绿金论文 | 可再生能源可负担性的政策路径：基于机器学习的人工智能、碳定价与绿色金融在发达经济...

来源：市场资讯

（来源：江苏省绿色金融高端智库）

摘要

全球碳中和转型背景下，发达经济体实现可再生能源平价发展愈发关键。本文以七国集团（G7）为研究样本，探究人工智能、碳定价覆盖范围、绿色金融、可再生能源技术创新、可再生能源占比，以及可再生能源技术创新与绿色金融交互项对可再生能源发电成本的影响。研究采用光伏与陆上风电平准化能源成本指数衡量可再生能源平价水平。为识别非线性关系并处理高维政策交互效应，本文运用标准LASSO、自适应LASSO、弹性网络回归等机器学习正则化方法，同时结合双重机器学习模型开展因果识别。实证结果表明：人工智能应用、可再生能源规模扩容、扩大碳定价覆盖范围均能显著压降可再生能源成本；单纯依靠可再生能源技术创新在发展初期会推高平准化能源成本，体现出产业前期资本投入强度大的特征，而可再生能源技术创新与绿色金融协同联动可借助金融赋能加速技术商业化落地，有效降低发电成本。研究进一步通过贝叶斯模型平均法、Driscoll-Kraay估计、面板校正标准误等方法完成稳健性检验，验证结论可靠稳定。据此本文提出政策建议：强化人工智能赋能电网调度管理、健全完善绿色金融体系、持续推行有效碳定价机制，助力各国依托可持续发展SDG 7和SDG 13，加快推进低成本清洁能源转型进程。

研究背景及意义

气候变化、能源安全诉求与可持续发展诉求推动全球能源格局发生根本性变革。获取可负担、可靠且清洁的能源被置于联合国可持续发展目标的核心位置，其中可持续发展目标第7项明确要求普及能源可及性，并大幅提升可再生能源在全球能源结构中的占比。在联合国气候变化大会第28届、第29届会议等近期全球气候对话中，可持续发展目标第7项再次重申各国需通过推广可再生能源、扩大绿色投资、推进技术创新加速脱碳进程。已有实证研究指出，可再生能源、绿色金融与制度稳定性在各国实现可持续发展目标进程中存在联动作用。例如，新兴经济体相关研究证实，可再生能源发展与绿色金融协同作用，能够实现环境污染与经济增长脱钩，助力可持续发展目标第13项落地。尽管全球已开展多项减排行动，但可再生能源技术的可负担性仍是制约低碳转型节奏的关键难题，在能源需求庞大的发达经济体中尤为突出。

平准化能源成本指数衡量了发电设施在整个运营寿命周期内，每兆瓦时发电量的平均建设与运营成本，现已成为评估光伏、风电等可再生能源技术经济可行性的基准指标。尽管技术迭代与政策调整推动全球平准化能源成本指数整体下行，但各国间仍存在显著差异，七大工业国内部分化尤为明显。这种差异源于各国创新能力、融资机制、碳定价政策与数字基础设施建设水平的不同。七大工业国在可再生能源发展领域处于全球引领地位，其可再生能源发电量占本国总发电量的50%，高于41%的全球平均水平，但各国发展进度并不均衡。以英国为例，2023年风电、光伏与水电发电量占全国总发电量的36%，其中风电占比达29.4%；依托完善的电网整合体系与技术创新，英国陆上风电平准化能源成本已降至每兆瓦时38英镑。

当前，平准化能源成本指数的压降瓶颈已超越单纯的技术与资金层面。制度僵化、绿色金融供给不稳定、政策协同性不足、碳定价体系运行低效等因素，均制约了可再生能源的成本竞争力。此外，人工智能在能源需求预测、设备运维领域的应用不足，进一步造成能源系统运行效率低下。理论层面普遍认为，可再生能源技术创新能够降低能源成本，但实证数据显示，高收入经济体的技术创新在初期会因高额研发投入与规模化布局成本，推高平准化能源成本指数；待形成规模经济与效率提升效应后，成本才会逐步回落。与此同时，可再生能源技术创新与绿色金融的交互效应能够显著压低平准化能源成本指数，意味着技术创新与定向金融支持协同布局，可提升清洁能源技术的成本优势、加快推广落地速度、增强经济可行性。

现有研究难以全面刻画平准化能源成本指数影响因素的动态性与交互性。多数文献仅单独探究可再生能源技术创新、绿色金融或碳定价对平准化能源成本指数的作用，忽视了变量间的协同效应与结构关联性；鲜有实证研究剖析人工智能、可再生能源装机规模与金融支持如何联动影响各国能源成本；同时，依托实时宏观面板数据开展相关研究的成果较少，针对不同监管体系与能源政策框架下七大工业国的专项研究更为匮乏。本研究构建综合宏观面板分析框架，纳入可再生能源技术创新、绿色金融、人工智能、碳定价覆盖范围、可再生能源占比及二者交互项，系统探究七大工业国平准化能源成本指数的驱动因素。研究基于世界发展指标数据库、数据世界官网、国际可再生能源署2023年更新的跨国面板数据集，剖析政策、金融、技术因素的独立影响与联合作用。实证结果显示，可再生能源技术创新在短期会推高平准化能源成本指数，大概率源于新技术落地应用的高额成本；而人工智能融合应用、可再生能源占比提升、碳定价覆盖范围扩张、绿色金融发展，以及可再生能源技术创新与绿色金融的交互作用，均对平准化能源成本指数产生显著负向影响，彰显了各类要素协同赋能可再生能源成本优化与政策适配的价值。

研究亮点

本研究构建整合分析框架，同步探究发达经济体可再生能源成本的技术、金融与政策驱动因素，丰富了可再生能源可负担性领域的研究体系。过往研究多孤立分析可再生能源创新、绿色金融或碳定价的单一作用，本研究重点考察三者的联合效应与交互影响，聚焦可再生能源技术创新与绿色金融的降本协同机制；同时将人工智能纳入研究框架，探究数字化转型如何提升清洁能源市场的成本竞争力。基于2005—2021年七大工业国面板数据，结合机器学习因果推断方法，本研究达成三大研究目标：一是识别各国平准化能源成本指数差异的核心驱动因素；二是评估人工智能、碳定价覆盖范围、可再生能源规模化布局与绿色金融对可再生能源可负担性的作用机制；三是验证金融机制是否能够通过交互效应加速技术创新向商业化落地转化。通过解答上述研究问题，本研究为各国推进廉价清洁能源转型、落实可持续发展目标及全球气候承诺提供实证依据与可落地的政策参考。

研究结果

1.实证检验结果

首先开展初步统计检验，判断面板数据特征并选取适配的估计方法。针对七大工业国研究样本，需识别国家间经济政策冲击的传导效应与截面系数异质性特征。表3截面相关性检验结果显示，平准化能源成本指数、人工智能、可再生能源技术创新、可再生能源占比等多数变量均在1%显著性水平下存在强截面相关性，表明全球能源趋势、协同政策举措、技术扩散等不可观测共同冲击会同步影响所有样本国家。截面相关性的存在说明需采用第二代面板检验方法。佩萨兰与山形斜率同质性检验的德尔塔统计量与调整后德尔塔统计量均在1%水平显著，拒绝斜率同质原假设，证实各截面单元系数存在异质性，需采用允许个体效应差异的计量模型。

表4截面增广Dickey-Fuller单位根检验、截面增广IPS单位根检验结果显示，变量呈现零阶单整与一阶单整混合特征，因此需通过面板协整检验，判断可再生能源成本与其影响因素间是否存在长期稳定均衡关系。截面相关性特征也进一步支撑采用能够考量七大工业国共同冲击的第二代面板分析方法。表5面板协整检验结果表明，佩德罗尼协整检验与考奥协整检验均拒绝无协整关系原假设，证实平准化能源成本指数与人工智能、碳定价覆盖范围、绿色金融、可再生能源技术创新、可再生能源占比间存在长期均衡关联；变量短期存在波动，但长期走势协同一致，验证了长期面板估计的有效性。

图3至图5为正则化模型核心输出结果，左侧为系数路径图，右侧为交叉验证效果图。系数路径图刻画正则化参数λ增大过程中，各解释变量估计系数的变化趋势；λ取值越高，模型对系数的惩罚力度越强，次要变量系数逐步收敛至零，直观呈现变量筛选过程，仅核心解释变量在高惩罚力度下仍保持非零系数。交叉验证效果图展示不同λ取值下模型均方误差变化趋势，每条曲线对应K折交叉验证的子样本，绿色实线为平均均方误差，红色虚线标注最优λ取值，该点模型复杂度与预测精度实现最优平衡，可有效规避模型过拟合风险。

进一步采用双重选择LASSO、剥离法LASSO、交叉拟合剥离法LASSO等推断式机器学习模型，验证正则化模型筛选出的六大核心变量的解释力。此类方法可识别解释变量与可再生能源价格间的因果关联，同时有效处理内生性、遗漏变量偏差与高维数据问题。表6机器学习回归结果显示：碳定价覆盖范围对平准化能源成本指数呈负向影响，三类模型系数分别为-0.0028、-0.0009、-0.0017，意味着碳定价覆盖范围每提升1%，可再生能源成本分别下降0.28%、0.09%、0.17%。碳定价机制一方面抬升化石能源发电成本，另一方面通过优化投资导向助力可再生能源发展，提升其经济竞争力。

人工智能对平准化能源成本指数呈现显著负向作用，三类模型系数依次为-0.0343、-0.0216、-0.0253，表明人工智能应用水平提升能够压低平准化能源成本指数。从经济逻辑来看，数字化技术能够优化能源需求预测、提升电网灵活性与运营效率，进而降低系统运行损耗，实现可再生能源成本下降，与现有研究结论一致。人工智能可完善能源预测精度、稳定电网运行、优化供需匹配，减少运营效率损耗，最终实现可再生能源降本。

可再生能源占比在三类模型中均对平准化能源成本指数呈现显著负向影响，系数分别为-0.0278、-0.0201、-0.0237，即可再生能源占比每提升1%，能源成本对应下降2.78%、2.01%、2.37%。可再生能源规模化布局可依托学习效应、基础设施应用成熟度提升实现成本节约，这一结论也得到现有学术研究的支撑。

绿色金融对平准化能源成本指数存在负向影响，但统计显著性较弱。绿色金融可为可再生能源项目提供资金支持、降低成本与投资风险，提升项目商业可行性，最终压低电价；而绿色金融的降本效应在与技术创新联动时更为突出，体现在可再生能源技术创新-绿色金融交互项的显著作用上。

可再生能源技术创新对平准化能源成本指数呈现正向影响，三类模型系数分别为0.3265、0.2054、0.2613；而交互项可再生能源技术创新-绿色金融系数依次为-0.4126、-0.3302、-0.4381，呈显著负向作用。技术创新推高短期能源成本的结论看似与理论认知相悖，实则源于技术创新的阶段性成本特征：创新初期需投入高额研发资金、开展试点项目，技术落地应用初期效率偏低、资本投入密集，在技术尚未成熟与规模化布局前，会短期抬升可再生能源成本；长期随着技术迭代成熟，将逐步释放降本效应。

可再生能源技术创新与绿色金融的交互项显著压低平准化能源成本指数，表明二者协同布局能够大幅降低可再生能源成本。金融支持可帮助创新主体突破资金约束与市场准入壁垒，而这也是制约技术创新落地的核心障碍；绿色金融能够提供流动性支持、风险分担工具与稳定政策环境，助力新技术快速规模化推广，依托干中学效应、规模经济与技术扩散实现成本优化。绿色金融为创新项目注入资金，能够平抑成本波动、催生规模经济，缩短技术降本周期。

综上，可再生能源技术创新体现创新初期的成本抬升特征，而可再生能源技术创新与绿色金融的联动作用实现后期成本压降，契合两阶段创新理论：短期研发投入推高成本，长期金融赋能下的规模化落地实现显著降本。三类机器学习模型估计结果可视化对比见图6。

2.稳健性检验结果

为验证基准回归结论的可靠性，本研究采用Driscoll-Kraay方法与面板校正标准误方法开展稳健性检验，两类方法均能有效处理宏观面板数据常见的截面相关性、异方差、序列相关与个体异质性问题。表7稳健性检验结果与正则化模型、双重机器学习估计结论高度一致：碳定价覆盖范围、人工智能、绿色金融、可再生能源占比及可再生能源技术创新-绿色金融交互项均对平准化能源成本指数呈现显著负向影响，说明政策工具、数字基础设施、金融机制与规模扩张能够协同压低七大工业国可再生能源成本。其中人工智能与碳定价的降本效应保持稳健，表明数字化效率提升与碳市场激励机制，在考虑发达经济体截面溢出效应后仍具备稳定降本作用。可再生能源技术创新系数仍显著为正，印证创新初期高额研发投入与商业化壁垒会短期抬升成本；而其与绿色金融的交互项持续显著降本，凸显金融中介在推动技术创新向规模化应用转化中的核心价值。模型拟合优度达0.755，整体模型显著性检验通过，说明模型解释力较强、估计结果稳定可靠。稳健性检验进一步证实，七大工业国可再生能源可负担性转型依托创新、政策、金融多机制协同驱动，结论不受估计方法选择影响。

3.结果分析

实证研究结论为剖析七大工业国可再生能源可负担性的结构性驱动因素提供了重要依据。人工智能的稳定降本效应表明，数字化转型能够优化能源系统运行、提升预测精度、完善电网调度效率，与可再生能源整合领域最新研究结论相符。预测精度提升可降低高渗透率可再生能源系统的调频与备用成本；七大工业国数字基础设施完善，人工智能赋能效率提升带来的降本空间远超欠发达经济体。可再生能源占比的负向影响也印证了干中学效应与规模经济理论：可再生能源渗透率提升依托技术扩散、供应链成熟化、系统运维经验积累，逐步压低装机与运营成本，契合可再生能源市场学习曲线理论。碳定价覆盖范围通过内部化化石能源环境外部成本，改变各类电源相对竞争格局，助力可再生能源降本；七大工业国碳排放交易体系运行成熟，碳定价能够引导长期可再生能源投资布局。

可再生能源技术创新短期推高平准化能源成本指数，根源在于创新初期研发投入、试点布局与商业化进程的资本密集属性。而可再生能源技术创新与绿色金融的负向交互效应表明，配套金融支持能够推动技术从试验研发阶段快速转向规模化低成本落地，契合两阶段创新理论：研发初期成本抬升，金融赋能可加速技术学习迭代与商业化进程。总体而言，发达经济体可再生能源可负担性提升并非单一政策工具作用的结果，而是数字化建设、金融发展、技术创新体系与碳定价机制协同发力的成果。

研究展望

本研究结论具备稳健性，但仍存在一定研究局限。

第一，可再生能源技术创新对平准化能源成本指数的影响存在技术成熟度异质性，本研究未区分新兴创新技术与成熟创新技术的差异化成本效应，未来可构建细分创新指标，精准评估不同技术成熟度下的成本演化规律。

第二，本研究仅选取可再生能源技术创新与绿色金融一组交互项，尚未探究人工智能与可再生能源技术创新、人工智能与绿色金融等潜在交互关系，后续可拓展交互维度，剖析技术、金融、数字化要素的联动成本影响机制。

第三，研究样本仅聚焦制度与创新体系完善的七大工业国发达经济体，研究结论难以直接适用于金融体系薄弱、政策框架差异化的新兴经济体与发展中国家，未来可拓展样本至全球多类型经济体开展对比研究。

第四，本研究采用综合平准化能源成本指数开展分析，后续可构建光伏、风电分品类成本指数，细化研究结论，制定更具针对性的政策建议。

初审：胡锦华

审核：徐彩瑶

排版编辑：徐娴雅

文献推荐人：徐娴雅