光伏发展的历史

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇光伏发展的历史范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

光伏发展的历史范文第1篇

【关键词】：光伏发电；太阳能；电网

1光伏发电的历史

在漫漫的历史长河中，太阳能光伏发电技术在人们生活中发展的时间并不久远，距今仅有100多年的历史。1839年，法国物理学家安东尼・亨利・贝克勒尔（AntoineHenriBecquerel）在实验中首次发现“光生伏打效应”（photovoltaiceffect），简称“光伏效应”。1873年，英国科学家威廉・史密斯（WiloughB.Smith）发现了硒，此材料对光非常敏感，并且威廉对这一发现作出了推测：硒材料的导电能力会随着阳光照射的光通量的变化而变化。美国科学家查尔斯・弗里茨（CharlesFritts）于1980年研发出一种太阳能电池，这也是全球首块以硒材料为基底的太阳能电池。人们之所以将“光伏器件”定义为能产生“光伏效应”的器件，原因是太阳能电池利用光伏效应的原理进行工作。

1961-1971年期间，光伏电池在技术上并没有明显的进步和改变，其研究重点主要是如何减少开发电池的成本和如何提高电池的抗辐射能力；1972-1976年，科学家成功研发出光伏电池，并初步应用到生产与生活中。此后，光伏发电逐步降低了开发成本，技术上也不断得到改善和提高。目前，光伏发电技术正一步步走向产业化、规范化，并且已成为现在地球上主要的绿色环保可再生能源之一。

2太阳能光伏发电的优势

2.1资源本身

太阳是一个巨大、永久的能量源，每秒辐射到地球的能量相当于使用500万t的标准煤，相当于每年就要使用130万亿t标准煤。世界上可以开发的能源当中太阳是最大的。而且太阳照射大地时不会受到地域的限制，所以可以直接开发和使用，在开发时不会用到开采和运输。在随着煤、石油、天然气……大量的消耗，能源的供应会越来越紧张。

2.2地理优势

我国太阳能资源非常丰富，理论上来说太阳能的储量达到了每年的17000亿t标准煤，太阳能的开发利用的潜力是巨大的。中国处于北半球，南北距离和东西距离都在5000km以上。在这辽阔的土地上有着丰富的太阳能资源。大多数地区年平均辐射量都在4kWh/m2以上，的日辐射量更是达到了7kWh/m2。年日照时数多于2000h，和同一纬度的国家相比，比欧洲、日本具有优势，和美国相似。

3太阳能光伏发电系统

我们通常把利用太阳能板将太阳能转化为电能的过程叫做光伏发电，把由控制器、太阳能电池阵列、电能的储存和变换装置等组成的系统叫做光伏发电系统。光伏发电系统分为独立型系统、并网型系统和混合型系统。

如图 1 所示，独立型光伏发电系统的特点是不与国家电网连接，但需要用蓄电池来储存能量。在有太阳光照的情况下，该系统可以用于国家电网无法到达的用电设备。当蓄电池中的存储量小于光伏阵列的发电量时，光伏列阵产生的电能小于负载消耗的电能，这样蓄电池组和光伏列阵一起给负载供电。若无太阳光照，就由蓄电池独立为其提供电源。 如图 2 所示，并网型光伏发电系统的特点是系统的输出端要和国家的电网相连。按照接入点的不同，并W型光伏发电系统可分成配电侧并网型光伏发电系统和输电侧并网型光伏发电系统。并网型光伏发电系统大多应用于楼房外侧，并网点多数在配电侧。输电侧并网光伏发电系统与之最大的不同是安装地点不同，其大多数安在沙漠。

它的工作流程是：先利用光伏阵列把太阳能变成电能，然后利用逆变器将产生的直流变为符合电网要求的交流电，最终将符合条件的电能并入电网。

如图 3 所示，混合型光伏发电系统最大的优点是系统中不仅有光伏发电系统，还有多种模式的发电系统。当光伏发电系统产生的电能小于负载需要的电能时，可以通过其他发电方式来弥补缺少的电能。

目前，风光互补发电系统的应用比较广泛，提高了整个混合型光伏发电系统的可靠性和稳定性。

4光伏发电发展远景

光伏发电技术将在不久以后占据能源消费的重要地位，其发展将替代一些常规型能源，且将成为能源的主体供应方式。预计在2030年，对于可再生能源消耗量将占到能源总消耗量的百分之三十以上，其中光伏发电也将占世界电力供应比例的百分之十以上；而到2040年时，可再生能源的消耗量将占能源消耗总量的百分之五十以上，其中光伏发电可占到总电力百分之二十以上；二十一世纪末，可再生能源的消耗量将占到能耗总量的百分之八十以上，而太阳能光伏发电可占至百分之六十。这些数据足以表明光伏发电产业发展的前景和在能源方面所占据的重要位置。有关报道称，至2020年时，我国会力争将太阳能光伏发电容量到达180万KW，至2050年可达60000万KW。预计至2050年，可再生能源发电装机可占我国发电装机总容量的百分之二十五，其中太阳能电力装机可占百分之五左右。在未来的十几年里，将会是我国光伏发电产业的一个迅猛发展阶段。

5结束语

总之，发展利用可再生能源不仅可以降低环境污染，符合我国可持续发展的战略要求，也是当今世界必须要走的能源之路。由于中国是能耗大国，且人口密度分布不合理，因此要想让国家保持能源供给的安全性和独立性，坚持可持续发展的战略方针及分散人口地区居民用电，就必需大力发展太阳能光伏发电系统。

【参考文献】

光伏发展的历史范文第2篇

关键词 光伏发电预测；太阳辐照度；天气预报；多项式回归

中图分类号：TM615 文献标识码：A 文章编号：1671-7597（2014）15-0043-02

太阳能光伏发电系统的输出功率取决于太阳辐照强度、温度、风速、云量等因素，其输出功率的变化具有不连续性和不确定性的特点[1]。因此，大规模集中并网光伏发电系统容量的增加会对电网的稳定运行产生影响。因此，光伏发电量预报技术对于电力负荷配合、电网的稳定运行具有重要的意义。

本文是通过天气预报给出的气象数据，来对本文对上海浦东新区某套光伏系统的输出功率预测进行研究。

1 光伏发电系统出力的预测方法

目前，光伏发电系统出力的预测方法主要有两种：物理方法和统计方法[2]。

物理方法是利用太阳能电池光伏发电的原理，通过光电转换效率的定义来建立起影响光电转换效率的经验公式和经验系数，输入太阳能总辐射预报值，进行光伏发电量预报[3]。

统计方法利用建立光伏发电系统出力与气象要素相关性的统计模型后，输入天气预报和太阳总辐射预报值，进行发电量预测[4]。常见的统计方法包括多元多项式回归模型、神经网

络[4]等。

表1给出了利用物理方法和统计方法预测光伏发电功率时所需要的数据[3]。

表1 光伏发电预测方法所需数据

物理方法 统计方法

电池板面积 历史发电量数据

太阳能电池材料 历史太阳辐照度数据

标称效率 历史气象数据

温度系数 气象预报数据

太阳辐照度预报值 太阳辐照度预报值

因为本文是通过历史数据及天气预报来对光伏系统出力进行预测，所以我们选取统计方法来建立预测模型。

2 太阳能光伏发电系统预测模型的设计

通过天气预报无法获得统计方法所需要的太阳辐照度预报值，所以本文先利用光伏发电系统历史发电数据、太阳辐照度数据和气象数据建立了多元多项式回归模型，然后在此基础上建立了晴天、多云、阴天和雨天这四种天气类型下的只以气温为输入变量的预测模型。图1给出了光伏发电系统发电预测框架图。

图1 光伏发电系统出力预测框架图

本文利用的数据包括上海浦东气象局提供的气象资料（气温及天气类型），以及光伏电站提供的相关运行数据。对于气象资料中的阵雨转多云、多云转雷阵雨等一天内天气类型多变的情况，我们认为白天为多云的即为多云、白天为阵雨的即为雨天。观察历史发电数据可知，光伏发电系统输出功率集中在5：00-18：00内。因此，我们认为有效发电时间为13h。对5：00-18：00内每5分钟一个采样点的历史发电数据及辐照度数据进行算术平均，计算结果如表2所示。表3给出了其中三天的计算结果。

表3 三天的历史发电计算数据及气象数据

日期 平均有效

功率/kW 平均有效太阳

辐照度W/m2 气象数据

气温/℃ 天气类型

6月8日 12.593 245.425 24.0 阴天

6月10日 10.082 198.652 25.1 雨天

6月28日 15.110 310.701 28.8 多云

通过历史数据建立多元多项式回归模型，光伏发电系统输出功率是温度和太阳辐照度的函数，表示为：

在现有的20组数据中，选取6月7日、17日、24日和27日用于误差的评估。利用MATLAB对其余的16组数据进行拟合，拟合结果为：

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

太阳辐照度的变化具有动态性、多扰量性等特点，其中云量、大气状况、天气状况等因素的影响至关重要[5]。由于天气预报并未提供统计方法所需要的太阳辐照度预报值，但在同一天气类型下，我们可以认为每天的有效太阳辐照度平均值近似相等。所以本文对历史数据按天气类型分类，求出各天的有效太阳辐照度平均值Hi，再在同天气类型下求出，将该值视为该天气类型下的各天有效太阳辐照度平均值。表4给出了各天气类型对应的有效太阳辐照度平均值。

表4 各天气类型对应的有效太阳辐照度平均值

天气类型 晴天 多云 阴天 雨天

日太阳辐照度平均值W/m2 484.243 368.147 261.257 181.267

将表4中的数据代入多元多项式回归模型，即可得到无辐照度预测时，基于天气预报预测光伏系统出力的模型。表5给出了各天气类型下的光伏发电系统功率预测模型。

表5 光伏系统各天气类型下的功率预测模型

天气类型 光伏发电系统功率预测模型

晴天 P=33.49553-0.35350*T（kW）

多云 P=25.62699-0.26875*T（kW）

阴天 P=18.14406-0.19072*T（kW）

雨天 P=12.39479-0.13232*T（kW）

利用表5中的模型，我们可在无太阳辐照度预测时，仅根据天气预报所提供的温度与天气类型预报来预测光伏发电系统的有效输出功率，预测的时间尺度可达1-7d。将有效输出功率P乘以有效时间13h，即可得到光伏系统发电量。

图2给出了利用表5所建立的预测模型来预测6月7日、17日、24日和27日的发电功率。

图2 预测功率与实际功率

在预报检验中，我们采用平均绝对百分比误差MAPE对预报误差进行评估[6]。经计算，预测模型的MAPE为9.07%。根据预测精度划分表可知，当MAPE

在考虑影响模型预测精度的原因时，本文分析了以下几个因素。

1）由于数据的缺乏，在计算太阳辐照度的时候，只是简单地对同一天气类型下的辐照度求平均，并将该平均值视为该天气类型下的平均辐照度值。而实际情况下，即使是相同的天气类型下，太阳辐照度也会随赤纬角、太阳时角的变化而变化。因此，若在计算有效太阳辐照度平均值时，按季节和天气类型区分，会使得预测模型的可靠性得到提高。

2）对多种天气类型只是简化为晴天、多云、阴天和雨天。实际生活中会出现晴转多云、小雨转阴等一天内天气类型多变的情况。并且，即使在同一天气类型下，云量、云状等也是有差别的，所以对太阳辐照度的影响是也是有差异的。

3）计算太阳辐照度的过程中都是对同一天气类型下几天的数据简单求平均，并没有考虑不同大气条件的影响。实际中，太阳辐照度还与当时大气中水汽含量、气溶胶等有关。另外，大气中O3、O2、H2O等也会吸收太阳辐射。

4）上海地区属于雾霾天气多发的地区。雾霾天气发生时，会造成高浓度气溶胶事件，从而削弱了到达地面的太阳辐照度，使得光伏发电系统发电功率的预测结果与实际值有所偏差[8]，而本文也没有考虑到雾霾的影响。

3 结论

光伏电站输出功率预测对于保持电力系统的功率平衡和经济运行有着重要的意义。本文依据夏季20天的相关历史数据为基础，建立了各天气类型下只以温度为输入变量的功率预测模型，预测结果的MAPE为9.07%，表明了预测模型具有一定的参考价值。

基金项目

上海市科委节能减排专项（12dz1200302）

参考文献

[1]张雪莉，刘其辉，马会萌，李蓓.光伏电站输出功率影响因素分析[J].电网与清洁能源，2012，28（5）：75-81.

[2]蒋亚娟.光伏电池建模及其在光伏发电预测中的应用[D].华中科技大学2011.

[3]李芬，陈正洪，成驰，段善旭.太阳能光伏发电量预报方法的发展[J].气候变化研究进展，2011，7（2）：136-141.

[4]张岚，张艳霞，郭嫦敏，赵杰.基于神经网络的光伏系统发电功率预测[J].中国电力，2010，43（9）：75-78.

[5]林星春.基于神经网络的太阳辐射复合预测技术研究[D].东华大学，2006.

[6]何明琼，陈正洪，成驰.光伏发电量与气象因子的关系及其预报试验简报[A].第27届中国气象学会年会气候资源应用研究分会场论文集[C].2010.

[7]赵洪宾.给水管网系统理论与分析[M].北京：中国建筑工业出版社，2003：1-30.

[8]何荥，全利.浅谈空气污染对中国天然光照度的影响[J].灯与照明，2013（01）：17-18，33.

光伏发展的历史范文第3篇

【关键词】 功率预测 短期预测 均方根误差

发电与用电必须实时平衡是电力系统运行的重要特点，只有这样系统才能保证安全和稳定。因而无论在国内还是国外，电网调度部门主要负责电力系统的调频、调峰、安排发电计划和备用容量等业务。对于新能源发电方面，尤其以光伏和风电为代表，当其在电力系统中达到较高透率时，准确预测其输出功率不仅有助于调度部门提前调整调度计划来减轻光伏风电间歇性对电网的影响，而且还可减少备用容量的安排，从而降低系统运行成本。因此，新能源功率预测在电网调度领域占有举足轻重的地位，更精确的预测风能、太阳能发电功率有利于制定合理的电力调度计划。

1 国内外研究现状

对新能源发电功率预测技术的研究较早起源于国外，尤其以丹麦、德国、瑞士、西班牙和日本等国的相关大学和科研机构为代表。上世纪90年代丹麦开始大力发展风电，促使了其不同公司或高校开始研究新能源功率预测问题。[1]相继产生了多个产品，如Riso实验室开发了Prediktor系统，丹麦技术大学开发出WPPT（Wind Power Prediction Tool）系统，而后的用于风电功率预测的Zephry系统就是由Prediktor和WPPT整合而来，另外由ENFOR公司研发的用于光伏功率预测的SOLARFOR系统也比较有代表性；作为国际上较早大面积应用新能源的德国，其Oldenburg大学开发了Previento系统，德国太阳能研究所开发了风电功率管理系统（WPMS）；西班牙Joen大学建立了19kW的光伏发电站验证其发电预报准确率[2]，通过人工神经网络算法，以实测的光伏板温度、日照辐射强度为输入值，以其I/V曲线为目标函数，训练神经网络的多层传感器，求解出逼近实际工况的I/V曲线，建立了发电功率日照强度、板温之间的函数关系，经过验证，该系统2003年发电量预测值与实测值的历史相关系数高达0.998。国内方面光伏发电量预测技术研发起步较晚。华北电力大学[3]结合光伏组件数学模型和保定地区气象资料，模拟了30MW光伏电站发电量数据，利用支持向量机回归分析方法进行功率预测，但该方法无实际光伏电站的实况发电量数据，缺乏实验验证，对实际光伏电站发电量预报的指导意义有限。华中科技大学[4]利用该校屋顶光伏并网发电系统资料进行研究，通过2005―2010年不同季节气象因素与发电量之间的相关分析，得出光伏发电量与辐照度的相关性最大、温度次之、风速再次之。

2 功率预测方法及分类

为提高功率预测精度，国内外研究机构都在尝试各种新的预测方法，主要的功率预测方法分类如（图1）。

时间序列分析是持续预测法中的一种，其认为风速、辐照强度预测值等于最近几个风速、辐照强度历史数据的滑动平均值，通常只是简单地把最近一点的观测值作为下一点的预测值。该模型的预测误差较大，且预测结果不稳定。改进的方法有ARMA模型法、卡尔曼滤波法。

人工神经网络方法被广泛用来解决非线性问题的建模方法。它由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作的非线性关系。其具有很多优良性能，如非线性映射能力、自组织性和自适应性能力、记忆联想能力、容错能力等。

按照风电或光伏功率预测的时间尺度可分为中长期、短期和超短期预测。对于中长期预测或更长时间尺度，主要用于风光电场或电网的检修维护计划安排等的预测。对于30分钟～72小时的预测，主要用于电力系统的功率平衡和经济调度、电力市场交易、暂态稳定评估等称为短期功率预测。一般认为不超过30分钟的预测为超短期预测。从预测模型建立角度考虑，不同时间尺度的预测有本质区别：0～3小时的预测主要由大气条件的持续性决定，所以如果不通过数值天气预报也能得出较好的预测结果，如采用可得到更好结果。对于时间尺度超过3小时的预测，不考虑数值天气预测无法反应大气运动的本质，所以难以得到较好的预测结果，所以通常的预测方法都采用数值天气预报的数据。

基于物理方法的功率预测流程示意图如下（以风功率预测为例）。首先通过数值天气预报得到风速、风向等气象数据，再根据电场周围的地理信息参数（等高线、粗糙度、障碍物、温度分层等）采用软件计算得到风机轮毂高度的风速、风向、气温、气压等参数，最后根据风机功率曲线计算得到风电场输出功率。因为在不同的风向和温度条件下，即使风速相同，风电场输出功率也不相等，因此风电场功率曲线是一族曲线，同时还应考虑风电机组故障和检修的情况。对整个区域进行风电功率预测时，可对所有的风电场输出功率进行预测，然后求和得到区域总功率。

基于统计方法的风电/光伏的功率预测不考虑风速/辐照变化的物理过程，根据历史统计数据找出天气状况与风光电场出力的关系，然后根据实测数据和数值天气预报数据对电场输出功率进行预测。

两种方法各有优缺点。物理方法无需大量的测量数据，但对大气的物理特性及风/光电场特性的数学描述要求较高，这些描述方程求解困难、计算量大。统计方法无需对求解方程，计算速度快，但需要大量历史数据，采用机器学习方法对数据进行挖掘与训练，得到气象参数与风/光电场输出功率的关系。目前的趋势是将两种方法混合使用，称之为综合方法。

3 三种预测方法的对比

通过应用三种统计预测算法于某案例中对其预测精度进行了对比。案例以某岛屿上的分布式风光电站发电量为检验对象，该电站由25台30kw并网光伏逆变器、5台50kw风机组成，合计1000kw。选取2013年4月份的历史功率数据和历史数值天气预报数据作为模型建立依据，5月份发电量作为预测对象（因为该区域4，5月份天气变化相对最小），并采用同时段的历史功率数据对模型的预测结果进行验证。

3.1 ARMA预测模型

3.1.1 ARMA模型的基本原理

ARMA模型也称为自回归滑动平均模型，是研究时间序列的重要方法之一，是由自回归与滑动平均两种模型“混合”而成。常用于长期追踪资料的研究和用于具有季节变动特征数据的预测中，所以可将其应用于风电光伏功率预测领域。

3.1.2 预测结果及误差分析

运用ARMA模型分别对5月1日9时0分至5月31日18时00分进行预测，得到原始风电光伏总功率和预测功率。预测结果如（图3、4）所示。

常见的预测误差的评估方法有平均绝对误差，均方根误差，相关系数等。均方根误差放大了出现较大误差的点，能更好的反映光伏电站预测模型的准确度，因此本文采用均方根误差RMSE对模型的误差进行评估。

其中，N-测试样本数；P-装机容量。

通过Matlab的计算，我们得到各项指标结果如表1。

3.2 卡尔曼滤波预测模型

3.2.1 模型基本原理

卡尔曼滤波法运用了滤波的基本思想，利用前一时刻预报误差的反馈信息及时修正预报方程，以提高下一时刻的预报精度。要实现卡尔曼滤波法预测风光功率，首先必须推导出正确的状态方程和测量方程。因已通过时间序列分析建立了风电功率时间序列的ARMA模型，故可将ARMA模型转换到状态空间，建立卡尔曼滤波的状态方程和测量方程。

3.2.2 预测结果及误差分析（如图5、图6）

通过Matlab的计算，我们得到各项指标结果如（表2）。

3.3 小波神经网络预测模型

对于上文的ARMA模型和卡尔曼滤波模型都属于线性模型，都必须先对模型结构做出假设，然后对模型参数的估计得到预测值。因此，模型结构的合理与否，直接影响到最终预测的精度。由于风光电场功率具有高度的不确定性，因而单一的线性预测模型不足以挖掘其功率数据中的所有信息。而神经网络具有自学习、自组织和自适应性，可以充分逼近任意复杂的非线性关系，所以本文选择小波神经网络方法对风光功率进行非线性预测研究。

3.3.1 小波神经网络法基本原理

小波神经网络是一种以BP神经网络拓扑结构为基础，把小波基函数作为隐含层节点的传递函数，信号前向传播的同时误差反向传播的神经网络。小波神经网络的拓扑结构如图7。

3.3.2 模型建立

首先采集四月份一整月的光伏风电功率数据，每隔15min记录一个时间点，共有960个时间节点的数据，用前四月份30天的功率数据训练小波神经网络，最后用训练好多的神经网络预测之后的功率数据。基于小波神经网络的功率预测算法流程图如图8所示。

小波神经网络的拓扑结构如图9所示。

小波神经网络训练：通过数据训练小波神经网络，网络反复训练100次。

神经网络网络测试：用训练好的神经网络预测风光功率，并对预测结果进行分析。

3.3.3 预测结果

利用Matlab处理数据并进行计算，我们得到基于小波神经网络的功率预测结果（图10、11）。

预测结果分析：

本文采用了ARMA模型、卡尔曼滤波预测算法和小波神经网络算法对该岛的分布式风光电功率数据样本进行了预测。分析表1～表3预测效果评价指标，我们得到以下认识：小波神经网络模型中我们得到预测结果：超短期预测精确度误差最小达到到7%，短期预测精确度误差最小达到到9%，表明小波神经网络的预测结果已经相当精确。对小波神经网络预测曲线与线性预测模型的预测曲线进行对比，可以看到：神经网络对于光伏风电功率的描绘更加平缓。

4 结论与展望

在对国内外文献广泛调研的基础上，较为全面地论述了风电、光伏功率预测技术的研究现状和最新动态，对当前功率预测技术方法进行了总结归纳，建立了针对某岛屿分布式风光互补示范工程的高精度发电功率预测模型，成功实现了分布式电源总输出（光伏风电）的精确预测，实验运行结果表明：该系统能够准确预测次日短期和未来4小时超短期光伏发电出力，短期和超短期预测的月平均均方根误差分别为9%和7%。

为了进一步提高功率预测精度还需要提高数值天气预报质量，从而得到精度更高更丰富的区域气象数据。因此需要尽快建立我国数值天气预报商业化服务，进一步完善风电光伏功率预测系统，提高预测精度。

参考文献：

[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.

光伏发展的历史范文第4篇

在光伏业内，“金太阳”示范工程几乎成了一个负面形象的代名词，或曰质量不佳，或曰欺诈盛行。无论如何评价，它对中国光伏早期国内终端市场规模化发展所发挥的重要作用，以及对中国能源发展战略多种培育方式尝试的重要意义都不可否认。在“金太阳”正在走入历史的时候，对于这样一个巨大的国家扶持工程，无论是从对社会投入负责任的角度，还是从建立数据基础体系的角度，“金太阳”都到了需要梳理，并给社会一个交代的时候。

关于“金太阳”，已知和未知的情况是：国家“原则上按光伏发电系统及其配套输配电工程总投资的50%给予补助”的“金太阳”，始于2009年7月的《关于实施金太阳示范工程的通知》，终于2013年12月的《关于清算2012年金太阳和光电建筑应用示范项目的通知》，4期共计批准项目总量约为6GW，但实际完成情况未公开，实际并网发电情况未公开，国家总计补贴金额也未公开。对于补贴金额，有资料显示早期计划建设不低于500MW，补贴金额在百亿元。但在实际运行中，批准规模增加了十倍以上，补贴金额大幅增加也是势所必然。

站在今天的角度看“金太阳”，人们不难看到这样两点：

“金太阳”的积极意义在于把中国光伏推向了一个重要的发展阶段。2004年以前，中国光伏难言规模，当年组件产能仅为100MW。2004年以后，受欧洲市场需求突起拉动，生产规模迅速提升，2008年产量已经达到1780MW，产品99%出口，国内需求几乎为零。2009年“金太阳”开始实施，到2013年，组件产量约为30000多MW，国内外市场需求4：6，达到了一个必要的格局。之所以说“必要”，是因为出于能源长期发展战略考虑，人类选择了以早期承担巨额成本的方式发展光伏新能源，从2004年开始，以德国为代表的欧洲首先承担了起这份责任。从2009年“金太阳”开始，中国作为一个负责任的大国也承担起了这份责任。“金太阳”的实施，客观上达到了三方面的积极意义：逐步改变了中国光伏过去技术、市场、原材料“三头在外”的不合理产业格局；意外地为后来“双反”时保护中国光伏而开拓国内市场做了准备；维护了中国光伏强大的国际竞争力。

“金太阳”出现负面效果是必然的。国际上围绕光伏发电补贴，主要分为上世纪九十年代“日本新阳光计划”为代表的“事前补贴”，和2004年以后德国实行的固定电价为代表“事后补贴”两种形式，区别在于，前者以电站建设完成为补贴时间，是一次性的；后者以并网发电实现为补贴时间，是一般持续20年以上的。“金太阳”是典型的“事前补贴”方式，而其实施的前提之一是社会信用体系的完善和成熟。

毋庸讳言的是，中国社会信用体系基础一向薄弱，于是就有了“有相当一部分企业为了多得到财政补贴，采取‘低购高报’的办法，提高系统总造价，借此骗取补贴。更有甚者，直接使用不符合补贴质量要求的劣质产品，甚至国外退货的废次产品。”总之从根本上讲，事前补贴的作法不适合当前中国，事实上这种做法的比例在国际上也是递减的。基于此，“金太阳”出现这样或那样的问题是正常的事情，它是中国光伏发展必须的一种探索。

时至今日，“金太阳”正在成为过去时，正反面的评论也在逐渐淡化，总结“金太阳”这样重大社会事件的长远价值，也许时间更长效果更好。当前该做的事情，应是将“金太阳”的实施结果进行一个梳理，还原一个真实的过程。

梳理“金太阳”，给社会一个交代是建立社会监督机制的需要。在成熟的国家制度下，任何重大的政府行为，特别是需要巨额资金支持的政府行为，资金的支出应当获得社会的批准，资金的使用情况及其结果应当获得社会的认可，只有这样才能形成合理的政府管理机制。遗憾的是，中国的许多事情不是这样，于是就有了人们许多的抱怨。而这些抱怨，不是抱怨行为目的的对错，而是抱怨行为运作程序的问题，因为该项目花的是每一个纳税人的钱。花纳税人的钱不向纳税人请示，花钱的结果也不向纳税人报告，这是一个逻辑不通的事情，因此“金太阳”实施中出现的诸多欺诈行为也就不足为奇了。

事实上，这些现象不是行为的初衷，但却是行为的结果，改变这一异化结果的唯一办法就是政府管理改革。没有监督机制的国家体制不是合理的国家体制，缺少监督机制的政府行为是难免会出问题的行为。提倡政府管理改革，具体到“金太阳”就是对投资结果进行梳理并向社会汇报，能源管理改革请从“金太阳”开始。

梳理“金太阳”，给社会一个交代是不断积累数据、建立产业标准的需要。在笔者过去的研究过程中，能够找到的完整的“金太阳”数据甚少，而其对产业标准形成的相关作用的资料更少。标准的缺失既是中国光伏产业长期发展的软肋，更是当前光伏产业投融资的硬伤。标准不是臆造出来的，是在大量数据积累的基础之上分析、总结而来的，只有通过长时间完整数据的积累才有可能形成一个相对合理的产业标准。

光伏发展的历史范文第5篇

“灾难”是否会来袭，尚需观察。但针对我国光伏产业的发展现状，业界专家普遍认为，我国光伏产业应从生产向研发转变，从制造向创造转变。如果没有创新，没有自主知识产权，光伏产品必将陷入低价竞争的怪圈，国内的光伏产业就没有出路。

调查带来压力

在过去一年中，低迷不振的光伏产业，被冠以“寒冬、暗夜、低谷”等字眼。就在光伏产业头上“朝阳行业”光环逐步褪色时，欧美针对中国光伏产品的调查，再度引发了人们对中国光伏产业前景的担忧。

“这次反倾销调查是国内光伏制造业的成本下降速度远高于国外同行业者的预期，加之欧洲光伏支持政策缩紧，造成国内外同行业企业竞争加剧引起的。而且，由于国内光伏产业近几年多了不少规模小、技术水平低、创新能力不足、竞争力不强的中小企业。一些企业在技术竞争方面不具备优势，低价竞销成为其常规战略，这容易给国外提起反倾销以口实，也是国外提起反倾销的一个诱因。”中关村储能产业技术联盟储能专业委员会研究员李雷说，“如果此次反倾销调查成立，必定会使一些规模小、实力不强、没有核心技术的企业破产倒闭，而技术实力强、规模大、创新能力强的企业则要做好战略整合

准备。”

与此前美国对华“双反”调查不同，由于欧洲是中国光伏组件的最大出口地，去年中国光伏产品有60%输往欧洲，欧洲市场对于中国光伏产业的意义非比寻常。甚至有人预测称，如果欧盟对中国光伏产品征收高额的反倾销税，有可能导致六成左右的中国光伏企业倒闭。

创新谋求发展

反省自身，欧盟对我国光伏组件实施反倾销调查，也从另一个侧面反映出我国光伏产业创新能力的不足。

“总的来说，由于技术水平的原因，我国企业在大宗成套光伏设备制造等方面，目前还没有形成规模和竞争力，这是影响我国光伏产业长远、健康、可持续发展的一个障碍，必须引起重视。当我国劳动力成本竞争优势下降后，未来全球光伏企业比的就是核心技术带来的成本降低。”李雷说。

9月10日，记者在国家知识产权局专利检索与服务系统中检索发现，目前，我国与光伏有关的3种专利申请中，实用新型专利申请占比达60%，外观设计专利申请占比达26.66%，而发明专利申请占比仅为13.33%。由此不难看出，虽然在专利申请量上我国光伏企业占据优势，但硬实力却有待加强。