原文信息
研究背景
在全球推进清洁能源转型的过程中，能源技术的建模对于政策制定和投资决策至关重要。然而，现有的许多数据驱动的能源技术模型由于缺乏科学的统计测试，导致预测结果不可靠。尤其是对于太阳能光伏和风能等技术的未来部署预测，模型容易出现高估成本或低估未来扩展的现象。为了确保这些模型能够为能源系统转型提供可靠的参考，必须对模型进行严谨的统计测试，以验证其预测的可信度。
研究方法
该研究重点分析了现有的多种数据驱动技术变革模型，特别是S曲线模型在预测技术扩散中的应用。研究通过回顾历史部署和成本数据，探讨了模型的过拟合、数据选择偏差以及不合理的假设问题。作者建议使用标准的统计方法（如分样本测试和外样本测试）对模型进行验证，并根据多种不同的技术和情景进行模型的可靠性评估。
研究结论
研究表明，由于缺乏统计测试，许多数据驱动的能源技术模型无法准确预测未来的技术扩展。特别是太阳能光伏和风能的部署预测经常低于实际发展速度。此外，模型对电池成本的预测也过高，影响了未来能源转型的投资决策。研究建议通过更严格的统计验证方法（如外样本测试）来提高模型的可靠性，并指出在当前能源系统建模中的许多误差可以通过改进统计测试方法来避免。
关于我们
这是我们推送的第4113篇文章。 3E论文速递，周一至周四每天推送两篇能源环境经济学最新研究，周五推送一篇专题文献汇总！
欢迎长按以下二维码关注我们！
点击下方 “阅读原文” 访问文章源链接
