przez Kirka Kardashiana
9 listopada 2023 r

W 2022 r. Stany Zjednoczone wyprodukowały 4,24 biliona kilowatogodzin energii elektrycznej, co przełożyło się na przychody w wysokości 488 miliardów dolarów. Sektor energetyczny jest jedną z największych i najważniejszych części naszej gospodarki, a także stanowi ważny obszar badań, nauczania i ścieżek studenckich w Tuck.

Centrum Energii, Zrównoważonego Rozwoju i Innowacji Revers stanowi centrum większości tych działań, a jego misją jest inspirowanie i kształtowanie przyszłych liderów energii, angażując jednocześnie dzisiejszą społeczność energetyczną. Centrum kieruje Erin Mansur, profesor administracji biznesowej, której badania koncentrują się na zagadnieniach z zakresu ekonomii energii, ekonomii środowiska i organizacji przemysłowej. Prowadzi także zajęcia z ekonomii energii.

Poza Centrum Rewersu, energia jest tematem pojawiającym się w badaniach wykładowców z wielu dziedzin. Trzy nowe dokumenty robocze ilustrują rygorystyczność i znaczenie wydziału Tucka w kwestiach energii i zmian klimatycznych, ukazując zakres badań Tucka i ich praktyczne implikacje dla redukcji emisji gazów cieplarnianych.

Wykorzystanie cen i automatyzacji do zmniejszenia zapotrzebowania na energię elektryczną

Praveen K. Kopalle, profesor zarządzania w Signal Companies, jest czołowym ekspertem w dziedzinie analityki cenowej i marketingowej. W dwóch ostatnich artykułach bada, w jaki sposób dynamiczna strategia cenowa w połączeniu z automatyzacją urządzeń gospodarstwa domowego może zmniejszyć zapotrzebowanie na energię elektryczną w godzinach szczytu i przenieść część tego zapotrzebowania na godziny pozaszczytowe. Całkowity efekt polega na znacznej redukcji emisji gazów cieplarnianych powstających w wyniku wytwarzania energii elektrycznej.

Praveen Kopalle jest profesorem zarządzania i marketingu w Signal Companies. W programie MBA Kopalle uczy strategii i taktyki cen detalicznych oraz kursu Tuck Integrative Experiential Learning.

Pierwsza praca Kopalle’a (która ukaże się w r Nauka o zarządzaniu) z tej serii to „Dowody z eksperymentów terenowych na temat wpływu cen na oszczędzanie energii elektrycznej w budynkach mieszkalnych”, napisane wspólnie z Jessem Burkhardtem ze stanu Kolorado i Kennethem Gillinghamem z Yale. Analizują w nim dwuletni eksperyment terenowy obejmujący 280 gospodarstw domowych w Teksasie, w ramach którego gospodarstwa domowe objęte leczeniem zostały z wyprzedzeniem powiadomione o krytycznym okresie szczytowym, w którym ceny energii elektrycznej gwałtownie wzrosną z powodu wysokich temperatur i dużego zapotrzebowania na klimatyzację. W odpowiedzi na te informacje gospodarstwa domowe zmniejszyły zużycie energii elektrycznej o 14 procent i emisję gazów cieplarnianych o 16 procent w ciągu 27 najgorętszych dni w ciągu dwóch lat. Ponieważ domy te były wyposażone w liczniki energii elektrycznej na poziomie urządzenia, autorzy zauważyli, że 74 procent krytycznej odpowiedzi szczytowej wynikało z zmniejszonego wykorzystania klimatyzacji.

W oddzielnym programie pilotażowym konsumenci zareagowali na obniżki cen energii elektrycznej w godzinach nocnych, przenosząc ładowanie pojazdów elektrycznych na godziny nocne, kiedy zapotrzebowanie na energię elektryczną jest najniższe (a wytwarzanie energii wiatrowej największe). Kopalle i jego współautorzy sugerują, że te narzędzia do dynamicznego ustalania cen można powiązać z urządzeniami i pojazdami elektrycznymi, dzięki czemu automatycznie zmniejszają zużycie energii elektrycznej w godzinach szczytu i przenoszą część wykorzystania na godziny poza szczytem.

„Wyniki te stanowią wskazówki dla liderów biznesu i decydentów, sugerując, że środki ustalania cen i automatyzacji mogą być obiecujące w zakresie wspierania zachowań prospołecznych i wspomagania przejścia na energię odnawialną” – piszą.

Kopalle opiera się na tych ustaleniach w swoim drugim artykule (który ukaże się w czasopiśmie „ Journal of Academy of Marketing Science), napisany wspólnie z Burkhardtem, Gillinghamem i Tuckiem, Lauren Grewal i Nailyą Ordabayevą. W artykule „Dostarczanie konsumentom przystępnej cenowo czystej energii” badacze opracowują ramy zorientowane na marketing, które stanowią podstawę ogólnosystemowego rozwiązania umożliwiającego przyjęcie czystej energii przez konsumentów. Mówiąc dokładniej, badają, jak wykorzystać zasady marketingu i automatyzację, aby nie tylko skłonić konsumentów do zakupu czystej energii, ale także zmniejszyć potrzebę wytwarzania energii elektrycznej z paliw kopalnych w celu uzupełnienia nieuniknionych luk w wytwarzaniu energii odnawialnej.

Autorzy wykorzystują zmienne marketingu mix „4P” – cenę, produkt, miejsce i promocję – aby lepiej zrozumieć motywacje i bariery konsumentów związane z czystą energią. Badają te zmienne w ankiecie konsumenckiej, eksperymencie terenowym i symulacji dekarbonizacji. Przeprowadzony przez nich eksperyment terenowy potwierdził pozytywny wpływ strategii ustalania cen krytycznej mocy szczytowej i dodał element automatyzacji, wykorzystując termostaty NEST, które można zsynchronizować z dostawcą usług energetycznych, aby automatycznie zmniejszać zużycie klimatyzatora w okresach szczytu mocy. Ich badanie wykazało, że konsumenci są skłonni zaakceptować niewielką różnicę w cenie za zautomatyzowane rozwiązanie. Przeprowadzona przez nich symulacja dekarbonizacji wykazała, że ​​dynamiczne ceny w połączeniu z automatyzacją mogą zmniejszyć zapotrzebowanie na moce produkcyjne o 53 procent. To z kolei oznacza, że ​​koszty magazynowania energii (tj. baterii) mogłyby potencjalnie zostać poniesione przez lokalne gminy i stany, które przechodzą na środowisko w 100% wolne od emisji dwutlenku węgla.

„Zaproponujemy zatem, aby rozwiązanie w zakresie dostarczania czystej energii elektrycznej klientom indywidualnym polegało na wspólnym wykorzystaniu wielu elementów 4P” – oferują – „co mogłoby być koordynowane przez lokalne przedsiębiorstwo energetyczne lub stronę trzecią”.

Korzystanie z optymalizacji w celu podjęcia decyzji, które elektrownie włączyć

Pojawienie się odnawialnych źródeł energii, takich jak energia wiatrowa i słoneczna, w cudowny sposób przyczyniło się do zmniejszenia naszej zależności od paliw kopalnych i ograniczenia emisji gazów cieplarnianych. Jednak źródła odnawialne utrudniają przedsiębiorstwom energetycznym zorientowanie się, z której z nieodnawialnych elektrowni korzystać w danym dniu.

James Smith, wybitny profesor nauk decyzyjnych Jacka Byrne’a, jest ekspertem w dziedzinie analizy decyzji i obecnie koncentruje się na opracowywaniu metod badania dynamicznych problemów decyzyjnych i wyceny ryzykownych inwestycji.

W przeciętny słoneczny dzień panele słoneczne wysyłają znaczną moc do sieci od późnego ranka do późnego popołudnia, a w tym czasie zapotrzebowanie na elektrownie oparte na paliwach kopalnych maleje. Jeśli jednak nadejdzie burza i słońce przestanie świecić, tradycyjne elektrownie staną się ważniejsze w dostarczaniu energii elektrycznej dla podstawowego obciążenia. Każdego dnia Duke Energy, właściciel 130 elektrowni na południowym wschodzie, musi przeglądać prognozę pogody i decydować, które ze swoich elektrowni włączyć i kiedy to zrobić. Jest to skomplikowane z wielu powodów, a jednym z nich jest to, że włączanie i wyłączanie niektórych z tych zespołów napędowych zajmuje wiele godzin. Dlatego obecny proces Duke’a jest nie tylko pracochłonny; jest to również potencjalnie obarczone kosztownymi błędnymi domysłami.

Celem nowych badań Jima Smitha, wybitnego profesora nauk decyzyjnych Jacka Byrne’a w Tuck, jest uczynienie procesu podejmowania decyzji operacyjnych łatwiejszym i mądrzejszym. Smith współpracuje z Duke Energy i swoim byłym kolegą z Duke University, Davidem Brownem, przy badaniach, które są wspierane przez grant od Agencji Zaawansowanych Projektów Badawczych ds. Energii (ARPA-E) Departamentu Energii, który zajmuje się niepewnością w branży mediów elektrycznych.

Jak wyjaśnia Smith, „nasze pytanie badawcze brzmi: czy możemy po prostu wprowadzić niepewność do całego procesu planowania, zamiast doraźnego, deterministycznego planu, który jest dostosowywany z godziny na godzinę?” Ich ogólne podejście polega na stworzeniu dynamicznego planu warunkowego, który określa wykorzystanie zespołu napędowego w każdym możliwym stanie środowiska. Zasadniczo ich model optymalizacji analizuje liczby – cenę, popyt, pojemność itp. – i oblicza szeroki wachlarz możliwości operacyjnych, z których każdy może zostać wdrożony w danych realiach.

Po przetestowaniu modelu na podstawie scenariuszy popytu z przeszłości i zmianie tych scenariuszy na przyszłość, która może obejmować podatek węglowy, model wykazał znaczną poprawę w porównaniu z obecną praktyką w Duke Energy.

„Średnio” – mówi Smith – „obecna praktyka w zakładach użyteczności publicznej takich jak Duke jest o około 2,8% suboptymalna. W przyszłym świecie, w którym obowiązuje podatek węglowy, są one o 6% nieoptymalne, a bez podatku węglowego – o 8%. Z kolei model Smitha i Browna jest suboptymalny o nie więcej niż 0,2–0,3%. „Nasz model poradzi sobie z każdym scenariuszem, a jego działanie pogarsza się wraz z większą niepewnością” – mówi. Pod względem dolarów i centów model Smitha i Browna pozwala przedsiębiorstwu wielkości Duke Energy zaoszczędzić do 1 miliona dolarów w dniu dużego obciążenia dzięki inteligentnemu zarządzaniu elektrowniami na paliwa kopalne, a jednocześnie może zmniejszyć emisję gazów cieplarnianych.

Smith podsumowuje to wymowną analogią: „Stary plan Duke’a jest jak wskazówki dojazdu na papierowej mapie” – mówi. „Nasz plan przypomina Google lub Waze, które zmieniają trasę podczas jazdy, aby uwzględnić ruch”.