Als het gaat om het voorspellen van de kosten van nieuwe energiesystemen en -technologieën, onderzoekers moeten rekening houden met leertempo's, dat zijn geschatte maatstaven voor technologische vooruitgang. In feite, technologische vooruitgang wordt doorgaans geassocieerd met hogere technologische prestaties en lagere productiekosten.

Onderzoekers van het Institute for Advanced Sustainability Studies (IASS), de Universiteit van Potsdam en ETH Zürich hebben onlangs een onderzoek uitgevoerd naar de mate waarin schattingen van de leersnelheid daadwerkelijk de technologische vooruitgang weerspiegelen, en of ze kunnen worden beïnvloed door andere factoren, zoals wisselkoersschommelingen. hun papier, gepubliceerd in Natuur Energie , bouwt voort op bevindingen die zijn verzameld in hun eerdere onderzoek, hint naar een verband tussen wisselkoersen en wereldwijde leertarieven.

"Bij het afronden van een eerder artikel over leerpercentages voor het concentreren van zonne-energie, we besloten om de basisvaluta van de analyse te veranderen van euro's - wat logisch was voor CSP, omdat het voornamelijk in Europa werd gebouwd - tot dollars, wat de standaardvaluta is in wereldwijde economische analyses, "Johan Lilliestam, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "Door dit te doen, onze resultaten veranderden, wat voor ons verrassend was - een effect waar we nog nooit van hadden gehoord in de literatuur over leersnelheid."

Nadat dit vorige artikel was gepubliceerd, Lilliestam en zijn collega's besloten hun observaties verder te onderzoeken om beter te begrijpen waarom en hoe de keuze van valuta de leersnelheid kan beïnvloeden. In hun nieuwe studie ze voerden een reeks analyses uit om te onthullen hoe de keuze van de valuta voor een bepaalde technologie, die tot op zekere hoogte willekeurig is, uiteindelijk van invloed op de empirische observatie van leertempo's.

De onderzoekers wilden ook dit 'wisselkoerseffect' kwantificeren en een methode introduceren om deze bias te compenseren. Een dergelijke methode zou uiteindelijk nauwkeurigere empirische schattingen van technologische vooruitgang in een mondiale context mogelijk kunnen maken.

"We hebben de ruwe data – projectkosten, uitgedrukt in de valuta van het land van elk project - in verschillende basisvaluta's, zodat alle gegevens op gelijke basis zijn, Lilliestam legde uit. "Omdat valuta's ten opzichte van elkaar fluctueren, de kosten van projecten variëren wanneer ze in verschillende valuta's worden uitgedrukt en kunnen de technologische verbetering die de leersnelheidsmetriek zou moeten meten, overdrijven of maskeren."

Dankzij de unieke methode die ze ontwikkelden, konden Lilliestam en zijn collega's leertarieven in verschillende valuta's berekenen, laten zien hoe groot het effect dat ze eerder hadden waargenomen eigenlijk is. In hun krant ze concentreerden zich op één illustratief geval, die van grootschalige fotovoltaïsche installaties van meer dan 5 MW.

Vervolgens, de onderzoekers bedachten ook een reeks vergelijkingen om het effect van valutaschommelingen over een bepaalde periode uit te filteren. Met behulp van deze vergelijkingen, onderzoekers moeten metrieken kunnen produceren die beter aansluiten bij wat leerpercentages eigenlijk zouden moeten meten:technologische verbetering in een specifiek onderzoeksgebied.

"Onze bevindingen laten een ander geval zien van hoe moeilijk het is om empirisch onderzoek te doen:er zijn talloze verontrustende en verstorende factoren, en het is moeilijk om te weten welke belangrijk zijn, " zei Lilliestam. "Voor onze gemeenschap, er zijn twee belangrijke implicaties. Eerst, we laten zien dat schattingen van de globale leersnelheid in het verleden kunnen worden beïnvloed door het wisselkoerseffect en dat dit effect groot kan zijn. Tweede, onze bevinding is erg belangrijk voor onderzoekers en analisten die schattingen van de leersnelheid in hun modellen gebruiken, vooral voor degenen die optimalisatiemodellen gebruiken."

Optimalisatiemodellen zijn computationele technieken die kunnen worden gebruikt om de beste oplossing voor een bepaald probleem te voorspellen. Aangezien de meeste momenteel gebruikte optimalisatiemodellen de voorkeur geven aan goedkopere technologieën die hun analyses baseren op wereldwijde leerpercentages, zelfs een klein verschil in percentage kan hun uiteindelijke resultaten beïnvloeden, het identificeren van specifieke technologieën als voordeliger of geschikt voor een bepaald gebruik.

Optimalisatiemodellen worden nu veel gebruikt, zowel voor wetenschappelijke analyse als voor beleidsadvies, dus hun gebruik van vooringenomen leertempo's kan uiteindelijk resulteren in onrealistisch beleid en technologische implementaties. Door de nauwkeurigheid van schattingen van het leertempo te verbeteren, de door Lilliestam en zijn collega's geïntroduceerde methode zou dus ook de resultaten van deze modellen kunnen beïnvloeden, leidend tot een effectiever en voordeliger technologiegerelateerd beleid.

"We onderzoeken nu hoe beleid technologische verandering beïnvloedt, dus het uitvoeren van analyses die van toepassing zijn op hetzelfde veld, maar meer gericht op de drijfveren van technologisch leren dan op manieren om leren te beoordelen, ' voegde Lilliestam eraan toe.

© 2020 Wetenschap X Netwerk