Cuando se trata de predecir los costos de los nuevos sistemas y tecnologías energéticos, los investigadores deben considerar las tasas de aprendizaje, que son medidas estimadas del progreso tecnológico. De hecho, Los avances tecnológicos suelen estar asociados con un rendimiento tecnológico más alto y costos de producción más baratos.

Investigadores del Instituto de Estudios Avanzados de Sostenibilidad (IASS), la Universidad de Potsdam y ETH Zürich han llevado a cabo recientemente un estudio que investiga hasta qué punto las estimaciones de la tasa de aprendizaje reflejan realmente el progreso tecnológico, y si pueden verse influenciados por otros factores, como las fluctuaciones del tipo de cambio. Su papel publicado en Energía de la naturaleza , se basa en los hallazgos recopilados en su investigación anterior, insinuando un vínculo entre los tipos de cambio y las tasas de aprendizaje globales.

"Al finalizar un documento anterior sobre las tasas de aprendizaje para la concentración de energía solar, decidimos cambiar la moneda base del análisis de euros, lo que tenía sentido para CSP, ya que se construyó principalmente en Europa, en dólares, que es la moneda estándar en los análisis económicos globales, "Johan Lilliestam, uno de los investigadores que realizó el estudio, dijo a TechXplore. "Al hacer esto, nuestros resultados cambiaron, lo cual nos sorprendió, un efecto del que nunca habíamos oído hablar en la literatura sobre la tasa de aprendizaje ".

Después de la publicación de este artículo anterior, Lilliestam y sus colegas decidieron investigar más a fondo sus observaciones para comprender mejor por qué y cómo la elección de la moneda puede afectar las tasas de aprendizaje. En su nuevo estudio, llevaron a cabo una serie de análisis destinados a revelar cómo la elección de la moneda para una tecnología determinada, que es hasta cierto punto arbitrario, afecta en última instancia a la observación empírica de las tasas de aprendizaje.

Los investigadores también querían cuantificar este "efecto del tipo de cambio" e introducir un método para compensar este sesgo. En última instancia, tal método podría permitir estimaciones empíricas más precisas del progreso tecnológico en un contexto global.

"Convertimos los datos sin procesar:costos del proyecto, expresado en la moneda del país de cada proyecto, en diferentes monedas base, para que todos los datos sean iguales, "Explicó Lilliestam." A medida que las monedas fluctúan entre sí, los costos de los proyectos varían cuando se expresan en diferentes monedas y pueden exagerar o enmascarar la mejora tecnológica que se supone que debe medir la métrica de la tasa de aprendizaje ".

El método único que desarrollaron permitió a Lilliestam y sus colegas calcular las tasas de aprendizaje en varias monedas. mostrando cuán grande es en realidad el efecto que habían observado anteriormente. En su papel se centraron en un caso ilustrativo, el de las grandes plantas fotovoltaicas superiores a 5 MW.

Después, los investigadores también idearon un conjunto de ecuaciones para filtrar el efecto de las fluctuaciones monetarias durante un período de tiempo específico. Usando estas ecuaciones, los investigadores deberían poder producir métricas que estén más alineadas con lo que se supone que miden las tasas de aprendizaje:la mejora tecnológica en un área de investigación específica.

"Nuestros hallazgos muestran otro caso de lo difícil que es realizar una investigación empírica:hay toneladas de factores perturbadores y confusos, y es difícil saber cuáles son importantes ", Dijo Lilliestam." Para nuestra comunidad, hay dos implicaciones importantes. Primero, Mostramos que las estimaciones anteriores de la tasa de aprendizaje global pueden verse afectadas por el efecto del tipo de cambio y que este efecto puede ser grande. Segundo, nuestro hallazgo es muy importante para los investigadores y analistas que utilizan estimaciones de la tasa de aprendizaje en sus modelos, especialmente para aquellos que ejecutan modelos de optimización ".

Los modelos de optimización son técnicas computacionales que pueden usarse para predecir la mejor solución a un problema dado. Dado que la mayoría de los modelos de optimización empleados actualmente favorecen tecnologías más baratas que basan sus análisis en tasas de aprendizaje globales, incluso una pequeña diferencia en el porcentaje puede influir en sus resultados finales, identificar tecnologías específicas como más ventajosas o adecuadas para un uso particular.

Los modelos de optimización ahora se utilizan ampliamente, tanto para el análisis científico como para el asesoramiento sobre políticas, por lo que su uso de tasas de aprendizaje sesgadas puede resultar, en última instancia, en políticas e implementaciones tecnológicas poco realistas. Al mejorar la precisión de las estimaciones de la tasa de aprendizaje, el método introducido por Lilliestam y sus colegas también podría influir en los resultados de estos modelos, conduciendo a políticas relacionadas con la tecnología más eficaces y beneficiosas.

"Ahora estamos investigando cómo las políticas afectan el cambio tecnológico, realizar análisis aplicables al mismo campo, pero centrándose más en los impulsores del aprendizaje tecnológico que en las formas de evaluar el aprendizaje, "Agregó Lilliestam.

© 2020 Science X Network