Technology modularity shapes latecomer cost convergence in renewables

Resumen Técnico: La modularidad tecnológica determina la convergencia de costos de los rezagados en las energías renovables

Planteamiento del problema
La transición hacia un sistema eléctrico de cero emisiones netas depende en gran medida de la energía solar fotovoltaica (FV) y la eólica terrestre. Si bien los costos promedio globales de estas tecnologías han caído rápidamente, la asequibilidad de la transición energética está determinada por los costos instalados nacionales, particularmente en las economías emergentes. Las teorías existentes sobre la difusión tecnológica suelen asumir una "ventaja del rezagado" (latecomer advantage), donde los países que adoptan la tecnología más tarde heredan sin problemas la experiencia y las reducciones de costos de los pioneros. Sin embargo, la evidencia empírica sobre si esta ventaja se mantiene para las energías renovables es mixta. Existe una brecha crítica en la comprensión de cuándo, dónde y bajo qué condiciones tecnológicas los rezagados heredan las disminuciones de costos globales. Los modelos actuales de sistemas energéticos suelen depender de curvas de aprendizaje globales uniformes, lo que puede ocultar la significativa heterogeneidad en las trayectorias de costos nacionales y las limitaciones específicas que enfrentan las naciones en desarrollo.

Metodología
Los autores introducen el marco de Evaluación de Etapas de Costo de Aprendizaje y Experiencia (SCALE, por sus siglas en inglés) para reconstruir las trayectorias de costos instalados nacionales para la energía solar FV a escala de servicios públicos y la eólica terrestre en más de 160 países. La metodología procede a través de seis pasos integrados:

1. Armonización e imputación de datos: Dada la escasez de datos históricos de costos (solo 241 observaciones país-año para FV y 563 para eólica entre 2000 y 2022), los autores utilizan un modelo de bosque aleatorio (random-forest) para imputar los costos faltantes por país-año basándose en covariables tecnoeconómicas (p. ej., PIB, capacidad acumulada, precios globales de componentes). Estas series reconstruidas se suavizan mediante curvas LOESS (suavizado de dispersión localmente estimado).
2. Identificación del año de despegue: Un proceso de reconciliación de tres niveles identifica el año en que cada país comenzó un despliegue sostenido, utilizando el Indicador de Punto de Cambio Bayesiano de Fase Formativa (FOBI) y un modelo de compuerta en cascada complementario con pruebas de ruptura estructural.
3. Modelo de Difusión de Trayectoria de Etapas Acoplado al Costo (C-SPDM): Este modelo clasifica las trayectorias nacionales en seis etapas secuenciales (desde la Fase Formativa hasta la Penetración Madura) basadas en la nueva capacidad anual, el costo instalado, la capacidad acumulada y la penetración. Los países se agrupan luego en cuatro trayectorias: Pioneros (Front-Runners), Gradualistas (Gradualists), Saltadores de Etapas (Leapfroggers) y Rezagados (Laggards). Notablemente, para la eólica terrestre, las trayectorias de Gradualistas y Saltadores de Etapas se colapsan en una única clase de "Movimiento Tardío" debido a una menor transferibilidad.
4. Estimación de la tasa de aprendizaje: Utilizando la Ley de Wright, los autores calculan las tasas de aprendizaje nacionales (la reducción fraccional del costo por cada duplicación de la capacidad acumulada) para cada país y trayectoria.
5. Proyección probabilística: Las trayectoras de costos futuras hacia 2050 se proyectan utilizando simulaciones de Monte Carlo basadas en las distribuciones históricas de las tasas de aprendizaje bajo varios escenarios.
6. Análisis de escenarios de política: Se aplican escenarios contrafácticos (Negocios en curso, Despliegue acelerado, Aprendizaje por salto de etapa, Transferencia de tecnología y Política combinada) a las economías "Rezagadas" para cuantificar el impacto de las intervenciones en la convergencia de costos.

Resultos clave
El estudio revela una profunda asimetría en la convergencia de costos impulsada por la arquitectura tecnológica:

• Solar FV (Arquitectura Modular): Las ventajas de los rezagados son fuertes. Los "Rezagados" de economías emergentes exhiben una tasa de aprendizaje nacional mediana del 27.5%, significativamente mayor que el 18.0% observado en los Rezagados de economías desarrolladas. Esta reversión se atribuye a la naturaleza modular y comercializada globalmente de los módulos FV, lo que permite que el aprendizaje se transfiera a través de las fronteras mediante las cadenas de suministro. Los rezagados entran con costos más bajos y se difunden aproximadamente el doble de rápido que los pioneros.
• Eólica Terrestre (Arquitectura dependiente del sitio): Las ventajas de los rezagados son débiles o inexistentes. Los Rezagados de economías emergentes tienen una tasa de aprendizaje mediana de solo 9.7%, en comparación con el 21.6% de sus contrapartes desarrolladas. El despliegue eólico depende fuertemente de la ingeniería específica del sitio, obras civiles y conexión a la red, lo que limita la transferibilidad del aprendizaje global de las turbinas. En consecuencia, los costos eólicos enfrentan un "suelo geográfico persistente", y los entrantes tardíos a menudo enfrentan costos similares o superiores a los de los pioneros.
• Desacoplamiento de crecimiento y costo: El rápido crecimiento de la capacidad no equivale automáticamente al aprendizaje de costos domésticos. Para la eólica, el crecimiento de la capacidad suele alcanzar su punto máximo antes de que se logre la paridad de costos, y muchas economías emergentes permanecen en etapas intermedias donde el despliegue se expande sin una convergencia de costos significativa.
• Proyecciones futuras: Bajo escenarios de Negocios en curso, las brechas de costos persisten hasta 2050. Sin embargo, las intervenciones de "Política Combinada" (que vinculan la escala de despliegue con la actualización tecnológica) pueden cerrar eficazmente la brecha de costos de la FV para los mercados emergentes. En contraste, los costos eólicos permanecen limitados por las restricciones institucionales y geográficas específicas de cada país, con la descomposición de la varianza mostrando que el "Efecto País" explica más del 56% de la varianza de costos para la eólica, en comparación con el 48% para la FV.

Significancia y afirmaciones
El artículo afirma proporcionar evidencia empírica de que la arquitectura tecnológica gobierna la traducción del aprendizaje global en asequibilidad local. Los autores argumentan que la suposición de una curva de aprendizaje global universal es insuficiente para el modelado de sistemas energéticos. En su lugar, los modelos deben distinguir entre:

1. Aprendizaje de componentes globalmente transferibles (característico de tecnologías modulares como la FV), donde los rezagados pueden aprovechar las cadenas de suministro globales para una rápida convergencia de costos.
2. Aprendizaje de costos instalados condicionado localmente (característico de tecnologías dependientes del sitio como la eólica), donde la reducción de costos depende de las capacidades domésticas en la ejecución de proyectos, infraestructura y regulación.

La significancia de estos hallazgos radica en sus implicaciones para las finanzas climáticas y la política. Los autores sostienen que tratar las renovables como una clase de activo homogénea es un error estratégico. Para la solar FV, las políticas deben enfocarse en combinar el acceso al aprendizaje global con la expansión del mercado doméstico. Para la eólica terrestre, la transferencia de tecnología por sí sola es insuficiente; la convergencia exitosa requiere una inversión sostenida en la capacidad doméstica de ejecución de proyectos, planificación de la red y aprendizaje industrial. El estudio concluye que reconocer esta heterogeneidad es esencial para modelar con precisión la viabilidad de la transición y las estrategias de financiamiento en las economías emergentes.