ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტის პაატა გუგუშვილის სახელობის ეკონომიკის ინსტიტუტის რეცენზირებადი, ბეჭდურ-ელექტრონული, საერთაშორისო სამეცნიერო-ანალიტიკური ჟურნალი
ჰიდროენერგიის მიწოდების შოკები და ელექტროენერგეტიკული სისტემის რეაგირება საქართველოში
ანოტაცია: კვლევა 2012–2025 წლების ყოველთვიური მონაცემებით აფასებს ჰიდროენერგიის მიწოდების შოკების გავლენას საქართველოს ელექტროენერგეტიკულ სისტემაზე. დადებითი ჰიდროენერგიის მიწოდების შოკი ენგურის ზედა დინებაში მდინარის ხარჯის ანომალიით არის იდენტიფიცირებული. შოკი ზემოქმედების მომენტში ჰიდროგენერაციის 100 გიგავატსაათიან (გვტ.სთ) ზრდაზეა ნორმირებული და წმინდა იმპორტს 56,6 გვტ.სთ-ით ამცირებს. შედეგები ხაზს უსვამს ტრანსსასაზღვრო ვაჭრობის როლს სისტემის მოკლევადიან დაბალანსებაში.
საკვანძო სიტყვები: ჰიდროენერგიის მიწოდების შოკები; მდინარის ხარჯი; ელექტროენერგიის ტრანსსასაზღვრო ვაჭრობა; წმინდა იმპორტი; გარე ინსტრუმენტით იდენტიფიცირებული სტრუქტურული ვექტორული ავტორეგრესიის (SVAR) მოდელი.
JEL კლასიფიკაცია: C32; F14; Q25; Q41.
შესავალი
2021 წელს საქართველოში წარმოებული ელექტროენერგიის დაახლოებით 80,5% ჰიდროელექტროსადგურებზე მოდიოდა, რაც ქვეყნის შიდა ელექტროენერგიის მიწოდებას ჰიდროლოგიური პირობების სეზონური ვარიაციის მიმართ განსაკუთრებით მგრძნობიარეს ხდის. ზამთარში ჰიდროელექტროენერგიის წარმოება (შემდგომში — ჰიდროგენერაცია) მცირდება, მაშინ როდესაც ელექტროენერგიაზე მოთხოვნა იზრდება. შედეგად იზრდება თბოელექტროენერგიის წარმოება (შემდგომში — თბოგენერაცია) და იმპორტი. სეზონური ჭარბი გამომუშავება კი ექსპორტის შესაძლებლობას ქმნის (International Energy Agency 2023). ამ პირობებში ჰიდროენერგიის მიწოდების შოკის ანალიზი ელექტროენერგეტიკული სისტემის რეაგირების შეფასების საშუალებას იძლევა.
წინა კვლევების მიხედვით, წყლის ხელმისაწვდომობის შემცირება ზღუდავს ჰიდროგენერაციას და ზრდის ჩანაცვლებითი თბოგენერაციისა და ელექტროენერგიის იმპორტის საჭიროებას. ამ ცვლილებებმა შეიძლება გაზარდოს ელექტრომომარაგების დეფიციტის რისკი, წიაღისეულ საწვავზე დაფუძნებული გენერაციის მოცულობა, სათბურის აირებისა და ჰაერის დამაბინძურებლების ემისიები, აგრეთვე კლიმატთან და ჯანმრთელობასთან დაკავშირებული ეკონომიკური დანაკარგები (Qiu et al. 2023; Turner et al. 2019; van Vliet et al. 2016).
საქართველოს ელექტროენერგეტიკული სექტორის შესახებ არსებულ ნაშრომებსა და სექტორულ მიმოხილვებში გაანალიზებულია ელექტროენერგიის წარმოებისა და მოხმარების ბალანსი, ჰიდრო-, თბო- და ქარის გენერაციის სტრუქტურა, ჰიდროგენერაციის სეზონურობით გამოწვეული ჭარბი წარმოება და დეფიციტი. ამ ნაშრომებსა და სექტორულ მიმოხილვებში აგრეთვე განხილულია მეზობელ ქვეყნებთან ელექტროენერგიის იმპორტი, ექსპორტი და ტრანზიტი, განახლებადი ენერგიის განვითარება და ელექტროენერგიის ბაზრის ინსტიტუციური რეფორმები (Chomakhidze et al. 2018; International Energy Agency 2023). თუმცა ჯერაც არასაკმარისად არის შესწავლილი თბოგენერაციისა და წმინდა იმპორტის რეაგირება ჰიდროენერგიის მიწოდების შოკებზე.
კვლევაში გამოყენებულია 2012 წლის იანვრიდან 2025 წლის დეკემბრამდე პერიოდის ელექტროენერგეტიკული ბალანსისა და ჰიდრომეტეოროლოგიური ყოველთვიური მონაცემები. გარე ინსტრუმენტით იდენტიფიცირებული სტრუქტურული ვექტორული ავტორეგრესიის მოდელი (SVAR) შეფასებულია 2012 წლის მარტიდან 2025 წლის მაისამდე პერიოდისთვის. ჰიდროენერგიის მიწოდების შოკების იდენტიფიკაციისთვის გამოყენებულია ენგურის წყალსაცავის ზედა დინებაში მდინარის ხარჯის ანომალია. მოდელში ენდოგენურ ცვლადებად ჩართულია ჰიდროგენერაცია, თბოგენერაცია და წმინდა იმპორტი. ამინდის საკონტროლო და კალენდარული თვეების ფიქტიური ცვლადები ჩართულია ამინდის პირობებისა და სეზონურობის გასაკონტროლებლად. დამატებით შეფასებულია საბაზისო შედეგების მგრძნობელობა ალტერნატიული ინსტრუმენტებისა და მოდელის სხვადასხვა სპეციფიკაციის მიმართ.
მონაცემები და მეთოდოლოგია
მონაცემები და ცვლადები
ელექტროენერგიის ბალანსის ყოველთვიური მონაცემები მიღებულია სს „ელექტროენერგეტიკული სისტემის კომერციული ოპერატორისგან“ (შემდგომში ესკო) და მოიცავს 2012 წლის იანვრიდან 2025 წლის დეკემბრამდე პერიოდს (ESCO n.d.). აღწერითი ანალიზი ეფუძნება 168 თვეს. ყველა საჭირო ცვლადისთვის საერთო ხელმისაწვდომი პერიოდი 2012 წლის მარტიდან 2025 წლის მაისამდე გრძელდება და 159 თვეს მოიცავს. პერიოდის დასაწყისი განისაზღვრა ამინდის საკონტროლო ცვლადების ორი ლაგით, ხოლო დასასრული GloFAS v4-ის consolidated_v4 მონაცემების ხელმისაწვდომობით. სამი ლაგის გათვალისწინებით, VAR(3)-ის შეფასება 156 დაკვირვებას ეფუძნება.
საწყისი ენერგეტიკული მაჩვენებლები გამოხატულია გიგავატსაათებში. ცვლადები გარდაიქმნა შემდეგნაირად:
სადაც Ht არის ჰიდროგენერაცია, Gt თბოგენერაცია, IMt მთლიანი იმპორტი, EXt მთლიანი ექსპორტი, ხოლო NIt წმინდა იმპორტი. NIt-ის უარყოფითი მნიშვნელობა წმინდა ექსპორტს აღნიშნავს. ტრანზიტული ნაკადები გაანგარიშებაში არ შედის. ჰიდროგენერაცია ბუნებრივი ლოგარითმითაა გარდაქმნილი, თბოგენერაცია — ინვერსიული ჰიპერბოლური სინუსის (IHS) გარდაქმნით, ხოლო წმინდა იმპორტი დონეებშია დატოვებული (Bellemare and Wichman 2019).
გარე ჰიდროლოგიური ინსტრუმენტი და ამინდის საკონტროლო ცვლადები
გარე ინსტრუმენტად გამოყენებულია ენგურის წყალსაცავის ზედა დინებაში მდებარე GloFAS v4-ის ბადის უჯრედში მოდელირებული მდინარის ხარჯის ანომალია. უჯრედი მდებარეობს 42,925° ჩრდილოეთ განედსა და 42,075° აღმოსავლეთ გრძედზე. დღიური მონაცემები მიღებულია Open-Meteo Flood API-დან consolidated_v4 პროდუქტის გამოყენებით. მწკრივი ეფუძნება LISFLOOD-ის ჰიდროლოგიურ მოდელსა და ERA5-ის მეტეოროლოგიურ მონაცემებს და არ წარმოადგენს არც ჰიდრომეტრიულ საგუშაგოზე უშუალოდ გაზომილ ხარჯს და არც წყალსაცავში ფაქტობრივ შემოდინებას (Grimaldi et al. 2022; Open-Meteo n.d.-a).
კალენდარული თვის მიხედვით სტანდარტიზაციის ოპერატორია:
სადაც Φh VAR-ის მცურავი საშუალოს -კოეფიციენტების მატრიცაა. ჰიდრო- და თბოგენერაციის გამოხმაურებები შესაბამისი უკუგარდაქმნებით გვტ.სთ-შია გადაყვანილი. წმინდა იმპორტის გამოხმაურებები კი უკვე გვტ.სთ-შია გამოსახული.
95%-იანი ნდობის ინტერვალები აგებულია ერთობლივი მცურავი ბლოკების ბუტსტრეპის 2 000 გამეორების საფუძველზე, თითოეული ბლოკის სიგრძე 12 თვეა (Jentsch and Lunsford 2021). ძირითადი გამოხმაურებებისთვის დამატებით მიღებულია სუსტი იდენტიფიკაციის მიმართ რობასტული 95%-იანი ფილერის ტიპის ნდობის სიმრავლეები, ანდერსონ-რუბინის სტატისტიკის ინვერსიით (Anderson and Rubin 1949; Fieller 1954; Montiel Olea, Stock, and Watson 2021). უკუგარდაქმნის, ბუტსტრეპისა და ფილერის ტიპის ნდობის სიმრავლეების დეტალები მოცემულია დანართ A-ში, ქვეთავებში „გამოხმაურებების ნორმირება და უკუგარდაქმნა“, „ბუტსტრეპული დასკვნები“ და „სუსტი იდენტიფიკაციის მიმართ რობასტული დასკვნები“.
რობასტულობის ანალიზში გამოყენებულია მდინარის ხარჯის ალტერნატიული ინსტრუმენტები, GloFAS-ის განსხვავებული პროდუქტები, შეფასების პერიოდები, ლაგისა და ბუტსტრეპული ბლოკის სხვადასხვა სიგრძე და ჰიდრომეტეოროლოგიური საკონტროლო ცვლადების ვარიანტები. დამატებით ჩატარებულია გამომრიცხავი შეზღუდვის დამხმარე შემოწმებები და შეფასებულია ელექტროენერგიის ბალანსის სხვა კომპონენტების შემცველი სისტემები. ამ შემოწმებების დიზაინი და გამოყენებული სპეციფიკაციები აღწერილია დანართ A-ში.
შედეგები
ელექტროენერგეტიკული სისტემის დინამიკა და ჰიდროლოგიური ვარიაცია
ჰიდროგენერაციის თვიური მედიანა 720,0 გვტ.სთ იყო, ხოლო ინტერკვარტილური დიაპაზონი (IQR) 563,6-დან 968,0 გვტ.სთ-მდე მერყეობდა. ჰიდროგენერაციაზე მოდიოდა შიდა ელექტროენერგიის ჯამური წარმოების 78,4% (ნახაზი 1, პანელი A). თბოგენერაციის მედიანა 207,4 გვტ.სთ იყო (IQR: 44,6–340,5 გვტ.სთ) და მაღალი ჰიდროგენერაციის პერიოდებში მკვეთრად მცირდებოდა (ნახაზი 1, პანელი B). წმინდა იმპორტის მედიანა თვეში 58,6 გვტ.სთ-ს შეადგენდა (IQR: −64,8–153,0 გვტ.სთ). წმინდა იმპორტის თვიური შეფარდება მთლიან შიდა მოთხოვნასთან მედიანურად 6,2% იყო (IQR: −6,6%–14,2%). მთელ პერიოდში წმინდა იმპორტის ჯამი მთლიანი შიდა მოთხოვნის 4,3%-ს შეადგენდა (ნახაზი 1, პანელი C).
2012–2018 და 2019–2025 წლების პერიოდების შედარებით, საშუალო თვიური მთლიანი შიდა მოთხოვნა 35,7%-ით გაიზარდა, ხოლო ჰიდროგენერაცია 17,4%-ით. მეორე პერიოდში წმინდა იმპორტის საშუალო დონეც უფრო მაღალი იყო (ნახაზი 1, პანელები A, C და D).
სეზონური ვარიაცია ასახავდა ცვლილებებს როგორც მოთხოვნაში, ისე მიწოდებაში. იანვარ–მარტის საშუალო მაჩვენებელთან შედარებით, აპრილ–ივნისში საშუალო ჰიდროგენერაცია 551,2-დან 1 050,0 გვტ.სთ-მდე გაიზარდა, ხოლო თბოგენერაციის მედიანა 351,4-დან 3,2 გვტ.სთ-მდე შემცირდა (თბოგენერაციისთვის მოყვანილია მედიანა, რადგან მისი განაწილება ძლიერ ასიმეტრიულია). ამავე პერიოდში საშუალო წმინდა იმპორტი 203,8 გვტ.სთ-დან −119,6 გვტ.სთ-მდე შემცირდა, რაც წმინდა ექსპორტს შეესაბამება, ხოლო საშუალო მთლიანი შიდა მოთხოვნა 13,4%-ით, 1 115,7-დან 966,6 გვტ.სთ-მდე შემცირდა. ამგვარად, გაზაფხულზე მოთხოვნის შემცირებასა და ჰიდროენერგიის ხელმისაწვდომობის ზრდას თან ახლდა თბოგენერაციის შემცირება და წმინდა იმპორტიდან წმინდა ექსპორტზე გადასვლა.
ნახაზი 1. ელექტროენერგიის წარმოება, წმინდა იმპორტი და მთლიანი შიდა მოთხოვნა საქართველოში, 2012–2025. ყოველთვიური ჰიდროგენერაცია (პანელი A), თბოგენერაცია (პანელი B), წმინდა იმპორტი (პანელი C) და მთლიანი შიდა მოთხოვნა (პანელი D), 2012 წლის იანვრიდან 2025 წლის დეკემბრამდე.
შენიშვნა: ყველა მაჩვენებელი გამოხატულია გვტ.სთ-ში. წმინდა იმპორტი არის მთლიანი იმპორტისა და მთლიანი ექსპორტის სხვაობა. უარყოფითი მნიშვნელობები წმინდა ექსპორტს აღნიშნავს. მთლიანი შიდა მოთხოვნა მოიცავს მომხმარებლებისთვის მიწოდებულ ელექტროენერგიას, გადაცემის დანაკარგებს, სადგურების დანაკარგებსა და საკუთარ მოხმარებას. ტრანზიტული ელექტროენერგია გამორიცხულია.
ჰიდროგენერაციის ქვედა და ზედა კვარტილების შედარება ანალოგიურ კანონზომიერებას ავლენს. თბოგენერაციის მედიანა დაბალი ჰიდროგენერაციის თვეებში 361,0 გვტ.სთ იყო, ხოლო მაღალი ჰიდროგენერაციის თვეებში 4,2 გვტ.სთ. წმინდა იმპორტის მედიანა დაბალი ჰიდროგენერაციის თვეებში 171,3 გვტ.სთ იყო, ხოლო მაღალი ჰიდროგენერაციის თვეებში — −165,5 გვტ.სთ. ჰიდროგენერაციის ქვედა კვარტილში შემავალ ყველა 42 თვეში დაფიქსირდა დადებითი წმინდა იმპორტი, ხოლო ზედა კვარტილის თვეების 88,1%-ში დაფიქსირდა წმინდა ექსპორტი.
ჰიდროგენერაცია ძლიერ უარყოფითად კორელირებდა თბოგენერაციასთან (ρ = −0,79) და წმინდა იმპორტთან (ρ = −0,79), ხოლო თბოგენერაციასა და წმინდა იმპორტს შორის კორელაცია დადებითი იყო (ρ = 0,75). წმინდა იმპორტი ზომიერად დადებითად იყო დაკავშირებული მთლიან შიდა მოთხოვნასთანაც (ρ = 0,39). წმინდა იმპორტის თვიური ვარიაცია, შესაბამისად, უკავშირდებოდა როგორც ჰიდროენერგიის ხელმისაწვდომობას, ისე თანადროულ მოთხოვნას, თუმცა მისი ყველაზე ძლიერი უპირობო კავშირი ჰიდროგენერაციასთან გამოვლინდა. აღნიშნული კორელაციები აღწერით ხასიათს ატარებს და მიზეზობრივი კავშირის არსებობას არ ადასტურებს (ცხრილი B1).
ენგურის ზედა დინების მდინარის ხარჯის მაჩვენებელი და ნალექებისა და ტემპერატურის ანომალიები საკვლევ პერიოდში მნიშვნელოვნად მერყეობდა (ნახაზი B1, პანელები A–C). 2025 წლის მაისამდე ხელმისაწვდომი GloFAS v4-ის consolidated_v4 მდინარის ხარჯის მაჩვენებლის მედიანა −0,28 სტანდარტული გადახრის ერთეული იყო, ხოლო ინტერკვარტილური დიაპაზონი −0,68-დან 0,53-მდე მერყეობდა. ეს ცვალებადობა იდენტიფიკაციისთვის საჭირო ვარიაციას უზრუნველყოფს.
ნახაზი 2. გამოხმაურება ჰიდროენერგიის მიწოდების დადებით შოკზე. პანელები ასახავს ჰიდროგენერაციის, თბოგენერაციისა და წმინდა იმპორტის გამოხმაურებებს 0–24 თვის ჰორიზონტზე, გვტ.სთ-ში. ჰიდროგენერაციის გამოხმაურება ნორმირებულია ზემოქმედების მომენტში 100 გვტ.სთ-იან ზრდაზე. უწყვეტი ხაზები აღნიშნავს წერტილოვან შეფასებებს, ხოლო დაჩრდილული არეები აღნიშნავს 95%-იან ნდობის ინტერვალებს. წმინდა იმპორტის უარყოფითი გამოხმაურება ნიშნავს იმპორტის შემცირებას ან წმინდა ექსპორტის ზრდას.
ელექტროენერგეტიკული სისტემის დინამიკური გამოხმაურება ჰიდროენერგიის მიწოდების შოკზე
საბაზისო პირველი ეტაპის რეგრესიაში ნიუი-უესტის HAC ვალდის F-სტატისტიკა 16,0 იყო, ხოლო R² = 0,074. VAR-ის დაყვანილი ფორმის შეფასება 156 დაკვირვებას ეფუძნებოდა. შედეგი ინსტრუმენტის რელევანტურობაზე მიუთითებს, თუმცა სუსტი ინსტრუმენტის პრობლემას სრულად არ გამორიცხავს.
ჰიდროგენერაციის ნორმირებული გამოხმაურება მომდევნო სამი თვის განმავლობაში დადებითი იყო. ჰიდროგენერაციის გამოხმაურება ერთი თვის შემდეგ 62,0 გვტ.სთ იყო (95%-იანი ნდობის ინტერვალი: 31,5–111,8), ორი თვის შემდეგ — 44,7 გვტ.სთ (20,3–83,9), ხოლო მესამე თვეში — 35,7 გვტ.სთ (−8,8–77,4). ამდენად, გამოხმაურება 95%-იან დონეზე ნულიდან განსხვავდებოდა პირველი ორი თვის განმავლობაში, მაგრამ არა მესამე თვეში. ზემოქმედების მომენტში თბოგენერაციის წერტილოვანი შეფასება −80,1 გვტ.სთ იყო, თუმცა 95%-იანი ნდობის ინტერვალი ნულს მოიცავდა. წმინდა იმპორტი ზემოქმედების მომენტში 56,6 გვტ.სთ-ით შემცირდა, 95%-იანი ნდობის ინტერვალით −137,6-დან −9,8 გვტ.სთ-მდე. მისი 0–12 თვის კუმულაციური გამოხმაურების 95%-იანი ნდობის ინტერვალი ნულს მოიცავდა. მთლიანობაში შედეგები მიუთითებს ჰიდროგენერაციის ხანმოკლე ზრდასა და წმინდა იმპორტის მყისიერ შემცირებაზე, ხოლო თბოგენერაციის შემცირებისა და წმინდა იმპორტის ხანგრძლივი გამოხმაურების მტკიცებულება შეზღუდულია (ნახაზი 2).
დისკუსია
აღწერითი და სტრუქტურული შეფასებები თანმიმდევრულად მიუთითებს, რომ ჰიდროგენერაციის დროებითი ზრდისას სისტემის ძირითადი მოკლევადიანი ადაპტაციის არხი ტრანსსასაზღვრო ვაჭრობაა. აღწერით ანალიზში მაღალი ჰიდროგენერაციის თვეები ნაკლებ წმინდა იმპორტსა და მეტ წმინდა ექსპორტს უკავშირდებოდა, ხოლო იდენტიფიცირებული შოკის შემდეგ წმინდა იმპორტის მყისიერი შემცირება სტატისტიკურად დასტურდებოდა. თბოგენერაციის უარყოფითი წერტილოვანი შეფასება შემცვლელობის მექანიზმთან არის თავსებადი, თუმცა მისთვის საკმარისი სტატისტიკური მტკიცებულება ვერ მიიღება. ამგვარად, შედეგები უფრო მკაფიოდ ადასტურებს ვაჭრობის, ვიდრე თბოგენერაციის, როლს სისტემის მოკლევადიან დაბალანსებაში.
ჰიდროლოგიური ვარიაცია და ელექტროენერგეტიკული სისტემის რეაგირება
წინა კვლევებში ძირითადად განხილულია ელექტროენერგეტიკული სისტემების ადაპტაცია არახელსაყრელ ჰიდროლოგიურ პირობებთან. Qiu et al. (2023) მიუთითებენ, რომ უკიდურესი გვალვის დროს ცალკეული წიაღისეული საწვავის სადგურების გენერაცია 65%-მდე იზრდებოდა, ხოლო გვალვით გამოწვეული დამატებითი გენერაციის 54%-ზე მეტი დაზარალებული რეგიონის გარეთ წარმოებდა და რეგიონთაშორისი ვაჭრობით დაზარალებულ რეგიონს მიეწოდებოდა. Turner et al. (2019) ადგენენ, რომ კლიმატის ცვლილების პირობებში, ჰიდროენერგიის ხელმისაწვდომობასა და ელექტროენერგიის მოთხოვნაზე ზემოქმედების ერთობლივი გათვალისწინებით, წყნარი ოკეანის ჩრდილო-დასავლეთში ელექტრომომარაგების დეფიციტის წლიური ალბათობა ორჯერ მეტად იზრდებოდა. წინამდებარე კვლევა ამ მტკიცებულებას ავსებს საქართველოს ყოველთვიური რეაგირებისა და დადებითი ჰიდროენერგიის მიწოდების შოკის შეფასებით. ჰიდროგენერაციის რამდენიმე თვის განმავლობაში შენარჩუნებული გამოხმაურება მიუთითებს მიწოდებაზე დროებით, მაგრამ არა მხოლოდ მყისიერ გავლენაზე, მაშინ, როცა ყველაზე ძლიერი რეაგირება ზემოქმედების მომენტში წმინდა იმპორტის შემცირებით გამოვლინდა.
ტრანსსასაზღვრო ვაჭრობა და საქართველოს ელექტროენერგეტიკული სისტემის ბალანსი
საქართველოს შესახებ არსებული კვლევები ძირითადად აღწერს ისტორიულ ელექტროენერგიის ბალანსებსა და ჰიდროგენერაციასა და ვაჭრობას შორის სეზონურ კავშირს (Chomakhidze et al. 2018; International Energy Agency 2023). საერთაშორისო ენერგეტიკული სააგენტოს 2023 წლის ანგარიშის მიხედვით, საქართველო მაღალი ჰიდროგენერაციის სეზონზე ჭარბი ელექტროენერგიის ექსპორტს ახორციელებს; თუმცა 2012 წლიდან, მოთხოვნის ზრდის პირობებში, ქვეყანა უმეტესად წმინდა იმპორტიორია (International Energy Agency 2023). წინამდებარე კვლევა ამ აღწერით მტკიცებულებას ავსებს განსხვავებული ჰიდროლოგიური პირობებისა და იდენტიფიცირებული მიწოდების შოკის დინამიკური ეფექტების რაოდენობრივი შეფასებით. ჰიდროგენერაციის ქვედა კვარტილის ყველა 42 თვეში დაფიქსირდა წმინდა იმპორტი, ხოლო ზედა კვარტილის თვეების 88,1%-ში დაფიქსირდა წმინდა ექსპორტი. SVAR-ის შეფასებები ამ უპირობო კანონზომიერებებს შეესაბამება და ტრანსსასაზღვრო ვაჭრობას საქართველოს ელექტროენერგეტიკული სისტემის მოკლევადიანი დაბალანსების ძირითად არხად გამოკვეთს.
შეზღუდვები
ანალიზში გამოყენებულია GloFAS-ით მოდელირებული მდინარის ხარჯი და არა ჰიდრომეტრიულ საგუშაგოზე გაზომილი მდინარის ხარჯი ან წყალსაცავში ფაქტობრივი შემოდინება. საბაზისო ინსტრუმენტი ენგურის ზედა დინებაში მდებარე ერთ GloFAS-ის ბადის უჯრედში მოდელირებულ მდინარის ხარჯს ეფუძნება; შესაბამისად, ის ქვეყნის ჰიდროლოგიურ პირობებს სრულად არ ასახავს.
საერთო რეგიონული ვარიაციით გამოწვეული მიკერძოების რისკი შემოწმებულია მრავალაუზიანი ალტერნატიული მაჩვენებლებით, რეგიონული ამინდის საკონტროლო ცვლადებით, კონტროლებზე ორთოგონალიზებული ინსტრუმენტებით და მეზობელი ქვეყნების ჰიდროგენერაციის საკონტროლო ცვლადებით.
თუმცა ეს შემოწმებები სრულად ვერ ითვალისწინებს ელექტროენერგიის რეგიონულ ფასებს, გადამცემი ქსელის ხელმისაწვდომობას, წყალსაცავების მართვასა და გენერაციის შეფერხებებს. გამომრიცხავი შეზღუდვა უშუალოდ ვერ მოწმდება, ხოლო GloFAS-ის კონსოლიდირებული პროდუქტის ხელმისაწვდომობა საბაზისო შეფასების პერიოდს 2025 წლის მაისამდე ზღუდავს. მცურავი ბლოკების ბუტსტრეპით მიღებული ნდობის ინტერვალები სუსტი იდენტიფიკაციის მიმართ რობასტული არ არის, თუმცა ფილერის ტიპის ნდობის სიმრავლეები ძირითადი შეფასებების შესახებ დამატებითი სტატისტიკური დასკვნების გამოტანის საშუალებას იძლევა.
აგრეგირებული ყოველთვიური მონაცემები ვერ გამოყოფს სადგურების დისპეტჩერული მართვის, წყალსაცავების მართვის, თვის შიგნით დაბალანსებისა და გადაცემის შეზღუდვების ცალკეულ გავლენებს. შესაბამისად, წრფივი SVAR მხოლოდ საშუალო დინამიკურ გამოხმაურებას ასახავს და ვერ განასხვავებს სეზონურ, არაწრფივ ან რეჟიმზე დამოკიდებულ რეაგირებას. ელექტროენერგიის ფასები, ემისიები, სისტემის საიმედოობა და კეთილდღეობის ეფექტები კვლევის ფარგლებს გარეთ რჩება.
დასკვნა
მიღებული შედეგების მიხედვით, დადებითი ჰიდროენერგიის მიწოდების შოკის პირობებში მოკლევადიანი კორექტირება ძირითადად ტრანსსასაზღვრო ვაჭრობით ხდება. თბოგენერაციის შეფასებული გამოხმაურება ნულისგან სტატისტიკურად მნიშვნელოვნად არ განსხვავდება. თუ მოთხოვნისა და ჰიდროგენერაციის ზრდის დაფიქსირებული სხვაობა შენარჩუნდება, მდინარის დაბალი ხარჯის პერიოდებში შესაძლოა შემცირდეს საექსპორტო ჭარბი წარმოება და გაიზარდოს იმპორტზე დამოკიდებულება. ეს გარემოება აძლიერებს ენერგიის შენახვის სიმძლავრეების, გენერაციის დივერსიფიკაციის, წყალსაცავების კოორდინირებული მართვისა და ჰიდროლოგიური პროგნოზირების მნიშვნელობას. მსგავსი მექანიზმები შესაძლოა სხვა მცირე, ჰიდროენერგიაზე დამოკიდებულ სისტემებშიც მოქმედებდეს. ამ მექანიზმების სეზონური და რეჟიმზე დამოკიდებული თავისებურებების შესწავლა მოითხოვს უფრო დეტალურ მონაცემებს დისპეტჩერიზაციის, წყალსაცავების მართვის, ფასებისა და გადაცემის შესახებ.
განცხადებები
ინტერესთა კონფლიქტი: ავტორები აცხადებენ, რომ ინტერესთა კონფლიქტი არ აქვთ.
ავტორთა წვლილი:
- თენგიზი მჭედლიძე: კვლევის კონცეფცია და დაგეგმვა, მეთოდოლოგიური ჩარჩოს შემუშავება, მონაცემთა ანალიზი, შედეგების ინტერპრეტაცია და ნაშრომის მომზადება.
- მარიამ მჭედლიძე: ქართულენოვანი სამეცნიერო ტექსტის მომზადებაში მონაწილეობა, ტერმინოლოგიური და სტილისტიკური გამართვა, შედეგების აკადემიური ფორმულირება და ნაშრომის საბოლოო რედაქტირება.
დაფინანსება: კვლევას გარე დაფინანსება არ მიუღია.
ეთიკური საკითხები: კვლევა ეყრდნობა მხოლოდ საჯაროდ ხელმისაწვდომ, აგრეგირებულ მონაცემებს; შესაბამისად, ეთიკური ნებართვა არ იყო საჭირო.
მონაცემთა ხელმისაწვდომობა: ელექტროენერგიის ბალანსის ყოველთვიური მონაცემები საჯაროდ ხელმისაწვდომია ესკო-ს ვებგვერდზე (https://esco.ge/en/energy-balance/by-year-1). მდინარის ხარჯის მონაცემები მიღებულია Open-Meteo Flood API-დან (https://open-meteo.com/en/docs/flood-api), საბაზისო ანალიზში GloFAS consolidated_v4-ის გამოყენებით; GloFAS v4.0 ჰიდროლოგიური რეტროსპექტული ანალიზი ხელმისაწვდომია მისამართზე https://doi.org/10.2905/f96b7a19-0133-4105-a879-0536991ca9c5. ამინდის მონაცემები მიღებულია Open-Meteo Historical Weather API-დან (https://open-meteo.com/en/docs/historical-weather-api). პარტნიორი ქვეყნების ჰიდროგენერაციის მონაცემები მიღებულია Ember-ის ყოველთვიური ელექტროენერგიის მონაცემთა ბაზიდან (https://ember-energy.org/data/monthly-electricity-data/). ყველა ანალიზი ჩატარდა R 4.3.2-ში. დამუშავებული მონაცემები და R-ის კოდი ხელმისაწვდომია ავტორებისგან დასაბუთებული მოთხოვნის საფუძველზე.
გამოყენებული ლიტერატურა
Akaike, Hirotugu. 1974. „A new look at the statistical model identification.“ IEEE Transactions on Automatic Control 19 (6): 716–723. https://doi.org/10.1109/tac.1974.1100705.
Anderson, T. W., and Herman Rubin. 1949. „Estimation of the Parameters of a Single Equation in a Complete System of Stochastic Equations.“ The Annals of Mathematical Statistics 20 (1): 46–63. https://doi.org/10.1214/aoms/1177730090.
Auffhammer, Maximilian, and Erin T. Mansur. 2014. „Measuring climatic impacts on energy consumption: A review of the empirical literature.“ Energy Economics 46: 522–530. https://doi.org/10.1016/j.eneco.2014.04.017.
Bellemare, Marc F., and Casey J. Wichman. 2019. „Elasticities and the Inverse Hyperbolic Sine Transformation.“ Oxford Bulletin of Economics and Statistics 82 (1): 50–61. https://doi.org/10.1111/obes.12325.
Chomakhidze, Demur, Ketevan Tskhakaia, Lali Zivzivazde, Tamar Moseshvili, and David Shamaevi. 2018. „Electricity balance of Georgia: trends and prospects.“ Energy Procedia 147: 581–587. https://doi.org/10.1016/j.egypro.2018.07.074.
Edgerton, David, and Ghazi Shukur. 1999. „Testing autocorrelation in a system perspective.“ Econometric Reviews 18 (4): 343–386. https://doi.org/10.1080/07474939908800351.
Ember. n.d. „Monthly Electricity Data.“ https://ember-energy.org/data/monthly-electricity-data/.
ESCO. n.d. „Actual Electricity Balance.“ https://esco.ge/en/energy-balance/by-year-1.
Fieller, E. C. 1954. „Some Problems in Interval Estimation.“ Journal of the Royal Statistical Society Series B: Statistical Methodology 16 (2): 175–185. https://doi.org/10.1111/j.2517-6161.1954.tb00159.x.
Grimaldi, Stefania, Peter Salamon, Juliana Disperati, Ervin Zsótér, Carlo Russo, Arthur Ramos, Corentin Carton de Wiart, Chris Barnard, Eleanor Hansford, Gonçalo Gomes, and Christel Prudhomme. 2022. „GloFAS v4.0 Hydrological Reanalysis.“ http://data.europa.eu/89h/f96b7a19-0133-4105-a879-0536991ca9c5.
International Energy Agency. 2023. Georgia Energy Profile. International Energy Agency (Paris). https://www.iea.org/reports/georgia-energy-profile.
Jentsch, Carsten, and Kurt G. Lunsford. 2021. „Asymptotically Valid Bootstrap Inference for Proxy SVARs.“ Journal of Business & Economic Statistics 40 (4): 1876–1891. https://doi.org/10.1080/07350015.2021.1990770.
Kwiatkowski, Denis, Peter C. B. Phillips, Peter Schmidt, and Yongcheol Shin. 1992. „Testing the null hypothesis of stationarity against the alternative of a unit root.“ Journal of Econometrics 54 (1–3): 159–178. https://doi.org/10.1016/0304-4076(92)90104-y.
Lütkepohl, Helmut. 2005. New Introduction to Multiple Time Series Analysis. Berlin: Springer.
Mertens, Karel, and Morten O. Ravn. 2013. „The Dynamic Effects of Personal and Corporate Income Tax Changes in the United States.“ American Economic Review 103 (4): 1212–1247. https://doi.org/10.1257/aer.103.4.1212.
Montiel Olea, José L., James H. Stock, and Mark W. Watson. 2021. „Inference in Structural Vector Autoregressions identified with an external instrument.“ Journal of Econometrics 225 (1): 74–87. https://doi.org/10.1016/j.jeconom.2020.05.014.
National Statistics Office of Georgia. n.d. „Population as of 1 January by cities and boroughs.“ PxWeb Statistical Database. https://pc-axis.geostat.ge/PXWeb/pxweb/en/Database/Database__Demography__Population/.
Newey, Whitney K., and Kenneth D. West. 1987. „A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix.“ Econometrica 55 (3): 703–708. https://doi.org/10.2307/1913610.
Open-Meteo. n.d.-a. „Flood API.“ Open-Meteo. https://open-meteo.com/en/docs/flood-api.
Open-Meteo. n.d.-b. „Historical Weather API.“ Open-Meteo. https://open-meteo.com/en/docs/historical-weather-api.
Qiu, Minghao, Nathan Ratledge, Inês M. L. Azevedo, Noah S. Diffenbaugh, and Marshall Burke. 2023. „Drought impacts on the electricity system, emissions, and air quality in the western United States.“ Proceedings of the National Academy of Sciences 120 (28): e2300395120. https://doi.org/10.1073/pnas.2300395120.
Said, Said E., and David A. Dickey. 1984. „Testing for unit roots in autoregressive-moving average models of unknown order.“ Biometrika 71 (3): 599–607. https://doi.org/10.1093/biomet/71.3.599.
Schwarz, Gideon. 1978. „Estimating the Dimension of a Model.“ The Annals of Statistics 6 (2): 461–464. https://doi.org/10.1214/aos/1176344136.
Sims, Christopher A. 1980. „Macroeconomics and Reality.“ Econometrica 48 (1): 1–48. https://doi.org/10.2307/1912017.
Stock, James H., and Mark W. Watson. 2018. „Identification and Estimation of Dynamic Causal Effects in Macroeconomics Using External Instruments.“ The Economic Journal 128 (610): 917–948. https://doi.org/10.1111/ecoj.12593.
Turner, Sean W. D., Nathalie Voisin, John Fazio, Daniel Hua, and Massoud Jourabchi. 2019. „Compound climate events transform electrical power shortfall risk in the Pacific Northwest.“ Nature Communications 10 (1): 8. https://doi.org/10.1038/s41467-018-07894-4.
van Vliet, Michelle T. H., David Wiberg, Sylvain Leduc, and Keywan Riahi. 2016. „Power-generation system vulnerability and adaptation to changes in climate and water resources.“ Nature Climate Change 6 (4): 375–380. https://doi.org/10.1038/nclimate2903.