在预测新能源系统和技术的成本时，研究人员必须考虑学习率，这是衡量技术进步的估计指标。事实上，技术进步通常与更高的技术性能和更便宜的生产成本有关。
高级可持续性研究所（IAS S）、波茨坦大学（University of Potsdam）和苏黎世E TH的研究人员最近进行了一项研究，调查学习率估计实际反映技术进步的程度，以及是否能受到汇率波动等其他因素的影响。他们发表在《自然能源》（Nature Energy）上的论文借鉴了他们先前研究中收集到的研究结果，暗示了汇率与全球学习率之间的联系。
进行这项研究的研究人员之一约翰·利利斯塔姆（Johan Lilesestam）告诉TechXplore说：“在完成前一篇关于集中太阳能发电的学习率的论文时，我们决定将分析的基础货币从欧元（这对CSP来说是有意义的，因为它主要是在欧洲建造的）改为美元，美元是全球经济分析的标准货币。通过这样做，我们的结果发生了变化，这让我们感到惊讶——这是我们在学习率文献中从未听说过的效果。
在这篇先前的论文发表后，Lileestam和他的同事决定进一步调查他们的观察结果，以更好地理解货币的选择为什么和如何影响学习率..在他们的新研究中，他们进行了一系列分析，旨在揭示特定技术的货币选择在某种程度上是任意的，最终如何影响对学习率的经验观察。
研究人员还希望量化这种“汇率效应”，并引入一种方法来弥补这种偏见。这种方法最终可以在全球范围内对技术进步作出更精确的经验估计。
“我们将原始数据----以每个项目所在国的货币表示的项目成本----转换成不同的基础货币，以便所有数据在平等的基础上，”Lilliestam解释说。”由于各种货币相互波动，项目的成本在以不同货币表示时各不相同，可能夸大或掩盖学习率度量应该衡量的技术改进。
他们开发的独特方法使Lileestam和他的同事能够以几种货币计算学习率，显示出他们以前观察到的实际效果有多大。在他们的论文中，他们集中讨论了一个说明性的案例，即5兆瓦以上的大型光伏电站。
随后，研究人员还设计了一套方程式，以过滤掉特定时期内货币波动的影响。使用这些方程式，研究人员应该能够产生更符合学习率实际应该衡量的指标：特定研究领域的技术改进。
利利斯塔姆说：“我们的研究结果显示了另一个很难做实证研究的例子：有很多令人不安和困惑的因素，很难知道哪些因素是重要的。”“对我们社区来说，有两个重要的影响。首先，我们表明，过去的全球学习利率估计可能受到汇率效应的影响，这种影响可能很大。第二，我们的发现对于研究人员和分析人员来说，在他们的模型中使用学习率估计是非常重要的，特别是对于那些运行优化模型的人来说。”
优化模型是可以用来预测给定问题的最佳解决方案的计算技术。由于大多数目前使用的优化模型都倾向于基于全球学习率的分析的廉价技术，即使百分比上的微小差异也会影响其最终结果，从而确定特定技术更有利或更适合于特定用途。
优化模型现在被广泛使用，无论是用于科学分析还是政策建议，因此它们使用有偏见的学习率最终会导致不切实际的政策和技术实施..通过提高学习率估计的精度，Lileestam和他的同事引入的方法也因此可以影响这些模型的结果，从而导致更有效和有益的技术相关政策..
“我们现在正在研究政策如何影响技术变革，因此进行适用于同一领域的分析，但更多地关注技术学习的驱动因素，而不是评估学习的方法，”Lilesestam补充道。
进一步探索
在学习率评估中注重技术学习。socialsciences.nature.com/user.ing-rate-assessments
Johan Lilliestam等人经验观察到的集中太阳能的学习率及其对政权更迭的反应，自然能源（2017）。DOI：10.1038/核能。2017.94