引言

当前全球能源结构向低碳转型，太阳能电池板作为“绿色”电力来源，在工业、商业、私人领域的装机量持续增长，但“如何高效使用”仍存争议，核心矛盾聚焦于安装方式对发电效率与成本的影响。传统光伏系统采用静态固定安装，仅当阳光垂直照射（入射角0°）时效率最高；一旦入射角非零，会因“余弦效应”、反射效应及光伏转换效率下降，导致发电量显著降低。为解决这一问题，太阳能跟踪器通过机电调节使光伏板保持最优朝向，却带来新的权衡。跟踪器会增加设备购置、安装及运维成本，而替代方案是购买更多静态电池板简单安装，两者经济性差异尚不明确。在此背景下，需结合不同地理位置、安装类型的实际条件，量化分析跟踪器与静态方案的成本效益，甚至扩展至海外市场、纳入手动调节支架方案，为光伏项目决策提供科学依据，这对推动光伏技术高效应用具有重要意义。

1 模型假设

构建数学模型，以中国市场的光伏板、跟踪器、支架价格及电价为基础，输入项目地理位置、安装类型等信息，估算并对比单轴跟踪器、双轴跟踪器、无跟踪器三类光伏方案的成本效益；依据模型分析结果，明确太阳能跟踪器是否具有实用价值，并提炼简洁的建议或规则，为光伏安装方案选择提供参考。

对于一些相关因素的假设如下：

系统容量与寿命：默认光伏系统容量为1000kWp，使用寿命25年，年退化率0.5%。

成本与电价设定：初始参考中国市场设备价格、运维成本及电价，海外场景通过价格修正因子调整。

产量乘数：固定倾角、单轴跟踪、双轴跟踪、手动调节系统的产量乘数分别为1.0、1.25、1.35、1.05，手动调节为每6个月调整一次角度。

折现与增长：采用5%年折现率计算现金流现值，运维成本年增长率为2%。

安装类型影响：企业安装因规模效应降低单位成本、减少遮挡，私人安装通过修正系数调整发电量与成本。

2 符号说明

P：光伏系统装机容量（kWp），Y：系统使用寿命（年），d：光伏组件年退化率，r：折现率，p：用户按时完成手动调节的概率，CF：容量因子。

3 问题一的分析与求解

3.1 问题分析

首先，定义一些模型的基本假设和参数，确保模型符合实际应用需求。

系统容量：假设每个光伏系统的容量为1兆瓦（MW），为了便于计算，我们将容量标幺化，设定为1000千瓦峰值（kWp）。

地理位置：我们选择了三个典型的中国城市：北京、上海和广州，北京年平均辐照量1,150kWh/kWp，上海年平均辐照量1,050kWh/kWp，广州年平均辐照量1,200kWh/kWp，这些数据表示为列向量，其中每个元素代表一个城市的年辐照量。

产量乘数：光伏系统的年电力产量与其配置类型密切相关，尤其是是否采用跟踪系统，具体如下表1所示。

系统类型	产量乘数
固定倾角系统	1.0
单轴跟踪系统	1.25
双轴跟踪系统	1.35
手动调整系统	1.05

这些产量乘数的值可以通过一个向量表示。

退化率：由于光伏系统随着时间的推移而退化，我们假设退化率为0.5%/年。每年的电力输出会乘以一个衰减因子，其中为退化率，为年份。

系统寿命与折现率：我们假设系统的使用寿命为25年，并采用5%的年折现率（）来计算未来现金流的现值。

成本假设：每个光伏系统的初始资本支出和运营维护成本（O&M）会随着类型的不同而有所不同，如下表2所示。

系统类型	相比固定系统（单位：USD/W）	O&M（单位：USD/W/年）
单轴跟踪系统	+0.08	0.015
双轴跟踪系统	+0.25	0.02
手动调整系统	+0.02	0.01

备注：固定倾角系统的资本支出为0.60USD/W，O&M为0.01USD/W/年。

不确定性：为了更准确地反映实际情况，模型考虑了不确定性因素，例如辐照量、Capex和O&M成本。这些不确定性通过协方差矩阵进行建模，并通过蒙特卡洛模拟进行处理。

3.2 模型的建立和求解

在建立数学模型时，主要目标是计算每年光伏系统的电力产出，并结合系统的成本计算出水平化电力成本（LCOE）。为了高效地处理这些数据，我们使用矩阵运算来表示能量产出和成本的变化。

3.2.1 能量产出矩阵

首先计算系统每年的电力产出。假设初始年产电量为，它取决于系统的容量、辐照量和产量乘数。初始电力产量计算公式为：

其中：，，，。

每年的电力产量随着时间的推移而衰减，退化率为0.5%/年。假设第年的电力产量为，则：

其中，是退化率，为年份。所有年份的电力产出可以通过矩阵表示为：

其中，为退化矩阵，表示每年因退化导致的产量减少。矩阵定义为对角矩阵，元素为。通过这种方式，我们能够高效地表示每年不同类型光伏系统的电力产出。

3.2.2 成本矩阵

光伏系统的成本包括资本支出和运营维护成本。资本支出在系统安装时一次性支付，运营维护成本每年支付。

设定第年的成本矩阵为，其中：第一年的资本支出为，其中为不同安装类型的规模效应。之后每年的运营维护成本为，其中是运营维护成本的年增长率。因此，总成本矩阵可以表示为：

其中，为初始资本支出矩阵，为运营维护成本矩阵。

3.2.3 折现矩阵

由于未来的现金流需要折现到当前，折现矩阵定义为：

其中，是折现率，是系统的使用寿命。

3.2.4 LCOE计算

LCOE是通过将系统的总成本的净现值与总电力产出的净现值相除得到的。具体而言，LCOE计算公式为：

其中：是成本的净现值，是电力产出的净现值。

这样，LCOE就可以表示为每单位电力的成本。求解与分析通过上述步骤，可以计算出不同类型光伏系统在不同城市的LCOE，并根据结果进行比较。具体实现时，可以使用Python中的NumPy库进行矩阵运算，进一步进行敏感性分析，考虑不同参数的不确定性。通过蒙特卡洛模拟，我们能够为每个系统的LCOE计算提供一个概率分布，进一步量化风险。

3.2.5 私人与企业的扩展模型

为满足题目中“安装类型私人与企业作为模型输入参数”的要求，我们在原有LCOE模型基础上增加安装类型维度。设安装类型用j表示，j∈{R,I}，其中R表示居民/私人屋顶，I表示工商业/集中式电站。对给定城市i和系统配置k，对应的装机容量记为Ci,k,j。

（1）成本侧的类型修正

在上文，已给出不同系统配置的单位资本成本ccap和单位运维成本com（单位USD/W）。为体现规模效应，引入无量纲系数αj,βj，分别表示安装类型对单位Capex与单位O&M的放大效应，则

对类型j的资本支出与第t年运维支出有

其中g为运维成本年增长率，T为系统寿命。

将上述年度成本与折现因子矩阵相乘并求和，即得到该安装类型下的成本净现值NPVcosti,k,j。

（2）发电量侧的类型修正与LCOE

居民屋顶通常存在遮挡、倾角受限等问题，其有效发电量往往低于同一城市中的地面电站。为此，引入安装类型发电修正系数φj∈(0,1]，令

其中Ei,k(t)为前文在理想条件下计算得到的第t年发电量序列。

对Ei,k,j(t)做折现并累加，可得发电量净现值NPVenei,k,j。于是安装类型j下的LCOE定义为

这样，在不改变原有矩阵结构的前提下，只需为不同安装类型给出参数(_j,_j,j)及容量(C{i,k,j})，即可同时得到“私人用户”和“工商业用户”在不同城市、不同系统配置下的LCOE，对比两类用户的成本效益差异，私人与企业的拓展模型结果如下图1所示。

图1显示，北京地区光伏系统私人安装的度电成本（LCOE）普遍高于企业安装。私人场景中双轴跟踪LCOE最高，企业场景中单轴跟踪LCOE最低，体现出安装类型对光伏成本效益的显著影响。

3.3 模型结果

通过上述模型，可以得到每种系统类型在不同地区的LCOE值，进而比较不同光伏系统的成本效益，结果如图2所示。

城市	固定倾角	单轴跟踪	双轴跟踪	手动调整
北京	0.048	0.046	0.054	0.047
上海	0.052	0.051	0.059	0.051
广州	0.046	0.044	0.052	0.045

后将模型推广至全国，参考气象部门常用的一类，四类太阳能资源区划，把34个省份分成4个辐照等级（西藏/新疆/青海/甘肃/宁夏为一类；河北、山西和内蒙古为二类；四川和贵州为四类，其余为三类）。用“四类地区”的日平均辐照范围（2.5-6.4kWh/）构建一个从“日辐照一年发电量（kWh/kWp）”的线性换算系数，让三类区的中值对应北京约1150kWh/kWp，从而保证北京行与你原表一致。在此基础上：

其中为各类资源区对应的年发电量，四个常数是用“北京-上海-广州”如表3反推标定的。

序号	省份	资源等级	固定倾角	单轴跟踪	双轴跟踪	手动调整
1	北京	三类资源区	0.048	0.046	0.054	0.047
2	天津	三类资源区	0.048	0.046	0.054	0.047
3	河北	二类资源区	0.038	0.037	0.043	0.037
…
34	中国台湾地区	三类资源区	0.048	0.046	0.054	0.047

由表4可见，从一类到四类资源区，固定倾角LCOE大约增加一倍，说明辐照条件是影响成本效益的第一主导因子。

单轴几乎全国占优：看表里“单轴跟踪”这一列，LCOE在绝大多数省份都比“固定倾角”低一点。通过对全国34个省份的LCOE计算，我们发现单轴跟踪在绝大多数省份都能将LCOE降低约X–Y%，说明其优势具有全国普适性，而不是个别城市的偶然结果。

双轴跟踪几乎处处劣势：无论什么资源区，“双轴跟踪”一列都是四个里面最高或接近最高，这可以作为后面“跟踪器是有用工具还是昂贵玩具”的重要证据。

资源等级与LCOE的关系被量化：一类资源省份：固定倾角约0.030左右，四类资源省份：固定倾角约0.061左右。

通过上述数学模型的构建和求解，可以得到不同光伏系统在不同地区的LCOE，进而比较各系统的成本效益。根据模型结果，单轴跟踪系统通常具有最优的性价比，特别是在阳光充足的地区，而双轴跟踪系统尽管在产量上有优势，但由于高资本支出，其LCOE较高，通常不适合大多数应用。手动调整系统在初期成本较低的情况下，提供了一个适合小规模或预算有限项目的方案，上述模型的结果如图3所示。

综上所述，将上述参数代入模型进行数值计算，得到不同配置在典型城市下的发电量、成本与LCOE，如图3所示，可直观反映各方案的成本效益差异，综合来看，单轴跟踪系统在多数情形下实现了较低的LCOE和较好的综合评分，是性价比较优的配置，而双轴跟踪虽然发电量最高，但由于资本支出和运维成本较高，其LCOE反而偏高。

4 关于太阳能跟踪器的猜想

太阳能跟踪器并非“昂贵玩具”，其中单轴跟踪器具有广泛实用价值，双轴跟踪器仅在特定场景有应用空间，手动调节支架可作为固定倾角方案的低成本补充优化，具体结论与选型规则如下：

4.1 核心结论：跟踪器的实用价值分化

单轴跟踪器：性价比最优，是多数场景的优选。其发电量较固定倾角提升25%，而资本支出仅增加0.08USD/W，LCOE在全国34省份及海外主要市场均低于固定倾角、双轴跟踪和手动调节方案，优势具有普适性。

双轴跟踪器：实用价值有限，仅特殊场景可考虑。虽发电量提升35%，但资本支出增加0.25USD/W，运维成本也最高，导致LCOE在所有资源区和国家均处于高位，多数情况下不具备经济性。

4.2 简洁选型规则

4.2.1 按场景快速决策

工业或商业集中式电站：优先选择单轴跟踪器。规模效应可进一步摊薄成本，且无遮挡、倾角优化空间大，单轴跟踪的LCOE优势最突出。

私人屋顶安装：固定倾角为基础，手动调节为补充。若当地人工成本低且能保证每6个月调节一次，可选择手动调节；否则直接选择固定倾角，避免额外成本和运维麻烦。

高辐照资源区：单轴跟踪器仍是首选，双轴跟踪器仅在对发电量有极致需求且预算充足时考虑。

低辐照资源区：优先固定倾角或手动调节，单轴跟踪器仍有效但优势缩小，双轴跟踪器完全不推荐。

4.2.2 按海外市场适配

高日照+低成本市场：单轴跟踪器性价比最高，是技术出海的核心推荐方案。

高日照+高成本市场：单轴跟踪器依然最优，手动调节因人工成本高失去优势，双轴跟踪器仍不经济。

低日照+高成本市场：固定倾角或单轴跟踪器二选一，根据项目规模决定。

4.2.3 排除规则

若预算有限、运维能力弱：直接排除双轴跟踪器和手动调节支架，选择固定倾角。

若人工成本高于0.001USD/W/次：排除手动调节支架。

若追求LCOE最低：排除双轴跟踪器。

4.3 总结

太阳能跟踪器中，单轴跟踪器是“有用的工具”，可显著提升光伏项目的成本效益；双轴跟踪器因成本过高沦为“昂贵玩具”，仅特殊需求场景可尝试；手动调节支架是“实用的补充选项”，适配小众低成本场景。选型核心是：优先单轴，慎选双轴。

参考文献：

1. [1] 唐金燕,曹运修,王洋.基于度电成本的海外单轴跟踪光伏项目选型优化研究[J].建筑经济,2023,44(S2):242-246.
2. [2] 叶露,何涛,张昕宇,等.太阳光入射角差异对不同气候区立面垂直安装光伏组件发电量的影响研究[J].太阳能,2023(01):35-42.
3. [3] 廖骏源.太阳能光伏双轴跟踪系统应用实例及经济性分析[J].中国高新科技,2021(19):124-125.
4. [4] 缪发群,吴茂刚,唐润生.一种低成本的简易太阳能跟踪策略[J].山西建筑,2020,46(23):154-156.
5. [5] 王正,张超,冉隆毅,等.基于光电自动跟踪和人为矫正两种模式的四象限法则太阳能跟踪系统研究[J].热能动力工程,2020,35(04):275-279.