论文部分内容阅读
随着人类生产力的不断发展以及不可再生能源的日益稀少,人类与资源的矛盾越来越尖锐,可再生能源技术成为了未来能源发展的趋势。光伏发电是人类在可再生能源技术应用的一次巨大进步,但目前由于我国光伏发电产业尚处于初级阶段、同时由于光伏发电存在的特殊性,传统的“峰谷分时定价模型”与“两部制电价定价模型”等发电定价模型对其不适用,所以在发电定价上尚不成熟。光伏发电上网现存的定价形式主要是依赖于市场询价的方式和政府“一刀切”的模式。但由于我国地域辽阔,各地自然条件相差很大,所以“一刀切”并不能适于我国光伏电站的推行。目前,LCOE模型是国外主要的光伏定价方法,他可以通过多个因子动态分析,对光伏电价的真实成本进行核算。但由于LCOE模型是由国外的专家学者创作,并不符合我国光伏发电产业的实际情况。本文采用商业智能技术,对LCOE模型进行改进,引入清洁发展机制(Clean Development Mechanism,简称为“CDM”)因子;基于改进后的LCOE模型构建多维数据集,并采用数据提取、转换和加载(Extraction-Transformation-Loading,简称为“ETL”)技术将影响光伏发电定价各因素的数据导入到多维数据集中,然后设计针对各个因素的挖掘结构,最后将多维数据集中的数据导入到报表中,通过挖掘结构进行数据挖掘。本文采用德国光伏发电历史数据,通过LCOE模型计算出理论价格,并与实际价格相比较,从而验证LCOE模型的正确性。然后,采用组件及系统的历史价格数据,并考虑不同地域的光照时长,结合CDM机制所产生的收益,计算出符合我国国情的各地域理论光伏电价价格,并与我国现行价格相比较,以验证改进后的LCOE模型的正确性和有效性,克服“一刀切”价格机制的局限性。最后,采用商业智能技术,对我国未来光伏价格做出预测。