能源气候经济模型越复杂就越好吗？

好文转载：

Shangwei Liu 原创 发表于《环境科学与政策》 2025年2月27日 11：09 美国

笔者读博时某次和老师们讨论电力系统模型，M老师就担心电力系统模型的结果到底可不可靠，怎么去验证其有用和可靠性？比如空气污染模型就需要和实际的空气质量做个对照，先看看模拟得准不准，能源经济模型怎么被验证呢？

J老师就说电力系统模型也没有什么特殊的，我们也可以做一个历史模拟。但是电力系统模型因为主要是优化模型，其结果是最经济的建设方案，和历史情况对比就比较麻烦。

因为缺乏现实可验证性，能源转型模型以及类似的气候减排模型都几乎不能用来发现新东西，只能成为研究者主观预期的定量化方法，用来阐释某一现象的机制和规模（参见新一代能源环境经济评估模型的野望；评估模型结果更像是研究者主观预期的定量化）。即使是运行一亿种不同的情景或者寻找最极端的情况，也无法摆脱研究者主观预期的各种假设，大多数研究只能得到一个“not even wrong"的看起来正确的结果。

Nature Energy最近发表的一篇文章就尝试用1990-2019年的欧洲31国的真实数据去看电力系统优化模拟到底靠不靠谱，也就是去拿电力系统优化模拟的结果和实际的情况对比。

研究的重点是比较一般的经济技术优化方法（techno-ecnomic)和加入社会经济因素的方法的结果，其加入社会因素的方法主要是以下六点：

• 锁定效应（Lock-in, L）：如果现有发电设施仍然经济可行，其寿命可延长 10（20；30）年，保持原有利用率，从而延缓新技术的替代进程。

• 快速转型（Fast transition, T）：如果新技术经济上更具优势，现有设施可提前退役，但每年淘汰量受限于已装机容量的 2%（5%；10%），以模拟不同的转型速度。

• 行为异质性（Actor heterogeneity, A）：投资者不会始终选择成本最低的技术，即使成本差距达 20%，市场份额也会是 75%（60%；90%）而非 100%，反映现实市场的不确定性。

• 投资风险（Investment risks, I）：不同国家和技术对应不同的加权平均资本成本（WACC），影响投资决策，使得资本密集型技术在不同市场上的经济可行性有所不同。

• 公众接受度（Public acceptance, P）：如果超过 60%（50%；70%）的人口反对某项技术，则其无法新增装机；若 80% 以上的人口支持风能和太阳能，则其投资成本下降 20%。

• 治理模式（Governance, G）：电力市场自由化与公共所有权影响可再生能源投资成本——当准入门槛低且国有企业占比高，成本下降 20%（10%；30%）；反之则上升。 （本部分来自AI总结）

这个文章的结果贡献很重要，既在情理之中、但也令人唏嘘。上述的经济技术优化方法（techno-ecnomic)+六类假设改进可以产生很多中模拟假设、和相应的结果，如下图所示。横轴是各个国家，纵轴是从单纯经济技术优化方法到各类模拟假设。图中的数字是SMAPE相对于单纯经济技术优化方法模拟的变化，可以简单理解一个指标，越小（负值）表示模拟得越好（下图是模拟的总电力容量建设，所以越负，表示模拟得1990-2019年的模拟结果更好），黑框是所有模拟假设中对该国模拟的最好的。

文章发现有些国家直接用经济技术优化方法（techno-ecnomic)就是模拟的最好的，另外一些国家则最好用改进的方法，作者也没有发现很突出的规律，但似乎技术更单一的地区直接用经济技术优化方法（techno-ecnomic)少做改进的模拟结果最好，而技术风光生物质更多的地区需要更复杂的假设。

更有意思的是，如果某种模拟方法在某个国家对其历史装机量模拟最好，它对可再生能源装机量、碳排放的模拟则不一定。

十分可惜，文章的正文和SI都没有讨论历史装机量模拟正确率具体是多少、正确率是否随着时间变化。

不过笔者觉得有几点结论似乎比较肯定：

（1）能源系统模型当然不能是说A模型的假设没有把X因素考虑，我们修改一下就是更接近现实，也即不是越复杂结果就越接近真实。这样说和诈骗无异。能源系统模型的这种假设改进可以用说明研究者主观预期的机制和规模，但和其是不是更接近现实基本没什么关系。

（2）下一代能源系统模型在多个方向都有探索，但是值得反思的是，我们是想让他的预测性更强，还是模拟力更优？如前所述，预测性和模拟力是两件不同的事。目前学科范式的关注重点在模拟力，比如B模型考虑了XYZ，又加上各种反馈，所以就比A模型好。

（3）回到关于模型的两句老生常谈，一句是“所有的模型都是错的，但是有些是有用的”，第二句则常常用来解释模型怎么样才能有用，类似“模型选择要跟着研究问题走”。这样的模型观念既是能源模型研究的魅力，也是模型研究的枷锁。其魅力在于模型研究的好坏归根到底在于我们研究者的判断力。其枷锁在于倘若20年前，我们模拟出光伏成本20年下降90%的结果，我们这些研究者都会赶紧说，这结果也太不靠谱了，咱再改改参数吧。

本期文章：Fisch-Romito, V., Jaxa-Rozen, M., Wen, X. et al. Multi-country evidence on societal factors to include in energy transition modelling. Nat Energy (2025). https://doi.org/10.1038/s41560-025-01719-7