پوست‌اندازی انرژی

تصمیم‌گیری در مورد چگونگی و زمان کربن‌زدایی سیستم انرژی جهانی به شدت تحت تاثیر برآورد هزینه‌های احتمالی است. اکثر الگوهای اقتصاد انرژی، سناریوهای گذار انرژی را ایجاد کرده‌اند که هزینه‌ها را به دلیل دست‌کم گرفتن بهبود هزینه‌های انرژی تجدیدپذیر و نرخ‌های استقرار، بیش از حد برآورد می‌کنند. این مقاله پیش‌بینی‌های هزینه احتمالی فناوری‌های انرژی را با استفاده از روشی برآورد می‌کند که از نظر آماری بر روی داده‌های بیش از 50 فناوری تایید شده است. با استفاده از این ‌رویکرد برای برآورد هزینه‌های سیستم انرژی در آینده تحت سه سناریو، متوجه می‌شویم که در مقایسه با ادامه سیستم مبتنی بر سوخت فسیلی، انتقال سریع انرژی سبز احتمالاً به تریلیون‌ها دلار صرفه‌جویی خالص منجر می‌شود. از این‌رو، حتی بدون در نظر گرفتن آسیب‌های آب‌و‌هوایی یا منافع مشترک سیاست‌های آب‌و‌هوایی، انتقال به سیستم انرژی خالص تا سال 2050 احتمالاً از نظر اقتصادی سودمند خواهد بود. به‌روزرسانی الگوها و انتظارات در مورد هزینه‌های انتقال می‌تواند به‌طور چشمگیری کربن‌زدایی سیستم‌های انرژی جهانی را تسریع کند. کربن‌زدایی سریع سیستم انرژی جهانی برای پرداختن به تغییرات آب‌وهوایی حیاتی است، اما نگرانی در مورد هزینه‌ها مانعی برای اجرای آن بوده است. اکثر الگوهای اقتصاد انرژی از لحاظ تاریخی نرخ استقرار فناوری‌های انرژی تجدیدپذیر را دست‌کم گرفته و هزینه‌های آنها را بیش از حد برآورد کرده‌اند. این مسائل باعث شده تا رویکردهای جایگزین و روش‌های پیش‌بینی فناوری قابل اعتمادتر مورد توجه قرار گیرد. در اینجا، ما از رویکردی مبتنی بر روش‌های پیش‌بینی هزینه احتمالی استفاده می‌کنیم که از نظر آماری با آزمون‌های پشتیبان روی بیش از 50 فناوری تایید شده‌اند. در این مورد، پیش‌بینی‌های هزینه احتمالی برای انرژی خورشیدی، انرژی باد، باتری‌ها و الکترولیزها را مشروط به استقرار تولید می‌کنیم و از این روش‌ها برای تخمین هزینه‌های سیستم انرژی آتی استفاده کرده و بررسی می‌کنیم که چگونه عدم قطعیت هزینه فناوری به هزینه‌های سیستم در سه سناریو مختلف منتج می‌شود. در مقایسه با ادامه سیستم مبتنی بر سوخت‌های فسیلی، انتقال سریع انرژی سبز احتمالاً به صرفه‌جویی خالص تریلیون‌ها دلار، حتی بدون در نظر گرفتن آسیب‌های اقلیمی یا منافع مشترک سیاست‌های آب‌وهوایی منجر خواهد شد. هزینه سیستم‌های انرژی در آینده با ترکیبی از فناوری‌هایی که انرژی را تولید، ذخیره و توزیع می‌کنند، تعیین می‌شود. هزینه‌ها و استقرار آنها با گذشت زمان به دلیل نوآوری، رقابت، سیاست عمومی، نگرانی در مورد تغییرات آب‌وهوایی و عوامل دیگر تغییر خواهد کرد. برای ارائه چشم‌اندازی در مورد سیستم انرژی احتمالی آینده، شکل 1 نشان می‌دهد که چشم‌انداز انرژی در 140 سال گذشته چگونه تکامل یافته است. شکل 1A هزینه‌های تاریخی فناوری‌های انرژی اصلی را نشان می‌دهد و شکل 1B نمایانگر استقرار آنهاست. هر دو نمودار در مقیاس لگاریتمی هستند. با نزدیک شدن به زمان حال در شکل 1A، نمودار شلوغ‌تر شده و روشن می‌کند که ما در دوره‌ای بی‌سابقه از تنوع انرژی هستیم، که بسیاری از فناوری‌ها با هزینه متوسط جهانی حدود 100 دلار در مگاوات‌ساعت وجود دارند. روندهای بلندمدت سرنخی در مورد چگونگی حل این رقابت بین انرژی‌ها ارائه می‌دهد: قیمت سوخت‌های فسیلی مانند زغال‌سنگ، نفت و گاز بی‌ثبات است، اما پس از تعدیل تورم، قیمت‌ها اکنون بسیار شبیه به 140 سال پیش است و هیچ روند طولانی‌مدت آشکاری وجود ندارد. در مقابل، برای چندین دهه هزینه سلول‌های فتوولتاییک خورشیدی (PV)، باد و باتری‌ها (تقریباً) به‌طور تصاعدی با نرخی نزدیک به 10 درصد در سال کاهش یافته است. هزینه PV خورشیدی از زمان اولین استفاده تجاری آن در سال 1958 کمتر از یک‌سوم شده است. شکل 1B نشان می‌دهد که چگونه استفاده از فناوری‌ها در چشم‌انداز انرژی جهانی از سال 1880، زمانی که زغال‌سنگ از زیست توده سنتی عبور کرد، تکامل یافته است. این موضوع افزایش نمایی آهسته در تولید نفت و گاز طبیعی طی یک قرن و افزایش سریع و پایدار شدن انرژی هسته‌ای را نشان می‌دهد. اما شاید قابل‌توجه‌ترین ویژگی افزایش نمایی چشمگیر در استقرار فتوولتاییک خورشیدی، باد، باتری‌ها و الکترولایزرها در دهه‌های گذشته باشد، زیرا آنها از کاربردهای خاص به بازارهای انبوه منتقل شدند. نرخ افزایش آنها شبیه به انرژی هسته‌ای در دهه 1970 است، اما برخلاف انرژی هسته‌ای، همه آنها به‌طور مداوم هزینه‌های کاهش تصاعدی را تجربه کرده‌اند. ترکیبی از کاهش نمایی هزینه‌ها و افزایش نمایی استقرار موجب شده تا این گذار انرژی نسبت به توسعه فناوری‌های انرژی در گذشته متفاوت بوده و این فناوری‌های کلیدی سبز را در موقعیتی قرار می‌دهد که سلطه سوخت‌های فسیلی را ظرف یک دهه به چالش بکشند. چقدر احتمال دارد که هزینه‌های فناوری انرژی پاک با نرخ‌های مشابه در آینده کاهش یابد؟ تحت چه شرایطی این اتفاق خواهد افتاد، و این برای هزینه کلی انتقال انرژی سبز چه معنایی دارد؟ آیا مسیری رو به جلو وجود دارد که بتواند ما را ارزان و سریع به انتشار خالص صفر برساند؟ ما در اینجا با استفاده از روش‌های پیش‌بینی هزینه آزمایش‌شده تجربی و پیشرفته در فناوری‌های انرژی به این سوالات می‌پردازیم. از لحاظ تاریخی، بیشتر الگوهای اقتصاد انرژی، نرخ‌های استقرار فناوری‌های انرژی‌های تجدیدپذیر را دست‌کم گرفته‌اند و هزینه‌های آنها را بیش از حد برآورد کرده‌اند، که به درخواست‌ها برای رویکردهای جایگزین و روش‌های پیش‌بینی فناوری قابل اعتمادتر منجر شده است. تلاش‌های اخیر پیشرفت‌هایی در این راستا داشته است، اما ماهیت آنها تا حد زیادی قطعی است. روش‌هایی که ما به کار می‌گیریم احتمالی هستند و به ما امکان می‌دهند مسیرهای انرژی را از طریق دریچه شرط‌بندی روی فناوری‌ها مشاهده کنیم. به هر حال، قدرت بخشیدن به اقتصادهای مدرن مستلزم شرط‌بندی بر روی برخی فناوری‌ها به هر طریقی است، چه این شرط‌بندی روی فناوری‌های پاک باشد، چه سوخت‌های فسیلی بیشتر. در وضعیت فعلی، بهترین کاری که می‌توانیم انجام دهیم شرط‌بندی خوب است. روی کدام فناوری‌ها باید شرط‌بندی کنیم و چقدر احتمال دارد که نتیجه بدهند؟ ما بر انرژی خورشیدی، باد، باتری‌ها و الکترولیزها تمرکز می‌کنیم که در اینجا آنها را «فناوری‌های کلیدی سبز» می‌نامیم، زیرا می‌توانند نقش مهمی در کربن‌زدایی داشته باشند و روند پیشرفتی قوی دارند که به خوبی در مجموعه داده‌های در دسترس ثبت شده است. ما همچنین فناوری‌های اصلی انرژی فعلی را در نظر می‌گیریم و پیش‌بینی‌های خود را با پیش‌بینی‌های الگوهای تاثیرگذار اقتصاد انرژی مقایسه می‌کنیم. ما سه سناریوی مختلف گذار انرژی را بررسی می‌کنیم و پیامدهای آن را برای هزینه‌های کل سیستم و مسیرهای انتقال مورد بحث قرار می‌دهیم.

برای آزمایش دقت روش منحنی تجربه تصادفی برای پیش‌بینی هزینه‌های فناوری‌های انرژی، ما آن را به داده‌های تاریخی برای الکترولیزهای خورشیدی، باد، باتری‌ها و غشای الکترولیت پلیمری (PEM) اعمال کردیم. نتایج در شکل 2 نشان داده شده است. داده‌های قبل از هر سال برای پیش‌بینی و تخمین پارامترها استفاده شد، سپس داده‌های استقرار مشاهده‌شده در سال‌های بعدی برای ایجاد پیش‌بینی‌های مشروط به تجربه استفاده شد. پیش‌بینی‌ها برای انرژی خورشیدی، باد و باتری‌ها معقول هستند و بیشتر مقادیر آینده در بازه اطمینان 95 درصد، مطابق با تخمین‌های خطای پیشینی قرار دارند. همان‌طور که انتظار می‌رود، عدم قطعیت پیش‌بینی برای پیش‌بینی‌های بعدی با داده‌های تاریخی بیشتر کاهش می‌یابد. با توجه به مجموعه داده‌های کوچک و نوسانات تاریخی بالا، پیش‌بینی برای الکترولیزها آنقدر دقیق نیستند، اما فواصل اطمینان این موضوع را نشان می‌دهند. جالب است اگر دقت پیش‌بینی‌های شکل 2 را با خروجی‌های الگوهای تاثیرگذار اقتصاد انرژی جهانی که برای اطلاع‌رسانی به هیات بین‌دولتی تغییرات آب‌وهوایی (IPCC) و هدایت سیاست‌های جهانی آب‌وهوا استفاده می‌شود، مقایسه کنید. برای ارزیابی سیاست‌ها و ایجاد سناریوهایی برای استقرار و هزینه‌هایی که با اهداف اقلیمی داده‌شده مطابقت دارند، با فرض تصمیم‌گیری بهینه از عوامل اقتصادی استفاده می‌شوند. خروجی‌های آنها معمولاً «انتظارات» نامیده می‌شوند تا نشان دهند که قرار نیست به عنوان پیش‌بینی استفاده شوند. شکل 3 بر این نکته تاکید دارد. شکل 3A پیش‌بینی‌های گذشته هزینه‌های انرژی فوتوولتاییک خورشیدی را از طریق الگوی انرژی جهانی آژانس بین‌المللی انرژی (IEA) و چندین برآورد مختلف نشان می‌دهد و آنها را با داده‌های مشاهده‌شده مقایسه می‌کند. پیش‌بینی‌های نشان‌داده‌شده با سناریوهایی با تهاجمی‌ترین سیاست‌های اقلیمی و بالاترین نرخ‌های نوآوری فناوری مطابقت دارند، یعنی سناریوهایی که بالاترین نرخ‌های استقرار کلیدی فناوری سبز و خوش‌بینانه‌ترین کاهش هزینه‌ها را ایجاد می‌کنند. با وجود این، هزینه‌های پیش‌بینی‌شده آنها به‌طور مداوم بسیار بیشتر از روندهای تاریخی بوده است. شکل 3A هیستوگرام تمام 2905 پیش‌بینی نرخ سالانه کاهش هزینه‌های سرمایه‌گذاری سیستم فوتوولتاییک خورشیدی بین سال‌های 2010 و 2020 را نشان می‌دهد، همان‌طور که 9 تیم جداگانه همین موضوع را در پروژه مقایسه الگوسازی AMPERE گزارش کردند. کاهش هزینه‌های پیش‌بینی‌شده 6 /2 درصد بود. در مقابل، در این دوره، هزینه‌های خورشیدی فوتوولتاییک در واقع 15 درصد در سال کاهش یافت. این امر روشن می‌کند که اگر این پیش‌بینی‌ها به عنوان پیش‌بینی‌های مشروط تلقی شوند، ایده بدی بوده‌اند. اما در مقابل، روش منحنی تجربه تصادفی پیش‌بینی‌های شرطی قابل اعتمادی با دقتی مشخص تولید می‌کند (و پیش‌بینی منتشرشده از هزینه‌های خورشیدی ۲۰۲۰، که در سال ۲۰۱۰ با استفاده از نسخه قطعی قانون رایت انجام شد، در واقع بسیار دقیق‌تر از هر یک از پیش‌بینی‌های IAM یا IEA در آن زمان بود). یکی از اهداف ما در این مقاله این است که نشان دهیم چگونه چنین پیش‌بینی‌هایی برای برنامه‌ریزی انتقال انرژی مفید هستند (توجه داشته باشید که پیش‌بینی‌های IAM و IEA برای فناوری‌های فعلی بالغ مانند سوخت‌های فسیلی بهتر هستند، اما پیش‌بینی‌های آنها برای فوتوولتاییک‌های خورشیدی، باد، باتری‌ها و الکترولایزرها به‌طور سیستماتیک استقرار و هزینه‌ها را دست‌کم گرفته‌اند). قانون رایت به‌طور گسترده برای تولید پیش‌بینی هزینه‌های فناوری در برآوردها استفاده می‌شود. با این حال، این قانون معمولاً همراه با محدودیت‌های موقتی مانند محدودیت‌های نرخ استقرار و هزینه‌های کف استفاده می‌شود، یعنی سطوح ثابتی که هزینه‌ها فرض می‌شود هرگز کاهش نمی‌یابند. زیرا از آنجا که برآوردها از هزینه‌ها برای تعیین استقرار استفاده می‌کنند (و برعکس)، و بسیاری از آنها آینده‌نگری کاملی را امکان‌پذیر می‌کنند، محدودیت‌هایی برای جلوگیری از کاهش شدید هزینه به دلیل قانون رایت که به راه‌حل‌هایی منجر می‌شود که در آن فناوری‌های سبز کلیدی سریع‌تر از حد قابل قبول فیزیکی یا اجتماعی به‌کار گرفته می‌شوند، ضروری است. دشوار است که بفهمید چه محدودیت‌هایی واقع‌بینانه هستند، زیرا به انتخاب‌های موقتی منجر شده و به شدت بر نتایج تاثیر می‌گذارد. سابقه تاریخی نشان می‌دهد که محدودیت‌های استقرار کلیدی فناوری سبز و هزینه‌های مورد استفاده در IAM تاکنون بسیار سخت‌گیرانه بوده است. به عنوان مثال، همان‌طور که در شکل 3B نشان داده شده است، هزینه‌های گذشته استفاده‌شده در IAM قبلاً مکرراً نقض شده است. ما هیچ شواهد تجربی مبنی بر حمایت از هزینه‌های کف نمی‌دانیم و آنها را تحمیل نمی‌کنیم. به‌طور مشابه، در حالی که احتمالاً محدودیت‌هایی برای سرعت گسترش فناوری‌های سبز کلیدی وجود دارد، دانستن اینکه آنها چیستند دشوار است. خروجی‌های IAMها به شدت به این محدودیت‌ها بستگی دارد، همیشه پیش‌بینی‌ها را در یک جهت تغییر می‌دهد و آنها را نسبت به هزینه‌ها و به‌کارگیری فناوری‌های کلیدی سبز بدبین می‌کند. همان‌طور که در اینجا نشان داده شد، رشد تصاعدی فناوری‌های کلیدی سبز و دقت نسبی نسخه بدون محدودیت قانون رایت نشان می‌دهد تاکنون این محدودیت‌ها الزام‌آور نبوده‌اند. تحمیل محدودیت‌های بیش از حد قوی احتمالاً دلیل مهمی است که چرا پیش‌بینی‌های این الگوها با سابقه تاریخی مطابقت ندارد.