CC BY
48
МОДЕРНИЗАЦИЯ
УДК ггв + 620.92 dol 10,1 ei м/2079-4665201 &ai 53-т
J EL: С51,042, ОЪЪ, 047
Обоснование методического подхода к оценке динамики развития технологий оффшорной ветровой энергетики
(на примере Германии)
Анатолий Александрович Горлов1
1 Национальный Исследовательский университет «Высшая школа экономики», Москва, Россия 101000, г, Москва, ул, Мясницкая, д,20
E-mail: anatolygor1o\AS,ya hoo.com
Поступила в редакцию; 26,022018; одобрена: 13032018; опубликована онлайн; 30032018
Аннотация
Цел ь: Внедрение технологий возобновляемых источников энергии (ВМЭ) происходит на фоне развитого рынка углеводородной энергетики, что вызывает риск необоснованных решений инвесторов, Разработка и использование различных аналитических инструментов может позволить снизить такие риски. Для исследования процессов замещения традиционной энергетики уже развитыми технологиями ВМЭ могут использоваться экономические модели, основанные на расчетах десятками экспертов целого ряда макро- и микроэкономических факторов, В /ложе время разрабатываются более простые, но эффективные эконометрические методы, базирующиеся на данных реальных проектов и позволяющие проводить исследования для недавно начавшихся развиваться технологий ВМЭ, Основной целью данной статьи является обоснование одной из таких методологий для оценки динамики роста развивающейся оффшорной ветровой энергетики на примере Германии, ведуний страны бассейна Северного моря. Методология проведения работы: Для исследования экономических процессов замещения в топ ливно-энергетиче<хих комплексах различных стран, расчета трендов и прогнозов в этой области многими зарубежными и отечественными авторитетными организациями разработан целый ряд достаточно сложных моделей, в которых десятками экспертов учитываются различные макро- и микроэкономические параметры и факторы, среди которых ВВП, рост занятости, благосостояние торговли и многие другие. Однако оценки недавно начавшихся развиваться технологий ВМЭ, для которых такого объема данных еще не существует, более простыми и эффективные являются эконометрические методы, базирующиеся на исследовании кривых обучения и расчетах приведенной стоимости электроэнергии LCOE по данным реальных энергетических проектов, В настоящей статье рассматривается обоснование подобного методического и математического подхода к оценке динамики развития технологий оффшорной ветровой энергетики с использованием модифицированной автором расчетной модели «Times model».
Регул ьтаты работы: Проведен анализ целесообразности использования математического аппарата кривых обучения для оценок динамики развития технологий ВМЭ, Показано, что, в соответствии с кривой обучения, происходит снижение издержек- нормированной стоимости электроэнергии (LCOE - Level ished Costs of Energy). Подробно рассмотрены применение эконометрической методики оценки LCOE для зарубежных развивающихся технологий морской возобновляемой энергии, и ее модификация применительно к исследованиям технологий оффшорного ветра, Выполнены расчеты LCOE для реально существующих в Германии платформ оффшорного ветра, а также динамики средних первоначальных инвестиций в эти проекты. Приведены результаты аналитической и графической оценки кривых обучения для оффшорного ветра в Германии,
Выводы: Материалы, изложенные в статье, показывают особую роль развивающихся технологий ВМЭ в ведущих европейских странах бассейна Северного моря Показана целесообразность применения модифицированной автором методики как для оценки динамики снижения нормированной стоимости LCOE, таки для построения кривых обучения развивающихся технологий, подобных оффшорным ветровым энергетическим установкам. Приведенная в статье методология может быть использована для исследования процессов замещения традиционной энергетики развивающимися технологиями ВМЭ не только в Германии, но и в других странах, в том числе и в России, Оффшорные ветровые энергетические установки большой мощности в нашей стране целесообразно размещать в Арктических и Дальневосточные морях, где стабильно наблюдаются очень сильные ветра. Эти недавно начавшие развиваться технологии ВМЭ имеют также огромный экспортный потенциал, который может быть успешно реализован отечественной судостроительной промышленностью,
Кл ючевые слова: методика оценки, возобновляемые источники энергии, динамика развития, оффшорный ветер, кривые обучения, нормированная стоимость электроэнергии
Для цити ро ва ния. Горлов А, А Обоснование методического подхода к оценке динамики развития технологий оффшорной ветровой энергетики {на примере Германии) //МИР {Модернизация, Инновации, Развитие), 2018,Т, 9, № 1, С53-66, DOI; 10,18184/2079-4665,20189,153-66
© Горлов А А, 201$
МИР
МИР (Модернизация, Инновации, Развитие), 201S,T9, N-1, С,53-66
The Substantiation of the Methodical Approach for Estimation of Dynamics of Development of Technologies of Offshore Wind Energy Using (the German Example)
Anatoly A. Gorlov1
’National Research University "Higher School of Economics", Moscow, Russian Federation 20, Myasnitskaya str,, Moscow, Russian Federation, 101000 E-ma il; anatolygorlov@ya hoo со m
Submitted 26,02,2018; revised 13,03,2018; published online 3003,2018
Abstract
Pu r pose; fOe introduction of renewable energy technologies (RES) occurs against thebackdropof a developedhydrocarbon energy market, which raises the risk of seeing unreasonable decis ions by investors. The development and use of various analytical tools can reduce such risks. Economic models based on calculations by dozens of experts of a number of macro- and micro-economic factors have been used to study the replacement of traditional energy technologies with already developed RES technologies. At the same time, simpler but more effective econometric methods are being developed, based on the data of re a! projects and allowing to conduct research for the recently launched RES technologies. The main purpose of this article is to substantiate one of such methodologies used to asses growth dynamics of developing offshore wind energy based on the example of Germany- the leading country in the North Sea basin.
Methods: many foreign and domestic authoritative organizations have developed a number of fairly complex models in order to study the economic substitution processes in fuel and energy complexes of different countries, calculate trends and forecasts in this area. Such models take into account findings of dozens of experts focusing on various macro and micro economic parameters and factors, including <3 DR, growth of employment, welfare, trade and many others. However, econometric methods based on the study of learning curves and calculations of the present value of LCOE electricity according to real energy projects tend to be simpler and effective tool used in order to estimates the recently developed RES technolog ies for which substantial volumes of data have not yet developed. This artide considers substantial ion of such methodical and mathematical approaches used to evaluate the dynamics of the development of offshore wind energy technologies using the model 'Times model", modified by the author.
Results: the feasibility analysis of using the mathematical apparatus of learning curves was carried out for estimating the dynamics of the development of renewable energy technologies, ft has shown that, in accordance with the learning curve, there is a decrease in costs - the standardized cost of energy LCOE (level of costs of energy). The application of the econometric methodology of LCOE estimation was considered for foreign developing technologies of marine renewable energy and its modification with reference to offshore wind technofog ies research. The calculations of LCOE for real offshore wind platforms in Germany, as well asthe dynamics of the average initial investment in these projects have been completed. The results of analytical and graphical evaluation of training curves for off shore winds in Germany are given,
Concl us lo ns a nd Relevance: the materials presented in the article showthe special role of develop ing RES technologies in the leading European countries of the North Sea basin. The feas ibility of the method mod ihed by the author is shown, both for estimat ing the dynamics of the decrease in the normalized value of LCOE, and for constructing training curves for developing technologies simifarto offshore windpower installations. The methodology presented in the article can be used to study the replacement of traditional energy technologies by developing renewable energy technologies not only in Germany, but also in other countries, including Russia, Offshore wind power installations of high power in our country should be located in the Arctic and Far Eastern seas, where very strong winds are stable. These newly developed renewable energy technologies also have a huge export potential, which can be successfully utilized by the domestic shipbuilding industry.
Keywords: estimation methodology, renewable energy sources, development dynamics, offshore wind, training curves, energy cost
For citation; Gorlov A, A,The Substantiation of the Methodical Approach for Estimation of Dynamics of Development ofTechnologies of Offshore Wind Energy Using (the German Example, MR (Modernizatsiia, Innovatsii, Razvitie) = MIR (Modernization, Innovation, Research), 2018; 9(1}53-66, DOI; 10,18184/2079-4665,2018,9,153-66
Введение
He все технологии использования возобновляемых видов энергии в настоящее время находятся на одной и той же стадии развития. Общей проблемой для всех видов альтернативной энергетики является тот факт, что их внедрение происходит на фоне развитого рынка традиционной углеводородной энергетики. Это вызывает конкуренцию за средства потенциальных инвесторов. Однако в настоящее время наблюдается существенное сни-
жение стоимости наиболее развитых технологий ВИЭ (возобновляемых источников энергии)/ что в ряде случаев уже делает более привлекательной альтернативную энергетику. Вопрос конкуренции между традиционными И альтернативными источниками энергии становится очень важным, поскольку долгосрочна я цель стран бассейна Северного моря, ведущих в энергетике ЕС, заключается в полном отказе от ископаемых видов топлива во всех сферах применения, где это только возможно [1-4]. Совершенных, абсолютно точных прогно-
54
MIR (Modernization, Innovation, Research}, 201 в; 9(1 >53-66
МИР
зов в данной области не существует, и вложения средств, как частных, так и государственных, в поддержку того или иного проекта в области альтернативной энергетики, связаны с определенным риском- Однако ряд аналитических инструментов позволяет снизить риск, обосновать применение определенных мер управленческого воздействия И косвенно спрогнозировать динамику развития альтернативной энергетики в зависимости от различных факторов.
Обзор литературы и исследований. Сегодня уже стало абсолютно ясно, что без использования возобновляемой экологически чистой энергии солнца, ветра, биомассы и ряда других ВИЭ невозможно дальнейшее устойчивое развитие мировой экономики- Главным вопросом при этом является оценка возможной степени замещения традиционной энергетики возобновляемой, целесообразной с точки зрения обеспечения рыночной конкурентоспособности в составе топливно-энергетического комплекоа страны и ее энергетической безопасности- Последованиями в этом направлении / а также проблемами развития И практического внедрения ВИЭ в настоящее время занимается огромное число ученых и специалистов, задействованы сотни различных научных И коммерческих организаций- В Европейском Союзе наиболее авторитетными в области стремительно развивающейся ветроэнергетики являются European Wind Energy Association [2], WindEurope [3, 4], Ernst & Young et Associes [5] и LeanWind [6], которые регулярно публикуют результаты различных аналитических исследований- Среди трудов отечественных специалистов и ученых в этой области необходимо в первую очереди выделить работы дт.н. Безрукова П.П. [7], академика Фортова В.Е. идт.н. Попеля О.С. [8], дт.н. Елистратова В.В. [9, 10], к.т.н. Ермоленко Г.В. [1] и другие-Теоретические вопросы использования кривых обучения для исследования динамики развития различных источников энергии/ в том числе и ветровых ВИЭ, рассмотрены в публикациях ряда зарубежных и отечественных специалистов Jamasb Т., Kohler J. [11], Wiesenthal Т., Dowling Р., Morbee J, Thiel С, Schade В., Russ P.,SimoesS., PeteyesS.,Schoots K., LondoM- [12], Rubin E.S.,Azeyedo I.M-L-/ Jaramillo P.,YehS. [13] и Ратнер С.В. [14].
Материалы и методы. Представленная статья изложена с использованием совокупности методов теоретического, экономического и функционального анализа развивающихся технологий возобновляемых источников энергии оффшорного ветра, а также эко неметрических методов и моделей оценки динамики оценки таких технологий на базе кривых обучения и приведенной нормированной стоимости LCOE (Leyelished Costs of Energy). Использованные в статье аналитические данные и
представленные результаты исследования должным образом обобщены и структурированы с точки зрения общих требований к разработке и публикации научных материалов.
Резул ьта ты и сел е до ва ния
Для исследования экономических процессов замещения в топливно-энергетических комплексах различных стран, расчета трендов и прогнозов в этой области в первую очереди необходима оценка динамики развития новых энергетических технологий. С этой целью многими авторитетными организациями разработан целый ряд достаточно сложных моделей, в которых десятками экспертов учитываются раз личные макро и микро экономические параметры и факторы, среди которых ВВП, рост занятости, благосостояния, торговли И многие другие. Например, в работе [4] приводятся результаты семи различных подобных прогнозных сценария развитая ветровой энергетики в Европе к 2030 году: низкий центральный и высокий сценарии WindEurope, сценарий Новой политики М ©жду н а ро дн о го э н ер гети ч еско го Are н тсгва (I ЕА), сценарий Текущей политики I ЕА, сценарий IEA450 И сценарий Европейской комиссии- При этом наблюдается значительный разброс приведенных в различных сценариях оценок. Так, уровни развития технологий ветровой энергетики, прогнозируемые Центральным сценарием WindEurope на 2030 год будут достигнуты только в 2040 году по сценарию Новой политики IEA и в 2045 году по сценарии Европейской комиссии- Для оценок недавно начавшихся развиваться технологий ВИЭ, для которых такого объема данных ещё не существует, более простыми, но в тоже время достаточно эффективными, являются эконометрические Метода, базирующиеся на исследовании кривых обучения и расчетах приведенной стоимости электроэнергии LCOE реальных энергетических проектов. Основное преимущество таких моделей и методов заключается в привлечении гораздо меньшего числа экспертов, а также обеспечение достаточно высокой точности расчетов, повышающейся по мере общего уровня развитая технологий, что позволяет попользовать более точные исходные проектные данных. Так например, в оффщорной ветроэнергетике стран бассейна Северного моря в 2017 году наблюдалась серия тендеров на проекты с рекордно низкими ценами [4]. Такие данные позволяют с помощью эконометрических методов сразу же внести коррективы в соответствующие прогнозы. По ряду описанных ниже причин оообого внимания в рамках данного последования заслуживает такой инструмент, как кривая обучения (Experience Curve), однофакторная версия которой описывается степенным уравнением вида:
SS
МИР
МИР (Модернизация, Инновации, Развитие}, 201 S,T, 9, № 1 ,С 53-66
К = а*£,а > 0, £ < 0,
где Y - себестоимость производимой продукции; X ~ показатель накопленного опыта (в рамках анализа энергетической отрасли в качестве X, как правило, используется накопленная потенциальная мощность [2]); е - эмпирически оцениваемый параметр, который отражает отрицательную зависимость.
По мере передвижения технологии ВИЭ от одной стадии развития к другой происходит постепенное наращивание суммарного объема генерации энергии и накопленной величины инвестиций в соответствующие исследования. Соответственно, растет и объем информации о самой технологии, о конкретных объектах и о том, насколько успешно идет внедрение технологии в коммерческую эксплуатацию. Таким образом, в соответствии с кривой обучения (1), происходит снижение издержек - нормированной стоимости энергии LCOE:
LCOE =
CAPEX + PV(0PEX) PV(AEP)
(2)
где CAPEX ~ капитальные издержки (первоначальные инвестиции в проект); ОРЕХ - операционные издержки деятельности по генерированию энергии; АЕР - количество сгенерированной за период энергии; PV- оператор расчета текущей приведенной стоимости при определенной норме дисконтирования.
По информационному критерию к технологиям ВИЭ первого типа можно отнести хорошо изученную солнечную энергетику, береговую ветроэнергетику и ряд других технологий, по которым в различных работах приводятся ряды LCOE за много лет, и построены кривые обучения. Например, начиная с 2009 года, авторитетное агентство LAZARD для таких технологий рассчитывает показатель LCOE ежегодно по собственной методике [15]. Технологии второго типа (развивающиеся), такие, например, как оффшорная ветровая энергетика, характеризуются объемом доступной информации, достаточным для того, чтобы оценить текущее значение LCOE на основе ряда дополнительных предпосылок, однако временные ряды этого показателя по годам практически еще не рассчитаны, так же как и актуальные кривые обучения. Принцип работы с подобными технологиями заключается в выборе методики оценки LCOE, построении максимально длинного временного ряда издержек и переходе к кривым обучения [16]. К технологиям ВИЭ третьего типа будем относить наиболее новые технологии, для которых уже существуют работоспособные демонстрационные установки, однако данных об их работе еще не-
достаточно для того, чтобы оценить показатель LCOE. Однако имеется принципиальная возможность, по аналогии с уже достаточно развитыми технологиями ВИЭ, оценивания кривых обучения и для таких технологий [16]. В рамках подобной задачи возникает вопрос о выборе метрики, которая позволила бы на количественном уровне оценить степень «аналогичности» двух технологий альтернативной энергетики, и при этом была бы основана только на тех данных, которые доступны для технологий всех трех типов. Вопрос существования, свойств и разработки подобной метрики подробно обсуждается ниже.
Для только еще развивающихся технологий ВИЭ, с меньшим объемом доступных данных о них, на первое место для исследователя становится проблема оценки издержек LCOE. В настоящее время не существует единого подхода к оцениванию показателя LCOE для конкретной технологии генерирования энергии. Выполненный автором анализ различных методик позволил выявить присущие им общие стандартные элементы:
♦ Интервальное оценивание. Неопределенность, возникающая в процессе оценивания LCOE для любой, в том числе, наиболее развитой технологии генерации энергии, не позволяет строить эффективную точечную оценку. LCOE оценивается как интервал, вероятность попадания реальных удельных издержек в который высока [15];
♦Экспертные оценки. Технологические параметры как перспективных, так и реально эксплуатирующихся проектов ВИЭ (срок жизни оборудования, выходная мощность при оптимальном режиме использования), а также финансовые показатели и первоначальные инвестиции, оцениваются на основе интервью оо специалистами, реально работающими с подобными проектами или являющимися признанными экспертами в соответствующей области [15];
♦ Исследование динамики издержек в процессе жизненного цикла ВИЭ и их прогнозирование. Как видно из формулы (2), для оценки текущего значения LCOE необходима информация как о текущих параметрах (капитальные издержки, ставка дисконтирования), так и о будущих. Например, необходимо иметь представления о динамике операционных издержек (ОРЕХ) за весь жизненный цикл установки.
Пример применения одной из существующих методик оценки LCOE для развивающихся технологий возобновляемой энергии приливных течений, волнения и термальной энергии океана («Times model») приведен в публикации Международного Энергетического Агентства (IEA) [17]. Величина LCOE является характеристикой конкретного проекта ВИЭ: одной энергоустановки или объ-
56
MIR (Modernization. Innovation. Research), 201 в; 9(1 )£3-бб
единенного ряда таких установок (энергетической фермы). При этом технологии одного и того же альтернативного источника на практике могут отличаться друг от друга своими характеристиками и, соответственно, находиться на различных стадиях развития. Для отсеивания технологий и проектов, способных оказать сильное искажающее влияние на общий результат, используется классификация НАСА стадий развития технологий, применяющаяся для разработки инновационных проектов в авиации и космосе, а с 2013 года принятая Комиссией ЕС для исследований в области энергетики [18]. Предлагается технологии делить на 9 уровней (TRL - Technology Readiness Level). Наиболее ранним считается концептуальный уровень развития (TRL1), лабораторные и макетные испытания относятся к среднему уровню (TRL4, TRL5), а к уровню TRL9 - внедренные коммерческие установки. При расчете LCOE в модели «Time model» учитываются только технологии, превышающие уровень TRL5 или соответствующие ему. При этом большинство исходных параметров, учитываемых при расчетах для проектов, относящихся к разным уровням/ считаются различными, что подтверждается мнением экспертов [17]. Соответственно, результирующее значение LCOE также будет различным для разного уровня проектов, что учитывается в процессе расчета LCOE и в последующей оценке кривых обучения.
В качестве источника информации для оценки LCOE по методике «Times model» используются как предпосылки, так и экспертные мнения. Среди основных предпосылок можно отметить следующие:
♦ Так как срок жизни различных проектов может сильно отличаться, для их сопоставимости срок жизни всех проектов приравнивается к20-ти годам;
♦ Так как ставка дисконтирования, необходимая для точной оценки приведенных издержек конкретного проекта, может сильно отличаться у различных проектов, для сопоставимости принимается ставка всех проектов в 10%;
♦ Вместо реального показателя АЕР (Annual energy production) в уравнении (2) используется оценка среднегодового значения АЕР, которая подставляется в формулу как константа.
Все параметры, оценка которых необходима для расчета LCOE, формируются в виде интервалов в процеосе общения с экспертами, причем каждый из параметров (первоначальные инвестиции CAPEX, операционные издержки ОРЕХ и годовая выработка энергии АЕР) имеет собственную внутреннюю структуру. Согласно методике «Times model», показатель годовой выработки электроэнергии (АЕР) рассчитывается в соответствии со следующей формулой:
АЕР = PC * CF * Av * 8760, (3)
где PC (Project Capacity) - совокупная годовая мощность проекта, сумма проектных мощностей на конкретной стадии развития. Определяется экспертами и зависит от технических характеристик энергетической установки; CF (Capacity Factor) - отношение среднегодовой реальной производительности к теоретической (заявленной в технических характеристиках), при невозможности определяется на основе экспертных оценок; Av (Availability) - способность ВИЭ генерировать энергию в течение определенного периода, по смыслу является долей времени в рамках одного года, в течение которого система работает нормально и генерирует электроэнергию. Определяется экспертами.
Подстановка верхних и нижних пределов интервальных оценок в формулу (3) позволяет найти интервальную оценку годового производства энергии и, соответственно, вычислить знаменатель оценки LCOE по формуле (2).
Другой важный для оценки LCOE показатель - первоначальные инвестиции CAPEX (Capital Expenditures), - представляет собой сумму всех расходов, которую тратят инвесторы в самом начале проекта. Согласно методологии «Times model», в составе CAPEX выделяются издержки на покупку оборудования, доставку и установку оборудования, строительство инфраструктуры (платформ, опор, дополнительных линий электропередачи), затраты на первоначальные исследования и расчеты эффективности проекта, затраты на оценку экологического эффекта. При этом значение CAPEX и состав данного типа расходов индивидуальны, и сильно зависят от того, о какой конкретно технологии ВИЭ идет речь. К примеру, для технологий, основанных на энергии океана, так же как и для оффшорных ветровых ВИЭ, в структуре первоначальных инвестиций выделяются издержки на создание коммуникаций, обеспечивающих доставку электроэнергии на берег [17].
На практике верхний и нижний предел капитальных издержек в расчете на количество киловатт-чаоов установленной мощности определяется на основе массива данных по проектам конкретного типа, причем массивы данных, в свою очереди, определяются на основе экспертного мнения. В оригинальном исследовании рассматривается не менее 20-ти проектов по каждой из (рассматриваемых ) трех технологий ВИЭ, связанных с океаном [17].
Третьим необходимым для оценки LCOE параметром являются операционные издержки ОРЕХ (Operational Expense), под которыми подразумеваются все ежегодные расхода, необходимые для продолжения деятельности по генерированию
57
МИР
ММР (Модернизация, Инновации, Развитие), 201 в,Т,9, № 1, С,53-66
электроэнергии- В соответствии сметодикой «Times model», в состав операционных издержек фирмы, учитываемых при оценке LCOE, входат текущие административные издержки, затраты на расходные материалы, амортизация и ремонт оборудования, страхование бизнеса, а также, при необходимости, затраты на аренду природных территорий. Как и первоначальные затраты, операционные издержки и их оосгав зависят оттого, о какой конкретной технологии идет речь, для океанической энергии/ к примеру, в состав операционных издержек входят ежегодные затраты на аренду участка океана. Верхний и нижний пределы операционных издержек в рамках методики «Times model» оцениваются на основе массива данных отдельно для каждой конкретной стадии проекта (демонстрационный проект, предсаммерческая стадия или коммерческая реализация). Операционные издержки каждого конкретного проекта в долларах на киловатт установлен ной мощности оцениваются на основе экспертных оценок, по которым И составляют ма оси в данных.
Необходимо отметить, что в методику «Times model» встроен дополнительный, не связанный с экспертными мнениями/ механизм учета неопределенности/ возникающей в процессе оценивания издержек и производительности технологий использования энергии ВИЭ. На первом этапе с целью учета неопределенности эксперты строят не точечную, а интервальную оценку таких параметров, как CAPEX, ОРЕХ, СР и -Av, при этом средним значением параметра считается среднее арифметическое из даух границ. На втором этапе используется дополнительный механизм: новые границы допустимого интервала оцениваемого параметра рассчитываются как среднее значение ±с£%, где параметр ос зависит от да ух обстоятельств: насколько глубокие последования издержек были проведены, и на какой стадии развития находится данная конкретная технология. Для этой цели используется специальная таблица соответствия между стадиями проекта и точностью оценивания издержек, разработанная для исследований на различных стадиях технологического развития [19]. Применение в методике «Times model» одновременно даух границ интервала вокруг среднего значения (границ/ определенных экспертами/ И границ в соответствии с таблицей) определяет максимальную вероятность попадания реальных издержек в рассматриваемый интервал.
Таким образом / в ходе расчетов формируется набор оценок LCOE для конкретных проектов ВИЭ, в рамках которых генерирование энергии осуществляется на основе одного и того же общего принципа, однако проекты не обязательно однородны (могут иметь разные размеры и непринципиальные технологические различия). Оценки LCOE, полу-
ченные подобным способом/ считаются оценками по оосгоянию на год запуска проектов. Соответственно, если в расчетах использовались данные о проектах, запущенных в разные годы, методика позволяет построить временной ряд LCOE, который может быть использован для дальнейшего построения однофакторных кривых обучения (1), а также даухфакторных кривых обучения, если известны издержки на исследования и разработки R&D (Research and Development) в качестве второго фактора [20]. Преимущества описанного выше подхода к оценке LCOE заключается в том, что он применим к технологии генерирования электроэнергии на основании альтернативных источников даже в том случае, если сама технология еще недостаточно распространена. Другими словами/ для оценки кривых обучения «напрямую», по рядам статистических данных, демонстрирующих динамику LCOE и совокупной мощности установок соответствующего тута, необходимо хотя бы одно полноценное статистическое исследование и опубликованный отчет о его результатах. Для оценки же LCOE по данным об отдельных проектах в определенной области энергетики достаточно информации о оамих проектах, при условии/ что проекты запущены и оценены в различные моменты времени.
В качества примера для оценивания LCOE по методике «Times model» рассмотрим технологию ВИЭ морского оффшорного ветра, которой принято считать ветровые энергетические установки (ВЭУ), размещенные в прибрежных водах на платформах, жестко установленных на дне. Преимущество ВЭУ оффшорного ветра перед береговыми аналогами заключается в гораздо большей доступной площади для их размещения в море, отсутствии конкуренции за очень дорогую землю в странах бассейна Северного моря, а также в возможности использования сильных и относительно стабильных морских ветров. Основным технологическим недостатком оффшорных ВЭУ является дополнительная сложность их установки И эксплуатации в экстремальных морских условиях, а информационным недостатком для экономических оценок - в относительно небольшом совокупном объеме накопленного опыта.
Для увеличения однородности следует рассматривать оффшорные ВЭУ в одной конкретной стране. Поскольку ведущими в оффшорной ветроэнергетике ЕС являются страны бассейна Северного моря, имеет смысл выбрать из них лидера, которым в об-ласту1 всех технологий ветровых ВИЭ является Германия. Следует заметить, что в 2016 году наибольшее количество оффшорных мощностей ВЭУ было установлено в Великобритании (40,8% от всех морских установок ЕС), затем в Германии _ 32,5%, в Да ни и - 10,1 %, в Нидерла ндах - 8,8% и в Бельгии
SB
MIR (Modernization. Innovation. Research),2018; 9(1 );53-66
МИР
На графике слева: синяя линия (ромбы)-это суммарная мощность ВЭУ (МВт); красная линия (квадраты)- совокупное производство электроэнергии (ГВт-ч). На графике справа -эти же показатели в полулогарифмической шкале.
Рис. 1. Показатели использования оффшорного ветра в Германии 1
Fig. 1. Indicators of offshore wind use in Germany
- 5,6%. Б 2016 году, по объему инвестиций в развитие всех используемых в Германии технологий ВИЭ, только береговой ветер опережает оффшорный ветер, при соответственно 6,6 Млрд Евро против 2,6 млрд Евро [21 ]. По состоянию на 2016 год общее число действующих в этой стране оффшорных ветровых ферм составило 22 (18 ферм в Северном море и 4 - в Балтйском море), совокупная мощность оффшорных ВЭУ в 2017 году достигла 5,4 ГВт, а объем произведенной ИМИ электроэнергии за этот год - величины 18,3 ТВт-ч [22]. Подобного количества объектов может быть достаточно для формирования выборки, сбора данных и дальнейшего оценивания кривых обучения.
Можно предположить, что проекты в области ВИЭ, возникшие в рамках одного года, формируют верхние и нижние границы реальной себестоимости альтернативной энергии, И оценивать LCOE и кривые обучения можно в соответствии с позитивным (по минимуму LCOE) и негативным (по максимуму) сценариями. Наиболее полные данные о применении технологии оффшорного ветра касаются совокупной мощности И величины производимой энергии (рис 1).
Видно, что с 2009 года наблюдается непрерывный рост показателей использования энергии оффшорного ветра в Германии, со скоростью роста
выше линейной. Прорыв и увеличение обоих показателей в несколько раз за один год приходится на 2015 год. Скорость роста обоих показателей сопоставима, коэффициент корреляции между ними достигает 0,98. Соответственно, с течением времени принципиальных изменений производительности не наблюдается, и сокращение LCOE достигается не за счет серьезных технологических прорывов, а за счет накопления опыта, что и является предпосылкой анализа на основе кривых обучения.
Данные об LCOE оффшорного ветра носят нерегулярный характер, и относятся к различным странам. Например, по оценкам компании Siemens реальная величина LCOE для оффшорного ветра в Великобритании в 2013 году составила 140 Евро/МВт-ч, а к 2025 году уровень LCOE должен снизиться до 95 Евро/МВт-ч [23]. По прогнозу компании Ernst&Young etAssoa*6s к 2017 году для технологии оффшорного ветра должен был быть достигнут уровень LCOE, равный 115 Евро/МВт-ч, а к 2030 году эта величина должна будет снизиться до 90 Евро/МВт-ч [5]. Согласно данным отчета компании Bloomberg, показатель LCOE оффшорного ветра в Европе во втором полугодии 2016 года упал до уровня 126 долл.США/МВт-ч, оценка этого показателя во втором полугодии 2015 года составила 175 долл.США/МВт-ч [24]. Существую-
1 Составлено автором по материалам: Zeitreihen zur Entwicklung der emeuerbaren Energien in Deutschland, unter Verwendung von Daten der Abeitsgruppe Emeuerbare Energien-Stalislik (AGEE-Stat). 2017. P. 45. URL: http://www.emeuerbare-energien.de/EE/Redaklion/DE/ Download$/zeitreihen-zur-entwicklung-der-emeuerbaren-energien-in-deutschland-1990-2016.pdf?_blob=publicalionFile&v=l 3 (Дата обра-
щения 10.09.2017)
Compiled by the author based: Zeitreihen zur Entwicklung der emeuerbaren Energien in Deutschland, unter Verwendung von Daten der Abeitsgruppe Erneuerbare Energien-Stalislik (AGEE-Stat). 2017. P. 45. Available at: http://www.erneuerbare-energien.de/EE/Redaktion/ DE/Downloads/zeilreihen-zur-entwicklung-der-erneuerbaren-energien-in-deutschland-1990-2016.pdf?______blob=publicationFile&v=l 3
(accessed 10 September 2017) (in Germ)
59
МИР (Модернизация, Инновации, Развитие), 201&,Т,9, № 1, С,53-66
щие в настоящее время оценки показателя LCOE для оффшорного ветра отличаются количественным/ временным и пространственным разбросом/ и не образуют непрерывный временной ряд, необходимый для оценки кривой обучения для рассматриваемой технологии. Кроме того, наблюдается существенный разброс оценок по странам/ так что корректная кривая обучения технологии офф-ш орн ого ветра для Герман и и может быть п олу чен а только на основе данных, касающихся непосредственно ВЭУ, работающих в этой стране. Соответственно, пробелы в имеющейся информации необходимо заполнять с помощью прямого расчета LCOE для реально существующих в Германии платформ оффшорного ветра, используя имеющиеся данные об их установленной мощности и первоначальных инвестициях в проекты (табл. 1).
ляет оценить издержки LCOE в денежных единицах в расчете на единицу выработки электроэнергии (МВт-ч). Также анализ существующих последований оффшорного ветра позволяет определить, что выражение CF * Av (3) для данной технологии измерено и находится в пределах от 40% до 52%, ожидаемый срок жизни большинства проектов равен 25-ти лет, а для расчетов LCOE, которые для оффшорного ветра в Германии реализованы как минимум ддажда|, использована ставка 10%. Таким образом/для применения методики «Times model» нужны еще только данные операционных издержек [ОРЕХ}.
Идея дальнейшей оценки заключается в том, чтобы использовать гипотезу о единстве природа снижения капитальных и операционных издержек использования энергии оффшорного ветра. Наличие достаточного количества данных о первоначальных инвестициях в динамике позволит определить функциональную модель их снижения со временем и оценить параметры модели. При этом операционные издержки, вероятно, снижаются в соответствии с моделью с другими параметрами, однако того же класса функций. В таком случае, при наличии информации о классе функций, нескольких известных величин ОРЕХ будет достаточно для оценки недостающих наблюдений, а повысить надежность результатов можно на основе расчета вероятностных границ полученных оценок в соответствии с принципами, изложенными выше [19].
На рис. 2 изображена оценка динамики первоначальных инвестиций в расчете на единицу установленной проектной мощности, полученная по некоторым существующим в Германии проектам оффшорных ВЭУ (см. табл. 1). Регрессионный анализ показывает, что убывание средних первоначальных инвестиций описывается логарифмической кривой с достаточно высокой точностью, 83% динамики первоначальных вложений объясняется предлагаемой логарифмической моделью. При этом логарифмическая модель обладает еще одним важным для анализа свойством - уменьшением скорости убывания, что является следствием
Таблица 1
Инвестиции в развитие платформ оффшорного ветра
Table 1
Investments in the development of offshore wind platforms
Запуск Ферма И н юстиции (млрд E*po} Мощно civ {МВт}
2010 Alpha Yentus 60 250
2013 BARD Offshore 1 2900 400
2014 MeervVind Siid/Ost 1200 288
2014 Riff gat 480 108
2015 Global Tech 1 1800 400
2015 Borkum Riffgrund 1 1190 312
2015 Amrumbank West 1000 302
2015 Butendiek 1300 288
2015 DanTysk 1000 288
2016 Gode Wind 2200 582
2017 Wikinger 1350 400
2017 Veja Mate 1900 402
2017 Nordsee One 1200 332.1
2017 Sandbank 1200 288
Составлено автором no матер налам: Global Offshore Wind Farm Map //AC Offshore, 2017, URL: http/Mww,Acoffshore, com/offshorewind/(дата обращения J0,09,20J 7)
Comp tied by the author based: Cfobal Offshore Wind Farm Map //AC Offshore, 20 J 7, Available at: http://wvw,Acoffshore/:om/ offshorewind/ (accessed 10 September 2017) (in Eng,)
Первоначальные инвестиции позволяют раосчи-тать капитальные издержки (CAPEX) для каждого проекта в расчете либо на данные установленной мощности (МВт), либо на единицу выработки электроэнергии (МВт-ч). В числителе используемой в данном исследовании формулы (2) оценки LCOE, компоненты издержек CAPEX и ОРЕХ присутствуют в абсолютном денежном выражении, что позво-
замедления относительного прироста мощностей оо временем. Таким образом, логично будет предположить, что динамика операционных издержек ОРЕХ также подчиняется некоторой подобной логарифмической модели.
Вероятнее всего, что издержки со временем сокращаются под влиянием наращивания установленных мощностей в соответствии с кривой об-
MIR (Modernization, Innovation, Research}, 201S;9(1};53-66
ветра, запущенных в эксплуатацию в Германии в 2017 году, составили около 1440 млн Евро (ср едче взвешенно я оценка по мощности проектов), что в пересчете на доллары, по среднему курс/ 2017 года, равно 16 40 м лн долларов США. По имеющимся оценкам^ LCOE для оффшорных ВЭУ в 2017 году достигает 115 Евро или 131,7 долл.США/МВт-ч [5]. Что касается АЕР, то средняя проектная мощность запущенных в 2017 году проектов равна 355 МВт, что по формуле (3) дает от 1
По оси ординат-средние капитальные затраты на 1,0 МВт мощности установок оффшорного ветра, в миллионах Евро
Рис. 2. Динамика средних первоначальных инвестиций2 Fig. 2. Dynamic* of average initial investment
учения, которая еще не оценена, но существует, И сокращается в соответствии с логарифмической моделью вида OPEXt=A + В *1п(£), где через обозначен момент времени/ а через А и В ~ неизвестные на данном этапе параметры модели динамики операционных издержек. В работе Мопё Сг. и др./ посвященной анализу стоимости ветровой энергии/ приведена оценка относительных операционных издержек оффшорной ветровой фермы в 138 долл.США/кВт-ч [25]. Также известны некоторые оценки величин LCOE, позволяющие оценить недостающие значения ОРЕХ в 2011, 2012 и 2017 годах. Поскольку ставка дисконтирования и срок жизни проекта известны и неизменны в рамках относительно короткого периода времени и для конкретной технологии использования возобновляемой энергии (оффшорного ветра), формулу (2) можно упростить, и выразить величину ОРЕХ:
243 920 МВ-ч до 1 617 ЮОМВ-ч выработки электроэнергии в 2017 году. Соответствующая оценка операционных издержек составляет до 50 миллионов долларов в год в рамках одного проекта, или от 30 до 40 до л л.США/ МВт-ч , что резко отличается от оценки 138 долл. США/МВт-ч в 2014 году. Однако сюит учесть, что оценка 2014 года среднеевропейская, а текущая оценка 2017 года - исключительно по немецким компаниям- Оценка значения ОРЕХ на 2011 год в Германии не позволяет получить адекватное значение, так как в этом году начала работу на море ВЭУ только платформа Baltic 1, мощностью в 5-6 раз меньше мощности большинства немецких платформ- Таким образом/ эту оценку имеет смысл исключить из дальнейшего рассмотрения, а для анализа воспользоваться оценками 138 долл.США/МВт-ч в 2014 и 40 долла ров в 2017. В та ком случ ае, в рамках предтосылки о снижении операционных издержек в соответствии с некоторой логарифмической моделью с неизвестными параметрами/ мы имеем модель, которую можно математически опиоатъ с помощью следующей системы линейных уравнений:
CAPEX + £tJi
LC0E = у25 аер 11 =>
2't=1TF
CAPEX
=> ОРЕХ = АЕР * LCOE - —— , (4)
9.985 ' '
Согласно существующим данным/ федчее значение капитальных издержек платформ оффшорного
0PEXt = А + Bln(t),t = 2011..2017
40 = А + В * 1п(2017) (5)
138 = А + В * 1п(2014)
В результате решения системы уравнений (5) появляется возможность определить значения ОРЕХ (долл.США/МВт-ч) в каждом из рассматриваемых пери одов (с 2011 п о 2 017 года), а та кже п ересчи -тать их в доллары, поскольку выработка энергии в рамках каждого проекта может быть оценена
2 Составлено авторов по >,\атериапа^: Global Offshore Wind Farm M<*P // 4C Offshore. 2017. URL: http://wvVW.4ooffshore.com/ offshonewind/ (дата обращения 10.09.2017)
Compiled by the author based: Global Offshore Wind Farm // 4C Offshore. 2017. Available at: http://wWW.4ooffshore.com/ offshorewind/ (acoessed 10 September 2017) (in Eng.)
61
МИР (Модернизация, Инновации, Развитие),201 в, Т, 9, ДО 1, С,53-66
*
Оценка динамики LCOE оффшорного ветра
Таблица 2 ТаЫе 2
Assessment of the dynamics of the offshore wind LCOE
Год ОРЕХ {$/MW-h} Min ОРЕХ Мах ОРЕХ Min CAPEX Мах CAPEX Min LCOE Мах LCOE LCOE
2011 236.15 200.72 271.57 126.54 156.67 327.27 428.24 377.76
2012 203.41 172.90 233.93 - - - - -
2013 170.70 145.09 196.30 212.00 262.48 357.09 458.78 407.94
2014 138.00 117.30 158.70 211.06 261.32 240.42 311.14 275.78
2015 105.32 89.52 121.11 96.70 119.72 186.22 240.83 213.53
2016 72.65 61.75 83.55 92.00 113.91 153.75 197.45 175.60
2017 40.00 32.00 48.00 79.15 97.99 111.15 145.99 128.57
Разработано автором. Developed by the au ihor.
непосредственно по проектной мощности и величине показателя CF*Av, интервал колебаний которого известен. При этом, оценивание издержек должно быть не точечным, а интервальным-
В данном конкретном случае речь идет об упрощенном анализе операционных издержек (на основе моделирования их динамики по нескольким точкам) для проектов в области оффшорного ветра, которые относятся к классу либо зрелых проектов (201 1-2016 года), либо ранних коммерческих проектов (проекты 2017 года). Итоговые результаты оценки операционных издержек в даух системах единиц измерения приведены в табл. 2.
Для расчета минимальных и максимальных операционных издержек применялись границы ±15% для проектов 2011-2016 годов и ±20% для оценки проектов 2017 года. Капитальные издержки оценены путем пересчета первоначальных инвестиций, которые известны для всех проектов, в расчет на единицу генерации энергии, поэтому поправки вида CF*Av из формулы (3) лежат в интервале от 0,4 до 0,52, за счет чего сформировался интервал колебаний капитальных издержек. Наконец, LCOE рассчитано по классической формуле (2) с применением максимальных и минимальных издержек соответственно. Последний столбец отражает среднее значение раосчитанных величин. Отсутствие в табл. 2 расчетных данных LCOE по 2012 году объясняется тем, что в Германии не был запущен ни один проект в области оффшорного ветра. Полученные результаты оценки динамики LCOE для оффшорного ветра Германии имеют близкие значения с приведенными выше оценками известных экспертов. Так, величина LCOE на 2017 год компании Ernst & Young et Associes составила 131,7 долл.США/МВт-ч [5], что попадает в оцененный интервал (наша оценка - 128 долл .США/
МВт-ч). Также совпадают оценки на 2015 год компании Блумберг (175 долл.США/МВт-ч) [24]. Как уже отмечалось выше, заниженная оценка LCOE 201 1 года нарушала однородность выборки. Соответственно, для дальнейшего анализа имеет смысл пользоваться рядом наблюдений LCOE, с 2013 по 2017 годы включительно, что достаточно для применения метода наименьших квадратов и оценивания однофакторной кривой обучения.
На рис. 3 изображена динамика LCOE и производства энергии оффшорного ветра в Германии в не полностью совпадающих периодах.
Как видно по графикам, в динамике наблюдается стандартная картуша работы кривой обучения. Одновременно происходит рост совокупной установленной мощности оффшорных ВЭУ с резким скачкообразным приростом в 2015 году (левый график) и постепенное сокращение LCOE оффшорного ветра (правый график). Результаты оценки кривых обучения методом наименьших квадратов в виде л ога ри фм ич еских ура внени й выглядот следующим образом (оценки построены по минимальным, максимальным и средним значениям LCOE):
In (LCOE) = 7.88 - 0.279 In (Prod),
R2 = 0.767, Prob(F) = Prob(t) = 0.051 (6)
ln(min(LCOE)) = 7.67 — 0.274 In (Prod),
R2 = 0.756, Prob(F) = Prob(t) = 0.057
ln(ma x(LC0E)) = 8 — 0.283 In (Prod),
_ (o)
R2 = 0.758, Prob(F) = Prob(t) = 0.055
Через величину Prod обозначен годовой объем производства электроэнергии (МВт-ч). Наиболее
62
MIR (Modernization, Innovation, Research), 201 S; 9(1 );53-бб
Разработано автором.
Developed by the author.
Рис. 3. Динамика факторов кривой обучен Ия
Fig. 3. Dynamics of learning curve factors
важными параметрами каждого уравнения являются:
♦ Коэффициент наклона, характеризующийся числом при логарифме объема производства, показывает скорость сокращения издержек по мере роста производства;
♦ Коэффициент детерминации R2. Показывает долю дисперсии удельных издержек LCOE, которая объясняется снижением производства;
♦ Показатель Prob{F) - минимальный уровень значимости, при котором может быть отвергнута гипотеза о равенстве нулю всех коэффициентов в уравнении, кроме константы;
♦ Показатель Prob[t) - минимальный уровень значимости, при котором может быть отвергнута гипотеза о равенстве нулю коэффициента наклона.
Все полученные уравнения (6-8) характеризуются высоким уровнем статистической значимости в целом, а также статистической значимостью коэф-
фициентов наклона. Подтверждается гипотеза об убывающем характере кривой обучения - отрицательные коэффициенты наклона у логарифмов объема производства в правых частях всех уравнений говорят о сокращении LCOE по мере роста накопленных производственных мощностей. Все уравнения характеризуются коэффициентом детерминации не ниже 0.75, что означает, что 75% снижения LCOE оффшорного ветра в Германии объясняется ростом установленных мощностей. На рис. 4 приведено изображение кривой обучения для оффшорного ветра в Германии, построенной поданным за 2012-2016 годы.
Вместе с тем, можно отменить относительно более низкое статистическое качество полученных моделей по сравнению с моделями кривых обучения, рассчитанных нами для берегового ветра. Вероятность ошибки первого рода поднялась с нулевых значений до 5%, а коэффициент детерминации снизился до уровня ниже 0.75. Это можно объяснить тем, что используемые данные LCOE
LCOE ($/MWh)
Prod(GWh) min max avg
10000 171.10 220.10 195.59
15000 153.06 196.27 174.66
♦s.
20000 141.43 180.95 161.18 lOU.UV
25000 133.02 169.89 151.45 * * -*-avg
100.00
30000 126.52 161.36 143.93
40000 116.91 148.77 132.82 10000 1S000 20000 25000 30000 40000
По оси абсцисс -производствоэнергии оффшорного ветра вГВт-ч, по оси ординат- LCOE(доллСША/Шт-ч), Разработано автором.
Рис. Л. Кривая обучения для оффшорного ветра в Германии
Developed by the author.
Fig. Л. Learning curve for offshore wind in Germany
МИР
МИР (Модернизация, Инновации, Развитие), 201 £,Т,9, № 1, С,53-66
представляют собой оценки, полученные с помощью метода «Time model», которые изначально носит приблизительный характер и позволяют построить только интервальную оценку, а не точную. Не исключено, что модель, построенная по точным значениям (не обязательно совпадающим со средним значением)/ обладает более высоким качеством. Кроме того, негативное влияние на качество моделей могла оказать чрезмерно малая выборка, состоящая в нашем случае только из пяти наблюдений. Расчет коэффициентов обучения LR (Learning Ratio) для различных сценариев динамики LCOE показывает, что они близки по значениям, И находятся в интервале от 17,3% до 17,8%, что ниже аналогичных показателей для берегового ветра. Это, вероятно, объясняется неполнотой модели. Возможно, для находящейся на стадии раннего развития технологии оффшорного ветра, более важным параметром обучения являются инвестиции в исследования и разработки, данные о которых будут все более доступны по мере строительства новых ВЭУ. По планам ЕС технологи и как берегового, так и оффшорного ветра должны к 2030 году стать ведущими в процессах трансформации топливно-энергетических систем стран Европы, с постоянным прогрессом в области ускорения электрификации, интеграции И замещения традиционной возобновляемой энергетики. Уже в 2016 году суммарная установленная мощность ВЭУ обогнала угольной сектор, и шестой год подряд вклад в ветроэнергетику превышает все инвестиции в новые мощности [4]. Тем не менее, развитие ВЭУ в Европе является пока менее определенным после 2020 года, чем это было в последние 10 лет после того, как началась их активная коммерциализация. Поэтому прогнозные оценки в этом направлении являются достаточно важными- По нашим оценкам, на базе кривых обучения установленная мощность оффшорных ВЭУ в Германии может достигнуть к 2030 году порядка 12 ГВт, что достаточно близко к планируемой сценарием компании WindEurope величине 14 ГВт для этой страны [4]. Согласно этому сценарию, Германия к 2030 году станет ведущей страной в Европе по ветровой энергетике, с общей установленной мощностью ВЭУ порядка 85 ГВт, а совокупная мощность ветровой энергии в ЕС достигнет 323 ГВт, при подобном показателе в 160 ГВт на конец 2016 года. Это должно позволить производить до 888 ТВт-ч электроэнергии, что эквивалентно 30% спроса на электроэнергию ЕС. Согласно этому сценарию инвестиции в сектор ветроэнергетики достигнут 239 млрд Евро к 2030 году, в связи с чем будет обеспечена занятость до 569 000 человек, а также сокращение импорта углеводородов в ЕС на сумму 13,2 млрд Евро в год [4].
Выводы
Результаты проведенного исследования с использованием модифицированного автором метода «Time model» показывают целесообразность его применения как для оценки динамики снижения нормированной стоимости LCOE отдельных видов ВИЭ, так и для построения по полученным донным LCOE кривых обучения развивающихся технологий второго по информационному критерию типа (подобных офф-ш орным ВЭУ), не только Герман ИИ, н о и других стран мира. Анализ динамики развития технологий энергетики ветра на шельфе стран баосейна Северного моря, лидирующих в Европе поэтому направлению, может быть полезен и для нашей страны. Роосия омывается тринадцатью морями, ее морская граница простирается на 39 тысяч километров, а граница экономической зоны расположена в 370 километрах от берегов и отдельных островов. Подробная карта распределения среднегодовых скоростей ветра на территории России, подготовленная учёными ОИВТ РАН и МГУ показывает, что наибольшие ветровые ресурсы в нашей стране сосредоточены на северных и восточных морских побережьях и островах Арктики [8]. Здесь постоянно наблюдаются сильные И частые ветры, поэтому перспективно создание круп н ы х оф ф ш о рн ых ветровы х эн ергети ч е ских ф е рм мощностью до 100-200 МВт и более на льдоустой-чивых или плавучих платформах. Именно многие из этих районов на побережье страны имеют проблемы с дефицитом электроэнергии И топлива для автономных ди з ел ьн ых у ста н ово к Из-з а п роб лем се ве рн ого завоза во многих прибрежных и островных районах нашей страны, отрезанных от сетей централизованного электроснабжения, стоимость энергии с учетом доставки топлива очень выоока [8, 9, 10]. Такая ситуация подтверждает реальную конкурентоспособность морских ветровых энергоустановок. Менее мощные морские ветровые фермы целесообразно было бы размещать у побережья Крыма, Балтийского, Черного и Каспийского морей. Кроме того, в Роосии хорошо развита судостроительная промышленность, которая может обеспечить реализацию огромного экспортного потенциала легко транспортируемых в любую страну мира оффшорных ветровых ВИЭ, что полностью соответствует новой технологической политике нашего государства.
Список литературы
1. Ермоленко Г.В., Толкачева И-C., Репрн И.Ю., Фетисова Ю.А., ttfaцураАЛ., Реутова А Б. Справочник по возобновляемой энергетике Европейского союза: аналитический обзор; Институт энергетики НИУ ВШЭ, 2016. М- ЗАО «Печатный дом «Каноны», 2016. 96 с URL:https://publications. hse.ru/books/201698897 (п,ата обращения 15.01.2018)
2. Wind energy scenarios for 2030 // European Wind Energy
Association. 2015. 16 p. URL: http://WWW.ewea.org/
fileadmin/files/library/publications/reports/EWEA-Wind-energy-soenarios-2030.pdf (n,ara обращения 15.06.2017)
64
MIR (Modernization, Innovation, Research}, 201 в; 9(1 )53-бб
МИР
3. Wind energy in Europe: Outlookto2020//WndEurope. 2017. 43 p. URL: https://windeurope.org/about-Wind/reports/ W in d -e n e rgy-i n -e и ro pe -o utl о ok -to -2020/ # down I oa d (п,ото обращения 15.12.2017)
4. Wind energy in Europe: Scenarios for 2030 // WindEurope. 2017. 32 p. URL: https://windeurope.org/wp-oontent/ uploads/files/ about-Wind/reports/Wind-energy-in-Europe-Scenarios-for-2030.pdf (п,ата обращения 10.01.2018)
5. Offshore Wind in Europe.Walking the tightrope to suocess // Ernst & Young et Assodes. 2015. 16 p. URL: http://www.ewea. org/fileadmin/files/library/publioations/reports/EY-Offshore-Wind-in-Europe.pdf (п,ата обращения 11.08.2017)
6. Driving Cost Redudions in Offshore Wind // LeanWind. 2017. 71 p. URL: http://www.leanwind.eu/wp-oontent/ uploads/LEAbjWIN D-final-publioation.pdf (п,ата обращения
18.12.2017)
7. Безруких П.П. Ветроэнергетика: фонография. М.: Издательский доф «Энергия», 2010. 320 с
8. Попел ь О.С, Фортов В.Е. Возобновляефая энергетика в ооврефенноф фире: фонография. М.: Издательский дсф МЭИ, 2015.449 с
9. £лрстрато& В.В. Возобновляефая энергетика: фонография. СПб.: изд-во Политехнического университета, 2016. 424 с
10. Гзенгер LU., Елрсгратов В.В., Денисов P.C. Ветроэнергетика в России^ перспективы, возфожносги и барьеры // Материалы Международоого Конгресса «Возобновляефая энергетика XXI век энергетическая и эконофичеасая эффективность», REENCON- XXI. М, 2016, С. 216-220. URL: https://elibrary.ru/item.asp?id =28414708 (п,ага обращения
12.12.2017)
11. Jamasb I, KohlerJ. Learning Curves for Energy Technology: A Critical Assessment // University of Cambridge. 2007. 21 p. URL: https://w WW. re po sito ry. cam. ас. и k/b itst re a m/h a n dle/1810/194736/075?sequence=l (n,ara обращения
10.09.2017)
12. Wiosentha! T, Doling P., /yforbee J., Thiel C, Schade
B.y Russ P, Simoes $., Peteves $., Schools K, Londo fyf. Technology Learning Curves for Energy Policy Support / European Commission //Joint Research Centre. 2012. 34 p. URL: https://setis.eceuropa.eu/system/files/
Scientif ic%20report%20on%20Le am ing%20Cu r/e s%20 for%20Policy%20Support%202012.pdf (п,ата обращения
17.03.2017)
13. Rubin £5., Azevedo f.fyfl., JaramiDo P, Yeh S. A review of learning rates for electriaty supply technologies // Energy Policy. 2015. № 36. P. 198-218. DOI: https://doi. org/10.1016/j. enpol. 2015.06.011
14. Рагчер C.B. Кривые обучения в ветровой энергетике: фежстрановый анализ // Финансы и кредот. 2016. Т. 22. № 28. С. 49-60. URL: https://elibrany.ru/item. asp?id=26417071 (п,ата обращения 15.12.2017) 15
15. Lazard Levelized Costs of Energy Analisys - Version 10.0 // LAZARD. 2016. 21 p. URL: https://www.lazard.com/
m e di a/438038/1eve I iz e d-cost -of-e n e rgy-v 100. p df (n,ar a обращения 18.12.2017)
16. Experience Curves for Energy Technology Policy // OECD / IEA 2000. 147 p. URL: http://www.wenergy.se/pdf/ curve2000.pdf (n,ara обращения 16.12.2017)
17. Cost of Energy for Ocean Energy Technologies // IEA / OES. 2015. 48 p. URL: https://wwW.oce an-energy-systems, org/ publications/ oes-reports/ со st-of-energy/ document/ international-lev elise d-cost-of-energy-f or-ooean-energy-technologies-2015-/ (п,ата обращения 15.05.2017)
18. Horizon 2020 - Work Programme 2014-2015. 18 General Annexes// European Commission Dedsion C 86312013. 2013. 34 p. URL: http://eceuropa. eu/research/participants/portal/doc/ cal l/h 2020/ common/1587809-18._general_annexes_wp2014-2015_ en.pdf (п,ата обращения 15.12.2017)
19. Previsic Д4, Bedard R. Yakutat Conceptual Design,
Performance, Cost and Economics Wave Power Feasibility Study // Eledric Power Research Institute. 2009. 43 p. URL: http://re-vision.net/documents/Yakutat%20
Conceptual%20Design,%20Performance,%20Cost%20 a n d% 2 OE со n om ic%2 0Wave% 2 OPowe r%2 OFeasibil ity%2 0 Study.pdf (п,ата обращения 17.12.2017)
20. Kouvarifakis bf., Soria A, fsoard S. Modelling Energy
Technology Dynamics: Methodology for Adaptive
Expedations Models With Learning by Doing and Learning by Searching // International Journal of Global Energy Issues. 2000. T. 14. № 1-4. C. 104-115. DOI: http://dx.doi. org/10.1504/1J G E1.2000.004384
21. Erneuerbare Energien in Deutschland Daten zur Entwicklung im Jahr 2016. // AGEE / Unwelt Bundesamt. 2017. 21 p. URL: https://www.umweltbundesamt.de/sites/default/files/ medien/376/publikationen/erneuerbare_energien_in_ deutschland_daten_zur_entwicklung_im_jahr_2016.pdf (п,ата обращения 12.12.17)
22. Energiewende beschleunigen - Ausbau der Offshore-Windenergie lauft bis 2020 nach Plan // Bundesverband WindEnergie. 2018. 1 cp. URL: https://wWW.Wind-energie. de/presse/pressemitteilungen/2018/energieWende-beschleunigen-ausbau-der-offshore-windenergie-laeuft-bis (п,ата обращения 18.01.2018)
23. What is a real costs of offshore Wind? // siemens.com/ Wind. 2014. 6 p. URL: https://wWW.energy.siemens.com/ br/pool/hq/power-generation/renewables/wind-power/ S С О E/l nf ob I at t-W hat-i s-th e -re a I -со st-of- of f sh о re. p df (n,ar a обращения 15.09.2017)
24. Watanabe J. Giant fall in generation costs from offshore Wind // Bloomberg new energy finance. 2016. 2 p. URL: http://data.bloomberglp.eom/bnef/sites/4/2016/11 / BNEF_PR_2016-11 -01 -LCOE. pdf (дата обращения
15.09.2017)
25. Д4опё Cr., Stehly T., tyktples В., Settle £ C ost of Win d E n e r gy Review // N^tion°l Renewable Energy Laboratory. 2014. 71 p. URL: https://www.nrel.gov/docs/fyl6osti/64281.pdf (n,ara обращения 18.10.2017)
Об авторе:
Го рло в А натол ий Алекса н дро ви ч, аспи ра нт, Нац ио нальн ы й Исследо вател ьски й унмверситет «В ысшая ш кола экономи ки» (101000, г, Москва, уп, Мясницкая, д, 20), Москва, Российская федерация, ORCID: огейюгд/ 0000-0001292-3041, anatolygortov@yahoo,com
Автор прочитал и одобрил окончательный вариант рукописи.
65
МИР МИР (Модернизация, Инновации, Развитие}, 201&,Т,9, № 1, С,53-66
-Jy
References
1. Ermolenko G.V., Tolmacheva I.S., Repin I.Yu., Fetisova Yu.A., Matsura A.A, Reutova A.B. The European Union Renewable Energy Handbook: An Analytical Review; Institute of Power Engineering of the Higher School of Economics, 2016. Mosoow: CISC "Printing House"Kanon", 2016. 96 p. (in Russ.)
2. Wind energy scenarios for 2030. European Wind Energy Association. 2015. 16 p. Available at: http://www.ewea.org/ fileadmin/files/library/publioations/reports/EWEA-Wind-energy-soenarios-2030.pdf (aocessed 15 June 2017) (in Eng.)
3. Wnd energy in Europe: Outlook to 2020. WindEurope.
2017. 43 p. Available at: https://windeurope.org/
about-wind/reports/wind-energy-in-europe-outlook-to-2020/# down load (accessed 15 Desember 2017) (in Eng.)
4. Wnd energy in Europe: Scenarios for 2030. WindEurope. 2017. 32 p. Available at: https://windeurope.org/wp-oonte nt/uploads/files/about-Wind/reports/Wind-energy-in-Europe-Scenarios-for-2030.pdf (aocessed 10 January 2018) (in Eng.)
5. Offshore Wind in Europe. Walking the tightrope to success. Ernst & Young et Associes. 2015. 16 p. Available at: http:// WWW.eWea.org/fileadmin/files/library/publioations/reports/ EY-Offshore-Wind-in-Europe.pdf (accessed 11 August 2017) (in Eng.)
6. Driving Cost Reductions in Offshore Wnd. LeanWind. 2017.
71 p. Available at: http://www.leanwind.eu/wp-oontent/ uploads/LEAbjWIND-f inal-publioation.pdf (aocessed 18
Desember 2017) (in Eng.)
7. Bezrukih P.P. Wind power. Monograph. Mosoow: Publishing house "Energia", 2010. 320 p. (in Russ.)
8. Popel O.S., FortoY V.E. Renewable energy in the modern World. Monograph. Mosoow: Publishing house MPEI, 2015. 449 p. (in Russ.)
9. ElistratoY V V. Renewable energy. Monograph. SPb: Publishing house of Polytechnic University, 2016. 424 p. (in Russ.)
10. Gzenger Sh., ElistratoY V.V., Denisov R.S. Wind Energy in Russia: Prospects, Opportunities and Barriers. Moterials of the International Congress "Renewable Energy XXI Century: Energy and Eoonomic Efficiency", REEN| CON|-XKI. 2016, p. 216-220 (in Russ.)
11. JamasbT., Kohler J. Learning Curvesfor EnergyTechnology: A Critical Assessment. University of Cambridge. 2007. 21 p. Av ai I a bl e at: http s://WWW. re po sito ry. oam. ac. и k/b itst re a m / handle/1810/194736/075?sequence=l (aocessed 10 September 2017) (in Eng.)
12. Wie senth al T, Dowli ng P., Mo rbe e J , Th ie IC., S ch ade B., R uss P., Simoes $., Peteves $., Schoots K., Londo M- Tedinology Learning Curves for Energy Policy Support / European Commission. Joint Research Centre. 2012. 34 p. Available at: http s:// seti s. e с e и гор a. e и/sy ste m/f il e s/S a e ntif i c% 20r ep ort-%20on%20Learning%20Curves%20f or%20Policy%20 Support%202012.pdf (accessed 17 March 2017) (In Eng.)
13. Rubin E.S., Azevedo I.M-L., Jaramillo P., Yeh S. A review of learning rates for electricity supply technologies. Energy Policy. 2015;86:198-218. DOI:https://doi.org/10.1016/j. enpol.2015.06.011 (in Eng.)
14. Ratner S.V. Learning curves in Wind energy: a aoss-oountry analysis. Finance and credit. 2016; 22(28):49-60 (in Russ.)
15. Lazard Leyelized Costs of Energy Analisys - Version 10.0 LAZARD. 2016. 21 p. Available at: https://wwwJazard. com/media/438038/leYelized-cost-of-energy-Yl 00. pdf (aocessed 18 Desember 2017) (in Eng.)
16. Experience Curvesfor EnergyTechnology Policy. OECD / IEA. 2000. 147 p. Available at: http://www.wenergy.se/ pdf/curve2000.pdf (aocessed 16 Desember 2017) (in Eng.)
17. Cost of Energy for Ocean Energy Technologies. IEA / OES. 2015. 48 c Available at: (aocessed 15 May 2017) (n Eng.)
18. Horizon 2020 - Work Programme 2014-2015. 18 General Annexes. European Commission Decision C 86312013. 2013. 34 p. Available at: http://eceuropa. eu/re search/participant s/portal/doc/call/h2020/ common/1587809-18._general_annexes_wp2014-2015_ en.pdf (aocessed 15 Desember 2017) (in Eng.)
19. Previsic М/ Bedard R. Yakutat Conceptual Design, Performance, Cost and Economic, Wave Power Feasibility Study. Electric Power Research fnstitvte. 2009. 43 p. Available at: http://re-vision.net/documents/Yakutat%20 Conceptual%20Design,%20Performance,%20Cost%20 and%20Eoonomi<%20Wave%20Power%20Feasibility%20 Study.pdf (aocessed 17 Desember 2017) (In Eng.)
20. Kouvaritakis N-, Soria A., Isoard S. Modelling Energy
Technology Dynamics: Methodology for Adaptive
Expectations Models With Learning by Doing and Learning by S e a rch i n g. International Jo umal of Global Energy Issues. 2000; 14(1-4): 104-115. DOI: http://dx.doi.org/10.1504/ IJGEI.2000.004384 (n Eng.)
21. Erneuerbare Energienin Deutschland DatenzurEntWicklung
im Jahr 2016. AGEE / Unwelt Bundesamt. 2017. 21 p. Available at: https://www.umweltbundesamt.de/sites/
default/files/medien/376/publikationen/erneuerbare_ energien_in_deutschland_daten_zur_e ntwicklung_im_ jahr_2016.pdf (aocessed 12 Desember 2017) (In Germ.)
22. Energiewende beschleunigen - Ausbau der Offshore-Wndenergie feuft bis 2020 nach Plan. Bundesverband WindEnergie. 2018. 1 p. Available at: https://wWW.Wind-e ne rg ie. de/p re sse/p re ssemitte i lu ng en/2018/e n erg ie We n de -beschleunigen-ausbau-der-offshore-windenergie-laeuft-bis (aocessed 18January 2018) (in Germ.)
23. What is a real oosts of offshore Wind? // siemens.com/ Wind. 2014. 6 p. Available at: https://wWW.energy.siemens, com/br/pool/hq/power-generation/renewables/wind-poWer/SCOE/Infoblatt-what-is-the-real-oost-of-off shore, pdf (accessed 15 September 2017) (in Eng.)
24. Watanabe J. Giant fall in generation costs from offshore Wind. Bloomberg new energy finance. 2016. 2 p. Available at: http://data.bloomberglp.eom/bnef/sites/4/2016/11/ Bb|EF_PR_2016-l 1 -01 -LCOE.pdf (accessed 15 September 2017) (in Eng.)
25. Mone Cr., Stehly T, Maples B., Settle E. Cost of Wind Energy Review. Rational Renewable Energy Laboratory. 2014. 71 p. Available at: https://www.nrel.gov/docs/ fyl6osti/64281.pdf (accessed 18 October 2017) (in Eng.)
About the author:
Anatoly A. Goriov, National Research University "HigherSchoo I of Economics" (20, Myasnitskaya St, Moscow, Russian Federation, 101000), Moscow, Russian Federation,ORC ID :orcld.org/COO<>OCO>1292-3^1, a nat»lygorto\*§ya hoo.com
7he author have read and approved the final manuscript
66
