An Analytics Framework for Modeling Residential Photovoltaic Adoption and Decision Dynamics

Sintesi Tecnica: Un Quadro Analitico per la Modellazione dell'Adozione e delle Dinamiche Decisionali del Fotovoltaico Residenziale

Enunciato del Problema
La generazione fotovoltaica (PV) è centrale nella transizione energetica globale, tuttavia la comprensione delle dinamiche specifiche dell'adozione del consumo autonomo residenziale richiede quadri analitici robusti che catturino sia i modelli decisionali temporali che quelli spaziali. Sebbene la letteratura esistente identifichi fattori economici, ambientali e normativi come motori dell'adozione, il ruolo specifico delle interazioni sociali e la distinzione tra impianti commerciali su larga scala e sistemi residenziali rimangono spesso sottostudiati. Inoltre, molti studi si basano su dataset limitati o non riescono a distinguere tra "innovazione" (influenza esterna) e "imitazione" (influenza sociale) nella guida delle curve di adozione. Questo studio affronta la necessità di un quadro basato sui dati per modellare la diffusione del fotovoltaico residenziale in Catalogna, Spagna, coprendo il periodo dal 2002 al 2024, al fine di informare meglio le decisioni politiche e di investimento.

Metodologia
Lo studio utilizza un dataset completo tratto dal Registre d'Autoconsum a Catalunya (RAC), comprendente 112.086 installazioni residenziali di PV geolocalizzate (definite come sistemi <10 kW) fino al 31 maggio 2024. La metodologia integra tre componenti analitiche principali:

1. Modellazione Temporale: Il processo di adozione è modellato utilizzando il modello di Bass e il più semplice Modello Logistico (LM). Gli autori adattano questi modelli al numero cumulativo di installazioni per determinare i contributi relativi dell'innovazione (fattori esterni, parametro $p$) e dell'imitazione (influenza sociale, parametro $q$). La selezione del modello viene effettuata utilizzando il Criterio di Informazione Bayesiano (BIC).
2. Analisi dei Fattori Esterni: Per quantificare l'influenza delle variabili esterne (sussidi, deduzioni fiscali, prezzi dell'elettricità) senza imporre forme funzionali a priori, gli autori adottano un approccio di modello di Bass generalizzato. Inferiscono empiricamente una funzione di scala dipendente dal tempo, $\chi(t)$, che rappresenta le deviazioni dalla crescita logistica di base. Questa funzione viene quindi correlata con dati esterni, inclusi i periodi di sussidio governativo, le politiche di deduzione fiscale, i prezzi dell'elettricità (PVPC) e i volumi di ricerca su Google per termini come "precio luz" (prezzo dell'elettricità) e "impuesto al sol" (tassa solare).
3. Analisi Spaziale: Lo studio conduce un'analisi spaziale a livello municipale e di comarca (regione). Esamina le correlazioni tra densità di installazioni e variabili demografiche/socioeconomiche (popolazione, reddito, altezza degli edifici) e analizza le correlazioni spaziotemporali utilizzando le funzioni di distribuzione delle coppie ($C(\tau)$ per il tempo e $\rho(r)$ per lo spazio) per valutare i modelli di aggregazione e diffusione.

Risultati Chiave

• Dominanza dell'Imitazione: Il modello logistico fornisce un adattamento significativamente migliore (BIC inferiore) rispetto al modello di Bass per la fase principale di crescita (giugno 2016–maggio 2024). Il coefficiente di innovazione ($p$) nel modello di Bass è statisticamente coerente con zero, indicando che l'adozione è guidata principalmente dall'imitazione (influenza sociale) piuttosto che dai soli motori esterni di innovazione.
• Fasi di Crescita e Saturazione: L'analisi identifica due distinte fasi di crescita logistica. La prima fase (2013–2015) ha raggiunto un basso livello di saturazione, seguita da un periodo di stagnazione. La seconda fase è iniziata nel giugno 2016, raggiungendo un punto di flesso all'inizio del 2023 e avvicinandosi a una capacità di saturazione di circa 118.600 installazioni. Il livello attuale di adozione (112.086 a maggio 2024) suggerisce che il mercato sta raggiungendo la saturazione.
• Ruolo della Percezione Sociale: La funzione di scala empirica $\chi(t)$ rivela che, sebbene i sussidi diretti (governo catalano) e gli aumenti dei prezzi dell'elettricità siano correlati con picchi di adozione, la percezione sociale dei prezzi dell'elettricità (misurata dal volume di ricerche su Google) mostra una correlazione più forte e immediata con le dinamiche di adozione rispetto al prezzo effettivo stesso. Al contrario, la "tassa solare" (impuesto al sol), pur applicandosi solo a sistemi >10 kW, ha causato una diffusa stagnazione nell'adozione residenziale (<10 kW) a causa di confusione pubblica e disinformazione.
• Eterogeneità Spaziale: L'adozione residenziale segue una distribuzione di legge di potenza rispetto alla popolazione ($R^2 = 0,8$, pendenza $\approx 0,84$), indicando che l'adozione scala con la densità di popolazione ma con un effetto di saturazione nelle aree ad alta densità. Crucialmente, l'adozione pro capite è negativamente correlata con la densità di popolazione urbana e positivamente correlata con la frazione di edifici sotto tre piani. Le aree urbane ad alta densità con edifici plurifamiliari mostrano tassi di adozione significativamente più bassi a causa di vincoli di spazio sul tetto, complessità di proprietà condivisa e ostacoli normativi.
• Correlazioni Spaziotemporali: La distribuzione temporale delle coppie di installazioni è ben descritta dall'espressione analitica derivata dalla crescita logistica, suggerendo un processo di diffusione omogeneo. Spazialmente, la distribuzione delle installazioni rispecchia da vicino la distribuzione degli edifici residenziali, indicando che la struttura dell'ambiente costruito, piuttosto che specifici raggruppamenti sociali a corto raggio, detta i modelli di adozione spaziale.

Contributi Chiave

1. Innovazione Metodologica: Il documento propone un metodo originale per stimare empiricamente l'influenza dei fattori esterni sulle dinamiche di adozione inferendo la funzione di scala $\chi(t)$ direttamente dai dati, evitando assunzioni sulla forma funzionale di tali influenze.
2. Differenziazione dei Motori: Fornisce prove che per il consumo autonomo residenziale, gli effetti di imitazione sono il motore principale dell'adozione, rendendo il parametro di innovazione trascurabile nel contesto del modello di Bass per questo specifico settore.
3. Insight Politico: Lo studio evidenzia che la percezione sociale (ad esempio, la preoccupazione pubblica per i prezzi dell'elettricità) può essere un motore di adozione più potente delle variabili economiche stesse, e che l'incertezza normativa (anche riguardo a tasse non direttamente applicabili a un settore) può causare una significativa stagnazione del mercato.
4. Diagnostica Spaziale: Identifica barriere strutturali specifiche all'adozione negli ambienti urbani densi (edifici a più piani), suggerendo che il potenziale di crescita futuro risiede nel superare le barriere all'installazione collettiva piuttosto che solo negli incentivi individuali.

Significato e Affermazioni
Gli autori affermano che il loro quadro offre un approccio strutturato per l'analisi predittiva e diagnostica nella pianificazione della transizione energetica. I risultati suggeriscono che il rallentamento nell'adozione del fotovoltaico residenziale in Catalogna non è dovuto a vincoli fisici (poiché il livello di saturazione rappresenta solo circa il 12% del totale degli edifici residenziali) ma piuttosto a contesti normativi e socio-economici. Il documento afferma che un'espansione futura è possibile se vengono introdotte modifiche legislative e, criticamente, se queste sono chiaramente percepite dal pubblico. Lo studio conclude che, sebbene i modelli utilizzati siano semplificati (ignorando interazioni individuali specifiche), catturano efficacemente le macro-dinamiche, probabilmente a causa delle proprietà di "mondo piccolo" delle reti sociali e della rilevanza dei legami deboli nella diffusione delle informazioni. Il quadro è presentato come applicabile ad altre regioni purché siano disponibili dati geolocalizzati dettagliati.