清洁能源技术成本预测：太阳能、风能、电池与氢能投资与平准化成本数据集构建与分析

《Scientific Data》：Clean technology cost projections: investment and levelized costs of solar, wind, battery, and hydrogen

本研究针对清洁能源技术成本预测数据分散、标准不一的问题，系统整合了全球110余项研究数据，构建了涵盖光伏、风电、锂电、氢能等八大技术的标准化成本预测数据库。通过时空精细化处理（国家/大陆/全球尺度，2024年美元计价），提供了CAPEX与LCOE/H的年度趋势至2050年，支持能源系统建模、政策制定和风险评估，为碳中和路径下的技术选择提供关键数据支撑。

　　

在全球能源转型的浪潮中，准确预测清洁能源技术的成本变化已成为决策者、投资者和研究人员面临的核心挑战。尽管太阳能光伏和电池等技术成本近年来呈现"断崖式"下降，但许多权威机构的预测仍显保守，这种偏差可能导致能源规划偏离最优路径，甚至延缓碳中和目标的实现。现有成本数据库往往存在时空粒度不足、标准不统一等问题，难以支撑精细化建模需求。

正是在这样的背景下，由坎特伯雷大学Hadi Vatankhah Ghadim领衔的国际研究团队在《Scientific Data》上发表了题为"清洁能源技术成本预测：太阳能、风能、电池和氢能的投资与平准化成本"的研究。该研究通过系统整合2000-2024年间114项全球研究报告，构建了迄今为止最全面的清洁能源技术成本预测数据库，为能源系统建模提供了可靠的数据基石。

研究方法上，团队采用多阶段数据处理流程：首先通过关键词检索从学术数据库、政府报告等渠道筛选文献；随后进行地理平均化处理（将国家内区域数据整合为国家值）、成本构成标准化（如将历史光伏CAPEX从直流功率调整为交流功率），并对缺失值进行插补；最后将所有货币统一转换为2024年美元计价，确保数据可比性。特别值得一提的是，研究还保留了NREL（美国国家可再生能源实验室）的"保守-中度-先进"情景和IEA（国际能源署）的STEPS/APS/NZE等政策情景，使数据库能支持不确定性分析。

数据覆盖范围与技术选择

研究聚焦八大关键技术：公用事业规模光伏（>1MW）和屋顶光伏（5-50kW）、陆上/海上风电、电网级锂离子电池、聚光太阳能热发电（CSP）以及碱性和PEM电解槽（≥1MWe）。这些技术选择基于其在能源转型中的核心地位——光伏和风电已成为多数地区最经济的清洁电力来源，电池储能提供系统灵活性，绿氢则是难减排领域的潜在解决方案。相比之下，地热、生物质能和核能因数据粒度不足和站点特异性强未被纳入。

数据处理与标准化创新

针对数据异构性挑战，研究团队开发了系列创新处理方法：对于NREL ATB（年度技术基准）中美国不同辐照区的差异化数据，通过加权平均生成国家代表值；对早期光伏CAPEX数据（仅含组件成本）应用1.34的直流/交流转换系数，使其与包含系统成本的现代数据可比；当研究仅提供最小/最大值时，采用算术平均填补均值空缺。这些处理确保了33,000余条数据记录的可比性。

数据体系结构与应用场景

数据库以Excel工作簿形式呈现，包含21个工作表，按技术类型和成本指标（CAPEX/LCOE）分表组织。特别设计了机器可读版本，以下划线命名列标题便于编程调用。数据价值体现在多维度应用：支持技术经济情景建模（如综合资源规划）、投资政策优先序判定（通过成本竞争力分析）、风险评估（利用最小-平均-最大值范围）以及跨部门整合分析（如电-氢-热耦合系统建模）。

技术验证与数据可靠性

通过交叉验证确保数据质量：将欧洲和亚洲的光伏、风电成本预测与IEA等权威源对比，显示高度一致性；对缺乏多源数据的地区，采用IEA对中国（最低成本基准）和美国（最高成本基准）的预测范围作为验证标尺，发现绝大多数数据落在此区间内。数据库还纳入BloombergNEF、BP等行业报告，这些源均被多篇同行评审文献引用，佐证其方法学严谨性。

研究局限性与发展方向

作者指出数据库主要局限在于发展中国家数据覆盖不足，且非英语文献获取存在挑战（如智利、巴西的本地报告）。此外，部分数据需从图表中提取，可能引入误差。未来工作将持续更新数据，并探索纳入更多区域特异性参数（如本地融资条件、劳动力成本等）。

这项研究通过系统化的数据整合与标准化，为全球能源转型建模提供了关键基础设施。数据库不仅揭示了清洁能源技术成本持续下降的趋势，更通过多情景、多来源的对比，为政策制定者提供了识别技术拐点、优化投资时序的科学依据。随着各国加速推进碳中和进程，这一数据集将成为评估技术路径、设计激励机制和降低转型风险不可或缺的工具。