《自然·能源》雜志發表的勞倫斯伯克利國家實驗室（Lawrence Berkeley National Laboratory） Ryan Wiser等人的2020年風電成本調查報告，是近年來最讓人樂觀的風電發展未來報告。140位全球風電行業專家們在2020年預計，到2050年，陸上和海上風電的成本將下降37%~49%,這比2015年預測的成本還低了50%。如果新的預測可以實現，風電將在能源供應體系中發揮比之前預期更大的作用。沒有比它更激動人心的報告了！

　　

　　

　　過去五年內，風電的成本加速降低，遠超過專家們在2015年的推斷預測。本文展示了針對風電成本調查的最新結論，并將其與之前的結果進行比較，同時討論了早期調查預測結果的準確性。由于過去五年風電成本明顯下降，并預期保持這一趨勢，專家們在2020年預計，到2050年，陸上和海上風電的成本將下降37%~49%,這比2015年預測的成本低了50%。如果新的預測可以實現，風電將在能源供應體系中發揮比之前預期更大的作用。綜合考慮兩次調查（2015、2020），我們認為未來風電的成本仍存在著相當大的不確定性。文章的結論說明了考慮成本不確定性的重要性，強調了專家揭示這些不確定性的積極作用和局限性，并為能源系統模型設計者和相關人員提供了有借鑒意義的經驗和教訓。

　　

　　風電作為許多國家最低成本的電力供應和脫碳方式之一，在技術創新和行業逐漸成熟（例如，機組尺寸、工業化程度、風險規避、供應商競爭）、競爭激勵（例如，通過引入競價來采購項目）和其他因素（例如，鋼鐵價格、貸款利率）的推動下，全球裝機量得到了迅速的擴張。一開始，陸上風電推動實現了成本的降低，但在過去五年內，海上風電行業也逐漸成熟，成本下降速度也得到加快。

　　

　　雖然近年來風電成本已經大幅下降，但未來在科學、工程、制造和商業等方面仍有可能得到創新。現在正是反思已經取得的降本成績并評估未來成本降低可能性的適當時機，這也將影響風電未來在全球電力供應和脫碳領域的角色定位。

　　

　　通過對140位全球風電行業專家的調查，我們對未來風電成本降低的規模、不確定性和驅動因素進行了分析。專家調查法（Expert elicitation）利用不同領域專家的知識，來展開對未知的或不確定量的預估。當歷史數據有限或未來情況可能與過去不同時，這種調查方式特別有效，因該方法使得未來的不確定性可以被評估，而可評估這一點也許是最重要的。風電項目的成本隨著項目本身的情況和時間的變化極為明顯，不確定的技術和商業創新也會影響其未來走勢，所以可以考慮和評估這些變化和不確定性的方法是有優勢的。大量文獻表明，專家調查法——這種已經被多次應用于預測能源技術成本趨勢的方式，是比較合適風電降本預測工作的。

　　

　　其他用來預測成本的方法也各有利弊。在解釋過去風電成本的趨勢時，人們廣泛使用的是學習曲線法（Learning curves），但當將它用于預測未來趨勢時，這種方法默認未來趨勢和過去一致。工程評估法（Engineering assessments）則包括了設計和成本的建模，但它通常只包含未來可能性中的一部分，而且受到許多不確定假設的限制。可再生能源項目的競價上網電價和購電協議（PPA）電價近來也成為預測未來成本的方法，但通常只限于預測未來五年時間。這些方法通常都不能深入發掘不同成本預測的可能性，盡管每種方法都有一定的優勢——學習曲線法和競價法可以將經驗和實際數據緊密結合，工程評估法在技術角度的評估豐富且詳細。最后，考慮到成本預測的復雜性，每種方法都有自己的適用場景。而且，由于風電行業的持續發展，不斷更新評估結果也十分有必要。

　　

　　2015年，本文作者們曾進行過一次類似的全球專家調查，預測表示盡管存在較大的不確定性，風電的成本仍有可能大幅降低。正如本文所示，風電成本的實際下降速度甚至比專家們在2015年預測的還要快。所以從很多方面來說，進行一次新的調查預測很有必要。首先，鑒于風電行業在過去五年中發生了重大變化，舊的預測亦已過時，需要重新進行評估。第二，通過五年后進行相類似預測，可評估兩種趨勢之間的關系，并判斷早期預測的準確性。本文還探討了可能導致專家低估成本下降的因素，并強調了專家揭示未來成本不確定性的積極作用和局限性。研究結果對專家調查的設計和執行也產生了初步的影響，并對能源系統模型設計者和規劃者在成本不確定性的重要性方面提出了見解。第三，雖然作者以前的工作低估了預測結果，但仍然相信專家調查法是一個有效的方法。正如文章所述，2015年采用工程評估法和學習曲線法來完成的成本預測，結果并不比當年采用專家調查法預測的結果更好。同時，專家調查法有著其他方法不具備的優勢。最后，雖然大體方法一致，我們還是從2015年的調查預測工作中獲得了經驗教訓，并對2020年的調查預測方法進行了一些修改。

　　

　　

　　調查法可以提供有價值的見解，并作為其他預測方法的補充。然而，前提是必須解決影響專家反應的各種動機或認知偏差。個人主張或者期望偏差可能會使專家對風電未來的看法過于樂觀，比如出現錨定效應和可得性啟發法。專家們也可能傾向于依賴于一組共同的知識來源（各種研究內容或相關人物），從而導致一定程度的群體思維。還有研究表明，專家們有時會低估技術創新的可能性，或者對自己的評估過于自信，從而導致不確定性邊界變窄，這是不合適的。驗證調查的準確性和確定不準確來源的難度使這些偏差的嚴重性變得無法確認。我們在五年后進行一次新的風電預測，將在這方面提供一些觀點。

　　

　　這次的專家調查在范圍、樣本、問題和功能性等方面都與上一次調查基本一致，這樣，在更新2015年調查結果的基礎上，還可以將兩次的結果進行比較。這份采用在線自填式問卷方法開展的調查包括三種風電類型：陸上風電、海上固定式基礎風電和漂浮式海上風電。文章的分析依然重點關注平準化度電成本（LCOE）的潛在變化，即2019年每兆瓦時（MWh）風電項目的實際按美元價格（US$）。LCOE一般用于評估不同資本回收期和現金流狀況下的發電資產的成本。在比較不同的發電類型時，LCOE方法并不太適用，但它適合于評估單個資源的單位成本，并可隨著時間推移跟蹤其變化趨勢。在風電行業中，降低LCOE是一項主要的目標。我們在調查過程中，要求受訪者估計2019年基準年典型（中位數）項目的LCOE。然后，要求他們在三種情景下估算2025年、2035年和2050年典型項目的LCOE：低位成本（典型LCOE較低的概率只有10%）、高位成本（典型LCOE較高的概率只有10%）和中位成本（LCOE較高或較低的概率相同）。要求專家們只考慮影響整個行業的因素，如技術進步或現場條件的改變，并要求他們忽略外部宏觀經濟因素，如材料價格和無風險利率，以及新冠病毒疫情（COVID-19）帶來的一系列短期影響。對于2019年基準年和三個風電類型2035年的預測，調查要求詳細提供影響LCOE的五個核心輸入參數：（1）資金成本（CapEx，單位：US$ kW−1），（2）運營成本（OpEx，單位：US$ kW−1），（3）發電量（容量系數，單位：%），（4）設計壽命（單位：年yr）和（5）融資成本（隨后，最小加權平均成本，WACC（%））。作者只要求提供對于2025和2050年的LCOE的預測，但未要求詳細說明這五個參數。考慮到漂浮式海上風電在2019年仍處于商業化初期，文章也未對其2019基準年的LCOE進行預測。

　　

　　如附件“方法”中所描述的，文章利用了2015年獲取的經驗教訓來改進2020年的調查方法。例如，文章要求受訪者提供2019年基準線LCOE的預估值，以比較他們未來的預期。相比之下，2015年的調查為受訪者提供了一個預定義的“默認”的2014年基準線，并允許專家可以更新該值（雖然非強制選項），這樣可能會產生錨定偏差（anchoring bias）。新的調查還要求每位受訪者提供有關其2019年基準線和2035年LCOE估計中值條件下的項目（容量）和現場條件的信息。對這些問題的回答有助于加深對LCOE期望的理解，特別是系統技術變化或項目地點和特征變化對LCOE期望的影響程度。在2015年的調查中，作者沒有設置類似的問題。

　　

　　關于文章所提方法的更多細節，請參閱作者上一篇論文所附的方法和補充方法。（Wiser, R. et al. Expert elicitation survey onfuture wind energy costs. Nat. Energy 1, 16135 (2016). /articles/nenergy2016135）最終，140位專家通過在線調查做出了回應，其中97位回應了陸上風電，71位回應了固定式基礎海上風電，37位專家回應了漂浮式海上風電。正如方法所強調的，大多數受訪者來自歐洲和北美，而且受訪者來自不同的組織類型。受訪者被告知，他們的姓名和所屬單位將列入論文，但他們的個人調查反饋將不會屬于他們自己或所在單位。

圖1. 2015年專家調查結果與近期發表的LCOE預估值相比較（分陸上風電和海上風電）

　　

　　a,b，延伸至 2050 年的虛線及陰影區域反映了 2015 年調查響應的陸上 (a) 和海上 (b) 風電的中位數以及25-75百分位區間的高、中值和低成本情景。幾條實線為最近公布的2014 年至 2019-2020 年陸上和海上風電實際（實現）LCOE 的估計。2020 年的調查結果未繪制在此圖中。

　　

　　

　　在討論2020年的調查結果之前，文章首先回顧了2015年的調查結果和自2015年以來的行業發展。各種最新出版報告顯示，從2014年到2019年，全球和美國的陸上風電實際的（或已經實現的）平均LCOE下降了28%~36%。即使在低位成本（10%概率）情景下（圖1），也遠遠大于2015年專家調查預測的中位數。根據近期全球和歐盟的各種估計，2014年至2019年，海上風電LCOE下降了28%~49%，同樣遠大于2015年的預測結果。

　　

　　這些預測失誤的原因很難分析，僅僅五年之后就判斷專家們的長期預測可能是不合適的。金融和材料價格發揮了作用：資金成本降到了歷史最低水平，相關大宗商品（如鋼鐵）價格也有所下降。這些因素是我們要求受訪者不考慮宏觀經濟變化造成的。補充說明1顯示，考慮這些因素僅有助于適度縮小預期和實際LCOE之間的差距（陸上風電的LCOE可能只差5%）。

　　

　　成本大幅降低的同時，風電越來越多地引入競爭性采購（例如競價）來取代固定電價的方案。專家們可能低估競價和其他形式的競爭性采購所帶來的成本壓力。與此同時，成本的降低增加了行業對海上風電的需求，這不僅導致了風電機組本身的進一步產業化，還導致了風電基礎、安裝和其他電站元素平衡的產業化。隨著經驗的積累和對項目風險更深刻的理解，項目的不可預見費用減少了。此外，技術的進步使得風電機組的發展速度比專家預測的更快。增加機組的單機容量可以減少資金成本和運營成本，因為在容量確定的風場內可以安裝和運行更少的機組。輪轂高度和風輪直徑的增加還會提升機組的容量系數。受訪者在2015年預計機組尺寸將增加，并將其視為降低LCOE的關鍵驅動力。專家們預測，2014年至2030年，典型風電機組的單機容量將變大：陸上，北美從1.9兆瓦增長到3.25兆瓦，歐洲從2.5兆瓦增長到3.75兆瓦，歐洲海上風電則從3.4兆瓦增長到11兆瓦。2019年，實際的機組容量為2.5兆瓦（美國陸上）、3.1兆瓦（歐洲陸上）和7.0兆瓦（歐洲海上），僅用了5年時間（占預計的16年中的31%）便達到2030年預期容量的44%~48%。

　　

　　2015年接受調查的專家們并非唯一未察覺到風電近期快速發展的一群人。對于陸上風電而言，2015年受訪者的預測通常比當時的文獻更為激進；但對于海上風電，他們則更為保守一些。然而，在這兩種情景下，2015年專家調查法的預測結果都在其他方法預測結果的范圍內。專家對陸上風電的情景預測中位值也與歷史上觀察到的基于LCOE的學習曲線的預測結果一致。然而，圖1所示的2014~2019年實際的LCOE值反映了全球學習率，即累積產能每增加一倍，LCOE就會下降35%~46%，這是長期歷史趨勢的2到4倍。因此，至少到2019年，根據歷史經驗預測陸上風電成本的結果將被證明與2015年調查結果的中位數一樣不準確，也無法提供所有不確定性及其根本原因。對于海上風電，在早期調查時基本上沒有成本降低的歷史記錄，一些研究顯示，2000年至2014年間，LCOE顯著增加。因此，任何對歷史學習率的外推都可能預測LCOE會逐漸增加。雖然專家們準確地預測了其與歷史趨勢的背離，但他們未察覺到，行業成熟的速度如此之快。基于海上風電容量的累積增長，圖1中的實際成本表明2014年至2019年的全球學習率為14%~33%。

　　

　　2015年，一些專家預測的未來五年的風電成本要比其他人預測的結果更準。如補充說明2所示，本文作者采用了兩種類型的準確度得分，最后發現統計證據表明，更有先見之明的專家往往屬于“領先專家”群體（海上），具有廣泛的（系統級，而非部件級）風電市場和/或技術專長（陸上），并自我認定為了解多個地區（陸上）。組織類型與預測準確率沒有統計學關系。總體來說，在低位成本和中位成本估算中表現得更加樂觀的專家們，以及在這兩種情景下預測的不確定度更大的專家們，他們的預測更加準確。

　　

　　總體而言，這些發現說明：無論采用何種方法，預測成本都是一件有挑戰的事情，同樣強調了在成本趨勢中尊重不確定性的必要性。盡管2015年的調查表明專家可能低估了不確定性，但專家調查法仍然是唯一可以直接估計不同結果概率的成本預測方法。毫無疑問，當使用于風電行業時，它比其他方法更加精確。

　　

　　

　　這一部分將總結2020年的調查結果，并與2015年結果比較，以評估預測在這5年期間的具體變化情況。2020年的調查證明了成本進一步大幅下降的可能性，以及與其相關的不確定性。

　　

　　圖2突出顯示從2020年的調查中得出的LCOE下降預期，并側重于中位成本情景，在這種情景下，LCOE升高或降低的可能性是相同的。在所有風電項目中，預計2035年LCOE將下降17%~35%，2050年LCOE將下降37%~49%（漂浮式風電成本與2019年固定式基礎風電的基準線進行比較）。

圖2. 相對于2019年基準線，中位成本情景下的預計LCOE變化百分比

　　

　　a-c，在2020 年的調查中，以百分制顯示的專家認為的 LCOE 下降的中位數由線條/標記點顯示，陰影區域同樣對應 25-75百分位范圍。圖a至c，從左至右分別為陸上風電、固定基礎海上風電、漂浮式海上風電。漂浮式海上風電的變化數與專家指定的固定基礎海上風電2019 基線數據進行的比較，如圖c中的空心圓圈所示；鑒于漂浮式海上風電仍處于新生狀態，專家預測到2025 年漂浮式海上風電LCOE 仍將高于 2019 年的固定基礎海上風電的成本。

　　

　　中位成本情景（圖2）中的25~75百分位區間表明圍繞成本降低的不確定性，在這種情景下，這是由專家的不同觀點所驅動的。這些不確定性的程度由專家對所有三種情景的LCOE預測進一步證實，包括低位成本（典型LCOE較低的概率只有10%）和高位成本（典型LCOE較高的概率只有10%）情景（圖3）。低位成本情景反映了加強研究、開發和裝機后可能出現的情況。在這種情景下，專家們在2020年預測，到2035年，所有風電項目的LCOE將減少38%~53%，到2050年，LCOE將減少54%~64%。高位成本的情景表明，降低或甚至增加成本是可能的。上一節討論的2015年預測表明，即使是低位成本估算也可能過于保守，圖3中的廣泛結果范圍可能低估了未來成本的不確定性。

圖3. 從2020年開始，所有三種情景下LCOE隨時間的預估情景變化

　　

　　a-c，顯示的是專家對中位數情景以及低情景和高情景中預期 LCOE 減少的中位數，相對于2019 年基線值的百分比。面板分別為陸上 ( a )、固定基礎海上風電 ( b ) 和漂浮式海上風電( c )的結果。漂浮式海上風電比較的是固定基礎海上風電的 2019 年基線值。

　　

　　圖4以絕對值（美元/MWh）顯示了中位情景的LCOE結果，不僅包含了2020年結果，也包含了2015年的結果。在2020年的調查中，專家們普遍預計陸上風電的價格將低于海上風電，而固定基礎海上風電的價格將低于漂浮式海上風電。然而，他們的預計在相對和絕對方面，海上LCOE的下降幅度要大于陸上LCOE。2020年專家們還預計，固定基礎海上風電成本和漂浮式海上風電成本之間的差距將縮小。與后一個發現相一致，2020年專家預計，隨著時間的推移，漂浮式海上風電成本低于固定式基礎海上風電的水深將從2019年的>80米下降至2035年的>60米。專家預測，到2035年，全球11%~25%的新建海上風電項目將采用漂浮式基礎。

圖4. 2020年和2015年調查中的中位成本情景下的LCOE預計

　　

　　陰影區域表示25-75百分位區間的中位數情景專家響應數值，虛線為2015年調查，實線為2020年中位響應數值。三個面板分別為陸上 ( a )、固定基礎海上風電 ( b ) 和漂浮式海上風電( c )的結果。另外，補充圖1提供了所有三個 LCOE 情景的類似數據，僅關注2020 年的調查。

　　

　　這兩次調查之間的LCOE差異是巨大的。這兩次調查的專家都預計中位成本情景下LCOE的下降幅度基本一致，實際上預期成本降低的相對水平相似；對于低位成本和高位成本情景同樣如此。然而，起始（2014年或2019年）基準線差異巨大，反映了中間年份實際LCOE的急劇下降。2020年的專家預計2050年LCOE的中位成本情景比2015年的預期值低43%（陸上風電）、54%（固定式基礎海上風電）和45%（漂浮式海上風電）。

　　

　　專家們對LCOE的不同預期部分也反映了地區因素。到2020年，專家們預計北美地區將比其他地區擁有成本更低的陸上項目，而歐洲將擁有成本更低的海上項目（圖5）。將專家分成其他組群通常只會發現LCOE期望值的適度差異（補充說明3）。如前所述，有證據表明，2015年“領先專家”的預測更為準確；然而，在2020年，預先確定的一小部分領先專家的成本降低預期僅表現為略微激進，與全樣本相比并沒有統計學上的差異。與2015年一樣，基于組織和專業知識類型的差異不大，通常在統計上并不明顯。

圖5. 根據2020年全球各地區調查得出的中位情景下的LCOE預估值

　　

　　a–c，線/標記表示中位數 LCOE 情景的專家響應中位數，陰影區域代表該中位數情景所有響應的25-75百分位區間數值。面板分別顯示陸上( a )、固定基礎海上( b ) 和漂浮式海上風電( c )的結果。圖中只列出了包括五位或更多受訪者的地區，雖然在某些情況下樣本數量仍然很小：陸上（亞洲6；歐洲39；北美46），固定基礎海上風電（亞洲5；歐洲52；北美18) 和漂浮式海上風電（歐洲29；北美5）。

　　

　　

　　根據2020年的調查結果，風電機組和風電場特性都會影響風電項目的LCOE，盡管預測環境條件差的風場會增多，但預計中位成本情景下的LCOE依然會降低。對于陸上風電，專家預計新項目的年平均風速中位數（地面以上100米高度處）將從2019年的7.9米/秒下降到2035年的7.5米/秒，這大概是由于普遍傾向于先在風速較高的地區建設項目的原因。對于固定式基礎海上風電，專家預測2035年的中位項目將位于離海岸較遠的位置（70公里（2035年）對40公里（2019年））和水深較深的海域（42米（2035年）對30米（2019年））。為了抵消這些趨勢，專家們預測，固定式基礎項目的中位容量將大幅擴大：900~1299兆瓦（2035年）對比500~699兆瓦（2019年）。水上100m高度處的年平均風速為9.5米/秒，預計不會在此期間發生變化。這表明，隨著項目遠離海岸，專家們認為風場的質量可以保持（而且，隨著機組尺寸的增加，輪轂高度處的風速將增加）。相對于2035年的固定式基礎海上風電項目，專家們預測，漂浮式海上風電項目的中位容量將更小（500~699兆瓦），離海岸更遠（100公里）和位于更深的水域（100~199米），并能利用到更高的年平均風速（水上100m高度處10米/秒）。

　　

　　機組尺寸的增長可能是更低LCOE的一個重要驅動因素，也降低了向環境條件略差的風電場開發的可能性。在2020年調查過程中，專家們對機組額定容量、輪轂高度和風輪直徑的進一步增長表現出更加樂觀的態度（圖6）。2015年，專家預測的中位結果表示，2030年安裝的典型陸上風電機組的額定容量將為3.25 MW。到了2020年，預測2035年的單機容量為5.5兆瓦。對于海上風電，2015年受訪者預測到2030年平均單機容量為11兆瓦，而2020年的受訪者預測2035年的平均單機容量可達17兆瓦。

圖6. 預計2035年陸上和海上風電機組的尺寸，與2019年的中位值相比

　　

　　a , b , 調查要求受訪者估計 2035 年新建項目的風電機組尺寸中值。本土顯示了受訪者的中值結果，與 2019 年安裝的項目的機組尺寸中值形成對比。對于海上風電，2019 年全球中值如圖所示。對于陸上風電，由于缺乏數據來估計全球的中位值，因此圖中引用的是美國的中位值。面板顯示分別為陸上( a ) 和海上風電 ( b )的情況。對于海上風電情況，受訪者被要求同時考慮固定基礎和漂浮式風電兩種情況下預測機組的尺寸。

　　

　　部分反映了對現場和機組特性的預期，圖7總結出專家們對2019年至2035年期間如何實現中位情景LCOE降低的看法。對于陸上風電而言，資金成本（CapEx ）和容量系數（capacity factor）的提高是最重要的。對于固定式基礎的海上風電，增加容量系數不太重要，但資金成本和其他因素更重要。要總結漂浮式海上風電的結果則更為復雜，但我們可通過比較2035年至2019年固定式基礎海上風電的基準線的專家觀點來進行。考慮到漂浮式海上風電項目的預期風速高于固定式基礎項目，與2019年固定式基礎基準線相比，2035年漂浮式海上風電LCOE估算中以容量系數占主導地位也就自然而然了。2035年漂浮式海上風電資金成本預計將高于2019年的固定式基礎海上風電。有關三種情景下絕對LCOE、資金成本、運營成本、容量系數、設計壽命和加權平均資本成本（WACC）的受訪者層面觀點的更多詳細信息，請參見補充圖3~圖8。關于不同地區和受訪人群的差異，見補充表1~表3。

圖7. 五個驅動因素對2035年中位情景下LCOE降低的影響

　　

　　對于不同的風電類型，該圖顯示了 2019 年至 2035 年影響 LCOE 的五個驅動因素（位于圖上部）中每一個的百分比變化中值。然后，作者使用受訪者級別的數據來估計這些變化對 2019 年至 2035 年間 LCOE 降低的相對影響（圖下部）。顯示了陸上（左）、固定基礎海上風電（中）和漂浮式海上風電（右）的結果。a漂浮式海上風電比較的是固定基礎海上風電的 2019 年基線數據。補充圖2提供了低 LCOE 情景下的類似分析。

　　

　　

　　將基于調查的預測和基于歷史學習率的預測相比較，可以表明專家們對風電成本在歷史道路上繼續延續的預期程度。對不同方法的預測結果進行比較，可以表明方法上的差異是否解釋了預期成本趨勢的變化。

　　

　　對于陸上風電LCOE，長期歷史學習率方法的估計結果為10%~20%，這意味著全球累計風電裝機量每增加一倍，LCOE平均減少10%~20%。將2019年至2035年預期LCOE減少的中位成本情景與一系列全球陸上（或全部）風電的裝機預測相結合，可以得出13%的中位隱含LCOE學習率（所有裝機預測的中位隱含LCOE學習率為10%~19%）。這一比率與歷史長期學習法得出的結果基本一致，但低于2014年至2019年35%~46%的計算值。

　　

　　圖8將2020年的調查結果與一系列其他的同期預測進行了對比。專家們對未來陸上風電成本的預測比其他幾項預測更為樂觀，因為假設的LCOE基準線數值更低（國際可再生能源署（IRENA）和DNV GL），成本降低百分比較高（美國能源信息署（EIA））或兩者兼而有之（國際能源署（IEA））。盡管圖中沒有描繪出，但專家們比大多數綜合評估模型中的預測更為樂觀，至少如2017年總結的那樣（Luderer, G. et al. Assessment of wind and solarpower in global low-carbon energy scenarios: an introduction. EnergyEcon. 64, 542–551 (2017). https://linkinghub.elsevier.com/retrieve/pii/S0140988317301044）。來自彭博新能源財經(BloombergNEF)和美國國家可再生能源實驗室（NREL）的預測則略低于完整的調查結果，但與受訪者對北美LCOE的看法更接近（圖5）。

圖8. 2020年調查結果與其他同期LCOE預測的比較

　　

　　a , b , 描述了陸上( a ) 和海上風電 ( b )在中位情景、低情景和高情景下專家對 LCOE 響應的中值。陰影區域涵蓋2020 年調查的結果。圖片顯示了調查結果與一系列其他LCOE 預測進行的比較。備注：這種比較并不完美，例如，有些預測在LCOE 中包括了海上輸電基礎設施的成本，而 2020 年的調查結果并不包括這些成本。在可能的情況下，我們應用跨地區的地理權重來對調查受訪者的分布進行近似處理。NREL 在其年度技術基準(ATB) 中提供了一系列成本預測的方法。國際能源署IEA 在其世界能源展望 (WEO) 報告中也提供了兩種預測方法。

　　

　　海上風電相對來說更為復雜，因為LCOE從2000年到2014年在持續增加，隨后則急劇下降。將2019年至2035年固定式基礎海上風電的中位成本情景的LCOE降低與全球海上風電累積容量的一系列裝機預測相結合，得出中位隱式LCOE學習率為14%。這一前瞻性學習率位于2014~2019年估計的14%~33%區間的最低處。

　　

　　與最近一年基準線相比，專家對海上風電成本降低百分比的評估通常與BloombergNEF一致，但與IEA、IRENA、DNV GL、NREL和Wood Mackenzie等最近的預測相比則相對更保守。然而，如圖8所示，這些差異很大程度上是由于基準線不同所造成的：2030年及以后的LCOE絕對估計值在所有這些發電來源中高度一致，EIA除外，EIA預測的成本要高得多。在陸上風電方面，與專家評估相比，綜合評估模型中使用的假設較為保守。

　　

　　除了NREL明顯不同（2020 Annual Technology baseline (NREL, 2020).），上述大多數其他預測都沒有考慮未來成本的不確定性。相反，他們為未來的LCOE提供點估計值（pointestimates）。通過對這些不確定性進行估計，調查結果提供了豐富的附加信息來源。

　　

　　

　　在過去五年中，風電成本的降低速度遠超過大多數專家、學習曲線法或工程評估法的預測。專家們預測，風電成本未來將有實質性的削減，這是所有主要影響LCOE的因素和影響機組性能組件的變化造成的，這也與我們2016年的專家調查結果和最近的系列文獻結論（參考文章7\32\50\51\52等參考文獻）一致。以資金成本（CapEx）降低為主的預測，也許最多可以預測到成本降低潛力的45%左右。這樣的趨勢和預期可能會使風電在全球能源供應中發揮比先前所認為的更大的作用，同時促進能源部門的脫碳進程。隨著成本的下降，更多的關注點可能轉向風電在能源市場中的價值，以及人類使用的沖突、對野生動物的影響和輸電需求等阻礙裝機的因素。

　　

　　在風電成本預測的方法中，專家調查法提供了一種相對簡單的評估不確定性方法。2015年和2020年風電專家調查得出的結論，也說明了低、中、高位成本情景以及專家反饋的不確定性。自2014年以來，陸上和海上風電成本實際的下降速度，即使在低位成本（10%概率）情景下，也超過了絕大多數專家在2015年的預測。這進一步凸顯了不確定性的深度和普遍性。這些結果會讓人們停止使用點預測（point fores）的方法進行未來風電成本預測，并建議能源行業的模型設計者應該考慮到成本的不確定性。更廣義的來說，研究結果表明在能源政策制定、規劃、投資和研究決策中充分考慮不確定性的重要性。

　　

　　僅過去五年就來重新評估一個對2050年成本預測的調查，可能稍顯為時尚早。盡管如此，考慮到這種驗證工作并不經常進行及其重要性，本文作者早先的工作可能會對專家調查的實施產生一定影響。首先，文章根據組織類型、專業水平和類型以及其他特征對專家預測進行的分析強調了專家選擇的意義，盡管文章發現的差異比預期的要小。其次，文章的研究結果進一步表明，過度自信可能導致專家低估結果的不確定性。那些設計調查的人應該評估潛在的過度自信的情況，并采取措施來減少其影響。再次，盡管有人擔心專家們可能過于樂觀，但事實恰恰相反，至少在過去五年中風電領域的情況是這樣的。與過去的幾次光伏調查一樣，2015年的風電專家們低估了成本降低的速度。這需要更多和更長時間的驗證工作來調查各種偏差的持續性，從而獲得更普遍適用的結果。