Energi Terapan
sebuah
Fakultas Ekonomi dan Manajemen, China University of Petroleum, Beijing, Changping, Beijing 102249, China
b
Sekolah Bisnis, Masyarakat & Teknik, Malardalen ¨ Universitas, Vasteras, Swedia
c
Sekolah Manajemen dan Ekonomi, Institut Teknologi Beijing, Haidian, Beijing 100081, Cina
d
Perpustakaan Sains Nasional Akademi Sains China, Beijing, China
HIGHLIGHT
• Model keputusan investasi opsi riil baru diusulkan berdasarkan efek pembelajaran teknologi. • Pendekatan
kurva pembelajaran teknologi dua faktor berbasis komponen dikembangkan untuk memprediksi biaya komponen. • Harga minyak
harus $80/barel untuk memicu investasi segera untuk CO2-EOR. • Harga metanol harus lebih dari 580 $/ton o memicu investasi
segera untuk CO2-MET. • Proyek CO2-MET memiliki fleksibilitas yang lebih ekonomis dan geografis daripada proyek CO2-EOR.
Kata kunci: Teknologi Carbon Capture and Utilization (CCU) sangat penting untuk mencapai target netralitas karbon. Namun, menilai
Penangkapan dan Pemanfaatan Karbon (CCU) nilai dan waktu investasi secara komprehensif masih menjadi tantangan bagi CCU karena ketidakpastian teknologi dan
Keputusan investasi
pasar dari perspektif jangka panjang. Untuk membantu pengambilan keputusan, karya ini mengembangkan model
Efek pembelajaran teknologi
keputusan investasi opsi nyata baru berdasarkan efek pembelajaran teknologi. Secara khusus, pendekatan kurva
Peningkatan pemulihan minyak menggunakan CO2 (CO2-EOR)
pembelajaran teknologi dua faktor berbasis komponen diusulkan untuk memprediksi biaya masa depan untuk setiap komponen.
Sintesis metanol dari CO2 yang ditangkap (CO2-
BERTEMU)
Untuk memverifikasi model ini, digunakan untuk menganalisis dua proses CCU, termasuk pemulihan minyak yang
ditingkatkan menggunakan CO2 (CO2-EOR) dan sintesis metanol dari CO2 yang ditangkap (CO2-MET). Hasil menunjukkan
bahwa model yang diusulkan dapat memprediksi kurva biaya teknologi secara efektif dan menemukan keputusan investasi
yang optimal untuk kedua aplikasi dengan mempertimbangkan berbagai ketidakpastian. Juga ditemukan bahwa harga
minyak setidaknya harus lebih dari 80 $/barel untuk CO2 - EOR dan harga methanol harus lebih dari 580 $/ton untuk CO2-
MET untuk memicu investasi segera. Relatif, berinvestasi dalam proyek CO2-MET lebih ekonomis daripada proyek CO2-EOR.
https://doi.org/10.1016/j.apenergy.2022.119514
Diterima 7 Februari 2022; Diterima dalam bentuk revisi 23 Mei 2022; Diterima 17 Juni 2022 Tersedia
online 28 Juni 2022 0306-2619/© 2022 Elsevier Ltd. Semua hak dilindungi undang-undang.
Machine Translated by Google
nilai investasi secara akurat [7]. Selain itu, stimulus kebijakan yang lemah dan subsidi studi untuk memprediksi pengurangan biaya masa depan dalam teknologi CCU. Efek LBD
keuangan yang tidak memadai merusak ekspektasi investor, serta kerangka peraturan yang diukur dengan faktor keluaran kumulatif dan efek LBR yang diukur dengan faktor
yang tidak lengkap untuk CCU [8]. Semua masalah tersebut mempersulit investor untuk penerapan paten kumulatif disertakan untuk meningkatkan pendekatan.
secara akurat menilai nilai investasi CCU, dan kemudian membuat keputusan investasi
yang optimal. Oleh karena itu, ada kebutuhan mendesak untuk mengembangkan model
keputusan investasi bagi investor. 2.2. Keputusan investasi pada proyek-proyek CCU
Untuk tujuan ini, model keputusan investasi opsi riil baru dikembangkan dalam
penelitian ini, yang dapat mempertimbangkan ketidakpastian proyek CCU multidimensi. Metode tradisional untuk membuat keputusan investasi untuk proyek terkait energi
Secara khusus, pendekatan kurva pembelajaran teknologi dua faktor berbasis komponen dapat diklasifikasikan sebagai: i) Teori investasi statis, yang terutama mencakup metode
diadopsi dalam model keputusan investasi untuk memprediksi biaya masa depan dari tingkat pengembalian akuntansi dan metode periode pengembalian statis. Karena
komponen terperinci dalam teknologi yang berbeda. Ini memperhitungkan efek belajar mengabaikan nilai waktu arus kas dan tidak mempertimbangkan perubahan nilai investasi
sambil melakukan (LBD) yang diukur dengan faktor keluaran kumulatif dan efek belajar proyek masa depan, hal itu dapat menyebabkan keputusan investasi yang salah [20]; ii)
sambil meneliti (LBR) yang diukur dengan aplikasi paten kumulatif. Teori investasi dinamis, yang dapat mempertimbangkan nilai waktu arus kas atas dasar
statis
Untuk memverifikasi keefektifan model, digunakan untuk membuat keputusan investasi teori investasi. Ini terutama mencakup metode nilai sekarang bersih, metode tingkat
untuk dua proses CCU, CO2-EOR dan sintesis metanol dari CO2 yang ditangkap (CO2- pengembalian internal keuangan dan metode periode pengembalian dinamis. Namun,
MET). CO2-EOR dipilih karena merupakan salah satu cara pemanfaatan CO2 yang paling tidak dapat mempertimbangkan dampak ketidakpastian dalam keputusan investasi [21];
umum [9]. Sementara itu, karena kebutuhan dekarbonisasi yang kuat di sektor transportasi, iii) Metode analisis sensitivitas, yang sering digunakan untuk menganalisis dampak
CO2 - MET semakin menarik perhatian. Pada tahun 2021, ada 29 proyek CO2-MET dari perubahan variabel kunci terhadap keputusan investasi proyek energi dalam lingkungan
fasilitas dan penyedia teknologi yang ada atau direncanakan di seluruh dunia, termasuk 7 yang tidak pasti. Metode ini berguna untuk membantu investor menemukan faktor paling
proyek dengan skala lebih dari 100.000 t/ tahun. Chauvy et al [10] juga menegaskan kritis yang mempengaruhi nilai proyek, dan menilai perubahan nilai proyek dengan
produksi metanol dan metana sebagai jalur konversi CO2 yang lebih disukai. Oleh karena memprediksi perubahan faktor kritis. Namun, diasumsikan bahwa variabel kunci adalah
itu, CO2 -MET juga disertakan. Tujuannya adalah untuk menemukan waktu investasi dan distribusi diskrit dan tidak akan berubah dengan waktu, sehingga dianggap ketidakpastian
nilai investasi yang optimal, dan menyelidiki dampak dari faktor kunci pada pengambilan terbatas [22]; iv) Metode analisis pohon keputusan, di mana probabilitas berbagai status
keputusan. perubahan variabel acak umumnya disimpulkan dari data dan pengalaman proyek awal
atau serupa lainnya [23]. Secara umum, metode ini memiliki pertimbangan terbatas
ketidakpastian eksternal, dan mengabaikan nilai yang diciptakan oleh inisiatif subjektif
manajer [24]. Proyek CCU memiliki karakteristik ketidakpastian yang tinggi, periode
2. Tinjauan literatur pengembalian yang panjang dan biaya yang tinggi, sehingga metode keputusan investasi
tradisional yang disebutkan di atas tidak sesuai.
2.1. Prediksi biaya CCU
Biaya, termasuk biaya modal dan O&M, menentukan kelayakan proyek teknologi
energi, termasuk proyek CCU. Rantai CCU secara umum dapat dibagi menjadi Selain itu, Black dan Scholes [25] mengusulkan model penetapan harga opsi Black
penangkapan CO2, transportasi CO2, dan pemanfaatan CO2 [7,11]. Kurva pembelajaran Scholes yang terkenal, yang meletakkan landasan teoretis untuk kelahiran opsi nyata.
teknologi telah umum digunakan untuk memprediksi biaya masa depan CCU [12,13]. Teori opsi riil juga dikenal sebagai metode pengambilan keputusan investasi dalam kondisi
Misalnya, Lin dan Tan [12] menerapkan pendekatan ini dengan mempertimbangkan efek ketidakpastian, yang percaya bahwa ketidakpastian dan fleksibilitas manajemen
LBD untuk memprediksi investasi dan biaya O&M untuk perkuatan penangkapan CO2. menciptakan nilai aset riil, dan karenanya harus dipertimbangkan sepenuhnya oleh investor
Marchese et al [13] menerapkannya dengan pertimbangan efek LBD untuk memprediksi dalam proses pengambilan keputusan investasi [26,27] . Dalam metode opsi riil, nilai
biaya produksi lilin Fischer-Tropsch (FT) pada tahun 2030 dan 2050. investasi proyek energi berfluktuasi dari waktu ke waktu, dan investor memiliki hak untuk
menunda investasi hingga lingkungan investasi menjadi lebih menguntungkan. Dengan
Penerapan kurva pembelajaran teknologi umumnya memberikan tingkat pembelajaran demikian berdasarkan karakteristik proyek, hak investor dalam tahapan yang berbeda
keseluruhan untuk teknologi yang dipelajari dalam studi di atas. Namun, teknologi yang dapat dipertimbangkan dalam metode opsi riil dengan cara yang jauh lebih fleksibel. Myers
kompleks dapat terdiri dari beberapa subproses dan komponen utama, yang biayanya dan Turnbull [28] pertama kali menerapkan teori opsi nyata untuk membuat keputusan
juga dapat mengikuti teori kurva pembelajaran. Untuk memprediksi biaya lebih akurat, investasi bagi perusahaan, dan telah diterapkan secara bertahap sejak saat itu [26,29,30].
penting untuk mempertimbangkan efek pembelajaran teknologi dari setiap sub-proses
atau komponen utama [14]. Kurva biaya komponen selanjutnya dapat dikumpulkan untuk
menyajikan biaya teknologi yang kompleks [15].
Oleh karena itu, metode opsi riil, yang mempertimbangkan pengaruh ketidakpastian
Kurva pembelajaran berbasis komponen telah digunakan untuk memprediksi biaya dan fleksibilitas manajemen, sangat sesuai untuk menganalisis keputusan investasi proyek
masa depan teknologi CCU, namun studi saat ini hanya mempertimbangkan efek LBD CCU. Saat ini, metode opsi riil telah banyak digunakan dalam penelitian sebelumnya untuk
[13,16,17]. Kang dkk. [16] menerapkan pendekatan kurva pembelajaran berbasis menganalisis keputusan investasi proyek CCU dalam hal ketidakpastian harga pasar
komponen dengan mempertimbangkan efek LBD untuk menganalisis biaya teknologi (mengingat harga minyak, harga karbon, dll.) dan insentif kebijakan (subsidi investasi
penangkapan CO2 (CC) masa depan, yang diuraikan menjadi boiler PC, kontrol polusi modal, penyimpanan CO2). atau subsidi pemanfaatan, dll.)
udara, dan komponen kunci lainnya. Ruttinger dkk. [17] menerapkan pendekatan yang
sama untuk CO2-to diesel, yang dipecah menjadi kompresor umpan syngas, pembangkit [12,26,31–33]. Misalnya, Lin dan Tan [12] mengusulkan model opsi yang ditangguhkan
uap, reaktor, dll. untuk mengevaluasi secara kuantitatif dampak guncangan harga minyak yang rendah dan
mekanisme perdagangan karbon pada nilai investasi proyek CCU.
Selanjutnya, selain efek LBD, efek LBR terjadi pada proses inovasi perusahaan Hasilnya menunjukkan bahwa harga karbon dan minyak yang lebih tinggi diperlukan untuk
dengan meningkatkan kapabilitas R&D-nya, yang memungkinkan perusahaan memicu investasi segera. Zhu dan Fan [26] menetapkan model evaluasi investasi CCUS
memanfaatkan modal pengetahuan secara lebih efektif, sehingga meningkatkan berdasarkan teori opsi nyata dengan mempertimbangkan ketidakpastian dari biaya
produktivitas dan mengurangi biaya [18,19]. pembangkit listrik termal yang ada, harga karbon, dll. Temuan menunjukkan bahwa risiko
Namun, efek LBR jarang dipertimbangkan dalam pendekatan kurva pembelajaran berbasis investasi saat ini relatif tinggi. Singkatnya, penelitian sebelumnya hanya mengasumsikan
komponen dalam studi CCU sebelumnya. bahwa biaya masa depan menurun dengan efek LBD [12,34,35], atau membuat analisis
Oleh karena itu, untuk menjembatani kesenjangan pengetahuan ini, pendekatan sensitivitas pada tingkat pembelajaran teknologi [11,36]. Namun, mengabaikan efek lain,
kurva pembelajaran teknologi dua faktor berbasis komponen diusulkan saat ini seperti
2
Machine Translated by Google
Efek LBR, membuat akurasi hasil prediksi biaya di atas perlu ditingkatkan. Selain itu, Untuk menunjukkan keefektifan model terintegrasi yang diusulkan, telah diadopsi
belum ada penelitian yang mengintegrasikan efek pembelajaran berbasis komponen untuk membantu keputusan investasi untuk dua teknologi pemanfaatan CO2, CO2-
dalam keputusan investasi opsi riil. EOR dan CO2-MET.
Oleh karena itu, sebagai faktor kunci yang mempengaruhi ekonomi CCU, prediksi
akurat biaya masa depan dengan mempertimbangkan efek pembelajaran berbasis
komponen dan integrasinya dalam keputusan investasi masih merupakan kesenjangan 3.2. Pendekatan kurva pembelajaran dua faktor berbasis komponen
yang besar. Untuk menjembatani kesenjangan, efek LBD dan LBR diperkenalkan
dalam pendekatan kurva pembelajaran teknologi dua faktor berbasis komponen untuk 3.2.1. Alur proses dan komponen utama teknologi CCU
memprediksi biaya modal dan O&M di masa mendatang dengan lebih akurat. Sebagai input kunci dari teknologi pemanfaatan CO2, CO2 perlu ditangkap dari
Selanjutnya, pendekatan learning curve di atas diintegrasikan ke dalam model sumber CO2. Ada tiga jalur penangkapan CO2 (CC) yang dapat digunakan di sektor
keputusan investasi opsi riil terlebih dahulu untuk meningkatkan akurasi keputusan ketenagalistrikan: (1) jalur penangkapan pasca pembakaran; (2) jalur penangkapan
investasi. pra-pembakaran berdasarkan Siklus Gabungan Gasifikasi Terintegrasi (pra-IGCC);
dan (3) jalur pembakaran bahan bakar Oxy [37]. Jalur penangkapan pasca-pembakaran
3. Metodologi telah dianggap sebagai solusi yang paling layak [16]. Oleh karena itu dipilih dalam
penelitian ini. Aliran proses dan komponen kunci dari jalur penangkapan pasca-
3.1. Kerangka model pembakaran ditunjukkan pada Gambar. 2a, yang terutama terdiri dari komponen
penangkap CO2 dan komponen kompresi CO2.
Kerangka model penelitian ini diilustrasikan pada Gambar. 1, yang dapat dibagi
menjadi tiga bagian. Pada langkah 1, komponen utama yang terlibat dalam setiap
teknologi pertama-tama diidentifikasi menurut diagram alur proses CCU, kemudian CO2 - EOR, seperti yang ditunjukkan pada Gambar 2b, termasuk komponen
biaya masa depan dari setiap komponen diprediksi dengan menggunakan pendekatan injeksi CO2 (terdiri dari transmisi pipa CO2 dan sumur injeksi), dan komponen produksi
kurva pembelajaran. Pada langkah 2, selain biaya masa depan dari setiap komponen, & pemisahan (terdiri dari sumur ekstraksi, unit penanganan dan pemisahan produk)
harga produk juga merupakan faktor kunci yang mempengaruhi keekonomian proyek [7]. CO2 - MET, seperti yang ditunjukkan pada Gambar 2c, termasuk komponen
CCU. Oleh karena itu, ketidakpastian harga produk digambarkan dengan menggunakan sintesis metanol (terdiri dari tangki penyangga bahan baku dan menara sintesis
Geometric Brownian Motion (GBM) atau mean-reverting process (MRP). Pada langkah metanol), dan komponen pemurnian & distilasi (terdiri dari penukar panas suhu tinggi,
3, model opsi nyata dengan mempertimbangkan opsi yang ditangguhkan dikembangkan pendingin air-metanol mentah dan pemisah meth anol) [38,39]. Karena hidrogen
dan keputusan investasi proyek CCU dianalisis berdasarkan hasil yang diperoleh pada adalah bahan baku utama CO2 - MET, komponen produksi hidrogen hijau berdasarkan
langkah 1 dan langkah 2. elektrolisis air juga dimasukkan sebagai komponen kunci [39]. Selain itu
3
Machine Translated by Google
diasumsikan bahwa hidrogen diperoleh dari pabrik produksi hidrogen yang ada daripada dimana Ct menunjukkan biaya pada tahun t, C0 adalah biaya awal, b menunjukkan rasio
membangun kembali pabrik baru dalam penelitian ini. Selain itu, tingkat kesiapan teknologi pengalaman LBD, c menunjukkan rasio pengalaman LBR, Qt adalah keluaran kumulatif
(TRL) CC [40], CO2-EOR [4] dan CO2-MET [10,41] telah dinilai dalam beberapa penelitian pada tahun t, Q0 adalah keluaran kumulatif awal, PTt adalah aplikasi paten kumulatif pada
sebagai TRL 9, yang berarti teknologi ini telah memasuki aplikasi komersial. tahap tion. tahun t, dan PT0 adalah aplikasi paten kumulatif awal.
Sebuah teknologi baru akan mulai diadopsi sebagai yang pertama dari jenisnya (FOAK),
dan dengan penerapan teknologi yang terus menerus, teknologi yang sudah mapan dapat Tingkat pembelajaran (LR) adalah proporsi pengurangan biaya dengan setiap
dianggap sebagai Nth of a kind (NOAK) [42]. penggandaan output kumulatif, seperti yang terlihat pada Persamaan. (2) [45]:
LR = 1 ÿ 2b (2)
Ketika teknologi FOAK maju menuju teknologi NOAK, efek pembelajaran akan terjadi dan
mengurangi biaya modal dan O&M [43]. Teknologi FOAK menyatakan telah memasuki Potensi pengurangan biaya dari keseluruhan sistem teknologi terutama bergantung
tahap aplikasi komersial dan mencapai TRL 9, yang berarti efek pembelajaran, seperti pada efek pembelajaran teknologi dari komponen-komponen utama [14]. Sebuah teknologi
efek LBD dan LBR, terjadi hanya setelah teknologi mencapai TRL 9. Mengingat bahwa yang kompleks dapat dianggap sebagai integrasi dari beberapa komponen kunci, dimana
CC, CO2-EOR dan CO2- Teknologi MET telah mencapai TRL 9, oleh karena itu efek biaya setiap komponen mengikuti teori kurva pembelajaran. Kurva biaya komponen
pembelajaran dapat diterapkan di ketiga teknologi tersebut. selanjutnya dapat diringkas untuk menyajikan keseluruhan biaya teknologi [15]. Selain itu,
seluruh biaya dapat dibagi menjadi biaya modal dan biaya O&M. Selain itu, komponen
yang berbeda memiliki tingkat pembelajaran yang berbeda. Menurut Persamaan. (1),
Pendekatan kurva pembelajaran dua faktor berbasis komponen ditunjukkan pada biaya modal dan biaya O&M dapat dimodifikasi seperti yang ditunjukkan pada Persamaan.
Persamaan. (1) [44]: (3–8) [16]:
(1)
Ct = C0 × (Qt Q0 )b × (PTt PT0 )c
4
Machine Translated by Google
CC CC tingkat pembelajaran modal dan biaya O&M CC, CO2-EOR dan CO2-MET masing-masing disebabkan
Saya = saya
t 0
t 0 )b1 × (PTCC PTCC
(QCCQCC t )c10× oleh efek LBR.
Topi
1
CC CC
= saya0 Kap
3.2.2. Prediksi parameter input kunci Output produk
+ saya0Komp
(QCCQCC PTCC
t 0 )bCap 1 × (PTCC t 0)c × QCC
1 × (QCC
0 )bKomp
t kumulatif dan aplikasi paten kumulatif, sebagai parameter input kunci untuk pendekatan kurva
Komp
1
pembelajaran teknologi, perlu diprediksi terlebih dahulu. Model konseptual kurva-S evolusi teknologi
PTCC
(3) telah banyak digunakan sebagai model teoretis yang dapat dengan baik menjelaskan hubungan antara
× (PTCC t0)c
teori siklus hidup dan evolusi teknologi [46]. Oleh karena itu, model S-curve diterapkan untuk
memprediksi output produk kumulatif masa depan dan aplikasi paten kumulatif. Bentuk dasarnya
EOR EOR
Saya = saya ditunjukkan pada Persamaan. (9) [46]:
t 0
QEOR
(QEOR t )bCI)b2
0 2 )cCI 2 ×PTEOR
× (PTEOR(PTEOR
t 0)c2 ×t ×
EOR EOR
= saya0CI + saya0CP
QEOR
0 (QEOR t PTEOR
0 2 × (QEOR
0 t )bCP
QEOR
k/ b
T= (9)
1 + s × eÿ k(tÿ t0 )
(4)
PTEOR
2 × (PTEOR
0 t0
)cCP
)b3
di mana T menunjukkan indeks kinerja teknologi (mengacu pada output produk kumulatif dan aplikasi
paten kumulatif dalam penelitian ini) pada tahun t, t0 adalah waktu awal, dan k menunjukkan tingkat
Saya Saya
Saya = saya pertumbuhan tetap. Saat t menuju tak terhingga, T cenderung sama dengan k/ b, sehingga k/ b
t 0
QMe
0 )bMS 3
× )cMS
(QMe
(PTMe
t 3 t×)c3 ×PTMe
(PTMe(QMe
0t × t
merepresentasikan output produk kumulatif maksimum atau aplikasi paten [47]. Sebuah konstanta s
Saya Saya
digunakan untuk menyesuaikan nilai awal. Menurut Schmidt et al [47], k/ b didasarkan pada prediksi IEA
= saya0MS + saya0PD
PTMe 0 )bPD 3 )cPD 3 × tPTMe
(QMe (PTMe [1] atau sebagai asumsi. k dan s kemudian dapat dilengkapi dengan data historis keluaran produk
QMe 0 QMe 0 t×
kumulatif atau aplikasi paten dari literatur [3] dan dataset Inovasi Derwent dengan regresi nonlinier.
(5)
Oleh karena itu, berdasarkan output produk kumulatif saat ini dan data aplikasi paten serta nilai k dan s
yang sesuai, output produk kumulatif dan aplikasi paten di masa depan dapat diprediksi.
O&PKS = O&PKS
t 0
t 0 )b4 × (PTCC PTCC
(QCCQCC t )c40×
Topi
4
(6)
(QCCQCC
t 0 )b × PTCC
× (PTCC t0 )c
TQ = kQ/ bQ
t (10)
1 + sQeÿ kQ (tÿ t0 )
O&MEOR = O&MEOR 0
t
× (QEOR t × (PTEORPTEOR
QEOR
0 )b5 t )c50 0 )bCI
di mana TQ tmenunjukkan keluaran produk kumulatif pada tahun t.
Kurva S dengan aplikasi paten kumulatif ditunjukkan pada Persamaan. (11) [46]:
= O&MEOR0CI + O&MEOR0CP
t )cCPQEOR
55×)cCI
(PTEOR PTEOR
5 × (QEOR
t t × 0(PTEOR 0 )t bCP5
QEOR
× (QEOR
kPT / bPT
TPT =
t kPT (tÿ (11)
PTEOR t0 ) 1 + sPT eÿ
0
(7)
dimana TPT menunjukkan permohonan paten kumulatif pada tahun t. t
O&MMe = O&MMe
t 0 PTMe
(QMeQMe
t 0t0×)bMS
)b6
(PTMe
× 6(PTMe
)cMS
t )cPD
t6)c6
×6 0(QMe
×× 3.3. Model keputusan investasi opsi riil
(8) opsi yang ditangguhkan [48]. Opsi yang ditangguhkan tersebut telah dimasukkan ke dalam model
keputusan investasi.
EOR aku
CC dimanat I, Saya
t
dan aku mewakili biaya modal CC, CO2-EOR dan
t
CO2-MET masing-masing, dan biaya O&MCC CC O&MEOR dan O&MMe mewakili Beberapa asumsi utama diperkenalkan sebagai berikut: i) Mempertimbangkan bahwa sebagian
t, t t
CC O&M. II 0Cap, 0Komp besar negara mengusulkan untuk mencapai netralitas karbon sebelum tahun 2050, periode pengambilan
dan O&MCC O&MCC
0 Tutup, 0Comp merupakan biaya modal dan
keputusan investasi dalam studi ini ditetapkan antara tahun 2023 dan 2050, dengan keputusan dibuat
biaya O&M komponen (komponen penangkap CO2 dan komponen kompresi CO2 ) dalam teknologi
EOR EOR
setiap awal tahun; ii) Pembangunan proyek membutuhkan waktu 3 tahun, proyek dapat beroperasi
CC. I O&MEOR 0CP merupakan biaya modal dan biaya O&M dari dua 0CI
komponen
,
dan O&MEOR0CI ,
0CP ( komponen injeksi
Saya
dengan kapasitas penuh setelah pembangunan hingga akhir proyek, dan tidak memperhitungkan nilai
CO2 dan komponen produksi & pemisahan) dalam O&Me
sisa; iii) Investor hanya dapat mengambil satu keputusan selama periode pengambilan keputusan
investasi. iv) CO2 yang digunakan untuk teknologi CO2-EOR atau CO2-MET dapat disimpan atau
Saya Saya
teknologi CO2-EOR. Saya mewakili 0MS,
Saya
0PD
dan O&MMe 0MS, 0PD,
O&MMe0HP dikonversi selama beberapa dekade, yang berarti pelepasan kembali CO2 ke atmosfer tidak
biaya modal dan biaya O&M komponen (komponen sintesis metanol, komponen pemurnian & distilasi, dipertimbangkan dalam penelitian ini.
dan komponen produksi hidrogen) dalam teknologi CO2-MET. b1, b2, b3 masing-masing adalah laju
pembelajaran biaya modal CC, CO2-EOR dan CO2-MET yang disebabkan oleh efek LBD; b4, b5, b6
masing-masing adalah learning rate dari biaya O&M CC, CO2-EOR dan CO2-MET; dan c1-c6 adalah Fungsi tujuan ditunjukkan pada Persamaan. (12) [12]:
r×tD
OIV = maks[maks(TVt, 0) × eÿ ], (1 ÿ tD ÿ t0) (12)
5
Machine Translated by Google
dimana OIV adalah nilai investasi yang optimal, tD adalah waktu investasi yang optimal, TVt = PCO2 × QTCO2
t ÿCO2
t t
(24)
adalah nilai total proyek pada tahun t, r adalah tingkat diskonto, dan t0 adalah periode
pengambilan keputusan investasi.
volume perdagangan
adalah
PCO2
rata-rata
CO2harga
pada karbon
tahun t.pada tahun t; dan QTCO2 dimana adalah total
t t
Nilai total dan net present value (NPV) pada tahun tertentu selama periode pengambilan
keputusan investasi dapat dihitung dengan menggunakan Persamaan. (13–15) [12]:
Jumlah total CO2 yang ditangkap per tahun dapat dinyatakan sebagai Persamaan. (25) [12]:
di mana L adalah umur pembangkit listrik termal; CFi adalah arus kas bersih pada tahun i periode
operasi; Ini adalah biaya modal pada tahun t proyek; tc adalah masa konstruksi; dan NPVt QTCO2t = QCO2 ÿ Qloss (26)
t t
adalah NPV dari nilai investasi pada tahun t.
Qrugi
t = ÿ × QCO2 ÿ EOR
t
(27)
Arus kas selama periode operasi meliputi pendapatan produk, pendapatan perdagangan
karbon, pendapatan yang hilang dari pengurangan pembangkit listrik karena perkuatan CC, dan dimana Qloss adalah jumlah kebocoran CO2 pada tahun t, dan ÿ adalah CO2
t
biaya variabel CC (termasuk biaya O&M dan biaya transportasi CO2), seperti terlihat pada rasio kebocoran.
Persamaan. (16–17) [12]: Kerugian pendapatan karena pengurangan pembangkit listrik dihitung dengan Persamaan.
(28–30) [12]:
CFt EOR = ÿEOR + ÿCO2 ÿ Ce ÿ CCC (16) Cet = Pe × Qe ÿ PCoal × QCoal (28)
t t t t t t t t
dimana ÿEOR adalah keuntungan CO2-EOR pada tahun t; ÿMe adalah keuntungan CO2 - MET
t t Qet = ÿ × QIC × Te × ÿkerugian (30)
pada tahun t; ÿCO2 adalah
t keuntungan
yang hilang perdagangan karbon
dari pengurangan pada tahun
pembangkit t; Ce
listrik adalah
pada pendapatan
tahun
t
t;CCC
dan
dimana Pe adalah feed-in tariff listrik rata-rata pada tahun t; Qe adalah kekuatan
adalah biaya variabel CC pada tahun t. t t t
rugi pembangkitan akibat perkuatan CC pada tahun t; ÿloss adalah hilangnya efisiensi
Untuk CO2-EOR, keuntungan dapat dihitung lebih lanjut dengan Persamaan. (18–20) [12]: pembangkitan; PCoal adalah
t
harga rata-rata
batubara yangbatubara pada
diperlukan tahun
untuk t; QCoal
listrik adalah
yang hilang
t
konsumsi
pada
dan tahun
d adalah
t;
konsumsi batubara per kWh.
dimana REOR adalah pendapatan pemulihan minyak pada tahun t; O&MEOR adalah biaya di mana O&MCC adalah biaya O&M CC pada tahun t; CT adalah rata-rata biaya transportasi
t t t t
t
masing-masing dalam Persamaan. (33) [12]:
CC EOR Saya
Itu = saya + saya + saya (33)
Untuk proyek CO2-MET, keuntungan dihitung dengan Persamaan. (21–23) [49]: t t t
Pasar Karbon Bersatu Nasional telah didirikan di banyak negara. Menggunakan pasar
karbon China sebagai contoh, pendapatan dari perdagangan karbon dapat dihitung dengan
Persamaan. (24–27) [50]: (1) Ketidakpastian harga minyak
6
Machine Translated by Google
CC retrofit jam n 1
Te pemanfaatan tahunan pembangkit 7165 jam
1 ÿÿ 2 ÿÿ [ ln(PMettÿt 1 ) ÿ ln(PMet t tÿ1 ) ]2
[67] PMet PMet
listrik termal intensitas emisi CO2 t=1
VMet = (37)
fe dari pembangkit listrik 762 ÿÿÿÿÿ
ÿt
[12]
gCO2/
kWh
di mana DRMet adalah tingkat penyimpangan harga metanol; VMet adalah volatilitas
fc rasio penangkapan karbon 90%
[12] harga metanol; dan dzMet menunjukkan
t
peningkatan independen dari proses Wiener.
ÿ
efisiensi unit daya 94%
[12]
t0 periode pengambilan 15 tahun
keputusan investasi seumur
[12] (3) Ketidakpastian harga karbon
L hidup termal 35 tahun
[12]
daya GBM cocok untuk mendeskripsikan variabel yang memiliki tren naik atau
tc masa konstruksi 3 tahun
[12] turun yang signifikan, daripada berfluktuasi di sekitar harga rata-rata. Mengingat
CEreplace efisiensi penggantian 0,2 bahwa pencapaian puncak karbon pada tahun 2030 di sebagian besar kabupaten,
[11]
CO2 minyak studi ini mengasumsikan bahwa akan ada tren kenaikan atau penurunan harga
EOR
Referensi investasi modal 7,4 $/t
saya 1
[62] karbon yang signifikan sebelum tahun 2030, yang cocok untuk disimulasikan
CO2-EOR CO2
Saya oleh model GBM; setelah tahun 2030, pasar karbon akan menjadi pasar yang
saya 1
Referensi investasi modal $5,9 juta
[64] matang dan harga karbon akan berfluktuasi di sekitar nilai tertentu, yang cocok
CO2-MET referensi biaya
O&PKS
t
O&M CC 49.4 untuk disimulasikan dengan model MRP, seperti yang terlihat pada Persamaan.
[16]
$/MWh (38–41) [55,57]:
O&MEOR referensi biaya O&M dari 7,2 $/t
t [62]
CO2 - EOR CO2 653 (38)
dPCO2
t sebelum2030
= DRCO2 × PCO2
t dt + VCO2 × PCO2
t dzCO2
t
O&MMe referensi biaya O&M $/ton
t [39]
CO2 - MET
d konsumsi batubara per kWh 0,4 kg/ dalam(PCO2 t / PCO2 )
kWh
[12]
DRCO2 =
tÿ 1
(39)
pembangkit listrik termal ÿt
hilangnya efisiensi pembangkitan
31,8%
????
7
Machine Translated by Google
J. Liu dkk.
Energi Terapan 322 (2022) 119514
Tabel basis data WIND [65]. Dan tingkat drift dan volatilitas dari harga ini diperkirakan
2 Asumsi kapasitas produksi dari tiga teknologi. berdasarkan data di atas.
Teknologi Asumsi kapasitas produksi tahunan Kapasitas tangkapan kumulatif masa depan CC dipasang berdasarkan
CC
prediksi IEA [1]. Pemanfaatan/injeksi CO2 kumulatif dari proyek CO2-EOR yang
2700 kt CO2
CO2-EOR 550 kt minyak mentah ada dirujuk ke jalur pengembangan keluaran produk kumulatif dari Chinese
CO2-MET Metanol 1900 kt Academy of Environmental Plan ning (CAEP) untuk CO2-EOR [3]. Untuk CO2-
MET, kapasitas produksi kumulatif CO2-MET global diambil sebagai output
produk kumulatif. Selain itu, aplikasi paten kumulatif untuk ketiga teknologi
didiskontokan dengan suku bunga bebas risiko, dan kemudian diambil nilai rata-
tersebut diperoleh dari kumpulan data Derwent Innovation. Output produk
ratanya untuk mendapatkan nilai opsi yang disimulasikan [58]. Model LSMC kumulatif, aplikasi paten kumulatif, dan tingkat pembelajaran digunakan sebagai
telah banyak digunakan untuk memecahkan nilai opsi dan membuat keputusan data input dari pendekatan kurva pembelajaran teknologi untuk memprediksi
investasi dalam proyek teknologi energi [46,59,60]. Oleh karena itu, metode biaya modal dan O&M di masa depan, yang akan digunakan sebagai data input
LSMC diterapkan untuk menyelesaikan model keputusan investasi dalam penelitian ini.
model keputusan investasi.
Model keputusan investasi opsi riil telah diimplementasikan pada perangkat
lunak Matlab.
Berdasarkan data pada Tabel 1 dan hubungan kuantitatif antara pembangkit
listrik dan emisi karbon pada Persamaan. (25), dihitung bahwa CO2 tahunan
4. Data kunci dan skenario yang ditangkap dari asumsi pembangkit listrik termal adalah sekitar 2632,8 kt.
Diasumsikan bahwa semua CO2 yang ditangkap akan digunakan baik dalam
4.1. Data
CO2-EOR maupun CO2-MET, sehingga kapasitas produksi kedua proyek ini
dapat ditentukan berdasarkan jumlah CO2 yang ditangkap. Mempertimbangkan
Parameter utama untuk studi kasus tercantum dalam Tabel 1. Diasumsikan efisiensi 20% untuk penggantian minyak dengan CO2, kapasitas produksi
bahwa pembangkit listrik termal akan dihentikan pada akhir tahun 2060. Sejak minyak mentah tahunan CO2-EOR adalah 526,6 kt. Berdasarkan neraca karbon
periode pengambilan keputusan berakhir pada tahun 2050, proyek CCU memiliki dan efisiensi 70% untuk konversi CO2 menjadi metanol, produksi metanol
setidaknya 10 tahun periode pelaksanaan proyek. Informasi pembangkit listrik tahunan adalah 1843,0 kt untuk CO2-MET.
termal yang dipelajari diambil dari Lin dan Tan [12]. Untuk memastikan bahwa semua CO2 yang dipancarkan dapat ditangkap dan
Berbagai biaya dan tingkat pembelajaran teknologi dari teknologi CC dimanfaatkan, kapasitas produksi yang diasumsikan dari teknologi CC, CO2-
ditentukan menurut literatur. Modal acuan dalam investasi instalasi penangkapan EOR dan CO2-MET harus lebih besar dari kapasitas yang dihitung, seperti yang
adalah US$1430/kW, biaya O&M tidak termasuk bahan bakar adalah US$29,7/ ditunjukkan pada Tabel 2, dan kapasitas produksi yang diasumsikan setara.
MWh, dan biaya bahan bakar tambahan karena CC adalah US$19,7/MWh [16].
dengan proyek skala besar nyata dari teknologi yang relevan.
Proporsi biaya komponen sistem CC diperoleh dari survei proyek percontohan
dan perhitungan Kang et al [16]. Tingkat pembelajaran teknologi komponen 4.2. Skenario
utama mengikuti Program R&D Gas Rumah Kaca Badan Energi Internasional
(IEAGHG) [61].
Tingkat pembelajaran teknologi dapat dipengaruhi oleh banyak faktor.
Misalnya, faktor-faktor yang mempengaruhi tingkat pembelajaran LBD terutama
Biaya CO2-EOR diambil dari penelitian Zhang [62]. Jumlah sumur injeksi
mencakup peningkatan kemampuan kerja staf, peningkatan manajemen, kualitas
dan sumur produksi masing-masing adalah 138 dan 392, dan volume injeksi
peralatan, dll [36,68]; sedangkan faktor yang mempengaruhi tingkat pembelajaran
CO2 bersih sebesar 7766,3 t/d dapat dicapai. Biaya CO2-EOR adalah 14,6 US$/
LBR terutama mencakup cadangan pengetahuan, terobosan teori kunci atau
t CO2, di mana biaya kapita dan O&M masing-masing mencapai 50,9% dan
penelitian teknologi, dll [19]. Tiga skenario pembelajaran teknologi ditetapkan
49,1%. Selain itu, meskipun CO2-EOR dan CO2-MET memiliki TRL yang sama,
untuk mempertimbangkan volatilitas tingkat pembelajaran teknologi dalam
teknologi CO2-EOR telah memasuki tahap aplikasi komersial lebih awal dari
penelitian ini, seperti yang ditunjukkan pada Tabel 3.
CO2- MET selama beberapa dekade [ 3,4,10 ]. Dengan akumulasi skala
Literatur tentang learning rate dari teknologi sejenis direview untuk
teknologi secara terus menerus dari FOAK ke NOAK, pengurangan biaya modal
mendapatkan technology learning rates untuk CO2-EOR dan CO2- MET .
dan O&M akan semakin besar, sedangkan tingkat penurunan biaya masa
Karena tingkat pembelajaran adalah proporsi pengurangan biaya dengan setiap
depannya akan semakin kecil [43]. Oleh karena itu, CO2-EOR memiliki tingkat
penggandaan output kumulatif, tingkat pembelajaran yang lebih tinggi
pembelajaran teknologi yang lebih rendah daripada CO2-MET. Tingkat
menunjukkan tingkat pengurangan biaya yang lebih cepat. Studi sebelumnya
pembelajaran CO2-EOR mengacu pada komponen industri minyak & gas yang
memperkirakan tingkat pembelajaran untuk teknologi energi telah menemukan
digunakan untuk penyimpanan CO2 [63].
bahwa tingkat pembelajaran LBD lebih tinggi daripada LBR dalam banyak kasus.
Data CO2-MET diambil dari proyek nyata yang direncanakan di Taman
Misalnya, Lohwasser dan Madlener [69] memperkirakan bahwa tingkat
Kimia Changshou, Chongqing [64]. Pabrik tersebut dapat menghasilkan 35.000
pembelajaran LBD sekitar 7% lebih tinggi daripada LBR. Miketa dan
ton metanol per tahun, dan biaya modalnya sekitar $5,9 juta. Biaya O&M
Schrattenholzer [70] memperkirakan perbedaan ini sekitar 40% untuk teknologi
mengacu pada penelitian Sealand Securities dimana
PV surya. Karena kurangnya data tentang tingkat pembelajaran LBR untuk
biaya bahan baku (terutama hidrogen) adalah 595 $/ton, dan biaya produksi
CCU, asumsi didasarkan pada studi sebelumnya bahwa tingkat pembelajaran
(termasuk tenaga kerja, penyusutan dan biaya produksi lainnya) adalah 58 $/
LBD adalah 20% lebih tinggi daripada LBR. Selain itu, tingkat pembelajaran
ton [39]. Hidrogen diperlakukan sebagai bahan baku utama untuk produksi
biaya O&M seringkali lebih tinggi daripada biaya modal [71]. Misalnya, 11% dan
metanol, yang diperoleh dari pabrik produksi hidrogen yang ada alih-alih
22% digunakan sebagai tingkat pembelajaran biaya modal dan biaya O&M untuk desulfurisa
membangun kembali pabrik baru dalam penelitian ini. Karena biaya O&M
Tingkat pembelajaran LBD untuk teknologi CC dalam tiga skenario mengacu
produksi metanol terutama adalah produksi hidrogen, efek pembelajaran dari
pada Kang et al [16] dan IEAGHG [61]. Selain itu, literatur tentang learning rate
biaya O&M produksi hidrogen dibahas dalam penelitian ini [39].
dari teknologi sejenis juga ditinjau untuk mendapatkan technology learning rates
untuk CO2-EOR dan CO2-MET. Tingkat pembelajaran LBD untuk CO2-EOR
Harga referensi minyak mentah ditetapkan pada $69,7/barel, yang berasal
dalam tiga skenario mengacu pada Upstill dan Hall [63]. Adapun CO2-MET,
dari paket harga minyak OPEC antara 26 Desember 2001 dan 7 Desember 2021.
tingkat pembelajaran dihitung berdasarkan faktor penskalaan menurut
Harga referensi metanol ditetapkan pada 373 $/ton, yang berasal dari data
Persamaan (2) [41], yang jauh lebih tinggi daripada literatur lain dan ditetapkan
harga metanol (premium grade) antara 31 Desember 2013 dan 10 Desember
sebagai tingkat pembelajaran dalam skenario pembelajaran teknologi cepat.
2021. data harga karbon diadopsi dari pasar perdagangan emisi Beijing antara
Selain itu, laju pembelajaran sintesis dan distilasi metanol dalam studi Lin et al
29 November 2013 dan 8 Juli 2021, dan harga referensi karbon ditetapkan
[73] relatif lebih rendah dan ditetapkan sebagai laju pembelajaran dalam skenario
sebesar 8,6 $/ton. Data diatas berasal dari
pembelajaran teknologi lambat. Teknologi
8
Machine Translated by Google
Tabel 3
Tingkat pembelajaran berbagai komponen.
Komponen Biaya modal Biaya O&M Tingkat belajar sambil melakukan Tingkat belajar sambil meneliti Referensi
% Total % Total Biaya modal 1 biaya O&M Biaya modal biaya O&M
(S/M/F) (S/M/F) (S/M/F) (S/M/F)
CC Penangkapan CO2 (sistem amina) 81.8 95.2 0,06/0,11/0,18 0,10/0,22/0,30 0,048/0,088/0,144 0,08/0,176/0,24 0,00/0,00/0,08 [16,61]
kompresi CO2 18.2 4.8 0,00/0,00/0,10/0,00/0,10 0,03/0,036/0,042
0,04/0,048/0,056 0,00/0,00/0,08 [16,61]
Sistem Injeksi CO2-EOR 50 25.73 [63] [63]
Sistem produksi & pemisahan 50 74.27 0,03/0,036/0,042 -/-/- [74]
– – 0,04/0,08/0,12 [41,73]
Produksi Hidrogen CO2-MET
sintesis MeOH 90 27.33 0,048/0,088/0,13 [41,73]
Pemurnian & Distilasi 10 72.67 0,024/0,029/0,03/0,03/0,03/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04/0,04
1
Catatan: S/M/F mewakili laju pembelajaran dalam berbagai skenario. Secara khusus, skenario pembelajaran teknologi S-Slow; Skenario pembelajaran teknologi M-Medium;
Skenario pembelajaran teknologi F-Fast.
tingkat pembelajaran untuk komponen utama dalam berbagai skenario ditunjukkan membuat. Oleh karena itu, bagian ini menganalisis hasil prediksi biaya masa depan.
pada Tabel 3.
5. Hasil dan Pembahasan 5.1.1. Prediksi biaya masa depan komponen kunci dalam skenario yang berbeda
Biaya modal dari berbagai komponen utama dalam skenario yang berbeda
5.1. Prediksi biaya masa depan ditunjukkan pada Gambar. 3. Dalam skenario lambat/sedang/cepat, komponen
penangkap CO2 memiliki potensi pengurangan biaya terbesar pada tahun 2060,
Karena biaya merupakan bagian penting dari nilai investasi, prediksi biaya masa dengan tingkat pengurangan biaya sebesar 34,7%/55,1%/ 74,3%, masing-masing.
depan memiliki dampak penting pada keputusan investasi Sedangkan untuk teknologi CO2-EOR, biaya kedua komponennya menurun dalam tren yang sama d
9
Machine Translated by Google
tingkat yang lebih lambat. Dalam skenario yang berbeda, pada tahun 2060, biaya teknologi dalam skenario yang berbeda ditunjukkan pada Gambar. 5. Pada tahun
komponen injeksi dan komponen produksi & pemisahan akan turun masing-masing 2060, biaya modal teknologi CC akan turun sebesar 28,4%/45,1%/70,2% dan biaya
sebesar 17,7%/20,9%/24,1%, dan 22,6%/26,6%/30,3%. Adapun teknologi CO2- O&M akan turun masing-masing sebesar 49,1%/64,0%/77,0%.
MET, komponen sintesis metanol memiliki potensi pengurangan biaya terbesar Sebagai teknologi yang relatif matang, biaya CO2-EOR menurun perlahan.
(sekitar 1,9/2,6/3,2 juta $) dan tingkat pengurangan biaya tercepat (sekitar 35,2%/ Pada tahun 2060, biaya modal akan turun sebesar 20,2%/23,8%/27,2% dan biaya
49,2%/60,7%) pada tahun 2060 dalam berbagai skenario, masing-masing. O&M akan turun masing-masing sebesar 26,6%/31,1%/35,4%. Sebaliknya, CO2-
MET memiliki efek pembelajaran teknologi yang lebih besar, dan pada tahun 2060,
Biaya O&M dari komponen kunci yang berbeda dalam skenario yang berbeda biaya modal akan turun sebesar 34,4%/48,6%/60,1% dan biaya O&M akan turun
ditunjukkan pada Gambar. 4. Komponen penangkap CO2 memiliki potensi masing-masing sebesar 49,1%/62,2%/79,3%. Selain itu, teknologi CC memiliki
pengurangan biaya terbesar dan tingkat pengurangan biaya tercepat pada tahun potensi pengurangan biaya modal terbesar, sedangkan teknologi CO2-MET
2060, dengan pengurangan biaya sebesar 6,7/8,8/10,2 $/MWh dan tingkat memiliki potensi pengurangan biaya O&M terbesar.
pengurangan biaya masing-masing adalah 51,5%/67,2%/78,3% dalam skenario lambat/sedang/cepat.
Sedangkan untuk teknologi CO2-EOR, komponen produksi & pemisahan memiliki
potensi pengurangan biaya terbesar dan tingkat pengurangan biaya tercepat pada 5.2. Dampak harga pada keputusan investasi dalam berbagai skenario
tahun 2060, dengan pengurangan biaya sebesar 3,0/3,5/4,0 $/t CO2 dan tingkat
pengurangan biaya sebesar 27,9% /32,7%/37,1% dalam skenario yang berbeda, Dampak harga pada waktu investasi yang optimal dan nilai investasi yang
masing-masing. Sedangkan untuk teknologi CO2-MET, komponen produksi sesuai dianalisis di bagian ini. Pada Gambar 6, NPVIV merepresentasikan nilai
hidrogen memiliki potensi pengurangan biaya terbesar dan tingkat pengurangan investasi yang dihitung dengan metode NPV, sedangkan ROIV merepresentasikan
biaya tercepat pada tahun 2060, dengan pengurangan biaya sebesar nilai investasi optimal yang dihitung dengan model keputusan investasi opsi riil.
293,1/361,1/469,0 $/ton dan tingkat pengurangan biaya sebesar 49,2%/60,7 %/ Dalam metode NPV, seorang investor hanya akan berinvestasi ketika NPVIV lebih
78,8% masing-masing dalam skenario yang berbeda. besar dari nol, dan baru dapat mengambil keputusan pada tahun 2023 (periode
pertama periode pengambilan keputusan).
5.1.2. Prediksi biaya masa depan seluruh teknologi Namun, dalam model keputusan investasi opsi riil, pengenalan opsi yang
Biaya modal dan biaya O&M CC, CO2-EOR dan CO2-MET ditangguhkan memungkinkan investor membuat keputusan kapan saja.
Dampak harga minyak dan metanol terhadap keputusan investasi untuk
10
Machine Translated by Google
11
Machine Translated by Google
Proyek CO2-EOR dan CO2-MET dalam berbagai skenario diilustrasikan pada potensi pertumbuhan dan bahkan lebih ekonomis daripada CO2-EOR.
Gambar 6, dari mana nilai investasi optimal (bintang merah) di bawah harga Seperti yang ditunjukkan pada Gambar. 6, ROIV lebih tinggi dari NPVIV.
referensi dapat dengan mudah diidentifikasi, jika investasi harus dilakukan. Alasannya adalah pengenalan opsi yang ditangguhkan memungkinkan investor
Bilah berjudul NPVIV mewakili nilai investasi yang dihitung dengan menggunakan untuk menunda investasi jika proyek saat ini tidak menguntungkan, dan memilih
metode NPV, sedangkan bilah berjudul ROIV mewakili nilai investasi optimal untuk berinvestasi ketika nilai investasinya paling tinggi dan positif. Hasil ini
selama periode keputusan setelah memperkenalkan opsi yang ditangguhkan. menunjukkan keunggulan model yang diusulkan dalam pengambilan keputusan
Kurva mewakili waktu optimal untuk berinvestasi atau tidak berinvestasi. investasi.
Di bawah kondisi harga referensi, investasi baik proyek CO2-EOR maupun CO2- Untuk CO2-EOR, nilai investasi akan meningkat seiring dengan kenaikan
MET tidak akan terjadi dalam skenario pembelajaran teknologi lambat dan harga minyak. Untuk mencapai nilai investasi yang positif, harga minyak
menengah. Namun, dengan peningkatan efek pembelajaran teknologi, dalam setidaknya harus lebih dari 110 dan 60 $/barel dalam skenario pembelajaran
skenario pembelajaran teknologi cepat, baik untuk CO2-EOR maupun CO2- teknologi lambat dan cepat. Selain itu, untuk memicu investasi segera pada
MET, investasi menjadi bernilai dan nilai investasi optimalnya masing-masing tahun 2023, dalam skenario menengah dan cepat, harga minyak setidaknya
dapat mencapai sekitar $217,4 juta dan $387,9 juta. Selain itu, dari skenario harus mencapai masing-masing $110/barel dan $80/barel.
lambat ke skenario cepat, nilai investasi CO2-MET secara bertahap akan Untuk CO2-MET, untuk mencapai nilai investasi positif, harga metanol harus
melampaui CO2-EOR. Ini menyiratkan bahwa dengan peningkatan efek lebih dari $580/ton dalam skenario pembelajaran teknologi lambat. Namun,
pembelajaran, CO2-MET memiliki keuntungan yang lebih besar dalam skenario pembelajaran teknologi cepat, itu sudah cukup
12
Machine Translated by Google
ketika harga metanol mencapai 300 $/ton (20% lebih rendah dari harga saat ini). pilihan akan dipertimbangkan dalam pekerjaan masa depan. Karena kurangnya data
Selain itu, sebagai produk kimia yang banyak digunakan, permintaan metanol akan historis yang tersedia seperti biaya teknologi, tingkat pembelajaran teknologi yang
lebih besar di sektor kimia dan transportasi. Namun, untuk memicu investasi segera, digunakan dalam analisis diperoleh dari literatur dan beberapa asumsi juga
harga metanol harus lebih dari $580/ton dalam skenario pembelajaran teknologi diperkenalkan. Disarankan kami akan terus menyelidiki data yang relevan di masa
cepat, dan tingkat pertumbuhan harga yang dibutuhkan adalah 40% lebih tinggi mendatang untuk meningkatkan akurasi hasil. Sementara itu, perbandingan antara
daripada CO2-EOR. Hal ini karena biaya awal CO2-MET lebih tinggi daripada CO2- dampak LBD dan efek LBR terhadap pengurangan biaya juga disarankan untuk
EOR, sehingga lebih baik menunda investasi CO2-MET untuk mendapatkan pekerjaan di masa mendatang. Selain itu, penting juga untuk mempertimbangkan
keuntungan yang lebih tinggi. faktor-faktor seperti lokasi geografis, potensi simpanan geologis, dan heterogenitas
Membandingkan keputusan investasi antara CO2-EOR dan CO2- MET pada regional di masa depan.
skenario yang berbeda (Gambar 6a vs 6d; Gambar 6b vs 6e; dan Gambar 6c vs 6f),
pada skenario yang berbeda, ROIV dari CO2-MET sekitar 1,6 kali CO2 - EOR dengan
tingkat pertumbuhan harga yang sama. Selain itu, untuk mencapai nilai investasi yang Pernyataan kontribusi kepengarangan CRedit
positif, tingkat pertumbuhan harga yang dibutuhkan untuk CO2-MET adalah 3%, 6%,
dan 6% yang lebih rendah dari CO2-EOR. Jiangfeng Liu: Kurasi data, Perangkat Lunak, Visualisasi, Penulisan – draf asli,
Hasil ini menunjukkan bahwa CO2-MET lebih ekonomis dibandingkan CO2-EOR. Analisis formal. Qi Zhang: Konseptualisasi, Pengawasan, Akuisisi Pendanaan,
Namun, karena biaya di muka yang lebih tinggi, CO2-MET lebih sulit memicu investasi Penulisan – Tinjauan & Penyuntingan. Hailong Li: Metodologi, Investigasi, Penulisan
langsung daripada CO2-EOR, oleh karena itu lebih baik berinvestasi di dalamnya – ulasan & penyuntingan. Siyuan Chen: Metodologi, Investigasi. Fei Teng: Kurasi
dalam jangka panjang. data, Investigasi.
6. Kesimpulan
Deklarasi Kepentingan Bersaing
CCU sangat penting untuk mencapai target netralitas karbon, namun, biaya modal
Para penulis menyatakan bahwa mereka tidak memiliki kepentingan keuangan
dan O&M yang tinggi serta tingginya ketidakpastian harga minyak atau metanol
yang bersaing atau hubungan pribadi yang dapat mempengaruhi pekerjaan yang
menghambat perkembangannya. Model keputusan investasi opsi nyata baru
dilaporkan dalam makalah ini.
berdasarkan efek pembelajaran teknologi dikembangkan untuk menganalisis
keputusan investasi proyek CCU, dan pendekatan kurva pembelajaran teknologi dua
faktor berbasis komponen diusulkan untuk memprediksi biaya masa depan untuk Pengakuan
setiap komponen terperinci. Melalui penggunaan metode ini untuk menganalisis dua
teknologi CCU, CO2-EOR dan CO2-MET, kesimpulan berikut dapat ditarik dari hasil: Penulis berterima kasih atas dukungan yang diberikan oleh National Social
Science Foundation of China (No. 21ZDA030) dan National Nature Science Foundation
of China (No.71974197).
MET sekitar 1,6 kali CO2-EOR pada tingkat pertumbuhan harga yang sama. Selain Bahan kimia batubara Shaanxi 50000
itu, pelaksanaan proyek CO2-MET lebih fleksibel dibandingkan proyek CO2-EOR T/a penangkapan dan
demonstrasi CO2
yang dibatasi oleh letak geografis dan potensi penyimpanan geologis. Penelitian dan demonstrasi dari 2008 300
CO2-EOR
CO2-EOR di PetroChina Jilin
Ladang minyak
proyek EOR
Ladang Minyak Sinopec Zhongyuan 2015 CO2-EOR 100
7. Keterbatasan dan pekerjaan yang akan datang
proyek CO2-EOR
minyak bumi Karamay Dunhua - 2015 CO2-EOR 50 ~ 100
Nilai investasi optimal proyek CO2-EOR di bawah skenario pembelajaran teknologi Proyek CO2-EOR Ladang Minyak
menengah adalah sekitar 20% lebih rendah dari hasil Lin dan Tan dengan harga Xinjiang
Proyek CO2-EOR Changqing 2017 CO2-EOR 50
minyak yang sama [12]. Alasannya adalah biaya modal dan biaya O&M dari teknologi Ladang minyak
CO2-EOR dipertimbangkan dalam penelitian ini, yang kurang dalam penelitian Lin Proyek demonstrasi CO2-EOR 2003 CO2-EOR 200
dan Tan [12]. Selain itu, hasil bahwa ROIV lebih tinggi dari NPVIV menunjukkan Ladang Minyak Daqing
2005 CO2-EOR 100
bahwa opsi yang ditangguhkan dapat mengungkapkan potensi investasi proyek Proyek percontohan seluruh proses
lapangan minyak dan gas Sinopec
melalui penundaan keputusan investasi, yang konsisten dengan kesimpulan yang
China Timur CCUS
diperoleh dalam studi terkait yang ada [12,26,50 ]. 2007 CO2-EOR NA
Petrokimia Sinopec Qilu
proyek CCS
Namun, model dalam penelitian ini memiliki beberapa keterbatasan: Saat ini Petrokimia Qilu -Shengli 2022 CO2-EOR 1000
hanya opsi yang ditangguhkan yang dipertimbangkan, sementara mungkin ada Proyek CCUS ladang minyak
perluasan atau penyusutan investasi dalam proyek CCU. Disarankan seperti itu
13
Machine Translated by Google
teknologi air [26] Zhu L, Fan Y. Model evaluasi investasi CCS berbasis opsi nyata: Studi kasus sektor pembangkit
listrik China. Appl Energy 2011;88(12):4320–33.
14
Machine Translated by Google
[27] Chen S, Zhang Q, Wang G, Zhu L, Li Y. Strategi investasi untuk fasilitas penyimpanan gas bawah [51] Pindyck RS. Evolusi harga energi jangka panjang. Energi J 1998;20:1–27.
tanah berdasarkan model opsi nyata dengan mempertimbangkan reformasi pasar gas di Cina. [52] Postali FAS, Picchetti P. Gerak Brown Geometrik dan jeda struktural dalam harga minyak: Sebuah
Energi Ekon 2018;70:132–42. analisis kuantitatif. Hemat Energi 2006;28(4):506–22.
[28] Myers SC, Turnbull SM. Penganggaran Modal dan Model Penetapan Harga Aset Modal: Kabar [53] Chen R, Deng T, Huang S, Qin R. Pengadaan minyak mentah yang optimal dengan harga yang
Baik dan Kabar Buruk. J Keuangan 1977;32(2):321–33. berfluktuasi di kilang minyak. Eur J Oper Res 2015;245(2):438–45.
[29] Chen W, Zeng Y, Xu C. Estimasi subsidi penyimpanan energi untuk microgrid: Pendekatan teori [54] Fonseca MN, Pamplona EdO, Valerio VED, Aquila G, Rocha LCS, Rotela Junior P.
permainan opsi nyata. Appl Energy 2019;239:373–82. Volatilitas harga minyak: Pendekatan penilaian opsi nyata di ladang minyak Afrika. J Petrol Sci
[30] Agaton CB, Guno CS, Villanueva RO, Villanueva RO. Analisis ekonomi investasi limbah menjadi Eng 2017;150:297–304.
energi di Filipina: Pendekatan opsi nyata. Appl Energy 2020;275:115265. [55] Zhang Q, Chen S, Tan Z, Zhang T, Mclellan B. Strategi investasi pemanasan panas bumi hidrotermal
di Cina di bawah ketidakpastian kebijakan, teknologi dan geologi.
[31] Fan JL, Xu M, Yang L, Zhang X, Li F. Bagaimana pemanfaatan dan penyimpanan penangkapan J Cleaner Prod 2019;207:17–29.
karbon dapat diinsentifkan di Cina? Perspektif berdasarkan ketentuan kredit pajak 45Q. [56] Guedes J, Santos P. Menilai proyek eksplorasi dan produksi minyak lepas pantai melalui analisis
Kebijakan Energi 2019;132:1229–40. opsi nyata. Energi Ekon 2016;60:377–86.
[32] Lamberts-Van Assche H, Compernolle T. Menggunakan Pilihan Nyata Berpikir untuk Menilai [57] Kraan O, Kramer GJ, Nikolic I. Investasi dalam sistem kelistrikan masa depan - Pendekatan
Fleksibilitas Investasi dalam Proyek Penangkapan dan Pemanfaatan Karbon: Tinjauan. pemodelan berbasis agen. Energi 2018;151:569–80.
Keberlanjutan 2022;14:2098. [58] Longstaff FA, Schwartz ES. Schwartz ES. Rev Financ Stud 2001;14(1):113–47.
[33] Deeney P, Cummins M, Heintz K, Pryce MT. Alat pendukung keputusan berbasis opsi nyata untuk [59] Zhang W, Dai C, Luo X, Ou X. Insentif kebijakan dalam investasi pemanfaatan dan penyimpanan
investasi R&D: Aplikasi untuk teknologi daur ulang CO2. Eur J Oper Res 2021;289:696–711. penangkapan karbon (CCUS) berdasarkan analisis opsi nyata. Kebijakan Lingkungan Teknologi
Bersih 2021;23(4):1311–26.
[34] Linton JD, Walsh ST. Mengintegrasikan inovasi dan teori kurva pembelajaran: memungkinkan untuk [60] Insley M. Pendekatan Opsi Nyata untuk Penilaian Investasi Kehutanan.
memindahkan teknologi nano dan teknologi proses baru lainnya ke dalam produksi. R&D Manage J Environ Econ Manage 2002;44(3):471–92.
2004;34:517–26. [61] Program Litbang Gas Rumah Kaca Badan Energi Internasional (IEAGHG).
[35] Jaber MY, Peltokorpi J, Glock CH, Grosse EH, Pusic M. Penyesuaian untuk gangguan kognitif Memperkirakan tren masa depan dalam biaya teknologi penangkapan CO2. Cheltenham, Inggris;
meningkatkan prediktabilitas kurva belajar daya. Int J Prod Econ 2021;234:108045. 2006. https://ieaghg.org/ccs-resources/blog/new-ieaghg-technical-review-towar ds-improved-
guidelines-for-cost-evaluation-of-carbon-capture-and-storage [diakses 31 Desember 2021].
[36] Li S, Zhang X, Gao L, Jin H. Tingkat pembelajaran dan kurva biaya masa depan untuk sistem
energi bahan bakar fosil dengan penangkapan CO2: Metodologi dan studi kasus. Appl Energy [62] Zhang J. Analisis Biaya dan Kebijakan untuk CCS. Energi Sino-Global 2011;16:21–5.
2012;93:348–56. [63] Upstill G, Hall P. Memperkirakan laju pembelajaran suatu teknologi dengan berbagai varian:
[37] Liu H, Gallagher KS. Mengkatalisasi transformasi strategis menuju ekonomi rendah karbon: Peta Kasus penyimpanan karbon. Kebijakan Energi 2018;121:498–505.
jalan CCS untuk Tiongkok. Kebijakan Energi 2010;38(1):59–74. [64] Maks. Laporan studi kelayakan penangkapan karbon dioksida dan sintesis metanol
[38] Ryoo SG, Jung HS, Kim M, Kang YT. Bridge to zero-emission: Penilaian siklus hidup proses konversi proyek 2017. Cina; 2017 [diakses 12 Oktober 2021].
CO2-metanol dan optimalisasi energi. Energi 2021;229: 120626. [65] Angin. Basis Data Ekonomi Angin; 2022. https://www.wind.com.cn/newsite/edb. html [diakses 19
April 2022].
[39] Sekuritas Sealand. Kedalaman karbon ganda satu: hidrogenasi karbon dioksida menjadi metanol [66] Hu B, Zhai H. Biaya penangkapan dan penyimpanan karbon untuk pembangkit listrik tenaga batu
diharapkan mengantarkan industrialisasi 2021. Cina; 2021 [diakses 31 Desember 2021]. bara di Cina. Pengendalian Gas Rumah Kaca Int J 2017;65:23–31.
[67] Administrasi Energi Nasional (NEV). Administrasi Energi Nasional merilis data statistik industri
[40] Institut CCS Global (GCCSI). Kesiapan Teknologi dan Biaya CCS - Global CCS Institute; 2021. tenaga nasional pada tahun 2019. China; 2020. http://www.nea.gov.cn/2020-01/20/
https://www.globalccsinstitute.com/resources/publications-rep orts-research/technology-readiness- c_138720881.htm [diakses 10 Oktober 2021].
and-costs-of-ccs/ [diakses 30 Maret 2022].
[41] Penilaian Michailos S. Technoeconomic dari Sintesis Metanol melalui CO2 [68] Barreto L, Klaassen G. Perdagangan emisi dan peran limpahan pembelajaran sambil melakukan
Hidrogenasi. Sheffield, Inggris; 2018. dalam model ERIS sistem energi "bottom-up". Kebijakan Teknologi Energi Int J 2004;2: 70–95.
[42] Netl. Kurva Pembelajaran Teknologi (FOAK ke NOAK). Pedoman kualitas untuk energi
studi sistem; 2013. hal. 24. [69] Lohwasser R, Madlener R. Menghubungkan R&D dan kebijakan investasi dengan difusi pasar CCS
[43] Thomassen G, Van Passel S, Dewulf Jo. Tinjauan tentang efek pembelajaran dalam penilaian melalui pembelajaran dua faktor. Kebijakan Energi 2013;52:439–52.
teknologi prospektif. Perbarui Sustain Energy Rev 2020;130. [70] Miketa A, Schrattenholzer L. Eksperimen dengan metodologi untuk memodelkan peran pengeluaran
[44] Argote L, Epple D. Kurva pembelajaran di bidang manufaktur. Sains 1990;247(4945): R&D dalam proses pembelajaran teknologi energi; hasil pertama. Kebijakan Energi
920–4. 2004;32(15):1679–92.
[45] van den Broek M, Hoefnagels R, Rubin E, Turkenburg W, Faaij A. Pengaruh [71] McDonald A, Schrattenholzer L. Tingkat pembelajaran untuk teknologi energi. Energi
pembelajaran teknologi pada biaya masa depan dan kinerja pembangkit listrik dengan Kebijakan 2001;29(4):255–61.
penangkapan CO2. Ilmu Pembakaran Energi Prog 2009;35(6):457–80. [72] Rubin ES, Yeh S, Hounshell DA, Taylor MR. Kurva pengalaman untuk teknologi kontrol emisi
[46] Chen Feng. Model kurva-S evolusi teknologi dan analisis karakteristik diskontinuitas pembangkit listrik . Kebijakan Teknologi Energi Int J 2004;2:52–69.
Universitas Fudan; 2000. [73] Lin Hu, Jin H, Gao L, Han W. Evaluasi tekno-ekonomi berbasis batubara
[47] Schmidt O, Hawkes A, Gambhir A, Staffell I. Biaya masa depan penyimpanan energi listrik sistem poligenerasi bahan bakar sintetik dan tenaga dengan pemulihan CO2. Energy Convers
berdasarkan tingkat pengalaman. Energi Nat 2017;2:1–8. Manage 2011;52(1):274–83.
[48] Ritzenhofen I, Spinler S. Rancangan feed-in-tariff yang optimal untuk merangsang investasi energi [74] Badan Energi Terbarukan Internasional (IRENA). Pengurangan biaya hidrogen hijau 2020. Bonn,
terbarukan di bawah ketidakpastian regulasi — Sebuah analisis opsi nyata. Energi Ekon Jerman; 2020. https://www.irena.org/publications/2020/Dec/Gr een-hydrogen-cost-reduction
2016;53:76–89. [diakses 31 Maret 2022].
[49] Atsonios K, Panopoulos KD, Kakaras E. Investigasi aspek teknis dan ekonomi untuk produksi [75] Badan Energi Terbarukan Internasional (IRENA). Outlook Inovasi: Metanol Terbarukan 2021. Bonn,
metanol melalui hidrogenasi CO2. Energi Hidrogen Int J 2016;41(4):2202–14. Jerman; 2021. https://www.irena.org/publications/ 2021/Jan/Innovation-Outlook-Renewable-
Methanol [diakses 7 April 2022].
[50] Chen S, Zhang Q, Li H, Mclellan B, Zhang T, Tan Z. Keputusan investasi pada
pemanasan & pendinginan panas bumi dangkal berdasarkan model opsi majemuk:
Studi kasus Cina. Energi Appl 2019;254:113655.
15