3. 核心假设输入：装机容量、年等效满负荷小时数、弃风率、电价（含补贴）、建设期与运营期设定、融资比例与利率
各位学员，欢迎来到财务模型搭建的第一道关卡——核心假设输入。
说实话，很多新手一上来就急着建公式、拉表格，结果模型跑出来数据自己都不敢信。为什么？因为地基没打牢。财务模型这玩意儿，输入决定输出。你输入的是垃圾，出来的必然是垃圾。我见过太多项目，就是因为几个关键假设拍脑袋，最后融资方案被银行打回来三次。
今天我们就来拆解这六个核心参数。它们就像盖楼的六根柱子，缺一根都不行。
3.1 装机容量：项目的“体量”基因
装机容量，说白了就是你这个风电场能装多少风机，总功率多大。单位是兆瓦（MW）。
我个人习惯，在模型里把装机容量放在最显眼的位置，因为后面几乎所有计算都跟它挂钩。比如一个50MW的项目，你选单机容量5MW的风机，那就是10台。但这里有个坑——你千万别只写一个数字就完事。
关键点：装机容量要区分“核准容量”和“实际并网容量”。
我遇到过项目，核准文件写的是50MW，结果因为用地限制、机位调整，实际只能装48.6MW。如果你按50MW去算发电量、算收入，那误差就大了。银行做贷前审查时，一眼就能看出问题。
所以，模型里我建议你单独设一行“实际并网容量”，并留一个调整系数。比如：
核准容量：50 MW
容量系数：0.972（根据微观选址调整）
实际并网容量：48.6 MW3.2 年等效满负荷小时数：发电量的“灵魂”
这个参数，是银行、投资人最关心的指标之一。它代表风机在一年里，按额定功率满发的小时数。比如2000小时，意思就是这台风机全年发电量等于它满功率运行2000小时的总和。
你想想看，一个项目年发电量 = 装机容量 × 年等效满负荷小时数 × (1 - 弃风率)。所以这个数字差100小时，对几十兆瓦的项目来说，可能就是几百万的营收差距。
我的经验：不要直接拿风资源报告里的数字就用。报告里往往是理论值，实际运行中会有尾流损失、叶片污染、电网限电等因素。我一般会在报告值基础上打9折到95折，作为保守估计。
比如报告说2200小时，我模型里先输2100小时，然后做个敏感性分析，看看2000、1900小时时项目还能不能扛得住。
3.3 弃风率：最容易被低估的风险
弃风率，就是发了电但电网不要，白白浪费掉的比例。前几年西北地区弃风率一度高达20%以上，现在好多了，但你不能假设永远是0%。
警告：我见过最惨的一个项目，模型里弃风率写5%，结果并网第一年实际弃风率18%。现金流直接断掉，差点违约。从那以后，我所有模型里弃风率至少按8%打底，再根据当地电网消纳情况做情景分析。
在模型里，弃风率直接影响有效发电量：
有效发电量 = 装机容量 × 年等效满负荷小时数 × (1 - 弃风率)嗯，这里要注意，弃风率不是一成不变的。随着特高压线路投产、储能配套完善，弃风率会逐年下降。我一般会设一个逐年递减的曲线，比如第1年10%，第2年8%，第5年后稳定在3%。
3.4 电价（含补贴）：收入的“命门”
电价这块比较复杂，因为涉及燃煤基准价、补贴电价、绿电交易溢价等多个部分。我建议你在模型里拆开列：
| 电价构成 | 数值（元/kWh） | 说明 |
|---|---|---|
| 燃煤基准价 | 0.374 | 当地电网燃煤标杆电价 |
| 补贴电价 | 0.100 | 国家补贴部分（如有） |
| 绿电溢价 | 0.030 | 绿电交易市场溢价 |
| 综合电价 | 0.504 | 加权平均后 |
为什么这么拆？因为补贴电价现在越来越不可靠。我记得2021年有个项目，补贴款拖了两年才到账，模型里的IRR直接从8%掉到5%。所以我现在做模型，补贴部分会单独列一个“补贴回收周期”，假设3-5年才能拿到钱，这样现金流更真实。
3.5 建设期与运营期设定：时间的“刻度”
建设期一般12-18个月，运营期20年（风电项目典型寿命）。但这里有个细节——建设期利息怎么算？
我习惯把建设期分成季度，每个季度投入一定比例的资金。比如：
Q1：土地、手续、前期费，投入10%
Q2：基础施工、设备采购，投入40%
Q3：安装、调试，投入35%
Q4：并网、消缺，投入15%这样算出来的建设期利息才准确。如果你简单地把总投资除以2再乘以利率，那误差可能让你多付几十万利息。
避坑指南：运营期不要默认20年整。有些项目实际运营到第18年时，发电效率已经下降很多，维修成本飙升。我建议你在模型里加一个“寿命终止条件”，比如当净现金流连续两年为负时，自动触发项目终止。
3.6 融资比例与利率：杠杆的“双刃剑”
融资比例（贷款比例）一般70%-80%，利率看LPR加点。但这里有个常见的误区——很多人直接用名义利率去算利息。
实际上，银行还款方式不同，实际利率差别很大。等额本息和等额本金，IRR能差0.5个百分点。我一般用等额本息，因为现金流更平滑，银行也喜欢。
另外，利率不是固定的。我建议你设一个“利率浮动机制”，比如：
基准利率：LPR（假设3.85%）
加点：100bp（1%）
实际利率：4.85%
浮动条件：若LPR变动超过50bp，利率重新调整为什么？因为现在利率下行周期，你锁死一个固定利率，万一LPR降到2.5%，你就亏了。反过来，如果利率上行，浮动利率也会增加你的风险。所以模型里一定要做利率敏感性分析。
知识体系总览
下面这张图，是我自己总结的六个核心假设之间的逻辑关系。你看一眼就能明白，它们是怎么串起来的：
你看，装机容量、小时数、弃风率决定了发电量；电价决定了收入；建设期和融资条件决定了资金成本和现金流节奏。六个参数环环相扣，一个错了，后面全歪。
最后说一句：做假设输入时，永远记住“保守、保守、再保守”。银行和投资人不会因为你预测得乐观而感谢你，他们只会因为你预测得保守而信任你。我自己的模型里，所有关键参数都设了三套情景——乐观、基准、悲观。每次汇报，我只讲基准和悲观，乐观的自己留着看。
好了，核心假设输入就讲到这里。下一节我们会把这些假设串起来，开始搭建完整的财务模型框架。记住，地基打牢了，楼才能盖得高。