理查德•凯泽尔（Richard Keiser）是太阳能分析咨询公司，凯泽尔分析公司的总裁。在创立凯泽尔分析公司前，凯泽尔先生曾在位于纽约的股票分析公司桑福尔德•本恩斯丁（Sanford Bernstein）任职，担任科技投资战略研究小组主管一职，主要关注颠覆性技术的发展。凯泽尔先生毕业于麻省理工学院。
公司高层和行业分析师们在回答这一问题时，面临着同样的困难。为了寻得答案，首先得对太阳能光伏经济深刻的理解。但是，目前产业所欠缺的正是这一点。回答这一问题所需的数据很难获得，而更困难的是对数据库的组建和维护。此外，相关的数据波动很大：美国的补贴经常发生结构化的变化、下调或干脆停止实施，同时电价及其组成也时常出现变动。所有的这些变量都对市场吸引力有着极大的影响，并且自身也同时充满变数。
作为上述诸多困难的一种替代方式，许多公司选择使用日照辐射地图。尽管这些地图是计算过程中的重要组成部分，但其本身对于商业规划来说却价值有限。日照辐射地图仅能显示太阳能的输入量，与当地的鼓励政策环境和当地电价没有任何关系。在美国，补贴和电价的波动幅度都十分大，而这两个因素对于潜在客户的投资回报率的计算有着决定性的影响。
图一显示出100kW商用阵列在纽约的使用情况，其安装成本为每瓦2.7美元，邮编为11718（纽约Bridgewaters地区）、11729（纽约Deer Park地区）、11717（纽约Brentwood地区）和11804（纽约Old Bethpage地区）内客户的投资回报率为26%;而邮编为11735（纽约Farmingdale地区）内客户的投资回报率则为25%
图二显示出在每个右边区域内，太阳能光伏设备应用的“拐点”价格
所以，我们所需要的并不是一张日照辐射分布图，而是太阳能光伏经济图，一张结合了相关变量、实时更新、准确计算各区域客户投资回报率的动态地图——不仅是现在，在将来也是如此。这些地图对于商业太阳能开发商和组件/设备制造商来说尤为宝贵，因为这些企业通常在多个地区同时开展业务，并有能力迅速进入新市场并为其提供支持。
本文接下来将主要对精确至各街道状况的分析在发展策略中的应用进行总结。
太阳能光伏经济：太阳能光伏成本 vs. 太阳能光伏竞争力
理解太阳能经济的最佳办法是用分类更为精确的太阳能光伏成本和太阳能光伏竞争力等词来取代使用过度且晦涩难懂的电网平价一词。
太阳能光伏成本是在阵列使用期间，所有发电成本贴现值除以所有所发电力的贴现值后得出的结果。这一算法可以通过已得到广泛应用的平准化能源成本（LCOE）方程来体现。对于太阳能光伏来说，LCOE的主要驱动因素有三个：（1）初始安装成本;（2）补贴;（3）日照辐射。这三个变量是一个太阳能光伏阵列发电成本的主要决定因素（包括融资、贴现值和组件降解则是次要因素）。
尽管理解太阳能光伏成本本身是十分重要的，但很不幸的是，这一指标并未表明电力用户（包括商用和民用）能否通过安装太阳能光伏设备而节省开销。这就是太阳能光伏竞争力所体现的领域了。太阳能竞争力是指太阳能光伏成本和特定市场上的电力零售价之间的比较。只有通过这种比较，才可以计算出太阳能光伏的投资回报率，以确定某一特定用户是否能够通过此法节省开销。
本文将通过两个假设例证来进一步详细阐述这一观点：假设美国日照辐射统一为1800 kWh/m2，分布式太阳能阵列的安装成本为每瓦2美元（这是美国能源部Sunshot项目的目标之一）。使用LCOE公式可以算得相应的太阳能光伏电力成本约为每度0.15美元。如果美国国内的电力零售价格为每度0.10美元，太阳能光伏电力就不具备竞争力，而其自然市场需求则为零。但是，如果太阳能阵列的总安装成本为每瓦4美元（即太阳能电力成本为每度0.3美元），并且美国的电力零售价格为每度0.35美元（这一价格为夏威夷地区目前的电力价格），在这种情况下，太阳能光伏就在全国范围内具有了竞争力，其全国市场需求也十分巨大（至少在一个太瓦以上）。只有通过这种比较，才能确定太阳能光伏的经济需求。
在去年年末，笔者曾发表了一份关于美国太阳能市场的详细分析报告，报告中显示出，随着商用和民用设备的平均安装成本接近每瓦3美元，美国太阳能需求将有可能在2013/14年出现拐点。
下一页>精确至街道的数据库增加了太阳能经济的可行性
第一种方式使用了全国数据对太阳能光伏的潜力进行了高度概括，但是更具研究价值的是将这一分析延伸至局部区域层次。通过使用更为精确的局部区域层次数据来替代国家级数据库，可以阐释出一个州内所出现的各种重要差异。举例来说，在加利福尼亚州，有些公共设备刺激项目仍在实施，而还有一些已经将预算用罄。在纽约州，长岛的平均日照辐射为200kWh/m2，比该州北部地区要强得多。在康涅狄格州，一些消费者为电力支付着每度0.14美元的费用，而另一些消费者所支付的却是每度0.23美元。这些差异全都对太阳能光伏业务有着重要的影响。因此，光伏企业的太阳能经济学若想建立起来，只能通过局部区域数据的使用。
完成这一分析的最准确且具有价值的方式是将数据精确至街区水平。在美国，街区是以邮编的形式进行地理划分的，每个邮编所覆盖的面积通常在4-30平方英里（约10-80平方千米）。通过使用邮编划分方式，分析师/用户可以得到详尽的数据以对美国的补贴和公共设施覆盖区域，以及太阳日照辐射变化进行分析。
但不幸的是，在美国境内，由超过四万个邮编区域。为准确计算ROI，需要知道每个邮编区域内的现行电价、日照辐射量和补贴率等信息。而这些信息中的每一个都有可能由多个信息点组成，并且不定期地出现变化。因此，精确至局部区域地区的准确计算所需要的数据数量要比全国范围内进行同样计算所需数据量大得多。
凯泽尔分析公司建立了一套名为Max-ROI（Maximize Return On Investment，最大化投资回报率）的系统工具，用于处理、维护上述大规模数据。Max-ROI为每个邮编区域计算两个重要数据结果。其一是客户通过安装太阳能光伏阵列设备所能获得的投资回报。一旦这一回报达到了一定的数额，例如20%的ROI，太阳能光伏的市场需求就变得极为强劲。通过这一结果，开发商可以确定目前其销售重点。
下一页> 余下全文另一个重要数据结果用途更大。Max-ROI同时能够被用来计算市场未来的投资回报，因此可以预测出在某特定价位上那些邮编区域市场能够得到发展。举例来说，我们假设当ROI达到20%的时候，用户才会对太阳能光伏设备进行投资。Max-ROI能够计算出邮编为12345的区域在电价为每瓦3.4美元时能够达到这一水平，而邮编为23456的区域则仅需要每瓦2.7美元，而邮编为34567的区域甚至只要每瓦2.5美元即可。通过这些结果，开发商能够决定其未来销售的发展方向。因此，Max-ROI是一款能够对目前及未来市场销售起到驱动作用的有效工具。
示例：纽约州
在使用局部区域数据时，笔者将对输入数据进行总结，并以笔者家乡纽约州作为示例进行结果展示。
纽约州占地面积约4.8万平方英里（约合12.5万平方千米），人口数量约为2000万，是一个面积为葡萄牙一半但人口却多一倍的地方。从地理上看，纽约州约有1800个邮编区域。而正如大多数人所预料的，纽约州的日照辐射也十分多样化，从与加拿大毗邻的边界处的1400 kWh/m2，到长岛的1700 kWh/m2。
州内有逾80处运行中的公共电力设施，零售电价在每度0.03美元至0.30美元以上不等。在纽约，商用太阳能光伏可获得来自州内和电力部门的双重退款补贴。此外，还可获得联邦税务信用30%的优惠。在对邮编区域进行分析时，所有的这些变量都必须及时更新，并输入至能够准确地对潜在太阳能客户现有电力消费和安装太阳能阵列的成本与益处进行比较。
为了不让读者觉得建模机制过于无聊，笔者打算跳过这一步直接列举结果。正如上文所描述的一样，Max-ROI的第一个输出结果是邮编级别上的客户的投资回报率。图一显示出100kW商用阵列在纽约的使用情况，其安装成本为每瓦2.7美元，邮编为11718（纽约Bridgewaters地区）、11729（纽约Deer Park地区）、11717（纽约Brentwood地区）和11804（纽约Old Bethpage地区）内客户的投资回报率为26%;而邮编为11735（纽约Farmingdale地区）内客户的投资回报率则为25%。这些是纽约州内太阳能盈利最多的地区。而这些结果也使得安装商能够更好地了解哪些地方目前的回报率最好，并相应地调整其业务重点。
在笔者看来，这一模型所得出的第二点结论更具价值：即每个邮编区域内太阳能光伏系统那个的应用“拐点”。接下来笔者将以图二中的两个拐点为例，详细阐述这一结果之所以如此重要的原因。第一个邮编区域10913的“拐点”是每瓦2.5美元。这就意味着，当安装成本在每瓦2.5美元时，这一区域内的商业客户可通过安装太阳能光伏设备获得至少20%的投资回报率。目前，东北部地区的商用阵列安装成本大约为每瓦2.7美元。因此，在这种情况下用户无法从中获益。然而，考虑到组件的价格走势，很有可能在未来的三至六个月内为客户实现这一省钱目标。通过了解这一事实并将光伏设备的销售/安装周期考虑在内，开发商或设备制造商应立即着手对这一市场进行开发。
邮编区域为12530的“拐点”则为每瓦2美元。这一数值比现有安装成本（每瓦2.7美元）低25%。因此，这就意味着这一区域需要更长的时间来发展。在了解到这些数据之后，开发商/OEM企业应该为2013/2014年的这一市场制定相关策略。本着这种原则，通过获取全国各地区内太阳能光伏应用的拐点价格，或各州之内的拐点价格，公司能够据此制定出其未来多年的发展策略。
总的来说，Max-ROI所代表的不仅仅是目前最具利润的市场，同时还包括未来最具发展需求的市场。这种理解方式就使得光伏开发商和设备制造商能够获得促进销售增长的宝贵信息。
