Technology modularity shapes latecomer cost convergence in renewables

Sintesi Tecnica: La modularità tecnologica plasma la convergenza dei costi dei ritardatari nelle energie rinnovabili

Definizione del problema
La transizione verso l'elettricità net-zero si basa pesantemente sul fotovoltaico (PV) solare e sull'eolico onshore. Sebbene i costi medi globali per queste tecnologie siano diminuiti rapidamente, l'accessibilità della transizione energetica è determinata dai costi installati nazionali, in particolare nelle economie emergenti. Le teorie esistenti sulla diffusione tecnologica spesso presuppongono un "vantaggio per i ritardatari" (latecomer advantage), in cui i paesi che adottano le tecnologie in ritardo ereditano fluidamente l'esperienza e le riduzioni di costo dei pionieri. Tuttavia, le prove empiriche riguardanti la validità di questo vantaggio per le energie rinnovabili rimangono contrastanti. Esiste una lacuna critica nella comprensione di quando, dove e sotto quali condizioni tecnologiche i ritardatari ereditano i cali di costo globali. Gli attuali modelli dei sistemi energetici si affidano frequentemente a curve di apprendimento globali uniformi, rischiando di oscurare l'eterogeneità significativa nelle traiettorie dei costi nazionali e i vincoli specifici affrontati dalle nazioni in via di sviluppo.

Metodologia
Gli autori introducono il framework SCALE (Stage-Cost Assessment of Learning and Experience) per ricostruire le traiettorie dei costi installati nazionali per il solare PV su larga scala e l'eolico onshore in oltre 160 paesi. La metodologia procede attraverso sei fasi integrate:

1. Armonizzazione e imputazione dei dati: Data la scarsità di dati storici sui costi (solo 241 osservazioni paese-anno per il PV e 563 per l'eolico dal 2000 al 2022), gli autori utilizzano un modello random forest per imputare i costi mancanti per ogni paese-anno basandosi su covariate tecnico-economiche (es. PIL, capacità cumulativa, prezzi globali dei componenti). Queste serie ricostruite vengono regolarizzate tramite curve LOESS (locally estimated scatterplot smoothing).
2. Identificazione dell'anno di decollo: Un processo di riconciliazione a tre livelli identifica l'anno in cui ogni paese ha iniziato una distribuzione sostenuta, utilizzando l'indicatore Bayesian change-point FOBI (Formative Phase Bayesian change-point Indicator) e un modello cascade-gated complementare con test di rottura strutturale.
3. Modello di diffusione C-SPDM (Cost-coupled Stage-Pathway Diffusion Model): Questo modello classifica le traiettorie nazionali in sei stadi sequenziali di implementazione (dalla fase formativa alla penetrazione matura) basati su nuova capacità annua, costo installato, capacità cumulativa e penetrazione. I paesi sono poi raggruppati in quattro percorsi: Front-Runners (Pionieri), Gradualists (Gradualisti), Leapfroggers (Saltatori di stadio) e Laggards (Ritardatari). Notevolmente, per l'eolico onshore, i percorsi Gradualist e Leapfrogger vengono accorpati in un'unica classe "Late Mover" a causa di una minore trasferibilità.
4. Stima del tasso di apprendimento: Utilizzando la Legge di Wright, gli autori calcolano i tassi di apprendimento nazionali (la frazione di riduzione del costo per ogni raddoppio della capacità cumulativa) per ogni paese e percorso.
5. Proiezione probabilistica: Le traiettorie dei costi futuri fino al 2050 sono proiettate utilizzando simulazioni Monte Carlo basate sulle distribuzioni storiche dei tassi di apprendimento sotto vari scenari.
6. Analisi degli scenari politici: Scenari controfattuali (Business-as-Usual, Accelerated Deployment, Leapfrog Learning, Technology Transfer e Combined Policy) sono applicati alle economie "Laggard" per quantificare l'impatto degli interventi sulla convergenza dei costi.

Risultati chiave
Lo studio rivela una profonda asimmetria nella convergenza dei costi guidata dall'architettura tecnologica:

• Solare PV (Architettura modulare): I vantaggi per i ritardatari sono forti. I "Laggards" delle economie emergenti mostrano un tasso di apprendimento nazionale mediano del 27,5%, significativamente superiore al 18,0% osservato nei "Laggards" delle economie sviluppate. Questa inversione è attribuita alla natura modulare e globalmente scambiata dei moduli PV, che permette all'apprendimento di trasferirsi attraverso i confini tramite le catene di approvvigionamento. I ritardatari entrano nel mercato a costi inferiori e la diffusione avviene circa due volte più velocemente rispetto ai pionieri.
• Eolico Onshore (Architettura sito-specifica): I vantaggi per i ritardatari sono deboli o inesistenti. I "Laggards" delle economie emergenti hanno un tasso di apprendimento mediano di solo il 9,7%, rispetto al 21,6% dei loro omologhi sviluppati. L'implementazione eolica dipende fortemente da ingegneria sito-specifica, opere civili e connessione alla rete, il che limita la trasferibilità dell'apprendimento globale sulle turbine. Di conseguenza, i costi dell'eolico affrontano un "pavimento geografico duraturo" e i nuovi entranti affrontano spesso costi simili o superiori a quelli dei pionieri.
• Decoupling tra crescita e costo: La rapida crescita della capacità non equivale automaticamente all'apprendimento dei costi domestici. Per l'eolico, la crescita della capacità spesso raggiunge il picco prima che venga raggiunta la parità dei costi, e molte economie emergenti rimangono in stadi intermedi dove la distribuzione si espande senza una significativa convergenza dei costi.
• Proiezioni future: Sotto gli scenari Business-as-Usual, i divari di costo persistono fino al 2050. Tuttavia, gli interventi di "Combined Policy" (che accoppiano la scala di implementazione con l'aggiornamento tecnologico) possono colmare efficacemente il divario di costo del PV per i mercati emergenti. Al contrario, i costi dell'eolico rimangono vincolati a vincoli istituzionali e geografici specifici per paese; la decomposizione della varianza mostra che l'effetto "Paese" spiega oltre il 56% della varianza dei costi per l'eolico, rispetto al 48% per il PV.

Significatività e rivendicazioni
Il documento sostiene di fornire prove empiriche del fatto che l'architettura tecnologica governa la traduzione dell'apprendimento globale in accessibilità locale. Gli autori argomentano che l'assunzione di una curva di apprendimento globale universale è insufficiente per la modellazione dei sistemi energetici. Invece, i modelli devono distinguere tra:

1. Apprendimento dei componenti globalmente trasferibile (caratteristico delle tecnologie modulari come il PV), dove i ritardatari possono sfruttare le catene di approvvigionamento globali per una rapida convergenza dei costi.
2. Apprendimento dei costi installati localmente condizionato (caratteristico delle tecnologie sito-specifiche come l'eolico), dove la riduzione dei costi dipende dalle capacità domestiche in termini di gestione dei progetti, infrastrutture e regolamentazione.

La significatività di queste scoperte risiede nelle loro implicazioni per la finanza climatica e le politiche. Gli autori affermano che trattare le rinnovabili come una classe di asset omogenea è un errore strategico. Per il solare PV, le politiche dovrebbero concentrarsi sull'unire l'accesso all'apprendimento globale con l'espansione del mercato domestico. Per l'eolico onshore, il semplice trasferimento tecnologico è insufficiente; la convergenza di successo richiede investimenti sostenuti nella capacità domestica di gestione dei progetti, nella pianificazione della rete e nell'apprendimento industriale. Lo studio conclude che riconoscere questa eterogeneità è essenziale per modellare accuratamente la fattibilità della transizione e le strategie di finanziamento.