Forecasting the cost and deployment of green energy technologies

This thesis investigates the short- to medium-term predictability of the deployment and costs of key renewable electricity technologies by developing a reproducible forecasting workflow for two central techno-economic metrics: Electricity Installed Capacity (EIC) and the Levelized Cost of Electricity (LCOE). Historical series are harmonised across multiple sources and modelled through an automated pipeline including transformation/detrending options, model selection via backtesting on a fixed validation window, and forecast uncertainty quantification. Given the limited length and heterogeneous coverage of the available time series, univariate ARIMA models are adopted as the core baseline, while ARIMAX specifications are assessed where feasible. Technology-level projections are produced at both global and European scales. Renewable electricity generation is then reconstructed and projected by mapping capacity trajectories into generation through empirical utilisation (capacity-factor) relationships, enabling a comparison with long-term scenario pathways. Results highlight non-uniform predictability across technologies and regions, with global series generally showing higher validation performance than European ones. Projections indicate an increasingly dominant role of renewables, especially photovoltaics, while hydropower remains historically important but exhibits more constrained growth consistent with site-specific and permitting limitations. The Europe vs. World comparison suggests a declining European share of global renewable generation driven by faster expansion in other regions. Overall, the proposed workflow provides an empirical benchmark against long-term scenario narratives and supports short-horizon assessments of technology trends, while highlighting the need for richer datasets and more structural multivariate frameworks to address deep uncertainty and system constraints.

Questa tesi indaga la prevedibilità nel breve e medio periodo della diffusione e dei costi delle principali tecnologie per la produzione elettrica da fonti rinnovabili, sviluppando un workflow di previsione riproducibile per due metriche tecno-economiche centrali: la Capacità Elettrica Installata (EIC) e il Costo Livellato dell’Elettricità (LCOE). Le serie storiche sono armonizzate a partire da più fonti e modellate tramite una pipeline automatizzata che include opzioni di trasformazione/detrending, selezione del modello tramite backtesting su una finestra di validazione fissa e quantificazione dell’incertezza di previsione. Data la lunghezza limitata e la copertura eterogenea delle serie disponibili, si adottano modelli ARIMA univariati come baseline principale, mentre le specifiche ARIMAX sono valutate dove possibile. Le proiezioni a livello di singola tecnologia sono prodotte sia su scala globale sia europea. La generazione elettrica da rinnovabili viene quindi ricostruita e proiettata mappando le traiettorie di capacità in generazione tramite relazioni empiriche di utilizzo (capacity factor), consentendo un confronto con traiettorie di scenario di lungo periodo. I risultati evidenziano una prevedibilità non uniforme tra tecnologie e regioni, con serie globali che mostrano in genere performance di validazione migliori rispetto a quelle europee. Le proiezioni indicano un ruolo sempre più dominante delle rinnovabili, in particolare del fotovoltaico, mentre l’idroelettrico rimane storicamente rilevante ma presenta una crescita più contenuta, coerente con vincoli legati alla specificità dei siti e ai processi autorizzativi. Il confronto Europa vs Mondo suggerisce una diminuzione della quota europea della generazione rinnovabile globale, trainata da un’espansione più rapida in altre regioni. Nel complesso, il workflow proposto fornisce un benchmark empirico rispetto alle narrazioni di scenario di lungo periodo e supporta valutazioni a breve orizzonte dei trend tecnologici, evidenziando al contempo la necessità di dataset più ricchi e di framework multivariati più strutturali per affrontare l’incertezza profonda e i vincoli di sistema.