Вызовы и ответы экономики Республики Татарстан на процессы декарбонизации

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.

1. Ананькина Е.А. (2021). ESG – три роковые карты для российского НГК. Нефтегазовая вертикаль, 7, с. 44–49.

2. Гайда 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.

3. 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=3273313

4. Климатическая повестка России: реагируя на международные вызовы (2021). https://www.csr.ru/ru/news/klimaticheskayapovestka-rossii-reagiruya-na-mezhdunarodnye-vyzovy/

5. 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-approaches

6. Сафонов Г.В. (2020). Декарбонизация мировой экономики и Россия. Нефтегазовая вертикаль, 21–22, c. 66–70.

7. 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/s10707-019-00347-0

8. 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.

9. Globerson 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/10.1080/002075497195669

10. 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/S1075700719020084

11. 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.

12. 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.x