可再生能源的短期推动是否能保证其稳定

2013-2014年，净计量和资本补贴计划失败后，2015年推出了新的FiT计划，以说服投资者投资可再生能源系统。应注意的是，到2021，目标容量确定为5 GW。根据新规则，包括房主和商业投资者在内的所有个人都可以从可再生能源系统中生产电力，并以有保证的价格出售长达20年，无论其国内消费如何[17]。伊朗可再生能源组织（SUNA）负责为上述政策的实施做出适当安排。4研究方法本研究使用SD方法构建行为模型并诊断伊朗的FiTpolicy结构。SD是一种通过组件了解复杂系统行为的方法。通过JayW.Forrester提出的与社会系统相关的管理概念，SD处理系统的互连性、非线性和复杂性。因果关系是这种方法的基础，因果反馈环可以通过系统思维来实现和分析。通过计算机模拟，可以研究政策对社会系统的实际影响及其后果，以了解系统中隐含的因果反馈【13】。本文通过查阅相关文献，研究伊朗的可再生能源现状和发展历史，阐明了这一问题。然后确定了模型的边界、内生变量和外生变量以及相应的关系。在下一步中，制定了一个概念框架，其中通过子系统图和因果循环图分别呈现子系统和平衡及强化因果机制。

接下来，开发了一个数学模型来模拟FiT政策的当前和未来趋势。在系统仿真之前，对模型进行了验证。在此步骤中，将检查结构和行为的有效性。最后，对当前的FiT策略进行了仿真分析。考虑了三项政策，包括以较高的价格继续当前计划、根据预算状态调整FiT价格以及根据预算状态调整可再生能源开发用电税（REs tax），并针对截至2035.5 SD模型的FiT5.1概念框架图对系统行为进行了模拟和分析。1显示了模型的子系统及其相互作用。该图给出了模型结构的综合视图，因此在关注lessdetail的同时，可以更好地理解模型的系统内生视角。有三个主要部门：预算、REs开发和FIT支付。预算和REs开发子系统通过FiT支付子系统直接或间接地相互作用。预算子系统是FiT政策的来源，在可再生能源开发子系统中形成自我强化机制，并导致可再生能源的容量增长。可再生能源开发子系统中的第一个加强环代表了可再生能源渗透率的增长。其中，社会接受度，以及投资于此类发电技术的趋势，会导致REs的装机容量增加。该子系统中还有另一个强化回路，捕捉到学习过程效应。

可再生能源装机容量越大，经验越多，学习效果越好，安装资本成本越低。因此，重新投资的趋势上升。在预算子系统中，当ZF购买可再生能源发电时，预算会下降，如果不能支付，则会有税收补偿。预算子系统BudgetDebt&productionpaymentREs开发子系统+-REs能力社会接受学习效果B1R1R2++++适应支付子系统B2&B3\\UUUUUUUUUUUX+REs taxB4-+图1。模型的子系统图。5.2因果循环图研究的因果循环图如图2所示。总共有六个反馈回路被识别并标记为R1、R2、B1、B2、B3和B4。前两个循环是强化循环，而后四个是控制或平衡循环。钢筋混凝土环具有强化作用，而平衡环对系统具有限制作用。这两类回路之间的相互作用产生了系统的动力学。Wuestenhagen等人【31】强调，社会接受度是影响REs开发计划实施的关键因素。他们通过定义市场接受来概念化社会接受的一个基本方面，这意味着创新过程的扩散。我们采用新消费者的概念，在我们的模型中捕捉可再生能源扩散和社会接受的影响。可能投资可再生能源项目的协会成员被称为“潜在投资者”。当投资趋势增加时，FiT请求增加，如果决策者批准，这将导致投资。投资越高，安装的工厂越多。

装机容量的增加导致可再生能源的扩散增加，这与模型中可变可再生能源的渗透率有关。反过来，渗透率越高，社会接受度越高，投资倾向越高，适合度越高，因此，潜在投资者对实际投资者的吸引力越高。这种现象形成了正反馈回路R1，即“社会接受”。可再生能源投资趋势渗透率社会接受度++可再生能源项目投资回报率SO＆M成本基本成本--学习效果报酬期+适应要求产能因素测试率++装机容量投资折旧率+-+++++电力生产++期望的可再生能源产能价格+预算的预期产量付款实际产量付款++预期与实际之间的差异productionpayments REs tax-+++与预期目标的接近程度+--债务支付延迟+--可再生技术SUNA债务-+-运营与维护活动潜在投资者的信任++-社会接受（R1）学习效应（R2）债务支付（B2）生产支付（B3）与目标的接近度（B1）+税收平衡（B4）++-<债务支付延迟>图2。拟合评估模型的因果循环表示。可再生能源容量的增长会影响使用和制造可再生能源系统的经验。这种学习可以降低资本成本，这意味着更高的投资回报率（ROI）和更倾向于投资可再生资源。这也会导致更多的适应要求、更高的投资以及更多的装机容量。这就是第二个正反馈回路（R2）的工作原理。学习效果是thisloop的名字，它是根据Hsu所做的研究建模的【32】。政府目标与现有可再生能源能力之间的差距影响了FiT机制，这是Ahmad等人[1]和Mousavian等人等一些研究人员普遍使用的概念之一。

[10] ，和Hsu【9】。当装机容量下降时，与预期目标（2021装机容量为5 GW）的距离会缩短，从而导致ZF降低了适应率。这导致可再生能源项目的投资回报率降低，从而减少了投资倾向，减少了适配要求，减少了投资，从而减少了装机容量。这种现象形成负反馈回路B1，即“接近目标”。当预算金额低于向可再生能源生产商支付的全部预期款项之和时，就会出现预算短缺，因此作为买方的ZF无法支付生产费用和之前的债务；这最终会减少债务支付。此外，ZF支付的金额减少了可用资金，学会了更多的预算短缺，从而形成了负反馈循环B2，即“债务支付”。B3回路由与B2回路相似的变量组成。与影响预算的债务支付不同，另一个变量（即“电力生产付款”）影响预算金额。这个循环被标记为“productionpayment”。当ZF意识到预算短缺时，决定增加总预算，以弥补预算短缺。这会导致更多的预算。这种现象形成了负反馈回路B4，即“REs-taxballing”。然而，尽管有人声称这种控制机制存在于当前系统中，但近年来，可再生能源税一直保持不变，对预算变化没有反应。

因此，似乎到目前为止，budgetto REs税的反馈链接尚未激活，尽管据决策者称，它可能存在。5.3模型库存-流量结构以下是从库存和流量变量角度对模型的详细说明，其中描述了每个子系统的重要数学方程。股票是累积的，因此表征了系统的状态。通过分离流入和流出并造成延迟，明确了系统中不平衡动态的来源。Vensim是一款SD仿真软件（Vensim PLE for WindowsVersion 6.0b），将通过其六个状态（库存）变量来模拟2015-2035年系统的可再生装机容量和其他相关机制的行为。整个库存流程图如图3所示，其中显示了SD模型变量与库存、流量、辅助变量和参数之间的详细关系。5.3.1 REs开发图。4显示了装机容量的库存流程图。在模拟系统中，装机容量定义为建筑费率减去折旧的累计（见表1第1行）。批准的适应度要求除以建设可再生能源发电厂所需的时间，形成装机容量的流入，即“建设率”（见表1第2行）。由于某些请求因法律或资格原因被UNA拒绝（大约一半的年度FiTrequests导致了能力建设），因此0.5被视为被拒绝请求的分数（见表1第3行）。

虽然折旧是装机容量的流出，但它是折旧后容量存量变量的流入，等于装机容量除以设备寿命（见表1第4行）。累计装机容量等于装机容量和折旧容量之和，如表1第5行所示。根据2015年SUNA数据，装机容量初始值设定为120 MW。在模拟开始时，衰减容量的初始值等于零。表1：。可再生能源开发子系统的数学方程。ItemVariable（Unit）数学方程装机容量（兆瓦（MW））=整数（建造率-折旧，120）建造率（MW/年）=批准的安装请求/建造批准的安装请求所需的时间（MW）=年度安装请求*（1-拒绝请求的分数）折旧（MW/年）=装机容量/设备寿命累计安装容量（MW）=折旧容量+装机容量年度拟合要求（MW）=上年拟合要求*投资趋势投资趋势（无量纲）=可再生项目投资回报率*社会接受度*潜在投资者信任度可再生能源渗透率（无量纲）=装机容量/总发电容量（基于时间的线性回归）可再生项目投资回报率（无量纲）=（（（容量系数*8760*（拟合价格-运营和维护（O＆M）成本））*（（1+利率）^报酬期-1）/利率*（1+利率）^报酬期-资本成本）/资本成本已安装容量设备在拒绝请求中的剩余时间精确容量预测累计已安装容量建造批准的拟合请求所需的时间施工费率年度FiTrequestsFig。4、装机容量存量流程图。无花果

5显示年度拟合请求的因果关系。它等于上一年的FiTrequests乘以投资趋势（见表1第6行）。在本研究中，假设公众对可再生能源的投资倾向与可再生能源项目的投资回报率、社会接受度和潜在投资者的信任度相关（见表1第7行）。可再生能源的渗透率是影响社会接受度的因素之一，等于可再生能源的装机容量除以总发电容量，总发电容量通过历史数据的时间线性回归计算得出（见表1第8行）。图6显示了可再生能源项目投资回报率的因果关系。对可再生能源项目的投资决策是基于其投资回报率（ROI），这是一种绩效指标，用于评估投资的效率。ROI衡量的是相对于投资成本的投资回报量。为了计算可再生项目的投资回报率，投资的收益（或回报）除以投资成本（见表1第9行）。报酬期是指苏纳有义务购买可再生能源发电厂生产并接入电网的电力的期限。根据SUNA规定，这一期限为20年[33]。对可再生能源发电率进行投资的趋势上一年的社会接受度Fit要求总发电容量潜在投资者的信任年度Fit要求<时间>可再生能源项目的装机容量。5、年度拟合请求的因果关系。可再生项目的投资回报率SO&M成本基本成本适应价格学习效果初始资本成本薪酬周期初始适应价格适应率接近目标的效果适应价格学习曲线参数累计安装容量fig。6.

可再生能源项目因果关系的投资回报率。5.3.2合适的付款图。7显示FiT支付子系统的库存流程图。REs的装机容量乘以容量系数确定了年发电量，应根据FiT政策进行支付（见表2第1行）。为了计算ZF每年应向发电商支付的金额，自模拟开始（2015年）以来，总发电量和总上网电价累计在两种股票中；平均上网电价的计算方法是将总发电量除以总上网电价（见表2第2行）。因此，平均拟合价格乘以发电量确定了每年的预期生产付款（见表2第3行）。在模拟开始时，两种股票的初始值均应为零。表2：。拟合支付子系统的数学方程。项目变量（单位）数学方程发电量（MWh/年）=装机容量*容量系数*8760平均拟合价格（美元/MWh）=总发电量/总拟合付款预期生产付款（美元/年）=发电量*平均拟合价格拟合价格电力生产能力系数预期生产付款总发电量rateFiT paymentAverage FiT priceInstalledcapacityFig。7、FiT支付子系统库存流程图。5.3.3预算图。8显示预算子系统的库存流程图。SUNA债务存量中的累计债务加上预期的生产付款，即IT付款子系统的输出，决定了该年的全部预期付款（见表3第1行）。

如果全部预期付款超过预算存量中累计的预算金额，则有可能支付全部预期付款；否则，将花费所有可用预算（见表3第2行）。可用的全部付款应分配给生产付款和债务付款，优先减少累计SUNA债务，然后是当年的生产付款（见表3第3行和第4行）。SUNA债务是债务创造的累计金额，其根源在于预期和实际生产付款之间的差额减去债务付款（见表3第5、6和7行）。预算是指在政策实施开始时，预算增加额减去预算减少额再加上注入预算存量的预算初始值的累计金额（见表3第8行）。预算减少被定义为债务支付和实际生产支付的总和，预算增加通过将可再生能源税乘以电力消耗来计算（见表3第9行和第10行）。用电量定义为一个外生变量，通过模拟时间范围通过线性回归方程计算。预算的初始值设定为250万美元【33】。此外，在模拟开始时，苏纳债务的初始价值等于零。表3：。