As an effort to reduce anthropogenic greenhouse gas (GHG) emissions which is the main cause of global warming has been emphasized, importance of carbon dioxide utilization (CDU) technology becomes much larger. Among many CDU technologies, electrochemical CO$_2$ reduction (ECO$_2$R) is promising because it can use electricity made from renewable energy sources, which have less CO$_2$ emissions. Since ECO$_2$R can accelerate the reduction of CO$_2$ emissions, commercialization of ECO$_2$R is necessary even though the process has low technology readiness level (TRL).
Conventionally, net present value (NPV) method, which uses NPV computed by discounted cash flow analysis has been used to evaluate the commercialized project. However, this method cannot respond to dynamic uncertainties such as government policy and energy price, because it makes all decisions at the current timestep. To deal with dynamic uncertainties, real options such as expansion and delay have been introduced to make decisions. Currently, lattice tree-based model has been used, but the model has to set the levels of nodes and probabilities arbitrarily and computation becomes larger with the big problem. So far, there have been no cases that evaluate the project whose technology is at an early-stage, but dealing with it as commercialized in multi-period. In this work, optimized capacity of electrochemical CO$_2$-to-CO reduction technology is determined by real options based on reinforcement learning (RL) and the value of the technology is computed.
지구 온난화의 주범이 되는 온실가스의 배출량을 줄이기 위한 노력이 강조됨에 따라, 이산화탄소 활용 기술의 중요성이 커지고 있다. 그 중, 전기화학적 이산화탄소 환원 공정은 이산화탄소 배출량이 적은 신재생 에너지원으로부터 전기를 생산하여 사용할 수 있어 유망하다. 기술 성숙도가 낮은 해당 공정은 이산화탄소 배출량의 감소를 가속화하기 위해 상용화할 필요가 있다. 상용화된 프로젝트의 가치를 평가하기 위해 할인현금기법으로 계산된 순현재가치를 이용하는 순현재가치 방법론이 보편적으로 사용되고 있다. 하지만 이 방법론은 현재 시점에서 모든 의사 결정을 하기 때문에 정부 정책, 에너지 가격과 같은 동적인 불확실성에 대응하지 못한다. 동적인 불확실성에 대응하기 위해 확장, 지연과 같은 실물 옵션을 이용해 의사 결정을 하는 방식이 도입되었다. 그러나 현재 사용되고 있는 격자 나무 기반 모델은 임의적인 마디와 확률 설정, 계산량 증가라는 단점이 있다. 또한, 초기 단계에 있는 기술을 다중시간대에서 상용화하여 가치를 평가하는 사례가 지금까지는 없었다. 본 학위논문에서는 전기화학적으로 이산화탄소를 일산화탄소로 환원하는 기술이 상용화된 공장의 최적 설비 규모를 강화학습 기반의 실물 옵션을 행사해서 결정하고 그에 따른 기술의 가치를 평가하는 연구를 다룬다.
