Đang tải... (xem toàn văn)
Tóm tắt Phương pháp định giá công nghệ dài hạn mới cho các công nghệ năng lượng tái tạo kết hợp giữa hệ thống động lực học và mô phỏng Monte Carlo được đề xuất. Các phương pháp định giá hiện tại sử dụng khảo sát hoặc dòng tiền mặt phù hợp với các công nghệ đặc trưng bởi vòng đời ngắn và bất định, nhưng không thích hợp cho các công nghệ năng lượng tái tạo bị ảnh hưởng bởi nhiều bất định dài hạn. Một loạt các yếu tố vĩ mô và vi mô tương tác theo những cách phức tạp, tạo ra sự bất định và gây khó khăn về mặt định giá. Động lực hệ thống cung cấp một phương pháp tốt để cấu trúc các tương tác phức tạp này. Mô phỏng Monte Carlo có thể xem xét sự bất định lâu dài trong định giá. Sử dụng lợi thế của cả hai phương pháp, phương pháp của chúng tôi có thể cải thiện không chỉ độ tin cậy dài hạn về định giá xác suất công nghệ mà còn cả các quyết định và đầu tư R D trên cả hai mặt công cộng và tư nhân. Công nghệ sản xuất quang điện tại Hàn Quốc, một công nghệ năng lượng tái tạo, được sử dụng làm ví dụ. © 2014 Elsevier Ltd. Tất cả quyền được bảo lưu.
Energy 66 (2014) 447e457 Xem nội dung ScienceDirect Energy Trang chủ: www.elsevier.com/locate/energy Định giá công nghệ lượng tái tạo dài hạn sử dụng động lực hệ thống mô Monte Carlo: Công nghệ quang điện Chanwoong Jeon a, Juneseuk Shin a b b,* Tốt nghiệp trường Quản lý Công nghệ, Đại học Sungkyunkwan , 2066, Seobu-ro, Jangan-gu, Gyoenggi-do 440-746, Hàn Quốc Khoa Quản lý hệ thống, Đại học Sungkyunkwan, 2066, Seobu-ro, Jangan-gu, Gyoenggi-do 440-746, Hàn Quốc Thông tin báo Lịch sử viết: Nhận ngày 18 tháng năm 2013 Nhận sửa đổi ngày tháng năm 2014 Được chấp nhận ngày 13 tháng năm 2014 Có sẵn trực tuyến ngày 12 tháng năm 2014 Từ khóa: Cơng nghệ quang điện Định giá công nghệ Động lực hệ thống Đường cong học tập hai yếu tố Tóm tắt Phương pháp định giá công nghệ dài hạn cho công nghệ lượng tái tạo kết hợp hệ thống động lực học mô Monte Carlo đề xuất Các phương pháp định giá sử dụng khảo sát dòng tiền mặt phù hợp với cơng nghệ đặc trưng vòng đời ngắn bất định, khơng thích hợp cho cơng nghệ lượng tái tạo bị ảnh hưởng nhiều bất định dài hạn Một loạt yếu tố vĩ mô vi mô tương tác theo cách phức tạp, tạo bất định gây khó khăn mặt định giá Động lực hệ thống cung cấp phương pháp tốt để cấu trúc tương tác phức tạp Mơ Monte Carlo xem xét bất định lâu dài định giá Sử dụng lợi hai phương pháp, phương pháp chúng tơi cải thiện khơng độ tin cậy dài hạn định giá xác suất công nghệ mà định đầu tư R & D hai mặt công cộng tư nhân Công nghệ sản xuất quang điện Hàn Quốc, công nghệ lượng tái tạo, sử dụng làm ví dụ © 2014 Elsevier Ltd Tất quyền bảo lưu Mô Monte Carlo Giới thiệu Do biến đổi khí hậu cạn kiệt nhiên liệu hóa thạch, thỏa thuận quốc tế trí cần chuyển đổi lượng tồn cầu từ nhiên liệu hóa thạch sang nguồn lượng tái tạo Trong vài thập kỷ qua, thỏa thuận làm rõ thông qua loạt hiệp ước quốc tế bao gồm Công ước khung Liên Hợp Quốc Biến đổi khí hậu (1992), Nghị định thư Kyoto (2005), Hiệp ước Copenhagen (2009) Thỏa thuận Cancun (2010) Đặc biệt, nước phụ thuộc nhiều vào nguồn nhiên liệu hóa thạch nước nhập thể thái độ tích cực lượng tái tạo Trong số nguồn lượng tái tạo khác nhau, lượng mặt trời PV (quang điện) thu hút ý Quy mô thị trường PV 16,8 GW năm 2010, chiếm 8% thị trường lượng tái tạo nói chung Từ năm 1997, tốc độ tăng trưởng PV nhanh nhất, đạt 45% vào năm 2003 2009 [1] Tuy nhiên, so với kỳ vọng, phổ biến PV bị hạn chế chi phí cao Thị trường PV khơng thể phát triển khơng có sách ưu đãi quốc gia Khi kinh tế giới vào giai đoạn tăng trưởng thấp, thị trường PV gặp khó khăn giảm ưu đãi quốc gia Các hoài nghi xuất khả làm cho chi phí PV so sánh với cơng nghệ sản xuất điện khác Đó lý nhiều cơng ty phủ quan tâm đến hiệu quả, chi phí 0360-5442/$ e see front matter © 2014 Elsevier Ltd All rights reserved http://dx.doi.org/10.1016/j.energy.2014.01.050 * Corresponding author Tel.: ỵ82 31 290 7607; fax: ỵ82 31 290 7610 E-mail address: jsshin@skku.edu (J Shin) PV Trong số phương pháp định giá lượng tái tạo, CVM (phương pháp định giá ngẫu nhiên) DCF (chiết khấu dòng tiền mặt) sử dụng rộng rãi CVM áp dụng chủ yếu cho nguồn lượng công cộng sử dụng WTP (sẵn lòng trả) [2,3] Mọi người hỏi thông qua khảo sát số tiền họ sẵn sàng trả cho nguồn lượng mới, WTP chuyển đổi thành giá trị tiền tệ Tập trung vào giá trị kinh tế, DCF ước tính tổng kết tất khoản tiền mặt tương lai dự kiến để đánh giá liệu dự án lượng hay cơng nghệ có lợi nhuận hay khơng Cả hai phù hợp với định giá ngắn hạn với bất định, khơng phù hợp với công nghệ lượng tái tạo bị ảnh hưởng tính bất định dài hạn Hơn nữa, yếu tố khác bao gồm đầu tư R & D cơng ty, sách phủ quy định quốc tế tương tác theo cách tinh vi, tạo bất định nghiêm trọng làm cho phương pháp nêu không phù hợp Thay vào đó, phương pháp tùy chọn thực đề xuất Davis Owens (2003) áp dụng tùy chọn thực tế DCF cho công nghệ lượng tái tạo Họ kết luận DCF không tốt định giá công nghệ lượng tái tạo mà không xem xét bất định khác biến động giá dầu [4] Các nhà nghiên cứu cố gắng phát triển cải thiện phương pháp tùy chọn thực, bao gồm mơ hình mạng nhị phân [5] mơ hình lập trình động [6,7] Các phương pháp tùy chọn thực phản ánh yếu tố khác bất định định giá, xem xét tương tác chúng 448 C Jeon, J Shin / Energy 66 (2014) 447e457 Mặc dù có hạn chế phương pháp này, khơng có nhiều nghiên cứu đề xuất phương pháp định giá dài hạn cho công nghệ lượng tái tạo Giải vấn đề này, chúng tơi trình bày phương pháp định giá xác suất cho công nghệ lượng tái tạo dài hạn SD (động lực hệ thống) cho phép xác định lại yếu tố khác nhau, bất định tương tác chúng định giá Mơ hình Monte Carlo vượt qua hạn chế xác định DCF, xác định giá trị xác suất liên quan đến biến động yếu tố liên quan Tận dụng hai phương pháp, phương pháp cải thiện độ xác định giá Để ví dụ minh họa, chúng tơi định giá cơng nghệ PV Hàn Quốc Lịch sử công nghiệp Chuỗi giá trị ngành công nghiệp PV sản xuất polysilicon thông qua việc sản xuất tấm, phôi, pin cell mơ-đun, để tích hợp vào hệ thống tổng thể Các phôi làm silicon Các pin cell làm từ vật liệu rời cắt thành mỏng thơng qua q trình vật liệu sử dụng cho chất bán dẫn, sau kết nối điện đóng gói mơ-đun Một hệ thống PV tạo thành từ mô-đun thành phần điện khác Mô-đun đơn vị chi phí hiệu quả, chiếm khoảng 55% tổng chi phí hệ thống PV [8] Chi phí mơ-đun PV cao Do hỗ trợ phủ làm giảm gánh nặng chi phí, thị trường PV tồn cầu phát triển nhanh chóng kể từ cuối năm 1990 Đức Ý thúc đẩy tăng trưởng này, chiếm 80% tổng nhu cầu tổng điện vào năm 2009 Vào cuối năm 2000, Mỹ, Trung Quốc Nhật Bản gia nhập thị trường PV, thúc đẩy tăng trưởng Thị trường PV tồn cầu dự kiến tăng 18% hàng năm năm đạt tới 77 GW vào năm 2016 [1] Nói cách đơn giản, thị trường PV thị trường phát triển nhanh Rõ ràng, sách phủ động lực thúc đẩy đầu tư tăng trưởng thị trường PV Có ba loại sách, bao gồm FIT (biểu giá điện hỗ trợ), RPS (tiêu chuẩn danh mục đầu tư tái tạo) trợ cấp Theo FIT, phủ trả mức giá dựa chi phí cho lượng tái tạo RPS buộc nhà cung cấp phải cung cấp phần điện họ cho người tiêu dùng từ nguồn lượng tái tạo Hoặc, phủ đơn giản trực tiếp cung cấp cho công ty nguồn trợ cấp để trả tiền cho việc lắp đặt hệ thống PV họ Một số nghiên cứu tìm hiểu tính hiệu hiệu suất sách Một số nghiên cứu hỗ trợ FIT dựa phổ biến nhanh chóng hệ thống PV Đức Ý [9e11] Tiến xa chút, nghiên cứu gần đề xuất phương pháp thực FIT hiệu gọi phương án định giá tối ưu [12] Gần đây, nhà nghiên cứu ý nhiều đến trợ cấp Dusonchet Telaretti (2010) nghiên cứu khoản trợ cấp hệ thống PV Bỉ [13] Talavera et al (2010) phân tích kinh tế học trợ cấp sử dụng tỷ suất hồn vốn nội phân tích độ nhạy [14] Chiung-Wen Hsu (2012) so sánh FIT với trợ cấp mặt kinh tế [15] Thông thường, họ đề xuất sách tối ưu cụ thể theo quốc gia, ngụ ý khơng có sách tốt cho số quốc gia Nói cách khác, sách lượng tái tạo nên tùy chỉnh theo đặc điểm quốc gia bao gồm khả cơng nghệ, điều kiện tài phủ điều kiện khác [16] Do sách thúc đẩy phủ, nhiều cơng ty đầu tư lớn vào PV, mở rộng lực sản xuất PV để tạo lợi cạnh tranh cách đạt quy mô kinh tế Họ kỳ vọng giá PV giảm nhanh lực sản xuất tăng Tuy nhiên, giá không giảm mong đợi, tạo số hồi nghi sách thực Hoài nghi làm chậm tăng trưởng kinh tế toàn cầu, buộc số phủ phải thay đổi sách lượng tái tạo Các nước châu Âu giữ FIT, giảm nhiều 10% tăng gánh nặng Nhiều quốc gia bị hạn chế ngân sách nghiêm trọng chuyển từ FIT sang RPS Để tạo thuận lợi cho việc phổ biến PV, số nước giới thiệu phần FIT, trì RPS Nhìn chung, ngành công nghiệp PV phải đối mặt với hai rủi ro Rủi ro đến từ chi phí PV đơn vị điện, cao so với công nghệ nhiên liệu hóa thạch khác Chi phí tương đối cao dẫn đến việc áp dụng PV giảm Mức độ chấp nhận thấp dẫn đến đầu tư PV hơn, điều làm chậm tiến công nghệ PV giảm chi phí Một chu trình luẩn quẩn tiếp tục, nhiều cơng ty tư nhân rút khỏi ngành cơng nghiệp PV Ngồi ra, ưu đãi sách nguồn lượng tái tạo, chẳng hạn FIT trợ cấp trực tiếp, tiếp tục giảm số quốc gia, khuyến khích cơng ty tư nhân tham gia chu kỳ Nếu không xem xét rủi ro này, phủ cơng ty tư nhân có tổn thất đầu tư PV lớn Vì vậy, xem xét yếu tố rủi ro bao gồm chi phí, đầu tư sách R & D, họ nên đánh giá cơng nghệ PV xác để đưa định đầu tư R & D tốt Phương pháp 3.1 Nền tảng nghiên cứu Định giá công nghệ lượng tái tạo dài hạn phải xem xét: 1) nhân vòng tròn biến bên bên ngoài, 2) bất định động lực dài hạn ảnh hưởng chúng 3) định giá xác suất Tuy nhiên, lưu ý trên, phương pháp định giá xác định bao gồm DCF CVM đáp ứng yêu cầu số Phương thức tùy chọn thực đáp ứng yêu cầu SD phát triển để phân tích tính động lực hệ thống phức tạp đặc trưng quan hệ nhân vòng tròn bất định nghiêm trọng, phương pháp thích hợp để đáp ứng yêu cầu thứ hai Mô Monte Carlo phương pháp sử dụng rộng rãi để điều tra bất định theo cách xác suất, đáp ứng yêu cầu thứ hai thứ ba Vì vậy, kết hợp SD với mô Monte Carlo, phát triển phương pháp xác định giá trị công nghệ dài hạn để đáp ứng ba yêu cầu Hagenson (1990) gợi ý kết hợp SD mơ Monte Carlo cơng cụ hữu ích để nhận biết rủi ro tiềm ẩn, không định lượng rủi ro [17] Tiến lên bước xa hơn, Dhawan (2005) tiến hành loạt thí nghiệm kiểm soát để kiểm tra ảnh hưởng SD, SD với phân tích độ nhạy SD xác suất [18] Các mơ hình SD xác suất thể hành vi thực hệ thống phức tạp tốt so với hai kỹ thuật khác Đặc biệt, SD với mô Monte Carlo thử nghiệm số nghiên cứu trước đây, cung cấp số chứng tính hữu dụng việc nghiên cứu bất định [19,20] Sử dụng SD làm mô hình sở, SD với mơ Monte Carlo phương pháp thích hợp để phân tích bất định động lực hệ thống phức tạp Phương pháp chúng tơi có ba mơ-đun bao gồm 1) mơ hình định giá cơng nghệ với yếu tố bên trong, 2) mơ hình mối quan hệ nhân yếu tố bên 3) mơ hình định giá xác suất tích hợp Lưu ý chi phí PV đơn vị điện quan trọng cơng ty Vì vậy, phương pháp đánh giá công nghệ chi phí thực tế phát sinh việc tạo mơ-đun PV Chi phí giảm cách học tập hiệu đổi công nghệ Đường cong học tập hai yếu tố thích hợp để xác định lại ảnh hưởng yếu tố bên SD đại diện cho yếu tố bên khác quan hệ thông thường Bằng cách này, xem xét lại biến số phức tạp biến bên bên định giá công nghệ Tuy nhiên, phương pháp xác định Mô Monte Carlo giúp xác định giá trị xác suất, giao dịch hiệu với bất định lâu dài Mục tiêu, quy trình phương pháp thể Bảng Bảng Nền tảng nghiên cứu Đối tượng Q trình Phương pháp Đo lường kiến thức tích lũy sản xuất Ước tính tham số 2FLC Dự báo giá mô-đun tương lai - Lựa chọn khung khái niệm Nhận dạng biến khóa Phân tích sơ đồ vòng lặp nhân Phân tích sơ đồ chứng khốn Xác thực mơ hình động lực hệ thống - Nhận dạng bất định Mơ Monte Carlo Định giá ngẫu nhiên ● Đường cong học tập hai yếu tố ● Hồi quy ● Ngoại suy ● Xem xét tài liệu ● Động lực hệ thống ● Khung 3E ● Xem xét tài liệu Mơ hình định giá với biến nội - Mơ hình định giá mở rộng với biến bên Định giá ngẫu nhiên 3.2 Đường cong học tập hai yếu tố 3.3 Động lực hệ thống Xử lý đường cong học tập nguồn thay đổi công nghệ khác biệt trình bày Wright [21] Hiệu học tập cách làm đo cách giảm chi phí đơn vị sản phẩm hàm kinh nghiệm thu từ gia tăng sản lượng tích lũy Khi áp dụng khái niệm này, hầu hết nghiên cứu trước định giá công nghệ PV giả định giá PV giảm tương ứng với sản lượng tích lũy [8,22] Tuy nhiên, mơ hình đường cong học tập yếu tố thể thiếu sót áp dụng cho cơng nghệ nghiên cứu phát triển (R & D) thúc đẩy thay đổi cơng nghệ nhanh chóng đột phá [23] Sự cạnh tranh công nghệ PV hệ hệ thứ hai mở ra, công nghệ PV hệ thứ ba tiến triển nhanh chóng Các nghiên cứu định giá cơng nghệ PV sử dụng đường cong học tập yếu tố có khả đánh giá cao tác động việc học tập cách làm Để xác định giá trị công nghệ PV tốt hơn, cần phải tái khẳng định khơng học tập cách làm mà đổi công nghệ Các 2FLC (đường cong học tập hai yếu tố) trình bày Kouvaritakis et al (2000) kết hợp học tập cách làm đổi cơng nghệ, đường cong thích hợp [23] Nó xây dựng sau thời gian định t UCt ¼ k$CUMm$KSn t KSt ẳ rị$KSt (1 ) ỵ RDt —1 ● Mô Monte Carlo (2) —R&D lag Chi phí sản xuất đơn vị, biểu thị UC, hàm CUM (tích lũy sản xuất) KS (cổ phiếu tri thức) Cổ phiếu tri thức xấp xỉ R & D tích lũy Lưu ý số tri thức giá trở nên vô dụng Hệ số r biểu thị tỷ lệ khấu hao tri thức Ngoài ra, để chuyển đổi R & D chi tiêu vào tri thức thời gian, biểu thị t-R & D lag Xem xét yếu tố này, tính tốn cổ phiếu tri thức thời điểm t (2) 2FLC sử dụng để đánh giá công nghệ lượng tái tạo đặc trưng chi phí cao R & D lớn [24] Từ Forrester đề nghị SD vào năm 1950, nhận nhiều ý phương pháp để phân tích hành vi hệ thống phức tạp theo thời gian SD áp dụng để quản lý doanh nghiệp năm 1960, sau ứng dụng loạt lĩnh vực [25] Nó ngày trở nên phổ biến việc phân tích lĩnh vực lượng hệ thống lượng điển hình hệ thống dài hạn, động lực phức tạp [26e32] Đã có số mơ hình sách SD, bao gồm Ford (1983) Natil (1992) [30,31] Một số nghiên cứu tiến hành lĩnh vực khác bao gồm phân tích hiệu định giá công nghệ [26e29] Trên tất cả, hấp dẫn SD xuất phát từ thừa nhận cấu trúc hệ thống hình tròn Khắc phục điểm yếu mơ hình nhân tuyến tính mơ hình hồi quy, cho phép tìm kiếm mơ tả tương tác phức tạp yếu tố khác nhau, phân tích tính phi tuyến tính nhiều hệ thống Ngồi ra, sử dụng vòng lặp phản hồi, cổ phiếu dòng tiền, SD mơ tả mối quan hệ liên khóa trì hỗn thời gian yếu tố, từ mơ hành vi động lực dài hạn tồn hệ thống xác [25] Nhìn chung, phương pháp tốt để dự đoán hành vi tương lai hệ thống phức tạp đặc trưng nhiều yếu tố, tương tác khác phi tuyến tính Như lưu ý trước đây, công nghệ PV bị ảnh hưởng sách quản lý yếu tố tương tác khác nhau, bao gồm điều kiện cung cầu thỏa thuận môi trường quốc tế Vì vậy, SD phương pháp thích hợp để mơ tả hành vi phức tạp toàn hệ thống lượng để liên kết mơ hình quan sát ảnh hưởng giá trị cơng nghệ Phân tích thực nghiệm 4.1 Mơ hình định giá biến bên Các 2FLC sử dụng mơ hình định giá để đo lường phát triển cơng nghệ cao Thay chi phí đơn vị, giá PV sử dụng Đ ầu tư R& D PV (2 01 tri ệu US D, th eo tỷ giá Năm Năm Hình Đầu tư cho R&D PV toàn cầu: (a) đầu tư R&D PV hàng năm, (b) đầu tư R&D PV tích lũy T í c h l ũ y R & D P V ( 1 C Jeon, J Shin / Energy 66 (2014) 447e457 45 Tích lũy sản xuất PV (MW) Tí ch lũ y sả n xu ất PV (M W) Cổ ph iế u tri th ức (2 01 tri ệu US D) Đường cong Logistic *Ghi chú: MW (Triệu Watt) Hình Cổ phiếu tri thức (2011 Triệu USD) Hình 3.Đường cong Logistic tích lũy sản xuất PV chi phí đơn vị thay đổi đáng kể công ty Các nghiên cứu gần đề xuất chi phí R & D toàn cầu biện pháp ủy quyền cổ phiếu tri thức chi phí R & D quốc gia kiến thức PV lan tỏa nhanh chóng tồn cầu [33,34] Tương tự, số lượng sản xuất PV toàn cầu tốt so với giá trị địa phương Vì vậy, chúng tơi sử dụng chi phí R & D tồn cầu số lượng sản xuất R & D toàn cầu hai yếu tố đường cong học tập Để tính tốn cổ phiếu tri thức, thu thập liệu chi tiêu R & D năm 1974-2011 từ IEA (Cơ quan Năng lượng Quốc tế) hầu tham gia vào PV R & D thành viên IEA [35] Các giá trị danh nghĩa chuyển đổi thành giá trị thực tế cách sử dụng tổng sản phẩm GDP Hoa Kỳ (tổng sản phẩm quốc nội) ước số Năm sở năm 2011 Ngoài ra, cách sử dụng tỷ giá hối đối trung bình năm 2011 đồng đô la với loại tiền tệ khác, tất loại tiền tệ quy đổi thành đô la Mỹ Để đưa giả định thông số cổ phiếu tri thức, phải xác định mơ hình động lực chi phí PV R & D Như biểu diễn Hình 1, tổng chi phí PV R & D tích lũy cho thấy tăng trưởng tuyến tính, hỗ trợ giá trị R2 (0,9939) cao hồi quy tuyến tính thể (3) Đầu tư tích lũy PV R & D, biểu thị CUMRDt, thời điểm t hàm số năm (T) kể từ năm 1974 CUMRDt ¼ 339:36$T — 670; 528 Tuy nhiên, tốc độ tăng trưởng sản lượng PV tích lũy Trung Quốc dự đoán tăng liên tục vào năm 2050 Xét đến giới hạn mức tăng trưởng nhanh tại, sử dụng đường cong logistic để mô tả dự báo tăng trưởng sản xut [38] Ytị ẳ L ; ỵ a$ebt (5) L biểu thị giới hạn sản xuất PV giả định 3450 GW Sử dụng liệu 1974-2010, chúng tơi ước tính hình dạng thông số (a) (b) NewtoneRaphson phương pháp bình phương nhỏ sử dụng để ước lượng thông số Bảng Với thông số này, chúng tơi dự báo sản lượng PV tích lũy tương lai Hình Nó tăng trưởng trước năm 2005, sau tăng trưởng nhanh Để dự đốn giá mơ-đun PV, cần ước tính ba thông số (k, m, n) (6) Lưu ý (6) hình chuyển đổi (1) Dữ liệu giá môđun PV từ báo cáo định kỳ 1974-2010 Viện Chính sách Trái đất IEA sử dụng [35,36] Sử dụng NewtoneRaphson phương pháp bình phương nhỏ nhất, chúng tơi ước tính thơng số Bảng Đáng ý, giá trị ước tính số đổi công nghệ tương tự số học tập, có nghĩa R & D có hiệu giảm giá PV (3) Kobos et al (2006) đề xuất tỷ lệ khấu hao phù hợp 0,1 với thời gian trễ R & D ba năm công nghệ lượng tái tạo chi phí R & D tích lũy tăng tuyến tính Với giả định này, cổ phiếu tri thức cho công nghệ PV nh (4) KSt ẳ 0:9$KSt1 ỵ RDt3: (4) S dụng phương trình (4), phác họa cổ phiếu tri thức thay đổi hình Nó cho thấy tăng trưởng phi tuyến tính giai đoạn đầu, phát triển tuyến tính năm 1985 Sau đó, chúng tơi thu thập liệu sản xuất PV tích lũy từ báo cáo định kỳ 1974-2010 Viện Chính sách Trái đất [36] Theo IEA Moro Duart (2013), giới hạn sản lượng PV tích lũy tồn cầu vào khoảng 3450 GW [35,37] logUC t ị ẳ log k ỵ m*logCUMịỵ n*logKStị: (6) Nh th hin hỡnh 4, giỏ mơ-đun PV ước tính tìm thấy 2FLC tương tự liệu lịch sử Với giả định xu hướng lịch sử tiếp tục, chúng tơi dự đốn giá trị tương lai sản xuất PV tích lũy, tích lũy cổ phiếu tri thức giá mô-đun PV hiển thị Hình Cổ phiếu tri thức tích lũy tăng trưởng tuyến tính vào năm 2030 Khác biệt chút, sản lượng PV tích lũy tăng trưởng nhanh chóng sau năm 2015 R & D có tác dụng tương tự sản xuất giá PV thời gian tới, sản xuất ngày trở nên quan trọng dài hạn Thúc đẩy Bảng Ước tính tiêu 2FLC Bảng Ước tính tiêu đường cong Logistics Chỉ tiêu Kết ước tính Chỉ tiêu hình dạng (a) Chỉ tiêu tỷ lệ (b) 300,867.00 0.29 Chỉ tiêu Giá trị ước tính Tỷ lệ k Chỉ số (m) Chỉ số tiến công nghệ (n) 140.8879 —0.1874 —0.1871 e 0.1218 0.1216 G iá m ô đ u n ( 1 U Xác định biến phổ biến quan sát thấy mơ hình lượng cấp vĩ mơ trước đây, chúng tơi gán biến cho ba loại theo khung 3E Như lưu ý trước đây, SD thích hợp để biểu diễn mối quan hệ cấu trúc biến Vì vậy, để cấu trúc khái niệm, sơ đồ vòng lặp nhân dựa khung 3E tạo (Hình 7) Các sách quy định môi trường đưa nhằm thúc đẩy việc sử dụng hiệu môi trường R & D Những thay đổi công nghiệp ảnh hưởng đến biến đổi kinh tế vĩ mô bao gồm GDP việc làm Những thay đổi kinh tế vĩ mô dẫn đến việc thay đổi ràng buộc ngân sách sách lượng thay đổi hướng sách Lưu ý quan hệ nhân không thiết phải chiều, qua lại lẫn Tập trung vào định giá công nghệ PV, xây dựng sơ đồ vòng lặp bình thường hình Các yếu tố môi trường, bao gồm phát thải CO2, khoản trợ cấp, ưu đãi thuế sách xác định tính khả thi kinh tế cơng nghệ tái tạo Sau đó, khác biệt chi phí phát sinh đơn vị xác định tỷ trọng tổng tiêu thụ lượng quốc gia, làm thay đổi kích thước tốc độ tăng trưởng nguồn lượng Các biến vĩ mô bị ảnh hưởng thay đổi này, sau dẫn đến việc thay đổi đầu tư R & D hỗ trợ phủ cho nguồn lượng tái tạo Tích lũy đầu tư R & D biến nội định giá cơng nghệ PV Sản xuất tích lũy phụ thuộc nhiều vào hỗ trợ phủ Các biến nội tương tác với biến bên ngồi thơng qua vòng phản hồi Hình Các phương pháp truyền thống DCF xem xét yếu tố này, đánh giá cao đánh giá thấp giá trị công nghệ Cách tiếp cận làm giảm thành kiến Để định lượng sơ đồ vòng lặp nhân quả, chúng tơi phải xác định biến số với phép đo định lượng thích hợp Đơn giá điện, bao gồm giá mơ-đun PV hỗ trợ phủ, biến quan trọng thể loại lượng Nó phụ thuộc chủ yếu vào giá mô-đun PV, khác với hỗ trợ phủ Chính sách phủ Hàn Quốc thay đổi từ FIT sang RPS vào năm 2012, thay đổi hỗ trợ phủ Xem xét điều này, chúng tơi tính tốn đơn giá điện tổng giá mơ-đun PV hỗ trợ phủ Giá mơ-đun PV giảm theo thời gian, làm giảm đơn giá điện Tất biến bên giới thiệu khu vực nước, khu vực quốc tế, sách lượng tái tạo nên xem xét đặc điểm quốc gia Bài viết tập trung vào Hàn Quốc Các biến số danh mục kinh tế bao gồm doanh thu, chi phí đầu tư Tổng doanh thu xác định lượng lượng mặt trời, dung lượng mô-đun hiệu mô-đun Thông thường, hệ thống phát điện PV xây dựng vị trí nơi xạ mặt trời trung bình hàng ngày cao Vì khu vực Hàn Quốc có xạ mặt trời trung bình cao Jinju, chúng tơi tính tốn số lượng Mơ 2FLC Thự c tế Tích lũy sản xuất PV (triệu Watt) Hình Giá mơ-đun PV thực tế giả định yếu tố này, giá mô-đun PV $ 1,1 / W vào năm 2025, vào khoảng $ 0,9 / W năm 2030 4.2 Mơ hình định giá mở rộng biến bên ngồi Như lưu ý trước đây, cơng nghệ PV bị ảnh hưởng biến bên bên Các mối quan hệ nhân biến bên tạo tương tác lẫn phức tạp, khơng phải tuyến tính mà hình tròn Để xác định lại giá trị công nghệ PV, phải xác định biến bên ngồi chính, hiểu cách biến tương tác với xây dựng mơ hình để mơ tả tương tác Mơ hình làm rõ biến số bên ngồi cơng nghệ PV, qua cải thiện định giá cơng nghệ PV Đã có số mơ hình mối quan hệ cấu trúc biến lượng vĩ mô, chẳng hạn MARKAL-MACRO Manne Wene (1992) ENTICE Popp (2004) [39,40] Khi xem xét mô hình này, chúng tơi xác định ba loại phổ biến biến bên ngồi bao gồm ngành cơng nghiệp lượng, sách mơi trường quy định kinh tế vĩ mơ Trong mơ hình lượng trước đây, khung 3E xác định loại tương tác lẫn chúng tốt loại khác, biểu diễn Hình Khung bao gồm an ninh lượng, bảo vệ môi trường tăng trưởng kinh tế Các biến ngành công nghiệp lượng chủ yếu cung cấp lượng, nhu cầu R & D phân loại thành an ninh lượng, cho thấy mối quan hệ tĩnh động biến Tương tự vậy, sách quy định mơi trường phủ thuộc bảo vệ mơi trường biến kinh tế vĩ mô GDP thuộc tăng trưởng kinh tế Khung 3E cho cân ba loại dẫn đến nhiều vấn đề thất bại ngành lượng Tí c h lũ y s ả n x u ấ t P V Tích lũy sản xuất PV (MW) PV KS (2011 MV: Triệu Watt MUSD: Triệu USD G iá m ô đ u n P V ( U S D Giá mơ-đun PV (2011 USD) Năm Hình Dự báo biến: (a) Tích lũy sản xuất PV, (b) Giá mơ-đun PV Năm C Jeon, J Shin / Energy 66 (2014) 447e457 Bảo vệ mơi trường Chi phí cho phát triển kinh tế (thuế, quy định ) Sản phẩm chất lượng cao than thiện môi trườn g Sử dụng lượng thân thiện môi trườn g Năn g lượ ng tái tạo môi trư ờng b ền vữn g Khung 3E Thúc đẩy công nghiệp lượng xanh An ninh lượng Phát triển kinh tế Dịch vụ lượng Bền vững, ổn định Hình Khái niệm khung 3E sử dụng lượng mặt trời cách sử dụng liệu xạ mặt trời Jinju [41] Theo quy tắc FIT Hàn Quốc, hiệu suất Mô-đun PV giả định 80% lắp đặt sau giảm hàng năm xuống 2% [43] Công suất mô-đun giả định 5000 kWp cơng suất trung bình cần thiết cho hỗ trợ phủ Chi phí chia thành chi phí trực tiếp gián tiếp Điện từ hệ thống điện PV nối lưới tạo mà khơng có nhiên liệu bán cho lưới điện Vì vậy, khơng có chi phí đầu vào chi phí ngun vật liệu Nói cách khác, tồn chi phí gián tiếp, bao gồm vận hành, bảo trì bảo hiểm hệ thống điện PV Trong thập kỷ qua, chi phí PV trực tiếp điều chỉnh chỗ ổn định Vì vậy, chúng tơi giả định tổng chi phí gián tiếp PV tăng theo tỷ lệ trung bình hàng năm khoảng thời gian từ năm 2003 đến năm 2012 [42] Phương pháp khấu hao đường thẳng sử dụng tỷ lệ khấu hao số Yêu cầu đầu tư để lắp đặt hệ thống điện PV dựa quy tắc FIT Hàn Quốc Hệ thống điện PV thường năm để xây dựng hoạt động 15 năm Giá mơ đun PV giả định 1,5 $ / Wp, hiệu suất lực mô-đun giả định trước Các chi phí khác, bao gồm biến tần, trục xây dựng, bao gồm khoản đầu tư Bảng [43] Về lâu dài, cấu đầu tư quan trọng biến động biến kinh tế vĩ mô, bao gồm lãi suất, tỷ lệ lạm phát tỷ giá hối đoái, ảnh hưởng đến chi phí Xem xét cấu trúc đầu tư công ty lượng tái tạo Hàn Quốc, cho đầu tư tổng thể 20% vốn chủ sở hữu 80% nợ, sử dụng điều làm tỷ lệ cấu đầu tư Một số biến kinh tế vĩ mô phải xác định Những biến dao động, giả định số dài hạn Phát thải CO2 Mơi trường Thuế carbon Khuyến khích Tổng Thuế carbon Lạm phát Giá lượng Tổng đầu tư CAPEX Phát triển lượng GD P Vốn cổ phẩn Chỉ số nghề nghiệp Năng lượng tiêu thụ Cung cấp lượng Năng lượng Cơ hội bán Thất nghiệp Kinh tế Hình Sơ đồ vòng lặp khung 3E GD P Thị trườn g Tài chín Tỷ giá Cổ phần Lãi suất Lạ m phát Cơng suất Chia sẻ thị trường Tích lũy sản Đầu tư R&D Chiế t Đầu tư Chi phí tr ực tiếp Chín h Phát thải Chi phí gián tiếp Giá Định Thuế Giá modu Bán hàng Chi phí Bồi thường Mơi trường Năng lượng Kinh tế Lợ i Hình Sơ đồ vòng lặp cơng nghệ PV theo khung 3E Lưu ý thời gian hoạt động phải 15 năm Lãi suất cố định 5,71% xác định cách sử dụng tỷ lệ trái phiếu AA-doanh nghiệp trung bình thập kỷ qua [42] Tương tự, tỷ giá hối đối xác định mức trung bình 10 năm Tuy nhiên, tỷ lệ chiết khấu xác định Nó tái xác định rủi ro tài doanh nghiệp phụ thuộc vào cấu trúc vốn doanh nghiệp Sử dụng CAPM (mơ hình định giá tài sản vốn), chúng tơi ước tính tỷ lệ chi phí vốn chủ sở hữu trung bình 17,02% Với tham chiếu đến Lee et al (2008), giả định mức phí bảo hiểm rủi ro thị trường trung bình 12% lãi suất khơng rủi ro 5.02% tỷ suất hoàn vốn trái phiếu kho bạc năm [44] Cơ cấu vốn giống cấu đầu tư PV Do đó, chúng tơi tính tốn WACC (chi phí vốn bình qn) cách sử dụng lãi suất cố định chi phí vốn chủ sở hữu, sử dụng làm tỷ lệ chiết khấu Trong thể loại môi trường, thuế, hỗ trợ phủ trợ cấp biến quan trọng Chúng sử dụng thuế suất doanh nghiệp 27,5% thay đổi Hỗ trợ phủ (bao gồm chứng nhận lượng tái tạo RPS FIT) 500 KRW / kWh Bảng Các biến số mơ hình định giá PV mở rộng Thể loại Biến Đơn vị Mô tả Năng lượng Đơn giá điện Giá mô đun Công suất mô đun Hiệu suất mô đun Bức xạ mặt trời hàng ngày Phát xạ Thời kỳ vận hành Bán hàng Chi phí gián tiếp Cấu trúc đầu tư Giá đầu tư Giá trục Giá xây dựng Đầu tư KRW/kWh $/Wp kW % kWh/m2/ngày kWh/năm Year KRW KRW/năm % KRW/kW KRW/kW KRW/kW KRW Giá phế liệu Tỷ lệ lạm phát Lãi suất Tỷ giá hối đoái Lãi suất phi rủi ro Chi phí vốn cổ phần Tỷ lệ chiết khấu Thuế Hỡ trợ phủ Trợ cấp KRW % % KRW/$ % % % % KRW/kWh KRW Giá mô un ỵ h tr chớnh ph 1.5 5000 Ban u 80% giảm 2% năm 3.8243 (khu vực Jinju) Bức xạ hàng ngày × cơng suất mơ đun × hiệu suất mơ đun 15 Đơn giá điện × phát xạ 100 triệu 20% vốn 80% nợ (tài dự án) 0.8 triệu triệu 100 triệu Dung tích mơ đun × (Giá mơ đun × tỷ giá hối oỏi ỵ) Giỏ bin tn ỵ giỏ trc ỵ giỏ xây dựng) 10% × đầu tư Hàng năm 3.13 5.71 1100.21 5.02 17.02 N/(n ỵ vn) ì chi phớ n þ vốn/(nợ þ vốn) × chi phí vốn 27.5% 500 Ban đầu Kinh tế Môi trường *Ghi chú: KRW (Korean won), kW (kilowatt), kWh (kilowatt giờ) Tham chiếu Trung bình ngành [41] [39] [41] [41] Trung Trung Trung Trung [41] [41] [40] [40] [40] [42] [42] [40,42] [40] [40] [40] bình bình bình bình ngành ngành ngành ngành Tích lũy cổ phiếu tri Tích lũy sản xuất Tích lũy cổ phiếu tri thức Tích lũy sản xuất Giá mơ-đun Giá mơ-đun Hình Các thử nghiệm tái tạo hành vi ba biến quan trọng: (a) sản xuất PV tích lũy, (b) cổ phiếu tri thức tích lũy, (c) giá mơ-đun Khơng có trợ cấp cho hệ thống điện PV quy mô lớn lưới Hàn Quốc Tuy nhiên, phủ Hàn Quốc cung cấp cơng ty sản xuất điện PV với khoản trợ cấp tài để hỗ trợ hoạt động 15 năm Như vậy, trợ cấp không trước hoạt động, sau xác định trực tiếp sách mơi trường gián tiếp chi phí hoạt động khoản chi phí Chế độ tham chiếu hiển thị hành vi dựa liệu thực tế Có số khác biệt giá mơ-đun PV trước năm 1990, sau mơ hình cho thấy phù hợp tốt Nói chung, cơng để nói mơ hình chúng tơi vượt qua thử nghiệm tái tạo hành vi 4.4 Định giá công nghệ PV ngẫu nhiên 4.3 Xác nhận Forrester Senge (1980) cho mơ hình SD nên xác nhận thử nghiệm cấu trúc, kiểm tra tham số, kiểm tra điều kiện cực đoan, kiểm tra tính qn chiều, kiểm tra độ an tồn biên, thử nghiệm tái tạo hành vi [45] Tuy nhiên, Barlas (1994) đề xuất, đủ để kiểm tra hiệu lực hành vi cho mơ hình định giá dựa SD [46] Như thể hình 9, cho ba biến quan trọng từ năm 1985 đến năm 2012, hành vi mơ mơ hình phù hợp với hành vi quan sát hệ thống thực Đối với định giá ngẫu nhiên, cần phải hiểu biến động biến quan trọng Xem xét nghiên cứu trước đây, chọn mười biến bao gồm (1) xạ mặt trời hàng ngày, (2) lãi suất, (3) tỷ lệ lạm phát, (4) tỷ giá hối đối, (5) tỷ lệ hồn thuế, (6) hỗ trợ phủ, (7) trợ cấp, (8) phí bảo hiểm rủi ro thị trường, (9) tỷ lệ phi rủi ro, (10) giá mô-đun (11) công suất mơ-đun Các biến bất định, ảnh hưởng đáng kể đến giá trị công nghệ PV Xem xét điều này, tiến hành mô Monte Carlo để nghiên cứu cách giá trị công nghệ PV bị ảnh hưởng bất định Bảng Thông số đầu vào biến cho mô Monte Carlo Thể loại Biến Phân phối Min Max Năng lượng Giá mô đun Công suất Bức xạ mặt trời hàng ngày Lãi suất Lạm phát Tỷ giá hối đối Phí bảo hiểm rủi ro (%) Tỷ lệ phi rủi ro (%) Tỷ lệ hồn thuế (%) Hỗ trợ phủ Trợ cấp (%) Cố định Cố định Chuẩn Đều Đều Đều Đều Đều Đều Đều Đều 1.5 5000 569.40 3.77 2.20 771.04 9.7 3.13 200 1.5 5000 2230.15 9.35 4.70 1398.88 17.3 8.30 20 712 10 Kinh tế Môi trường Trung bình Độ lệch chuẩn 1395.86 e e 342.48 Hình 10 Kết mô Monte Carlo: (a) xạ mặt trời hàng ngày, (b) tỷ lệ lãi suất, (c) lạm phát, (d) tỷ giá hối đối, (e) tỷ lệ hồn thuế, (f) bảo hiểm rủi ro, (g) tỷ lệ phi rủi ro, (h) hỗ trợ phủ, (i) trợ cấp Hình 11 Mơ Monte Carlo giá trị cơng nghệ PV chín biến Thơng tin thống kê chi tiết cho chín biến thể Bảng Theo điều kiện liệu thực tế này, tạo 500 đầu vào biến ngẫu nhiên từ phân phối xác suất Bức xạ mặt trời hàng ngày giả định theo phân phối chuẩn chứng minh liệu lịch sử Không có mơ hình cụ thể liệu lịch sử, cơng để giả định biến chuỗi thời gian kinh tế vĩ mô phát triển theo bước ngẫu nhiên [47] Nếu giả định kích thước bước mà biến số thay đổi, sử dụng mơ hình bước ngẫu nhiên Gaussian kích thước bước theo phân phối tích lũy nghịch đảo chuẩn với độ lệch chuẩn trung bình Tuy nhiên, khơng có chứng liệu lịch sử cho phép chúng tơi đưa giả định Vì vậy, biến kinh tế môi trường khác giả định biến ngẫu nhiên phân bố giá trị tối thiểu tối đa lịch sử Các biến khó kiểm sốt, biến lượng bao gồm giá mơ-đun cơng suất kiểm sốt sách mức độ Đầu tiên, biến lượng, phân tích ảnh hưởng biến khơng thể kiểm sốt, sau thực phân tích độ nhạy biến lượng Như thể hình 10, xạ mặt trời hàng ngày làm cho NPV (Giá trị ròng) cơng nghệ PV dao động từ khoản lỗ tỷ KRW xuống 14 tỷ KRW (won Hàn Quốc) vào năm 2027 Phương sai giải thích 62 tổng phương sai Rõ ràng, khơng chắn ảnh hưởng đến việc định giá PV nhiều người khác, cho thấy tầm quan trọng vị trí Hỗ trợ phủ theo sau với bất định thứ hai cao Một số nghiên cứu trước gợi ý sách kiểm sốt FIT góp phần phổ biến cơng nghệ PV nhiều so với sách khác [8e10] Kết chúng tơi trùng với nghiên cứu Trong số biến kinh tế vĩ mơ, tỷ giá hối đối liên tục đánh giá giá trị công nghệ PV, tác động lãi suất tăng lên Tỷ lệ lạm phát gây ảnh hưởng Xem xét không chắn biến nêu trên, chạy mơ Monte Carlo để phân phối phân bố động NPV công nghệ PV từ năm 2012 đến năm 2027 (Hình 11) Như nói trên, giá mơ-đun đặt mức 1,5 $ / Wp công suất mô-đun mức 5000 kW đầu tư ban đầu thực Vào năm 2027, NPV đạt 22 tỷ won, dẫn đến thua lỗ tỷ KRW Hơn nữa, xác suất thua lỗ 50% vào năm 2027 75% vào năm 2018 Nói cách khác, phương sai giá trị công nghệ PV tương lai lớn, ngụ ý bất định cao khả mát Sau xác định vị trí mơ-đun PV, việc phát lượng mặt trời hàng ngày khơng kiểm sốt Do đó, hỗ trợ phủ quan trọng để làm cho bảng giá trị công nghệ PV Tuy nhiên, trước lắp đặt, vị trí chọn yếu tố quan trọng Chúng chạy mô Monte Carlo để phân tích ảnh hưởng giá mô-đun công suất lên giá trị công nghệ PV (Hình 12) Giá mơ-đun thay đổi từ $ 0,8 / Wp thành $ 2,5 / Wp lên $ 0,1 / Wp Công suất mô-đun thay đổi từ 1000 kW đến 10.000 kW Các biến khác xác định Bảng Việc giảm giá mô-đun PV xuống 0,1 USD / Wp dẫn đến gia tăng giá trị công nghệ PV 400 triệu KRW Ngồi ra, giá trị cơng nghệ PV cho thấy gia tăng liên tục việc mở rộng quy mô công suất mô-đun Một điều cần lưu ý giá trị công nghệ PV giảm tỷ KRW hỗ trợ phủ bị rút lại Do đó, cơng ty tăng cơng suất mơ-đun từ 5000 kW lên 10.000 kW giảm giá mô-đun từ 1,5 USD / WP xuống 0,8 USD / Wp, họ đạt điểm hòa vốn Nói cách khác, kết hợp tăng lực mô-đun giảm giá mơ-đun bù đắp giảm hỗ trợ phủ Tuy nhiên, việc cắt giảm nhanh chóng hỗ trợ phủ để vượt qua tác động kết hợp dẫn đến sụp đổ nhiều công ty PV Kết luận thảo luận Từ góc độ học thuật, phương pháp trước đây, bao gồm CVM DCF, phù hợp với định giá cơng nghệ ngắn hạn với bất định, không tốt việc định giá công nghệ tái tạo đặc trưng bất ổn khác dài hạn Để giải vấn đề này, đề xuất phương pháp mới, dài hạn xác suất để định giá công nghệ lượng tái tạo Là mơ hình bản, đường cong học tập hai yếu tố sử dụng để tái đổi công nghệ học tập Sau đó, cách sử dụng SD, chúng tơi xác định định lượng yếu tố khác chi tiết phức tạp chúng xác định lại yếu tố định giá công nghệ Mô Monte Carlo giúp định giá ngẫu nhiên động, làm rõ bất ổn tương lai ảnh hưởng chúng giá trị cơng nghệ Hình 12 Mô Monte Carlo kết đầu tư: (a) công suất, (b) giá mô-đun Từ quan điểm thực tế, sử dụng phương pháp chúng tôi, nhà quản lý R & D cơng ty nhận bất trắc tương lai, đo lường tác động chúng lên giá trị công nghệ, tối ưu hóa tốt cổng thông tin R & D Đây tối ưu hóa động, tối đa hóa giá trị danh mục đầu tư R & D dài hạn Nói cách khác, họ xác định yếu tố quan trọng với độ bất định cao, kiểm sốt bất định rủi ro hiệu Ví dụ, nhiều công ty đầu tư R & D lớn vào cơng nghệ PV dự kiến tạo khoản đầu tư lớn tương lai gần Tuy nhiên, phương pháp cho thấy xác suất thua lỗ 75% vào năm 2018 50% vào năm 2027 Ngoài ra, hỗ trợ phủ bị giảm thu hồi, xác suất kích thước khoản lỗ tăng đáng kể Với kết phân tích này, nhà quản lý doanh nghiệp đưa định đầu tư R & D tốt Ngoài ra, phương pháp chúng tơi có số hàm ý sách lượng PV Như trình bày trên, cơng ty tư nhân gặp khó khăn việc tạo lợi nhuận từ cơng nghệ PV tương lai gần Do đó, khơng có hỗ trợ phủ, cơng nghệ PV dễ dàng phổ biến Hỗ trợ gián tiếp bao gồm tiền hồn thuế trợ cấp khơng giúp đỡ nhiều Hỗ trợ phủ FIT cần thiết không đầy đủ Giá mô-đun công suất quan trọng giá trị công nghệ PV, ngụ ý công ty tư nhân nên hướng tới theo đuổi đổi công nghệ kinh tế theo quy mô sách Kinh phí R & D Chính phủ cho công nghệ PV tăng công suất mô-đun PV có hiệu Mặc dù có giá trị, phương pháp chúng tơi có số hạn chế Trên tất cả, mơ hình định giá cách sử dụng 2FLC xem xét đổi gia tăng Một đổi công nghệ PV đột phá xảy ra, điều có khả làm cho việc định giá bị đánh giá thấp Tương tự vậy, kiện cực đoan khơng thể đốn trước chiến tranh thảm họa xảy ra, khơng xem xét mơ hình SD chúng tơi Tham khảo [1] EPIA (European Photovoltaic Industry Association) Global market outlook for photovoltaics until 2016; 2012 [2] Borchers AM, Duke JM, Parsons GR Does willingness to pay for green energy differ by source? Energy Policy 2007;35:3327e34 [3] Koundouri P, Kountouri Y, Remoundou K Valuing a wind farm construction: a contingent valuation study in Greece Energy Policy 2009;37(5):1939e94 [4] G.A Davis and B Owens, Optimizing the level of renewable electric R&D ex- penditures using real options analysis Energy Policy 31(15), 1589e1608 [5] Siddiqui AS, Marnay C, Wiser RH Real options valuation of US federal renewable energy research, development, demonstration, and deployment Energy Policy 2007;35:265e79 [6] Flenten SE, Maribu KM, Wangensteen I Optimal investment strategies in decentralized renewable power generation under uncertainty Energy 2007;32:803e15 [7] Kumbaroglu G, Madlener R, Demirel M A real options evaluation model for the diffusion prospects of new renewable power generation technologies Energy Econ 2008;30:1882e908 [8] Wang Xiaoting, Byrne John, Kurdgelashvili Lado, Barnett Allen High efficiency photovoltaics: on the way to becoming a major electricity source WIREs Energy Environ 2012;1(2):132e51 [9] Midttun A, Gautesen K Feed in or certificates, competition or complementarity? Combining a static efficiency and a dynamic innovation perspective on the greening of the energy industry Energy Policy 2007;35(3):1419e22 [10]Campoccia A, Dusonchet L, Telaretti E, Zizzo G Comparative analysis of different supporting measures for the production of electrical energy by solar PV and wind systems: four representative European cases Sol Energy 2009;83(3):287e97 [11]Wand R, Leuthold F Feed-in tariffs for photovoltaics: learning by doing in Germany? Apply Energy 2011;88(12):4387e99 [12] Couture T, Gagnon Y An analysis of feed-in tariff remuneration models: implications for renewable energy investment Energy Policy 2010;38(2):955e 65 [13] Dusonchet L, Telaretti E Economic analysis of different supporting policies for the production of electrical energy by solar photovoltaics in western European Union countries Energy Policy 2010;38(7):3297e308 [14]Talavera DL, Nofuentes G, Aguilera J The internal rate of return of photovoltaic grid-connected systems: a comprehensive sensitivity analysis Renew Energy 2010;35(1):101e11 [15]Hsu Chiung-Wen Using a system dynamics model to assess the effect of capital subsidies and feed-in tariffs on solar PV installations Appl Energy 2012;100:205e17 [16]Solangi KH, Islam MR, Saidur R, Rahim NA, Fayaz HA Review on global solar energy policy Renew Sust Energy Rev 2011;15(4):2149e63 [17]Hagenson N System dynamics combined with Monte-Carlo simulation In: Paper presented at the System dynamics ’90: Proceeding of the International System Dynamics Conference, Chestnut Hill, Mass; 1990 [18]Dhawan R System dynamics and its impact on managerial decision making In The 49th annual meeting of the international society for the system dynamics Westin, Mexico [19]He Y, Wang B, Wang J, Xiong W, Xia T Residential demand response behavior analysis based on Monte Carlo simulation: the case of Yinchuan in China Energy 2012;47(1):230e6 [20]Kräupl S, Wieckert C Economic evaluation of the solar carbothermic reduction of ZnO by using a single sensitivity analysis and a Monte-Carlo risk analysis Energy 2007;32(7):1134e47 [21]Wright TP Factors affecting the cost of airplanes J Aeronaut Sci 1936;3 19361226 [22]IRENA (International Renewable Energy Agency) Renewable energy technologies: cost analysis series Sol Photovolat 2012;1(4/5) [23]Kouvaritakis N, Soria A, Isoard S Modelling energy technology dynamics: methodology for adaptive expectations models with learning by doing and learning by searching Int J Global Energy Issues 2000;14(1e4):104e15 [24]Kobos PH, Erickson JE, Drennen TE Technological learning and renewable Energy Costs: Implications for US renewable Energy policy Energy Policy 2006;34(13):1645e58 [25]Steman JD Business dynamics; system thinking and modeling for complex world McGraw Hill Companies; 2000 [26]Ansari L, Seifi A A system dynamics analysis of energy consumption and corrective policies in Iranian iron and steel industry Energy 2012;43:334e43 [27]We Z, Xu J Prediction and optimization of energy consumption using system dynamics-fuzzy multiple objective programing in world heritage areas Energy 2013;49:19e31 [28]Marquez AC, Blanchar C A decision support system for evaluating operations investments in high technology business Decis Support Syst 2006;41:472e 87 [29]Lee Yong-Suk System dynamics approach for valuing nuclear power technology J Korean Syst Dyn Rev 2006;7(2):57e80 [30]Ford A Using simulation for policy evaluation in the electric utility industry Simulation 1983;40:85e92 [31]Naill RF A system dynamics model for national energy policy planning Syst Dyn Rev 1992;8(1):1e19 [32]Dyner I, Smith R, Pena G System dynamics modeling for energy efficiency analysis and management J Operat Res 1995;46(10):1163e73 [33]Miketa Asami, Schratternholzer Leo Experiments with a methodology to model the role of R&D expenditures in energy technology learning processes; first results Energy Policy 2004;32:1679e92 [34]Barreto L, Kypreos S Endogenizing R&D and market experience in the “bottom-up” energy-systems ERIS model Technovation 2004;24(8):615e29 [35]Source: IEA (International Energy Agency) RD&D Statistics Database (http:// iea.org/stats/rd.asp) [36]Source: Earth Policy Institute Database and EIA(U.S Energy Information Administration) Solar photovoltaic cell/module shipments report 2011 http:// www.earthpolicy.org; 2012 [37]Hernandez-Moro J, Martinez-Duart JM Analytical model for solar PV and CSP electricity cost: present LOCE values and their future evolution Renew Sustain Energy Rev 2013;20:119e32 [38]Mansfield E Technical change and the rate of imitation Econometica 1961;29:741e66 [39]Manne AS, Wene CO MARKAL-MACRO: a linked model for energyeconomy analysis Brookhaven Natl Lab; 1992 BNL-47161, 1e39 [40]Popp David ENTICE: endogenous technological change in the DICE model of global warming J Environ Econ Manag 2004;48(1):742e68 [41]Source: KIER(Korea Institute of Energy Research) Renewable Energy Data center (http://kredc.kier.re.kr/kier/default.asp) [42] KOSIS(Korean Statistic Information Service) Database (http://www.kosis.kr) [43]KERI(Korea Electro-technology Research Institute) Amendment of the Korean feed-in-tariffs in 2011; 2010 [in Korean] [44]Hwang Lee Seok, Lee Woo Jong, Lim Seung Yoen Korean evidence on the implied cost of equity Korean Acc Rev 2008;33(1) [in Korean] [45]Forrester JW, Senge P Test for building confidence in system dynamics model, TIMS Stud Manag Sci;14: 209e28 [46]Barlas Y Formal aspects of model validity and validation in system dynamics Syst Dyn Rev 1996;12(3):183e210 [47]Perron P Trends and random walks in macroeconomic time series: further evidence from a new approach J Econ Dyn Control 1988;12(2):297e332 ... công nghệ lượng tái tạo dài hạn SD (động lực hệ thống) cho phép xác định lại yếu tố khác nhau, bất định tương tác chúng định giá Mô hình Monte Carlo vượt qua hạn chế xác định DCF, xác định giá. .. yếu tố sử dụng để tái đổi cơng nghệ học tập Sau đó, cách sử dụng SD, xác định định lượng yếu tố khác chi tiết phức tạp chúng xác định lại yếu tố định giá công nghệ Mô Monte Carlo giúp định giá ngẫu... định, khơng tốt việc định giá công nghệ tái tạo đặc trưng bất ổn khác dài hạn Để giải vấn đề này, đề xuất phương pháp mới, dài hạn xác suất để định giá công nghệ lượng tái tạo Là mơ hình bản,