中國風能、太陽能電價政策的補貼需求和稅負效應

余　楊

(北京大學 經濟學院，北京 100871)

?

中國風能、太陽能電價政策的補貼需求和稅負效應

余楊

(北京大學 經濟學院，北京 100871)

摘要：中國新能源電價政策促進風、光電力市場規模化發展，但也造成急劇攀升的財稅負擔。依據發電項目建設要求，擴展平準化電力成本模型，并在此基礎上將電價基準、外部效應及并網消納等納入電價補貼模型，分類討論風、光電價調整和財稅效應。結果顯示，到2020年，四類風能區和商業用戶將實現平價上網或自用電零補貼，但財稅總量仍將上升，低棄風情景下省份資源區電價有效緩解補貼增長。因此，兼顧市場應用與財稅成本的新能源政策亟需調整。

關鍵詞：平準化電力成本；上網電價；補貼需求；稅收負擔

一、引言及相關文獻回顧

2006—2013年，在《可再生能源法》和新能源電價補貼政策支持下，中國風、光裝機量以年均近180%增速超預期增長，可再生能源電價附加征稅標準一再調高，從0.1分/千瓦時增至1.5分/千瓦時，仍不能滿足實際補貼需求。為緩解補貼需求增長規模、體現發電成本變化趨勢，國家能源局在2012—2014年間三次召開風電上網電價座談會，但調價方案因補貼資金到位難、“三北”地區棄風率高等原因一再推遲，調價幅度相當有限。為提高資金利用效率、推進技術應用，金太陽示范工程投資側享受優惠補貼，但2013年財政部對項目補貼徹查中清算騙補資金超百億元，分布式發電裝機指標寬松，但因成本、棄光等原因無法落地，存在補貼不足的現象。由此，在能源轉型中兼顧新能源市場應用和財稅資金利用效率，深入探討風、光電價政策調整及其財稅效應，對優化區域發展布局、緩解財稅壓力尤為重要。

已有研究依據新興可再生能源補貼類別、性質、對象和方式，利用具體項目法、價差法、生產者或消費者補貼等價法、資源租金法和邊際社會成本法等對不同電價政策——固定上網電價(FIT)、可交易綠色證書、凈計量電價和招標電價——的補貼規模和稅負成本進行估算(Grau，2014；Falconett et al.，2010；Tamas et al.，2010；Rozakis et al.，2005；Bernard et al.，2007)。歐盟委員會的研究表明歐盟可再生能源補貼已超過化石能源，且FIT補貼占比最高(EC，2014)。IRENA(2014)指出，可再生能源電價政策電價稅負較高，且國別差異較大。國內研究以定性分析和國際經驗比較為主，也有部分文獻通過數理和實證方法研究最優補貼政策選擇及補貼需求規模。李虹等(2011)利用非線性優化模型，以居民環境支付意愿為約束條件，證實征稅、FIT等補貼措施選擇取決于市場競爭環境。黃夢華(2011)、Zhi et al.(2013)和Hu et al.(2014)定性分析了加劇財稅負擔的FIT政策，認為并非是長期政策選擇。還有行業評論指出，新能源FIT政策因裝機規模、棄風棄光等原因，補貼需求增長較快，財稅規模控制較難。由此可見，對中國風、光電價政策財稅效應的研究關鍵在于依據風、光電價政策的階段性變化和補貼基準調整，應充分考慮技術性和經濟性因素的影響，分情景、階段和資源區域進行實證分析。

二、模型構建

中國風、光電價政策的補貼需求體現在發電技術、電價基準、環境成本內部化率和并網消納能力等因素影響下的度電補貼和總規模需求趨勢，稅負效應體現在相應的可再生能源電價附加征稅標準變化。依據各階段風、光電價政策與補貼標準(包含分攤規定)，本文建立平準化電力成本(LCOE)擴展模型為基礎的電價補貼需求和稅負模型，重點探討現行FIT電價政策下各類因素的影響效應，并以2006—2013年和2020年為樣本時段，提出分情景實證研究方法以及相應的基礎數據來源。

(一)風能、太陽能電價政策與補貼標準

中國風、光電力市場形成較晚，各階段電價補貼政策因受產業化程度、市場規模等影響，補貼方式和標準各有側重，主要表現出投資側轉向發電、售電側補貼，電網電價差轉向標桿上網電價差補貼等特點。階段性政策變化具體如下：

風能電價政策與補貼標準的階段性變化。1986—2002年，風電發展初期階段。風電設備基本由國外援助或進口購買，上網電價有還本付息電價、經營期均價和競爭電價等形式，電價由國家物價部門核準，上網電價高出平均電價部分由電網公司負擔。2003—2008年，風電規模化發展階段。為提高風電機組產業化水平和應用規模，實施特許招標電價與核準電價并存，風電與常規電源電價(或脫硫燃煤機組標桿上網電價)差額在省電網內(2003—2005年)或可再生能源電價附加進行分攤(2006—2008年)。2009年7月至今，風電大規模應用階段。國家發改委出臺[2009]1906號文件，依據風能資源和工程建設條件，實行全國四類資源區標桿上網電價政策，補貼標準和費用分攤按《可再生能源法》實施。2015年1月，發改委[2014]3008號文件調整資源區電價標準。

太陽能電價政策與補貼標準的階段性變化。2009年前，市場應用初期。太陽能發電項目依賴國家直接撥款和國際贈款，如“送電到鄉”、“光明工程”等項目(中國可再生能源發展項目，2008)，主要采取審核電價和援助補貼形式。2009—2013年，市場規模化發展階段。為推進光伏發電示范應用及關鍵技術產業化，啟動太陽能發電特許招標和金太陽示范工程項目。期間，14個特許招標項目依據[2011]1594號和[2013]1638號文件執行中標電價，補貼標準為中標價格與當地燃煤機組標桿上網電價差額。6批金太陽示范工程項目依據財建[2009]129號規定實施投資側補貼，光伏電價報批主管部門審核，補貼納入全國費用分攤。2013年至今，太陽能發電大規模應用階段。發改委 [2013]1638號和[2014]406號光伏標桿上網電價政策相繼發布， 2013年9月后批準或2014年后投運項目，光伏電站實行三類資源區標桿上網電價與上網電價差額補貼，分布式發電實行全額上網補貼(標桿電價差補貼)或全電價補貼(余電上網0.42元/千瓦時)。2011—2012年，也有部分地區依據[2011]1594號文件實施特定的標桿上網電價，補貼標準為光伏上網電價與當地燃煤標桿上網電價差額，統一在可再生能源電價附加中進行分攤。

(二)風、光發電和燃煤發電成本及上網電價模型

由風、光電價政策與補貼標準階段變化可知，風、光和燃煤發電上網電價的確定是補貼估算的基礎。在審批和招標政策下，電價基準由政府核準或中標確定，依據項目有較大變化。現在，此兩類政策已不再實施，市場份額低，取實際值進行實證研究。現行標桿上網電價政策下，國內外普遍應用LCOE模型比較不同電源技術發電成本和定價基準。LCOE模型使電力項目在基準收益率基礎上實現盈虧平衡，或給定預期收益率下凈現值為0，由此確定的不同電源電價水平可在同一基準收益率下進行有效比較。根據工程項目成本核算和凈現值法(NPV)要求，LCOE簡單形式：

(1)

其中:總成本(Cost)是期初(t=0)資本投資(CI)、維護成本(O&M)和燃料成本(F)的現值；Rdis是預期貼現率，將t期成本進行貼現。總收益為當期LCOE與發電量(Qe)乘積現值。若LCOE還考慮其他因素成本效應，如系統損失(Rdeg)、融資成本(貸款額度L和利息I、利率i、貸款比重Ris和貸款期限T′)、人員和保險成本(Lab、Ins)、所得稅(稅收IT、稅率Rinc)、增值稅(稅收VA、稅率Rva)、增值附加稅(稅收VAS、稅率Rvas)和折舊(Dep)。那么，LCOE拓展如下：

(2)

(3)

(4)

若標桿上網電價(BGEP)與LCOE同步調整，則

BGEPt=LOCEt

(5)

(1)風、光發電項目關鍵成本因素。成本波動的關鍵因素包括資本投資以及發電量。其中，資本投資中發電設備費用變化趨勢可利用學習曲線進行擬合：

(6)

LBD=1-2-b

(7)

其中，Ceq,t是風、光發電系統t期成本，Ceq,0為期初成本，CQeq,t為t期產量，CQeq,0為期初產量，b是干中學系數。公式(7)用以估算“干中學”的成本效應。其他設備成本和建設安裝成本依據年均成本變化率進行外推。預備費用和其他費用按工程技術標準(水規院，2007)、工程勘察設計收費管理規定(國家計建部，2001)等定額核算。電價成本中發電量由系統效率和資源條件決定，上網電量還與并網消納能力有關。

(2)燃煤發電項目關鍵成本因素。成本波動主要參數包括燃料成本、利用小時數和廠用電率等，可依據年度平均變化進行外推。燃煤發電設備和建設技術較成熟，煤電基地以西部為主，嚴控其他新建項目，投資費用波動小。但《煤電節能減排升級與改造行動計劃(2014—2020)》和《火電工程限額設計參考造價指標》中對環保標準提出嚴格要求，發電環境防治成本將有明顯變化。

(三)風、光發電補貼需求與稅負效應建模分析

1.補貼需求分析

由風、光電價政策與補貼標準階段變化以及電價成本LCOE模型分析可知，補貼需求受電價基準、成本趨勢、外部成本內部化、并網消納能力等多因素影響。綜合考慮政策變化和研究需要，重點建模分析FIT電價政策下，風電發電側、光伏發電側和售電側的補貼需求。

(8)

(9)

(10)

其中，GPw/s、GPc分別為風、光及燃煤發電上網電價。不同電價政策下，GPw/s可代表風、光核準電價，招標電價或FIT電價。前兩類政策已不再實施，且裝機量相對較小，不再展開討論。

(11)

(12)

FIT政策下，風、光發電度電補貼需求取決于不同電源標桿上網電價(風、光發電FITw/s，燃煤發電BPc)基準和變化差異，總補貼需求還取決于并網電量。那么，在不同的風、光電價分類和調整基準，燃煤發電外部成本內部化程度和棄風/光(Rc)下，將呈現如下不同補貼需求：

C.存在棄風/棄光(Rc>0)，風、光標桿上網電價調整滯后于LCOE水平，即便補貼電量下降，總補貼需求滿足以下條件也可能上升(且穩定的電價水平有助于減緩補貼增量需求)：

(13)

則：

(14)

這意味著棄風/光上升時，未補貼棄風/光電量不能抵消新增裝機補貼增量，則總補貼會上升。依據A情況，分類資源區電價更好地平衡了區內各省電價水平，引導低棄風/光區裝機，減緩補貼需求。

(2)售電側補貼需求。分布式發電補貼包括全額上網補貼和全電量補貼，后者是定額補貼。用戶并網發電和自發自用選擇取決于補貼后用電成本，全額上網補貼需求較大，全電量補貼較低。

A.滿足以下條件，分布式光伏自發自用有利：

LCOEc-s≤pc或者LCOEc-s≤pc+s， 且FITS-pc≥0

(15)

其中，s是定額補貼,pc是對商業、大工業和居民銷售電價，LCOEc是對應的用電成本。當用電成本扣除補貼后比購電成本低，用戶將選擇分布式發電自發自用。度電補貼還應低于上網電價與銷售電價差，即s

TSs1=s*Qes

(16)

B.若不滿足以上條件，分布式光伏全電量上網更有利：

LCOEc-s>pc且LCOEc≤FITs， 或者pc+s≤LCOEc≤FITs

(17)

則補貼總量：

TSs2=(FITs-BPc)*Qes>(FITs-Pc)*Qes>s*Qes

(18)

當用電成本扣除補貼后仍高于購電成本，將選擇全電量上網，且差價補貼高于定額補貼。自發自用情景下，由s

sb*Qes≤TSs≤(FITs-BPc)*Qes

(19)

2.稅負效應分析

依據可再生能源電價附加征收方法，估計風、光電價補貼稅負效應。可再生能源電價附加征收覆蓋農業生產和西藏電網電量以外其他用電(OE)，但2009年后居民生活用電(RE)電價分攤(TBre)固定在0.1分/千瓦時，即電價附加征稅具有用戶補貼偏向。若不考慮補貼偏向，則可征稅電量范圍的稅負效應：

(20)

考慮征稅偏向，其他用電(OE′)稅負效應：

(21)

居民稅負/電價比：

(22)

其他用戶稅負/電價比：

(23)

考慮征稅偏向時，非居民其他用戶的可再生能源電價附加較高，稅負/電價比也較高。可以通過比較不同時期不同用戶可再生能源電價附加分攤水平進行驗證。

(三)實證研究方法與基礎數據

為檢驗風、光電價政策的補貼需求和稅負效應，對2006—2013年中國風、光電價財稅效應進行估算，對2020年進行分類情景實證研究。因數據可獲性和地區特殊性限制，風電僅研究陸上項目，均不包括西藏和港澳臺。依據政策、經濟和技術因素——風/光上網電價政策，發電利用方式，燃煤電價變化和外部成本內部化及并網消納(無棄風、5%低棄風、2013年高棄風水平)，設定情景。

1.風、光發電補貼需求和稅收效應估算方法

風電項目中，2010年前新增裝機依據發改價格[2007]2446號、[2008]3052號、[2008]640號、[2009]1581號、[2009]3217號、[2010]1894號和[2011]122號關于可再生能源電價補貼和配額交易方案統計估算補貼需求；2011—2013年，新增裝機補貼按資源區標桿上網電價政策，利用價差法估算；2020年，考慮成本變化和電價調整需求，分類討論發電側補貼需求。光伏項目中，2012年前新增裝機補貼，依據有關可再生能源電價附加資金補貼目錄以及補貼和配額交易方案進行統計估算；2013年，新增裝機補貼依據分類資源區標桿上網電價和補貼政策，利用價差法估算；2020年，考慮成本變化和電價調整需求，分類討論發電側和售電側(分布式發電)補貼需求；金太陽工程項目因數據統計困難僅考慮工程投資補貼。

2.2020年風、光發電財稅效應的情景分類

風電補貼有兩大類12小類情景：(1)分類資源區固定上網電價(燃煤脫硫、脫硫脫硝除塵標桿電價2014和2020基準)，發電側補貼；(2)省份資源區固定上網電價(考慮棄風，其他設定同上)，發電側補貼。光伏發電補貼有四大類16小類情景：(1)分類資源區固定上網電價(燃煤脫硫、脫硫脫硝除塵標桿電價2014和2020基準)，發電側補貼；(2)省份資源區固定上網電價(其他同上)，發電側補貼；(3)分類資源區固定上網電價(居民、商業和大工業有/無附加電價2014和2020年基準)，售電側補貼；(4)省份資源區固定上網電價(其他同上)，售電側補貼。稅負效應將基于不同補貼情景進行估算。

3.基礎數據來源

表1　2013、2020年中國風電、光伏發電裝機量規劃

注：*目前官方公布的光伏裝機規模均為并網容量。

資料來源：國務院辦公廳，中國電力年鑒(2014)，國家能源局。

風、光發電的技術，裝機設定，財務指標及數據來源見表1、2，省份裝機份額依據可再生能源發展規劃和重點基地發展目標。區域資源條件和各類成本數據出自水規院、中電聯等。2020年總電量和各類用電消費參考國家電力規劃研究中心(2013)電量需求預測方案和方法，用電消費趨勢依據2006—2013年歷史數據進行線性估計與預測。

表2　風電、光伏發電和燃煤發電主要技術和財務指標設定

資料來源：電力規劃總院(2014)，國務院辦公廳(2014)，IEA(2010)，發改能源[2014]2093號。

三、中國風、光、火上網電價與銷售電價變化趨勢

(一)風、光發電平準化電力成本變化趨勢與上網電價影響

圖12014—2020年風、光、火發電 LCOE變化

目前，中國風、光發電還不具備成本競爭優勢。但受技術進步的成本作用，風、光發電LCOE降幅將明顯大于燃煤發電(圖1)。到2020年，陸上風電在Ⅰ、Ⅱ類資源區的LCOE(0.36～0.4元/千瓦時)將接近或達到全國燃煤脫硫平均上網電價(0.383元/千瓦時)。光伏發電側LCOE(0.53～0.7元/千瓦時)仍普遍高于火電，但在售電側將接近各類銷售電價(0.511～0.826元/千瓦時)。省份分布來看，“三北”地區風、光資源條件優越，發電成本低，裝機分布與資源稟賦相對應，但這些地區也是燃煤發電上網電價、銷售電價較低的區域，當地風、光發電成本與實際補貼需求是“錯配”的(圖2、3)。由2014—2020年風、光發電LCOE變化趨勢，可設定2015、2018和2020年分類資源區FIT電價基準(見表3)，取值為區域內省份電價中值，兼顧區域平衡發展和研究比較需要。

圖2　2013年中國風力資源、裝機分布與燃煤上網電價

圖3　2013年中國太陽能資源、裝機分布與銷售電價

(二)燃煤發電標桿上網電價變化趨勢與影響

表3　風、光發電FIT電價調整 　(單位：元/千瓦時)

注：2015年風能四類資源區LCOE分別為0.48、0.52、0.56和0.59(元/千瓦時)，但FIT電價調整依據發改委[2014]3008設定。

基于2020年燃煤發電各類指標設定，各省燃煤發電企業脫硫標桿上網電價將在2014年9月基礎上平均下調0.012元/千瓦時，在0.238～0.478元/千瓦時范圍，且華東、華南和華中地區明顯高于“三北”地區。盡管常規火電發電側標桿電價下調幅度不大，但對風、光發電補貼影響重大，度電補貼成本將提高，補貼退出時間將延遲。若考慮提高外部成本內部化程度，那么脫硝除塵補貼標準(0.012元/千瓦時)將抵消2020年燃煤脫硫標桿上網電價降幅，能有效改善補貼需求。

(三)售電側電價變化趨勢與影響

基于燃煤脫硫標桿上網電價變化，調整各省各類電價水平。到2020年，各省銷售電價平均下降0.012元/千瓦時，居民、商業和大工業電價分別在0.418～0.605元/千瓦時、0.498～1.046元/千瓦時和0.371～0.759元/千瓦時范圍。考慮銷售電價附加構成和分布式自發自用電量免稅政策(發改價格[2013]1638號文件)，購電成本相對提高。目前，銷售電價附加包括農網還貸資金、大中型水庫移民后期扶持資金、國家重大水利工程建設基金、城市公用事業附加費以及可再生能源電價附加。那么，各省居民、商業和大工業電價附加在0.8～5.6分/千瓦時、2.5～7.8分/千瓦時和2.4～7.5分/千瓦時范圍。這一免征稅負盡管數值不大，但可抵消電價下降引起的補貼上漲壓力，還可促進稅負結構調整，有效鼓勵分布式光伏自發自用。

四、中國風、光發電補貼需求與稅負效應

(一)2006—2013年風、光發電電價補貼需求與征稅負擔

由表4可知，2006—2013年，隨著中國風、光發電裝機量迅猛增長，度電補貼需求有所下降，但總補貼規模急劇上升。風、光發電總補貼量分別上升121倍和680倍，總額超320億元。這一補貼金額還不包括省份財政補貼和金太陽工程投資側補貼，若包括后者，光伏補貼在2010—2013年將年均提高30億元以上。相應地，風、光電價補貼所需可再生能源電價附加征稅額度從0.008分/千瓦時增至0.1(居民)和0.72(非居民)分/千瓦時。若包括金太陽工程，非居民稅負超過0.85分/千瓦時。

表4　2006—2013年中國風電、光伏發電電價補貼需求

注：*并網發電量；**不包括金太陽示范工程項目投資側補貼；***2009年之后居民與其他可征稅用戶區分征稅差異。

(二)2020年風、光發電電價補貼需求

1.風電度電補貼需求

實施風電省份資源區電價情景下，有更多省份可實現風電上網電價零補貼(見圖4)或可取消固定上網電價和補貼政策，進行市場化電力交易。在燃煤脫硫標桿電價2014年基準和低/無棄風情景下，四類資源區天津、上海、江蘇、福建、江西、湖北、湖南、廣東、廣西、海南、重慶、四川、云南以及河北二類可實現風電零補貼。高棄風情況下排除河北二類，燃煤脫硫標桿電價2020年基準下排除江蘇和云南。考慮脫硝除塵預防成本，低棄風/無棄風情景還將增加河南和黑龍江三類。實施風電分類資源區電價政策，在燃煤脫硫脫硝除塵標桿電價2014年基準下，上海、江西、湖北、湖南、廣東、廣西、四川、海南以及河北二類和黑龍江三類無需補貼，其他情景下僅湖南、廣東、海南以及河北二類無需補貼。內蒙古和甘肅在高棄風情景下實施省份資源區電價所需補貼明顯高于分類資源區。

圖42020年各省份風電上網電價度電補貼需求

圖52020年各省份光伏發電上網電價度電補貼需求

2.光伏發電度電補貼需求

發電側各類情景下(見圖5)，各省光伏發電度電補貼需求均大于零，即到2020年光伏上網還不具有價格優勢，仍需補貼政策支持。由于各省光照有效利用小時普遍高于分類資源區基準，實施省份資源區電價政策的度電補貼需求將更低。考慮燃煤發電成本趨勢和外部成本內部化影響，省份最低補貼需求為0.15元/千瓦時。售電側分布式光伏自發自用方式下(見圖6)，除海南外，光伏發電成本普遍低于商業電價，無需補貼；大工業用戶在省份資源區電價政策下，三類資源區北京、天津、河北、吉林、上海、江蘇、浙江、江西、山東、河南、湖南、廣東以及陜西二類、山西二類內蒙一類地區無需補貼，但在分類資源區電價政策下，河北、上海、江蘇、江西、河南、廣東、陜西二類、山西二類和內蒙一類也需用電補貼；不考慮電價附加，各省居民用戶均需補貼，若考慮，則內蒙、新疆和甘肅無需補貼；居民補貼普遍大于大工業。可見，光伏發電省份資源區電價政策和稅負減免，可有效加強分布式光伏自發自用成本競爭力。

圖62020年各省份分布式光伏自發自用度電補貼需求

圖72020年各省份風電電價總補貼需求

圖82020年中國風電電價總補貼需求變化

圖92020年各省份光伏發電電價總補貼需求

圖102020年中國光伏發電電價總補貼需求變化

3.風電總補貼需求

到2020年，中國風電電價總補貼需求在585～734億元，比2013年增長112%～167%(見圖7、8)。無棄風/低棄風情景下，實施風電省份資源區電價政策總補貼規模較低，比分類資源區情景低0.2%～5%。但高棄風情景下，風電省份資源區電價政策下總補貼規模更高，增幅在7.4%～8.4%。這主要緣于內蒙古和甘肅裝機容量比重高，受高棄風影響時，省份資源區電價政策的度電補貼需求明顯上升，且不利于調整裝機地區分布，造成總補貼量較高。考慮燃煤脫硫標桿電價變化和脫硝除塵防范成本，風電總補貼需求將上升5%～5.6%和5.3%～6%。可見，因棄風率變化，應適時調整風力電價政策基準，同時充分考慮燃煤外部成本內部化，可有效降低補貼需求。

4.光伏發電總補貼需求

到2020年，光伏最大和最小補貼需求分別在516～581億元和367～411億元，相對于2013年增長超過7倍(見圖9、10)。光伏發電實施省份資源區電價政策的總補貼規模較低，比分類資源區電價情景低6.2%～7.2%。考慮燃煤脫硫標桿電價變化和脫硝除塵防范成本，總補貼量將上升2.1%～2.2%和2%～2.3%。地面電站補貼主要集中在內蒙古、甘肅、青海、寧夏和新疆，與當地豐裕的光照和土地資源條件、低廉的銷售電價密切相關。分布式發電補貼總量取決于政策偏向，若為實現補貼規模最小化，那么2020年各省商業用戶普遍無需補貼，可取消售電測補貼政策；若為兼顧各類市場應用，需保持居民和大工業用戶補貼，補貼規模還將增大。

(三)2014—2020年風、光電價政策的補貼稅負效應

2014—2020年，中國電力消費還將顯著增加，可適度減輕風、光電價補貼的稅負。到2020年，全國電力需求預測在7.5～8萬億千瓦時，比2013年還將增長40%～50%。以2004—2013年各類用電消費平均占比估算，居民用電在9172～9783億千瓦時，非居民和農業生產用電在6.38～6.80萬億千瓦時。那么，可再生能源電價附加征收覆蓋范圍可增至2.7～3.1萬億千瓦時。

到2020年，為支持風、光電價補貼，可再生能源電價附加征稅標準有望進一步提高。僅滿足風電、光伏發電補貼需求，非居民其他用戶的可再生能源電價附加征稅標準需達到1.3～1.9分/千瓦時。在風、光發電分類資源區上網電價和燃煤脫硫電價2020年基準情景下，可再生能源電價附加征稅負擔最高，在1.5～1.9分/千瓦時，已超現有標準。關于稅負/電價比，居民在1.8%～2.3%，非居民其他用戶在1.8%-5%。這些結果意味著盡管新能源發展將帶來電價下降的長期效應，但短期內將顯著增加電力用戶用電成本和稅負。

五、結論與政策建議

中國風、光電價政策的補貼需求和稅負效應研究表明：(1)到2020年，風、光發電在FIT政策支持下，發電成本和度電補貼需求將明顯下降，但補貼總量和稅收負擔仍將上升。風能四類地區和全國商業用戶將普遍實現風力發電及光伏用電的零補貼，其他資源地區和電力用戶仍需要財政政策支持。(2)受不同電價政策、發電利用方式、燃煤發電外部成本內部化程度、并網消納能力和補貼方式影響，補貼需求差異顯著。低棄風情況下，實施省份資源區電價政策有助于降低補貼規模。但高棄風情況下，分類資源區電價政策的補貼成本更低。由于用煤成本下降且不提高燃煤外部成本內部化程度，風、光電價補貼規模將明顯增加。風力和光照資源條件優越的地區，受裝機容量高和燃煤電價低影響，總補貼需求較大。(3)可適度削減風、光電價補貼稅負水平，但受補貼總量增長的影響，短期內可再生能源電價附加征稅標準仍需提高。

綜上所述，“十三五”期間，應加大風能、太陽能發電政策調整，以確保其健康發展：(1)完善風、光發電價格政策和調整機制。充分考慮各省份在技術適宜性、資源稟賦、并網消納能力等方面的區域差異，考慮可再生能源對環境以及氣候變化的正外部性效應，建構可再生能源經濟成本、補貼成本和環境效益的定價機制，并積極通過電力成本與價格聯動，創新可再生能源跨區域交易平臺，以有效提升風、光發電價格競爭力。(2)細化風、光發電的補貼標準和稅收政策。按照規模發展與合理經濟的原則，完善全額上網與全電價補貼標準，充分考慮補貼資金的社會可承受性及不同電力消費主體的支付能力，適時限定度電補貼或總量上限水平，減輕補貼需求壓力并支持具備成本優勢的企業進行市場拓展；強化電力附加稅負減免的成本效應，促進分布式發電市場應用，并增強可再生能源基金的利用效率。(3)著力推進電力、電網協調規劃和政策實施。可再生能源的并網消納至關重要，不僅涉及發電設備利用效率和經濟成本，還關系電力定價地區基準和裝機指標，全面構建與間隙性電力技術系統相適宜，與地區資源、電源結構和負荷特征相匹配的電網系統，出臺電力靈活調控的技術創新政策以及運行管理的法規措施，以確保風、光發電項目落地和高效運行。

參考文獻：

電力規劃總院. 2014. 火電工程限額設計參考造價指標[M]. 北京:中國電力出版社.

國家電力規劃研究中心. 2013. 我國中長期發電能力及電力需求發展預測[M]. 北京:中國電力出版社.

黃夢華. 2011. 中國可再生能源政策研究:借鑒歐盟的可再生能源政策經驗[D]. 青島：青島大學.

李虹，謝明華，杜小敏. 2011. 中國可再生能源補貼措施有效性研究:基于居民環境支付意愿的實證分析[J]. 財貿經濟(3):102-109.

水規院. 2007. 風電場工程技術標準FD002—2007[S]. 北京：中國水利水電出版社.

中國可再生能源發展項目. 2008. 中國光伏產業發展研究報告(2006—2007)[R]. 北京：中國可再生能源發展項目辦公室,[2015-06-01]. http://doc.mbalib.com/view/022b059e0fd2e1b2e9d0323df3ecc6b7.html.

BERNARD F, PRIEUR A. 2007. Biofuel market and carbon modeling to analyze French biofuel policy [J]. Energy Policy, 35(12):5991-6002.

EC. 2014. Subsidies and costs of EU energy [R]. [S.l.]: European Commission.

FALCONETT I, NAGASAKA K. 2010. Comparative analysis of support mechanisms for renewable energy technologies using probability distributions [J]. Renewable Energy, 35(6):1135-1144.

GRAU T. 2014. Comparison of feed-in tariffs and tenders to remunerate solar power generation [R]. DIW Berlin Discussion Paper.

HU Z, WANG J H, BYRNE J, et al. 2013. Review of wind power tariff policies in China [J]. Energy Policy, 53(2):41-50.

IEA. 2010. Technology roadmap solar photovoltaic energy [R]. French: OECD/IEA.

IRENA. 2014. Adapting renewable energy policies to dynamic market conditions [R]. French: OECD/IEA.

ROZAKIS S, SOURIE J C. 2005. Micro-economic modeling of bio-fuel system in France to determine tax exemption policy under uncertainty [J]. Energy Policy, 33(2):71-182.

TAMAS M M, SHRESTHA S O B, ZHOU H Z. 2010. Feed-in tariff and tradable green certificate in oligopoly [J]. Energy Policy, 38(8):4040-4047.

ZHI Q, SUN H H, LI Y X, et al. 2014. China′s solar photovoltaic policy: an analysis based on policy instruments [J]. Applied Energy, 129:308-319.

(責任編輯劉志煒)

Subsidy Demands and Tax Burdens of China′s Wind and Solar Electricity Price Policies

YU Yang

(School of Economics, Peking University, Beijing 100871)

Abstract:Although market deployments of wind and solar electricity are greatly promoted by electricity price policies of new energies in China, increasing taxes are need to be levied on the electricity prices. According to the requirement of power generating project construction, the paper extends models of levelized electricity costs, incorporates various factors such as electricity price benchmarks, externality and grid curtailment into electricity price subsidy model, to analyze price adjustment of wind and solar electricity and taxation effect. The results show that the fourth wind resource region and commercial customers will achieve grid parity or zero subsidy of self-used electricity, while the total amount of taxation will escalate, and the electricity price specified by provincial regions and resource regions can minimize the increase of subsidy scale by 2020. Therefore, renewable energy policies need to be adjusted to satisfy both scale deployments and tax costs of these energies.

Keywords:levelized electricity cost; grid tariffs; subsidy demand; tax burden

收稿日期：2015-07-04

作者簡介：余楊(1980--)，女，浙江寧波人，北京大學經濟學院博士后，講師。

基金項目：國家社會科學基金青年項目“能源技術經濟范式轉換與我國可再生能源產業技術創新研究”(14CJY007)；中國博士后科學基金面上資助項目“我國清潔能源發展推進能源結構轉型的機制與政策研究”(2015M580003)。

中圖分類號：F206；F812

文獻標識碼：A

文章編號：1001-6260(2016)03-0106-11