Sammanfattning av resultat och diskussion

Sammanfattningsvis kan konstateras att en mer noggrann solcellsmodell inte påverkar lönsamhetskalkyleringen för kommersiella solcellsanläggningar i Sverige. Om en större andel av diskrepansen hos predikteringsverktyget PVsyst skulle kunna elimineras möjliggörs användandet av en ökad kalkylränta med cirka en halv procentenhet, en ökning som i sammanhanget kan innebära att en kalkyl går från att vara ointressant till att betraktas som en ekonomiskt rationell investering. Andra faktorer påverkar lönsamhetskalkyleringen mer.

Ytterligare lägre komponentpriser och ett beaktande av solcellsanläggningens indirekta värden vid val av kalkylränta bedöms vara det som behövs för att ett trendbrott ska ske på den Svenska solcellsmarknaden så att fler stora solcellsanläggningar byggs och att alltså fler eftersträvansvärda miljöåtgärder ska gå från tanke till att materialiseras.

Givet det att syftet med att förbättra predikteringsverktygen ytterst är att bättre underbygga lönsamhetskalkyleringarna och att ingen tidigare utrett hur denna förbättrade solcellsmodell presterar i skarpt läge och under Svenska förhållanden så är detta ny och värdefull kunskap.

4 S LUTSATS

Lönsamhetskalkyleringen för kommersiella solcellsanläggningar i Sverige påverkas inte av ett byte från en-diod-modellen till två-diod-modellen i de predikteringsverktyg som används till att förutsäga en tilltänkt solcellsanläggnings elproduktion det första året i någon betydande omfattning. Om predikteringsverktyget PVsyst diskrepans till största del kan elimineras skulle det påverka lönsamhetsberäkningen på så vis att kalkylräntan kan ökas med cirka en halv procent. Lämpliga föremål för vidare studier som skulle kunna förbättra noggrannheten hos PVsyst är IAM-modeller och samband mellan klimatdata och solcellens temperatur.

För att kommersiella solcellsanläggningar ska vara lönsamma i Sverige krävs subventioner.

Vad det gäller typ av solcellssystem för det område som undersökts i den här studien rekommenderas en fix solcellsanläggning där markytan utnyttjas maximalt. Ett sådant system har den mest fördelaktiga lönsamhetskalkylen med ett positivt nettonuvärde för en kalkylränta på mellan fem och tre procent beroende på om den initiala investeringskostnaden antas vara den lägsta inrapporterade eller ett medelvärde på de inrapporterade kostnaderna för nyckelfärdiga solcellssystem år 2014.

5 R EFERENSER

Axaopoulos, P.J., Fylladitakis, E.D. & Gkarakis, K. (2014). Accuracy analysis of software for the estimation and planning of photovoltaic installations. International Journal of Energy and Environmental Engineering, 5 (1), 1-7.

Babu, B.C. & Gurjar, S. (2014). A novel simplified two-diode model of photovoltaic (PV) module. IEEE Journal of Photovoltaics, 4 (4), 1156-1161.

Bissels, G.M.M.W., Asselbergs, M.A.H., Dickhout, J.M., Haverkamp, E.J., Mulder, P., Bauhuis, G.J., Vlieg, E. & Schermer, J.J. (2014a). Experimental review of series resistance determination methods for III-V concentrator solar cells. Solar Energy Materials and Solar Cells, 130 364-374.

Bissels, G.M.M.W., Schermer, J.J., Asselbergs, M.A.H., Haverkamp, E.J., Mulder, P., Bauhuis, G.J. & Vlieg, E. (2014b). Theoretical review of series resistance determination methods for solar cells. Solar Energy Materials and Solar Cells, 130 605-614.

Ciulla, G., Lo Brano, V., Di Dio, V. & Cipriani, G. (2014). A comparison of different one-diode models for the representation of I-V characteristic of a PV cell. Renewable and Sustainable Energy Reviews, 32 684-696.

Elbaset, A.A., Ali, H. & Abd-El Sattar, M. (2014). Novel seven-parameter model for photovoltaic modules. Solar Energy Materials and Solar Cells, 130 442-455.

Energikontoret Örebro, (2013). Fallstudie solceller. Tillgänglig:

http://www.regionorebro.se/download/18.59eb1a951419e343898171e/1384439860968/K 062P+Solceller+Gräve+Örebro+131010.pdf [2015-5/7/2015].

Energimyndigheten (2013). Växthusgasberäkningar. Tillgänglig:

http://www.energimyndigheten.se/Foretag/hallbara_branslen/Hallbarhetskriterier/Fragor-och-svar-hbk/Vaxthusgasberakning/#2 [2015-1/12/2015].

Fatehi, J.H. & Sauer, K.J. (2014). Modeling the incidence angle dependence of photovoltaic modules in PVsyst. I 2014 IEEE 40th Photovoltaic Specialist Conference, PVSC 2014 (s.

1335).

Forniés, E., Balenzategui, J.L., Alonso-García, M.d.C. & Silva, J.P. (2014). Method for module rsh determination and its comparison with standard methods. Solar Energy, 109 (0), 189-199.

IPCC, (2015). Fifth Assessment Report. Tillgänglig: http://www.ipcc.ch/pdf/assessment-report/ar5/syr/SYR_AR5_SPM.pdf [2014-11/12/2014].

Ishaque, K., Salam, Z. & Syafaruddin (2011). A comprehensive MATLAB simulink PV system simulator with partial shading capability based on two-diode model. Solar Energy, 85 (9), 2217-2227.

37 Kaplani, E. & Kaplanis, S. (2014). Thermal modelling and experimental assessment of the dependence of PV module temperature on wind velocity and direction, module orientation and inclination. Solar Energy, 107 443-460.

Khan, F., Baek, S.-. & Kim, J.H. (2014). Intensity dependency of photovoltaic cell parameters under high illumination conditions: An analysis. Applied Energy, 133 356-362.

Lindahl, J. (2015). Svensk sammanfattning av IEA-PVPS. Tillgänglig:

https://www.energimyndigheten.se/Global/Press/Pressmeddelanden/Sammanfattning av IEA-PVPS svenska solcellsrapport.pdf [2015-4/28/2015].

Ma, T., Yang, H. & Lu, L. (2014a). Development of a model to simulate the performance characteristics of crystalline silicon photovoltaic modules/strings/arrays. Solar Energy, 100 31-41.

Ma, T., Yang, H. & Lu, L. (2014b). Solar photovoltaic system modeling and performance prediction. Renewable and Sustainable Energy Reviews, 36 304-315.

Nord Pool Spot, (2015). Tillgänglig: http://www.nordpoolspot.com/Market-data1/Elspot/Area-Prices/SE/Monthly/?view=chart [2015-5/7/2015].

Nugent, D. & Sovacool, B.K. (2014). Assessing the lifecycle greenhouse gas emissions from solar PV and wind energy: A critical meta-survey. Energy Policy, 65 229-244.

Paradis, J. & van Noord, M. (2011). Solceller i samhällsplaneringen - Skapa bra förutsättningar för solenergi. (11:75) ELFORSK.

Poinssot, C., Bourg, S., Ouvrier, N., Combernoux, N., Rostaing, C., Vargas-Gonzalez, M. &

Bruno, J. (2014). Assessment of the environmental footprint of nuclear energy systems.

comparison between closed and open fuel cycles. Energy, 69 199-211.

PV Performance Modeling, (2015). Tillgänglig: https://pvpmc.sandia.gov/modeling-steps/1- weather-design-inputs/shading-soiling-and-reflection-losses/incident-angle-reflection-losses/ashre-model/ [2015-04/30].

PVsyst, (2015a). Tillgänglig: http://files.pvsyst.com/help/pvmodule_model.htm [2015-4/28/2015].

PVsyst, (2015b). Tillgänglig: http://files.pvsyst.com/help/iam_loss.htm [2015-5/2/2015].

PVsyst, (2015c). PVsyst Cell Temperature Model. Tillgänglig:

https://pvpmc.sandia.gov/modeling-steps/2-dc-module-iv/cell-temperature/pvsyst-cell-temperature-model/ [2015-05/20].

Shockley, W. (1950). Electrons and holes in semiconductors, with applications to transistor electronics. Princeton, N.J.: Van Nostrand.

SLB (2015). Export av sol-data. Tillgänglig: http://www.slb.nu/soldata/ [2015-4/30/2015].

38 Steffen, W., Richardson, K., Rockström, J., Cornell, S.E., Fetzer, I., Bennett, E.M., Biggs, R., Carpenter, S.R., De Vries, W., De Wit, C.A., Folke, C., Gerten, D., Heinke, J., Mace, G.M., Persson, L.M., Ramanathan, V., Reyers, B. & Sörlin, S. (2015). Planetary boundaries:

Guiding human development on a changing planet. Science, 347 (6223),.

Stridh, B., Yard, S., Larsson, D. & Karlsson, B. (2014). Profitability of PV electricity in Sweden. I 2014 IEEE 40th Photovoltaic Specialist Conference, PVSC 2014 (s. 1492).

Svensk Kraftmäkling, (2015). Tillgänglig: http://www.skm.se/priceinfo/history/2014/ [2015-5/17/2015].

Villalva, M.G. (2015). Tillgänglig: https://sites.google.com/site/mvillalva/pvmodel [2015-04/30].

Villalva, M.G., Gazoli, J.R. & Filho, E.R. (2009). Comprehensive approach to modeling and simulation of photovoltaic arrays. IEEE Transactions on Power Electronics, 24 (5), 1198-1208.

von Schultz, C. (2015). Största svenska solcellsparken i drift - NyTeknik. Ny Teknik.

Widén, J. (2011). Beräkningsmodell för ekonomisk optimering av solelanläggningar. (Elforsk rapport 10:103) Elforsk.

Wikipedia, (2015a). LCOE. Tillgänglig:

http://en.wikipedia.org/wiki/Cost_of_electricity_by_source [2015-.

Wikipedia, (2015b). Nuvärdesmetoden. Tillgänglig:

http://sv.wikipedia.org/wiki/Nuv%C3%A4rdesmetoden [2015-.

Wolf, M. & Rauschenbach, H. (1963). Series resistance effects on solar cell measurements.

Advanced energy conversion, 3 (2), 455-479.

6.1-1

6 B

ILAGOR

6.1 B

ILAGA

– B

ERÄKNAD ELPRODUKTION

O

SLOGATAN

38

Tabell 7 Beräknad solelproduktion och mätdata per månad [kWh]

Månad/Beräkningsverktyg En-diod-modell Två-diod-modell PVsyst Mätdata

Juni/2014 3627 3670 3752 3799

Juli/2014 4440 4486 4179 4370

Augusti/2014 3221 3261 3402 3374

September/2014 2563 2595 2648 2842

Oktober/2014 605 623 731 760

November/2014 111 119 129 146

Januari/2015 164 172 155 192

Februari/2015 142 149 159 166

Mars/2015 544 557 675 496

April/2015 1768 1794 2081 2130

Maj/2015 2999 3032 3436 3461

6.2-1

6.2 B

ILAGA

– MATLAB-

KOD

,

SIMULERING AV ELPRODUKTION SOLCELLSMODELLER

clear all close all

%% Oslogatan 38. Information om solcellsanläggningen är hämtad från http://slb.nu/soldata/

och via mail med installatören Glacell.

% Long 17.92 Lat 59.41

% Installerad effekt: 25.5 kWp

% Yta: 191.25 m2

% Leverantör av modul: Glacell

% Riktning: 45gr

% Lutning: 22gr

% Förväntad årlig produktion: 22298 kWh

% Logger: Solarlog

% Modul: YL250P-29b

%% Diverse konstanter.

k = 1.381*10^-23; % Boltzmanns konstant q = 1.602*10^-19; % Elektronladdning

Eg = 1.8e-19; % Bandgapsenergi. 2.72370016e-19 för amorfa solceller.

Tn = 273.15+25; % Celltemperatur under STC-förhållanden Gn = 1000; % Instrålning under STC-förhållanden

%% Värden hämtade från datablad.

Ns = 60; % Antal seriekopplade solceller i solcellsmodulen

Iscn = 8.79; % Värde på kortslutningsströmmen. Karakteristisk punkt i IV-kurva V=0 och I=Isc Vocn = 38.4; % Värde på tomgångsspänning. Karakteristisk punkt i IV-kurva V=Voc och I=0 Imp = 8.24; % Strömmen vid maximal effekt under STC-förhålladnen

Vmp = 30.4; % Spänningen vid maximal effekt under STC-förhållanden

Ki = 0.06/100*Iscn; % Beskriver hur kortslutningsströmmen påverkas av celltemperaturen. [A/K]

Kv = -127e-3; % Beskriver hur tomgångsspänningen påverkas av celltemperaturen. [V/K]

Vtn = k*Tn/q; % Nominell termisk spänning

Pmax_e = Imp*Vmp; % Maximal effekt under STC-förhållanden antalmoduler = 25.5/0.25;

%% Förluster.

eqloss = 0.07; % Värde på systemförluster inklusive växelriktaren. Hämtat från Axaopoulos et al. 2014.

%% Inläsning av mätdata. Mätdata är hämtad från http://slb.nu/soldata/ och "Oslogatan 38".

load('produktion');

globalinstr = dlmread('globalinstr_Oslogatan38_juni2014-april2015.ascii', '', 1);

modultemperatur = dlmread('modultemp_Oslogatan38_juni2014-april2015.ascii', '', 1);

%% Beräkning av celltemperatur for i=1:length(modultemperatur)

celltemperatur(i) = modultemperatur(i)+3*globalinstr(i)/Gn;

end

%% Längd på simulering.

I1 = 1;

I2 = length(globalinstr);

%% "Novel seven-parameter model for photovoltaic modules" (Elbaset et al. 2014) Vocn = Vocn/Ns;

Vmp = Vmp/Ns;

%% Startvärden för algoritmen

Rso = 0.30/Ns; % Startvärde på seriemotstånd bestäms grafiskt och ska motsvara derivatan i punkten V=0 och I=Isc i IV-kurvan.

Rs = Rso;

a1=1.025; % För idealitetsfaktor ett och två väljs "Lämpliga värden". Ett värde på 1 innebär ideal diod.

a2=3-a1; % Gäller för multikristallina solceller.

%a2 = 4-a1; % Gäller för amorfa solceller.

b1 =

exp(Vocn/(a1*Vtn))-exp(Iscn*Rs/(a1*Vtn))-((Vocn-Rs*Iscn)/(a1*Vtn))*exp((Vmp+Imp*Rs)/(a1*Vtn)); % b1-b3 och c1-c3 är samband som används till att bestämma startvärde på läckström.

b2 = ); % Ekvationen ser annorlunda ut i artikeln.

6.2-2

M = 1-1/Rso*(1/((Is1/(a1*Vtn))*exp(Vocn/(a1*Vtn))+(Is2/(a2*Vtn))*exp(Vocn/(a2*Vtn))+1/Rpo));

% Andel av Rso som är lämpligt startvärde för Rs.

x0 = [Iscn Is1 Is2 M*Rso Rpo a1 a2]; % Startvärden till algoritmen.

% Lösning av ekvationssystem.

options = optimoptions('fsolve', 'Algorithm', 'levenberg-marquardt','TolX', 1e-26,'TolFun',1e-7,'MaxIter', 10000,'Display','iter','MaxFunEvals',10^10);

a1=x(6); % Idealitetsfaktor diod #1.

a2=x(7); % Idealitetsfaktor diod #2.

Parameter_Elbaset = [Iph Is1 Is2 Rs*Ns Rp*Ns a1 a2]; % Sparar värden på det bestämda

options = optimoptions('fsolve', 'Algorithm', 'trust-region-dogleg','Display','off');

[x,fval] = fsolve(@Elbaset_IV,x0,options,Iph,Is1,Is2,Rp,Rs,a1,a2,Vtn,V);

I(n)=x;

STC_Elbaset = [xaxel' I']; % Sparar IV-kurva under STC-förhållanden.

%% Beräknar elproduktion från tid I1 till I2 m=1;

for i=I1:I2

Tc=celltemperatur(i)+273.15; % Celltemperatur i Kelvin G=globalinstr(i);

%Temperatur- och solinstrålningsberoende parametrar dT = Tc-Tn;

Vt = k*Tc/q;

Iph = (G/Gn)*(Parameter_Elbaset(1)+Ki*dT);

Is1 = Parameter_Elbaset(2)*((Tc/Tn)^3)*exp((q*Eg/(Parameter_Elbaset(6)*k))*(1/Tn-1/Tc));

Is2 = Parameter_Elbaset(3)*((Tc/Tn)^3)*exp((q*Eg/(Parameter_Elbaset(7)*k))*(1/Tn-1/Tc));

check(m) =Iph;

options = optimoptions('fsolve', 'Algorithm', 'trust-region-dogleg','Display','off');

[x,fval] = fsolve(@Elbaset_IV,x0,options,Iph,Is1,Is2,Rp,Rs,a1,a2,Vt,V);

P(n)=x*V;

6.2-3

Vr_min = min(Vr_min);

Max = find(Effekt >= Vr_max);

for i = 1:length(Max)

Elbaset_month = [juni juli augusti september oktober november december januari februari mars april];

Produktion_MAPE = [juni juli augusti september oktober november december januari februari mars april];

for i = 1:length(Elbaset_month)

MAPE(i) = abs((Effekt_MAPE(i)-Produktion_MAPE(i))./Produktion_MAPE(i));

end

Rsinc = 1e-3; % Värdeökning för varje iteration

tol = 1e-4; % Tolerans på avvikelse från uppmätt maximal effekt.

nv = 100; % Antalet beräknade värden i IV-kurvan.

nimax = 500000; % Maximalt antal itereringar för varje värde på idealitetsfaktorn.

% Initiala gissningar på serie- & parallellmotstånden Rs_max = (Vocn - Vmp)/ Imp;

Rp_min = Vmp/(Iscn-Imp) - Rs_max;

Rs = 0;

Rp = Rp_min;

% Värden på instrålning och celltemperatur T = Tn;

G = Gn;

Vt = k*Tn/q; % Termisk spänning vid celltemperatur T.

perror = Inf; % "dummy value"

ni = 0; % Räknare

a = 1; % Initialt värde på idealitetsfaktorn

% Iterativ loop som pågår så länge modellens beräknade värde på Pmax avviker från databladets värde med mer än vad toleransen tillåter.

while (perror>tol) && (Rp > 0) && (ni < nimax) ni = ni + 1;

% Temperaturen och instrålningens effekt på strömmen dT = T-Tn;

Ipvn = (Rs+Rp)/Rp * Iscn; % Fotoelektrisk ström under STC-förhållanden.

Ipv = (Ipvn + Ki*dT) *G/Gn; % Fotoelektrisk ström under verkliga förhållanden.

Isc = (Iscn + Ki*dT) *G/Gn; % Kortslutningsström under verkliga förhållanden.

Ion = (Ipv - Vocn/Rp)/(exp(Vocn/Vt/a/Ns)-1); % Läckström under STC-förhållanden om dT = 0.

Io = Ion;

% Ökning av värde på seriemotståndet Rs = Rs + Rsinc;

Rp_ = Rp;

6.2-4

Egap = Eg; % Bandgapsenergi för kristallina solceller.

a = (Kv - Vocn/Tn) / ( Ns * Vtn * ( Ki/Ipvn - 3/Tn - Egap/(k*Tn^2) ) ); % Idealitetsfaktorn.

Rp = Vmp*(Vmp+Imp*Rs)/(Vmp*Ipv-Vmp*Io*exp((Vmp+Imp*Rs)/Vt/Ns/a)+Vmp*Io-Pmax_e); % Parallellmotståndet som funktion seriemotståndet.

% Beräknar effekten utifrån IV-kurvan. P = U*I (Joules lag).

P = (Ipv-Io*(exp((V+I.*Rs)/Vt/Ns/a)-1)-(V+I.*Rs)/Rp).*V;

Pmax_m = max(P);

perror = (Pmax_m-Pmax_e);

end

STC_Villalva = [V',I'];

Parameter_Villalva = [Ipv Io a Rp Rs];

%% Beräknar elproduktion m=1;

for i=I1:I2

% Värden på instrålning och celltemperatur T = celltemperatur(i)+273.15;

G = globalinstr(i);

Vt = k*T/q; % Termisk spänning vid celltemperatur T.

% Temperaturen och instrålningens effekt på strömmen dT = T-Tn;

Ipv = (Parameter_Villalva(1) + Ki*dT)*G/Gn; % Fotoelektrisk ström under verkliga förhållanden.

%Io = (Parameter_Villalva(1)+Ki*dT)/(exp((Vocn+Kv*dT)/(Parameter_Villalva(3)*Ns*Vt))-1);

Io = Parameter_Villalva(2)*((T/Tn)^3)*exp((q*Eg/(Parameter_Villalva(3)*k))*(1/Tn-1/T));

%Enligt PVsyst hemsida används detta samband istället för det Villalva använder ovan.

clear V

% Beräknar effekten utifrån IV-kurvan. P = U*I (Joules lag).

P = (Ipv-Io*(exp((V+I.*Rs)/Vt/Ns/a)-1)-(V+I.*Rs)/Rp).*V;

Max = find(Effekt >= Vr_max);

6.2-5

for i = 1:length(Max)

Effekt(Max(i)) = Vr_max;

end

%% Elproduktion efter månad juni = sum(Effekt(1:4320))/6;

juli = sum(Effekt(4321:8784))/6;

augusti = sum(Effekt(8785:13248))/6;

september = sum(Effekt(13249:17568))/6;

oktober = sum(Effekt(17569:22032))/6;

november = sum(Effekt(22033:26352))/6;

december = sum(Effekt(26353:30816))/6;

januari = sum(Effekt(30817:35280))/6;

februari = sum(Effekt(35281:39312))/6;

mars = sum(Effekt(39313:43776))/6;

april = sum(Effekt(43777:48095))/6;

Villalva_month = [juni juli augusti september oktober november december januari februari mars april];

%% Beräkning av RMSE

RMSE_Villalva = sqrt(mean((Effekt'-Produktion(I1:I2)).^2));

%% Beräkning av MAPE

Effekt_MAPE = Villalva_month';

juni = sum(Produktion(1:4320))/6;

juli = sum(Produktion(4321:8784))/6;

augusti = sum(Produktion(8785:13248))/6;

september = sum(Produktion(13249:17568))/6;

oktober = sum(Produktion(17569:22032))/6;

november = sum(Produktion(22033:26352))/6;

december = sum(Produktion(26353:30816))/6;

januari = sum(Produktion(30817:35280))/6;

februari = sum(Produktion(35281:39312))/6;

mars = sum(Produktion(39313:43776))/6;

april = sum(Produktion(43777:48095))/6;

Produktion_MAPE = [juni juli augusti september oktober november december januari februari mars april];

for i = 1:length(Villalva_month)

MAPE(i) = abs((Effekt_MAPE(i)-Produktion_MAPE(i))./Produktion_MAPE(i));

end

MAPE_Villalva = mean(MAPE)*100;

%% Avvikelse

Villalva_avvikelse = Produktion_MAPE-Villalva_month;

6.3-1

6.3 B

ILAGA

– P

VSYST

, O

SLOGATAN

38

6.3-2

6.3-3

6.4-1

6.4 B

ILAGA

– M

ATLAB

-

KOD

,

BERÄKNING AV

LCOE

OCH NETTONUVÄRDE

clear all close all

%% Egenkonsumerad och utmatad el

FixtSt_egen = [28291]; % Fix standardmodul egenproduktion. System 1, 2 och 3.

FixtSt_ut = [138417]; % Fix standardmodul utmatning på nät FixtSt_instE = [144]; % Fixt standardmodul installerad effekt

%% Beräkningsförutsättningar N = 30; % Livslängd [år]

r = 0.00; % Lägsta kalkylränta (känslighetsanalys) [%]

r2 = 0.08; % Maximal ränta (känslighetsanalys) [%]

elplus = 0.005; % Prisstegring elpris [%/år]

elcertplus = 0.01; % Prisstegring elcertifikat & ursprungsgaranti [%/år]

vr = -0.005; % Årlig förändring av systemverkningsgrad [%/år]

elpr1 = 0.52; % Spotpris år 1 [kr/kWh]

elpr2 = 0.4; % Värde egenkonsumerad el år 1 [kr/kWh]

elcert = 178; % Värde elcertifikat år 1 [kr/MWh]

urspr = 5; % Värde ursprungsgaranti år 1 [kr/MWh]

uh = 100; % Kostnad för underhåll [kr/år]

melcert = 1200; % Kostnad för mätning och inrapportering för elcertifikat [kr/år]

SII = [18000 26000 34000]; % Specifik initial investeringskostnad [kr/kWp]

Anslkostn = [0 400000]; % Anslutningskostnad till lokalnät [kr]

matutr = [12800 52800]; % Kostnad mätutrustning för elcertifikatrapprtering [kr]

%%---LCOE utan

%%subvention--- t=1;

while t <=3

%% Initial investeringskostnad med & utan stöd

inv_1_subv = max((FixtSt_instE*SII(t)+Anslkostn(2)+matutr(2))*0.7,

elprod_egen(i) = (FixtSt_egen(1))*(1+vr)^i; % Den andel av elproduktionen som konsumeras på fastigheten, år 1 till år 30.

elprod_ut(i) = ((FixtSt_ut(1))*(1+vr)^i); % Den andel av elproduktionen som matas ut på lokalnätet, år 1 till år 30.

elprod_tot(i) = ((FixtSt_ut(1)+FixtSt_egen(1))*(1+vr)^i); % Total elproduktion år 1 till år 30

elprod_tot_LCOE(i,m) = ((FixtSt_ut(1)+FixtSt_egen(1))*(1+vr)^i)/(1+p)^i; % Total elproduktion år 1 till år 30 dividerad med kalkylräntan för beräkning av LCOE

el_egen(i) = (elprod_egen(i)*elpr1*(1+elplus)^i)/(1+p)^i; % Värdet på den egenkonsumerade elen från år 1 till år 30.

el_ut(i) = (elprod_ut(i)*elpr2*(1+elplus)^i)/(1+p)^i; % Värdet på den utmatade elen från år 1 till år 30.

MWh(i) = chop(elprod_tot(i)/1000,1); % antaler MWh producerad solel per år från år 1 till år 30.

elcerturspr(i) = (MWh(i)*(elcert+urspr)*(1+elcertplus)^i)/(1+p)^i; % Värdet på elcertifikat plus ursprungsgarantier år 1 till år 30.

utgift(i) = (uh+melcert)/(1+r(1))^i; % Underhåll av systemet inklusive byte av växelriktare och mätningskostnader för elcertifikat år 1 till år 30.

summa(i,m) = el_egen(i)+el_ut(i)-utgift(i); % Total årlig inkomst - kostnad.

summa_LCOE(i,m) = -utgift(i); % Total årlig inkomst - kostnad.

end m=m+1;

p=p+1e-3;

end

xaxel=linspace(r,r2,m-1)*100; % Kalkylränta som x-axel

%% LCOE

%% Egenkonsumerad och utmatad el + 2% årsproduktion

FixtSt_egen_2procent = FixtSt_egen*1.02; % Fix standardmodul egenproduktion. System 1, 2 och 3.

FixtSt_ut_2procent = FixtSt_ut*1.02; % Fix standardmodul utmatning på nät t=1;

while t <=3

%% Initial investeringskostnad med & utan stöd

6.4-2

elprod_egen(i) = (FixtSt_egen_2procent(1))*(1+vr)^i; % Den andel av elproduktionen som konsumeras på fastigheten, år 1 till år 30.

elprod_ut(i) = ((FixtSt_ut_2procent(1))*(1+vr)^i); % Den andel av elproduktionen som matas ut på lokalnätet, år 1 till år 30.

elprod_tot(i) = ((FixtSt_ut_2procent(1)+FixtSt_egen_2procent(1))*(1+vr)^i); % Total elproduktion år 1 till år 30

elprod_tot_LCOE(i,m) = ((FixtSt_ut_2procent(1)+FixtSt_egen_2procent(1))*(1+vr)^i)/(1+p)^i;

% Total elproduktion år 1 till år 30 dividerad med kalkylräntan för beräkning av LCOE

el_egen(i) = (elprod_egen(i)*elpr1*(1+elplus)^i)/(1+p)^i; % Värdet på den egenkonsumerade elen från år 1 till år 30.

el_ut(i) = (elprod_ut(i)*elpr2*(1+elplus)^i)/(1+p)^i; % Värdet på den utmatade elen från år 1 till år 30.

MWh(i) = chop(elprod_tot(i)/1000,1); % antaler MWh producerad solel per år från år 1 till år 30.

elcerturspr(i) = (MWh(i)*(elcert+urspr)*(1+elcertplus)^i)/(1+p)^i; % Värdet på elcertifikat plus ursprungsgarantier år 1 till år 30.

utgift(i) = (uh+melcert)/(1+r(1))^i; % Underhåll av systemet inklusive byte av växelriktare och mätningskostnader för elcertifikat år 1 till år 30.

summa(i,m) = el_egen(i)+el_ut(i)-utgift(i); % Total årlig inkomst - kostnad.

summa_LCOE(i,m) = -utgift(i); % Total årlig inkomst - kostnad.

end

%% Initial investeringskostnad med & utan stöd

inv_1_subv = max((FixtSt_instE*SII(t)+Anslkostn(2))*0.7,