前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇光伏發展的歷史范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

光伏發展的歷史范文第1篇

【關鍵詞】：光伏發電；太陽能；電網

1光伏發電的歷史

在漫漫的歷史長河中，太陽能光伏發電技術在人們生活中發展的時間并不久遠，距今僅有100多年的歷史。1839年，法國物理學家安東尼?亨利?貝克勒爾（AntoineHenriBecquerel）在實驗中首次發現“光生伏打效應”（photovoltaiceffect），簡稱“光伏效應”。1873年，英國科學家威廉?史密斯（WiloughB.Smith）發現了硒，此材料對光非常敏感，并且威廉對這一發現作出了推測：硒材料的導電能力會隨著陽光照射的光通量的變化而變化。美國科學家查爾斯?弗里茨（CharlesFritts）于1980年研發出一種太陽能電池，這也是全球首塊以硒材料為基底的太陽能電池。人們之所以將“光伏器件”定義為能產生“光伏效應”的器件，原因是太陽能電池利用光伏效應的原理進行工作。

1961-1971年期間，光伏電池在技術上并沒有明顯的進步和改變，其研究重點主要是如何減少開發電池的成本和如何提高電池的抗輻射能力；1972-1976年，科學家成功研發出光伏電池，并初步應用到生產與生活中。此后，光伏發電逐步降低了開發成本，技術上也不斷得到改善和提高。目前，光伏發電技術正一步步走向產業化、規范化，并且已成為現在地球上主要的綠色環保可再生能源之一。

2太陽能光伏發電的優勢

2.1資源本身

太陽是一個巨大、永久的能量源，每秒輻射到地球的能量相當于使用500萬t的標準煤，相當于每年就要使用130萬億t標準煤。世界上可以開發的能源當中太陽是最大的。而且太陽照射大地時不會受到地域的限制，所以可以直接開發和使用，在開發時不會用到開采和運輸。在隨著煤、石油、天然氣……大量的消耗，能源的供應會越來越緊張。

2.2地理優勢

我國太陽能資源非常豐富，理論上來說太陽能的儲量達到了每年的17000億t標準煤，太陽能的開發利用的潛力是巨大的。中國處于北半球，南北距離和東西距離都在5000km以上。在這遼闊的土地上有著豐富的太陽能資源。大多數地區年平均輻射量都在4kWh/m2以上，的日輻射量更是達到了7kWh/m2。年日照時數多于2000h，和同一緯度的國家相比，比歐洲、日本具有優勢，和美國相似。

3太陽能光伏發電系統

我們通常把利用太陽能板將太陽能轉化為電能的過程叫做光伏發電，把由控制器、太陽能電池陣列、電能的儲存和變換裝置等組成的系統叫做光伏發電系統。光伏發電系統分為獨立型系統、并網型系統和混合型系統。

如圖 1 所示，獨立型光伏發電系統的特點是不與國家電網連接，但需要用蓄電池來儲存能量。在有太陽光照的情況下，該系統可以用于國家電網無法到達的用電設備。當蓄電池中的存儲量小于光伏陣列的發電量時，光伏列陣產生的電能小于負載消耗的電能，這樣蓄電池組和光伏列陣一起給負載供電。若無太陽光照，就由蓄電池獨立為其提供電源。 如圖 2 所示，并網型光伏發電系統的特點是系統的輸出端要和國家的電網相連。按照接入點的不同，并W型光伏發電系統可分成配電側并網型光伏發電系統和輸電側并網型光伏發電系統。并網型光伏發電系統大多應用于樓房外側，并網點多數在配電側。輸電側并網光伏發電系統與之最大的不同是安裝地點不同，其大多數安在沙漠。

它的工作流程是：先利用光伏陣列把太陽能變成電能，然后利用逆變器將產生的直流變為符合電網要求的交流電，最終將符合條件的電能并入電網。

如圖 3 所示，混合型光伏發電系統最大的優點是系統中不僅有光伏發電系統，還有多種模式的發電系統。當光伏發電系統產生的電能小于負載需要的電能時，可以通過其他發電方式來彌補缺少的電能。

目前，風光互補發電系統的應用比較廣泛，提高了整個混合型光伏發電系統的可靠性和穩定性。

4光伏發電發展遠景

光伏發電技術將在不久以后占據能源消費的重要地位，其發展將替代一些常規型能源，且將成為能源的主體供應方式。預計在2030年，對于可再生能源消耗量將占到能源總消耗量的百分之三十以上，其中光伏發電也將占世界電力供應比例的百分之十以上；而到2040年時，可再生能源的消耗量將占能源消耗總量的百分之五十以上，其中光伏發電可占到總電力百分之二十以上；二十一世紀末，可再生能源的消耗量將占到能耗總量的百分之八十以上，而太陽能光伏發電可占至百分之六十。這些數據足以表明光伏發電產業發展的前景和在能源方面所占據的重要位置。有關報道稱，至2020年時，我國會力爭將太陽能光伏發電容量到達180萬KW，至2050年可達60000萬KW。預計至2050年，可再生能源發電裝機可占我國發電裝機總容量的百分之二十五，其中太陽能電力裝機可占百分之五左右。在未來的十幾年里，將會是我國光伏發電產業的一個迅猛發展階段。

5結束語

總之，發展利用可再生能源不僅可以降低環境污染，符合我國可持續發展的戰略要求，也是當今世界必須要走的能源之路。由于中國是能耗大國，且人口密度分布不合理，因此要想讓國家保持能源供給的安全性和獨立性，堅持可持續發展的戰略方針及分散人口地區居民用電，就必需大力發展太陽能光伏發電系統。

【參考文獻】

光伏發展的歷史范文第2篇

關鍵詞 光伏發電預測；太陽輻照度；天氣預報；多項式回歸

中圖分類號：TM615 文獻標識碼：A 文章編號：1671-7597（2014）15-0043-02

太陽能光伏發電系統的輸出功率取決于太陽輻照強度、溫度、風速、云量等因素，其輸出功率的變化具有不連續性和不確定性的特點[1]。因此，大規模集中并網光伏發電系統容量的增加會對電網的穩定運行產生影響。因此，光伏發電量預報技術對于電力負荷配合、電網的穩定運行具有重要的意義。

本文是通過天氣預報給出的氣象數據，來對本文對上海浦東新區某套光伏系統的輸出功率預測進行研究。

1 光伏發電系統出力的預測方法

目前，光伏發電系統出力的預測方法主要有兩種：物理方法和統計方法[2]。

物理方法是利用太陽能電池光伏發電的原理，通過光電轉換效率的定義來建立起影響光電轉換效率的經驗公式和經驗系數，輸入太陽能總輻射預報值，進行光伏發電量預報[3]。

統計方法利用建立光伏發電系統出力與氣象要素相關性的統計模型后，輸入天氣預報和太陽總輻射預報值，進行發電量預測[4]。常見的統計方法包括多元多項式回歸模型、神經網

絡[4]等。

表1給出了利用物理方法和統計方法預測光伏發電功率時所需要的數據[3]。

表1 光伏發電預測方法所需數據

物理方法 統計方法

電池板面積 歷史發電量數據

太陽能電池材料 歷史太陽輻照度數據

標稱效率 歷史氣象數據

溫度系數 氣象預報數據

太陽輻照度預報值 太陽輻照度預報值

因為本文是通過歷史數據及天氣預報來對光伏系統出力進行預測，所以我們選取統計方法來建立預測模型。

2 太陽能光伏發電系統預測模型的設計

通過天氣預報無法獲得統計方法所需要的太陽輻照度預報值，所以本文先利用光伏發電系統歷史發電數據、太陽輻照度數據和氣象數據建立了多元多項式回歸模型，然后在此基礎上建立了晴天、多云、陰天和雨天這四種天氣類型下的只以氣溫為輸入變量的預測模型。圖1給出了光伏發電系統發電預測框架圖。

圖1 光伏發電系統出力預測框架圖

本文利用的數據包括上海浦東氣象局提供的氣象資料（氣溫及天氣類型），以及光伏電站提供的相關運行數據。對于氣象資料中的陣雨轉多云、多云轉雷陣雨等一天內天氣類型多變的情況，我們認為白天為多云的即為多云、白天為陣雨的即為雨天。觀察歷史發電數據可知，光伏發電系統輸出功率集中在5：00-18：00內。因此，我們認為有效發電時間為13h。對5：00-18：00內每5分鐘一個采樣點的歷史發電數據及輻照度數據進行算術平均，計算結果如表2所示。表3給出了其中三天的計算結果。

表3 三天的歷史發電計算數據及氣象數據

日期 平均有效

功率/kW 平均有效太陽

輻照度W/m2 氣象數據

氣溫/℃ 天氣類型

6月8日 12.593 245.425 24.0 陰天

6月10日 10.082 198.652 25.1 雨天

6月28日 15.110 310.701 28.8 多云

通過歷史數據建立多元多項式回歸模型，光伏發電系統輸出功率是溫度和太陽輻照度的函數，表示為：

在現有的20組數據中，選取6月7日、17日、24日和27日用于誤差的評估。利用MATLAB對其余的16組數據進行擬合，擬合結果為：

a=-1.10730；b=-0.00073；c=0.07630；d=-0.00001

太陽輻照度的變化具有動態性、多擾量性等特點，其中云量、大氣狀況、天氣狀況等因素的影響至關重要[5]。由于天氣預報并未提供統計方法所需要的太陽輻照度預報值，但在同一天氣類型下，我們可以認為每天的有效太陽輻照度平均值近似相等。所以本文對歷史數據按天氣類型分類，求出各天的有效太陽輻照度平均值Hi，再在同天氣類型下求出，將該值視為該天氣類型下的各天有效太陽輻照度平均值。表4給出了各天氣類型對應的有效太陽輻照度平均值。

表4 各天氣類型對應的有效太陽輻照度平均值

天氣類型 晴天 多云 陰天 雨天

日太陽輻照度平均值W/m2 484.243 368.147 261.257 181.267

將表4中的數據代入多元多項式回歸模型，即可得到無輻照度預測時，基于天氣預報預測光伏系統出力的模型。表5給出了各天氣類型下的光伏發電系統功率預測模型。

表5 光伏系統各天氣類型下的功率預測模型

天氣類型 光伏發電系統功率預測模型

晴天 P=33.49553-0.35350*T（kW）

多云 P=25.62699-0.26875*T（kW）

陰天 P=18.14406-0.19072*T（kW）

雨天 P=12.39479-0.13232*T（kW）

利用表5中的模型，我們可在無太陽輻照度預測時，僅根據天氣預報所提供的溫度與天氣類型預報來預測光伏發電系統的有效輸出功率，預測的時間尺度可達1-7d。將有效輸出功率P乘以有效時間13h，即可得到光伏系統發電量。

圖2給出了利用表5所建立的預測模型來預測6月7日、17日、24日和27日的發電功率。

圖2 預測功率與實際功率

在預報檢驗中，我們采用平均絕對百分比誤差MAPE對預報誤差進行評估[6]。經計算，預測模型的MAPE為9.07%。根據預測精度劃分表可知，當MAPE

在考慮影響模型預測精度的原因時，本文分析了以下幾個因素。

1）由于數據的缺乏，在計算太陽輻照度的時候，只是簡單地對同一天氣類型下的輻照度求平均，并將該平均值視為該天氣類型下的平均輻照度值。而實際情況下，即使是相同的天氣類型下，太陽輻照度也會隨赤緯角、太陽時角的變化而變化。因此，若在計算有效太陽輻照度平均值時，按季節和天氣類型區分，會使得預測模型的可靠性得到提高。

2）對多種天氣類型只是簡化為晴天、多云、陰天和雨天。實際生活中會出現晴轉多云、小雨轉陰等一天內天氣類型多變的情況。并且，即使在同一天氣類型下，云量、云狀等也是有差別的，所以對太陽輻照度的影響是也是有差異的。

3）計算太陽輻照度的過程中都是對同一天氣類型下幾天的數據簡單求平均，并沒有考慮不同大氣條件的影響。實際中，太陽輻照度還與當時大氣中水汽含量、氣溶膠等有關。另外，大氣中O3、O2、H2O等也會吸收太陽輻射。

4）上海地區屬于霧霾天氣多發的地區。霧霾天氣發生時，會造成高濃度氣溶膠事件，從而削弱了到達地面的太陽輻照度，使得光伏發電系統發電功率的預測結果與實際值有所偏差[8]，而本文也沒有考慮到霧霾的影響。

3 結論

光伏電站輸出功率預測對于保持電力系統的功率平衡和經濟運行有著重要的意義。本文依據夏季20天的相關歷史數據為基礎，建立了各天氣類型下只以溫度為輸入變量的功率預測模型，預測結果的MAPE為9.07%，表明了預測模型具有一定的參考價值。

基金項目

上海市科委節能減排專項（12dz1200302）

參考文獻

[1]張雪莉，劉其輝，馬會萌，李蓓.光伏電站輸出功率影響因素分析[J].電網與清潔能源，2012，28（5）：75-81.

[2]蔣亞娟.光伏電池建模及其在光伏發電預測中的應用[D].華中科技大學2011.

[3]李芬，陳正洪，成馳，段善旭.太陽能光伏發電量預報方法的發展[J].氣候變化研究進展，2011，7（2）：136-141.

[4]張嵐，張艷霞，郭嫦敏，趙杰.基于神經網絡的光伏系統發電功率預測[J].中國電力，2010，43（9）：75-78.

[5]林星春.基于神經網絡的太陽輻射復合預測技術研究[D].東華大學，2006.

[6]何明瓊，陳正洪，成馳.光伏發電量與氣象因子的關系及其預報試驗簡報[A].第27屆中國氣象學會年會氣候資源應用研究分會場論文集[C].2010.

[7]趙洪賓.給水管網系統理論與分析[M].北京：中國建筑工業出版社，2003：1-30.

[8]何滎，全利.淺談空氣污染對中國天然光照度的影響[J].燈與照明，2013（01）：17-18，33.

光伏發展的歷史范文第3篇

【關鍵詞】 功率預測 短期預測 均方根誤差

發電與用電必須實時平衡是電力系統運行的重要特點，只有這樣系統才能保證安全和穩定。因而無論在國內還是國外，電網調度部門主要負責電力系統的調頻、調峰、安排發電計劃和備用容量等業務。對于新能源發電方面，尤其以光伏和風電為代表，當其在電力系統中達到較高透率時，準確預測其輸出功率不僅有助于調度部門提前調整調度計劃來減輕光伏風電間歇性對電網的影響，而且還可減少備用容量的安排，從而降低系統運行成本。因此，新能源功率預測在電網調度領域占有舉足輕重的地位，更精確的預測風能、太陽能發電功率有利于制定合理的電力調度計劃。

1 國內外研究現狀

對新能源發電功率預測技術的研究較早起源于國外，尤其以丹麥、德國、瑞士、西班牙和日本等國的相關大學和科研機構為代表。上世紀90年代丹麥開始大力發展風電，促使了其不同公司或高校開始研究新能源功率預測問題。[1]相繼產生了多個產品，如Riso實驗室開發了Prediktor系統，丹麥技術大學開發出WPPT（Wind Power Prediction Tool）系統，而后的用于風電功率預測的Zephry系統就是由Prediktor和WPPT整合而來，另外由ENFOR公司研發的用于光伏功率預測的SOLARFOR系統也比較有代表性；作為國際上較早大面積應用新能源的德國，其Oldenburg大學開發了Previento系統，德國太陽能研究所開發了風電功率管理系統（WPMS）；西班牙Joen大學建立了19kW的光伏發電站驗證其發電預報準確率[2]，通過人工神經網絡算法，以實測的光伏板溫度、日照輻射強度為輸入值，以其I/V曲線為目標函數，訓練神經網絡的多層傳感器，求解出逼近實際工況的I/V曲線，建立了發電功率日照強度、板溫之間的函數關系，經過驗證，該系統2003年發電量預測值與實測值的歷史相關系數高達0.998。國內方面光伏發電量預測技術研發起步較晚。華北電力大學[3]結合光伏組件數學模型和保定地區氣象資料，模擬了30MW光伏電站發電量數據，利用支持向量機回歸分析方法進行功率預測，但該方法無實際光伏電站的實況發電量數據，缺乏實驗驗證，對實際光伏電站發電量預報的指導意義有限。華中科技大學[4]利用該校屋頂光伏并網發電系統資料進行研究，通過2005―2010年不同季節氣象因素與發電量之間的相關分析，得出光伏發電量與輻照度的相關性最大、溫度次之、風速再次之。

2 功率預測方法及分類

為提高功率預測精度，國內外研究機構都在嘗試各種新的預測方法，主要的功率預測方法分類如（圖1）。

時間序列分析是持續預測法中的一種，其認為風速、輻照強度預測值等于最近幾個風速、輻照強度歷史數據的滑動平均值，通常只是簡單地把最近一點的觀測值作為下一點的預測值。該模型的預測誤差較大，且預測結果不穩定。改進的方法有ARMA模型法、卡爾曼濾波法。

人工神經網絡方法被廣泛用來解決非線性問題的建模方法。它由大量簡單元件相互連接而成的復雜網絡，具有高度的非線性，能夠進行復雜的邏輯操作的非線性關系。其具有很多優良性能，如非線性映射能力、自組織性和自適應性能力、記憶聯想能力、容錯能力等。

按照風電或光伏功率預測的時間尺度可分為中長期、短期和超短期預測。對于中長期預測或更長時間尺度，主要用于風光電場或電網的檢修維護計劃安排等的預測。對于30分鐘～72小時的預測，主要用于電力系統的功率平衡和經濟調度、電力市場交易、暫態穩定評估等稱為短期功率預測。一般認為不超過30分鐘的預測為超短期預測。從預測模型建立角度考慮，不同時間尺度的預測有本質區別：0～3小時的預測主要由大氣條件的持續性決定，所以如果不通過數值天氣預報也能得出較好的預測結果，如采用可得到更好結果。對于時間尺度超過3小時的預測，不考慮數值天氣預測無法反應大氣運動的本質，所以難以得到較好的預測結果，所以通常的預測方法都采用數值天氣預報的數據。

基于物理方法的功率預測流程示意圖如下（以風功率預測為例）。首先通過數值天氣預報得到風速、風向等氣象數據，再根據電場周圍的地理信息參數（等高線、粗糙度、障礙物、溫度分層等）采用軟件計算得到風機輪轂高度的風速、風向、氣溫、氣壓等參數，最后根據風機功率曲線計算得到風電場輸出功率。因為在不同的風向和溫度條件下，即使風速相同，風電場輸出功率也不相等，因此風電場功率曲線是一族曲線，同時還應考慮風電機組故障和檢修的情況。對整個區域進行風電功率預測時，可對所有的風電場輸出功率進行預測，然后求和得到區域總功率。

基于統計方法的風電/光伏的功率預測不考慮風速/輻照變化的物理過程，根據歷史統計數據找出天氣狀況與風光電場出力的關系，然后根據實測數據和數值天氣預報數據對電場輸出功率進行預測。

兩種方法各有優缺點。物理方法無需大量的測量數據，但對大氣的物理特性及風/光電場特性的數學描述要求較高，這些描述方程求解困難、計算量大。統計方法無需對求解方程，計算速度快，但需要大量歷史數據，采用機器學習方法對數據進行挖掘與訓練，得到氣象參數與風/光電場輸出功率的關系。目前的趨勢是將兩種方法混合使用，稱之為綜合方法。

3 三種預測方法的對比

通過應用三種統計預測算法于某案例中對其預測精度進行了對比。案例以某島嶼上的分布式風光電站發電量為檢驗對象，該電站由25臺30kw并網光伏逆變器、5臺50kw風機組成，合計1000kw。選取2013年4月份的歷史功率數據和歷史數值天氣預報數據作為模型建立依據，5月份發電量作為預測對象（因為該區域4，5月份天氣變化相對最小），并采用同時段的歷史功率數據對模型的預測結果進行驗證。

3.1 ARMA預測模型

3.1.1 ARMA模型的基本原理

ARMA模型也稱為自回歸滑動平均模型，是研究時間序列的重要方法之一，是由自回歸與滑動平均兩種模型“混合”而成。常用于長期追蹤資料的研究和用于具有季節變動特征數據的預測中，所以可將其應用于風電光伏功率預測領域。

3.1.2 預測結果及誤差分析

運用ARMA模型分別對5月1日9時0分至5月31日18時00分進行預測，得到原始風電光伏總功率和預測功率。預測結果如（圖3、4）所示。

常見的預測誤差的評估方法有平均絕對誤差，均方根誤差，相關系數等。均方根誤差放大了出現較大誤差的點，能更好的反映光伏電站預測模型的準確度，因此本文采用均方根誤差RMSE對模型的誤差進行評估。

其中，N-測試樣本數；P-裝機容量。

通過Matlab的計算，我們得到各項指標結果如表1。

3.2 卡爾曼濾波預測模型

3.2.1 模型基本原理

卡爾曼濾波法運用了濾波的基本思想，利用前一時刻預報誤差的反饋信息及時修正預報方程，以提高下一時刻的預報精度。要實現卡爾曼濾波法預測風光功率，首先必須推導出正確的狀態方程和測量方程。因已通過時間序列分析建立了風電功率時間序列的ARMA模型，故可將ARMA模型轉換到狀態空間，建立卡爾曼濾波的狀態方程和測量方程。

3.2.2 預測結果及誤差分析（如圖5、圖6）

通過Matlab的計算，我們得到各項指標結果如（表2）。

3.3 小波神經網絡預測模型

對于上文的ARMA模型和卡爾曼濾波模型都屬于線性模型，都必須先對模型結構做出假設，然后對模型參數的估計得到預測值。因此，模型結構的合理與否，直接影響到最終預測的精度。由于風光電場功率具有高度的不確定性，因而單一的線性預測模型不足以挖掘其功率數據中的所有信息。而神經網絡具有自學習、自組織和自適應性，可以充分逼近任意復雜的非線性關系，所以本文選擇小波神經網絡方法對風光功率進行非線性預測研究。

3.3.1 小波神經網絡法基本原理

小波神經網絡是一種以BP神經網絡拓撲結構為基礎，把小波基函數作為隱含層節點的傳遞函數，信號前向傳播的同時誤差反向傳播的神經網絡。小波神經網絡的拓撲結構如圖7。

3.3.2 模型建立

首先采集四月份一整月的光伏風電功率數據，每隔15min記錄一個時間點，共有960個時間節點的數據，用前四月份30天的功率數據訓練小波神經網絡，最后用訓練好多的神經網絡預測之后的功率數據。基于小波神經網絡的功率預測算法流程圖如圖8所示。

小波神經網絡的拓撲結構如圖9所示。

小波神經網絡訓練：通過數據訓練小波神經網絡，網絡反復訓練100次。

神經網絡網絡測試：用訓練好的神經網絡預測風光功率，并對預測結果進行分析。

3.3.3 預測結果

利用Matlab處理數據并進行計算，我們得到基于小波神經網絡的功率預測結果（圖10、11）。

預測結果分析：

本文采用了ARMA模型、卡爾曼濾波預測算法和小波神經網絡算法對該島的分布式風光電功率數據樣本進行了預測。分析表1～表3預測效果評價指標，我們得到以下認識：小波神經網絡模型中我們得到預測結果：超短期預測精確度誤差最小達到到7%，短期預測精確度誤差最小達到到9%，表明小波神經網絡的預測結果已經相當精確。對小波神經網絡預測曲線與線性預測模型的預測曲線進行對比，可以看到：神經網絡對于光伏風電功率的描繪更加平緩。

4 結論與展望

在對國內外文獻廣泛調研的基礎上，較為全面地論述了風電、光伏功率預測技術的研究現狀和最新動態，對當前功率預測技術方法進行了總結歸納，建立了針對某島嶼分布式風光互補示范工程的高精度發電功率預測模型，成功實現了分布式電源總輸出（光伏風電）的精確預測，實驗運行結果表明：該系統能夠準確預測次日短期和未來4小時超短期光伏發電出力，短期和超短期預測的月平均均方根誤差分別為9%和7%。

為了進一步提高功率預測精度還需要提高數值天氣預報質量，從而得到精度更高更豐富的區域氣象數據。因此需要盡快建立我國數值天氣預報商業化服務，進一步完善風電光伏功率預測系統，提高預測精度。

參考文獻：

[1]BOSSANYI E A. Short-term wind prediction using Kalman filters[J]. Wind Engineering， 1985，9（1）：1-8.

[2]Almonacid F， Rus C， Perez P J，et al.Estimation of the energy of a PV generator using artificial neural network [J]. Renewable Energy， 2009， 34（12）：2743-2750.

光伏發展的歷史范文第4篇

在光伏業內，“金太陽”示范工程幾乎成了一個負面形象的代名詞，或曰質量不佳，或曰欺詐盛行。無論如何評價，它對中國光伏早期國內終端市場規模化發展所發揮的重要作用，以及對中國能源發展戰略多種培育方式嘗試的重要意義都不可否認。在“金太陽”正在走入歷史的時候，對于這樣一個巨大的國家扶持工程，無論是從對社會投入負責任的角度，還是從建立數據基礎體系的角度，“金太陽”都到了需要梳理，并給社會一個交代的時候。

關于“金太陽”，已知和未知的情況是：國家“原則上按光伏發電系統及其配套輸配電工程總投資的50%給予補助”的“金太陽”，始于2009年7月的《關于實施金太陽示范工程的通知》，終于2013年12月的《關于清算2012年金太陽和光電建筑應用示范項目的通知》，4期共計批準項目總量約為6GW，但實際完成情況未公開，實際并網發電情況未公開，國家總計補貼金額也未公開。對于補貼金額，有資料顯示早期計劃建設不低于500MW，補貼金額在百億元。但在實際運行中，批準規模增加了十倍以上，補貼金額大幅增加也是勢所必然。

站在今天的角度看“金太陽”，人們不難看到這樣兩點：

“金太陽”的積極意義在于把中國光伏推向了一個重要的發展階段。2004年以前，中國光伏難言規模，當年組件產能僅為100MW。2004年以后，受歐洲市場需求突起拉動，生產規模迅速提升，2008年產量已經達到1780MW，產品99%出口，國內需求幾乎為零。2009年“金太陽”開始實施，到2013年，組件產量約為30000多MW，國內外市場需求4：6，達到了一個必要的格局。之所以說“必要”，是因為出于能源長期發展戰略考慮，人類選擇了以早期承擔巨額成本的方式發展光伏新能源，從2004年開始，以德國為代表的歐洲首先承擔了起這份責任。從2009年“金太陽”開始，中國作為一個負責任的大國也承擔起了這份責任。“金太陽”的實施，客觀上達到了三方面的積極意義：逐步改變了中國光伏過去技術、市場、原材料“三頭在外”的不合理產業格局；意外地為后來“雙反”時保護中國光伏而開拓國內市場做了準備；維護了中國光伏強大的國際競爭力。

“金太陽”出現負面效果是必然的。國際上圍繞光伏發電補貼，主要分為上世紀九十年代“日本新陽光計劃”為代表的“事前補貼”，和2004年以后德國實行的固定電價為代表“事后補貼”兩種形式，區別在于，前者以電站建設完成為補貼時間，是一次性的；后者以并網發電實現為補貼時間，是一般持續20年以上的。“金太陽”是典型的“事前補貼”方式，而其實施的前提之一是社會信用體系的完善和成熟。

毋庸諱言的是，中國社會信用體系基礎一向薄弱，于是就有了“有相當一部分企業為了多得到財政補貼，采取‘低購高報’的辦法，提高系統總造價，借此騙取補貼。更有甚者，直接使用不符合補貼質量要求的劣質產品，甚至國外退貨的廢次產品。”總之從根本上講，事前補貼的作法不適合當前中國，事實上這種做法的比例在國際上也是遞減的。基于此，“金太陽”出現這樣或那樣的問題是正常的事情，它是中國光伏發展必須的一種探索。

時至今日，“金太陽”正在成為過去時，正反面的評論也在逐漸淡化，總結“金太陽”這樣重大社會事件的長遠價值，也許時間更長效果更好。當前該做的事情，應是將“金太陽”的實施結果進行一個梳理，還原一個真實的過程。

梳理“金太陽”，給社會一個交代是建立社會監督機制的需要。在成熟的國家制度下，任何重大的政府行為，特別是需要巨額資金支持的政府行為，資金的支出應當獲得社會的批準，資金的使用情況及其結果應當獲得社會的認可，只有這樣才能形成合理的政府管理機制。遺憾的是，中國的許多事情不是這樣，于是就有了人們許多的抱怨。而這些抱怨，不是抱怨行為目的的對錯，而是抱怨行為運作程序的問題，因為該項目花的是每一個納稅人的錢。花納稅人的錢不向納稅人請示，花錢的結果也不向納稅人報告，這是一個邏輯不通的事情，因此“金太陽”實施中出現的諸多欺詐行為也就不足為奇了。

事實上，這些現象不是行為的初衷，但卻是行為的結果，改變這一異化結果的唯一辦法就是政府管理改革。沒有監督機制的國家體制不是合理的國家體制，缺少監督機制的政府行為是難免會出問題的行為。提倡政府管理改革，具體到“金太陽”就是對投資結果進行梳理并向社會匯報，能源管理改革請從“金太陽”開始。

梳理“金太陽”，給社會一個交代是不斷積累數據、建立產業標準的需要。在筆者過去的研究過程中，能夠找到的完整的“金太陽”數據甚少，而其對產業標準形成的相關作用的資料更少。標準的缺失既是中國光伏產業長期發展的軟肋，更是當前光伏產業投融資的硬傷。標準不是臆造出來的，是在大量數據積累的基礎之上分析、總結而來的，只有通過長時間完整數據的積累才有可能形成一個相對合理的產業標準。

光伏發展的歷史范文第5篇

“災難”是否會來襲，尚需觀察。但針對我國光伏產業的發展現狀，業界專家普遍認為，我國光伏產業應從生產向研發轉變，從制造向創造轉變。如果沒有創新，沒有自主知識產權，光伏產品必將陷入低價競爭的怪圈，國內的光伏產業就沒有出路。

調查帶來壓力

在過去一年中，低迷不振的光伏產業，被冠以“寒冬、暗夜、低谷”等字眼。就在光伏產業頭上“朝陽行業”光環逐步褪色時，歐美針對中國光伏產品的調查，再度引發了人們對中國光伏產業前景的擔憂。

“這次反傾銷調查是國內光伏制造業的成本下降速度遠高于國外同行業者的預期，加之歐洲光伏支持政策縮緊，造成國內外同行業企業競爭加劇引起的。而且，由于國內光伏產業近幾年多了不少規模小、技術水平低、創新能力不足、競爭力不強的中小企業。一些企業在技術競爭方面不具備優勢，低價競銷成為其常規戰略，這容易給國外提起反傾銷以口實，也是國外提起反傾銷的一個誘因。”中關村儲能產業技術聯盟儲能專業委員會研究員李雷說，“如果此次反傾銷調查成立，必定會使一些規模小、實力不強、沒有核心技術的企業破產倒閉，而技術實力強、規模大、創新能力強的企業則要做好戰略整合

準備。”

與此前美國對華“雙反”調查不同，由于歐洲是中國光伏組件的最大出口地，去年中國光伏產品有60%輸往歐洲，歐洲市場對于中國光伏產業的意義非比尋常。甚至有人預測稱，如果歐盟對中國光伏產品征收高額的反傾銷稅，有可能導致六成左右的中國光伏企業倒閉。

創新謀求發展

反省自身，歐盟對我國光伏組件實施反傾銷調查，也從另一個側面反映出我國光伏產業創新能力的不足。

“總的來說，由于技術水平的原因，我國企業在大宗成套光伏設備制造等方面，目前還沒有形成規模和競爭力，這是影響我國光伏產業長遠、健康、可持續發展的一個障礙，必須引起重視。當我國勞動力成本競爭優勢下降后，未來全球光伏企業比的就是核心技術帶來的成本降低。”李雷說。

9月10日，記者在國家知識產權局專利檢索與服務系統中檢索發現，目前，我國與光伏有關的3種專利申請中，實用新型專利申請占比達60%，外觀設計專利申請占比達26.66%，而發明專利申請占比僅為13.33%。由此不難看出，雖然在專利申請量上我國光伏企業占據優勢，但硬實力卻有待加強。