Investment under uncertainty in the future energy system: The role of expectations and learning (InvestExL)

Dette prosjektet fokuserte på analyse av investeringer i det norske og europeiske energisystemet under usikkerhet. De ambisiøse klima- og energimålene i EU og Norge må oppfylles gjennom små og store investeringer. Hver av disse må balansere organisasjonsmessige mål, lønnsomhet og bærekrafthensyn. InvestExL har utviklet kunnskap for beslutningstakere og regulatorer når det gjelder analyse av investeringsprosesser i energisystemet. Et sentralt spørsmål for oss var hvordan forventninger blir formet. Vi har som mål å være nyskapende innenfor læring (om faktorer som påvirker investeringer), ment i statistisk forstand, men også bredere. Dette 5-årige prosjektet var et samarbeid mellom Institutt for industriell økonomi og teknologiledelse ved Norges teknisk-naturvitenskapelige universitet, Hydro Energi AS, Tilburg University (NL), University of Illinois i Urbana-Champaign (US), University of York (UK) og University of Lisboa (P), og i en toårsperiode også Nord universitet. I løpet av prosjektet arrangerte vi flere prosjektmøter ved NTNU med våre industri- og internasjonale forskningspartnere og uformelle forskningsbesøk for å samarbeide om forskning både av teoretisk og anvendt art. Mars 2018 arrangerte vi en ph.d.-vinterskole innenfor Real Options og Commodity Markets i Tauplitz, Østerrike. 30 doktorgradsstudenter tilbrakte uken i morgen- og ettermiddags-sesjoner, hvor 13 internasjonale eksperter formidlet både state-of-the-art kunnskap, samt nylige fremskritt innenfor realopsjonsanalyser og råvarefinansiering med et spesielt fokus på energimarkeder. Alle internasjonale prosjektpartnere bidro til vinterskolen som forelesere og var tilgjengelige for diskusjoner med deltakerne gjennom hele uken. Foreleserne kom fra NTNU, Tilburg Universitet (NL), Universitetet i Glasgow (UK), Universitetet i Illinois i Urbana-Champaign (USA), Universitetet i Toronto (CA), University of Lisbon (P), University College London , Oklahoma State University (US) og Universitetet i Brescia (I). Videre har vi vært involvert i organiseringen av den 15. konferansen om Computational Management Science som fant sted på NTNU 29.-31. mai 2018. Vi har også lansert en prosjektnettside: https://www.ntnu.edu/investexl, hvor vi introduserer prosjektet og presenterer høydepunkter fra prosjektresultatene. Prosjektet resulterte i mer enn 30 publikasjoner, publisert i både fagfellevurderte vitenskapelige tidsskrifter samt populærvitenskapelige kanaler, og i form av utvikling av workshops for industrien. I det følgende trekker vi frem noen av forskningsresultatene våre: Vi undersøkte hvordan flere kilder til usikkerhet påvirker investeringsbeslutningen med særlig vekt på læring over tid. Mer spesifikt kan en bedrift lære mer om de “sanne” politiske eller forretningsmessige forholdene ved å vente, men å vente reduserer de diskonterte forventede kontantstrømmene. Resultatene våre illustrerer hvordan læring om policyforpliktelse påvirker investeringsbeslutninger. For å fasilitere denne analysen, bruker vi Bayesiansk læring i modellering av realopsjoner. Dette kan forstås som en bedrifts tolkning av signaler fra regulatoriske myndigheter. I Dalby et al. (2018) undersøker vi hvordan investeringsatferd påvirkes ved å oppdatere en subjektiv tro på tidspunktet for en subsidierevisjon. Mer spesifikt hvordan tilbakevirkende nedjustering av et tilskudd til fornybar kraft (faste innmatingstariffer) påvirker investeringsbeslutningen. Resultatene våre indikerer at effekten av et høyt subsidienivå kan reduseres betydelig av en oppfattet upålitelig regjering. I det samme arbeidet studerer vi en bedrift med mulighet til å drive med kostbar aktiv læring, enten ved å betale en forhåndsavgift eller en kontinuerlig læringskostnad i Hagspiel et al. (2021). Resultatene våre indikerer at tydelig kommunikasjon om en fremtidig politikk tiltrekker seg investeringer fra bedrifter som lærer effektivt. Dette er fordi bedrifter som lærer mer effektivt justerer sin tro raskere enn bedrifter som lærer mindre effektivt. Derfor investerer effektive bedrifter raskere gitt at vi er i et godt økonomisk klima. Imidlertid er disse bedriftene også mer følsomme for negative signaler, og har dermed mindre sannsynlighet for å investere i et ugunstig økonomisk klima. Bedrifter kan også lære ved å samle inn ytterligere data. Ødegaard et al. (2020) undersøker hvordan innsamling av snømålinger kan lette læring om fremtidig tilsig for en vannkraftprodusent. I denne studien finner vi at for mindre magasiner, hvor sannsynligheten for overløp er større, kan snømålinger gi betydelig verdi gitt at målingene har høy nøyaktighet. Vi konkluderer med at snømålinger kan legge til mellom 0 og 10% i verdi for rimelige parametere.

Our main achievements have been: i) Training key researchers to PhD and professor level positions ii) Actively including master students at NTNU in our work. iii) Providing a meeting point between academics and industry. iv) Actively involving external stakeholders in all part of our research, and thereby enhancing the relevance and quality of our research. v) Presenting research results at several conferences and publishing in high?ranked, peer reviewed scientific journals. vi) Providing knowledge on how expectations and learning about energy market and policy uncertainty factors can affect investment decisions of renewable energy investors and how policy makers can design policies to incentivize renewable energy investments in an efficient manner. vii) Providing knowledge to support investment processes in practice.

This project focuses on analysis of investment in the Norwegian and European energy system under uncertainty. EU's and Norway's ambitious climate and energy targets need to be fulfilled by making many small and large investment decisions. Each of these need to balance organizational objectives, profitability, and sustainability concerns, and will be made under considerable uncertainty regarding the future energy system. InvestExL will develop knowledge that assists decision makers and policy makers, using active learning to support investment processes in the energy system. Learning is meant in a Bayesian sense, but also more broadly. We will at the same time deliver scientific contributions at the forefront of real options theory in the direction of learning, and improved formation of expectations, about energy market and policy uncertainty factors. Specifically, the project will (1) analyse how the potential to learn about key uncertainties affects investment behaviour, (2) give advice on how the potential to learn about extensions, revisions or termination of current government policies can affect investment behaviour in the long term and (3) study how private investors can learn about grid access uncertainty by anticipating the conflicting objectives of a welfare-maximizing transmission system operator. Additionally, the project will develop and hold executive workshops at the industry partner and introduce a novel real options model that is transparent and flexible enough to allow for increased penetration of practical use. These efforts will increase the competence in decision making under uncertainty in the Norwegian electricity industry. The 4-year study is a co-operation between the Department of Industrial Economics and Technology Management at the Norwegian University of Science and Technology, Hydro Energi AS, Tilburg University (NL), the University of Illinois at Urbana-Champaign (US), the University of York (UK), the University of Lisbon (P) and Nord University.