Det meste av forskinga på energisystem skjer på kontoret, men av og til vandrar eg ut i den verkelege verda på meir praktiske oppdrag. Slik som sist veke, då eg jobba i 5 dagar med å samla inn data frå Longyearbyen på Svalbard.

I forskingsverda kan det vera fare for å mista kontakten med omverda, og energifeltet står i spesiell fare for å fokusera på kostnad, klimagassutslepp og lite anna. Det er bra å ikkje sløse pengar på straum, men i praksis bryr folk flest seg om meir enn berre straumrekninga. 

Det har til dømes kome klart fram i vindkraftdebatten: sjølv om meir vindkraft ville føre til billegare straum i Noreg, vil fleirtalet ikkje ha det. Reindrift, naturinngrep og utsikt blir prioritert, og det er folk villege til å betale for.

Alt dette gjer jobben min vanskelegare: kva er det eigentleg folk vil ha? Kor mykje vil dei betale for det?

Mykje av forskinga mi handlar om å tvinge modellane til å kome med løysingar som ikkje er heilt kostnadsoptimale. Kva med å kartleggja alternativ til kraftforsyning som er 5% dyrare enn den billegaste løysinga? 10%? 15%? Ofte kan ulike alternativ sjå heilt forskjellige ut sjølv med eit lite auke i totalkostnaden, som kan tyde på at det finnes gode kompromissar som ikkje kostar skjorta.

Longyearbyen står midt opp i ein totalforvandling av kraftforsyninga. Lenge har kol frå den lokale gruva forsynt landsbyen med både straum og varme, men det har det blitt slutt på grunna auka kostnader og eit uakseptabelt høgt CO₂-utslepp. 

Idag køyrar heile bygda mellombels på diesel, men regjeringa krev ei meir permanent løysing som både skal vera sikker i drift, berekraftig og kostnadseffektiv. Blant anna vindkraft, solenergi, importert biodrivstoff, hydrogen, varmelagring og kanskje geotermisk energi er brikkene som skal setjast saman til ein komplett løysing. Men kva synast innbyggjarane om alt dette?

Saman med kollegaene mine Oskar og Aleksander ved UiO utvikla eg eit modell-basert verktøy til å utforska ulike kombinasjonar av desse teknologiane, og har fått omlag 120 av dei som bur i Longyearbyen til å velja sin favorittløysing. Skjermbiletet under visar korleis brukargrensesnittet ser ut:

Tanken er at brukaren kan dra rundt på slidarane og velja meir eller mindre av vindkraft, solkraft, import, osv. Modelleringa og noko spennande 5-dimensjonal geometri i bakgrunnen gjer at det berre går an å velja løysingar som klarar å levere nok straum og varme, og som ikkje er altfor dyre. På bakgrunn av teknologivalet til venstre blir indikatorane til høgre rekna ut på ny kvar gong ein endrar på slidarane. Til dømes kan du sjå totalkostnaden til heile systemet, CO₂-utslepp, men også ein sårbarheitsindikator og arealbruk. Til slutt kan brukaren senda inn den løysinga dei helst vil ha.

Korleis ser resultata ut? Følgjande blir ein sniktitt, berre ein dag etter at det siste datapunktet blei samla inn. Først og fremst kan me sjå at det er store variasjonar i kor mykje av den enkelte teknologien innbyggjarane vil satsa på:

Det som er sikkert er at det ikkje finnes ein einaste teknologi som folk er heilt einige om å ta i bruk.

Men kor mykje er folk villege til å betala for å få det slik dei vil?

Dei aller fleste endar opp med å velja løysingar som er meir enn 60% dyrare enn den kostnadsoptimale løysinga! Dette til tross for at systemkostnaden er vist i ganske stor skrift som den første indikatoren i brukargrensesnittet, og det var mogleg å trykke på ein knapp for å minimalisere den (eller andre indikatorar). For ein som er vane med å modellere med ein ekstrakostnad på 5-15% er dette eit svært overraskande resultat.

Etter at deltakarane valde svaret sitt, fekk dei moglegheita til å svara på kva indiktorar dei hadde prioritert. Den neste grafen visar utfallet av indikatorane for alle deltakarar, delt mellom om dei svarte at dei prioriterte indikatoren eller ikkje. Lågare verdiar er betre.

Det vi ser er at deltakarane klarte å redusera indikatorar dei sa dei prioriterte til ein viss grad, men ikkje alltid (sjå t.d. sårbarheits-indikatoren). Alt i alt er samanhengen ikkje veldig sterk: sjølv dei som seier at dei prioriterar arealbruk til dømes, vel system som berre har litt lågare arealbruk enn dei som ikkje seier dei har prioritert den.

Dette kan tyda på at verktøyet ikkje fungerar godt nok for mangen, og at det var vanskeleg for folk å faktisk finna fram til og velja den løysinga dei helst skulle hatt. Ein annen effekt som kan ha ført til høge systemkostnadar er at deltakarane ikkje kopla kostnaden direkte til deira straumrekning, og heller tenkte at staten kom til å ta på seg ekstrakostnaden. Dette kan vera ein særskild effekt i Longyearbyen, som uansett blir halda oppe av statsbudsjettet.

Funnene skal analyserast vidare, men ein klar konklusjon me allereie kan dra frå dataen er at folk i Longyearbyen i alle fall er villege til å vurdera energiløysingar som er vesentleg dyrare enn det rimelagaste alternativet.