georesГеоресурсыGeoresources1608-50431608-5078Georesursy LLC10.18599/grs.2021.3.3geores-174Research ArticleСтатьиВызовы и ответы экономики Республики Татарстан на процессы декарбонизацииChallenges and responses of the economy of the Republic of Tatarstan to decarbonization processesКрюковВ. А.KryukovV. A.

Валерий Анатольевич Крюков – доктор экон. наук, профессор, академик РАН, директор

630090, Новосибирск, пр. ак. Лаврентьева, д. 17

Valeriy A. Kryukov – DSc (Economics), Professor, Director

17, Aс. Lavrentiev ave., Novosibirsk, 630090

kryukov@ieie.nsc.ruМиляевД. В.MilyaevD. V.

Дмитрий Владимирович Миляев– канд. экон. наук, начальник отдела геолого-экономического анализа;

научный сотрудник

630091, Новосибирск, Красный проспект, д. 67

Dmitriy V. Milyaev – PhD (Economics), Head of the Geological and Economic Analysis Department;

Researcher

67, Krasniy ave., Novosibirsk, 630091

СавельеваА. Д.SavelievaA. D.

Анастасия Денисовна Савельева – соискатель степени кандидата наук, инженер 2 категории;

Инженер

630091, Новосибирск, Красный проспект, д. 67

Anastasiya D. Savelieva – External PhD student, Engineer;

Engineer

67, Krasniy ave., Novosibirsk, 630091

ДушенинД. И.DusheninD. I.

Дмитрий Игоревич Душенин – канд. физ.-мат. наук, заведующий лабораторией технико-экономической оценки проектов;

научный сотрудник

630091, Новосибирск, Красный проспект, д. 67

Dmitriy I. Dushenin – PhD (Physics and Mathematics), Head of the Laboratory of Technical and Economic Assessment of Projects;

Researcher

67 Krasniy ave., Novosibirsk, 630091

Институт экономики и организации промышленного производства Сибирского отделения РАНРоссияInstitute of Economics and Industrial Engineering of the Siberian Branch of the Russian Academy of SciencesRussian FederationАО «СНИИГГиМС»; Институт экономики и организации промышленного производства Сибирского отделения РАНРоссияSiberian Scientific Research Institute of Geology, Geophysics and Mineral Resources; Institute of Economics and Industrial Engineering of the Siberian Branch of the Russian Academy of SciencesRussian FederationАО «СНИИГГиМС»; Институт экономики и организации промышленного производства Сибирского отделения РАНРоссияSiberian Scientific Research Institute of Geology, Geophysics and Mineral Resources; Institute of Economics and Industrial Engineering of the Siberian Branch of the Russian Academy of SciencesRussian Federation2021170420242331723Copyright © Крюков В.А., Миляев Д.В., Савельева А.Д., Душенин Д.И., 20242024Крюков В.А., Миляев Д.В., Савельева А.Д., Душенин Д.И.Kryukov V.A., Milyaev D.V., Savelieva A.D., Dushenin D.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.geors.ru/jour/article/view/174

Процессы глобального энергоперехода во все большей степени становятся одними из основных движущих сил как трансформации существующей модели рынка, так и технологических основ функционирования энергетических объектов. Переориентация мировой экономики в направлении декарбонизации ставит под угрозу устойчивость функционирования многих ранее казавшихся незыблемыми технологических решений и подходов в области системной интеграции топливно-энергетического комплекса, что, в свою очередь, стимулирует поиск новой парадигмы его развития.Проявления трансформации наблюдаются на различных уровнях экономической иерархии: межстрановом, страновом и внутристрановом. Выработка механизмов реагирования российских производителей на реалии энергетического перехода требует обкатки на реальных объектах. По мнению авторов, Татарстан может стать показательным полигоном для развития подходов к достижению углеродной нейтральности.Для превентивного прогноза достижимости ESG-показателей (социально-экологических индикаторов бизнеса) авторами предлагается концептуальный подход к оценке развития технологий декарбонизации, основанный на комбинации экономико-математических методов, который позволяет выработать организационно-правовую основу процесса, сформировать и оценить критерии эффективности инноваций и условия их реализации.

The processes of global energy transition are increasingly becoming one of the main driving forces of both the transformation of the existing market model and the technological foundations of the functioning of energy facilities. The reorientation of the world economy towards decarbonization threatens the stability of the functioning of many previously seemingly unshakable technological solutions and approaches in the field of system integration of the fuel and energy complex, which, in turn, stimulates the search for a new paradigm of its development.The manifestations of transformation are observed at various levels of the economic hierarchy: inter-country, country and intra-country. The development of mechanisms for the response of Russian manufacturers to the realities of the energy transition requires testing at real facilities. According to the authors, Tatarstan can become an indicative region for the development of approaches to achieving carbon neutrality.For a preventive forecast of the attainability of ESG (Environmental, Social and Governance) indicators, the authors propose a conceptual approach to assessing the development of decarbonization technologies, based on a combination of economic and mathematical methods, which allows us to develop an organizational and legal basis for the process, form and evaluate criteria for the effectiveness of innovations and the conditions for their implementation.

декарбонизацияэнергетический переходоценка инновацийэкологияпороговый анализбайесовские сетикривые обученияdecarbonizationenergy transitioninnovation assessmentecologythreshold analysisBayesian networkslearning curvesРабота выполнена при поддержке Российского научного фонда (РНФ), грант №19-18-00170.This work was supported by the Russian Science Foundation, grant no. 19-18-00170.ReferencesАнанькина Е.А. (2021). ESG – три роковые карты для российского НГК. Нефтегазовая вертикаль, 7, с. 44–49.Abdulkareem S.A., Mustafa Y.T., Augustijn E.W., Filatova T. (2019). Bayesian networks for spatial learning: a workflow on using limited survey data for intelligent learning in spatial agent-based models. Geoinformatica, 23, pp.243–268. https://doi.org/10.1007/s10707-019-00347-0Гайда И.В., Митрова Т.А., Грушевенко Е. и др. (2021). Декарбонизация в нефтегазовой отрасли: международный опыт и приоритеты России. Центр энергетики Московской школы управления СКОЛКОВО. 158 с.Anankina E.A. (2021). ESG – three fatal cards for the Russian oil and gas complex. Neftegazovaya vertikal [Oil and gas vertical], 7, pp. 44–49. (In Russ.)Глобальный энергопереход для России – возможность или опасность? (2021). Нефтегазовая вертикаль. http://www.ngv.ru/pr/globalnyyenergoperekhod-dlya-rossii-vozmozhnost-ili-opasnost-institut-razvitiyatekhnologiy-tek-obr/?sphrase_id=3273313Dushenin D., Milyaev D. (2018). Automation of the Analysis of the Efficiency of Geological Exploration for Oil and Gas. In Geomodel 2018 (No. 1, pp. 1–5). European Association of Geoscientists & Engineers.Климатическая повестка России: реагируя на международные вызовы (2021). https://www.csr.ru/ru/news/klimaticheskayapovestka-rossii-reagiruya-na-mezhdunarodnye-vyzovy/Gaida I.V., Mitrova T.A., et al. (2021). Decarbonization in the oil and gas industry: international experience and Russia’s priorities. Skolkovo Energy Centre, 158 p. (In Russ.)Порядин А.Е., Белоглазова О. Глобальная декарбонизация: эволюция подходов нефтегазовых компаний (2021). Ernst&Young. https://www.ey.com/ru_ru/oil-gas/global-decarbonization-evolutionof-oil-and-gas-companies-approachesGloberson S., Gold D. (2010). Statistical attributes of the power learning curve model. International journal of production research, 35(3), pp. 699–711. https://doi.org/10.1080/002075497195669Сафонов Г.В. (2020). Декарбонизация мировой экономики и Россия. Нефтегазовая вертикаль, 21–22, c. 66–70.Global Energy Transition for Russia – Opportunity or Danger? (2021). Neftegazovaya vertikal [Oil and gas vertical]. (In Russ.). http://www.ngv.ru/pr/globalnyy-energoperekhod-dlya-rossii-vozmozhnost-ili-opasnost-institutrazvitiya-tekhnologiy-tek-obr/?sphrase_id=3273313Abdulkareem S.A., Mustafa Y.T., Augustijn E.W., Filatova T. (2019). Bayesian networks for spatial learning: a workflow on using limited survey data for intelligent learning in spatial agent-based models. Geoinformatica, 23, pp. 243–268. https://doi.org/10.1007/s10707-019-00347-0Russia’s Climate Agenda: Responding to International Challenges (2021). (In Russ.). https://www.csr.ru/ru/news/klimaticheskaya-povestkarossii-reagiruya-na-mezhdunarodnye-vyzovy/Dushenin D., Milyaev D. (2018). Automation of the Analysis of the Efficiency of Geological Exploration for Oil and Gas. In Geomodel 2018 (No. 1, pp. 1–5). European Association of Geoscientists & Engineers.Kryukov V.A., Gorlov A.A. (2019). Forecasting the Development Process of Wind Energy in the North Sea Basin Based on Learning Curves. Stud. Russ. Econ. Dev., 30, pp. 177–184. https://doi.org/10.1134/S1075700719020084Globerson S., Gold D. (2010). Statistical attributes of the power learning curve model. International journal of production research, 35(3), pp. 699–711. https://doi.org/10.1080/002075497195669Milyaev D.V., Kidanova O.A., Dushenin D.I. (2017). Determination of threshold values for the solution of the multiparametric problem of assessing the efficiency of geological exploration. Mathematics in the Modern World, pp. 567–567.Kryukov V.A., Gorlov A.A. (2019). Forecasting the Development Process of Wind Energy in the North Sea Basin Based on Learning Curves. Stud. Russ. Econ. Dev., 30, pp. 177–184. https://doi.org/10.1134/S1075700719020084Poryadin A.E., Beloglazova O. (2021). Global decarbonization: the evolution of approaches of oil and gas companies. Ernst&Young. (In Russ.). https://www.ey.com/ru_ru/oil-gas/global-decarbonizationevolution-of-oil-and-gas-companies-approaches/Milyaev D.V., Kidanova O.A., Dushenin D.I. (2017). Determination of threshold values for the solution of the multiparametric problem of assessing the efficiency of geological exploration. Mathematics in the Modern World, pp. 567–567.Safonov G.V. (2020). Decarbonization of the world economy and Russia. Neftegazovaya vertikal [Oil and gas vertical], 21–22, pp. 66–70. (In Russ.)Yelle L.E. (1979). The learning curve: Historical review and comprehensive survey. Decision Sciences, 10, pp. 302–328. https://doi.org/10.1111/j.1540-5915.1979.tb00026.xYelle L.E. (1979). The learning curve: Historical review and comprehensive survey. Decision Sciences, 10, pp. 302–328. https://doi.org/10.1111/j.1540-5915.1979.tb00026.x

The authors declare that there are no conflicts of interest present.