Carbon Dioxide Utilization (CDU) technologies offer realistic solutions for reducing the greenhouse gas (GHG) emissions in the manufacturing sector, which are responsible for 33% of mankind’s carbon footprint. While the current demonstrations of CO2 conversion have so far been technically promising, from the industrial point-of-view, there exists significant risk-based barriers that hamper wider-spread adoption. In the development of early-stage CDU technologies, generally weak knowledge-bases and high technological uncertainties mean that sustainability with respect to economic and environmental performance criteria cannot be guaranteed. Consequently, the decision to best allocate limited R&D resources is both highly risky and non-trivial. For the commercial deployment of late-stage technologies, constantly changing market dynamics, dependence on renewable energy, and the lack of clear climate policies and regulatory frameworks mean that the long-term feasibility is highly dubious. While capital investments costs are high and are incurred “here and now”, uncertain profits are only accumulated gradually throughout the technology lifetime.
To better facilitate industrial adoption, this dissertation proposes strategies that can assess and hedge risk in the development and deployment of CDU technologies. In the methodology for risk-based uncertainty assessment for early-stage technologies, key sustainability hurdles are identified via Bayesian classification, based on stakeholder-set sustainability decision rules. Class likelihoods are used to quantify the risk, and the method can be scaled to two or more sustainability criteria via Bayesian decision networks. This method addresses the pitfall of conventional GSA-based methods, which strictly analyzes variance contributions and is limited to a single output. The methodology was applied to two CDU technologies that are being developed as part of the Carbon-to-X R&D project: CO2 hydrogenation to formic acid and CO2 biofixation to algal bioplastic feedstocks. In each application study, key risk-based hotspots were identified and sustainable development strategies have been proposed.
For late-stage commercial deployment, a multi-period deployment model combining real options theory (ROT) and reinforcement learning (RL) is proposed (ROT+RL). Under this formulation, stakeholders are able to exercise flexible options such as sequential plant expansion (Option to Expand) and delayed start (Option to Delay). By being able to deploy in multiple periods in response to future uncertainties, the formulation itself is risk-averse. On the other hand, conventional valuation methods are mostly single period, which conducts a discounted cash flow analysis of the CDU project and makes a go/no-go decision based on the net present value (NPV). As part of the proposed ROT+RL model, methods for characterizing time-variant uncertainties using stochastic processes in discrete time, and learning algorithm selection based on two different sequential expansion approaches are also discussed. The multi-period deployment methodology was applied to the CO2 hydrogenation to methanol process. For the baseline scenario consisting of 8% risk-adjusted discount rate, 10 exercisable periods for real options, and a CO2 credit on saved emissions of 80 €/ton CO2eq, the results showed that 37% higher project value was achieved with a 58% higher final installed. Simultaneously, a higher cumulative saved CO2 emissions was achieved.
이산화탄소 전환(CDU) 기술은 인류 탄소 발자국의 33%를 차지하는 제조 부문의 온실 가스(GHG) 배출을 줄이기 위한 현실적인 솔루션을 제공한다. CO2 전환에 대한 현재의 시연은 지금까지 기술적으로 유망했지만 산업적 관점에서 볼 때 광범위한 채택을 방해하는 상당한 위험 기반 장벽이 존재한다. 초기 단계 CDU 기술의 개발에서 일반적으로 약한 지식 기반과 높은 기술적 불확실성은 경제적 및 환경적 성능 기준과 관련하여 지속 가능성을 보장할 수 없음을 의미한다. 결과적으로 제한된 R&D 자원을 가장 잘 할당하는 결정은 매우 위험하고 사소한 일이 아니다. 후기 단계 기술의 상업적 배포를 위해 끊임없이 변화하는 시장 역학, 재생 에너지에 대한 의존성, 명확한 기후 정책 및 규제 프레임워크의 부족은 장기적인 실현 가능성이 매우 의심스럽다는 것을 의미한다. 자본 투자 비용이 높고 "지금 여기"에서 발생하는 반면, 불확실한 이익은 기술 수명 동안 점진적으로만 축적된다. 산업적 채택을 보다 용이하게 하기 위해 이 논문은 CDU 기술의 개발 및 배치에서 위험을 평가하고 헤지할 수 있는 전략을 제안한다. 초기 단계 기술에 대한 위험 기반 불확실성 평가 방법론에서 주요 지속 가능성 장애물은 이해 관계자가 설정한 지속 가능성 결정 규칙을 기반으로 베이지안 분류를 통해 식별된다. 클래스 우도는 위험을 정량화하는 데 사용되며 방법은 베이지안 결정 네트워크를 통해 두 개 이상의 지속 가능성 기준으로 확장될 수 있다. 이 방법은 분산 기여도를 엄격하게 분석하고 단일 출력으로 제한되는 기존 GSA 기반 방법의 함정을 해결한다. 이 방법론은 Carbon-to-X R&D 프로젝트의 일부로 개발 중인 두 가지 CDU 기술인 포름산으로의 CO2 수소화 및 조류 바이오플라스틱 공급원료로의 CO2 생물고정에 적용되었다. 각 응용 연구에서 주요 위험 기반 핫스팟이 식별되었고 지속 가능한 개발 전략이 제안한다. 후기 상용 배포를 위해 ROT(실제 옵션 이론)와 RL(강화 학습)을 결합한 다중 기간 배포 모델이 제안된다 (ROT+RL). 이 공식에 따라 이해 관계자는 순차적 공장 확장(확장 옵션) 및 지연 시작(지연 옵션)과 같은 유연한 옵션을 행사할 수 있다. 미래의 불확실성에 대응하여 여러 기간에 걸쳐 배치할 수 있으므로 공식 자체는 위험을 회피한다. 반면, 기존의 평가 방법은 대부분 단일 기간으로 CDU 프로젝트의 할인된 현금 흐름 분석을 수행하고 순 현재 가치(NPV)를 기반으로 진행 여부를 결정한다. 제안된 ROT+RL 모델의 일부로 이산 시간에서 확률적 프로세스를 사용하여 시변 불확실성을 특성화하는 방법과 두 가지 다른 순차적 확장 접근 방식을 기반으로 알고리즘 선택을 학습하는 방법도 논의된다. 다중 기간 배치 방법론은 CO2 수소화에서 메탄올로의 공정에 적용되었다. 8% 위험 조정 할인율, 리얼 옵션에 대한 10 행사 가능 기간, 80 €/ton CO2eq의 절감된 배출량에 대한 CO2 크레딧으로 구성된 기본 시나리오의 경우, 결과는 58% 더 높은 최종 설치. 동시에 더 많은 누적 CO2 배출량이 절감되었다.
