AI 模型重塑再生能源預測：挑戰傳統 S 曲線，助攻全球氣候目標

傳統上，再生能源的成長預測多半依賴穩定漸進的模型，然而風力與太陽能的實際部署速度卻屢次超出預期，同時也難以精確預測其具體進程。

Chalmers University of Technology 的一項最新研究導入創新方法，運用機器學習技術，並整合全球逾 200 個國家的歷史數據。該模型旨在捕捉清潔能源擴張過程中不均勻的週期性發展模式，挑戰了傳統的 S 形曲線框架，提出了更具變數且基於觀測結果的機率性部署前景。

此機器學習系統經過 13,000 個模擬情境的訓練，涵蓋了多種可能的未來發展。在與歷史數據比對測試時，該模型展現了其在未來分析應用上的準確性。

根據其預測，至 2050 年，陸上風力發電有望供應全球約 25% 的電力需求，而太陽能則可佔約 20%。這些 2050 年的估計值與將全球升溫限制在 2°C 的路徑一致，但仍不足以達成 1.5°C 的更嚴格目標。

研究指出，目前的部署趨勢雖持續擴張，但若無重大干預，其速度仍不足以實現更具積極性的氣候目標。這項發現也為聯合國氣候變遷大會（COP28）所設定的 2030 年再生能源容量三倍增目標提供了情境分析。該目標在模型預測的情境中屬於上限，其達成將有賴於主要市場持續的協調合作、政策支持以及基礎設施投資。

研究強調，再生能源部署的早期加速對於實現宏大的氣候目標至關重要，所需的成長率應與歐盟和印度的發展速度相當。若延遲採取行動，將壓縮擴張的時間表，並增加實施的複雜性。這類考量變異性的模型，相較於假設線性進展的模型，能為能源轉型的策略規劃提供更為實用的基礎。