По мере того, как солнечная и ветроэнергетика в Соединенных Штатах набирает обороты, промышленность все лучше справляется с установкой новых и эксплуатацией имеющихся мощностей, что видно по тому, как они финансируются. Согласно опубликованному недавно исследованию, люди, работающие в этих сферах и смежных с ними, научились быть более эффективными, снижая общую стоимость электроэнергии. Кроме того, по словам научного сотрудника Национальной лаборатории Лоуренса в Беркли и одного из авторов статьи Марка Болингера, этот так называемый темп обучения может быть экстраполирован в будущее, что означает хорошие новости для двух возобновляемых источников энергии.

Болингер в интервью Ars Technica сказал, что люди, которые работают с ветрогенераторами, со временем, естественно, набираются опыта. Это, в свою очередь, сказывается на эффективности и позволяет снизить затраты.То же относится и к рабочим, которые производят оборудование.

Закон Мура гласит, что количество транзисторов на кристалле микропроцессора удваивается каждые два года. По словам Болингера, похожая ситуация и с темпом обучения в сфере возобновляемой энергии, то есть с показателем того, насколько снижаются затраты при каждом удвоении совокупного объема производства.

Исследование темпа обучения в солнечной и ветровой промышленности началось в начале 2021 года. Ученые на уровне предприятия собрали данные, необходимые им для расчета нормированной стоимости энергии (LCOE) для всех изученных ветряных и солнечных электростанций. По словам Болингера, LCOE состоит из нескольких компонентов. Наиболее важной является первоначальная стоимость установки или капитальные затраты на установку. За этим следует коэффициент мощности, то есть сколько энергии может быть произведено каждый год. Это, в свою очередь, зависит от того, где расположено оборудование и сколько ветра или солнца оно получает. Также учитываются эксплуатационные расходы, ставки государственных налогов, затраты на финансирование и ожидаемый срок службы. "[LCOE] по существу распределяет затраты на весь срок службы этих установок", — сказал он.

Опыт - лучший наставник

Всего команда изучила данные о 908 ветряных и 822 солнечных электростанциях в Соединенных Штатах, каждая из которых мощностью превышала пять мегаватт. В случае с ветряными электростанциями команда собирала данные с 1982 года, когда в США появились крупные современные ветроэлектростанции. Касательно солнечной энергии сбор данных начинается с 2007 года, когда в США были построены первые солнечные фотоэлектрические установки мощностью более пяти мегаватт. Таким образом команда изучала данные об обоих возобновляемых источниках энергии вплоть до 2020 года.

Исследование показало, что люди, управляющие солнечными и ветряными электростанциями, учатся делать это более эффективно, снижая стоимость энергии. То же самое относится и к финансированию заводов, добавил Болингер. Когда отрасль молода, она считается рискованной, поэтому стоимость финансирования высока. Но по мере накопления опыта в отрасли, кредиторы и инвесторы начинают более комфортно обращаться с активами и готовы предлагать более конкурентоспособные ставки, что также приводит к снижению затрат. "Польза от обучения распространяется не только на первоначальные капитальные затраты. На самом деле выиграть могут все пять или шесть переменных учитываемых LCOE. Все они могут способствовать снижению затрат".

По словам Болингера, в рамках исследования ученые пытались измерить снижение затрат по каждому из элементов по мере того, как они происходили в течение многих лет, а затем объединили их, чтобы посмотреть на их совокупное влияние на LCOE. Согласно результатам, темп обучения на основе LCOE полного цикла составил 15 и 24 процента для ветра и солнца соответственно.

Чтобы рассчитать его, команда взяла данные со всех установок, которые рассматривались в исследовании и рассчитала LCOE для каждой из них. В рамках каждого календарного года ученые усредняли LCOE электростанций, которые начали коммерческую деятельность в этом периоде. Так были получены годовые показатели LCOE за десятилетия. Команда изучила полученные данные, а затем применила регрессионную модель, которая установила взаимосвязь между исторической производительностью и исторической стоимостью, то есть темп обучения.

Нет предела совершенству

Учитывая использованное в исследовании определение темпа обучения, полный период скорости обучения для ветроэнергетики составляет 15 процентов. Таким образом, в период с 1982 по 2020 год каждый раз, когда кумулятивное производство удваивалось, LCOE снижалась в среднем на 15 процентов. "После того, как подсчитаны исторические показатели обучения, их можно применить и для прогнозирования", — отметил Болингер.

Например, если к 2030 году кумулятивное использование ветрогенераторов удвоится дважды, это будет означать 30-процентное снижение LCOE. "Вся суть кривых обучаемости в том, что вы смотрите на исторические отношения, а затем экстраполируете их", — сказал он.

В прошлом такого рода исследования в значительной степени основывались на изучении капитальных затрат, которые фокусировались только на стоимости первичной установки. Вероятно, это связано с тем, что такие эмпирические данные найти легче. Дополнительные данные о других расходах, связанных с LCOE найти сложнее, отметил Болингер.

"Интенсивность ваших данных значительно возрастает, если вы надеетесь сделать это на основе LCOE", — сказал он. "Но если подумать, LCOE — это действительно правильная метрика, которую стоит использовать в этом случае, потому что капитальные затраты — это лишь одна из пяти или шести частей в уравнении. История показывает, что со временем отрасль сосредоточилась на оптимизации или сокращении LCOE вместо узкого внимания к капитальным затратам".