أي شخص يمول محطة للطاقة الشمسية في الواقع يراهن على 20 إلى 30 سنة من الشمس والأسعار والتكاليف. لكن كل هذه المدخلات غير مؤكدة: الطقس يتقلب، والمعدات تتلف بطرق يصعب التنبؤ بها، وأسعار الكهرباء المستقبلية غير مضمونة أبداً. تسأل هذه الورقة سؤالاً عملياً في صميم الانتقال إلى الطاقة النظيفة: كيف يؤثر عدم اليقين في مدخلات جدول البيانات المالي فعلياً على النتائج النهائية لمشروع ضوئي (PV)، وهل الاختصارات الشائعة اليوم كافية؟
من التخمينات البسيطة إلى صور عدم اليقين الكاملة
غالباً ما تقلل عمليات تقييم المشاريع التقليدية عدم اليقين إلى بضعة سيناريوهات «ماذا لو» تقريبية أو إلى أرقام ملخّصة مدمجة مثل المتوسطات والانحرافات المعيارية. يوفر دليل هندسي قياسي يعرف باسم GUM صيغاً تقرّب كيف ينتقل تذبذب المدخلات إلى المخرجات مثل القيمة الصافية الحالية (NPV) والتكلفة الموزونة على مدى العمر (LCOE). تتعامل هذه الاختصارات مع النموذج كأنه خطي تقريباً وتفترض عادةً أن المخرجات تتصرف كمنحنيات جرسية منتظمة. هذا يعمل عندما تكون التقلبات صغيرة والمعادلات رقيقة. لكن الطاقة الشمسية تقودها ظروف جوية وأعطال يمكن أن تكون متقلبة إلى حد كبير، وفترات عمر المشاريع الطويلة تعني تكرار نفس العمليات غير المؤكدة عاماً بعد عام. في مثل هذه الحالات يمكن أن تنهار الصيغ المألوفة بهدوء، خصوصاً عندما يتضمن النموذج أجزاء غير خطية مثل النسب.
مسار أسرع إلى توزيعات احتمال كاملة الشكل 1.
لمعالجة ذلك، يقدم المؤلفون طريقة جديدة اسمها ACME (تسريع تحويل معادلات الخرائط). بدلاً من تتبع المتوسطات والانحرافات فقط، تتبع ACME توزيعات الاحتمال الكاملة من المتغيرات المدخلة إلى المخرجات المالية. تعامل غلة الطاقة السنوية وتكاليف التشغيل والصيانة المتعلقة بالإصلاحات ككميات عشوائية ذات أشكال مستمدة من بيانات ميدانية: تتبع الغلات توزيعاً مرناً يمكنه تقليد سلوك قريب من الغوسي أو سلوكاً منحازاً بقوة، بينما تلتزم تكاليف الإصلاح بنمط أسي يتضمن العديد من الأحداث الصغيرة وبعض الأحداث الكبيرة. تعمل ACME باستغلال حقيقة رياضية مفادها أن مجموع المساهمات العشوائية المستقلة يمكن معالجته بكفاءة في فضاء فورييه، باستخدام ما يعرف بدوال الخصائص. من خلال التبديل بين هذا التمثيل ومنحنيات الاحتمال المألوفة أكثر، تقلّل الطريقة ما كان سيكون تكاملاً ضخماً عالي الأبعاد إلى بعض تكاملات أحادية البعد. والنتيجة طريقة خفيفة رقمياً للحصول على توزيعات كاملة للقيمة الصافية الحالية وLCOE من دون اللجوء إلى محاكاة مونت كارلو هائلة.
اختبار ثلاثة عوالم من عدم اليقين
تقارن الدراسة ACME مع تقريب GUM القياسي في دراسة حالة لنظام PV نموذجي على سطح مبنى. يبني المؤلفون ثلاث سيناريوهات تشترك جميعها في نفس متوقع إنتاج الطاقة ومستويات التكلفة ولكن تختلف في مقدار عدم اليقين في الغلة السنوية. في سيناريو «O»، تكون الغلة شبه ثابتة وتتقلب فقط تكاليف الإصلاح. يمثل سيناريو «YO» تذبذباً معتدلاً في الغلة يقارن بالافتراضات في العديد من الدراسات الحالية. يدفع سيناريو «wYO» تذبذب الغلة إلى أقصى حد، مقلداً مستقبلاً ذا مناخ متقلب للغاية أو ظروف طويلة الأجل غير معروفة جيداً. عبر هذه السيناريوهات، يحسب الفريق ليس فقط متوسط NPV وLCOE، بل أيضاً انحرافاتهما المعيارية، وقيم «P90» التي يستخدمها المستثمرون كمعايير محافظة، واحتمال أن تكون NPV موجبة، وكيف تتغير هذه الكميات مع عمر المشروع من سنة إلى 30 سنة.
ماذا يحدث للمخاطرة والعائد الشكل 2.
تظهر عدة أنماط. لأن NPV خطي في المدخلات غير المؤكدة المختارة، فإن قيمته المتوسطة تعتمد أساساً على الغلات المتوقعة والتكاليف، وليس على مدى عدم اليقين، بينما يتسع نطاقه مع زيادة عمر المشروع وتذبذب المدخلات. يتصرف LCOE بشكل مختلف: فزيادة عدم اليقين في الغلة ترفع متوسط التكلفة لكل كيلوواط ساعة، خاصة في الأعمار القصيرة، وعدم يقينها يتناقص فعلياً مع طول عمر المشروع. بالنسبة لدرجات عدم اليقين الطفيفة والأعمار الأطول، يتتبع التقريب القياسي ACME عن كثب. لكن عندما يكون عدم اليقين في الغلة كبيراً ويدخل في صيغة LCOE بطريقة غير خطية، يقلل الاختصار بشكل منهجي من كل من متوسط LCOE وتذبذبه، وقد يسيء تمثيل شكل التوزيع الذي كثيراً ما ينحرف بقوة عن منحنى الجرس. تُظهر تحليل التوزيعات التراكمية أن هذه الاختلالات يمكن أن تشوه مقاييس المخاطرة المستخدمة على نطاق واسع مثل قيم P90 والاحتمال المدرك للوصول إلى نطاق تكلفة معين.
ماذا يعني هذا للمستثمرين والمخططين
بالنسبة لغير المتخصصين، الرسالة واضحة: كمية وشكل عدم اليقين في غلة الشمس وتكاليف الإصلاح يمكن أن تغيّر بشكل ملحوظ الاستنتاجات حول مخاطر المشروع وقابليته للمنافسة، حتى عندما تبقى المتوسطات طويلة الأجل نفسها. قد تكون الصيغ البسيطة التي تفترض تقلبات صغيرة وسلوكاً شبيهاً بالجرس كافية للظروف المستقرة، أو الأعمار الطويلة، أو النماذج شبه الخطية، لكنها قد تقدّم صوراً متفائلة أكثر من اللازم عندما يكون عدم اليقين كبيراً أو يدخل عبر نسب مثل LCOE. توفر ACME وسيلة عملية للحصول على صورة كاملة للنتائج المالية المحتملة، بما في ذلك الحالات المنحرفة أو ذات الذيل الثقيل، بتكلفة حسابية أقل بكثير من المحاكاة بالحصار. ومع توسع PV وزيادة تقلب المناخ والأسواق، يمكن لنمذجة عدم اليقين الأكثر ثراءً أن تساعد المستثمرين والبنوك وصانعي السياسات على تقييم مشاريع الطاقة الشمسية بشكل أكثر واقعية وتصميم آليات دعم تعكس ليس فقط العوائد المتوقعة بل أيضاً نطاق المخاطر.
الاستشهاد: Wieland, S., Gürsal, U. Uncertainty propagation in financial models of photovoltaic systems.
Sci Rep16, 5004 (2026). https://doi.org/10.1038/s41598-026-38053-1
الكلمات المفتاحية: تمويل الطاقة الضوئية, انتشار عدم اليقين, مخاطر الاستثمار في الطاقة الشمسية, التكلفة الموزونة على مدى العمر للطاقة الكهربائية, القيمة الصافية الحالية
