Fremtidig LCOE-utvikling for flytende havvind: En analyse av historisk kostnadsutvikling og læring for solkraft-, landvind-, og bunnfast havvind-teknologi

Abstract

Verden går inn i en fase med stor satsing på elektrifisering og opprustning av fornybare teknologier. Flytende havvind antas å være en av teknologiene som vil bidra med størst kapasitet inn i både det europeiske og amerikanske kraftmarkedet. Denne masteroppgaven bruker historiske læringskurver og tilhørende læringsparametere for solmoduler, landvind og bunnfast havvind for å estimere mulige scenario av læringskurver for flytende havvind. Å kartlegge hvordan utviklingen og læringsraten kan se ut for flytende havvind, og analysere læringseffektene som ligger bak, gir det et bedre grunnlag for å nå havvindaktørenes ambisjonsnivå for kostnadsreduksjon. Kostnadsreduksjon er nødvendig for å gjøre flytende havvind konkurransedyktig med konvensjonelle kraftteknologier som gass og kull, men også andre fornybare teknologier. Resultatet fra analysen er at LCOE estimeres til å bli mellom 0,026 $/kWh-0,071$/kWh for fremtidig kumulativ kapasitet på 50 GW, mellom 0,02 $/kWh0,06$/kWh for 100 GW kumulativ kapasitet, og mellom 0,016$/kWh-0,054$/kW for 200 GW kumulativ kapasitet, dersom flytende havvind følger samme utvikling som teknologiene læringskurvene baseres på. En slik utvikling gir en læringsrate på mellom 13,2-22,3%. ‘Economies of scale’, ‘learning-by-doing’ og ‘spillover’-effekten har vært de viktigste læringseffektene for den historiske kostnadsutviklingen for solmoduler, landvind og bunnfast havvind, og forventes å bidra til kostnadsreduksjon for flytende havvind også. Oppgaven konkluderer med at estimatene for LCOE er realistiske, men at for å nå dem så må flere land og fagområder samhandle for å oppnå kommersiell utbygging av flytende havvind, som vil bidra til et mer klimavennlig energimarked.

The world enters a phase with more substantial investments towards the electrification of the energy market and building of renewable energy. Floating offshore wind is expected to be one of the technologies which will contribute a great share of power into the European and American power market. This master thesis uses learning curves and learning parameter for solar PV, onshore wind, and offshore fixed-bottom wind to estimate possible, future scenarios for floating offshore wind. Mapping the possible development and learning for floating offshore wind, and analyzing the learning effects, gives a better basis for reaching the offshore companies’ goals for cost reduction. Cost reduction is necessary to make floating offshore wind a competitor alongside conventional power technologies, such as gas and coal, but also other renewable technologies. The result of the analysis is that LCOE is estimated to become a value in between 0,026 $/kWh-0,071$/kWh for future cumulative capacity of 50 GW, between 0,02 $/kWh-0,06$/kWh for 100 GW cumulative capacity, and between 0,016$/kWh-0,054$/kW for 200 GW cumulative capacity, if floating offshore wind follows the same cost development as the other technologies. Such development results in a learning rate between 13,2-22,3%. Economies of scale, learning-by-doing, and the spillover-effect, have been the most important learning effects in the historical cost development for solar PV, onshore wind, and offshore fixed-bottom wind, and is expected to be contributors to the Side 3 av 60 cost reduction of floating offshore wind as well. The conclusion of the thesis is that the estimates of LCOE are realistic, however, countries and different fields of study need to work together to obtain commercial development for floating offshore wind, and in turn, contribute to a more climate friendly energy market.