基于IOSLAB的可再生能源发电投资个人支付意愿选择实验研究

doi:10.3969/j.issn.1000-7229.2015.12.020

电力建设 ›› 2015, Vol. 36 ›› Issue (12): 131-36.doi: 10.3969/j.issn.1000-7229.2015.12.020

• 电力经济研究 • 上一篇

基于IOSLAB的可再生能源发电投资个人支付意愿选择实验研究

刘贞1,2，朱开伟1，贲可蒙1，吕指臣1，蒲刚清1

1.重庆理工大学低碳能源研究中心，重庆市 400054；2.清华大学能源环境经济研究所，北京市 100084

出版日期:2015-12-01
作者简介:刘贞（1973），男，博士，教授，主要从事可再生能源与电力技术经济研究工作；朱开伟（1991），男，硕士研究生，主要从事可再生能源与电力技术经济研究工作；贲可蒙（1992），女，硕士研究生，主要从事可再生能源与电力技术经济研究工作；吕指臣（1989），男，硕士研究生，主要从事可再生能源与电力技术经济研究工作；蒲刚清（1991），男硕士研究生，主要从事可再生能源与电力技术经济研究工作。
基金资助:
国家自然科学基金项目（71573026， 71073095）。

Choice Experiment Study on Personal Willingness to Pay for Renewable Energy Generation Investment Based on IOSLAB System

LIU Zhen1,2，ZHU Kaiwei1，BEN Kemeng1，LYU Zhicheng1，PU Gangqing1

1. Low Carbon Energy Research Center, Chongqing University of Technology, Chongqing 400054, China；2. Energy Environmental Economic Research Institute, Tsinghua University, Beijing 100084, China

Online:2015-12-01
Supported by:
Project supported by National Natural Science Foundation of China（71573026， 71073095）.

摘要/Abstract

摘要：

根据中国能源中长期发展规划，2020年非化石能源比例将达到15%。为了制定有效的可再生能源投资激励政策，运用个人-组织-社会实验平台（individual, organization and society laboratory, IOSLAB）进行选择实验研究，分析个人对可再生能源投资的支付意愿，从经济、环境和社会的角度综合评价可再生能源投资。研究通过现场实验的方式，采用IOSLAB系统对当地居民进行现场调查。并采用多项式Probity模型求解支付意愿，模型假设所有的实验参与者对每个属性的价值具有相同偏好。通过对研究结果的分析，发现社会认可发展可再生能源会减少空气污染，增加社会就业，并愿意支付相关费用以弥补发展可再生能源所带来的部分额外成本。研究结果有助于决策者制定可再生能源投资政策。

关键词: 可再生能源, 选择实验, 支付意愿, 多项式Probity模型, 个人-组织-社会实验平台（IOSLAB）系统

Abstract:

According to the long-term development planning of Chinas energy, the proportion of non-fossil energy will reach to 15%. In order to develop effective investment incentive policies for renewable energy, this paper applied IOSLAB （Individual, Organization and Society Laboratory） platform to carry out choice experiment （CE） study, analyzed personal willingness to pay for renewable energy investment, and comprehensively evaluated the renewable energy investment from aspects of economy, environment and society. IOSLAB system was used to survey the local residents through field experiments. Moreover, a multinomial Probity model （MNP） was applied to solve the willingness to pay for renewable energy investment. MNP assumed that all respondents had the same preferences for the attributes being valued. Through the analysis on the research results, it is found that the public pay related fees to cover part of the extra cost brought by the development of renewable energy, because renewable energy can reduce the air pollution and increase social employment. The research results can help decision makers to develop the investment policies of renewable energy.

Key words: renewable energy, choice experiment, willingness to pay, multinomial Probity model, IOSLAB system

中图分类号:

TM 619

刘贞，朱开伟，贲可蒙，吕指臣，蒲刚清. 基于IOSLAB的可再生能源发电投资个人支付意愿选择实验研究[J]. 电力建设, 2015, 36(12): 131-36.

LIU Zhen，ZHU Kaiwei，BEN Kemeng，LYU Zhicheng，PU Gangqing. Choice Experiment Study on Personal Willingness to Pay for Renewable Energy Generation Investment Based on IOSLAB System[J]. ELECTRIC POWER CONSTRUCTION, 2015, 36(12): 131-36.

参考文献

［1］Intergovernmental panel on climate change. IPCC special report on carbon dioxide storage［M］. New York: Cambridge University Press，2005.
［2］曾晓斌. 我国新能源投资的“冷”思考［J］. 价值工程, 2012（1）:122-123.
Zeng Xiaobin. A reconsideration of the new energy investment in China［J］. Value Engineering, 2012（1）:122-123.
［3］史运杰. 我国可再生能源投资分析［J］.时代金融,2012（3）:87.
Shi Yunjie. A analysis of renewable energy investment［J］. Times Finance, 2012（3）:87.
［4］段宇平, 吴昊. 中国全球能源投资分析［J］. 中外能源, 2015（3）:9-15.
Duan Yuping, Wu Hao. China’s overseas energy investment overview［J］. Sino-Global Energy, 2015（3）:9-15.
［5］董娟. 全球可再生能源发展现状及投资趋势分析［J］. 当代石油化工, 2014（8）:25-31.
Dong Juan. Development status of global renewable energy and analysis on its investment trends［J］. Petroleum & Petrochemical Today, 2014（8）:25-31.
［6］Louviere J, Hensher D A. Using discrete choice models with experimental design data to forecast consumer demand for a unique cultural event［J］. Journal of Consumer Research, 1983, 10（3）:348-361.
［7］Louviere J,Woodworth G. Design and analysis of simulated consumer choice or allocation experiments: An approach based on aggregate data［J］.Journal of Marketing Research, 1983, 20（4）:350-367.
［8］张小红.基于选择实验法的支付意愿研究——以湘江水污染治理为例［J］.资源开发与市场, 2012,28（7）600-603.
Zhang Xiaohong. Study on willingness to pay based on choice experiment method: A case study of Xiangjiang river water pollution［J］. Resource Development & Market, 2012, 28（7）: 600-603.
［9］Layton D F. Random coefficient models for stated preference surveys［J］. Journal of Environmental Economics and Management， 2000,40（1）:21-36.
［10］Yoo S H, Kwak S J, Lee J S. Using a choice experiment to measure the environmental costs of air pollution impacts in Seoul.［J］. Journal of Environmental Management, 2008, 86（1）:308-318.
［11］Adamowicz W, Hanley N, Wright R E, et al. Using choice experiments to value the environment［J］. Environmental & Resource Economics, 1998, 11（3-4）:413-428.
［12］SPSS. SPSS conjoint 14.0［M］. Chicago: SPSS Inc.. 2005.
［13］刘贞,施於人. 微观经济与宏观经济实验原理、方法与案例［M］. 北京:机械工业出版社,2012:21-22.
［14］Geweke J. Bayesian inference in econometric models using Monte Carlo integration［J］. Econometrica, 1989, 57（6）:1317-39.
［15］Keane M P. A computationally practical simulation estimator for panel data［J］. Econometrica, 1994, 62（1）:95-116.
［16］Hajivassiliou V A, Mcfadden D L. The method of stimulated scores for the estimation of LDV models［J］. Econométrica Journal of the Econometric Society, 1998, 66（4）:863-896.
［17］Park T, Loomis J B, Creel M. Confidence intervals for evaluating benefits estimates from dichotomous choice contingent valuation studies.［J］. Land Economics, 1991, 67（1）:64-73.
［18］Krinsky I, Robb A L. On approximating the statistical properties of elastic ties［J］. Review of Economics & Statistics, 1986, 68（4）:715-19.

[1]	董凌1， 2，年珩3，范越2，赵建勇3，张智3，林振智3. 能源互联网背景下共享储能的商业模式探索与实践[J]. 电力建设, 2020, 41(4): 38-44.
[2]	郭莉，吴晨，陈立，丛小涵，苗曦云，王蓓蓓. 可再生能源跨区消纳的受端电网阻塞机理分析[J]. 电力建设, 2020, 41(2): 21-29.
[3]	杜丽佳，靳小龙，何伟，穆云飞，贾宏杰，魏炜. 考虑电动汽车和虚拟储能系统优化调度的楼宇微网联络线功率平滑控制方法[J]. 电力建设, 2019, 40(8): 26-33.
[4]	陈启超，李晖，王帅，史锐，张宁，戚庆茹，王菲. 促进可再生能源消纳的多能互补时序运行模拟技术[J]. 电力建设, 2019, 40(7): 18-25.
[5]	胡嘉骅，文福拴，马莉，彭生江，范孟华，徐昊亮. 电力系统运行灵活性与灵活调节产品[J]. 电力建设, 2019, 40(4): 70-80.
[6]	王晞，苟竞，苏韵掣，杨新婷，欧阳雪彤，李奥，樊金柱，李华强. 基于联合加权熵的高比例可再生能源电网适应性扩展规划[J]. 电力建设, 2019, 40(12): 45-54.
[7]	秦玉杰，胡健，焦提操. 基于泛在电力物联网的分布式可再生能源（DRE）理性消纳调峰模型[J]. 电力建设, 2019, 40(12): 120-128.
[8]	林鸿基，闫园，文福拴，胡嘉骅，曲昊源，赵铮. 高比例可再生能源电力系统中计及灵活调节产品的实时调度[J]. 电力建设, 2019, 40(10): 18-27.
[9]	葛睿，陈龙翔，汤俊，黎灿兵，胡苗. 跨区域省间可再生能源增量现货市场设计与实践[J]. 电力建设, 2019, 40(1): 11-18.
[10]	王腾飞，王辉，冷亚军，赵文会. RPS与偏差电量考核下考虑微电网群的售电公司盈利模型[J]. 电力建设, 2019, 40(1): 96-103.
[11]	牛萌，肖宇，刘锋，赵鹏程，赵波. 可再生能源接入对氢储能系统的影响及控制策略[J]. 电力建设, 2018, 39(4): 28-.
[12]	徐少华1，李建林1，宋新甫2，李绚绚3，王定美4. 大规模储能系统提升西北地区可再生能源消纳能力分析[J]. 电力建设, 2018, 39(4): 67-.
[13]	谢珍建1，胡卫利2，谈健1，肖晶3，武赓4，刘洋4，曾鸣4. 面向区域能源服务商的智能楼宇需求侧响应优化策略[J]. 电力建设, 2018, 39(3): 116-.
[14]	姜宇1，许文秀1，石建磊1，苏宇1，沈卫东1，庞越侠2，陈倩2. 融合可再生能源的分布式天然气上网电价定价机制[J]. 电力建设, 2018, 39(3): 131-.
[15]	刘梦依，邱晓燕，张楷,张浩禹，李凌昊. 计及源-荷不确定性的高比例可再生能源系统协同优化运行[J]. 电力建设, 2018, 39(12): 55-62.

基于IOSLAB的可再生能源发电投资个人支付意愿选择实验研究

Choice Experiment Study on Personal Willingness to Pay for Renewable Energy Generation Investment Based on IOSLAB System

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价