综述：通过学习曲线解读海上风电技术的成本降低机制：一项元分析研究

《Environmental Impact Assessment Review》：Decoding the cost reduction of offshore wind technology through learning curves: A meta analysis

本研究通过整合经济ometric与工程视角，运用45个学习曲线构建新型综述和元分析框架，揭示近海风电成本轨迹中组件特征与情境因素的协同作用机制。研究发现：单一因素模型高估学习曲线效应5.67%，安装成本指标使学习率降低48%，技术成熟度每延后1年学习率下降2.2%，行业技术溢出效应提升6.83%。该成果为政策制定和成本优化提供实证基础。

　　

林思佳|徐源

香港中文大学地理与资源管理系及亚太研究所，中国香港

摘要

随着部署规模的扩大和技术的进步，海上风电已成为全球能源转型的核心支柱。本研究基于45条学习曲线，开发了一种新的综述和元分析框架，旨在弥合计量经济学和工程学视角之间的分歧，并阐明组件特性和环境因素如何共同塑造海上风电的成本轨迹。基于组件的学习曲线认识到水上和水下组件之间的技术成熟度差异及其与陆上风电知识的关联性，其中水上组件的成本占比为40%，水下组件为60%，两者通过实践学习产生的成本变化幅度相当。对于风力涡轮机制造、容量安装和电力生产的实践学习率分别估计为7%、9%和13%，这表明当综合评估新兴组件时，成本降低的幅度更加显著。多因素学习曲线能够捕捉到累积产出之外的环境影响，显示出学习溢出效应和研发投资推动了成本降低，而项目向更远海域和更深水域的扩展则减缓了这一进程。通过研究模型规格和变量包含对实践学习率估计的影响，固定效应和随机效应的元回归分析得出了稳健的结论：与多因素模型相比，单因素学习曲线高估了实践学习率5.67%；基于安装成本指标得出的实践学习率比基于平准化发电成本（LCOE）的估计低约48%；技术成熟度随时间推移使实践学习率降低了2.2%（以学习曲线时间范围的中点为指标）；行业范围内的学习溢出效应则使其增加了6.83%。这些发现加强了实证基础，并为未来的海上风电成本研究提供了实用指导，突显了不断变化的组件成本结构、跨行业技术关联性、环境依赖性以及持续成本降低的更广泛政策和社会经济影响的重要性。

引言

海上风电已成为全球能源转型的核心支柱，其在总装机容量中的份额从2010年的1.69%上升到了2023年的7.79%（IRENA, 2020, IRENA, 2023a, IRENA, 2024a）。这一扩张得益于其内在优势，包括减少土地使用需求、更高的风能稳定性、靠近沿海负荷中心，以及由于视觉干扰小而获得的社会支持较少。在此期间，全球市场领导地位从早期的欧洲主导转向了欧洲和中国共同主导的双极结构。欧洲的累计海上风电容量份额从95.39%下降到44.89%，而中国的份额从3.75%激增至50.95%（图1-A和B）（IRENA, 2024a；国家海洋局，2023）。其他地区的容量份额也从0.87%增长到4.15%，其中台湾和越南成为最具活力的贡献者，2023年分别占全球容量的2.14%和1.51%。相比之下，日本、韩国和美国的容量增长较为温和，份额分别保持在0.26%、0.186%和0.056%（图1-C）。

欧洲，特别是英国、德国、荷兰、丹麦和比利时，引领着全球海上风电的发展。丹麦于1991年启动了世界上第一个海上风电项目“Vindeby-Lolland”（DeCastro等人，2019）。此后，欧洲的海上风电扩张得到了多种激励措施的支持：（1）上网电价（FITs），最初在德国实施，遵循“政治定价、市场数量”逻辑，即行政设定的价格高于燃煤发电基准价，同时发电量仍受市场调节（Yi等人，2019）；（2）上网溢价（FIPs），在荷兰、丹麦和德国广泛采用，允许开发商以市场价格出售电力同时获得溢价以稳定收入（DeCastro等人，2019）；（3）英国的可再生能源义务（RO）计划类似于可再生能源组合标准，采用“政治数量、市场价格”模式，要求公用事业公司和供应商满足规定的可再生能源发电配额，同时竞争性市场决定证书和电力价格（Lipp，2007）。尽管RO计划已逐渐被差价合同（CfD）机制取代，但在2023年仍对海上风电发电起到了重要作用。Pashakolaie等人（2024）的研究表明，RO计划产生的社会环境效益抵消了其大部分政策成本，证明了其作为激励机制的广泛有效性。

这些激励措施的有效性在欧洲的市场成果中得到了体现。它们促使Orsted、RWE和Vattenfall等主要开发商进行了大规模投资，到2023年累计海上风电容量达到32.37吉瓦（IRENA，2024a）。加上北海、爱尔兰海、波罗的海和大西洋的高质量风能资源，这一容量扩张使得年发电量超过100太瓦时，占全球总量的半数以上（IRENA，2024b）。这种扩张还促进了产业规模的扩大，尤其是西门子歌美飒和维斯塔斯等涡轮机制造商的发展，它们目前占全球装机容量的一半以上（图1-D）。随着技术的持续进步和市场成熟度的提高，一些欧洲国家已经进入了零补贴阶段。一个里程碑是丹麦首个完全商业化的海上风电场“Hollandse Kust West VI&VII”，两个350兆瓦的机组于2023年9月投入使用，直接将电力出售给批发市场（WindEurope，2018）。

中国于2008年启动了海上风电开发，批准了102兆瓦的上海东海大桥项目。到2023年，中国的海上风电市场规模已超过欧洲，累计装机容量达到约37.29吉瓦，年发电量超过100太瓦时（图1-A和B）（IRENA，2024a；国家海洋局，2023）。为了加速海上风电发展，中国在国家可再生能源基金（NREF）和国家可再生能源法的框架下实施了一系列“供给推动”激励措施：（1）特许权招标（2010-2014年）将稀缺的项目用地分配给提供最低电价的开发商；（2）基准上网电价（2015-2018年）保证了电网接入和稳定的电价；（3）与市场招标挂钩的指导性上网电价（2019-2021年）促进了国家补贴的逐步减少。2021年底这些国家补贴的终止引发了安装热潮，当年新增了17.4吉瓦的装机容量。为了在国家上网电价取消后维持发展，省级政府在2022-2025年间引入了过渡性补贴，包括浙江的十年期上网溢价和上海、广东及山东的一次性容量补贴。

中国的快速容量增长增强了国内海上风电涡轮机制造能力，即使在国家补贴取消后，产业规模仍得以持续扩大。主要涡轮机制造商（图1-D），包括明阳、远景、金风、中船海装、上海电气、东方电气、协鑫和沈伟科，其全球市场份额从2021年的26.83%增长到2023年的33.49%（NREL，2021-2024）。明阳、远景、DEC、Windey和协鑫等制造商还拓展了国际市场，在越南、日本、意大利、英国、挪威和法国获得了海上风电项目合同，表明海上风电涡轮机市场的竞争日益激烈（Sashi，2023）。

大规模海上风电的部署从根本上取决于其相对于其他发电技术的成本竞争力。因此，解码其历史成本演变和未来的成本降低潜力对于指导可持续发展至关重要。为了捕捉这些成本动态，通常使用学习曲线作为定量工具，将成本降低归因于由累积产出增长引发的内生技术进步，即实践学习（LBD）（Arrow，1962）。LBD率量化了每倍累积产出所带来的固定成本降低百分比（Junginger等人，2010）。假设历史LBD效应的持续性，可以据此估算未来的成本降低潜力。

尽管有许多关于海上风电成本的经济学研究和一些关于组件设计的工程学综述，但以往的研究很少将这些视角结合起来。本研究通过基于45条学习曲线开发了一种新的综述和元分析框架，以揭示内部组件特性和外部环境因素如何共同塑造海上风电的成本轨迹。通过系统比较模型规格、技术假设、变量包含、时间范围、区域范围和实证结果，元回归定量评估了方法选择对LBD率估计的影响。这些综述和元分析的发现可以加强学习曲线在能源经济中的应用概念和实证基础，并为政策设计提供实用指导，以考虑组件层面的异质性和环境动态，从而提高海上风电的成本竞争力和技术扩散。

部分摘录

综述与分析结构

在Google Scholar上使用“海上风电”、“学习曲线”、“学习率”、“实践学习”和“LBD”等关键词进行了系统的关键词搜索，以确保透明度和可重复性。该搜索获得了45条海上风电学习曲线，包括6条基于组件的学习曲线（CBLCs）、18条单因素学习曲线（OFLCs）、8条双因素学习曲线（TFLCs）和13条多因素学习曲线（MFLCs），这些曲线反映了不同的方法论

核心组件技术

在海上风电技术中，基础结构是一个关键组件，其设计可以分为固定底部和浮动类型。固定底部基础结构具有刚性的海底连接装置，在已投入运行的海上风电场中应用最为广泛（图3-A）。单桩基础基于一根大型桩，适用于0-30米深度的安全锚固，仍然是主要选择，占据了全球市场份额的一半以上，尤其是在欧洲。夹克式基础是第二常见的类型

成本轨迹

从OFLC到MFLC的海上风电学习曲线的演变反映了在不同时间范围、地理区域和技术领域内更好地捕捉成本演变的工作（表3）。在这个建模框架中，地理区域由成本观察和经验测量的空间边界定义，假设LBD效应是均匀的，无论该区域是否涵盖整个行业或特定区域

LBD率估计的决定因素

在海上风电学习曲线中，估计的LBD率既反映了历史成本演变，也反映了未来的成本降低潜力。然而，在不同的OFLC、TFLC和MFLC中，这些率会根据地理区域、时间范围和技术领域的不同假设而有所差异。根据表3和图4中的综述结果，元分析纳入了一组自变量、两个连续变量和八个虚拟变量，以实现学习曲线之间的可比性

结论与启示

通过对45条海上风电学习曲线的综述和元分析，本研究开创了将计量经济学和工程学视角相结合的方法，以解码现实世界复杂条件下的海上风电成本降低模式。它通过综合关于组件特性、成本结构和成本轨迹关键决定因素的证据，并分析模型规格和变量包含对LBD率估计的影响，推动了现有研究的进展。

资金来源

本研究由中国国家重点研发计划（2022YFB3903700）资助。

利益冲突声明

作者声明他们没有已知的可能影响本文所述工作的竞争性财务利益或个人关系。