光伏发电收益的不确定性如何影响项目工程师、投资者和银行

每个太阳能光伏发电项目通常都以一个简单的数字开始：预期年光伏发电量。乍一看，这个数字清晰而精确。但实际上，它总是带有不确定性。

项目团队如何处理这种不确定性非常重要。它对工程设计、投资者预期和银行融资都会产生影响，而这些影响往往在项目生命周期的后期才会显现出来。

在本文中，我们将解释为什么积极减少不确定性比简单报告不确定性更有效。我们还分享了通过更智能的光伏收益模拟来实现这一目标的实用方法。

通过一个简单的项目实例，我们展示了不同的不确定性处理方法如何导致截然不同的收益，并为项目工程师、投资者和银行带来不同的风险。这些例子只是举例说明，并不打算详细复制真实的项目决策，而是为了展示减少不确定性如何为所有主要利益相关者带来优化机会。

对于项目工程师：清晰度有助于优化

工程师依靠产量估算做出设计决策。如果这些估算是可靠的，而且对不确定性有很好的理解，工程师就可以充满信心地进行设计，使系统精确地适应现场条件。如果对不确定性理解不足或忽略，工程师就会失去这种精确性。

设计选择默认变得保守。安全系数增加。优化让位于近似。有时，这意味着增加的设备超过了必要的数量，或者在电气设计、布局和损耗假设方面依赖于保守的尺寸选择。其他时候，这意味着将性能搁置一旁。无论哪种情况，不确定性都会限制工程师从现场提取全部价值的能力。

通过降低不确定性实现的设计优化包括

• 更严格的电气尺寸。使用更准确的数据可以让项目团队避免 "以防万一 "地增加额外的电气设备。系统的大小更精确地反映了工厂的实际运行情况，减少了不必要的组件。
• 简化设备平衡设计。对系统有了更好的了解，就可以在不影响性能或可靠性的情况下，对电缆、结构和辅助设备等配套基础设施进行小规模简化。
• 更精确的损耗建模。该项目不再假设保守的固定损耗，而是使用更好的数据和模型来估算实际能源损耗。这就避免了对不太可能发生的损耗进行过度补偿。

对投资者而言：不确定性重塑预期

投资者很少仅根据项目的预期回报来评估项目。相反，他们关注的是可能出现的结果范围，以及在不太有利的条件下收益的弹性。当收益的不确定性被明确量化并以透明的方式传达时，投资者就能更有效地评估风险，并对长期绩效形成现实的预期。

当不确定性被忽视或低估时，项目最初可能看起来很有吸引力，但在尽职调查过程中，随着基本假设受到质疑，信心往往会减弱。在这种情况下，预期的负面风险就会增加，投资案例也就更难辩护。

因此，投资者非常看重可靠的长期生产数据。稳健的数据质量是制定合理的基本方案所必需的，它支持下滑分析，并有助于与贷款人的要求保持一致，而贷款人的要求通常是使用更保守的假设来评估的。

对银行而言：不确定性成为信贷风险

银行通过评估项目在保守假设下履行债务的能力，将不确定性纳入贷款决策。当不确定性被明确量化和充分理解时，融资结构的设计就会更有效。

在标准的项目融资实践中，基准现金流通常基于 P50 能源估算。随着产量不确定性的增加，P50 与更保守的生产方案（如 P90）之间的差异会越来越大。

贷款人主要通过结构性机制和基于契约的机制来应对这一风险。契约是合同要求，规定项目必须达到规定的财务或运营门槛。典型措施包括

• 与项目价值相比，贷款额度较低（贷款与价值比率限制），因此银行贷款较少，承担的风险也较小。
• 最低现金流安全边际（DSCR 要求），即项目产生的现金必须多于偿还债务所需的现金。
• 必要的储备账户，在收入低于预期时，提前预留现金以支付债务和维护费用。
• 股息支付限制，因此现金必须留在项目中，直到财务状况足够稳健。
• 项目发起人提供额外担保或支持，在项目表现不佳时提供额外保护。

这些措施旨在保护贷款人，同时保持基础财务模型不变。因此，收益率的不确定性会直接影响项目的融资额度和融资条件。

将不确定性纳入计算和报告的优势

当不确定性被忽视时，利益相关者不得不用保守的假设来保护自己。工程师会依赖通用的安全系数，投资者会努力了解下行风险，银行则会限制贷款或收紧贷款条件。

标签 1.项目主要利益相关者忽视不确定性与报告不确定性的区别。

计算和报告不确定性可提高透明度，但并不能完全消除这些摩擦。

更准确地模拟光伏发电量以减少不确定性

要减少不确定性，就必须了解影响不确定性的各种因素。在光伏发电量模拟中，不确定性既来自软件使用的模型，也来自用户提供的外部输入。

许多减少不确定性的措施都可以在低成本甚至零成本的情况下实施，这取决于项目中已使用的工具。在大多数情况下，关键在于选择合适的软件，并了解内部是如何处理输入数据和模型的。不确定性评估必须始终由经过验证的数据驱动。

实际行动包括

• 使用基于成熟模型和长期卫星观测数据的可靠太阳辐照度数据集。
• 使用覆盖长时段的数据集，以更好地评估自然天气周期造成的年际变化。
• 避免只依赖平均数据集，如典型气象年（TMY），因为这会掩盖重要的天气模式。在可能的情况下，模拟完整的历史时间序列。
• 使用每小时以下的输入数据来捕捉短期效应，如功率峰值、逆变器削波和热行为，当数据平均到每小时或更长的时间间隔时，这些效应往往会被掩盖。
• 使用先进的模型进行模拟，以反映光伏电站设计的实际复杂性，如针对光学损耗的光线跟踪。
• 使用物理模型而不是固定假设来估算额外损耗。针对污垢、反照率和温度等影响，用模型取代经验法则。
• 审查并验证制造商的技术数据表，确保建模的组件性能与实际安装的性能相匹配。

一些额外行动需要额外投资，如安装地面测量设备。虽然这会增加前期成本，但与发电厂的总资本支出相比通常较小。在复杂地点或卫星数据验证有限的地区，通过现场测量和本地化模型来补充卫星辐照度数据，可以显著降低不确定性，提高对结果的信心。

接受当前的不确定性与积极减少不确定性

一个项目可以接受现有的不确定性，也可以采取措施积极减少不确定性。当不确定性降低时，收益估算就会变得更加可靠。这样，工程师就能更有信心地优化设计，帮助投资者提高最低预期收益，银行也能更放心地有效安排债务结构。

下面通过两个项目方案来说明这两种方法的影响。

表 2.对于项目主要利益相关者来说，接受不确定性与减少不确定性之间的区别。

方案 A--"什么都不做"

让我们用一个示例项目来说明这一点：一家公司正在开发一个 10 兆瓦的太阳能光伏发电项目。场地看起来不错，布局也很整洁，预期产量为每千瓦时 1,500 千瓦时。从纸面上看，一切正常。

项目工程师

工程师使用标准输入和有限的数据集运行产量模拟。这包括默认假设而非物理模拟损失，平均数据集（如 TMY）而非全时间序列，以及每小时模拟而非每小时分辨率。结果看似合理，但不确定性仍然相对较高。

• 预期产量 (P50)： 15 GWh/年
• 光伏产量 不确定性： ±10
• 保守产量 (P90)： 13.5 千兆瓦时/年

工程师知道这些数字没有错，但也知道它们不是很精确。因此，团队决定按原样前进。

表格. 3.样本方案 A 中使用的不确定性假设。

贷款人

银行使用 P90 发电量对项目进行审查。

• P90 时的发电量为 13.5 千兆瓦时/年，该项目刚刚达到 1.25 的 DSCR要求 。
• 为了安全起见，银行将 债务限制 在项目成本的 70%。

从银行的角度来看，该项目是可以融资的，但也仅仅是可以融资。没有额外的杠杆空间。

投资者

股权投资者考虑的是不利情况。

• 约 4.9% 的 P90 股本回报率
• 项目可行，但回报不高
• 资本效率不高，但可以接受

项目完成财务结算，但未优化。

情景 B--"让我们减少不确定性"

某公司正在开发一个 10 兆瓦的太阳能光伏发电项目。场地看起来不错，布局也很整洁，预期产量为每千瓦时 1,500 千瓦时。从纸面上看，一切正常。

项目工程师

在最终确定设计方案之前，团队做出了一个不同的决定。他们投资于更好的辐照度数据，使用更长的时间序列，并应用更详细的建模。预期能量保持不变，但不确定性降低了。

• P50 预期产量 仍为 15 GWh/年
• 不确定性降至 ±8
• P90 预期产量增至 13.8 千兆瓦时/年

表 4.样本方案 B 中使用的不确定性假设。

没有任何物理变化，只有对数字的信心。由于不确定性降低，该项目不再需要依靠保守的设计余量来实现所需的 P90 能量。虽然装机容量仍为 10 兆瓦，但可以通过优化设计来减少不必要的保守，从而降低项目总成本。

预期损耗假设（如脏污、温度和布线损耗）保持不变。然而，数据质量和建模的提高降低了这些损耗的不确定性。这样就可以在不改变预期性能或依赖额外安全系数的情况下，提高设备平衡设计的效率并降低成本。

因此对设计进行了调整：

• 电厂规模不变，仍为 10 兆瓦
• 与方案 A 相比，P90 能效提高： 13.8 GWh/年
• 项目总成本降低（降低 ≈1）

这并不是降低安全性和耐久性。只是项目规模不再过大，无法弥补不确定性。

贷款人

银行审查更新后的项目。

• P90 能耗比以前更高： 13.8 千兆瓦时/年
• DSCR 提高到 1.29，因此有增加债务的空间。

由于风险降低，银行可以增加杠杆：

• 债务 增至 72
• DSCR 值保持 与上一方案 相同的 1.25。

从贷款人的角度来看，风险并没有增加，反而变得更好理解了。

投资者

现在，投资者将着眼于下行情况。

• P90 能耗 高于方案 A
• P90 RoE 增加到 约 5.4
• P50 RoE 增加到约 7.8%

实现了最低预期 RoE 的增加，投资者所需的股本减少。

成果概要

乍一看，两个项目非常相似。它们提供相同的银行可担保能源，满足相同的 DSCR 要求。场地、技术和市场条件都没有改变。唯一不同的是如何处理不确定性。

减少不确定性的方法是将现有的数据和软件设置转换为更先进的解决方案。假定与潜在的资本节约相比，这种变化所带来的额外成本可以忽略不计，同时还能提高 P90 置信度的预期产量。

下表中的比较显示，积极降低不确定性会改变同一项目的绩效。

• 在方案 A 中，更高的不确定性必须通过更严格的贷款限制和更低的资本效率来补偿。
• 在方案 B 中，不确定性的降低缩小了预期结果与保守结果之间的差距，加强了贷方和投资者使用的下行情况，使融资决策更有效率。

必要时，可通过针对具体地点的测量活动和专业咨询服务进一步降低不确定性，为提高项目效率和财务业绩提供更多机会。

制表 5.一个样本项目的两种不确定性方案比较。

结论

光伏项目如何处理发电量不确定性，其影响远不止于长期能源预测的准确性。相同的预期发电量，根据该预测所伴随的不确定性程度不同，可能会导致截然不同的设计方案、融资结构和投资结果。

现代软件解决方案能够通过更高质量的输入数据和更精确的模型，主动降低不确定性。这一转变使得技术优化更加完善、财务结构更具韧性，并增强了各利益相关方的信心。

降低不确定性的影响已不再是理论上的：

• 预期发电量完全相同的项目，其最终结果可能大相径庭，这取决于对不确定性的处理方式。
• 改进的数据和建模方法可释放优化潜力和资本效率，但具体收益取决于项目约束条件及利益相关方的接受程度。
• 先进的数据和建模技术可降低光伏发电量预估的不确定性，但无法消除诸如年际气候变异性或长期天气趋势等不可避免的风险。

降低不确定性是一种竞争杠杆，而非风险消除器：它增强了信心和下行韧性，而更广泛的市场、电网和监管风险仍然起决定性作用。因此，其影响因地区而异，因为每个市场都有其独特的关键因素、约束条件和融资环境，这些因素共同决定了不确定性如何影响项目结果。

降低光伏发电量的不确定性并不会改变日照时长。它无法消除项目风险，但若能有效运用，则能为项目创造持久的竞争优势。