比率，Gi为年发电量，LCi为流动资金，OCi为经营成本，STi为销售税，Ti为附加所得税。
3.根据权利要求2所述的风电项目效益评价方法，其特征在于，所述基于所述累计分布函数建立容量因子方程，根据所述容量因子方程得到年发电量，基于所述年发电量、容量因子以及计算得到的基线排放因子得到清洁发展项目收入模型的步骤，包括：
基于所述累计分布函数按以下公式建立容量因子方程：
基于所述容量因子、风电场运营时间、风电涡轮机可用性以及风电机组功率得到年发电量：
Gi＝CF×b×Pr×T
根据边际排放因子和容量排放因子计算得到基线排放因子：
EFi＝ωOM×EFgrid,OMi+ωBM×EFgrid,BMi
利用计算得到的年发电量、基线排放因子以及上网电力比率、Pc得到清洁发展项目收入模型：
CPi＝aGi×EFi×Pc
其中，CF为容量因子，vc为切入风速，vr为额定风速，v0为切出风速，k为形状因子，c为规模因子，Gi为年发电量，b为风电涡轮机可用性，Pr为风电机组功率，T为风电场运营时间，EFi为基线排放因子，EFgird,OMi为边际排放因子，EFgrid,BMi为容量排放因子，ωOM、ωBM为加权因子，CPi为清洁发展项目收入，a为上网电力比率，Pc为风电市场现行交易价格。
4.根据权利要求2所述的风电项目效益评价方法，其特征在于，所述风电项目的投资风险的评估指标项还包括投资回收期以及内部收益率，所述投资回收期以及内部收益率通过以下步骤确定：
构建如下的在净现值指标的总现值为零时的投资回收期方程：
按以下公式构建风电项目在运行过程中所能承受的最大年度货币贬值或通货膨胀的内部收益率方程：
其中，PT为投资回收期，i’为总现值等于零的年份，NPVi为开始具有真正价值的净现值，NPVi’为总现值等于零对应的净现值，IRR为内部收益率，r1为基准折现率，r2为高折现率，NPV(r1)为基准折现率对应的净现值，NPV(r2)为高折现率对应的净现值。
5.根据权利要求2所述的风电项目效益评价方法，其特征在于，所述上层目标函数包括第一目标函数及第二目标函数，所述建立用于评价风电项目的能源效益和经济效益的上层目标函数的步骤，包括：
按如下公式建立用于评价风电项目的能源效益的第一目标函数：
其中，CF为容量因子，Pr为风电机组功率，ti为机组出力时间，T为风电场运营时间，MA为材料耗能，MF为产业耗能，TP为交通耗能，IT为安装耗能，EL为回收处理耗能；
按如下公式建立用于评价风电项目的经济效益的第二目标函数：
其中，Si为补贴收入，FiT为税后电价，a为上网电力比率，b为风电涡轮机可用性，CI,i为初始投资，CO,i为运营成本，CM,i为维修成本，CD,i为回收成本，r为折现率。
6.根据权利要求2所述的风电项目效益评价方法，其特征在于，所述下层目标函数包括第三目标函数及第四目标函数，所述构建用于评价风电项目的环境效益的下层目标函数的步骤，包括：
按以下公式计算风电项目的发电成本：
其中，Cm为风电项目的发电成本，CI,i为初始投资，CO,i为运营成本，CM,i为维修成本，CD,i为回收成本，r为折现率，a为上网电力比率，b为风电涡轮机可用性，CF为容量因子，Pr为风电机组功率，ti为机组出力时间；
基于计算得到的风电项目的发电成本按以下公式计算得到为了减少单位体积二氧化碳排放量所增加的成本的第三目标函数：
其中，Cb为基准发电技术的发电成本，EMb为基准发电技术的CO2排放系数，EMm为风力发电技术的CO2排放系数；
按以下公式计算得到关于减排量的第四目标函数：
其中，
为基准发电技术的标煤单耗，Wp为风电系统中的CO2排放量。
7.根据权利要求1-6任意一项所述的风电项目效益评价方法，其特征在于，所述方法还包括：
针对待评估风电项目，获得所述待评估风电项目的项目基本数据；
根据所述项目基本数据，利用得到的所述第一综合评价模型得到所述待评估风电项目在风电项目投资风险上的各个评估指标项结果；
根据所述项目基本数据，利用得到的所述第二综合评价模型得到所述待评估风电项目在风电项目综合效益上的上层目标函数及下层目标函数的计算结果。
8.一种风电项目效益评价装置，其特征在于，所述装置包括：
评估指标项确定模块，用于确定用于评估风电项目的投资风险的评估指标项；
第一建立模块，用于对各所述评估指标项进行优化处理，并对各所述评估指标项以及评估指标项包含的参数进行约束处理，建立用于评价风电项目的投资风险的第一综合评价模型；
第二建立模块，用于建立用于评价风电项目的能源效益和经济效益的上层目标函数；
构建模块，用于构建用于评价风电项目的环境效益的下层目标函数；
第三建立模块，用于对所述上层目标函数和所述下层目标函数中的参数进行约束处理，建立用于评价风电项目的综合效益的第二综合评价模型。
9.根据权利要求8所述的风电项目效益评价装置，其特征在于，所述第一综合评价模型为蒙特卡罗-多目标模型，所述风电项目的投资风险的评估指标项包括净现值指标，所述评估指标项确定模块用于通过以下方式确定所述净现值指标：
确定用于评估风电项目的风速和风能密度的威布尔分布函数，基于所述威布尔分布函数得到累计分布函数；
基于所述累计分布函数建立容量因子方程，根据所述容量因子方程得到年发电量，基于所述年发电量、容量因子以及计算得到的基线排放因子得到清洁发展项目收入模型；
根据产出税、进项税以及退税率并按如下公式构建得到实际增值税支付：
其中，FVTi为实际增值税支付，OTi为产出税，ITi为进项税，RTi为退税率，Ce为新购设备成本，aGi(P+Si)为电力销售额；
根据所述年发电量、上网电力比率以及上网电价计算得到销售税，并结合所述清洁发展项目收入模型、年发电量及实际增值税支付建立附加所得税方程；
利用所述实际增值税支付、销售税、附加所得税方程以及清洁发展项目收入模型构建如下的净现值指标：
其中，NPV为净现值指标，CIi为年度现金流入值，COi为年度现金流出值，r为折现率，n为项目生命周期，CPi为清洁发展项目收入模型，P为上网电价，RVi为剩余固定资产价值，RLi为回收流动资金，a为上网电力比率，Gi为年发电量，LCi为流动资金，OCi为经营成本，STi为销售税，Ti为附加所得税。
10.根据权利要求9所述的风电项目效益评价装置，其特征在于，所述评估指标项确定模块用于通过以下方式获得清洁发展项目收入模型：
基于所述累计分布函数按以下公式建立容量因子方程：
基于所述容量因子、风电场运营时间、风电涡轮机可用性以及风电机组功率得到年发电量：
Gi＝CF×b×Pr×T
根据边际排放因子和容量排放因子计算得到基线排放因子：
EFi＝ωOM×EFgrid,OMi+ωBM×EFgrid,BMi
利用计算得到的年发电量、基线排放因子以及上网电力比率、Pc得到清洁发展项目收入模型：
CPi＝aGi×EFi×Pc
其中，CF为容量因子，vc为切入风速，vr为额定风速，v0为切出风速，k为形状因子，c为规模因子，Gi为年发电量，b为风电涡轮机可用性，Pr为风电机组功率，T为风电场运营时间，EFi为基线排放因子，EFgird,OMi为边际排放因子，EFgrid,BMi为容量排放因子，ωOM、ωBM为加权因子，CPi为清洁发展项目收入，a为上网电力比率，Pc为风电市场现行交易价格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010048054.0A CN111260132A (zh) | 2020-01-16 | 2020-01-16 | 风电项目效益评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010048054.0A CN111260132A (zh) | 2020-01-16 | 2020-01-16 | 风电项目效益评价方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111260132A true CN111260132A (zh) | 2020-06-09 |
Family
ID=70948842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010048054.0A Pending CN111260132A (zh) | 2020-01-16 | 2020-01-16 | 风电项目效益评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111260132A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215612A (zh) * | 2020-09-28 | 2021-01-12 | 国网甘肃省电力公司电力科学研究院 | 基于区块链的光伏消纳优化方法及系统 |
| CN113393156A (zh) * | 2021-07-05 | 2021-09-14 | 厦门大学 | 一种基于生命周期评价的海上风电场环境影响评估方法 |
| CN114024303A (zh) * | 2021-10-22 | 2022-02-08 | 国网甘肃省电力公司电力科学研究院 | 一种分布式储能优化配置方法 |
| CN117375004A (zh) * | 2023-10-16 | 2024-01-09 | 揭阳前詹风电有限公司 | 一种海上风电建设用资源评估方法及系统 |
| TWI833188B (zh) * | 2022-03-30 | 2024-02-21 | 嘉凱能源科技有限公司 | 氣渦輪機組的評比驗證系統、內儲程式及其裝置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127364A (zh) * | 2016-06-15 | 2016-11-16 | 中国能源建设集团甘肃省电力设计院有限公司 | 一种新能源发电与荒漠治理综合发展的效益评估方法 |
-
2020
- 2020-01-16 CN CN202010048054.0A patent/CN111260132A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127364A (zh) * | 2016-06-15 | 2016-11-16 | 中国能源建设集团甘肃省电力设计院有限公司 | 一种新能源发电与荒漠治理综合发展的效益评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 唐诗韵: "风电项目投资风险与综合收益分析", 《经济与管理学辑》 * |
| 邓彦斐等: "西部民族地区可再生能源开发的区域特征及可持续发展研究", 《资源开发与市场》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215612A (zh) * | 2020-09-28 | 2021-01-12 | 国网甘肃省电力公司电力科学研究院 | 基于区块链的光伏消纳优化方法及系统 |
| CN112215612B (zh) * | 2020-09-28 | 2022-05-31 | 国网甘肃省电力公司电力科学研究院 | 基于区块链的光伏消纳优化方法及系统 |
| CN113393156A (zh) * | 2021-07-05 | 2021-09-14 | 厦门大学 | 一种基于生命周期评价的海上风电场环境影响评估方法 |
| CN114024303A (zh) * | 2021-10-22 | 2022-02-08 | 国网甘肃省电力公司电力科学研究院 | 一种分布式储能优化配置方法 |
| TWI833188B (zh) * | 2022-03-30 | 2024-02-21 | 嘉凱能源科技有限公司 | 氣渦輪機組的評比驗證系統、內儲程式及其裝置 |
| CN117375004A (zh) * | 2023-10-16 | 2024-01-09 | 揭阳前詹风电有限公司 | 一种海上风电建设用资源评估方法及系统 |
| CN117375004B (zh) * | 2023-10-16 | 2024-04-09 | 揭阳前詹风电有限公司 | 一种海上风电建设用资源评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111260132A (zh) | 风电项目效益评价方法及装置 | |
| Harder et al. | The costs and benefits of large-scale solar photovoltaic power production in Abu Dhabi, United Arab Emirates | |
| Wu et al. | Optimal investment selection of industrial and commercial rooftop distributed PV project based on combination weights and cloud-TODIM model from SMEs’ perspectives | |
| Zhao et al. | Critical success factors for BOT electric power projects in China: Thermal power versus wind power | |
| Lin | Electricity demand in the People's Republic of China: investment requirement and environmental impact | |
| CN103646329B (zh) | 一种跨区跨省电力交易运营管控方法 | |
| CN109902909A (zh) | 一种基于层次分析法与灰色模糊综合评价法的项目效益评估方法 | |
| Lei et al. | Sustainable operation-oriented investment risk evaluation and optimization for renewable energy project: A case study of wind power in China | |
| CN109712020A (zh) | 一种考虑微网和多元负荷的投入产出效益评估方法 | |
| Wang et al. | Determine the optimal capital structure of BOT projects using interval numbers with Tianjin Binhai New District Metro Z4 line in China as an example | |
| Ramírez et al. | Assessment of different end-of-life strategies for wind power plants under uncertainty | |
| He et al. | A cost-based life-cycle pricing model for offshore wind power plants within China’s carbon trading scheme | |
| McDonald | Locational and market value of Renewable Energy Zones in Queensland | |
| Song et al. | Assessing implementation of China’s climate policies in the 12th 5-year period | |
| Deng et al. | How energy transition promotes pollution abatement in China’s industrial sector | |
| Alizamir et al. | Investment in wind energy: The role of subsidies | |
| Natarajan et al. | Sustainability in India through wind: a case study of Muppandal Wind Farm in India | |
| Ioannou et al. | A cluster analysis of investment strategies in the offshore wind energy market | |
| Ireland et al. | An assessment of new coal plants in South Africa’s electricity future | |
| Ji | Sensitivity Analysis Model of Wind Power Project Cost Influencing Factors Based on Improved LCOE | |
| Ding | Impact of transmission and distribution price reform on assets and management of power grid enterprises | |
| Muhammad et al. | Financial feasibility analysis of Gumanti micro hydro power plant project | |
| Harris | Incorporating risk in analysis of tax policies for solar power investments | |
| Nicholson et al. | The Los Angeles 100% Renewable Energy Study (LA100): Chapter 8. Greenhouse Gas Emissions | |
| Qing et al. | Research on financial module of investment benefit evaluation system based on thermoelectricity enterprise |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200609 |
|
| WD01 | Invention patent application deemed withdrawn after publication |