تحلیل‌های معمول که نشان می‌دهند هزینه تولید هیدروژن با هر دو برابر شدن ظرفیت تجمعی به‌طور قابل‌توجهی کاهش می‌یابد، اغلب درباره معنای «دو برابر شدن» اشتباه می‌کنند؛ این اشتباه منجر به برآوردهای خوش‌بینانه از کاهش هزینه‌ها می‌شود.

منحنی تجربه چیست و کجا گمراه می‌کند

منحنی تجربه نشان می‌دهد هزینه واحد یک فناوری با هر دو برابر شدن ظرفیت تجمعی چقدر کاهش می‌یابد. این روش زمانی معتبر است که هر بار دو برابر شدن معادل تکرار مشابه در تولید و نصب واحدهای همسان باشد. برای محصولات شبه‌قطعه‌ای مانند ماژول‌های خورشیدی یا سلول‌های باتری این پیش‌فرض معمولاً برقرار است؛ اما الکترولایزرها و نیروگاه‌های هیدروژنی در یک کلاس مرجع متفاوت قرار دارند و همان قاعده به‌طور ساده اجرا نمی‌شود.

داده‌های پروژه‌های اروپایی چه چیز واقعی را نشان می‌دهند

یک مطالعه روی پروژه‌های الکترولایزر اروپایی (داده‌های سرمایه و ظرفیت 2005–2025) در داده‌های خام نرخ‌های تجربه چشمگیری گزارش کرد: کاهش هزینه‌ها به ازای هر دو برابر شدن ظرفیت تجمعی معادل 23.3٪ در کل، 32.1٪ برای PEM و 22.9٪ برای الکترولیز قلیایی. این ارقام ظاهراً با منحنی‌های تاریخی خورشیدی و باتری قابل‌مقایسه یا حتی بهتر به‌نظر می‌رسیدند. اما پس از نرمال‌سازی هزینه‌ها برای درنظر گرفتن اقتصاد مقیاس پروژه‌ها، نرخ‌ها به ترتیب به 13.3٪، 17.6٪ و 7.3٪ کاهش یافتند و رابطه برای الکترولیز قلیایی دیگر از نظر آماری معنی‌دار نبود.

نمودار کاهش هزینه‌ها در الکترولایزرها بر اساس مطالعات اروپایی

تفسیر داده‌های خام بسیاری از کاهش‌ها را به «یادگیری تولیدی» نسبت می‌دهد، در حالی که بخش بزرگتری از کاهش هزینه‌ها ناشی از انتقال از نمونه‌های نمایشی کوچک به کارخانه‌های صنعتی بزرگ‌تر و همگرایی در معماری پروژه‌ها بوده است.

چرا دو برابر شدن گیگاوات‌ها همیشه معادلِ افزایش تجربه تولید نیست

دو عامل اصلی باعث می‌شود مخرج «ظرفیت تجمعی (گیگاوات)» برای الکترولایزرها گمراه‌کننده باشد:

  • اقتصاد مقیاس کارخانه‌های شیمیایی: نیروگاه‌های بزرگ نیازی به صد برابر تجهیزات خطی ندارند؛ تجهیزاتی مانند کمپرسورها، ترانسفورماتورها، تصفیه آب و بخشی از مهندسی بین مقیاس‌ها مشترک است. گذار از نمونه نمایشی به واحد صنعتی معمولاً کاهش قابل‌توجهی در هزینه سرمایه‌ای (CAPEX) ایجاد می‌کند، اما پس از رسیدن به اندازه عملی، رشد بیشتر ناشی از تکرار فرایندهاست نه از همان بهبودهای بزرگ اولیه.
  • افزایش اندازه استک: تصور کنید ظرفیت تجمعی از 5 گیگاوات به 50 گیگاوات می‌رسد (افزایش ده‌برابری معادل ~3.32 بار دو برابر شدن). اگر اندازه متوسط استک 1 مگاوات بماند، شمار استک‌ها از 5,000 به 50,000 می‌رسد؛ اما اگر اندازه متوسط استک به 5 مگاوات افزایش یابد، برای 50 گیگاوات تنها 10,000 استک لازم است. بنابراین ظرفیت ثبت‌شده 3.32 دو برابر شده ولی تعداد واحدهایی که تولید و مونتاژ شده‌اند تنها یک‌بار دو برابر شده است. کارخانه‌ها تجربه کسب می‌کنند، اما نه به میزانی که نگاه صرف به گیگاوات نشان می‌دهد.

چرا شمار استک یا گیگاوات به‌تنهایی کافی نیست

استک متشکل از اجزایی مانند سلول‌ها، غشاها، صفحات و الکترود است که هرکدام مسیرهای تولید و یادگیری متفاوتی دارند. به‌علاوه، بهبود مواد یا افزایش چگالی جریان می‌تواند خروجی را بدون افزایش هم‌زمان در مقدار مواد یا قطعات بالا ببرد. بنابراین نگاه صرف به گیگاوات تجمعی معماری فیزیکی و سطوح مختلف تکرار تولید را پنهان می‌کند.

قطعات مختلف استک الکترولایزر و مرزهای هزینه

مرز سیستم و سهم هر مؤلفه در هزینه سرمایه‌ای

تفکیک هزینه الکترولایزر که آژانس بین‌المللی انرژی (IEA) منتشر کرده نشان می‌دهد استک حدود 15–20٪ از هزینه سرمایه‌ای نصب‌شده را تشکیل می‌دهد؛ حدود 25–30٪ به تجهیزات توازن‌پلانتی (الکترونیک قدرت، لوله‌کشی، کمپرسورها، تصفیه گاز) اختصاص دارد و مهندسی، تأمین و ساخت می‌تواند بیش از نیمی از هزینه را دربرگیرد. در نتیجه حتی کاهش 20٪ در هزینه یک مؤلفه که 20٪ از کل را تشکیل می‌دهد، تنها حدود 4٪ کاهش در هزینه کلی پروژه ایجاد می‌کند. هر مؤلفه مسیرهای مقیاس و یادگیری متفاوتی دارد و ترکیب همه آنها در یک منحنی مبتنی بر گیگاوات تصویر واقعی را محو می‌کند.

پیامدها برای پیش‌بینی، سیاست و سرمایه‌گذاری

انتخاب نامناسب مخرج یادگیری چند پیامد دارد:

  • پیش‌بینی‌های هزینه‌ای بیش از حد خوش‌بینانه که سرمایه‌گذاران را گمراه می‌کنند.
  • سیاست‌گذاری نامتمرکز که به‌جای پشتیبانی از مقیاس‌سازی کارخانه‌ها، صرفاً افزایش گیگاوات را هدف می‌گیرد.
  • عدم وضوح درباره نقاطی که باید نوآوری یا حمایت صنعتی در آنها متمرکز شود؛ برای مثال تولید غشاها، مونتاژ استک یا زنجیره تأمین و مهندسی؟

چگونه منحنی‌های یادگیری هیدروژن را بازطراحی کنیم

رویکردهای عملی برای پیش‌بینی واقع‌بینانه‌تر:

  • مخرج‌های چندلایه: جدا کردن منحنی‌های یادگیری برای استک‌ها، اجزای استک، تجهیزات توازن‌پلانتی و مهندسی/ساخت تا بهره‌وری و تکرار تولید در هر سطح به‌صورت جداگانه ارزیابی شود.
  • پایش شمار قطعات تولیدشده: شمار واقعی استک‌ها یا زیرقطعات تولیدی (نه صرفاً گیگاوات نصب‌شده) معیار قابل‌اتکاتری برای تجربه کارخانه‌ای است.
  • گنجاندن اقتصاد مقیاس پروژه: نرمال‌سازی هزینه‌ها براساس اندازه پروژه‌ها تا اثرات انتقال از آزمایشی/نمایشی به صنعتی جدا شود.
  • شفافیت داده‌ای و استاندارد گزارش: استانداردسازی روش گزارش CAPEX و تفکیک بخش‌های هزینه به تصمیم‌گیری‌های سرمایه‌گذاری و سیاستی شفاف‌تر کمک می‌کند.

جمع‌بندی

منحنی تجربه ابزار قدرتمندی است، ولی کاربرد آن در هیدروژن نیازمند تعریف دقیق‌ترِ «آنچه دو برابر می‌شود» است. انتخاب نادرست مخرج آماری می‌تواند باعث شود کاهش‌های واقعی هزینه نادیده گرفته شوند و سرمایه‌گذاری، نوآوری و سیاست‌ها به مسیر نادرستی هدایت شوند. آینده رقابتی هیدروژن به داده‌های شفاف‌تر و تقسیم‌بندی یادگیری بین اجزا و سطوح مختلف تولید وابسته است.