Distribuzione globale di grandi impianti fotovoltaici per paese e tassi di cambio. un, B, Implementazione di impianti ≥5 MW come capacità globale totale (a), quote di impianti annui (b) e sviluppo dei tassi di cambio nominali dei principali mercati del grande fotovoltaico da gennaio 2006 a dicembre 2016, indicizzato in (CNY, EURO, STERLINA INGLESE, INR o JPY)/USD, con gennaio 2006 = 1 (c); in b, un aumento indica un apprezzamento e una diminuzione indica un deprezzamento rispetto all'USD. Fonti:IRENA42 (a, b) e OFX43 e OCSE44 (c). Credito:Lilliestam et al.
Quando si tratta di prevedere i costi di nuovi sistemi e tecnologie energetiche, i ricercatori devono considerare i tassi di apprendimento, che sono misure stimate del progresso tecnologico. Infatti, i progressi tecnologici sono generalmente associati a prestazioni tecnologiche più elevate ea costi di produzione inferiori.
Ricercatori dell'Istituto di Studi Avanzati sulla Sostenibilità (IASS), l'Università di Potsdam e l'ETH Zürich hanno recentemente condotto uno studio per indagare in che misura le stime del tasso di apprendimento riflettano effettivamente il progresso tecnologico, e se possono essere influenzati da altri fattori come le fluttuazioni dei tassi di cambio. La loro carta, pubblicato in Energia della natura , si basa sui risultati raccolti nella loro precedente ricerca, suggerendo un legame tra tassi di cambio e tassi di apprendimento globali.
"Quando si finalizza un documento precedente sui tassi di apprendimento per l'energia solare a concentrazione, abbiamo deciso di cambiare la valuta di base dell'analisi da euro, che aveva senso per CSP, poiché è stato costruito principalmente in Europa, in dollari, che è la valuta standard nelle analisi economiche globali, "Johan Lilliestam, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "Facendo questo, i nostri risultati sono cambiati, il che è stato sorprendente per noi, un effetto di cui non avevamo mai sentito parlare nella letteratura sul tasso di apprendimento".
Dopo la pubblicazione di questo precedente articolo, Lilliestam ei suoi colleghi hanno deciso di approfondire le loro osservazioni per capire meglio perché e come la scelta della valuta può influenzare i tassi di apprendimento. Nel loro nuovo studio, hanno svolto una serie di analisi volte a svelare come la scelta della valuta per una data tecnologia, che è in una certa misura arbitrario, influenza infine l'osservazione empirica dei tassi di apprendimento.
I ricercatori volevano anche quantificare questo "effetto del tasso di cambio" e introdurre un metodo per compensare questo pregiudizio. Un tale metodo potrebbe in definitiva consentire stime empiriche più precise del progresso tecnologico in un contesto globale.
"Abbiamo convertito i dati grezzi:costi di progetto, espresso nella valuta del paese di ciascun progetto, in diverse valute di base, in modo che tutti i dati siano su una base uguale, " ha spiegato Lilliestam. "Poiché le valute fluttuano l'una contro l'altra, i costi dei progetti variano quando sono espressi in valute diverse e possono esagerare o mascherare il miglioramento tecnologico che la metrica del tasso di apprendimento dovrebbe misurare."
Il metodo unico che hanno sviluppato ha permesso a Lilliestam e ai suoi colleghi di calcolare i tassi di apprendimento in diverse valute, mostrando quanto sia grande l'effetto che avevano osservato in precedenza. Nella loro carta, si sono concentrati su un caso illustrativo, quella dei grandi impianti fotovoltaici superiori a 5 MW.
Successivamente, i ricercatori hanno anche ideato una serie di equazioni per filtrare l'effetto delle fluttuazioni valutarie in un periodo di tempo specifico. Usando queste equazioni, i ricercatori dovrebbero essere in grado di produrre metriche più allineate con ciò che i tassi di apprendimento dovrebbero effettivamente misurare:il miglioramento tecnologico in una specifica area di ricerca.
"I nostri risultati mostrano un altro caso di quanto sia difficile fare ricerca empirica:ci sono tonnellate di fattori inquietanti e confondenti, ed è difficile sapere quali sono importanti, " Lilliestam ha detto. "Per la nostra comunità, ci sono due importanti implicazioni. Primo, mostriamo che le stime del tasso di apprendimento globale passate possono essere influenzate dall'effetto del tasso di cambio e che questo effetto può essere grande. Secondo, la nostra scoperta è molto importante per ricercatori e analisti che utilizzano le stime del tasso di apprendimento nei loro modelli, soprattutto per coloro che eseguono modelli di ottimizzazione."
I modelli di ottimizzazione sono tecniche computazionali che possono essere utilizzate per prevedere la migliore soluzione a un determinato problema. Poiché la maggior parte dei modelli di ottimizzazione attualmente utilizzati favorisce le tecnologie più economiche basando le proprie analisi sui tassi di apprendimento globali, anche una piccola differenza percentuale può influenzare i risultati finali, identificare tecnologie specifiche come più vantaggiose o adatte a un uso particolare.
I modelli di ottimizzazione sono ora ampiamente utilizzati, sia per analisi scientifiche che per consulenze politiche, quindi il loro uso di tassi di apprendimento distorti può in definitiva portare a politiche e implementazioni tecnologiche non realistiche. Migliorando la precisione delle stime del tasso di apprendimento, il metodo introdotto da Lilliestam e dai suoi colleghi potrebbe quindi influenzare anche i risultati di questi modelli, portando a politiche più efficaci e vantaggiose in materia di tecnologia.
"Stiamo ora esaminando come la politica influisce sul cambiamento tecnologico, quindi conducendo analisi applicabili allo stesso campo, ma concentrandosi più sui driver dell'apprendimento tecnologico che sui modi per valutare l'apprendimento, " ha aggiunto Lilliestam.
© 2020 Scienza X Rete
