Undersøgelse af virkningerne af valutakursudsving på teknologiske læringsrater

Når det kommer til at forudsige omkostningerne ved nye energisystemer og teknologier, forskere skal overveje læringshastigheder, som er anslåede mål for den teknologiske udvikling. Faktisk, teknologiske fremskridt er typisk forbundet med højere teknologisk ydeevne og billigere produktionsomkostninger.

Forskere ved Institute for Advanced Sustainability Studies (IASS), universitetet i Potsdam og ETH Zürich har for nylig gennemført en undersøgelse, der undersøgte, i hvilket omfang estimater for læringshastighed faktisk afspejler teknologiske fremskridt, og hvis de kan påvirkes af andre faktorer såsom valutakursudsving. Deres papir, udgivet i Naturenergi , bygger på fund indsamlet i deres tidligere forskning, antyder en sammenhæng mellem valutakurser og globale læringsrater.

"Ved afslutningen af ​​et tidligere papir om læringshastigheder til koncentration af solenergi, vi besluttede at ændre basisvalutaen for analysen fra euro - hvilket gav mening for CSP, da den hovedsageligt blev bygget i Europa - til dollars, som er standardvalutaen i globale økonomiske analyser, "Johan Lilliestam, en af ​​forskerne, der gennemførte undersøgelsen, fortalte TechXplore. "Ved at gøre dette, vores resultater ændrede sig, hvilket var overraskende for os - en effekt, som vi aldrig havde hørt om i læringshastighedslitteraturen. "

Efter at dette tidligere papir blev offentliggjort, Lilliestam og hans kolleger besluttede at undersøge deres observationer nærmere for bedre at forstå, hvorfor og hvordan valget af valuta kan påvirke læringsrater. I deres nye undersøgelse, de gennemførte en række analyser med det formål at afsløre, hvordan valget af valuta for en given teknologi, hvilket til en vis grad er vilkårligt, påvirker i sidste ende den empiriske observation af læringshastigheder.

Forskerne ønskede også at kvantificere denne 'valutakurseffekt' og introducere en metode til at kompensere for denne bias. En sådan metode kunne i sidste ende muliggøre mere præcise empiriske skøn over teknologiske fremskridt i en global kontekst.

"Vi konverterede rådata - projektomkostninger, udtrykt i valutaen i hvert projekt - i forskellige basisvalutaer, så alle data er på lige fod, "Lilliestam forklaret." Da valutaer svinger mod hinanden, omkostningerne ved projekter varierer, når de udtrykkes i forskellige valutaer og kan overdrive eller skjule den teknologiske forbedring, som læringshastighedsmetriket skal måle. "

Den unikke metode, de udviklede, tillod Lilliestam og hans kolleger at beregne læringsrater i flere valutaer, viser, hvor stor den effekt, de tidligere havde observeret, faktisk er. I deres papir, de fokuserede på en illustrativ sag, det for store solcelleanlæg over 5 MW.

Efterfølgende, forskerne udarbejdede også et sæt ligninger for at filtrere effekten af ​​valutasvingninger over en bestemt tidsperiode. Ved hjælp af disse ligninger, forskere burde være i stand til at producere metrik, der er mere i overensstemmelse med, hvad læringshastigheder faktisk skal måle:teknologisk forbedring inden for et specifikt forskningsområde.

"Vores resultater viser et andet tilfælde af, hvor svært det er at foretage empirisk forskning:Der er masser af forstyrrende og forvirrende faktorer, og det er svært at vide, hvilke der er vigtige, "Sagde Lilliestam." For vores samfund, der er to vigtige konsekvenser. Først, vi viser, at tidligere globale indlæringskursestimater kan blive påvirket af valutakurseffekten, og at denne effekt kan være stor. Sekund, vores fund er meget vigtigt for forskere og analytikere, der bruger estimater for læringshastighed i deres modeller, især for dem, der kører optimeringsmodeller. "

Optimeringsmodeller er beregningsteknikker, der kan bruges til at forudsige den bedste løsning på et givet problem. Da de fleste i øjeblikket anvendte optimeringsmodeller favoriserer billigere teknologier, der baserer deres analyser på globale læringshastigheder, selv en lille forskel i procent kan påvirke deres endelige resultater, at identificere specifikke teknologier som mere fordelagtige eller egnede til en bestemt anvendelse.

Optimeringsmodeller er nu meget udbredt, både til videnskabelig analyse og politisk rådgivning, så deres brug af forudindstillede læringshastigheder kan i sidste ende resultere i urealistiske politikker og teknologiske implementeringer. Ved at forbedre præcisionen af ​​læringshastighedsestimater, metoden introduceret af Lilliestam og hans kolleger kunne således også påvirke resultaterne af disse modeller, fører til mere effektive og fordelagtige teknologirelaterede politikker.

"Vi undersøger nu, hvordan politik påvirker teknologiske ændringer, så udføre analyser, der gælder for det samme felt, men fokuserer mere på drivere til teknologisk læring end måder at vurdere læring på, "Tilføjede Lilliestam.

© 2020 Science X Network