کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5105822 1481252 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Wind power costs expected to decrease due to technological progress
ترجمه فارسی عنوان
به دلیل پیشرفت تکنولوژی، هزینه های انرژی باد کاهش می یابد
کلمات کلیدی
انرژی باد، پیشرفت تکنولوژی، روند قیمت، پیش بینی، سیاست انرژی،
ترجمه چکیده
پتانسیل کاهش هزینه های انرژی در آینده برای خط مشی های پذیرش و پشتیبانی تاثیر می گذارد. تجزیه و تحلیل پیشین کاهش هزینه ها نتایج متناقض را ارائه می دهد. میزان یادگیری یا کاهش هزینه ی کسری در هر دو برابر شدن تولید، بسته به نوع مطالعه، به ترتیب 3٪ تا 33٪ است. به اعتقاد ما این کمبود اجماع به تغییرات زیاد در پیش بینی هزینه های آینده انرژی باد کمک کرده است. ما دریافتیم که نرخ یادگیری می تواند به سال های شروع و پایان مجموعه داده ها و محدوده جغرافیایی مطالعه بسیار حساس باشد. بر اساس یک منحنی تجربه تک فاکتور که منافع فاکتور ظرفیت را به دست می دهد، کاهش کیفیت باد و تغییرات خارجی در هزینه های سرمایه، ما یک مدل بهبود یافته با تغییرات متغیر زمانی را توسعه می دهیم. با استفاده از یک مدل تصویب جهانی، میزان یادگیری بادی بین 7.7٪ تا 11٪ است و برآورد پیشنهادی 9.8٪ است. با استفاده از سناریوهای جهانی برای استقرار باد آینده، این میزان نرخ یادگیری به این معنی است که هزینه انرژی باد از 5.5 سنت / کیلووات ساعت در سال 2015 به 4. 1-4.5 سنت / کیلووات ساعت در سال 2030 کاهش می یابد، کمتر از تعدادی از پیش بینی های دیگر. در صورت دستیابی، قدرت باد ممکن است ارزانترین شکل تولید برق جدید تا سال 2030 باشد، و این نشان می دهد که پشتیبانی و سرمایه گذاری در باد بایستی حفظ یا گسترش یابد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
چکیده انگلیسی
The potential for future cost reductions in wind power affects adoption and support policies. Prior analyses of cost reductions give inconsistent results. The learning rate, or fractional cost reduction per doubling of production, ranges from −3% to +33% depending on the study. This lack of consensus has, we believe, contributed to high variability in forecasts of future costs of wind power. We find that learning rate can be very sensitive to the starting and ending years of datasets and the geographical scope of the study. Based on a single factor experience curve that accounts for capacity factor gains, wind quality decline, and exogenous shifts in capital costs, we develop an improved model with reduced temporal variability. Using a global adoption model, the wind-learning rate is between 7.7% and 11%, with a preferred estimate of 9.8%. Using global scenarios for future wind deployment, this learning rate range implies that the cost of wind power will decline from 5.5 cents/kWh in 2015 to 4.1-4.5 cents/kWh in 2030, lower than a number of other forecasts. If attained, wind power may be the cheapest form of new electricity generation by 2030, suggesting that support and investment in wind should be maintained or expanded.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Policy - Volume 106, July 2017, Pages 427-435
نویسندگان
, , , ,