Lorsqu'il s'agit de prévoir les coûts des nouveaux systèmes et technologies énergétiques, les chercheurs doivent tenir compte des taux d'apprentissage, qui sont des mesures estimées du progrès technologique. En réalité, les avancées technologiques sont généralement associées à des performances technologiques plus élevées et à des coûts de production moins élevés.

Chercheurs de l'Institute for Advanced Sustainability Studies (IASS), l'Université de Potsdam et l'ETH Zürich ont récemment mené une étude sur la mesure dans laquelle les estimations du taux d'apprentissage reflètent réellement le progrès technologique, et s'ils peuvent être influencés par d'autres facteurs tels que les fluctuations des taux de change. Leur papier, Publié dans Énergie naturelle , s'appuie sur les résultats recueillis dans leurs recherches précédentes, faisant allusion à un lien entre les taux de change et les taux d'apprentissage mondiaux.

"Lors de la finalisation d'un article précédent sur les taux d'apprentissage pour la concentration de l'énergie solaire, nous avons décidé de remplacer la devise de base de l'analyse par l'euro, ce qui était logique pour CSP, car il a été principalement construit en Europe - en dollars, qui est la monnaie standard dans les analyses économiques mondiales, " Johan Lilliestam, l'un des chercheurs qui a mené l'étude, a déclaré TechXplore. "En faisant cela, nos résultats ont changé, ce qui nous a surpris, un effet dont nous n'avions jamais entendu parler dans la littérature sur le taux d'apprentissage. »

Après la publication de ce précédent article, Lilliestam et ses collègues ont décidé d'approfondir leurs observations pour mieux comprendre pourquoi et comment le choix de la devise peut affecter les taux d'apprentissage. Dans leur nouvelle étude, ils ont mené une série d'analyses visant à dévoiler comment le choix de la devise pour une technologie donnée, ce qui est dans une certaine mesure arbitraire, affecte finalement l'observation empirique des taux d'apprentissage.

Les chercheurs ont également souhaité quantifier cet « effet taux de change » et mettre en place une méthode pour compenser ce biais. Une telle méthode pourrait permettre à terme des estimations empiriques plus précises du progrès technologique dans un contexte mondial.

« Nous avons converti les données brutes (coûts du projet, exprimés dans la devise du pays de chaque projet — dans différentes devises de base, afin que toutes les données soient sur un pied d'égalité, " Lilliestam a expliqué. " Comme les devises fluctuent les unes par rapport aux autres, les coûts des projets varient lorsqu'ils sont exprimés dans différentes devises et peuvent exagérer ou masquer l'amélioration technologique que la métrique du taux d'apprentissage est censée mesurer."

La méthode unique qu'ils ont développée a permis à Lilliestam et à ses collègues de calculer les taux d'apprentissage dans plusieurs devises, montrant à quel point l'effet qu'ils avaient précédemment observé est réellement important. Dans leur papier, ils se sont concentrés sur un cas illustratif, celle des centrales photovoltaïques à grande échelle au-dessus de 5 MW.

Ensuite, les chercheurs ont également conçu un ensemble d'équations pour filtrer l'effet des fluctuations monétaires sur une période de temps spécifique. En utilisant ces équations, les chercheurs devraient être en mesure de produire des métriques plus alignées sur ce que les taux d'apprentissage sont réellement censés mesurer :l'amélioration technologique dans un domaine de recherche spécifique.

"Nos résultats montrent un autre cas de la difficulté de faire des recherches empiriques :il y a des tonnes de facteurs perturbants et de confusion, et il est difficile de savoir lesquels sont importants, " Lilliestam a déclaré. "Pour notre communauté, il y a deux implications importantes. D'abord, nous montrons que les estimations passées du taux d'apprentissage global peuvent être affectées par l'effet du taux de change et que cet effet peut être important. Seconde, notre conclusion est très importante pour les chercheurs et les analystes utilisant des estimations de taux d'apprentissage dans leurs modèles, en particulier pour ceux qui exécutent des modèles d'optimisation."

Les modèles d'optimisation sont des techniques de calcul qui peuvent être utilisées pour prédire la meilleure solution à un problème donné. Comme la plupart des modèles d'optimisation actuellement utilisés privilégient les technologies moins chères en basant leurs analyses sur les taux d'apprentissage globaux, même une petite différence de pourcentage peut influencer leurs résultats finaux, identifier des technologies spécifiques comme plus avantageuses ou adaptées à un usage particulier.

Les modèles d'optimisation sont maintenant largement utilisés, à la fois pour l'analyse scientifique et le conseil politique, leur utilisation de taux d'apprentissage biaisés peut donc aboutir à des politiques et à des implémentations technologiques irréalistes. En améliorant la précision des estimations du taux d'apprentissage, la méthode introduite par Lilliestam et ses collègues pourrait donc aussi influencer les résultats de ces modèles, menant à des politiques technologiques plus efficaces et plus avantageuses.

« Nous examinons maintenant comment la politique affecte le changement technologique, réalisant ainsi des analyses applicables au même domaine, mais en se concentrant davantage sur les moteurs de l'apprentissage technologique que sur les moyens d'évaluer l'apprentissage, " ajouta Lilliestam.

© 2020 Réseau Science X