《Results in Engineering》：Optimal sizing of residential photovoltaic systems: a self-consumption-driven framework for long-term profit maximization
编辑推荐：
本研究从经济视角探讨户用光伏系统的最优容量配置问题。传统方法多聚焦于自消费（SC）、自给率（SS）或光伏系统全寿命周期平均电价等技术性指标，却往往忽视投资的经济可行性。为克服此局限，研究人员提出一种优化框架，通过最大化净现值（NPV）与资本支出（CapEX）之
本研究从经济视角探讨户用光伏系统的最优容量配置问题。传统方法多聚焦于自消费（SC）、自给率（SS）或光伏系统全寿命周期平均电价等技术性指标，却往往忽视投资的经济可行性。为克服此局限，研究人员提出一种优化框架，通过最大化净现值（NPV）与资本支出（CapEX）之比，在盈利能力与初始投资之间取得平衡。所提方法将自消费纳入经济模型，并在由上网电价（FiT）、安装成本和电价定义的广泛经济场景范围内评估系统性能。价格区间的选取反映了欧盟典型数值，并通过与另一优化准则——最小化与电网的净能源交换量（NEEG）——的比较以确保结果的相关性。基于高分辨率消费数据的计算结果表明，所提方法实现了显著更高的投资效率，其投资回报率可达基于NEEG方法的逾两倍，同时具有更短的投资回收期和可比的自消费数值。这些发现与《欧洲可再生能源指令III》（RED III, 2023）的目标直接相关，该指令要求提高可再生能源在家庭消费中的占比：所提框架将经济吸引力与本地能源利用相结合，支持政策制定者设计激励结构以促进光伏 adoption 同时降低对电网的依赖。
随着可再生能源在全球能源生产和消费模式中日益深入的整合，光伏发电系统已成为住宅和工业用户中发展最快、应用最广泛的技术。这一趋势源于光伏技术的显著进步带来的效率提升和安装成本下降，以及全球范围内不断增强的环境意识和 supportive 的政府政策。然而，户用光伏系统的最优容量配置仍是一个关键挑战。现有文献中，技术性能指标和经济指标两类方法常被用于确定最优光伏容量。技术方法主要关注最大化自消费或自给率，但单独优化其中任一指标均会导致不可行结果：最大化自消费导致装机容量不足，而最大化自给率则导致过度装机。经济指标方面，平准化度电成本（LCOE）虽广泛用于比较不同发电技术的成本效率，但其作为成本指标而非盈利能力指标，未考虑家庭用电曲线和向电网注入盈余能量的收益，最小化LCOE倾向于最大化总发电量而非本地消纳，导致系统 oversized 且初始投资过高。此外，现有研究较少考虑住宅用户对高初始投资与实际收益之间权衡的感知，技术上最优的方案往往需要 disproportionately 大的前期成本。
在此背景下，研究人员开展了以长期利润最大化为目标的户用光伏最优容量配置研究，成果发表于《Results in Engineering》。研究旨在验证如下假设：通过最大化净现值（NPV）与资本支出（CapEX）之比来优化光伏系统容量，能够在保持可比自消费水平的同时，比传统方法实现更高的经济效率，从而平衡盈利能力与投资成本。研究的技术路线包含以下关键方法：采用基于开源代码的实现以确保可重复性；使用IRISE数据集提供的欧洲家庭全年小时级消费数据以准确建模光伏生产与家庭需求的时间错配；利用BATEM数据库基于天气数据、组件朝向和组件特性进行光伏系统性能模拟，生成小时级发电曲线；采用莫里斯敏感性分析方法（Morris method?μ*?和?σ?）评估FiT、安装成本（InstC）和电网电价（EnergC）三个关键经济变量对NPV的影响；运用差分进化（DE）算法求解连续优化问题以确定最优光伏容量；并在超过1000个可行经济场景下将所提NPV/CapEX最大化准则与传统NEEG最小化准则进行系统比较。
研究背景与问题阐述部分指出，全球光伏装机容量在2024年已超过2.25 TW，而最优容量配置问题对住宅用户尤为关键。传统技术指标如自消费（SC）反映光伏发电量中被家庭直接使用的比例，自给率（SS）反映家庭消费中由光伏直接生产的比例，净能源交换量（NEEG）则量化了与电网的总能量交换。然而这些指标仅反映运行阶段性能，未能考虑初始投资成本。LCOE作为广泛使用的指标，其局限性在于：非盈利能力指标、不考虑消费曲线和上网收益、最小化LCOE导致过度装机。研究提出假设：最大化NPV/CapEX比率可提供更具经济效率的解决方案。
方法论部分详细阐述了经济框架。NPV计算公式为NPV = -CapEX + Σ
t=1y(G
t - OpEX
t)/(1+r)
t，其中年度收益G
t = (SC·T
p·EnergC) + ((1-SC)·T
p·FiT)，该公式通过自消费促进本地消纳。三个关键经济变量为FiT、InstC和EnergC。Morris分析结果显示，光伏面板成本是影响最大的参数，这直接 motivated 了避免过度装机的优化准则。所提优化问题表述为max
ctotal NPV(c
total)/CapEX(c
total)，其中c
total为总装机容量（kW）。
研究结果部分基于6个不同消费特征家庭的分析。通过比较NPV/CapEX最大化与NEEG最小化两种准则，发现：所提方法在所有指标上均表现更优，具体而言，NPV/CapEX比率达到0.25，而NEEG方法仅为0.11，即每欧元投资产生超过两倍的净财务回报；平均投资回收期更短；自消费中位数水平与NEEG方法接近。对于直接用净现值最大化的方法，虽然NPV最高，但其CapEX显著增加、投资回收期延长，且分布更宽，表明该方法倾向于过度装机，对住宅用户经济吸引力较低。小提琴图分析显示，min NEEG方法的自消费几乎恒定于约79%，而max (NPV/CapEX)方法自消费变化范围更广，但中位数与之接近，说明该方法能适应多样经济场景同时满足环境目标。
在具体案例分析中，研究人员发现：当max (NPV/CapEX)方法同时改善NPV和自消费时，min NEEG导致CapEX增加100%-300%但NPV未相应增加；当仅改善自消费时，NPV降低11%-65%的同时CapEX显著降低56%-22%，自消费从78%大幅提升至约93%。代表性情景的可视化分析表明，在FiT较低（0.10$）和EnergC较低（0.15$）的场景下，min NEEG方法的长期投资回收缓慢。所提方法通过公式6隐式最大化自消费，聚焦本地能源利用而非依赖上网收益。
案例研究部分采用罗马尼亚实际电价参数：FiT取2023年末至2025年末近两年平均值，EnergC为0.18$，InstC参照国际可再生能源署数据取欧洲加权平均值779$/kW。对6个家庭的优化结果显示：max NPV准则虽产生最高NPV（平均高约1100�），但系统规模大、自消费低（部分低于20%）、向电网注入大量盈余；max ROI（即NPV/CapEX）准则系统规模显著减小，自消费大幅提高（45%-82%），NPV/CapEX比率优异；min NEEG准则系统最小、自消费最高，但NPV和ROI值较低，经济性能薄弱。具体而言，House 1的ROI优化配置自消费达45.5%，而NPV优化仅4.2%；House 2的ROI配置自消费81.7%，NPV配置仅4.4%。
讨论部分涉及与RED III 2023指令的关联。该指令要求2030年欧盟可再生能源占比从25.2%提升至至少42.5%，重点促进自消费和本地能源利用、终端用能部门脱碳、增强能源安全与减少进口依赖、以及可持续性与环境保护。研究人员指出，所提框架通过限制电网输出同时保持经济性能，与RED III目标一致：提高自消费减少电网拥堵和投资风险，较低投资成本促进更广泛的adoption，较小系统规模降低对电网的压力。关键区别在于max ROI准则的可扩展性——通常导致规模更小、自消费更高、总年产量更低但投资效率更优的光伏装置。
研究结论部分总结：max ROI方法在特定消费曲线下表现优越，有效平衡了自消费、净现值和资本支出三个关键决策标准；分析基于小时级实际数据，确保结果反映实际运行场景；未来改进方向包括考虑价格参数动态变化、集成储能系统、纳入光伏组件年降解率，以及将研究扩展至能源社区场景并融入电动汽车（EV）作为分布式储能资源。量化结果表明，所提方法平均NPV/CapEX比率达0.25，为NEEG方法的逾两倍，在真实市场价格下特定家庭profile改善高达3.7倍，同时保持可比的自消费水平。
