The batteries we don’t need anymore

I continue on the thread I started to develop in my last update in French, titled ‘De quoi parler à la prochaine réunion de faculté’, i.e. I am using that blog, and the fact of writing, to put some order in the almost ritual mess that happens at the beginning of the academic year. New calls for tenders start in the ministerial grant programs, new syllabuses need to be prepared, new classes start. Ordinary stuff, mind you, this is just something about September, as if I were in Vivaldi’s ‘Four seasons’: the hot, tumultuous Summer slowly folds into the rich, textured, and yet implacably realistic Autumn.

My central idea is to use some of the science which I dove into during the summer holidays as an intellectual tool for putting order in that chaos. That almost new science of mine is mostly based on the theory of complex systems, and my basic claim is that technological change is an emergent phenomenon in complex social systems. We don’t know why exactly our technologies change the way they change. We can trace the current technologies back to their most immediate ancestors and sometimes we can predict their most immediate successors, but that’s about it. Futuristic visions of technologies that could be there in 50 years from now are already some kind of traditional entertainment. The concept of technological progress, when we try to find a developmental logic in the historically known technological change, is usually standing on wobbly legs, on the other hand. Yes, electricity allowed the emergence of medical technologies used in hospitals, and that saved a lot of human lives, but there is no way Thomas Edison could have known that. The most spectacular technological achievements of mankind, such as the Egyptian pyramids, the medieval cathedrals, the Dutch windmills from the 16th century, or the automobile, seen from the historical distance, look ambiguous. Yes, it all solved some problems, but it facilitated the emergence of new problems. The truly unequivocal benefit of those technological leaps, which could have been actually experienced by the people who made them, was to learn how to develop technologies.

The studies I did during the Summer holidays 2021 focused on four essential, mathematical models of emergent technological change: cellular automata, flock of birds AKA particle swarm, ants’ nest, and imperfect Markov chains. I start with passing in review the model of cellular automata. At any given moment, the social complexity can be divided into a finite number of social entities (agents). They can be individual humans, businesses, NGOs, governments, local markets etc. Each such entity has an immediate freedom of movement, i.e. a finite number of one-step moves. The concept is related to the theory of games and corresponds to what happens in real life. When we do something social, we seldom just rush forwards. Most frequently, we make one step, observe the outcomes, adjust, then we make the next step etc. When all social agents do it, the whole social complexity can be seen as a collection of cells, or pixels. Each such cell (pixel) is a local state of being in society. A social entity can move into that available state, or not, at their pleasure and leisure. All the one-step moves a social entity can make translate into a trajectory it can follow across the social space. Collective outcomes we strive for and achieve can be studied as temporary complex states of those entities following their respective trajectories. The epistemological trick here is that individual moves and their combinations can be known for sure only ex post. All we can do ex ante is to define the possible states, and just wait where does the reality go.

As we are talking about the possible states of social complexity, I found an interesting mathematical mindf**k at quite an unexpected source, namely in the book titled ‘Aware. The Science and Practice of Presence. The Groundbreaking Meditation Practice’ by Daniel J. Siegel [Penguin Random House LLC, 2018, Identifiers: LCCN 2018016987 (print), LCCN 2018027672 (ebook), ISBN 9780143111788, ISBN 9781101993040 (hardback)]. This is a mathematical way of thinking, apparently taken from quantum physics. Here is the essence of it. Everything that happens does so as 100% probability of the given thing happening. Each phenomenon which takes place is the actualization of the same phenomenon being just likely to happen.

Actualization of probability can be seen as collision of two vehicles in traffic. When the two vehicles are at a substantial distance from each other, the likelihood of them colliding is zero, for all practical purposes. As they converge towards each other, there comes a point when they become sort of provisionally entangled, e.g. they find themselves heading towards the same crossroads. The probability of collision increases slightly, and yet it is not even the probability of collision, it is just the probability that these two might find themselves in a vicinity conducive to a possible collision. Nothing to write home about, yet, like really. It can be seen as a plateau of probability slowly emerging out of the initial soup of all the things which can possibly happen.

As the two cars drive closer and closer to the crossroads in question, the panoply of possible states narrows down. There is a very clear chunk of reality which gains in likelihood, as if it was a mountain range pushing up from the provisional plateau. There comes a point where the two cars (and their drivers) just come on collision course, and there is no way around it, and this is a peak of 100% probability. Boom! Probability is being consumed.

What do those cars have in common with meditation and with the emergence of technological change? As regards meditation, thought can be viewed as a progressively emerging actualization of something that was just a weak probability, sort of a month ago it was just weakly probable that today I would think what I think, it became much more likely yesterday, as the thoughts from yesterday have an impact on the thoughts of today, and today it all comes to fruition, i.e. to the 100% probability. As regards emergent technological change, the way technology changes today can be viewed as actualization of something that was highly probable last year, just somehow probable 10 years ago, and had been just part of the amorphous soup of probability 30 years ago. Those trajectories followed by individual agents inside social complexity, as defined in the theory of cellular automata, are entangled together precisely according to that pattern of emergent probabilities. Two businesses coming up with two mutually independent, and yet similar technologies, are like two peak actualizations of 100% probability in a plateau of probable technological change, which, in turn, has been slowly emerging for some time.

Those other theories I use explain and allow to model mathematically that entanglement. The theory of particle swarm, pertinent to flocks of birds, assumes that autonomous social agents strive for a certain level of behavioural coupling. We expect some level of predictability from others, and we can cooperate with others when we are satisfactorily predictable in our actions. The strive for social coherence is, therefore, one mechanism of entanglement between individual trajectories of cellular automata. The theory of ants’ nest focuses on a specific category of communication systems in societies, working like pheromones. Ants organize by marking, reinforcing and following paths across their environment, and their pheromones serve as markers and reinforcement agents for those paths. In human societies, there are social pheromones. Money and financial markets make probably the most obvious example, but scientific publications are another one. The more scientific articles are being published on a given topic, the more likely are other articles being written on the same topic, until the whole thing reaches a point of saturation, when some ants (pardon me, scientists) start thinking about another path to mark with intellectual pheromones.

Cool. I have (OK, we have) complex social states, made of entangled probabilities that something specific happens, and they encompass technology. Those complex states change, i.e. one complex state morphs into another. Now, how the hell can I know, as a researcher, what is happening exactly? Such as the theory of complex systems suggests it, I can never know exactly, for one, and I need to observe, for two. As I don’t know exactly what is it exactly, that thing which I label ‘technological change’, it is problematic to set too many normative assumptions as for which specific path that technological change should take. I think this is the biggest point of contention as I apply my theory, such as I have just outlined it, to my main field of empirical research, namely energy economics, and technological change in the sector of energy. The more I do that research, the more convinced I am that the so-called ‘energy policies’, ‘climate policies’ etc. are politically driven bullshit based on wishful thinking, with not much of a chance to bring the positive change we expect. I have that deep feeling that setting a strategy for future innovations in our business/country/world is very much like that Polish expression ‘sharing the skin of a bear which is still running in the woods’. First, you need to kill the bear, only then you can bicker about who takes what part of the skin. In the case of innovation, long-term strategies in that domain consist in predicting what we will do when we have something we don’t even know yet what is it exactly.

I am trying to apply this general theory in the grant applications which I am in charge of preparing now, and in my teaching. We have that idea, at the faculty, to apply for funding to study the market of electric vehicles in Europe and in Poland. This is an interesting situation as regards business models. In the US, the market of electric cars is clearly divided among three categories of players. There is Tesla, which is a category and an industry in itself, with its peculiar strategy of extreme vertical integration. Then there are the big, classical car makers, such as Toyota, General Motors etc., with their business models based on rather a short vertical chain of value added inside the business, and a massive supply chain upstream of the house. Finally, there is a rising tide of small start-ups in the making of electric vehicles. I wonder what I could be in Europe. As our European market of electric vehicles is taking off, it is dominated by the incumbent big manufacturers, the old school ones, with Tesla building a factory in Germany, and progressively building a beachhead in the market. There is some timid movement towards small start-up businesses in the field, but it is really timid. In my home country, Poland, the most significant attempt at starting up an electric vehicle made in Poland is a big consortium of state-controlled companies, running under the name of ‘Electromobility Poland’.  

I have that intuition, which I provisionally express as a working hypothesis, namely that business models are an emergent property of technologies which they use. As regards the market of electric vehicles, it means that Tesla’s business model is not an accidental explosion of Elon Musk’s genius mind: it is an emergent characteristic of the technologies involved.

Good. I have some theory taking shape, nice and easy. I let it ripen a bit, and I start sniffing around for facts. What is a business model, in my mind? It is the way of operating the chain of value added, and getting paid for it, in the first place. Then, it is the way of using capital. I noticed that highly innovative environments force businesses to build up and keep large amounts of cash money, arguably to manage the diverse uncertainties emerging as technologies around morph like hell. In some cases, e.g. in biotech, the right business model for rapid innovation is a money-sucker, with apparently endless pay-ins of additional equity by the shareholders, and yet with a big value in terms of technological novelty created. I can associate that phenomenon of vacuum cleaning equity with the case of Tesla, who just recently started being profitable, and had gone through something like a decade in permanent operational loss. That is all pertinent to fixed costs, thus to the cash we need to build up and keep in place the organizational structure required for managing the value chain the way we want to manage it.

I am translating those loose remarks of mine into observable phenomena. Everything I have just mentioned is to be found in the annual financial reports. This is my first source of information. When I want to study business models in the market of electric vehicles, I need to look into financial and corporate reports of businesses active in the market. I need to look into the financial reports of Mercedes Benz, BMW, Renault, PSA, Volkswagen, Fiat, Volvo, and Opel – thus the European automotive makers – and see how it is going, and whether whatever is going on can be correlated with changes in the European market of electric vehicles. Then, it is useful to look into the financial reports of global players present in the European market, e.g. Tesla, Toyota, Honda and whatnot, just to see what changes in them as the European market of electric vehicles is changing.

If my intuition is correct, i.e. if business models are truly an emergent property of technologies used, the fact of engaging into the business of electric vehicles should be correlated with some sort of recurrent pattern in those companies.         

Good. This is about the big boys in the playground. Now, I turn toward the small ones, the start-up businesses. As I already said, it is not like we have a crowd of them in the European industry of electric vehicles. The intuitive axis of research which comes to my mind is to look at start-ups active in the U.S., study their business models, and see if there is any chance of something similar emerging in Europe. Somehow tangentially to that, I think it would be interesting to check whether the plan of Polish government regarding ‘Electromobility Poland’, that is the plan to develop it with public and semi-public money, and then sell it to private investors, has any grounds and under what conditions it can be a workable plan.

Good. I have rummaged a bit in my own mind, time to do the same to other people. I mean, I am passing to reviewing the literature. I type ‘electric vehicles Europe business model’ at the https://www.sciencedirect.com/ platform, and I look at what’s popping up. Here comes the paper by Pardo-Bosch, F., Pujadas, P., Morton, C., & Cervera, C. (2021). Sustainable deployment of an electric vehicle public charging infrastructure network from a city business model perspective. Sustainable Cities and Society, 71, 102957., https://doi.org/10.1016/j.scs.2021.102957 . The abstract says: ‘The unprecedented growth of global cities together with increased population mobility and a heightened concern regarding climate change and energy independence have increased interest in electric vehicles (EVs) as one means to address these challenges. The development of a public charging infrastructure network is a key element for promoting EVs, and with them reducing greenhouse gas emissions attributable to the operation of conventional cars and improving the local environment through reductions in air pollution. This paper discusses the effectiveness, efficiency, and feasibility of city strategic plans for establishing a public charging infrastructure network to encourage the uptake and use of EVs. A holistic analysis based on the Value Creation Ecosystem (VCE) and the City Model Canvas (CMC) is used to visualise how such plans may offer public value with a long-term and sustainable approach. The charging infrastructure network implementation strategy of two major European cities, Nantes (France) and Hamburg (Germany), are analysed and the results indicate the need to involve a wide range of public and private stakeholders in the metropolitan areas. Additionally, relevant, and fundamental patterns and recommendations are provided, which may help other public managers effectively implement this service and scale-up its use and business model.

Well, I see there is a lot of work to do, as I read that abstract. I rarely find a paper where I have so much to argue with, just after having read the abstract. First of all, ‘the unprecedented growth of global cities’ thing. Actually, if you care to have a look at the World Bank data on urban land (https://data.worldbank.org/indicator/AG.LND.TOTL.UR.K2 ), as well as that on urban population (https://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS ), you will see that urbanization is an ambiguous phenomenon, strongly region-specific. The central thing is that cities become increasingly distinct from the countryside, as types of human settlements. The connection between electric vehicles and cities is partly clear, but just partly. Cities are the most obvious place to start with EVs, because of the relatively short distance to travel between charging points. Still, moving EVs outside the cities, and making them functional in rural areas, is the next big challenge.

Then comes the ‘The development of a public charging infrastructure network is a key element for promoting EVs’ part. As I studied the thing in Europe, the network of charging stations, as compared to the fleet of EVs in the streets is so dense that we have like 12 vehicles per charging station on average, across the European Union. There is no way a private investor can have it for their money, when financing a private charging station, with that average density. We face a paradox: there are so many publicly funded charging stations, in relation to the car fleet out there, that private investment gets discouraged. I agree that it could be an acceptable transitory state in the market, although it begs the question whether private charging stations are a viable business in Europe. Tesla has based a large part of its business model in the US precisely on the development of their own charging stations. Is it a viable solution in Europe?

Here comes another general remark, contingent to my hypothesis of business models being emergent on the basis of technologies. Automotive technologies in general, thus the technology of a vehicle moving by itself, regardless the method of propulsion (i.e. internal combustion vs electric) is a combination of two component technologies. Said method of propulsion is one of them, and the other one is the technology of distributing the power source across space. Electric vehicles can be viewed as cousins to tramways and electric trains, with just more pronounced a taste for independence: instead of drinking electricity from a permanent wiring, EVs carry their electricity around with them, in batteries.

As we talk about batteries, here comes another paper in my cursory rummaging across other people’s science: Albertsen, L., Richter, J. L., Peck, P., Dalhammar, C., & Plepys, A. (2021). Circular business models for electric vehicle lithium-ion batteries: An analysis of current practices of vehicle manufacturers and policies in the EU. Resources, Conservation and Recycling, 172, 105658., https://doi.org/10.1016/j.resconrec.2021.105658 . Yes, indeed, the advent of electric vehicles creates a problem to solve, namely what to do with all those batteries. I mean two categories of batteries. Those which we need, and hope to acquire easily when the time comes for changing them in our vehicles, in the first place, and those we don’t need anymore and expect someone to take care of them swiftly and elegantly.       

De quoi parler à la prochaine réunion de faculté

Je change un peu de style par rapport à mes dernières mises à jour sur ce blog et je change parce que c’est le début de l’année académique, chez moi. C’est donc le chaos habituel que je commence à aimer, par ailleurs. Cette mise à jour est donc une mise en ordre dans mes idées et mes projets.

Je commence par essayer de résumer la recherche que j’ai faite pendant les vacances. Je pose donc l’hypothèse générale que le changement technologique est un phénomène émergent, qui survient comme intégration des phénomènes partiels dans le système social dont la complexité est essentiellement insaisissable pour nous. L’hypothèse d’émergence impose par ailleurs une distinction entre le terme de changement technologique et celui de progrès technologique. Le progrès technologique est un terme fortement subjectif, basé sur un système des valeurs communes dans une société. Le progrès c’est donc du changement, comme phénomène émergent, plus notre interprétation de ce phénomène.

Cette hypothèse a d’autres conséquences, dont la plus importante et la plus pratique c’est une mise en question radicale du concept de politique technologique ou politique d’innovation, au niveau agrégé d’état, de communauté internationale ou même au niveau des grandes entreprises. Dans les soi-disant « politiques technologiques » leurs créateurs assument que nous pouvons collectivement décider de développer nos technologies dans une direction donnée et que ça va marcher. Pour autant que je sache, c’est problématique déjà au niveau des grandes entreprises. Les politiques d’innovation des années 1990 dans l’industrie automobile, par exemple, étaient dans ce style. C’était comme « tout le monde se concentre sur la création de la technologie AVBG pour les 10 années à venir et pas de discussion ». Dans la plupart des cas, les résultats étaient désastreux. Des milliards des dollars dépensés sur des projets qui échouaient de façon spectaculaire au moment de confrontation au marché. Je pense que la seule technologie fondamentale dans l’automobile qui avait émergé avec succès des années 1990 c’était la propulsion hybride (moteur électrique plus moteur à combustion interne). C’était une technologie à laquelle personne de donnait arbitrairement la priorité dans les stratégies des grandes entreprises du secteur. Le pionnier dans ce domaine, Toyota, approchait le développement de la propulsion hybride de façon très prudente et pragmatique, comme une série heuristique d’expériences contrôlées, très loin des stratégies du type « tout le monde à bord ».  

Après les échecs des politiques centralisées d’innovation des années 1990, les grandes entreprises sont devenues beaucoup plus prudentes dans ce domaine. La meilleure politique semble être celle d’expérimentation abondante avec plusieurs idées nouvelles à la fois, avec une composante de compétition interne. Eh bien, lorsque je regarde les politiques qui se donnent l’étiquette « climatiques », quoi que cela veuille dire au juste, je me dis que ces hommes et femmes politiques (à propos, peut-on dire « les gens politiques » ?) feraient bien de prendre exemple des grandes entreprises. Les politiques qui commencent avec « Nous devons tous… » sont déjà suspectes. Si une telle politique assume, en plus, que la meilleure façon de stimuler l’innovation est d’introduire des nouveaux impôts, je suis contre. Oui, pour être clair : je suis vigoureusement contre le soi-disant « impôt carbone ». Je trouve cette idée dysfonctionnelle sur plusieurs niveaux, mais j’y reviendrai à une autre occasion.

Mon plat scientifique à emporter, après les vacances d’été AD 2021, est donc celui de changement technologique comme phénomène émergent qui intègre un système social complexe en ce qui concerne l’usage des ressources. Je me réfère fortement à la théorie des systèmes complexes en général et plus particulièrement à quatre modèles mathématiques là-dedans : le modèle d’automates cellulaires, celui d’essaim d’oiseaux, celui de fourmilière, et enfin celui des chaînes imparfaites de Markov.   

Avec cette perspective générale dans l’esprit, je me tourne vers un projet de recherche qui est en train de prendre forme parmi moi et mes collègues à l’université. Nous pensons qu’il serait intéressant d’étudier les développements possibles dans le marché européen des véhicules électriques, plus particulièrement en ce qui concerne les modèles d’entreprise. Par « modèle d’entreprise » je veux dire la même chose que le terme anglais « business model », donc la façon d’intégrer et de gérer la chaîne de valeur ajoutée dans le marché en question.

J’explique. Si on prend le marché global des véhicules électriques, on a essentiellement trois modèles d’entreprise : Tesla, les sociétés automobiles classiques et les startups. Tesla est idiosyncratique, c’est pratiquement une industrie en soi. Leur modèle d’entreprise est basé sur une intégration verticale très poussée, aussi bien au niveau des technologies qu’à celui d’organisation. Tesla avait commencé par faire des bagnoles électriques, puis ils ont enchaîné avec des stations de chargement et du photovoltaïque. C’est une chaîne de plus en plus longue des technologies verticalement connectées. D’autre part, le concept de « giga factory », chez Tesla, c’est de l’intégration verticale opérationnelle. L’idée consiste à convaincre les fournisseurs de localiser, dans la mesure du possible, leurs centres de fabrication dans la même usine où Tesla fait ses voitures. Simple et génial, j’ai envie de dire.

Tesla a donc un modèle d’entreprise très fortement intégré à la verticale et – comme j’ai pu le constater en observant leurs finances au fil des années – ça a pris du temps d’apprendre comment gérer cette chaîne de façon à capter proprement la valeur ajoutée. Ce n’est que récemment que tout ce bazar a commencé à être profitable. Là, il y a une question qui me fascine : pourquoi est-ce qu’autant de gens avaient mis autant d’effort dans l’expérimentation tellement coûteuse avec un modèle d’entreprise qui, pendant des années (pendant presque une décennie, en fait), semblait n’avoir aucune perspective réaliste de dégager du profit ?

Oui, je sais, Elon Musk. Le gars est fascinant, je suis d’accord. Seulement une organisation de la taille de Tesla, ça ne se crée pas autour d’une seule personne, même aussi géniale qu’Elon Musk, qui, par ailleurs, tout en étant un génie, n’est pas vraiment charismatique. Les grandes organisations, ça émerge de la complexité du tissu social, en intégrant certaines parties de ce tissu. Il est très dur de créer une grande organisation et il est encore plus dur de la tenir en place à long terme. Il doit y avoir des mécanismes sociaux sous-jacents qui soutiennent et stimulent ce phénomène.      

A côté de Tesla, il y a les producteurs automobiles établis, comme Daimler Chrysler, Toyota, le groupe PSA etc. Aujourd’hui, c’est devenu presque un impératif pour un producteur automobile de faire des véhicules électriques. Seulement ces producteurs-là, ils maintiennent le modèle d’entreprise bien morcelé verticalement, avec du outsourcing poussé et aucune tentative marquée d’adopter le modèle super-intégré de Tesla.

A côté de tout ça, il y a beaucoup des startups dans le marché des voitures électriques et ça, c’est même plus fascinant que Tesla. Pendant des décennies, l’automobile semblait être complétement fermé à ce type de petite entreprise créative, agile et coriace dont en voit plein dans l’informatique, la nanotechnologie ou bien la biotechnologie. Paradoxalement, le moment où Tesla a réussi de stabiliser financièrement sont modèle d’entreprise super intégrée, des startups ont commencé à proliférer. C’est comme si l’émergence d’un organisme géant très spécifique avait enclenché l’émergence des petites bestioles expérimentales de toute sorte.

Je me demande donc quel peut bien être ce mécanisme sous-jacent d’émergence des modèles nouveaux d’entreprise avec l’avènement des véhicules électriques. Voilà mon hypothèse de travail no. 1 à ce sujet : l’émergence rapide de nouveaux modèles d’entreprise manifeste une tendance poussée de la société à expérimenter et ceci, à son tour, témoigne de l’orientation collective sur un certain type de résultat.

Il y a ce principe, formulé, je crois, par Sigmund Freud. Si nous voulons découvrir les motivations réelles et profondes d’une personne qui ne sait pas comment les articuler, regardons les conséquences de ses actions. Ces conséquences disent beaucoup sur les valeurs et les tendances personnelles. La civilisation est une histoire. C’est un peu comme une personnalité. La prolifération des véhicules électriques à deux conséquences majeures. D’une part, nous réduisons notre dépendance du pétrole. Ceci contribue à protéger l’environnement, mais ça permet aussi de remuer un peu l’équilibre géopolitique. En Europe, par exemple, nous n’avons pas de pétrole local et aussi longtemps que nous roulons sur des moteurs à combustion interne, notre système de transport routier est stratégiquement dépendant d’une ressource que nous n’avons pas. A l’échelle globale, l’abandon du combustible en faveur des véhicules électriques, ça réduit la dépendance stratégique vis-à-vis des pays pétroliers et c’est in changement géopolitique majeur.   

La seconde conséquence majeure de la transition vers le véhicule électrique est une accélération spectaculaire dans le développement des technologies de stockage d’énergie. Remarquons, par ailleurs, que chaque voiture est un réservoir mobile d’énergie. Ça concerne toutes les voitures, celles à combustion interne aussi. Le réservoir d’essence est un réservoir mobile d’énergie. Le développement d’automobile en général, donc des moyens de transport qui bougent avec leur propre énergie, équivaut au développement d’un réseau géant de petits réservoirs mobiles d’énergie.

Notre civilisation s’est largement développée, à travers des millénaires, sur la base des technologies de stockage. Le stockage de nourriture semble avoir joué un rôle crucial, mais le stockage d’énergie est important aussi. Toute l’industrie des carburants fossiles est largement l’histoire de découverte comment stocker et transporter une source d’énergie. Les véhicules électriques, ça peut être la génération 2.0 dans ce domaine.

Voilà donc que je peaufine mon hypothèse de travail, comme no. 2 : l’émergence rapide de nouveaux modèles d’entreprise dans l’industrie des véhicules électriques est un phénomène émergent d’expérimentation collective orientée sur le réaménagement des relations géopolitiques basées sur la dépendance du pétrole ainsi que sur le développement des technologies de stockage d’énergie.

Eh bien voilà une jolie hypothèse. De quoi parler à la prochaine réunion de la faculté.

Living next door to such small success

Just two updates ago, I was trying to combine my work on the technological concept which I labelled ‘Energy Ponds’ AKA ‘Project Aqueduct’, with more theoretical a strand of research on collective intelligence in human societies. A third component thread has come into the game, a bit as a surprise. The editor of ‘International Journal of Energy Sector Management’ has just asked me to give a final revision to the manuscript which I am about to publish with them, titled ‘Climbing the right hill – an evolutionary approach to the European market of electricity’. More specifically, the editor asks me to refine the style of the paper, so as to make it more accessible to non-initiated readers.

I think I am smart. Many people think they are. I know I tend to overestimate my work capacity, though. I need an intellectual synthesis for all the three things: ‘Energy Ponds’, research on collective intelligence, and the final revision of my article. I need some kind of common denominator over which I could put and denominate all that intellectual stuff. I focus on the phenomenon of technological change. My most fundamental intuition about technological change is that it happens as a by-product of us, humans, collectively pursuing some other outcomes. I perceive technology as an emergence (not to confound with emergency) which happens when human societies reach a given level of complexity. Technologies are complex ways human interaction with the broadly spoken natural environment, i.e. with both natural resources and natural constraints.

I am rummaging in my most personal cases of technological change, namely my idea of ‘Energy Ponds’, and my investment decisions in the stock market. Non-linearity of change keeps floating to the surface. When the most obvious path of development in a technology is tight optimization through a sequence of small incremental improvements in efficiency, that technology is close to maturity in its lifecycle, and is not much of a big deal anymore. The truly promising technologies, those able to wake up the neighbours, are those with yet unclear prospects for optimization, with different alternative paths of experimentation in view.

Deep technological change occurs as non-linear path of experimentation in collective human interaction with both natural resources and natural constraints. Non-linearity means uncertainty, and uncertainty implies alternative states of nature, spread over a broad spectrum of outcomes. Them Black Swans are just waiting around the street corner. Deep technological change can play out according to different scenarios. We tend to think about scenarios as sequences, only with technological change the sequence is highly speculative, and the more uncertain the further we go from the starting point. There is another way of defining a scenario, namely as an orientation, a social force which pushes in a specific direction.

I start connecting the dots. Deep, break-through technological change practically never happens as a clearly purposeful collective strategy. It is always a disruption, and it takes us by surprise. Technological change happens as a sudden shortcut to achieve whatever collective outcomes we are after. People who invented the wheel probably didn’t want to invent the wheel as such, they were after a better way of transportation by land. Internet was invented because scientists started to work in large, dispersed networks of labs and needed a fast communication system for a lot of content.

Thus, we are after something, and, accidentally, we invent something else, which makes ripples across the social structure. We use the transformational force conveyed in those ripples to keep pursuing the same collective outcomes. It is interesting to notice that a new technology is practically never superior per se to the incumbent solutions. Social improvement happens only when human societies wrap themselves around that novel stuff and learn how to use it. Let’s suppose that a benevolent and very advanced alien race hands out to us a technology to travel between parallel universes. Looks cool, at the first sight. When we think about it longer, though, questions arise. What are the practical benefits of travelling between parallel universes? It is only when we figure out those benefits that we start absorbing that otherwise revolutionary technology.

I double back a bit on my own words. Deep technological change is essentially disruptive and surprising, and yet there is more to technological change than just the deep and disruptive kind. Periods of grinding, progressive optimization come after and between deep technological ripples. Here, I ask: why? Why the hell having all that business of technological change? It is interesting to notice that rapid technological change makes rifts in space just as it does in time. There are places on this planet where humans have been living for quite a few millennia without inventing s**t. It is even more interesting to notice that some among those no-progress lands used to be quite the opposite in the past. Amazonian jungle is a good example. Pre-Colombian people (i.e. people who used to live there before they learnt they had just been discovered) had a thriving civilization, with a lot of innovations up their sleeve, such as altitude specific agriculture in terraced fields, or written communication using pieces of string. Afghanistan (hic!) is another example. Centuries before Pythagoras figured out his angles and them square roots from sums of square powers, the place which we call ‘Afghanistan’ today used to be a huge mining hub, providing tin to all of the Bronze Age civilization in the Mediterranean and the Levant.

My point is that we, humans, need a good kick where it really hurts, plus some favourable conditions to recover when it really hurts, and then we start inventing stuff. Still, many of us can pass entire epochs (literally epochs) without figuring out anything new. As I like surfing through literature as I write, a few quotes come to my mind, out of the books I am reading now. Out of ‘The Black Swan. The impact of the highly improbable’ by Nassim Nicolas Taleb , Penguin, 2010, I have that passage from page 114: “Consider the following: of all the colorful adventurers who have lived on our planet, many were occasionally crushed, and a few did bounce back repeatedly. It is those who survive who will tend to believe that they are indestructible; they will have a long and interesting enough experience to write books about it. Until, of course … Actually, adventurers who feel singled out by destiny abound, simply because there are plenty of adventurers, and we do not hear the stories of those down on their luck”. The point is that we mostly know about technological change we know, as it were. The folds of history, which we tend to smooth out ex post, cover thousands of episodes when inventions simply didn’t work. I wonder how many people got mauled to death before someone finally nailed down the right way to make big, strong oxen pull heavy carts on wheels.

The adventure of technological change plays out favourably just sometimes, and yet we keep trying. Here come two quotes from another book: ‘The Knowledge Illusion. Why we never think alone’ by Steven Sloman and Philip Fernbach, RIVERHEAD BOOKS (An imprint of Penguin Random House LLC, Ebook ISBN: 9780399184345, Kindle Edition). On page page 133 thereof a whole new chapter starts under the provocative title: Technology as an Extension of Thought. It goes: ‘The mastery of new technology has gone hand in hand with the evolution of our species. According to Ian Tattersall, curator emeritus with the American Museum of Natural History in New York, “cognitive capacity and technology reinforced each other” as civilization developed. Genetic evolution and technological change have run in tandem throughout our evolutionary history. As brains increased in size from one hominid species to its descendants, tools became more sophisticated and more common. Our predecessors started using rocks with sharp edges. Later generations discovered fire, stone axes, and knives, followed by harpoons and spears, then nets, hooks, traps, snares, and bows and arrows, and eventually farming. Each of these technological changes was accompanied by all the other changes that led to the modern human being: cultural, behavioral, and genetic changes’. A few pages further, p. 150, the same authors write about the modern technology of crowdsourcing: ‘The power of crowdsourcing and the promise of collaborative platforms suggest that the place to look for real superintelligence is not in a futuristic machine that can outsmart human beings. The superintelligence that is changing the world is in the community of knowledge’.

It seems that we, humans, invent new things just because we can, just because we are biologically wired for it. Still, that creative interaction with our environment is full of failures, which, from time to time, produce some timid successes. The local humans, living next door to such small success, have the drive and the capacity to put a big fire up, starting from such a small spark. Once it has worked, deep technological rift happens, which transforms civilizations.

As I return to the final revision of the manuscript which I am about to publish with them, titled ‘Climbing the right hill – an evolutionary approach to the European market of electricity’, for the ‘International Journal of Energy Sector Management’, I wonder how to describe the kind of technological change which I write about in that paper, namely the development of renewable energies and the transition to electricity from the straightforward use of fossil thermal energy, in the European market. What I see in the empirical data is a historically short window of progress which, whilst being a bit bumpy, generally follows an upward trend. As I look at all of my so-far research on collective intelligence, it is largely the same. I have been studying historically short windows of technological change which generally looks like progress with some minor accidents on the way. On the other hand, when I refer to my ‘Energy Ponds’ concept and to the feasibility studies I am running for it, it is the deep-ripple type. I propose to implement a complex solution whose outcomes will be more environmental (water management and landscape management) more than straightforwardly financial. Yes, the whole thing has a chance to earn a living by selling electricity from hydroelectric turbines, but this is like Nicola Tesla earning a living by repairing people’s house equipment.

Is there any theoretical way I can use my toolbox of collective intelligence – tested on incremental technological change – to represent the socio-economic absorption of ‘Energy Ponds’? Good question. It is about social structures reacting to something disturbing. The general intuition I have in that respect, and which I developed through simulations described in my draft paper: ‘Behavioral absorption of Black Swans: simulation with an artificial neural network’  is that social structures tend to smooth out disturbances, for one. New things enter the game easier and faster than old things get pushed out of it, for two. I think that both cases, namely technological change in the European market of electricity and the possible development of ‘Energy Ponds’ are the kind of story, when new technologies sort of pile up on the top of old ones. Increased complexity is created. Increasing complexity means the build-up of some kind of non-equilibrium, which either gest smoothed out, and the corresponding technological change is nicely absorbed, or it doesn’t, and we have the Schumpeterian creative destruction.

I pretty much know how social structures wrap themselves around new power installations. There is one Black Swan, though, swimming surreptitiously around: the nuclear. In Europe, we have a keen interest in passing from combustion engines to electric vehicles. Combustion engines run on gasoline or on diesel, which all boils down to oil, which we don’t have and need to import. Transportation based on electricity makes us much less dependent on imported fuels, and that means more strategic security. Still, I think we will need to come back to developing nuclear power plants if we want to have enough juice for all those batteries on wheels.  

As regards ‘Energy Ponds’, the big question is how will urban and peri-urban structures get along with swamp-like reservoirs of water. That is really a deep question. For centuries, cities in Europe have been developing by drying out and draining down swamps. Swamps and buildings do not really like each other. Do we have the technologies to make their mutual neighbourhood liveable?

Que je finisse de façon bien élégante

Me revoilà avec l’idée de faire un rapprochement théorique entre mon « Projet Aqueduc » et ma recherche sur le phénomène d’intelligence collective. Comme je passe en revue ce que j’ai écrit jusqu’à maintenant sur les deux sujets, des conclusions provisoires se forment dans ma tête. L’idée primordiale est que je ne suis pas sûr du tout si mon « Projet Aqueduc » n’est pas, par le plus grand des hasards, une connerie déguisée. Comme je fais de la recherche sur le business d’énergies renouvelables, j’ai pu constater maintes fois qu’à part l’écologie fonctionnelle et pragmatique il y a une écologie religieuse, quelque chose comme l’Église Généralisée de la Mère Nature. Moi je veux rester dans le fonctionnel. Je n’achète pas vraiment l’argument que toute solution « naturelle » est meilleure qu’une « artificielle ». Le retour à la nature que tellement de mes amis prêchent comme une confession de foi c’est aussi le retour à la tuberculose et à l’absence de canalisation.

Je pense donc que « Projet Aqueduc » est une idée intéressante pour expérimenter avec mais pas vraiment une solution complète à optimaliser. L’idée d’utiliser un algorithme génétique du type NSGA-II ou « Non-dominated Sorting Genetic Algorithm » (comparez : Chang et al. 2016[1]; Jain & Sachdeva 2017[2];  Assaf & Shabani 2018[3]; Zhou et al. 2019[4]), que j’avais formulée au début de juillet ( We keep going until we observe du 5 juillet) serait prématurée. Le « Projet Aqueduc » est une chaîne complexe des technologies dont certaines sont plutôt certaines – pardonnez le jeu de mots – pendant que d’autres sont très incertaines dans leur développement général ainsi que leur application exacte dans ce contexte spécifique.    

Je pense que je vais me concentrer sur la mise au point d’une méthode de vérifier la faisabilité du concept en question dans la phase où il est actuellement, donc dans la phase d’expérimentation initiale, tôt dans le cycle de développement. Une telle méthode pourrait être appliquée à l’étude de faisabilité d’autres technologies en phase de développement expérimental. Le « Projet Aqueduc » présente un défi intellectuel intéressant de ce point de vue. L’une des dimensions importantes de ce concept est sa taille physique, surtout la quantité d’eau retenue dans les structures marécageuses qui agissent comme des pseudo-réservoirs hydrologiques (Harvey et al. 2009[5]; Phiri et al. 2021[6] ; Lu et al. 2021[7]; Stocks et al. 2021[8]). Plus nous expérimentons avec la taille physique des installations, plus grands sont les risques liés à cette expérimentation. Tester une installation de petite taille pour le « Projet Aqueduc » engendre des risques négligeables mais en même temps n’apporte pas vraiment de données empiriques sur ce qui se passe dans une installation de taille autrement plus substantielle. C’est donc un cas où – apparemment au moins – je dois expérimenter avec des risques de plus en plus élevés pour acquérir des données sur ce qui peut se passer si ces risques se consument en vie réelle. Voilà un casse-tête digne de ce nom.

En termes de défi intellectuel, j’en ai un autre, tombé un peu à l’improviste. Le journal « International Journal of Energy Sector Management » vient de me demander de donner un dernier coup de pinceau, avant la publication, à mon article intitulé « Climbing the right hill – an evolutionary approach to the European market of electricity ». Les recommandations du réviseur ainsi que celles du rédacteur responsable sont à peu près homogènes et se résument à donner plus de clarté à mon texte, de façon à le rendre plus facile à approcher pour des lecteurs non-initiés à la méthode que j’y utilise. Je relève le gant pour ainsi dire et je vais essayer de résumer le manuscrit en français, de façon aussi claire que possible. J’espère que ça va me donner un bon point de départ pour faire la révision finale de mon manuscrit en anglais.

Je commence par le résumé d’en-tête, donc ce qui s’appelle « abstract » en jargon scientifique anglais. L’article étudie changement socio-économique comme phénomène évolutif et plus précisément comme une marche adaptative en paysage rugueux, avec l’assomption d’intelligence collective et en vue d’optimiser la participation d’électricité dans la consommation totale de l’énergie ainsi que la participation des sources renouvelables dans la consommation d’électricité. Une méthode originale est présentée, où un réseau neuronal artificiel est utilisé pour produire des réalités alternatives à partir de l’ensemble originel de données empiriques. La distance Euclidienne entre ces réalités alternatives et la réalité empirique est utilisée comme base pour évaluer les objectifs collectifs. La variance de distance Euclidienne entre variables est utilisée comme base pour évaluer l’intensité d’interactions épistatiques entre les phénomènes représentés avec les variables. La méthode est testée dans un échantillon de 28 pays européens, entre 2008 et 2017, en présence d’imperfections du marché au niveau des prix de détail d’électricité. Les variables-clés, pertinentes à l’énergie, semblent être instrumentales par rapport à la poursuite d’autres valeurs collectives et ces dernières semblent se concentrer sur l’intensité de travail ainsi que sa rémunération.

Voilà un résumé bien scientifique. J’avoue : si je n’avais pas écrit cet article moi-même, je n’y comprendrais que dalle, à ce résumé. Pas étonnant que le réviseur et le rédacteur responsable me demandent gentiment de simplifier et de clarifier. Où commence-je donc ? Voilà une question qui mérite un peu de réflexion. Je pense qu’il faut que recule dans le temps et que je me souvienne le cheminement logique que j’avais pris, il y a un an et demi, lorsque j’avais écrit la première version de cet article. Oui, un an et demi. La science, ça traine parfois. Les idées-éclair, ça ralentit considérablement dans la phase de publication.

Je recule donc dans le temps. Il y avait deux trucs en concours, pour ainsi dire. D’une part, j’étais content après la publication d’un article chez « Energy », un journal bien respectable, sous le titre « Energy efficiency as manifestation of collective intelligence in human societies ». La méthode que j’y avais utilisée était largement la même que dans cet article chez « International Journal of Energy Sector Management », auquel je suis en train de donner une touche finale. Un réseau neuronal artificiel produit des simulations d’intelligence collective des sociétés humaines. Chaque simulation est une sorte de réalité alternative orientée sur l’optimisation d’une variable spécifique. Chaque réalité alternative demeure à une certaine distance mathématique de la réalité empirique. J’assume que celles qui sont les plus proches reflètent le mieux les rapports entre les variables empiriques. Puisque ce rapport est en fait une orientation – la poursuite d’optimisation d’une variable précise – j’interprète le tout comme une évolution collectivement intelligente avec un système de valeurs collectives.

Les résultats empiriques que j’avais obtenus dans cet article chez « Energy » étaient un peu surprenants, mais juste un peu. Les économies nationales que j’étudiais semblaient être orientés sur l’optimisation de rapport entre le flux d’invention scientifique et la capitalisation des entreprises (coefficient du nombre des demandes domestique de brevet par un million de dollars en actifs productifs fixes) plus que tout le reste. L’efficience énergétique, mesurée à l’échelle d’économies nationales, semblait être le cadet des soucis de lesdites économies nationales, pour ainsi dire. En général, ces 59 pays que j’avais pris sous ma loupe, démontraient bien une croissance d’efficience énergétique, mais cette amélioration semblait être un effet secondaire obtenu dans la poursuite d’équilibre local entre la science mûre (pour demander des brevets) et l’investissement.

Le catalogue des variables que j’avais pris en considération dans « Energy efficiency as manifestation of collective intelligence in human societies » était plutôt restreint. J’avais étudié 14 variables, dont la plupart étaient là en raison d’assomptions que j’avais prises à propos du contexte socio-économique de l’efficience énergétique. Alors, je m’étais posé la question suivante : qu’est-ce qui va se passer si je prends une poignée des variables pertinentes au secteur d’énergie, dans un contexte plus ou moins environnemental, et je les plonge dans un bain commun avec un catalogue vraiment large des variables macroéconomiques ? Côté méthode, c’est une approche classique dans la science. Un truc marche avec des assomptions bien serrées et le pas suivant est de tester le même truc avec des assomptions plus relax, genre pas trop d’idées préconçues.

En ce qui concerne le catalogue exhaustif des variables macroéconomiques, Penn Tables 9.1. (Feenstra et al. 2015[9]), avec 49 variables du type classique (Produit National, inflation, le marché d’emploi etc.) semblaient être une source convenable. J’avais déjà expérimenté avec cette base des données et ma méthode d’étudier l’intelligence collective en produisant des réalités alternatives avec un réseau neuronal et j’avais obtenu des résultats intéressants. Je les avais décrits dans un manuscrit plutôt technique intitulé « The Labour Oriented, Collective Intelligence of Ours : Penn Tables 9.1 Seen Through the Eyes of A Neural Network ». Il semble que les économies nationales de quelques 168 pays décrits dans Penn Tables 9.1 sont orientées sur l’optimalisation du marché de l’emploi plus que sur quoi que ce soit d’autre. Les variables dont l’optimalisation produit des réalités alternatives les plus proches de la réalité empirique sont, dans ce cas : le nombre moyen d’heures ouvrables par année par personne, la participation des salaires dans le Revenu National Brut et finalement le coefficient de capital humain, qui mesure le nombre moyen d’années d’éducation que les jeunes gens ont dans leur CV au moment d’entrer le marché d’emploi.

Encore une fois : lorsque la plupart d’économistes développent sur le sort horrible des travailleurs dans un monde dominé par des capitalistes rapaces sans pitié ni conscience, ma méthode suggérait le contraire, donc un monde orienté sur le travail et les travailleurs, beaucoup plus que sur l’optimalisation du retour interne sur l’investissement, par exemple. Ma méthode donnait donc des résultats surprenants avec des données empiriques tout à fait classiques. J’étais donc bien sûr que les résultats tout aussi surprenants que j’avais présenté dans « Energy efficiency as manifestation of collective intelligence in human societies » n’étaient pas le résultat de mon propre biais cognitif au niveau du matériel empirique de base mais bel et bien le résultat d’une méthode originale de recherche.

Ces résultats en main, je me demandais comment faire un rapprochement avec le secteur d’énergie. A l’époque, j’avais participé à un colloque public à propos des voitures électriques. Le colloque lui-même n’était pas vraiment excitant, mais après j’ai eu une discussion très intéressante avec mon fils. Le fiston avait dit : « En Europe, on n’a pas de notre pétrole bien à nous. Nous avons un système de transport routier très dense, presque entièrement dépendant d’une source d’énergie que nous devons importer, donc sur le pétrole. Comme risque stratégique, c’en est un gros ». Je me suis dit : il a raison, mon fiston. Encore une fois. C’est agaçant. Faut que je fasse quelque chose. Les voitures électriques, ça a besoin d’électricité et donc la participation d’électricité dans la consommation totale d’énergie serait un bon indicateur de notre préparation à passer vers les véhicules électriques, en Europe. Je peux prendre Penn Tables 9.1. (Feenstra et al. 2015 op. cit.), en extraire les données à propos des pays Européens, ajouter des variables pertinentes au secteur d’énergie et voilà : je peux tester l’hypothèse générale que ces variables énergétiques sont des orientations significative dans l’intelligence collective des pays Européens.    

Il y avait un autre truc, en fait. Ça fait déjà un bout de temps que j’ai fait attention aux prix d’électricité en Europe, et plus précisément à la différence très marquée entre les prix pour petits consommateurs d’énergie, calibre ménages, d’une part, et les prix réservés aux usagers plus grands. Vous pouvez consulter, à ce sujet, ma mise à jour du 28 Juin 2018 : « Deux cerveaux, légèrement différents l’un de l’autre ». C’est une imperfection du marché en une forme classique. J’avais donc décidé d’ajouter les prix d’électricité en Europe à cet ensemble déjà bien hétéroclite et voilà que ça a commencé.

Bon, j’ai reconstitué à peu de choses près le raisonnement originel qui m’a poussé à écrire cet article « Climbing the right hill – an evolutionary approach to the European market of electricity ». Si je sais comment j’avais commencé, il y a des chances que je finisse de façon bien élégante.  


[1] Chang, F. J., Wang, Y. C., & Tsai, W. P. (2016). Modelling intelligent water resources allocation for multi-users. Water resources management, 30(4), 1395-1413. https://doi.org/10.1007/s11269-016-1229-6

[2] Jain, V., & Sachdeva, G. (2017). Energy, exergy, economic (3E) analyses and multi-objective optimization of vapor absorption heat transformer using NSGA-II technique. Energy Conversion and Management, 148, 1096-1113. https://doi.org/10.1016/j.enconman.2017.06.055

[3] Assaf, J., & Shabani, B. (2018). Multi-objective sizing optimisation of a solar-thermal system integrated with a solar-hydrogen combined heat and power system, using genetic algorithm. Energy Conversion and Management, 164, 518-532. https://doi.org/10.1016/j.enconman.2018.03.026

[4] Zhou, Y., Chang, L. C., Uen, T. S., Guo, S., Xu, C. Y., & Chang, F. J. (2019). Prospect for small-hydropower installation settled upon optimal water allocation: An action to stimulate synergies of water-food-energy nexus. Applied Energy, 238, 668-682. https://doi.org/10.1016/j.apenergy.2019.01.069

[5] Harvey, J.W., Schaffranek, R.W., Noe, G.B., Larsen, L.G., Nowacki, D.J., O’Connor, B.L., 2009. Hydroecological factors governing surface water flow on a low-gradient floodplain. Water Resour. Res. 45, W03421, https://doi.org/10.1029/2008WR007129.

[6] Phiri, W. K., Vanzo, D., Banda, K., Nyirenda, E., & Nyambe, I. A. (2021). A pseudo-reservoir concept in SWAT model for the simulation of an alluvial floodplain in a complex tropical river system. Journal of Hydrology: Regional Studies, 33, 100770. https://doi.org/10.1016/j.ejrh.2020.100770.

[7] Lu, B., Blakers, A., Stocks, M., & Do, T. N. (2021). Low-cost, low-emission 100% renewable electricity in Southeast Asia supported by pumped hydro storage. Energy, 121387. https://doi.org/10.1016/j.energy.2021.121387

[8] Stocks, M., Stocks, R., Lu, B., Cheng, C., & Blakers, A. (2021). Global atlas of closed-loop pumped hydro energy storage. Joule, 5(1), 270-284. https://doi.org/10.1016/j.joule.2020.11.015

[9] Feenstra, Robert C., Robert Inklaar and Marcel P. Timmer (2015), “The Next Generation of the Penn World Table” American Economic Review, 105(10), 3150-3182, available for download at http://www.ggdc.net/pwt 

Tax on Bronze

I am trying to combine the line of logic which I developed in the proof-of-concept for the idea I labelled ‘Energy Ponds’ AKA ‘Project Aqueduct’ with the research on collective intelligence in human societies. I am currently doing serious review of literature as regards the theory of complex systems, as it looks like just next door to my own conceptual framework. The general idea is to use the theory of complex systems – within the general realm of which the theory of cellular automata looks the most promising, for the moment – to simulate the emergence and absorption of a new technology in the social structure.  

I started to sketch the big lines of that picture in my last update in French, namely in ‘L’automate cellulaire respectable’. I assume that any new technology burgeons inside something like a social cell, i.e. a group of people connected by common goals and interests, together with some kind of institutional vehicle, e.g. a company, a foundation etc. It is interesting to notice that new technologies develop through the multiplication of such social cells rather than through linear growth of just one cell. Up to a point this is just one cell growing, something like the lone wolf of Netflix in the streaming business, and then ideas start breeding and having babies with other people.

I found an interesting quote in the book which is my roadmap through the theory of complex systems, namely in ‘What Is a Complex System?’ by James Landyman and Caroline Wiesner (Yale University Press 2020, ISBN 978-0-300-25110-4). On page 56 (Kindle Edition), Landyman and Wiesner write something interesting about the collective intelligence in colonies of ants: ‘What determines a colony’s survival is its ability to grow quickly, because individual workers need to bump into other workers often to be stimulated to carry out their tasks, and this will happen only if the colony is large. Army ants, for example, are known for their huge swarm raids in pursuit of prey. With up to 200 000 virtually blind foragers, they form trail systems that are up to 20 metres wide and 100 metres long (Franks et al. 1991). An army of this size harvests prey of 40 grams and more each day. But if a small group of a few hundred ants accidentally gets isolated, it will go round in a circle until the ants die from starvation […]’.

Interesting. Should nascent technologies have an ant-like edge to them, their survival should be linked to them reaching some sort of critical size, which allows the formation of social interactions in the amount which, in turn, an assure proper orientation in all the social cells involved. Well, looks like nascent technologies really are akin to ant colonies because this is exactly what happens. When we want to push a technology from its age of early infancy into the phase of development, a critical size of the social network is required. Customers, investors, creditors, business partners… all that lot is necessary, once again in a threshold amount, to give a new technology the salutary kick in the ass, sending it into the orbit of big business.

I like jumping quickly between ideas and readings, with conceptual coherence being an excuse just as frequently as it is a true guidance, and here comes an article on urban growth, by Yu et al. (2021[1]). The authors develop a model of urban growth, based on the empirical data on two British cities: Oxford and Swindon. The general theoretical idea here is that strictly speaking urban areas are surrounded by places which are sort of in two minds whether they like being city or countryside. These places can be represented as spatial cells, and their local communities are cellular automatons which move cautiously, step by step, into alternative states of being more urban or more rural. Each such i-th cellular automaton displays a transition potential Ni, which is a local balance between the benefits of urban agglomeration Ni(U), as opposed to the benefits Ni(N) of conserving scarce non-urban resources. The story wouldn’t be complete without the shit-happens component Ri of randomness, and the whole story can be summarized as: Ni = Ni(U) – Ni(N) + Ri.

Yu et al. (2021 op. cit.) add an interesting edge to the basic theory of cellular automata, such as presented e.g. in Bandini, Mauri & Serra (2001[2]), namely the component of different spatial scales. A spatial cell in a peri-urban area can be attracted to many spatial aspects of being definitely urban. Those people may consider the possible benefits of sharing the same budget for local schools in a perimeter of 5 kilometres, as well as the possible benefits of connecting to a big hospital 20 km away. Starting from there, it looks a bit gravitational. Each urban cell has a power of attraction for non-urban cells, however that power decays exponentially with physical distance.

I generalize. There are many technologies spreading across the social space, and each of them is like a city. I mean, it does not necessarily have a mayor, but it has dense social interactions inside, and those interactions create something like a gravitational force for external social cells. When a new technology gains new adherents, like new investors, new engineers, new business entities, it becomes sort of seen and known. I see two phases in the development of a nascent technology. Before it gains enough traction in order to exert significant gravitational force on the temporarily non-affiliated social cells, a technology grows through random interactions of the initially involved social cells. If those random interactions exceed a critical threshold, thus if there are enough forager ants in the game, their simple interactions create an emergence, which starts coagulating them into a new industry.

I return to cities and their growth, for a moment. I return to the story which Yu et al. (2021[3]) are telling. In my own story on a similar topic, namely in my draft paper ‘The Puzzle of Urban Density And Energy Consumption’, I noticed an amazing fact: whilst individual cities grow, others decay or even disappear, and the overall surface of urban areas on Earth seems to be amazingly stationary over many decades. It looks as if the total mass, and hence the total gravitational attraction of all the cities on Earth was a constant over at least one human generation (20 – 25 years). Is it the same with technologies? I mean, is there some sort of constant total mass that all technologies on Earth have, within the lifespan of one human generation, and there are just specific technologies getting sucked into that mass whilst others drop out and become moons (i.e. cold, dry places with not much to do and hardly any air to breathe).

What if a new technology spreads like Tik-Tok, i.e. like a wildfire? There is science for everything, and there is some science about fires in peri-urban areas as well. That science is based on the same theory of cellular automata. Jiang et al. (2021[4]) present a model, where territories prone to wildfires are mapped into grids of square cells. Each cell presents a potential to catch fire, through its local properties: vegetation, landscape, local climate. The spread of a wildfire from a given cell R0 is always based on the properties of the cells surrounding the fire.

Cirillo, Nardi & Spitoni (2021[5]) present an interesting mathematical study of what happens when, in a population of cellular automata, each local automaton updates itself into a state which is a function of the preceding state in the same cell, as well as of the preceding states in the two neighbouring cells. It means, among other things, that if we add the dimension of time to any finite space Zd where cellular automata dwell, the immediately future state of a cell is a component of the available neighbourhood for the present state of that cell. Cirillo, Nardi & Spitoni (2021) demonstrate, as well, that if we know the number and the characteristics of the possible states which one cellular automaton can take, like (-1, 0, 1), we can compute the total number of states that automaton can take in a finite number of moves. If we make many such cellular automatons move in the same space Zd , a probabilistic chain of complex states emerge.

As I wrote in ‘L’automate cellulaire respectable’, I see a social cell built around a new technology, e.g. ‘Energy Ponds’, moving, in the first place, along two completely clear dimensions: physical size of installations and financial size of the balance sheet. Movements along these two axes are subject to the influence happening along some foggy, unclear dimensions connected to preferences and behaviour: expected return on investment, expected future value of the firm, risk aversion as opposed to risk affinity etc. That makes me think, somehow, about a theory next door to that of cellular automata, namely the theory of swarms. This is a theory which explains complex changes in complex systems through changes in strength of correlation between individual movements. According to the swarm theory, a complex set which behaves like a swarm can adapt to external stressors by making the moves of individual members more or less correlated with each other. A swarm in routine action has its members couple their individual behaviour rigidly, like marching in step. A swarm alerted by a new stressor can loosen it a little, and allow individual members some play in their behaviour, like ‘If I do A, you do B or C or D, anyway one out of these three’. A swarm in mayhem loses it completely and there is no behavioural coupling whatsoever between members.

When it comes to the development and societal absorption of a new technology, the central idea behind the swarm-theoretic approach is that in order to do something new, the social swarm has to shake it off a bit. Social entities need to loosen their mutual behavioural coupling so as to allow some of them to do something else than just ritually respond to the behaviour of others. I found an article which I can use to transition nicely from the theory of cellular automata to the swarm theory: Puzicha & Buchholz (2021[6]). The paper is essentially applicable to the behaviour of robots, yet it is about a swarm of 60 distributed autonomous mobile robots which need to coordinate through a communication network with low reliability and restricted capacity. In other words, sometimes those robots can communicate with each other, and sometimes they don’t. When some robots out of the 60 are having a chat, they can jam the restricted capacity of the network and thus bar the remaining robots from communicating. Incidentally, this is how innovative industries work. When a few companies, let’s say the calibre of unicorns, are developing a new technology. They absorb the attention of investors, governments, potential business partners and potential employees. They jam the restricted field of attention available in the markets of, respectively, labour and capital.      

Another paper from the same symposium ‘Intelligent Systems’, namely Serov, Voronov & Kozlov (2021[7]), leads in a slightly different direction. Whilst directly derived from the functioning of communication systems, mostly the satellite-based ones, the paper suggests a path of learning in a network, where the capacity for communication is restricted, and the baseline method of balancing the whole thing is so burdensome for the network that it jams communication even further. You can compare it to a group of people who are all so vocal about the best way to allow each other to speak that they have no time and energy left for speaking their mind and listening to others. I have found another paper, which is closer to explaining the behaviour of those individual agents when they coordinate just sort of. It is Gupta & Srivastava (2020[8]), who compare two versions of swarm intelligence: particle swarm and ant colony. The former (particle swarm) generalises a problem applicable to birds. Simple, isn’t it? A group of birds will randomly search for food. Birds don’t know where exactly the food is, so they follow the bird which is nearest to the food.  The latter emulates the use of pheromones in a colony of ants. Ants selectively spread pheromones as they move around, and they find the right way of moving by following earlier deposits of pheromones. As many ants walk many times a given path, the residual pheromones densify and become even more attractive. Ants find the optimal path by following maximum pheromone deposition.

Gupta & Srivastava (2020) demonstrate that the model of ant colony, thus systems endowed with a medium of communication which acts by simple concentration in space and time are more efficient for quick optimization than the bird-particle model, based solely on observing each other’s moves. From my point of view, i.e. from that of new technologies, those results reach deeper than it could seem at the first sight. Financial capital is like a pheromone. One investor-ant drops some financial deeds at a project, and it can hopefully attract further deposits of capital etc. Still, ant colonies need to reach a critical size in order for that whole pheromone business to work. There needs to be a sufficient number of ants per unit of available space, in order to create those pheromonal paths. Below the critical size, no path becomes salient enough to create coordination and ants starve to death fault of communicating efficiently. Incidentally, the same is true for capital markets. Some 11 years ago, right after the global financial crisis, a fashion came to create small, relatively informal stock markets, called ‘alternative capital markets’. Some of them were created by the operators of big stock markets (e.g. the AIM market organized by the London Stock Exchange), some others were completely independent ventures. Now, a decade after that fashion exploded, the conclusion is similar to ant colonies: fault of reaching a critical size, those alternative capital markets just don’t work as smoothly as the big ones.

All that science I have quoted makes my mind wander, and it starts walking down the path of hilarious and absurd. I return, just for a moment, to another book: ‘1177 B.C. THE YEAR CIVILIZATION COLLAPSED. REVISED AND UPDATED’ by Eric H. Cline (Turning Points in Ancient History, Princeton University Press, 2021, ISBN 9780691208022). The book gives in-depth an account of the painful, catastrophic end of a whole civilisation, namely that of the Late Bronze Age, in the Mediterranean and the Levant. The interesting thing is that we know that whole network of empires – Egypt, Hittites, Mycenae, Ugarit and whatnot – collapsed at approximately the same moment, around 1200 – 1150 B.C., we know they collapsed violently, and yet we don’t know exactly how they collapsed.

Alternative history comes to my mind. I imagine the transition from Bronze Age to the Iron Age similarly to what we do presently. The pharaoh-queen VanhderLeyenh comes up with the idea of iron. Well, she doesn’t, someone she pays does. The idea is so seducing that she comes, by herself this time, with another one, namely tax on bronze. ‘C’mon, Mr Brurumph, don’t tell me you can’t transition to iron within the next year. How many appliances in bronze do you have? Five? A shovel, two swords, and two knives. Yes, we checked. What about your rights? We are going through a deep technological change, Mr Brurumph, this is not a moment to talk about rights. Anyway, this is not even the new era yet, and there is no such thing as individual rights. So, Mr Brurumph, a one-year notice for passing from bronze to iron is more than enough. Later, you pay the bronze tax on each bronze appliance we find. Still, there is a workaround. If you officially identify as a non-Bronze person, and you put the corresponding sign over your door, you have a century-long prolongation on that tax’.

Mr Brurumph gets pissed off. Others do too. They feel lost in a hostile social environment. They start figuring s**t out, starting from the first principles of their logic. They become cellular automata. They focus on nailing down the next immediate move to make. Errors are costly. Swarm behaviour forms. Fights break out. Cities get destroyed. Not being liable to pay the tax on bronze becomes a thing. It gets support and gravitational attraction. It becomes tempting to join the wandering hordes of ‘Tax Free People’ who just don’t care and go. The whole idea of iron gets postponed like by three centuries.  


[1] Yu, J., Hagen-Zanker, A., Santitissadeekorn, N., & Hughes, S. (2021). Calibration of cellular automata urban growth models from urban genesis onwards-a novel application of Markov chain Monte Carlo approximate Bayesian computation. Computers, environment and urban systems, 90, 101689. https://doi.org/10.1016/j.compenvurbsys.2021.101689

[2] Bandini, S., Mauri, G., & Serra, R. (2001). Cellular automata: From a theoretical parallel computational model to its application to complex systems. Parallel Computing, 27(5), 539-553. https://doi.org/10.1016/S0167-8191(00)00076-4

[3] Yu, J., Hagen-Zanker, A., Santitissadeekorn, N., & Hughes, S. (2021). Calibration of cellular automata urban growth models from urban genesis onwards-a novel application of Markov chain Monte Carlo approximate Bayesian computation. Computers, environment and urban systems, 90, 101689. https://doi.org/10.1016/j.compenvurbsys.2021.101689

[4] Jiang, W., Wang, F., Fang, L., Zheng, X., Qiao, X., Li, Z., & Meng, Q. (2021). Modelling of wildland-urban interface fire spread with the heterogeneous cellular automata model. Environmental Modelling & Software, 135, 104895. https://doi.org/10.1016/j.envsoft.2020.104895

[5] Cirillo, E. N., Nardi, F. R., & Spitoni, C. (2021). Phase transitions in random mixtures of elementary cellular automata. Physica A: Statistical Mechanics and its Applications, 573, 125942. https://doi.org/10.1016/j.physa.2021.125942

[6] Puzicha, A., & Buchholz, P. (2021). Decentralized model predictive control for autonomous robot swarms with restricted communication skills in unknown environments. Procedia Computer Science, 186, 555-562. https://doi.org/10.1016/j.procs.2021.04.176

[7] Serov, V. A., Voronov, E. M., & Kozlov, D. A. (2021). A neuro-evolutionary synthesis of coordinated stable-effective compromises in hierarchical systems under conflict and uncertainty. Procedia Computer Science, 186, 257-268. https://doi.org/10.1016/j.procs.2021.04.145

[8] Gupta, A., & Srivastava, S. (2020). Comparative analysis of ant colony and particle swarm optimization algorithms for distance optimization. Procedia Computer Science, 173, 245-253. https://doi.org/10.1016/j.procs.2020.06.029

L’automate cellulaire respectable

J’essaie de développer une jonction entre deux créneaux de ma recherche : l’étude de faisabilité pour mon « Projet Aqueduc » d’une part et ma recherche plus théorique sur le phénomène d’intelligence collective d’autre part. Question : comment prédire et prévoir l’absorption d’une technologie nouvelle dans une structure sociale ? En des termes plus concrets, comment puis-je prévoir l’absorption de « Projet Aqueduc » dans l’environnement socio-économique ? Pour me rendre la vie plus difficile – ce qui est toujours intéressant – je vais essayer de construire le modèle de cette absorption à partir d’une base théorique relativement nouvelle pour moi, notamment la théorie d’automates cellulaires. En termes de littérature, pour le moment, je me réfère à deux articles espacés de 20 ans l’un de l’autre : Bandini, Mauri & Serra (2001[1]) ainsi que Yu et al. (2021[2]).

Pourquoi cette théorie précise ? Pourquoi pas, en fait ? Sérieusement, la théorie d’automates cellulaires essaie d’expliquer des phénomènes très complexes – qui surviennent dans des structures qui ont l’air d’être vraiment intelligentes – à partir d’assomptions très faibles à propos du comportement individuel d’entités simples à l’intérieur de ces structures. En plus, cette théorie est déjà bien traduite en termes d’intelligence artificielle et se marie donc bien avec mon but général de développer une méthode de simuler des changements socio-économiques avec des réseaux neuronaux.

Il y a donc un groupe des gens qui s’organisent d’une façon ou d’une autre autour d’une technologie nouvelle. Les ressources économiques et la structure institutionnelle de ce groupe peuvent varier : ça peut être une société de droit, un projet public-privé, une organisation non-gouvernementale etc. Peu importe : ça commence comme une microstructure sociale. Remarquez : une technologie existe seulement lorsque et dans la mesure qu’une telle structure existe, sinon une structure plus grande et plus complexe. Une technologie existe seulement lorsqu’il y a des gens qui s’occupent d’elle.

Il y a donc ce groupe organisé autour d’une technologie naissante. Tout ce que nous savons sur l’histoire économique et l’histoire des technologies nous dit que si l’idée s’avère porteuse, d’autres groupes plus ou moins similaires vont se former. Je répète : d’autres groupes. Lorsque la technologie des voitures électriques avait finalement bien mordu dans le marché, ceci n’a pas entraîné l’expansion monopolistique de Tesla. Au contraire : d’autres entités ont commencé à bâtir de façon indépendante sur l’expérience de Tesla. Aujourd’hui, chacun des grands constructeurs automobiles vit une aventure plus ou moins poussée avec les bagnoles électriques et il y a toute une vague des startups crées dans le même créneau. En fait, la technologie du véhicule électrique a donné une deuxième jeunesse au modèle de petite entreprise automobile, un truc qui semblait avoir été renvoyé à la poubelle de l’histoire.

L’absorption d’une technologie nouvelle peut donc être représentée comme la prolifération des cellules bâties autour de cette technologie. A quoi bon, pouvez-vous demander. Pourquoi inventer un modèle théorique de plus pour le développement des technologies nouvelles ? Après tout, il y en a déjà pas mal, de tels modèles. Le défi théorique consiste à simuler le changement technologique de façon à cerner des Cygnes Noirs possibles. La différence entre un cygne noir tout simple et un Cygne Noir écrit avec des majuscules est que ce dernier se réfère au livre de Nassim Nicolas Taleb « The Black Swan. The impact of the highly improbable », Penguin, 2010. Oui, je sais, il y a plus que ça. Un Cygne Noir en majuscules peut bien être le Cygne Noir de Tchaïkovski, donc une femme (Odile) autant attirante que dangereuse par son habileté d’introduire du chaos dans la vie d’un homme. Je sais aussi que si j’arrangerai une conversation entre Tchaïkovski et Carl Gustav Jung, les deux messieurs seraient probablement d’accord qu’Odile alias Cygne Noir symbolise le chaos, en opposition à l’ordre fragile dans la vie de Siegfried, donc à Odette. Enfin, j’fais pas du ballet, moi, ici. Je blogue. Ceci implique une tenue différente, ainsi qu’un genre différent de flexibilité. Je suis plus âgé que Siegfried, aussi, comme par une génération.  

De tout en tout, mon Cygne Noir à moi est celui emprunté à Nassim Nicolas Taleb et c’est donc un phénomène qui, tout en étant hors d’ordinaire et surprenant pour les gens concernés, est néanmoins fonctionnellement et logiquement dérivé d’une séquence des phénomènes passés. Un Cygne Noir se forme autour des phénomènes qui pendant un certain temps surviennent aux extrémités de la courbe Gaussienne, donc à la frange de probabilité. Les Cygnes Noirs véhiculent du danger et des opportunités nouvelles, à des doses aussi variées que le sont les Cygnes Noirs eux-mêmes. L’intérêt pratique de cerner des Cygnes Noirs qui peuvent surgir à partir de la situation présente est donc celui de prévenir des risques du type catastrophique d’une part et de capter très tôt des opportunités exceptionnelles d’autre part.

Voilà donc que, mine de rien, je viens d’enrichir la description fonctionnelle de ma méthode de simuler l’intelligence collective des sociétés humaines avec les réseaux neuronaux artificiels. Cette méthode peut servir à identifier à l’avance des développements possibles du type de Cygne Noir : significatifs, subjectivement inattendus et néanmoins fonctionnellement enracinées dans la réalité présente.

Il y a donc cette technologie nouvelle et il y a des cellules socio-économiques qui se forment autour d’elle. Il y a des espèces distinctes des cellules et chaque espèce correspond à une technologie différente. Chaque cellule peut être représentée comme un automate cellulaire A = (Zd, S, n, Sn+1 -> S), dont l’explication commence avec Zd, donc l’espace à d dimensions ou les cellules font ce qu’elles ont à faire. L’automate cellulaire ne sait rien sur cet espace, tout comme une truite n’est pas vraiment forte lorsqu’il s’agit de décrire une rivière. Un automate cellulaire prend S états différents et ces états sont composés des mouvements du type un-pas-à-la-fois, dans n emplacements cellulaires adjacents. L’automate sélectionne ces S états différents dans un catalogue plus large Sn+1 de tous les états possibles et la fonction Sn+1 -> S alias la règle locale de l’automate A décrit de façon générale le quotient de cette sélection, donc la capacité de l’automate cellulaire d’explorer toutes les possibilités de bouger son cul (cellulaire) juste d’un cran à partir de la position actuelle.

Pourquoi distinguer ces quatre variables structurelles dans l’automate cellulaire ? Pourquoi n’assumons-nous pas que le nombre possible des mouvements « n » est une fonction constante des dimensions offertes par l’espace Zd ? Pourquoi ne pas assumer que le nombre réel d’états S est égal au total possible de Sn+1 ? Eh bien parce que la théorie d’automates cellulaires a des ambitions de servir à quelque chose d’utile et elle s’efforce de simuler la réalité. Il y a donc une technologie nouvelle encapsulée dans une cellule sociale A. L’espace social autour d’A est vaste, mais il peut y avoir des portes verrouillées. Des marchés oligopoles, des compétiteurs plus rapides et plus entreprenants, des obstacles légaux et mêmes des obstacles purement sociaux. Si une société à qui vous proposez de coopérer dans votre projet innovant craint d’être exposée à 10 000 tweets enragés de la part des gens qui n’aiment pas votre technologie, cette porte-là est fermée, quoi que la dimension où elle se trouve est théoriquement accessible.

Si je suis un automate cellulaire tout à fait ordinaire et j’ai la possibilité de bouger dans n emplacements sociaux adjacents à celui où je suis maintenant, je commence par choisir juste un mouvement et voir ce qui se passe. Lorsque tout se passe de façon satisfaisante, j’observe mon environnement immédiat nouveau – j’observe donc le « n » nouveau visible à partir de la cellule où je viens de bouger – je fais un autre mouvement dans un emplacement sélectionné dans ce nouveau « n » et ainsi de suite. Dans un environnement immédiat « n » moi, l’automate cellulaire moyen, j’explore plus qu’un emplacement possible de parmi n seulement lorsque je viens d’essuyer un échec dans l’emplacement précédemment choisi et j’avais décidé que la meilleure stratégie est de retourner à la case départ tout en reconsidérant les options possibles.         

La cellule sociale bâtie autour d’une technologie va donc se frayer un chemin à travers l’espace social Zd, en essayant de faire des mouvement réussis, donc en sélectionnant une option de parmi les « n » possibles. Oui, les échecs ça arrive et donc parfois la cellule sociale va expérimenter avec k > 1 mouvements immédiats. Néanmoins, la situation où k = n c’est quand les gens qui travaillent sur une technologie nouvelle ont essayé, en vain, toutes les options possibles sauf une dernière et se jettent la tête en avant dans celle-ci, qui s’avère une réussite. De telles situations arrivent, je le sais. Je crois bien que Canal+ était une aventure de ce type à ces débuts. Néanmoins, lorsqu’un truc marche, dans le lancement d’une technologie nouvelle, on juste continue dans la foulée sans regarder par-dessus l’épaule.

Le nombre réel S d’états que prend un automate cellulaire est donc largement sujet à l’hystérèse. Chaque mouvement réussi est un environnement immédiat de moins à exploiter, donc celui laissé derrière nous.  En même temps, c’est un défi nouveau de faire l’autre mouvement réussi au premier essai sans s’attarder dans des emplacements alternatifs. L’automate cellulaire est donc un voyageur plus qu’un explorateur. Bref, la formulation A = (Zd, S, n, Sn+1 -> S) d’un automate cellulaire exprime donc des opportunités et des contraintes à la fois.

Ma cellule sociale bâtie autour de « Projet Aqueduc » coexiste avec des cellules sociales bâties autour d’autres technologies. Comme tout automate cellulaire respectable, je regarde autour de moi et je vois des mouvements évidents en termes d’investissement. Je peux bouger ma cellule sociale en termes de capital accumulé ainsi que de l’échelle physique des installations. Je suppose que les autres cellules sociales centrées sur d’autres technologies vont faire de même : chercher du capital et des opportunités de croître physiquement. Excellent ! Voilà donc que je vois deux dimensions de Zd : l’échelle financière et l’échelle physique. Je me demande comment faire pour y bouger et je découvre d’autres dimensions, plus comportementales et cognitives celles-là : le retour interne (profit) espéré sur l’investissement ainsi que le retour externe (croissance de valeur d’entreprise), la croissance générale du marché de capital d’investissement etc.

Trouver des dimensions nouvelles, c’est fastoche, par ailleurs. Beaucoup plus facile que c’est montré dans les films de science-fiction. Il suffit de se demander ce qui peut bien gêner nos mouvements, regarder bien autour, avoir quelques conversations et voilà ! Je peux découvrir des dimensions nouvelles même sans accès à un téléporteur inter-dimensionnel à haute énergie. Je me souviens d’avoir vu sur You Tube une série de vidéos dont les créateurs prétendaient savoir à coup sûr que le grand collisionneur de hadrons (oui, celui à Genève) a ouvert un tunnel vers l’enfer. Je passe sur des questions simplissimes du genre : « Comment savez-vous que c’est un tunnel, donc un tube avec une entrée et une sortie ? Comment savez-vous qu’il mène en enfer ? Quelqu’un est-il allé de l’autre côté et demandé les locaux où ça où ils habitent ? ». Le truc vraiment épatant est qu’il y a toujours des gens qui croient dur comme fer que vous avez besoin des centaines de milliers de dollars d’investissement et des années de recherche scientifique pour découvrir un chemin vers l’enfer. Ce chemin, chacun de nous l’a à portée de la main. Suffit d’arrêter de découvrir des dimensions nouvelles dans notre existence.

Bon, je suis donc un automate cellulaire respectable qui développe le « Projet Aqueduc » à partir d’une cellule d’enthousiastes et en présence d’autres automates cellulaires. On bouge, nous, les automates cellulaires, le long de deux dimensions bien claires d’échelle – capital accumulé et taille physique des installations – et on sait que bouger dans ces dimensions-ci exige un effort dans d’autres dimensions moins évidentes qui s’entrelacent autour d’intérêt général pour notre idée de la part des gens extra – cellulaires. Notre Zd est en fait un Zd eh ben alors !. Le fait d’avoir deux dimensions bien visibles et un nombre discutable de dimensions plus floues fait que le nombre « n » des mouvements possibles est tout aussi discutable et on évite d’en explorer toutes les nuances. On saute sur le premier emplacement possible de parmi « n », ce qui nous transporte dans un autre « n », puis encore et encore.

Lorsque tous les automates cellulaires démontrent des règles locales Sn+1 -> S à peu près cohérentes, il est possible d’en faire une description instantanée Zd -> S, connue aussi comme configuration de A ou bien son état global. Le nombre d’états possibles que mon « Projet Aqueduc » peut prendre dans un espace rempli d’automates cellulaires va dépendre du nombre d’états possibles d’autres automates cellulaires. Ces descriptions instantanées Zd -> S sont, comme le nom l’indique, instantanées, donc temporaires et locales. Elles peuvent changer. En particulier, le nombre S d’états possibles de mon « Projet Aqueduc » change en fonction de l’environnement immédiat « n » accessible à partir de la position courante t. Une séquence de positions correspond donc à une séquence des configurations ct = Zd -> S (t) et cette séquence est désignée comme comportement de l’automate cellulaire A ou bien son évolution.        


[1] Bandini, S., Mauri, G., & Serra, R. (2001). Cellular automata: From a theoretical parallel computational model to its application to complex systems. Parallel Computing, 27(5), 539-553. https://doi.org/10.1016/S0167-8191(00)00076-4

[2] Yu, J., Hagen-Zanker, A., Santitissadeekorn, N., & Hughes, S. (2021). Calibration of cellular automata urban growth models from urban genesis onwards-a novel application of Markov chain Monte Carlo approximate Bayesian computation. Computers, environment and urban systems, 90, 101689. https://doi.org/10.1016/j.compenvurbsys.2021.101689

Plusieurs bouquins à la fois, comme d’habitude

Je suis en train de finir la première version, encore un peu rudimentaire, de mon article sur la faisabilité du « Projet Aqueduc » : un concept technologique en phase de naissance que j’essaie de développer et de promouvoir. Je pense que j’ai fait tous les calculs de base et j’ai l’intention d’en donner un compte rendu sommaire dans cette mise à jour. Je vais présenter ces résultats dans une structure logique qui est en train de faire sa percée dans le monde de la science : je commence par présenter l’idée de base et je l’associe avec du matériel empirique que je juge pertinent ainsi qu’avec la méthode d’analyse de ce matériel. Seulement après la description méthodologique je fais une revue de la littérature à propos des points saillants de la méthode et de l’idée de base. Ces trois composantes de base – introduction, matériel empirique et méthode d’analyse, revue de la littérature – forment la base de ce qui suit, donc de la présentation des calculs et leurs résultats ainsi que la discussion finale du tout. C’est une forme de composition qui est en train de remplacer une structure plus traditionnelle, qui était bâtie autour d’une transition rigoureuse de la théorie vers la partie empirique.

Je commence donc par reformuler et réaffirmer mon idée de base, donc l’essence même de « Projet Aqueduc ». Le travail de recherche que je viens de faire m’a fait changer les idées à ce propos. Initialement, je voyais le « Project Aqueduc » de la façon que vous pouvez voir décrite dans une mise à jour antérieure : « Ça semble expérimenter toujours ». Maintenant, je commence à apprécier la valeur cognitive et pratique de la méthode que j’ai mise au point pour conduire l’étude de faisabilité elle-même. La méthode en question est une application créative (enfin, j’espère) du rasoir d’Ockham : je divise mon concept entier en technologies composantes spécifiques et j’utilise la revue de littérature pour évaluer le degré d’incertitude attaché à chacune de parmi elles. Je concentre l’étude de faisabilité économique sur ce que peux dire de façon à peu près fiable à propos des technologies relativement le plus certaines et j’assume que ces technologies-là doivent générer un surplus de liquidité financière suffisant pour financer le développement de celles relativement plus incertaines.

Dans le cadre du « Projet Aqueduc », ce qui semble le mieux enraciné en termes de calcul ces coûts et d’investissement c’est la technologie de hydro-génération. Celle-ci est bien documentée et bien connue. Pas vraiment beaucoup d’innovation, par ailleurs. ça semble tourner tout seul. Les technologies de, respectivement, stockage d’énergie ainsi que chargement des voitures électriques viennent juste après en termes de prévisibilité : ça bouge, mais ça bouge de façon plutôt organisée. Il y a des innovations à espérer mais je pense que je suis capable de prédire plus ou moins de quelle direction elles vont venir.

Quoi qu’il en soit, j’ai simulé des installations hypothétiques de « Projet Aqueduc » dans les embouchures de 32 rivières de mon pays, la Pologne. J’ai pris les données officielles sur le débit par seconde, en mètres cubes, et j’ai simulé trois niveaux d’adsorption à partir de ce courant, à travers les béliers hydrauliques du « Projet Aqueduc » : 5%, 10% et 20%. En parallèle, j’ai simulé trois élévations possibles des réservoirs d’égalisation : 10 mètres, 20 mètres et 30 mètres. Avec les 654 millimètres de précipitations annuelles moyennes en Pologne, donc avec un ravitaillement hydrologique des précipitations avoisinant 201,8 milliards mètres cubes, ces 32 installations hypothétiques pourraient faire re-circuler entre 2,5% et 10% de ce total. Ceci fait un impact hydrologique substantiel pendant que l’impact sur le marché d’énergie n’est pas vraiment important. Avec l’adsorption d’eau au maximum, soit 20% du débit des rivières en question, ainsi qu’avec l’élévation des réservoirs d’égalisation fixée à 30 mètres (donc le maximum rationnellement possible vu la littérature du sujet), la puissance électrique totale de ces 32 installations hypothétiques serait de quelques 128,9 mégawatts, contre les 50 gigawatts déjà installés dans le système énergétique de la Pologne.

J’écrivais, dans mes mises à jour précédentes, que le « Projet Aqueduc » combine l’impact hydrologique avec celui sur le marché d’énergies renouvelables. Faut que je corrige. La production d’hydro-énergie est tout juste un moyen d’assurer la faisabilité économique du projet et puisque j’en suis là, encore quelques résultats de calculs. Vu les données d’Eurostat sur les prix d’énergie, le « Projet Aqueduc » semble faisable financièrement plutôt avec les prix moyens enregistrés en Europe qu’avec les prix minimum. Avec les prix moyens, l’exploitation des turbines hydroélectriques ainsi que celle d’installations de stockage d’énergie peut dégager quelques 90% de marge brute qui, à son tour, peut servir à financer les autres technologies du projet (pompage avec les béliers hydrauliques, infrastructure hydrologique etc.) et à créer un surplus net de trésorerie. En revanche, lorsque je simule les prix d’énergie à leur minimum empirique, ça donne un déficit brut de -18% après le coût d’énergie et de son stockage. Du coup, le « Projet Aqueduc » n’est pas vraiment du genre « énergies renouvelables pour tous et bon marché ». Le truc a des chances de marcher sans financement publique seulement lorsqu’il touche un marché de consommateurs prêts à payer plus que le minimum pour leur électricité.

En ce qui concerne la station de chargement de véhicules électriques, comme créneau marketing pour l’hydro-énergie produite, je répète tout simplement les conclusions que j’avais déjà exprimées dans la mise à jour intitulée « I have proven myself wrong » : ça n’a pas l’air de pouvoir marcher. A moins de créer une station de chargement hyper-demandée, avec des centaines de chargements par mois, il n’y aura tout simplement pas de trafic suffisant, au moins pas avec les proportions présentes entre la flotte de véhicules électriques en Europe et le réseau des stations de chargement. En revanche, il y a cette idée alternative de stations mobiles de chargement, développé de façon rigoureuse par Elmeligy et al. (2021[1]), par exemple. C’est un changement profond d’approche. Au lieu de construire une station puissante de chargement rapide, couplée avec un magasin d’énergie performant (et cher), on construit un système de batteries mobiles à puissance un peu moins élevée (200 kW dans la solution citée) et on les déplace à travers des parkings fréquentés dans un véhicule spécialement adapté à cette fin.

Maintenant, je change de sujet, mais alors complètement. Hier, j’ai reçu un courriel de la part d’une maison d’édition américaine, Nova Science Publishers, Inc., avec l’invitation à proposer un manuscrit de livre sur le sujet général d’intelligence collective. Apparemment, ils ont lu mon article dans le journal « Energy », intitulé « Energy efficiency as manifestation of collective intelligence in human societies ». Il est aussi possible que quelqu’un chez Nova suit mon blog et ce que je publie sur le phénomène d’intelligence collective. Écrire un livre est différent d’écrire un article. Ce dernier privilégie la concision et la brévité pendant que le premier exige un flot abondant d’idées tout comme un contexte riche et structuré.

En faisant un peu de lecture, ces dernières semaines, je me suis rendu compte que mon hypothèse générale d’intelligence collective des sociétés humaines – donc l’hypothèse d’apprentissage collectif à travers l’expérimentation avec plusieurs versions alternatives de la même structure sociale de base – se marie bien avec l’hypothèse des systèmes complexes. J’ai trouvé cette intersection intéressante comme je lisais le livre intitulé « 1177 B.C. The Year Civilisation Collapsed. Revised and Updated », publié par Eric H. Cline chez Princeton University Press en 2021[2]. En étudiant les mécanismes possibles de la décomposition des grands empires de l’âge de Bronze, Eric Cline cite la théorie des systèmes complexes. Si un ensemble est composé d’entités qui différent dans leur complexité – donc si nous observons entité dans entité et tout ça dans encore une autre entité – les connections fonctionnelles entre ces entités peuvent en quelque sorte stocker l’information et donc générer l’apprentissage spontané. De façon tout à fait surprenante, j’ai trouvé une référence scientifiquement sérieuse à la théorie des systèmes complexes dans un autre bouquin que je suis en train de lire (oui, j’ai l’habitude de lire plusieurs livres à la fois), donc dans « Aware. The Science and Practice of Presence. The Groundbreaking Meditation Practice », publié par Daniel J. Siegel chez TarcherPerigee en 2018[3].  Daniel J. Siegel developpe sur l’hypothèse que la conscience humaine est un système complexe et comme tel est capable d’auto-organisation. Je me permets de traduire ad hoc un court passage du début de ce livre : « L’une des caractéristiques émergentes fondamentales des systèmes complexes dans cette réalité qui est la nôtre est désignée comme auto-organisation. C’est un concept que vous pourriez croire être crée par quelqu’un en psychologie ou même dans les affaires, mais c’est un terme mathématique. La forme ou les contours du déploiement d’un système complexe sont déterminés par cette propriété émergente d’auto-organisation. Ce déploiement peut être optimisé ou bien il peut être contraint. Lorsqu’il ne s’optimise pas, il passe vers chaos ou vers la rigidité. Lorsqu’il s’optimise, il passe vers l’harmonie, en étant flexible, adaptable, cohérent, énergétique et stable ».

Intéressant : une étude systématique du développement et de la chute d’une civilisation peut trouver la même base théorique que l’étude scientifique de la méditation et cette base et la théorie des systèmes complexes. La façon do cette théorie se présente ressemble beaucoup à mes simulations de changement social et technologique où j’utilise des réseaux neuronaux comme représentation d’intelligence collective. Je suis en train de réfléchir sur la façon la plus générale possible d’exprimer et englober mon hypothèse d’intelligence collective. Je pense que le brouillon intitulé « Behavioral absorption of Black Swans: simulation with an artificial neural network », en combinaison avec la théorie des chaînes imparfaites de Markov (Berghout & Verbitskiy 2021[4]) sont peut-être le meilleur point de départ. J’assume donc que toute réalité sociale est une collection des phénomènes que nous ne percevons que de façon partielle et imparfaite et que nous estimons comme saillants lorsque leur probabilité d’occurrence dépasse un certain niveau critique.

Mathématiquement, la réalité sociale intelligible est donc un ensemble de probabilités. Je ne fais aucune assomption à priori quant à la dépendance mutuelle formelle de ces probabilités, mais je peux assumer que nous percevons tout changement de réalité sociale comme passage d’un ensemble des probabilités à un autre, donc comme une chaîne complexe d’états. Ici et maintenant, nous sommes dans une chaîne complexe A et à partir de là, tout n’est pas possible. Bien sûr, je ne veux pas dire que tout est impossible : j’assume tout simplement que la complexité d’ici et maintenant peut se transformer en d’autres complexités sous certaines conditions et contraintes. L’assomption la plus élémentaire à ce propos est que nous envisageons de bouger notre cul collectif seulement vers des états complexes qui nous rapprochent de ce que nous poursuivons ensemble et ceci quelles que soient les contraintes exogènes à notre choix. Je dirais même qu’en présence de contraintes sévères nous devenons particulièrement attentifs à l’état complexe prochain vers lequel nous transigeons. Une société constamment menacée par la pénurie de nourriture, par exemple, va être très tatillonne et en même temps très ingénieuse dans sa propre croissance démographique, en allant même jusqu’à la régulation culturelle du cycle menstruel des femmes.

Bon, ce sera tout dans cette mise à jour. Je m’en vais réfléchir et lire (plusieurs bouquins à la fois, comme d’habitude).


[1] Elmeligy, M. M., Shaaban, M. F., Azab, A., Azzouz, M. A., & Mokhtar, M. (2021). A Mobile Energy Storage Unit Serving Multiple EV Charging Stations. Energies, 14(10), 2969. https://doi.org/10.3390/en14102969

[2] LCCN 2020024530 (print) | LCCN 2020024531 (ebook) | ISBN 9780691208015 (paperback) | ISBN 9780691208022 (ebook) ; Cline, Eric H.. 1177 B.C.: 6 (Turning Points in Ancient History, 1) . Princeton University Press. Kindle Edition.

[3] LCCN 2018016987 (print) | LCCN 2018027672 (ebook) | ISBN 9780143111788 | ISBN 9781101993040 (hardback) ; Siegel, Daniel J.. Aware (p. viii). Penguin Publishing Group. Kindle Edition.

[4] Berghout, S., & Verbitskiy, E. (2021). On regularity of functions of Markov chains. Stochastic Processes and their Applications, Volume 134, April 2021, Pages 29-54, https://doi.org/10.1016/j.spa.2020.12.006

I have proven myself wrong

I keep working on a proof-of-concept paper for the idea I baptized ‘Energy Ponds’. You can consult two previous updates, namely ‘We keep going until we observe’ and ‘Ça semble expérimenter toujours’ to keep track of the intellectual drift I am taking. This time, I am focusing on the end of the technological pipeline, namely on the battery-powered charging station for electric cars. First, I want to make myself an idea of the market for charging.

I take the case of France. In December 2020, they had a total of 119 737 electric vehicles officially registered (matriculated), which made + 135% as compared to December 2019[1]. That number pertains only to 100% electrical ones, with plug-in hybrids left aside for the moment. When plug-in hybrids enter the game, France had, in December 2020, 470 295 vehicles that need or might need the services of charging stations. According to the same source, there were 28 928 charging stations in France at the time, which makes 13 EVs per charging station. That coefficient is presented for 4 other European countries: Norway (23 EVs per charging station), UK (12), Germany (9), and Netherlands (4).

I look up into other sources. According to Reuters[2], there was 250 000 charging stations in Europe by September 2020, as compared to 34 000 in 2014. That means an average increase by 36 000 a year. I find a different estimation with Statista[3]: 2010 – 3 201; 2011 – 7 018; 2012 – 17 498; 2013 – 28 824; 2014 – 40 910; 2015 – 67 064; 2016 – 98 669; 2017 – 136 059; 2018 – 153 841; 2019 – 211 438; 2020 – 285 796.

On the other hand, the European Alternative Fuels Observatory supplies their own data at https://www.eafo.eu/electric-vehicle-charging-infrastructure, as regards European Union.

Number of EVs per charging station (source: European Alternative Fuels Observatory):

EVs per charging station
201014
20116
20123
20134
20145
20155
20165
20175
20186
20197
20209

The same EAFO site gives their own estimation as regards the number of charging stations in Europe:

Number of charging stations in Europe (source: European Alternative Fuels Observatory):

High-power recharging points (more than 22 kW) in EUNormal charging stations in EUTotal charging stations
201225710 25010 507
201375117 09317 844
20141 47424 91726 391
20153 39644 78648 182
20165 19070 01275 202
20178 72397 287106 010
201811 138107 446118 584
201915 136148 880164 016
202024 987199 250224 237

Two conclusions jump to the eye. Firstly, there is just a very approximate count of charging stations. Numbers differ substantially from source to source. I can just guess that one of the reasons for that discrepancy is the distinction between officially issued permits to build charging points, on the one hand, and the actually active charging points, on the other hand. In Europe, building charging points for electric vehicles has become sort of a virtue, which governments at all levels like signaling. I guess there is some boasting and chest-puffing in the numbers those individual countries report.  

Secondly, high-power stations, charging with direct current, with a power of at least 22 kWh,  gain in importance. In 2012, that category made 2,45% of the total charging network in Europe, and in 2020 that share climbed to 11,14%. This is an important piece of information as regards the proof-of-concept which I am building up for my idea of Energy Ponds. The charging station I placed at the end of the pipeline in the concept of Energy Ponds, and which is supposed to earn a living for all the technologies and installations upstream of it, is supposed to be powered from a power storage facility. That means direct current, and most likely, high power.   

On the whole, the www.eafo.eu site seems somehow more credible that Statista, with all the due respect for the latter, and thus I am reporting some data they present on the fleet of EVs in Europe. Here it comes, in a few consecutive tables below:

Passenger EVs in Europe (source: European Alternative Fuels Observatory):

BEV (pure electric)PHEV (plug-in-hybrid)Total
20084 1554 155
20094 8414 841
20105 7855 785
201113 39516313 558
201225 8913 71229 603
201345 66232 47478 136
201475 47956 745132 224
2015119 618125 770245 388
2016165 137189 153354 290
2017245 347254 473499 820
2018376 398349 616726 014
2019615 878479 7061 095 584
20201 125 485967 7212 093 206

Light Commercial EVs in Europe (source: European Alternative Fuels Observatory):

BEV (pure electric)PHEV (plug-in-hybrid)Total
2008253253
2009254254
2010309309
20117 6697 669
20129 5279 527
201313 66913 669
201410 04910 049
201528 61028 610
201640 926140 927
201752 026152 027
201876 286176 287
201997 36311797 480
2020120 7111 054121 765

Bus EVs in Europe (source: European Alternative Fuels Observatory):

BEV (pure electric)PHEV (plug-in-hybrid)Total
20082727
20091212
2010123123
2011128128
2012286286
2013376376
201438940429
2015420145565
2016686304990
20178884451 333
20181 6084862 094
20193 6365254 161
20205 3115505 861

Truck EVs in Europe (source: European Alternative Fuels Observatory):

BEV (pure electric)PHEV (plug-in-hybrid)Total
200855
200955
201066
201177
201288
20134747
20145858
20157171
201611339152
2017544094
201822240262
201959538633
2020983291 012

Structure of EV fleet in Europe as regards the types of vehicles (source: European Alternative Fuels Observatory):

Passenger EVLight commercial EVBus EVTruck EV
200893,58%5,70%0,61%0,11%
200994,70%4,97%0,23%0,10%
201092,96%4,97%1,98%0,10%
201163,47%35,90%0,60%0,03%
201275,09%24,17%0,73%0,02%
201384,72%14,82%0,41%0,05%
201492,62%7,04%0,30%0,04%
201589,35%10,42%0,21%0,03%
201689,39%10,33%0,25%0,04%
201790,34%9,40%0,24%0,02%
201890,23%9,48%0,26%0,03%
201991,46%8,14%0,35%0,05%
202094,21%5,48%0,26%0,05%

Summing it up a bit. The market of Electric Vehicles in Europe seems being durably dominated by passenger cars. There is some fleet in other categories of vehicles, and there is even some increase, but, for the moment, in all looks more like an experiment. Well, maybe electric buses turn up sort of more systemically.

The proportion between the fleet of electric vehicles and the infrastructure of charging stations still seems to be in the phase of adjustment in the latter to the abundance of the former. Generally, the number of charging stations seems to be growing slower than the fleet of EVs. Thus, for my own concept, I assume that the coefficient of 9 EVs per charging station, on average, will stand still or will slightly increase. For the moment, I take 9. I assume that my charging stations will have like 9 habitual customers, plus a fringe of incidental ones.

From there, I think in the following terms. The number of times the average customer charges their car depends on the distance they cover. Apparently, there is like a 100 km  50 kWh equivalence. I did not find detailed statistics as regards distances covered by electric vehicles as such, however I came by some Eurostat data on distances covered by all passenger vehicles taken together: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Passenger_mobility_statistics#Distance_covered . There is a lot of discrepancy between the 11 European countries studied for that metric, but the average is 12,49 km per day. My average 9 customers would do, in total, an average of 410,27 of 50 kWh charging purchases per year. I checked the prices of fast charging with direct current: 2,3 PLN per 1 kWh in Poland[4],  €0,22 per 1 kWh in France[5], $0,13 per 1 kWh in US[6], 0,25 pence per 1 kWh in UK[7]. Once converted to US$, it gives $0,59 in Poland, $0,26 in France, $0,35 in UK, and, of course, $0,13 in US. Even at the highest price, namely that in Poland, those 410,27 charging stops give barely more than $12 000 a year.

If I want to have a station able to charge 2 EVs at the same time, fast charging, and counting 350 kW per charging pile (McKinsey 2018[8]), I need 700 kW it total. Investment in batteries is like $600 ÷ $800 per 1 kW (Cole & Frazier 2019[9]; Cole, Frazier, Augustine 2021[10]), thus 700 * ($600 ÷ $800) = $420 000 ÷ $560 000. There is no way that investment pays back with $12 000 a year in revenue, and I haven’t even started talking about paying off on investment in all the remaining infrastructure of Energy Ponds: ram pumps, elevated tanks, semi-artificial wetlands, and hydroelectric turbines.

Now, I revert my thinking. Investment in the range of $420 000 ÷ $560 000, in the charging station and its batteries, gives a middle-of-the-interval value of $490 000. I found a paper by Zhang et al. (2018[11]) who claim that a charging station has chances to pay off, as a business, when it sells some 5 000 000 kWh a year. When I put it back-to-back with the [50 kWh / 100 km] coefficient, it gives 10 000 000 km. Divided by the average annual distance covered by European drivers, thus by 4 558,55 km, it gives 2 193,68 customers per year, or some 6 charging stops per day. That seems hardly feasible with 9 customers. I assume that one customer would charge their electric vehicle no more than twice a week, and 6 chargings a day make 6*7 = 42 chargings, and therefore 21 customers.

I need to stop and think. Essentially, I have proven myself wrong. I had been assuming that putting a charging station for electric vehicles at the end of the internal value chain in the overall infrastructure of Energy Ponds will solve the problem of making money on selling electricity. Turns out it makes even more problems. I need time to wrap my mind around it.


[1] http://www.avere-france.org/Uploads/Documents/161011498173a9d7b7d55aef7bdda9008a7e50cb38-barometre-des-immatriculations-decembre-2020(9).pdf

[2] https://www.reuters.com/article/us-eu-autos-electric-charging-idUSKBN2C023C

[3] https://www.statista.com/statistics/955443/number-of-electric-vehicle-charging-stations-in-europe/

[4] https://elo.city/news/ile-kosztuje-ladowanie-samochodu-elektrycznego

[5] https://particulier.edf.fr/fr/accueil/guide-energie/electricite/cout-recharge-voiture-electrique.html

[6] https://afdc.energy.gov/fuels/electricity_charging_home.html

[7] https://pod-point.com/guides/driver/cost-of-charging-electric-car

[8] McKinsey Center for Future Mobility, How Battery Storage Can Help Charge the Electric-Vehicle Market?, February 2018,

[9] Cole, Wesley, and A. Will Frazier. 2019. Cost Projections for Utility-Scale Battery Storage.

Golden, CO: National Renewable Energy Laboratory. NREL/TP-6A20-73222. https://www.nrel.gov/docs/fy19osti/73222.pdf

[10] Cole, Wesley, A. Will Frazier, and Chad Augustine. 2021. Cost Projections for UtilityScale Battery Storage: 2021 Update. Golden, CO: National Renewable Energy

Laboratory. NREL/TP-6A20-79236. https://www.nrel.gov/docs/fy21osti/79236.pdf.

[11] Zhang, J., Liu, C., Yuan, R., Li, T., Li, K., Li, B., … & Jiang, Z. (2019). Design scheme for fast charging station for electric vehicles with distributed photovoltaic power generation. Global Energy Interconnection, 2(2), 150-159. https://doi.org/10.1016/j.gloei.2019.07.003

Ça semble expérimenter toujours

Je continue avec l’idée que j’avais baptisée « Projet Aqueduc ». Je suis en train de préparer un article sur ce sujet, du type « démonstration de faisabilité ». Je le prépare en anglais et je me suis dit que c’est une bonne idée de reformuler en français ce que j’ai écrit jusqu’à maintenant, l’histoire de changer l’angle intellectuel, me dégourdir un peu et prendre de la distance.

Une démonstration de faisabilité suit une logique similaire à tout autre article scientifique, sauf qu’au lieu d’explorer et vérifier une hypothèse théorique du type « les choses marchent de façon ABCD, sous conditions RTYU », j’explore et vérifie l’hypothèse qu’un concept pratique, comme celui du « Projet Aqueduc », a des fondements scientifiques suffisamment solides pour que ça vaille la peine de travailler dessus et de le tester en vie réelle. Les fondements scientifiques viennent en deux couches, en quelque sorte. La couche de base consiste à passer en revue la littérature du sujet pour voir si quelqu’un a déjà décrit des solutions similaires et là, le truc c’est explorer des différentes perspectives de similarité. Similaire ne veut pas dire identique, n’est-ce pas ? Cette revue de littérature doit apporter une structure logique – un modèle – applicable à la recherche empirique, avec des variables et des paramètres constants. C’est alors que vient la couche supérieure de démonstration de faisabilité, qui consiste à conduire de la recherche empirique proprement dite avec ce modèle.    

Moi, pour le moment, j’en suis à la couche de base. Je passe donc en revue la littérature pertinente aux solutions hydrologiques et hydroélectriques, tout en formant, progressivement, un modèle numérique du « Projet Aqueduc ». Dans cette mise à jour, je commence par une brève récapitulation du concept et j’enchaîne avec ce que j’ai réussi à trouver dans la littérature. Le concept de base du « Projet Aqueduc » consiste donc à placer dans le cours d’une rivière des pompes qui travaillent selon le principe du bélier hydraulique et qui donc utilisent l’énergie cinétique de l’eau pour pomper une partie de cette eau en dehors du lit de la rivière, vers des structures marécageuses qui ont pour fonction de retenir l’eau dans l’écosystème local. Le bélier hydraulique à la capacité de pomper à la verticale aussi bien qu’à l’horizontale et donc avant d’être retenue dans les marécages, l’eau passe par une structure similaire à un aqueduc élevé (d’où le nom du concept en français), avec des réservoirs d’égalisation de flux, et ensuite elle descend vers les marécages à travers des turbines hydroélectriques. Ces dernières produisent de l’énergie qui est ensuite emmagasinée dans une installation de stockage et de là, elle est vendue pour assurer la survie financière à la structure entière. On peut ajouter des installations éoliennes et/ou photovoltaïques pour optimiser la production de l’énergie sur le terrain occupé par la structure entière.  Vous pouvez trouver une description plus élaborée du concept dans ma mise à jour intitulée « Le Catch 22 dans ce jardin d’Eden ». La faisabilité dont je veux faire une démonstration c’est la capacité de cette structure à se financer entièrement sur la base des ventes d’électricité, comme un business régulier, donc de se développer et durer sans subventions publiques. La solution pratique que je prends en compte très sérieusement en termes de créneau de vente d’électricité est une station de chargement des véhicules électriques.   

L’approche de base que j’utilise dans la démonstration de faisabilité – donc mon modèle de base – consiste à représenter le concept en question comme une chaîne des technologies :

>> TCES – stockage d’énergie

>> TCCS – station de chargement des véhicules électriques

>> TCRP – pompage en bélier hydraulique

>> TCEW – réservoirs élevés d’égalisation

>> TCCW – acheminement et siphonage d’eau

>> TCWS – l’équipement artificiel des structures marécageuses

>> TCHE – les turbines hydroélectriques

>> TCSW – installations éoliennes et photovoltaïques     

Mon intuition de départ, que j’ai l’intention de vérifier dans ma recherche à travers la littérature, est que certaines de ces technologies sont plutôt prévisibles et bien calibrées, pendant qu’il y en a d’autres qui sont plus floues et sujettes au changement, donc moins prévisibles. Les technologies prévisibles sont une sorte d’ancrage pour the concept entier et celles plus floues sont l’objet d’expérimentation.

Je commence la revue de littérature par le contexte environnemental, donc avec l’hydrologie. Les variations au niveau de la nappe phréatiques, qui est un terme scientifique pour les eaux souterraines, semblent être le facteur numéro 1 des anomalies au niveau de rétention d’eau dans les réservoirs artificiels (Neves, Nunes, & Monteiro 2020[1]). D’autre part, même sans modélisation hydrologique détaillée, il y a des preuves empiriques substantielles que la taille des réservoirs naturels et artificiels dans les plaines fluviales, ainsi que la densité de placement de ces réservoirs et ma manière de les exploiter ont une influence majeure sur l’accès pratique à l’eau dans les écosystèmes locaux. Il semble que la taille et la densité des espaces boisés intervient comme un facteur d’égalisation dans l’influence environnementale des réservoirs (Chisola, Van der Laan, & Bristow 2020[2]). Par comparaison aux autres types de technologie, l’hydrologie semble être un peu en arrière en termes de rythme d’innovation et il semble aussi que des méthodes de gestion d’innovation appliquées ailleurs avec succès peuvent marcher pour l’hydrologie, par exemple des réseaux d’innovation ou des incubateurs des technologies (Wehn & Montalvo 2018[3]; Mvulirwenande & Wehn 2020[4]). L’hydrologie rurale et agriculturale semble être plus innovatrice que l’hydrologie urbaine, par ailleurs (Wong, Rogers & Brown 2020[5]).

Ce que je trouve assez surprenant est le manque apparent de consensus scientifique à propos de la quantité d’eau dont les sociétés humaines ont besoin. Toute évaluation à ce sujet commence avec « beaucoup et certainement trop » et à partir de là, le beaucoup et le trop deviennent plutôt flous. J’ai trouvé un seul calcul, pour le moment, chez Hogeboom (2020[6]), qui maintient que la personne moyenne dans les pays développés consomme 3800 litres d’eau par jour au total, mais c’est une estimation très holistique qui inclue la consommation indirecte à travers les biens et les services ainsi que le transport. Ce qui est consommé directement via le robinet et la chasse d’eau dans les toilettes, ça reste un mystère pour la science, apparemment, à moins que la science ne considère ce sujet comment trop terre-à-terre pour s’en occuper sérieusement.     

Il y a un créneau de recherche intéressant, que certains de ses représentants appellent « la socio-hydrologie », qui étudie les comportements collectifs vis-à-vis de l’eau et des systèmes hydrologiques et qui est basée sur l’observation empirique que lesdits comportements collectifs s’adaptent, d’une façon profonde et pernicieuse à la fois, aux conditions hydrologiques que la société en question vit avec (Kumar et al. 2020[7]). Il semble que nous nous adaptons collectivement à la consommation accrue de l’eau par une productivité croissante dans l’exploitation de nos ressources hydrologiques et le revenu moyen par tête d’habitant semble être positivement corrélé avec cette productivité (Bagstad et al. 2020[8]). Il paraît donc que l’accumulation et superposition de nombreuses technologies, caractéristique aux pays développés, contribue à utiliser l’eau de façon de plus en plus productive. Dans ce contexte, il y a une recherche intéressante conduite par Mohamed et al. (2020[9]) qui avance la thèse qu’un environnement aride est non seulement un état hydrologique mais aussi une façon de gérer les ressources hydrologiques, sur ma base des données qui sont toujours incomplètes par rapport à une situation qui change rapidement.

Il y a une question qui vient plus ou moins naturellement : dans la foulée de l’adaptation socio-hydrologique quelqu’un a-t-il présenté un concept similaire à ce que moi je présente comme « Projet Aqueduc » ? Eh bien, je n’ai rien trouvé d’identique, néanmoins il y a des idées intéressement proches. Dans l’hydrologie descriptive il y a ce concept de pseudo-réservoir, qui veut dire une structure comme les marécages ou des nappes phréatiques peu profondes qui ne retiennent pas l’eau de façons statique, comme un lac artificiel, mais qui ralentissent la circulation de l’eau dans le bassin fluvial d’une rivière suffisamment pour modifier les conditions hydrologiques dans l’écosystème (Harvey et al. 2009[10]; Phiri et al. 2021[11]). D’autre part, il y a une équipe des chercheurs australiens qui ont inventé une structure qu’ils appellent par l’acronyme STORES et dont le nom complet est « short-term off-river energy storage » (Lu et al. 2021[12]; Stocks et al. 2021[13]). STORES est une structure semi-artificielle d’accumulation par pompage, où on bâtit un réservoir artificiel au sommet d’un monticule naturel placé à une certaine distance de la rivière la plus proche et ce réservoir reçoit l’eau pompée artificiellement de la rivière. Ces chercheurs australiens avancent et donnent des preuves scientifiques pour appuyer la thèse qu’avec un peu d’astuce on peut faire fonctionner ce réservoir naturel en boucle fermée avec la rivière qui l’alimente et donc de créer un système de rétention d’eau. STORES semble être relativement le plus près de mon concept de « Projet Aqueduc » et ce qui est épatant est que moi, j’avais inventé mon idée pour l’environnement des plaines alluviales de l’Europe tandis que STORES avait été mis au point pour l’environnement aride et quasi-désertique d’Australie. Enfin, il y a l’idée des soi-disant « jardins de pluie » qui sont une technologie de rétention d’eau de pluie dans l’environnement urbain, dans des structures horticulturales, souvent placées sur les toits d’immeubles (Bortolini & Zanin 2019[14], par exemple).

Je peux conclure provisoirement que tout ce qui touche à l’hydrologie strictement dite dans le cadre du « Projet Aqueduc » est sujet aux changements plutôt imprévisible. Ce que j’ai pu déduire de la littérature ressemble à un potage bouillant sous couvercle. Il y a du potentiel pour changement technologique, il y a de la pression environnementale et sociale, mais il n’y pas encore de mécanismes institutionnels récurrents pour connecter l’un à l’autre. Les technologies TCEW (réservoirs élevés d’égalisation), TCCW (acheminement et siphonage d’eau), et TCWS (l’équipement artificiel des structures marécageuses) démontrant donc un avenir flou, je passe à la technologie TCRP de pompage en bélier hydraulique. J’ai trouvé deux articles chinois, qui se suivent chronologiquement et qui semblent par ailleurs avoir été écrits par la même équipe de chercheurs : Guo et al. (2018[15]), and Li et al. (2021[16]). Ils montrent la technologie du bélier hydraulique sous un angle intéressant. D’une part, les Chinois semblent avoir donné du vrai élan à l’innovation dans ce domaine spécifique, tout au moins beaucoup plus d’élan que j’ai pu observer en Europe. D’autre part, les estimations de la hauteur effective à laquelle l’eau peut être pompée avec les béliers hydrauliques dernier cri sont respectivement de 50 mètres dans l’article de 2018 et 30 mètres dans celui de 2021. Vu que les deux articles semblent être le fruit du même projet, il y a eu comme une fascination suivie par une correction vers le bas. Quoi qu’il en soit, même l’estimation plus conservative de 30 mètres c’est nettement mieux que les 20 mètres que j’assumais jusqu’à maintenant.

Cette élévation relative possible à atteindre avec la technologie du bélier hydraulique est importante pour la technologie suivante de ma chaîne, donc celle des petites turbines hydroélectriques, la TCHE. L’élévation relative de l’eau et le flux par seconde sont les deux paramètres clés qui déterminent la puissance électrique produite (Cai, Ye & Gholinia 2020[17]) et il se trouve que dans le « Projet Aqueduc », avec l’élévation et le flux largement contrôlés à travers la technologie du bélier hydraulique, les turbines deviennent un peu moins dépendantes sur les conditions naturelles.

J’ai trouvé une revue merveilleusement encyclopédique des paramètres pertinents aux petites turbines hydroélectriques chez Hatata, El-Saadawi, & Saad (2019[18]). La puissance électrique se calcule donc comme : Puissance = densité de l’eau (1000 kg/m3) * constante d’accélération gravitationnelle (9,8 m/s2) * élévation nette (mètres) * Q (flux par seconde m3/s).

L’investissement initial en de telles installations se calcule par unité de puissance, donc sur la base de 1 kilowatt et se divise en 6 catégories : la construction de la prise d’eau, la centrale électrique strictement dite, les turbines, le générateur, l’équipement auxiliaire, le transformateur et enfin le poste extérieur. Je me dis par ailleurs que – vu la structure du « Projet Aqueduc » – l’investissement en la construction de prise d’eau est en quelque sorte équivalent au système des béliers hydrauliques et réservoirs élevés. En tout cas :

>> la construction de la prise d’eau, par 1 kW de puissance  ($) 186,216 * Puissance-0,2368 * Élévation -0,597

>> la centrale électrique strictement dite, par 1 kW de puissance  ($) 1389,16 * Puissance-0,2351 * Élévation-0,0585

>> les turbines, par 1 kW de puissance  ($)

@ la turbine Kaplan: 39398 * Puissance-0,58338 * Élévation-0,113901

@ la turbine Frances: 30462 * Puissance-0,560135 * Élévation-0,127243

@ la turbine à impulsions radiales: 10486,65 * Puissance-0,3644725 * Élévation-0,281735

@ la turbine Pelton: 2 * la turbine à impulsions radiales

>> le générateur, par 1 kW de puissance  ($) 1179,86 * Puissance-0,1855 * Élévation-0,2083

>> l’équipement auxiliaire, par 1 kW de puissance  ($) 612,87 * Puissance-0,1892 * Élévation-0,2118

>> le transformateur et le poste extérieur, par 1 kW de puissance 

($) 281 * Puissance0,1803 * Élévation-0,2075

Une fois la puissance électrique calculée avec le paramètre d’élévation relative assurée par les béliers hydrauliques, je peux calculer l’investissement initial en hydro-génération comme la somme des positions mentionnées ci-dessus. Hatata, El-Saadawi, & Saad (2019 op. cit.) recommandent aussi de multiplier une telle somme par le facteur de 1,13 (c’est donc un facteur du type « on ne sait jamais ») et d’assumer que les frais courants d’exploitation annuelle vont se situer entre 1% et 6% de l’investissement initial.

Syahputra & Soesanti (2021[19]) étudient le cas de la rivière Progo, dotée d’un flux tout à fait modeste de 6,696 mètres cubes par seconde et située dans Kulon Progo Regency (une region spéciale au sein de Yogyakarta, Indonesia). Le système des petites turbines hydroélectriques y fournit l’électricité aux 962 ménages locaux, et crée un surplus de 4 263 951 kWh par an d’énergie à revendre aux consommateurs externes. Dans un autre article, Sterl et al. (2020[20]) étudient le cas de Suriname et avancent une thèse intéressante, notamment que le développement d’installations basées sur les énergies renouvelables crée un phénomène d’appétit d’énergie qui croît à mesure de manger et qu’un tel développement en une source d’énergie – le vent, par exemple – stimule l’investissement en installations basées sur d’autres sources, donc l’hydraulique et le photovoltaïque.  

Ces études relativement récentes corroborent celles d’il y a quelques années, comme celle de Vilanova & Balestieri (2014[21]) ou bien celle de Vieira et al. (2015[22]), avec une conclusion générale que les petites turbines hydroélectriques ont atteint un degré de sophistication technologique suffisante pour dégager une quantité d’énergie économiquement profitable. Par ailleurs, il semble qu’il y a beaucoup à gagner dans ce domaine à travers l’optimisation de la distribution de puissance entre les turbines différentes. De retour aux publications les plus récentes, j’ai trouvé des études de faisabilité tout à fait robustes pour les petites turbines hydroélectriques, qui indiquent que – pourvu qu’on soit prêt à accepter un retour d’environ 10 à 11 ans sur l’investissement initial – le petit hydro peut être exploité profitablement même avec une élévation relative en dessous de 20 mètres (Arthur et al. 2020[23] ; Ali et al. 2021[24]).

C’est ainsi que j’arrive donc à la portion finale dans la chaîne technologique du « Projet Aqueduc », donc au stockage d’énergie (TCES) ainsi que TCCS ou la station de chargement des véhicules électriques. La puissance à installer dans une station de chargement semble se situer entre 700 et 1000 kilowatts (Zhang et al. 2018[25]; McKinsey 2018[26]). En dessous de 700 kilowatt la station peut devenir si difficile à accéder pour le consommateur moyen, due aux files d’attente, qu’elle peut perdre la confiance des clients locaux. En revanche, tout ce qui va au-dessus de 1000 kilowatts est vraiment utile seulement aux heures de pointe dans des environnements urbains denses. Il y a des études de concept pour les stations de chargement où l’unité de stockage d’énergie est alimentée à partir des sources renouvelables (Al Wahedi & Bicer 2020[27]). Zhang et al. (2019[28]) présentent un concept d’entreprise tout fait pour une station de chargement située dans le milieu urbain. Apparemment, le seuil de profitabilité se situe aux environs de 5 100 000 kilowatt heures vendues par an.  

En termes de technologie de stockage strictement dite, les batteries Li-ion semblent être la solution de base pour maintenant, quoi qu’une combinaison avec les piles à combustible ou bien avec l’hydrogène semble prometteuse (Al Wahedi & Bicer 2020 op. cit. ; Sharma, Panvar & Tripati 2020[29]). En général, pour le moment, les batteries Li-Ion montrent le rythme d’innovation relativement le plus soutenu (Tomaszewska et al. 2019[30] ; de Simone & Piegari 2019[31]; Koohi-Fayegh & Rosen 2020[32]). Un article récent par Elmeligy et al. (2021[33]) présente un concept intéressant d’unité mobile de stockage qui pourrait se déplacer entre plusieurs stations de chargement. Quant à l’investissement initial requis pour une station de chargement, ça semble expérimenter toujours mais la marge de manœuvre se rétrécit pour tomber quelque part entre $600 ÷ $800 par 1 kW de puissance (Cole & Frazier 2019[34]; Cole, Frazier, Augustine 2021[35]).


[1] Neves, M. C., Nunes, L. M., & Monteiro, J. P. (2020). Evaluation of GRACE data for water resource management in Iberia: a case study of groundwater storage monitoring in the Algarve region. Journal of Hydrology: Regional Studies, 32, 100734. https://doi.org/10.1016/j.ejrh.2020.100734

[2] Chisola, M. N., Van der Laan, M., & Bristow, K. L. (2020). A landscape hydrology approach to inform sustainable water resource management under a changing environment. A case study for the Kaleya River Catchment, Zambia. Journal of Hydrology: Regional Studies, 32, 100762. https://doi.org/10.1016/j.ejrh.2020.100762

[3] Wehn, U., & Montalvo, C. (2018). Exploring the dynamics of water innovation: Foundations for water innovation studies. Journal of Cleaner Production, 171, S1-S19. https://doi.org/10.1016/j.jclepro.2017.10.118

[4] Mvulirwenande, S., & Wehn, U. (2020). Fostering water innovation in Africa through virtual incubation: Insights from the Dutch VIA Water programme. Environmental Science & Policy, 114, 119-127. https://doi.org/10.1016/j.envsci.2020.07.025

[5] Wong, T. H., Rogers, B. C., & Brown, R. R. (2020). Transforming cities through water-sensitive principles and practices. One Earth, 3(4), 436-447. https://doi.org/10.1016/j.oneear.2020.09.012

[6] Hogeboom, R. J. (2020). The Water Footprint Concept and Water’s Grand Environmental Challenges. One earth, 2(3), 218-222. https://doi.org/10.1016/j.oneear.2020.02.010

[7] Kumar, P., Avtar, R., Dasgupta, R., Johnson, B. A., Mukherjee, A., Ahsan, M. N., … & Mishra, B. K. (2020). Socio-hydrology: A key approach for adaptation to water scarcity and achieving human well-being in large riverine islands. Progress in Disaster Science, 8, 100134. https://doi.org/10.1016/j.pdisas.2020.100134

[8] Bagstad, K. J., Ancona, Z. H., Hass, J., Glynn, P. D., Wentland, S., Vardon, M., & Fay, J. (2020). Integrating physical and economic data into experimental water accounts for the United States: Lessons and opportunities. Ecosystem Services, 45, 101182. https://doi.org/10.1016/j.ecoser.2020.101182

[9] Mohamed, M. M., El-Shorbagy, W., Kizhisseri, M. I., Chowdhury, R., & McDonald, A. (2020). Evaluation of policy scenarios for water resources planning and management in an arid region. Journal of Hydrology: Regional Studies, 32, 100758. https://doi.org/10.1016/j.ejrh.2020.100758

[10] Harvey, J.W., Schaffranek, R.W., Noe, G.B., Larsen, L.G., Nowacki, D.J., O’Connor, B.L., 2009. Hydroecological factors governing surface water flow on a low-gradient floodplain. Water Resour. Res. 45, W03421, https://doi.org/10.1029/2008WR007129.

[11] Phiri, W. K., Vanzo, D., Banda, K., Nyirenda, E., & Nyambe, I. A. (2021). A pseudo-reservoir concept in SWAT model for the simulation of an alluvial floodplain in a complex tropical river system. Journal of Hydrology: Regional Studies, 33, 100770. https://doi.org/10.1016/j.ejrh.2020.100770.

[12] Lu, B., Blakers, A., Stocks, M., & Do, T. N. (2021). Low-cost, low-emission 100% renewable electricity in Southeast Asia supported by pumped hydro storage. Energy, 121387. https://doi.org/10.1016/j.energy.2021.121387

[13] Stocks, M., Stocks, R., Lu, B., Cheng, C., & Blakers, A. (2021). Global atlas of closed-loop pumped hydro energy storage. Joule, 5(1), 270-284. https://doi.org/10.1016/j.joule.2020.11.015

[14] Bortolini, L., & Zanin, G. (2019). Reprint of: Hydrological behaviour of rain gardens and plant suitability: A study in the Veneto plain (north-eastern Italy) conditions. Urban forestry & urban greening, 37, 74-86. https://doi.org/10.1016/j.ufug.2018.07.003

[15] Guo, X., Li, J., Yang, K., Fu, H., Wang, T., Guo, Y., … & Huang, W. (2018). Optimal design and performance analysis of hydraulic ram pump system. Proceedings of the Institution of Mechanical Engineers, Part A: Journal of Puissance and Energy, 232(7), 841-855. https://doi.org/10.1177%2F0957650918756761

[16] Li, J., Yang, K., Guo, X., Huang, W., Wang, T., Guo, Y., & Fu, H. (2021). Structural design and parameter optimization on a waste valve for hydraulic ram pumps. Proceedings of the Institution of Mechanical Engineers, Part A: Journal of Puissance and Energy, 235(4), 747–765. https://doi.org/10.1177/0957650920967489

[17] Cai, X., Ye, F., & Gholinia, F. (2020). Application of artificial neural network and Soil and Water Assessment Tools in evaluating Puissance generation of small hydroPuissance stations. Energy Reports, 6, 2106-2118. https://doi.org/10.1016/j.egyr.2020.08.010.

[18] Hatata, A. Y., El-Saadawi, M. M., & Saad, S. (2019). A feasibility study of small hydro Puissance for selected locations in Egypt. Energy Strategy Reviews, 24, 300-313. https://doi.org/10.1016/j.esr.2019.04.013

[19] Syahputra, R., & Soesanti, I. (2021). Renewable energy systems based on micro-hydro and solar photovoltaic for rural areas: A case study in Yogyakarta, Indonesia. Energy Reports, 7, 472-490. https://doi.org/10.1016/j.egyr.2021.01.015

[20] Sterl, S., Donk, P., Willems, P., & Thiery, W. (2020). Turbines of the Caribbean: Decarbonising Suriname’s electricity mix through hydro-supported integration of wind Puissance. Renewable and Sustainable Energy Reviews, 134, 110352. https://doi.org/10.1016/j.rser.2020.110352

[21] Vilanova, M. R. N., & Balestieri, J. A. P. (2014). HydroPuissance recovery in water supply systems: Models and case study. Energy conversion and management, 84, 414-426. https://doi.org/10.1016/j.enconman.2014.04.057

[22] Vieira, D. A. G., Guedes, L. S. M., Lisboa, A. C., & Saldanha, R. R. (2015). Formulations for hydroelectric energy production with optimality conditions. Energy Conversion and Management, 89, 781-788. https://doi.org/10.1016/j.enconman.2014.10.048

[23] Arthur, E., Anyemedu, F. O. K., Gyamfi, C., Asantewaa-Tannor, P., Adjei, K. A., Anornu, G. K., & Odai, S. N. (2020). Potential for small hydroPuissance development in the Lower Pra River Basin, Ghana. Journal of Hydrology: Regional Studies, 32, 100757. https://doi.org/10.1016/j.ejrh.2020.100757

[24] Ali, M., Wazir, R., Imran, K., Ullah, K., Janjua, A. K., Ulasyar, A., … & Guerrero, J. M. (2021). Techno-economic assessment and sustainability impact of hybrid energy systems in Gilgit-Baltistan, Pakistan. Energy Reports, 7, 2546-2562. https://doi.org/10.1016/j.egyr.2021.04.036

[25] Zhang, Y., He, Y., Wang, X., Wang, Y., Fang, C., Xue, H., & Fang, C. (2018). Modeling of fast charging station equipped with energy storage. Global Energy Interconnection, 1(2), 145-152. DOI:10.14171/j.2096-5117.gei.2018.02.006

[26] McKinsey Center for Future Mobility, How Battery Storage Can Help Charge the Electric-Vehicle Market?, February 2018,

[27] Al Wahedi, A., & Bicer, Y. (2020). Development of an off-grid electrical vehicle charging station hybridized with renewables including battery cooling system and multiple energy storage units. Energy Reports, 6, 2006-2021. https://doi.org/10.1016/j.egyr.2020.07.022

[28] Zhang, J., Liu, C., Yuan, R., Li, T., Li, K., Li, B., … & Jiang, Z. (2019). Design scheme for fast charging station for electric vehicles with distributed photovoltaic power generation. Global Energy Interconnection, 2(2), 150-159. https://doi.org/10.1016/j.gloei.2019.07.003

[29] Sharma, S., Panwar, A. K., & Tripathi, M. M. (2020). Storage technologies for electric vehicles. Journal of traffic and transportation engineering (english edition), 7(3), 340-361. https://doi.org/10.1016/j.jtte.2020.04.004

[30] Tomaszewska, A., Chu, Z., Feng, X., O’Kane, S., Liu, X., Chen, J., … & Wu, B. (2019). Lithium-ion battery fast charging: A review. ETransportation, 1, 100011. https://doi.org/10.1016/j.etran.2019.100011

[31] De Simone, D., & Piegari, L. (2019). Integration of stationary batteries for fast charge EV charging stations. Energies, 12(24), 4638. https://doi.org/10.3390/en12244638

[32] Koohi-Fayegh, S., & Rosen, M. A. (2020). A review of energy storage types, applications and recent developments. Journal of Energy Storage, 27, 101047. https://doi.org/10.1016/j.est.2019.101047

[33] Elmeligy, M. M., Shaaban, M. F., Azab, A., Azzouz, M. A., & Mokhtar, M. (2021). A Mobile Energy Storage Unit Serving Multiple EV Charging Stations. Energies, 14(10), 2969. https://doi.org/10.3390/en14102969

[34] Cole, Wesley, and A. Will Frazier. 2019. Cost Projections for Utility-Scale Battery Storage.

Golden, CO: National Renewable Energy Laboratory. NREL/TP-6A20-73222. https://www.nrel.gov/docs/fy19osti/73222.pdf

[35] Cole, Wesley, A. Will Frazier, and Chad Augustine. 2021. Cost Projections for UtilityScale Battery Storage: 2021 Update. Golden, CO: National Renewable Energy

Laboratory. NREL/TP-6A20-79236. https://www.nrel.gov/docs/fy21osti/79236.pdf.

Seasonal lakes

Once again, been a while since I last blogged. What do you want, I am having a busy summer. Putting order in my own chaos, and, over the top of that, putting order in other people’s chaos, this is all quite demanding in terms of time and energy. What? Without trying to put order in chaos, that chaos might take less time and energy? Well, yes, but order look tidier than chaos.

I am returning to the technological concept which I labelled ‘Energy Ponds’ (or ‘projet Aqueduc’ in French >> see: Le Catch 22 dans ce jardin d’Eden). You can find a description of that concept onder the hyperlinked titles provided. I am focusing on refining my repertoire of skills in scientific validation of technological concepts. I am passing in review some recent literature, and I am trying to find good narrative practices in that domain.

The general background of ‘Energy Ponds’ consists in natural phenomena observable in Europe as the climate change progresses, namely: a) long-term shift in the structure of precipitations, from snow to rain b) increasing occurrence of floods and droughts c) spontaneous reemergence of wetlands. All these phenomena have one common denominator: increasingly volatile flow per second in rivers. The essential idea of Energy Ponds is to ‘financialize’ that volatile flow, so to say, i.e. to capture its local surpluses, store them for later, and use the very mechanism of storage itself as a source of economic value.

When water flows downstream, in a river, its retention can be approached as the opportunity for the same water to loop many times over the same specific portion of the collecting basin (of the river). Once such a loop is created, we can extend the average time that a liter of water spends in the whereabouts. Ram pumps, connected to storage structures akin to swamps, can give such an opportunity. A ram pump uses the kinetic energy of flowing water in order to pump some of that flow up and away from its mainstream. Ram pumps allow forcing a process, which we now as otherwise natural. Rivers, especially in geological plains, where they flow relatively slowly, tend to build, with time, multiple ramifications. Those branchings can be directly observable at the surface, as meanders, floodplains or seasonal lakes, but much of them is underground, as pockets of groundwater. In this respect, it is useful to keep in mind that mechanically, rivers are the drainpipes of rainwater from their respective basins. Another basic hydrological fact, useful to remember in the context of the Energy Ponds concept, is that strictly speaking retention of rainwater – i.e. a complete halt in its circulation through the collecting basin of the river – is rarely possible, and just as rarely it is a sensible idea to implement. Retention means rather a slowdown to the flow of rainwater through the collecting basin into the river.

One of the ways that water can be slowed down consists in making it loop many times over the same section of the river. Let’s imagine a simple looping sequence: water from the river is being ram-pumped up and away into retentive structures akin to swamps, i.e. moderately deep spongy structures underground, with high capacity for retention, covered with a superficial layer of shallow-rooted vegetation. With time, as the swamp fills with water, the surplus is evacuated back into the river, by a system of canals. Water stored in the swamp will be ultimately evacuated, too, minus evaporation, it will just happen much more slowly, by the intermediary of groundwaters. In order to illustrate the concept mathematically, let’ s suppose that we have water in the river flowing at the pace of, e.g. 45 m3 per second. We make it loop once via ram pumps and retentive swamps, and, if as a result of that looping, the speed of the flow is sliced by 3. On the long run we slow down the way that the river works as the local drainpipe: we slow it from 43 m3 per second down to [43/3 = 14,33…] m3 per second.  As water from the river flows slower overall, it can yield more environmental services: each cubic meter of water has more time to ‘work’ in the ecosystem.  

When I think of it, any human social structure, such as settlements, industries, infrastructures etc., needs to stay in balance with natural environment. That balance is to be understood broadly, as the capacity to stay, for a satisfactorily long time, within a ‘safety zone’, where the ecosystem simply doesn’t kill us. That view has little to do with the moral concepts of environment-friendliness or sustainability. As a matter of fact, most known human social structures sooner or later fall out of balance with the ecosystem, and this is how civilizations collapse. Thus, here comes the first important assumption: any human social structure is, at some level, an environmental project. The incumbent social structures, possible to consider as relatively stable, are environmental projects which have simply hold in place long enough to grow social institutions, and those institutions allow further seeking of environmental balance.

I am starting my review of literature with an article by Phiri et al. (2021[1]), where the authors present a model for assessing the way that alluvial floodplains behave. I chose this one because my concept of Energy Ponds is supposed to work precisely in alluvial floodplains, i.e. in places where we have: a) a big river b) a lot of volatility in the amount of water in that river, and, as a consequence, we have (c) an alternation of floods and droughts. Normal stuff where I come from, i.e. in Northern Europe. Phiri et al. use the general model, acronymically called SWAT, which comes from ‘Soil and Water Assessment Tool’ (see also: Arnold et al. 1998[2]; Neitsch et al. 2005[3]), and with that general tool, they study the concept of pseudo-reservoirs in alluvial plains. In short, a pseudo-reservoir is a hydrological structure which works like a reservoir but does not necessarily look like one. In that sense, wetlands in floodplains can work as reservoirs of water, even if from the hydrological point of view they are rather extensions of the main river channel (Harvey et al. 2009[4]).

Analytically, the SWAT model defines the way a reservoir works with the following equation: V = Vstored + Vflowin − Vflowout + Vpcp − Vevap − Vseep . People can rightly argue that it is a good thing to know what symbols mean in an equation, and therefore V stands for the volume of water in reservoir at the end of the day, Vstored corresponds to the amount of water stored at the beginning of the day, Vflowin means the quantity of water entering reservoir during the day, Vflowout is the metric outflow of water during the day, Vpcp is volume of precipitation falling on the water body during the day, Vevap is volume of water removed from the water body by evaporation during the day, Vseep is volume of water lost from the water body by seepage.

This is a good thing to know, as well, once we have a nice equation, what the hell are we supposed to do with it in real life. Well, the SWAT model has even its fan page (http://www.swatusers.com ), and, as Phiri et al. phrase it out, it seems that the best practical use is to control the so-called ‘target release’, i.e. the quantity of water released at a given point in space and time, designated as Vtarg. The target release is mostly used as a control metric for preventing or alleviating floods, and with that purpose in mind, two decision rules are formulated. During the non-flood season, no reservation for flood is needed, and target storage is set at emergency spillway volume. In other words, in the absence of imminent flood, we can keep the reservoir full. On the other hand, when the flood season is on, flood control reservation is a function of soil water content. This is set to maximum and 50 % of maximum for wet and dry grounds, respectively. In the context of the V = Vstored + Vflowin − Vflowout + Vpcp − Vevap − Vseep equation, Vtarg is a specific value (or interval of values) in the Vflowout component.

As I am wrapping my mind around those conditions, I am thinking about the opposite application, i.e. about preventing and alleviating droughts. Drought is recognizable by exceptionally low values in the amount of water stored at the end of the given period, thus in the basic V, in the presence of low precipitation, thus low Vpcp, and high evaporation, which corresponds to high Vevap. More generally, both floods and droughts occur when – or rather after – in a given Vflowin − Vflowout balance, precipitation and evaporation take one turn or another.

I feel like moving those exogenous meteorological factors on one side of the equation, which goes like  – Vpcp + Vevap =  – V + Vstored + Vflowin − Vflowout − Vseep and doesn’t make much sense, as there are not really many cases of negative precipitation. I need to switch signs, and then it is more presentable, as Vpcp – VevapV – Vstored – Vflowin + Vflowout + Vseep . Weeell, almost makes sense. I guess that Vflowin is sort of exogenous, too. The inflow of water into the basin of the river comes from a melting glacier, from another river, from an upstream section of the same river etc. I reframe: Vpcp – Vevap + Vflowin V – Vstored + Vflowout + Vseep  . Now, it makes sense. Precipitations plus the inflow of water through the main channel of the river, minus evaporation, all that stuff creates a residual quantity of water. That residual quantity seeps into the groundwaters (Vseep), flows out (Vflowout), and stays in the reservoir-like structure at the end of the day (V – Vstored).

I am having a look at how Phiri et al. (2021 op. cit.) phrase out their model of pseudo-reservoir. The output value they peg the whole thing on is Vpsrc, or the quantity of water retained in the pseudo-reservoir at the end of the day. The Vpsrc is modelled for two alternative situations: no flood (V ≤ Vtarg), or flood (V > Vtarg). I interpret drought as particularly uncomfortable a case of the absence of flood.

Whatever. If V ≤ Vtarg , then Vpsrc = Vstored + Vflowin − Vbaseflowout + Vpcp − Vevap − Vseep  , where, besides the already known variables, Vbaseflowoutstands for volume of water leaving PSRC during the day as base flow. When, on the other hand, we have flood, Vpsrc = Vstored + Vflowin − Vbaseflowout − Voverflowout + Vpcp − Vevap − Vseep .

Phiri et al. (2021 op. cit.) argue that once we incorporate the phenomenon of pseudo-reservoirs in the evaluation of possible water discharge from alluvial floodplains, the above-presented equations perform better than the standard SWAT model, or V = Vstored + Vflowin − Vflowout + Vpcp − Vevap − Vseep

My principal takeaway from the research by Phiri et al. (2021 op. cit.) is that wetlands matter significantly for the hydrological balance of areas with characteristics of floodplains. My concept of ‘Energy Ponds’ assumes, among other things, storing water in swamp-like structures, including urban and semi-urban ones, such as rain gardens (Sharma & Malaviya 2021[5] ; Li, Liu & Li 2020[6] ; Venvik & Boogaard 2020[7],) or sponge cities (Ma, Jiang & Swallow 2020[8] ; Sun, Cheshmehzangi & Wang 2020[9]).  

Now, I have a few papers which allow me to have sort of a bird’s eye view of the SWAT model as regards the actual predictability of flow and retention in fluvial basins. It turns out that identifying optimal sites for hydropower installations is a very complex task, prone to a lot of error, and only the introduction of digital data such as GIS allows acceptable precision. The problem is to estimate accurately both the flow and the head of the waterway in question at an exact location (Liu et al., 2017[10]; Gollou and Ghadimi 2017[11]; Aghajani & Ghadimi 2018[12]; Yu & Ghadimi 2019[13]; Cai, Ye & Gholinia 2020[14]). My concept of ‘Energy Ponds’ includes hydrogeneration, but makes one of those variables constant, by introducing something like Roman siphons, with a constant head, apparently possible to peg at 20 metres. The hydro-power generation seems to be pseudo-concave function (i.e. it hits quite a broad, concave peak of performance) if the hydraulic head (height differential) is constant, and the associated productivity function is strongly increasing. Analytically, it can be expressed as a polynomial, i.e. as a combination of independent factors with various powers (various impact) assigned to them (Cordova et al. 2014[15]; Vieira et al. 2015[16]). In other words, by introducing, in my technological concept, that constant head (height) makes the whole thing more prone to optimization.

Now, I take on a paper which shows how to present a proof of concept properly: Pradhan, A., Marence, M., & Franca, M. J. (2021). The adoption of Seawater Pump Storage Hydropower Systems increases the share of renewable energy production in Small Island Developing States. Renewable Energy, https://doi.org/10.1016/j.renene.2021.05.151 . This paper is quite close to my concept of ‘Energy Ponds’, as it includes the technology of pumped storage, which I think about morphing and changing into something slightly different. Such as presented by Pradhan, Marence & Franca (2021, op. cit.), the proof of concept is structured in two parts: the general concept is presented, and then a specific location is studied  – the island of Curaçao, in this case – as representative for a whole category. The substance of proof is articulated around the following points:

>> the basic diagnosis as for the needs of the local community in terms of energy sources, with the basic question whether Seawater Pumped Storage Hydropower System is locally suitable as technology. In this specific case, the main criterium was the possible reduction of dependency on fossils. Assumptions as for the electric power required have been made, specifically for the local community.  

>> a GIS tool has been tested for choosing the optimal location. GIS stands for Geographic Information System (https://en.wikipedia.org/wiki/Geographic_information_system ). In this specific thread the proof of concept consisted in checking whether the available GIS data, and the software available for processing it are sufficient for selecting an optimal location in Curaçao.

At the bottom line, the proof of concept sums up to checking, whether the available GIS technology allows calibrating a site for installing the required electrical power in a Seawater Pumped Storage Hydropower System.

That paper by Pradhan, Marence & Franca (2021, op. cit.) presents a few other interesting traits for me. Firstly, the author’s prove that combining hydropower with windmills and solar modules is a viable solution, and this is exactly what I thought, only I wasn’t sure. Secondly, the authors consider a very practical issue: corrosion, and the materials recommended in order to bypass that problem. Their choice is fiberglass. Secondly, they introduce an important parameter, namely the L/H aka ‘Length to Head’ ratio. This is the proportion between the length of water conductors and the hydraulic head (i.e. the relative denivelation) in the actual installation. Pradhan, Marence & Franca recommend distinguishing two types of installations: those with L/H < 15, on the one hand, and those with 15 ≤ L/H ≤ 25. However accurate is that assessment of theirs, it is a paremeter to consider. In my concept of ‘Energy Ponds’, I assume an artificially created hydraulic head of 20 metres, and thus the conductors leading from elevated tanks to the collecting wetland-type structure should be classified in two types, namely [(L/H < 15) (L < 15*20) (L < 300 metres)], on the one hand, and [(15 ≤ L/H ≤ 25) (300 metres ≤ L ≤ 500 metres)], on the other hand.  

Still, there is bad news for me. According to a report by Botterud, Levin & Koritarov (2014[17]), which Pradhan, Marence & Franca quote as an authoritative source, hydraulic head for pumped storage should be at least 100 metres in order to make the whole thing profitable. My working assumption with ‘Energy Ponds’ is 20 metres, and, obviously, I have to work through it.

I think I have the outline of a structure for writing a decent proof-of-concept article for my ‘Energy Ponds’ concept. I think I should start with something I have already done once, two years ago, namely with compiling data as regards places in Europe, located in fluvial plains, with relatively the large volatility in water level and flow. These places will need water retention.

Out of that list, I select locations eligible for creating wetland-type structures for retaining water, either in the form of swamps, or as porous architectural structures. Once that second list prepared, I assess the local need for electrical power. From there, I reverse engineer. With a given power of X megawatts, I reverse to the storage capacity needed for delivering that power efficiently and cost-effectively. I nail down the storage capacity as such, and I pass in review the available technologies of power storage.

Next, I choose the best storage technology for that specific place, and I estimate the investment outlays necessary for installing it. I calculate the hydropower required in hydroelectric turbines, as well as in adjacent windmills and photovoltaic. I check whether the local river can supply the amount of water that fits the bill. I pass in review literature as regards optimal combinations of those three sources of energy. I calculate the investment outlays needed to install all that stuff, and I add the investment required in ram pumping, elevated tanks, and water conductors.  

Then, I do a first approximation of cash flow: cash from sales of electricity, in that local installation, minus the possible maintenance costs. After I calculate that gross margin of cash,  I compare it to the investment capital I had calculated before, and I try to estimate provisionally the time of return on investment. Once this done, I add maintenance costs to my sauce. I think that the best way of estimating these is to assume a given lifecycle of complete depreciation in the technology installed, and to count maintenance costs as the corresponding annual amortization.         


[1] Phiri, W. K., Vanzo, D., Banda, K., Nyirenda, E., & Nyambe, I. A. (2021). A pseudo-reservoir concept in SWAT model for the simulation of an alluvial floodplain in a complex tropical river system. Journal of Hydrology: Regional Studies, 33, 100770. https://doi.org/10.1016/j.ejrh.2020.100770.

[2] Arnold, J.G., Srinivasan, R., Muttiah, R.S., Williams, J.R., 1998. Large area hydrological modelling and assessment: Part I. Model development. J. Am. Water Resour. Assoc. 34, 73–89.

[3] Neitsch, S.L., Arnold, J.G., Kiniry, J.R., Williams, J.R., 2005. “Soil and Water Assessment Tool Theoretical Documentation.” Version 2005. Blackland Research Center, Texas.

[4] Harvey, J.W., Schaffranek, R.W., Noe, G.B., Larsen, L.G., Nowacki, D.J., O’Connor, B.L., 2009. Hydroecological factors governing surface water flow on a low-gradient floodplain. Water Resour. Res. 45, W03421, https://doi.org/10.1029/2008WR007129.

[5] Sharma, R., & Malaviya, P. (2021). Management of stormwater pollution using green infrastructure: The role of rain gardens. Wiley Interdisciplinary Reviews: Water, 8(2), e1507. https://doi.org/10.1002/wat2.1507

[6] Li, J., Liu, F., & Li, Y. (2020). Simulation and design optimization of rain gardens via DRAINMOD and response surface methodology. Journal of Hydrology, 585, 124788. https://doi.org/10.1016/j.jhydrol.2020.124788

[7] Venvik, G., & Boogaard, F. C. (2020). Infiltration capacity of rain gardens using full-scale test method: effect of infiltration system on groundwater levels in Bergen, Norway. Land, 9(12), 520. https://doi.org/10.3390/land9120520

[8] Ma, Y., Jiang, Y., & Swallow, S. (2020). China’s sponge city development for urban water resilience and sustainability: A policy discussion. Science of the Total Environment, 729, 139078. https://doi.org/10.1016/j.scitotenv.2020.139078

[9] Sun, J., Cheshmehzangi, A., & Wang, S. (2020). Green infrastructure practice and a sustainability key performance indicators framework for neighbourhood-level construction of sponge city programme. Journal of Environmental Protection, 11(2), 82-109. https://doi.org/10.4236/jep.2020.112007

[10] Liu, Yan, Wang, Wei, Ghadimi, Noradin, 2017. Electricity load forecasting by an improved forecast engine for building level consumers. Energy 139, 18–30. https://doi.org/10.1016/j.energy.2017.07.150

[11] Gollou, Abbas Rahimi, Ghadimi, Noradin, 2017. A new feature selection and hybrid forecast engine for day-ahead price forecasting of electricity markets. J. Intell. Fuzzy Systems 32 (6), 4031–4045.

[12] Aghajani, Gholamreza, Ghadimi, Noradin, 2018. Multi-objective energy manage- ment in a micro-grid. Energy Rep. 4, 218–225.

[13] Yu, Dongmin, Ghadimi, Noradin, 2019. Reliability constraint stochastic UC by considering the correlation of random variables with Copula theory. IET Renew. Power Gener. 13 (14), 2587–2593.

[14] Cai, X., Ye, F., & Gholinia, F. (2020). Application of artificial neural network and Soil and Water Assessment Tools in evaluating power generation of small hydropower stations. Energy Reports, 6, 2106-2118. https://doi.org/10.1016/j.egyr.2020.08.010.

[15] Cordova M, Finardi E, Ribas F, de Matos V, Scuzziato M. Performance evaluation and energy production optimization in the real-time operation of hydropower plants. Electr Pow Syst Res 2014;116:201–7.   http://dx.doi.org/ 10.1016/j.epsr.2014.06.012  

[16] Vieira, D. A. G., Guedes, L. S. M., Lisboa, A. C., & Saldanha, R. R. (2015). Formulations for hydroelectric energy production with optimality conditions. Energy Conversion and Management, 89, 781-788.

[17] Botterud, A., Levin, T., & Koritarov, V. (2014). Pumped storage hydropower: benefits for grid reliability and integration of variable renewable energy (No. ANL/DIS-14/10). Argonne National Lab.(ANL), Argonne, IL (United States). https://publications.anl.gov/anlpubs/2014/12/106380.pdf