保单还是报价?高成本限制下游装机推进,下半年光伏组件企业压力更大!

图片

中国电力网(微信公众号:China_Power_com_cn)获悉,近日,阳光电源董事长曹仁贤在“2021年光伏产业链供应论坛”致辞中表示,尽管我国光伏产业已经取得了辉煌的成绩,但产业链供应链发展过程中依然存在的诸多问题。去年下半年至今年上半年,这个问题暴露的犹为明显,光伏玻璃、多晶硅原料相继因阶段性短缺出现供应链价格快速上涨的情况,严重影响了我国光伏产业的健康有序发展。

据了解,从2020年第四季度开始,光伏硅料价格飙涨,从每吨6万元左右飙升至近25万元,随之而来的硅片难求、电池片和组件一天一价。保单还是报价,是产业链中下游面对的选择,而表现在经营业绩上,可能也没有此前预期的那么美好。

今年初至今,硅料价格呈一路上扬态势,上游硅料销售企业成功实现业绩大增。据硅业分会公布的最新国内硅料价格数据,6月23日,国内单晶复投料价格区间在20.8-22.1万元/吨,成交均价维持在21.72万元/吨不变;单晶致密料价格区间在20.5-21.9万元/吨,成交均价维持在21.34万元/吨不变。

中国电力网(微信公众号:China_Power_com_cn)注意到,对于未来硅料价格走势,多位行业资深人士认为,硅料价格已经见顶,预计三季度价格将出现回落。东北证券最新研报显示,明年硅料均价有望维持在100元/kg以上。一方面,各产业链环节来看,硅料仍然为有效产出最小环节。另一方面,随着各环节的扩产,硅料下游硅片产能显著大于硅料产能,新产能的投放带来的旺盛的硅料需求,有望为硅料价格提供支撑。

上游火热,却也侧面衬托出中下游的压力。目前,光伏组件企业的开工率已经降至五成左右,远不及一季度。从去年四季度出现的保单与报价矛盾,无疑还在持续。

由于组件环节天然受到下游需求减弱和上游成本增加的双重压力,如晶澳科技、东方日升等组件商在一季度已经出现“增收不增利”。究其原因,毛利下滑是多数组件商面对的痛点,晶科能源在第一季度未经审计的财报中表示,第一季度毛利率为17.1%,由于波动性继续使原材料价格环比上涨,预计第二季度的毛利率将在12%至15%之间。

一位行业分析人士表示,高成本导致的高价组件很大程度上限制了下游装机推进,如果情况持续下去,下游客户可能会重新考虑经济效益,延迟装机计划,这样组件企业面对的压力可能更大。

辅材方面同样如此,目前除了光伏玻璃价格出现下调,其余多数辅材价格依然坚挺。其中,市场行情数据显示,近期EVA光伏料的市场价格已涨至21000元/吨,创下历史新高。

今年初,中国光伏行业协会副理事长兼秘书长王勃华曾预计,2021年我国光伏新增装机55-65GW。此后,产业链成本压力超出意料,有机构将装机预期下调至50GW。可根据国家能源局此前发布的1-5月份全国电力工业统计数据,截至5月底,太阳能发电装机容量2.6亿千瓦,同比增长24.7%,太阳能新增装机量9.91GW。前5个月不到10GW的装机量,距离最低目标尚存在较远距离。

中国电力网(微信公众号:China_Power_com_cn)查阅公开资料发现,目前多家大型央企均下调了光伏项目全投资回报率门槛指标,全投资IRR从之前的8%调整至最低6.5%甚至6%。以目前组件单瓦1.8元水平推算,全投资IRR水平已经临近6.5%,甚至更低。

正如曹仁贤所说,如何真正实现行业理性可持续发展,加强产业链供应链管理,避免周期性盲目扩产引起的行业周期性振荡,避免恶性竞争导致的大而不强的尴尬局面,是摆在每一个光伏从业者面前不可回避的、亟需解答的课题。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值