The calculated surface currents sugge st a slow backwater circulation in the area north of the

No caso da energia nuclear, há controvérsias a respeito da tendência dos custos. De um lado, diversos fatores contribuem para sua redução. Embora a experiência adquirida ao longo do tempo seja um destes fatores, existem outros ainda mais correlacionados com a queda dos custos (LAKO, VAN HEEK e ROTHWELL, 2010b). São eles: (i) economias de escala; (ii) automação da produção; e (iii) produção em série ou localidades com múltiplas unidades. Por outro lado, o aparato regulatório é um dos principais fatores de encarecimento dos custos da energia nuclear. Exigências a respeito de, por exemplo, redução do montante de resíduos nucleares e segurança adicional à usina podem fazer com que a queda dos custos seja difícil de ser obtida.

O estudo de Otswald e Reisdorf (1979) foi um dos primeiros a calcular a taxa de progresso de plantas nucleares. Os autores computaram o custo de toda a planta, não somente de alguns componentes – estudos que utilizam um componente como proxy de custo total é bastante comum para outras fontes energéticas. Para tanto, foram considerados os custos de construção e o custo de capital dos Estados Unidos, entre 1960 e 1973, em um modelo simplificado, cuja variável dependente é o custo unitário de geração (US$/kW) e a variável explicativa é o número de plantas nucleares. A taxa de aprendizagem resultante ficou em torno de 20%. A taxa de aprendizagem, nitidamente mais elevada do que a dos estudos posteriores, reflete o fato de que o período analisado correspondeu ao início do desenvolvimento da energia nuclear nos Estados Unidos, fase em que, em tese, se está mais suscetível ao aprendizado. Inclusive, no modelo testado pelos autores apenas com os últimos três anos, notou-se taxas de progresso acima de 100%, como consequência de mudanças de ordem regulatória, do aumento do custo de capital e da aceleração da inflação.

Sturm (1993) comparou informações de custos de usinas nucleares situadas em 11 países, a saber, Alemanha, Bélgica, Bulgária, Espanha, Estados Unidos, Finlândia, França, Hungria, República Tcheca, Suécia e União Soviética, entre os anos 1981 e 1991. Seu objetivo era comparar as diferentes taxas de progresso em um modelo em que a quantidade de plantas disponível (chamado de “fator de disponibilidade” pelo autor) seria explicada pelo número de anos de vida da usina (proxy para a experiência adquirida) e por outras variáveis de controle. Os dois resultados mais importantes do estudo foram: (i) países mais a oeste aumentaram seu fator de disponibilidade com a experiência; e (ii) países mais a leste, especialmente Bulgária e Hungria, apresentaram o fenômeno previamente mencionado de “forgetting”.

54

Alguns autores se dedicaram a compilar estudos de terceiros que envolviam a energia nuclear. O artigo de Lako, van Heek e Rothwell (2010b) é um exemplo. Os autores reúnem três estudos, sendo que dois deles são bastante antigos e buscam compreender o comportamento dos custos entre os anos 1960 e 1980. As taxas de progresso encontradas situaram-se entre 78 a 95%. O terceiro estudo, mais recente, que abrange também o período até 2003, encontra taxas entre 90 e 97%.

Kahouli-Brahmi (2009) também se dedicou a compilar estudos de terceiros que calcularam a taxa de aprendizado da energia nuclear. Para países da OCDE, entre 1975 e 1993, foi encontrada taxa de 6% (KOUVARITAKIS, SORIA e ISOARD, 2000), enquanto a taxa mundial foi de 36% ao longo da década de 90 (JAMASB, 2006).

Dentre os estudos mais recentes, poucos se dedicaram a estimar a taxa de progresso das usinas nucleares. Um exemplo é o artigo de Kahouli-Brahmi (2009), que realizou um estudo para diversas fontes energéticas, entre elas, a nuclear, com dados globais entre 1977 e 1997. Neste estudo, a energia nuclear é chamada de tecnologia em evolução (do inglês “evolving energy technology”), devido ao fato de, a despeito da existência de barreiras de difusão, ainda estaria em fase de expansão da capacidade e de reduções de custo. Em um multi-factor model que contempla os efeitos escala e learning by searching, além do learning by doing, o autor encontrou retornos decrescentes de escala. Conforme explica o autor, os retornos decrescentes podem ser explicados pelo fato de a energia nuclear não ter sido prioridade nas políticas promocionais energéticas, devido aos debates internacionais relacionados aos acidentes nucleares e resíduos radioativos. Por sua vez, a taxa de learning by searching foi bastante baixa, de apenas 2%, o que significaria que são limitadas as reduções possíveis de ocorrer nos custos mediante investimentos em P&D. Entretanto, a taxa de progresso da especialização (learning by doing) encontrada foi de 35%. Isso sugere que há espaço para importantes reduções nos custos com o aumento da escala e da padronização dos processos.

Kahouli (2011) adotou um multi-factor learning curves model, no qual considerou o efeito escala, P&D e preço do insumo (urânio). Os dados eram globais, de 1971 a 1997. O autor concluiu que apenas as economias de escala contribuíram para a redução dos custos. Os demais efeitos, learning by doing, learning by searching e preço do urânio, não foram significativos no modelo, indicando que a trajetória dos custos não pode ser explicada por eles. No que diz respeito ao preço do insumo, há que se dizer que o resultado do modelo – a saber, de que o preço do insumo não ajuda a explicar a queda dos custos – é condizente com a pequena participação do urânio no custo total da planta, entre 15 a 20% no período estudado.

55

O autor considerou que talvez o efeito do learning by doing esteja sendo capturado, em parte, pelo efeito escala, pois muitas vezes é difícil dissociá-los.

O autor também desenvolveu um segundo modelo, o qual era formado por um sistema de equações de oferta e demanda, controlando a endogeneidade entre output e inputs. Para este modelo, a taxa de learning by doing encontrada foi bastante elevada, de 32%, e, tanto o efeito de learning by searching, como o efeito escala, se mostraram não significativos. Já os preços dos insumos, estatisticamente significativos apenas para um nível de significância de 10%, apresentaram sinal negativo. Neste modelo, o autor explica, o efeito negativo dos preços dos insumos sobre os custos pode ter sido dissipado pelo efeito learning by doing e, por conseguinte, os custos declinaram.

Kim e Chang (2012), em seu turno, estimaram um modelo com dados sul-coreanos, entre 2002 e 2009, no qual consideraram como output o preço da energia elétrica gerada por plantas nucleares e, como input, a produção acumulada. A taxa de progresso encontrada foi de 78%. Em uma análise comparativa com fontes renováveis, os autores reconhecem que, quando se dobra a capacidade, a redução no custo da energia no caso da energia nuclear é inferior à encontrada para as renováveis.