docs(rapport): chapter 6, the results, generated from the eight result files, with ten figures

Every measured number in the prose and the tables is read from data/resultater/ by
rapport/lag_resultater.py (modules in rapport/resultater/) and carries file, path and raw
value in rapport/generert/tall.json. Chapter 8 says what is missing: the ranking of the
ownership forms under other weightings and limits is not computed, and the reproduction
is on one machine.

Co-Authored-By: Claude Fable 5.2 <noreply@anthropic.com>
This commit is contained in:
Kjell Tore Guttormsen 2026-11-14 19:41:41 +01:00
commit 4defd09580
Signed by: ktg
SSH key fingerprint: SHA256:JakMjO6FTBBzN0Bhfj9saOoEjaFxlSdYuZQQpM/lF9Q
22 changed files with 5439 additions and 58 deletions

View file

@ -5,7 +5,8 @@
#
# Every LaTeX run has a hard time limit (TIDSGRENSE seconds, default 120): one pdflatex run has
# been seen to hang. The limit is set with perl's alarm, since macOS has no timeout command.
# The script first writes vedlegg_kart.tex with lag_vedlegg.py. It exits non-zero when the
# The script first writes vedlegg_kart.tex with lag_vedlegg.py and generert/ (chapter 6) with
# lag_resultater.py. It exits non-zero when the
# generator fails, a LaTeX run fails or times out, or the last run reports undefined references.
# Bash 3.2 and ASCII only. Build output stays in rapport/ and is ignored by git.
@ -82,6 +83,7 @@ if [ "$#" -eq 0 ]; then
fi
python3 lag_vedlegg.py || { echo "FEIL: lag_vedlegg.py" >&2; exit 1; }
python3 lag_resultater.py || { echo "FEIL: lag_resultater.py" >&2; exit 1; }
feil=0
for maal in "$@"; do

354
rapport/kap6-dommer.tex Normal file
View file

@ -0,0 +1,354 @@
% -----------------------------------------------------------------
\subsection{Dommene}\label{sec:res-dommer}
Dommen som teller, er dommen i scenarioet «\tall{dommer.teller}» på trinnet dommene leses av på. Der er
hypotesen «\tall{dommer.del1}». Hver av de fem kraftløsningene A, B, C, T-F og T-K er felt av sine egne
mål: M1 er «holder ikke», og medianen av netto nåverdi er negativ. Skalaen nås ikke på noe trinn, så
hypotesen holder heller ikke i den formen den er stilt. Dette avsnittet viser hvordan dommen er satt:
trinnet, dommen per mål og løsning, dommen over hypotesen, de andre scenarioene, tallene ved siden av M6,
de andre trinnene i stigen og fordelingen av netto nåverdi.
Løsningene er de sju i forhåndsregistreringen (\cref{sec:kraftlosningene}). A, B, C, T-F og T-K er
kraftløsningene hypotesen gjelder. $B'$ er det samme kraftverket som i A, koblet til nettet, og er
sammenligningen regel~4 krever. R er referansekjøringen: statlige datasentre som kjøper kraft fra nettet
uten ny kraftproduksjon. $B'$ og R får dom per mål, men kan ikke gi «holder» for hypotesen og er ikke med i
stigen eller i sammenligningen M7 (presisering~3, avklaring~88).
\paragraph{Trinnet dommene leses av på}
Forhåndsregistreringen bruker en fast stige av programstørrelser: \tall{dommer.stige.0},
\tall{dommer.stige.1}, \tall{dommer.stige.2}, \tall{dommer.stige.3} og \tall{dommer.stige.4} anlegg,
hvert med 1\,000~MW IT-last (presisering~1). Dommene leses av på 25~\%-trinnet: det laveste trinnet med
mer enn ett anlegg der minst 80~\% av alle trekningene når 25~\% i M6 i «normalisering» for minst én av
A, B, C, T-F og T-K (presisering~19, avklaring~104). Finnes det ikke, leses de av på 5~\%-trinnet, som
bestemmes på samme måte, også med ett anlegg; hypotesen kan da høyst bli «holder under betingelser».
Finnes heller ikke det, leses dommene av på det høyeste trinnet der minst én av de fem har et år med
stabil drift i minst 80~\% av trekningene, og det står at skalaen ikke nås (presisering~1 og~11,
avklaring~57). Trinnet bestemmes én gang, fra «normalisering», og dommene i de andre scenarioene leses
av på det samme trinnet (avklaring~97).
Kjøringen leser dommene av på trinnet med \tall{dommer.trinn} anlegg, med grunnlaget
«\tall{dommer.grunnlag}». Verken 25~\%-trinnet eller 5~\%-trinnet finnes: i «normalisering» ligger M6
under 5~\% i \tall{dommer.normalisering.t1.A.m6.andel-ikke}~\% av trekningene for hver av de fem på
trinnet med ett anlegg (\cref{tab:res-dommer-teller}), og like mange på de høyere trinnene. Trinnet med
fem anlegg er ikke høyeste trinn som lar seg bygge: den av de fem som oftest har et år med stabil drift der,
T-K, har det i \tall{dommer.normalisering.t5.TK.stabil}~\% av trekningene, under kravet på 80~\%
(\cref{tab:res-stige}). Dermed er det trinnet med ett anlegg som gjelder. At M6 er under 5~\% på alle
trinn, betyr etter presisering~12 at 5~\%-trinnet ikke finnes, og da står det i forhåndsregistreringen at
hypotesen ikke holder i den formen den er stilt (stor skala, «den nye oljen»), også når en mindre satsing
lønner seg (\cref{sec:samletdom}).
Et enkelt anlegg kan ikke alene gi «holder» for hypotesen. Det betyr at hypotesen på dette trinnet høyst
kunne blitt «holder under betingelser», uansett hvordan målene falt ut. Det betyr ikke at regelen har
avgjort dommen her: dommen per mål settes på trinnet med ett anlegg etter de samme reglene som på andre
trinn, og hver av de fem løsningene er felt av M1 og medianen, ikke av trinnet. Når et av de andre
scenarioene leses av på dette trinnet, sier «skalaen nås ikke» noe om «normalisering», ikke om
scenarioet (avklaring~103~f).
\paragraph{Dommen per mål i «normalisering»}
\Cref{tab:res-dommer-teller} viser dommen for hvert mål og hver av de sju løsningene, med andelene den er
satt fra. Under dommen står andelen av alle trekningene som oppfyller vilkåret for «holder»: positiv
netto nåverdi (M1), kostnad under prisen nåverdivektet over årgangene (M2, S42), høyst 5~\% økning i
strømprisen i alle prisområder (M3), kraftbalansen og effektbalansen ikke svakere enn i nullalternativet
i noe driftsår (M4), og minst 25~\% i M6. For M3, M4 og M6 står også andelen som oppfyller vilkåret for
«holder ikke»: over 15~\% i minst ett prisområde (M3), svakere også med tiltak i drift (M4), og under
5~\% (M6). For M1 og M2 er «holder ikke» en andel under 20~\%, så der er det første tallet nok
(presisering~2; avklaring~69). På dette trinnet lar banen seg bygge i alle trekningene for alle
løsningene, så andelen blant trekningene der banen lar seg bygge, er den samme som andelen av alle.
\begin{table}[htbp]
\centering\footnotesize
\setlength{\tabcolsep}{2.5pt}
\renewcommand{\arraystretch}{1.1}
\caption{Dommen per mål og løsning i «normalisering» på trinnet med \tall{dommer.trinn} anlegg. Under
dommen står andelen av alle \tall{dommer.antall} trekninger som oppfyller vilkåret for «holder», i
prosent, og for M3, M4 og M6 etter skråstreken andelen som oppfyller vilkåret for «holder ikke». M5 avgjøres uten
trekninger og har ingen andel. Medianen av netto nåverdi (M1) er i milliarder reelle 2025-kroner, som
nåverdi i beslutningsåret 2027. «Ikke byggbar» er andelen trekninger der banen ikke lar seg bygge innen
2100.}\label{tab:res-dommer-teller}
\input{generert/dommer-teller}
\end{table}
I «normalisering» er M1 «holder ikke» for alle sju løsningene. Andelen trekninger med positiv netto
nåverdi er høyest for C, \tall{dommer.normalisering.t1.C.m1.andel}~\%, og for R
\tall{dommer.normalisering.t1.R.m1.andel}~\%; for T-F og T-K er den
\tall{dommer.normalisering.t1.TF.m1.andel}~\%, og for A, B og $B'$
\tall{dommer.normalisering.t1.A.m1.andel}~\%. Medianen er negativ for alle: fra
\tall{dommer.normalisering.t1.C.nnv-median}~mrd.~kr for C til
\tall{dommer.normalisering.t1.Bm.nnv-median}~mrd.~kr for $B'$, og
\tall{dommer.normalisering.t1.A.nnv-median}~mrd.~kr for A. M2 er «holder ikke» for A, B og $B'$, og
«holder under betingelser» for C, R, T-F og T-K. M3 holder for alle unntatt R. M4 holder for A og $B'$, er «holder under betingelser»
for B, C, T-F og T-K, og «holder ikke» for R, som bygger ingen ny kraft og svekker kraftbalansen i
\tall{dommer.normalisering.t1.R.m4.andel-ikke}~\% av trekningene også med tiltak. M6 er «holder ikke» for
alle sju.
M5 er en dom etter regler, uten trekninger og uten andeler. Den bygger på kildenes egne tall for utslipp
over livsløpet (i) og areal (ii), er den samme på alle trinn og i alle scenarioer, og gir C, R og T-F
«holder» per definisjon (presisering~7, 9 og~13; avklaring~55, 68 og~88). For løsningene med kjernekraft
(A, B, $B'$ og T-K, som vurderes som kjernekraft) er M5 «holder under betingelser». I tabellen over
kildenes tall (avklaring~68) ligger kjernekraften høyere enn den laveste av vind på land og vannkraft i én
av de tre kildene, IPCC, men ikke over den høyeste verdien kilden oppgir for vind på land; (ii) holder,
for var begge brutt, ville M5 vært «holder ikke» (presisering~9). Betingelsen er da at kildene der
kjernekraften ikke ligger høyere, legges til grunn, og den regnes som navngitt (presisering~17,
avklaring~93).
\paragraph{Dommen over hypotesen}
Hypotesen «holder ikke» når hver av A, B, C, T-F og T-K er felt: har minst ett av M1--M5 som «holder
ikke», eller negativ median i M1 (presisering~12). «Holder under betingelser» krever at betingelsene kan
navngis for minst én løsning som ikke er felt; kan de ikke det, er dommen «holder ikke», og rapporten
skal skille mellom de to grunnene (presisering~12, 17 og~21). \Cref{tab:res-del1} viser dommen i hvert
scenario og hva som feller hver løsning, slik datafila fører det. Lest etter regelen gir målene og
medianene det samme som fila, i alle seks scenarioer og for alle fem løsningene.
\begin{table}[htbp]
\centering\footnotesize
\setlength{\tabcolsep}{2.5pt}
\renewcommand{\arraystretch}{1.1}
\caption{Dommen over hypotesen per scenario på trinnet med \tall{dommer.trinn} anlegg, og for hver av de
fem løsningene om den er felt, og av hva: målene blant M1--M5 som er «holder ikke», og negativ median i
M1. For en løsning som ikke er felt, står det om betingelsene kan navngis. Dommen som teller, er den i
«normalisering»; de andre vises ved siden av.}\label{tab:res-del1}
\input{generert/dommer-del1}
\end{table}
I «normalisering» er hypotesen «\tall{dommer.normalisering.del1}» fordi målene ikke nås: alle fem er felt
av M1 og den negative medianen, og A og B også av M2. Det samme gjelder i «overkapasitet» og i de tre
merkede scenarioene, der M1 og M2 feller alle fem. I «knapphet varer» er hypotesen også
«\tall{dommer.knapphet.del1}», men av en annen grunn. Der er C, T-F og T-K ikke felt, men betingelsene
kan ikke navngis for noen av dem. Alle tre har M4 som «holder under betingelser» (T-K også M5). For C
fant kjøringen \tall{dommer.knapphet.t1.C.m4.terskler} terskler i M4, og
\tall{dommer.knapphet.t1.C.m4.terskler-kilde} av dem gjelder en størrelse med kilde, så ingen teller som
betingelse (presisering~5). For T-F og T-K fant den ingen terskel i M4
(\tall{dommer.knapphet.t1.TF.m4.terskler} og \tall{dommer.knapphet.t1.TK.m4.terskler}). I
«knapphet varer» er hypotesen altså «holder ikke» fordi betingelsene ikke kan navngis; tersklene og
størrelsene uten kilde står i \cref{sec:res-terskler}. Dommen i «knapphet varer» teller ikke.
\paragraph{De andre scenarioene}
\Cref{tab:res-andre} viser de to andre prisscenarioene og de tre merkede scenarioene på samme trinn.
Prisscenarioene får ingen sannsynlighet og vektes ikke. «Knapphet varer» betyr at dagens knapphetspåslag
på prisen for regnekraft står ved lag til ti år etter løsningens første anlegg, og «overkapasitet» varer
like lenge (presisering~8). De tre merkede scenarioene regnes i «normalisering» med et bortfall av
etterspørselen etter regnekraft i datasentre (presisering~14). «Kildenes lave forløp» har et bortfall på
11,9~\% i 2030 og 21,0~\% fra 2035 \kilde{K25-033}. «80~\% på egne maskiner» er prosjekteiers scenario og
har ingen kilde: 80~\% av all AI-bruk som ikke er trening, flytter til brukernes egne maskiner innen 2035.
Det regnes med trening som 53~\% av AI-lasten (lav, bortfall 37,6~\%) og som 20~\% (høy, bortfall
64,0~\%). Inntekten per MW faller i takt med etterspørselen (S51); det har heller ingen kilde. Ingen av de
fem scenarioene endrer dommen som teller.
\begin{table}[htbp]
\centering\footnotesize
\setlength{\tabcolsep}{3pt}
\renewcommand{\arraystretch}{1.05}
\caption{Dommene i de fem andre scenarioene på trinnet med \tall{dommer.trinn} anlegg. «Positiv NNV» er
andelen av alle trekningene med positiv netto nåverdi (vilkåret for «holder» i M1), og medianen er i
milliarder reelle 2025-kroner. De tre siste kolonnene viser hvilke av M1--M6 som har hver dom. På dette
trinnet lar banen seg bygge i alle trekningene.}\label{tab:res-andre}
\input{generert/dommer-andre}
\end{table}
I «knapphet varer» er M1 «holder» for C, R, T-F og T-K, med positiv netto nåverdi i
\tall{dommer.knapphet.t1.C.m1.andel}, \tall{dommer.knapphet.t1.R.m1.andel},
\tall{dommer.knapphet.t1.TF.m1.andel} og \tall{dommer.knapphet.t1.TK.m1.andel}~\% av trekningene og
medianer på \tall{dommer.knapphet.t1.C.nnv-median}, \tall{dommer.knapphet.t1.R.nnv-median},
\tall{dommer.knapphet.t1.TF.nnv-median} og \tall{dommer.knapphet.t1.TK.nnv-median}~mrd.~kr. For B er
M1 «holder under betingelser», med negativ median (\tall{dommer.knapphet.t1.B.nnv-median}~mrd.~kr), og
for A og $B'$ «holder ikke». M6 er «holder under betingelser» for alle sju i «knapphet varer». I
«overkapasitet» og de tre merkede scenarioene har ingen av løsningene positiv netto nåverdi i noen
trekning (andelen er \tall{dommer.overkapasitet.t1.C.m1.andel}~\% for alle), og alle medianene er
negative.
\paragraph{Ved siden av M6}
Dommen i M6 settes i første år med stabil drift: første år der alle anleggene i banen er i drift. Ved
siden av vises fire andre måter å lese skalaen på (kapittel~9 i spesifikasjonen, avklaring~53 og~103~c):
snittet over $L_H$ år fra det samme året, fordi bidraget hopper når en årgang IT-utstyr byttes; det samme
bidraget målt mot medianen av statens netto kontantstrøm fra petroleum de ti årene 2016--2025 (330,1~mrd.~kr
i 2025-kroner) i stedet for snittet (536,3~mrd.~kr; presisering~6); andelen i 2050; og andelen i toppåret,
året bidraget er høyest blant årene der minst ett anlegg drives. \Cref{tab:res-m6} viser dem i
«normalisering» på trinnet. Alle er andeler av petroleumsinntekten, i prosent. Ingen av dem når 5~\% i
medianen for noen løsning, og ingen 90-persentil gjør det heller. For T-F og T-K har
\tall{dommer.normalisering.t1.TF.m6.antall} av trekningene et år med stabil drift, og M6, snittet og
tallet mot medianen gjelder dem; 2050 og toppåret har verdi i alle.
\begin{table}[htbp]
\centering\footnotesize
\setlength{\tabcolsep}{3pt}
\renewcommand{\arraystretch}{1.1}
\caption{M6 og de fire tallene ved siden av i «normalisering» på trinnet med \tall{dommer.trinn} anlegg,
i prosent av statens netto kontantstrøm fra petroleum. Hvert tall er medianen over trekningene der tallet
har verdi, med 10- og 90-persentilen under. M6 i første år med stabil drift er fra
\texttt{fordelinger.json}, de fire andre fra \texttt{dommer.json}.}\label{tab:res-m6}
\input{generert/dommer-m6}
\end{table}
\paragraph{De andre trinnene i stigen}
\Cref{tab:res-stige} viser hvordan andelen trekninger der banen ikke lar seg bygge, og medianen av netto
nåverdi endrer seg oppover stigen i «normalisering». Med fem anlegg lar banen seg ikke bygge i mer enn
halvparten av trekningene for A, B, $B'$, C og T-F, og med tjue og førti anlegg lar ingen av de fem seg
bygge i noen trekning. En bane som ikke lar seg bygge, er et resultat og teller i nevneren: den oppfyller
aldri vilkåret for «holder», og i medianen av M1 rangeres den under alle verdier (presisering~10). Lar
banen seg ikke bygge i minst halvparten av trekningene, har medianen derfor ingen verdi (--). Der under
halvparten ikke lar seg bygge, ligger medianen langt nede blant trekningene som lar seg bygge, fordi de
andre står under dem. Det er grunnen til at medianen for T-K med fem anlegg er
\tall{dommer.normalisering.t5.TK.nnv-median}~mrd.~kr: den er ikke medianen blant trekningene der banen
lar seg bygge. Dommene per mål på de høyere trinnene er drevet av baner som ikke lar seg bygge. M3 og M4
blir for eksempel «holder under betingelser» for A med fem anlegg fordi bare
\tall{dommer.normalisering.t5.A.m3.andel}~\% av trekningene oppfyller vilkåret for «holder», mens
andelen blant trekningene der banen lar seg bygge, er \tall{dommer.normalisering.t5.A.m3.blant}~\%.
\begin{table}[htbp]
\centering\footnotesize
\setlength{\tabcolsep}{3.5pt}
\caption{Andelen trekninger der banen ikke lar seg bygge (i prosent), og medianen av netto nåverdi (M1,
mrd.~kr), for hvert trinn i stigen i «normalisering». Medianen regner trekningene der banen ikke lar seg
bygge, som lavere enn alle verdier, og har ingen verdi (--) når minst halvparten ikke lar seg
bygge.}\label{tab:res-stige}
\input{generert/dommer-stige}
\end{table}
\paragraph{Fordelingen av netto nåverdi}
\Cref{fig:res-nnv} viser fordelingen av netto nåverdi for hver løsning i «normalisering» på trinnet, og
\cref{fig:res-nnv-pris} de tre prisscenarioene ved siden av hverandre. Persentilene er tatt over
trekningene der banen lar seg bygge (avklaring~140~e), mens andelene bak dommene er tatt over alle
trekningene, med trekninger der banen ikke lar seg bygge talt som at vilkåret ikke er oppfylt. På trinnet
med ett anlegg er det samme trekninger, alle \tall{dommer.normalisering.t1.A.nnv.antall}, og medianen i
figuren er den samme som i \cref{tab:res-dommer-teller}; på høyere trinn ville de vært ulike for hver
løsning. Halene er lange, særlig for løsningene med kjernekraft. Figurene viser derfor båndene fra 10- til
90-persentilen og fra 25- til 75-persentilen, ikke de ytterste trekningene. For A i «normalisering» er
1-persentilen \tall{dommer.normalisering.t1.A.nnv.p1}~mrd.~kr og 99-persentilen
\tall{dommer.normalisering.t1.A.nnv.p99}~mrd.~kr. I «normalisering» ligger hele båndet fra 10- til 90-persentilen under null
for alle sju løsningene. For C, R, T-F og T-K er 90-persentilen
\tall{dommer.normalisering.t1.C.nnv.p90}, \tall{dommer.normalisering.t1.R.nnv.p90},
\tall{dommer.normalisering.t1.TF.nnv.p90} og \tall{dommer.normalisering.t1.TK.nnv.p90}~mrd.~kr, for
A \tall{dommer.normalisering.t1.A.nnv.p90}~mrd.~kr.
Prisscenarioet flytter hele fordelingen: i «knapphet varer» ligger 10-persentilen for C på
\tall{dommer.knapphet.t1.C.nnv.p10}~mrd.~kr, i «overkapasitet» ligger 90-persentilen på
\tall{dommer.overkapasitet.t1.C.nnv.p90}~mrd.~kr. \Cref{fig:res-m6} viser M6 på samme måte, mot
tersklene på 5 og 25~\%.
\pgfplotsset{
resfordeling/.style={
width=\linewidth, xmajorgrids, grid style={black!12},
ytick={1,...,7}, yticklabels={T-K,T-F,R,C,$B'$,B,A}, ymin=0.4, ymax=7.6,
tick label style={font=\small}, label style={font=\small},
y tick label style={font=\small}, ytick style={draw=none},
/pgf/number format/.cd, use comma, 1000 sep={\,}},
resbaand/.style={draw=none, mark=none, forget plot, error bars/.cd, x dir=both, x explicit,
error mark=none, error bar style={#1}},
}
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[resfordeling, height=62mm, xtick distance=100, xlabel={Netto nåverdi for Norge (M1), mrd.~kr (2025-kroner, nåverdi i 2027)}]
\addplot[resbaand={line width=1pt, black!55}] table[x expr=\thisrow{p50}/1e9, y=pos,
x error minus expr=(\thisrow{p50}-\thisrow{p10})/1e9, x error plus expr=(\thisrow{p90}-\thisrow{p50})/1e9]
{generert/dommer-nnv-normalisering.dat};
\addplot[resbaand={line width=5pt, accent!55}] table[x expr=\thisrow{p50}/1e9, y=pos,
x error minus expr=(\thisrow{p50}-\thisrow{p25})/1e9, x error plus expr=(\thisrow{p75}-\thisrow{p50})/1e9]
{generert/dommer-nnv-normalisering.dat};
\addplot[only marks, mark=|, mark size=4.5pt, very thick, black, forget plot] table[x expr=\thisrow{p50}/1e9, y=pos]
{generert/dommer-nnv-normalisering.dat};
\draw[black, dashed] (axis cs:0,0.4) -- (axis cs:0,7.6);
\end{axis}
\end{tikzpicture}
\caption{Netto nåverdi for Norge (M1) per løsning i «normalisering» på trinnet med \tall{dommer.trinn}
anlegg. Den tynne streken går fra 10- til 90-persentilen, det tykke båndet fra 25- til 75-persentilen, og
den loddrette streken er medianen. Persentilene er tatt over trekningene der banen lar seg bygge (her
alle). Den stiplede linjen er null.}\label{fig:res-nnv}
\end{figure}
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[resfordeling, height=105mm, xtick distance=200, xlabel={Netto nåverdi for Norge (M1), mrd.~kr (2025-kroner, nåverdi i 2027)},
legend style={font=\small, at={(0.5,1.02)}, anchor=south, legend columns=3, draw=none},
legend cell align=left]
\addlegendimage{cA, line width=1pt, mark=*, mark options={solid, fill=cA}}
\addlegendentry{«knapphet varer»}
\addlegendimage{black, line width=1pt, mark=square*, mark options={solid, fill=black}}
\addlegendentry{«normalisering»}
\addlegendimage{cC, line width=1pt, densely dashed, mark=triangle*, mark options={solid, fill=cC}}
\addlegendentry{«overkapasitet»}
% knapphet varer: shifted up
\addplot[resbaand={line width=0.8pt, cA}] table[x expr=\thisrow{p50}/1e9, y expr=\thisrow{pos}+0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p10})/1e9, x error plus expr=(\thisrow{p90}-\thisrow{p50})/1e9]
{generert/dommer-nnv-knapphet.dat};
\addplot[resbaand={line width=3.5pt, cA!55}] table[x expr=\thisrow{p50}/1e9, y expr=\thisrow{pos}+0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p25})/1e9, x error plus expr=(\thisrow{p75}-\thisrow{p50})/1e9]
{generert/dommer-nnv-knapphet.dat};
\addplot[only marks, mark=*, mark size=2pt, cA, mark options={fill=cA, draw=black}, forget plot]
table[x expr=\thisrow{p50}/1e9, y expr=\thisrow{pos}+0.27] {generert/dommer-nnv-knapphet.dat};
% normalisering
\addplot[resbaand={line width=0.8pt, black}] table[x expr=\thisrow{p50}/1e9, y=pos,
x error minus expr=(\thisrow{p50}-\thisrow{p10})/1e9, x error plus expr=(\thisrow{p90}-\thisrow{p50})/1e9]
{generert/dommer-nnv-normalisering.dat};
\addplot[resbaand={line width=3.5pt, black!35}] table[x expr=\thisrow{p50}/1e9, y=pos,
x error minus expr=(\thisrow{p50}-\thisrow{p25})/1e9, x error plus expr=(\thisrow{p75}-\thisrow{p50})/1e9]
{generert/dommer-nnv-normalisering.dat};
\addplot[only marks, mark=square*, mark size=1.8pt, black, mark options={fill=black}, forget plot]
table[x expr=\thisrow{p50}/1e9, y=pos] {generert/dommer-nnv-normalisering.dat};
% overkapasitet: shifted down, dashed
\addplot[resbaand={line width=0.8pt, cC, densely dashed}] table[x expr=\thisrow{p50}/1e9, y expr=\thisrow{pos}-0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p10})/1e9, x error plus expr=(\thisrow{p90}-\thisrow{p50})/1e9]
{generert/dommer-nnv-overkapasitet.dat};
\addplot[resbaand={line width=3.5pt, cC!45}] table[x expr=\thisrow{p50}/1e9, y expr=\thisrow{pos}-0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p25})/1e9, x error plus expr=(\thisrow{p75}-\thisrow{p50})/1e9]
{generert/dommer-nnv-overkapasitet.dat};
\addplot[only marks, mark=triangle*, mark size=2.4pt, cC, mark options={fill=cC, draw=black}, forget plot]
table[x expr=\thisrow{p50}/1e9, y expr=\thisrow{pos}-0.27] {generert/dommer-nnv-overkapasitet.dat};
\draw[black, dashed] (axis cs:0,0.4) -- (axis cs:0,7.6);
\end{axis}
\end{tikzpicture}
\caption{Netto nåverdi for Norge (M1) per løsning i de tre prisscenarioene på trinnet med
\tall{dommer.trinn} anlegg. For hver løsning står «knapphet varer» øverst (sirkel), «normalisering» i
midten (kvadrat) og «overkapasitet» nederst (trekant, stiplet). Den tynne streken går fra 10- til
90-persentilen, det tykke båndet fra 25- til 75-persentilen, og merket er medianen, over trekningene der
banen lar seg bygge (her alle). Den stiplede loddrette linjen er null. Bare «normalisering» teller.}\label{fig:res-nnv-pris}
\end{figure}
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[resfordeling, height=105mm, xtick distance=10, xlabel={M6: netto bidrag i første år med stabil drift, \% av statens netto kontantstrøm fra petroleum},
legend style={font=\small, at={(0.5,1.02)}, anchor=south, legend columns=3, draw=none},
legend cell align=left]
\addlegendimage{cA, line width=1pt, mark=*, mark options={solid, fill=cA}}
\addlegendentry{«knapphet varer»}
\addlegendimage{black, line width=1pt, mark=square*, mark options={solid, fill=black}}
\addlegendentry{«normalisering»}
\addlegendimage{cC, line width=1pt, densely dashed, mark=triangle*, mark options={solid, fill=cC}}
\addlegendentry{«overkapasitet»}
\addplot[resbaand={line width=0.8pt, cA}] table[x expr=\thisrow{p50}*100, y expr=\thisrow{pos}+0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p10})*100, x error plus expr=(\thisrow{p90}-\thisrow{p50})*100]
{generert/dommer-m6-knapphet.dat};
\addplot[resbaand={line width=3.5pt, cA!55}] table[x expr=\thisrow{p50}*100, y expr=\thisrow{pos}+0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p25})*100, x error plus expr=(\thisrow{p75}-\thisrow{p50})*100]
{generert/dommer-m6-knapphet.dat};
\addplot[only marks, mark=*, mark size=2pt, cA, mark options={fill=cA, draw=black}, forget plot]
table[x expr=\thisrow{p50}*100, y expr=\thisrow{pos}+0.27] {generert/dommer-m6-knapphet.dat};
\addplot[resbaand={line width=0.8pt, black}] table[x expr=\thisrow{p50}*100, y=pos,
x error minus expr=(\thisrow{p50}-\thisrow{p10})*100, x error plus expr=(\thisrow{p90}-\thisrow{p50})*100]
{generert/dommer-m6-normalisering.dat};
\addplot[resbaand={line width=3.5pt, black!35}] table[x expr=\thisrow{p50}*100, y=pos,
x error minus expr=(\thisrow{p50}-\thisrow{p25})*100, x error plus expr=(\thisrow{p75}-\thisrow{p50})*100]
{generert/dommer-m6-normalisering.dat};
\addplot[only marks, mark=square*, mark size=1.8pt, black, mark options={fill=black}, forget plot]
table[x expr=\thisrow{p50}*100, y=pos] {generert/dommer-m6-normalisering.dat};
\addplot[resbaand={line width=0.8pt, cC, densely dashed}] table[x expr=\thisrow{p50}*100, y expr=\thisrow{pos}-0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p10})*100, x error plus expr=(\thisrow{p90}-\thisrow{p50})*100]
{generert/dommer-m6-overkapasitet.dat};
\addplot[resbaand={line width=3.5pt, cC!45}] table[x expr=\thisrow{p50}*100, y expr=\thisrow{pos}-0.27,
x error minus expr=(\thisrow{p50}-\thisrow{p25})*100, x error plus expr=(\thisrow{p75}-\thisrow{p50})*100]
{generert/dommer-m6-overkapasitet.dat};
\addplot[only marks, mark=triangle*, mark size=2.4pt, cC, mark options={fill=cC, draw=black}, forget plot]
table[x expr=\thisrow{p50}*100, y expr=\thisrow{pos}-0.27] {generert/dommer-m6-overkapasitet.dat};
\draw[black, dashed] (axis cs:0,0.4) -- (axis cs:0,7.6);
\draw[accent, thick] (axis cs:5,0.4) -- (axis cs:5,7.6) node[pos=0.98, right, font=\scriptsize] {5~\%};
\draw[accent, thick, dotted] (axis cs:25,0.4) -- (axis cs:25,7.6) node[pos=0.98, left, font=\scriptsize] {25~\%};
\end{axis}
\end{tikzpicture}
\caption{M6 per løsning i de tre prisscenarioene på trinnet med \tall{dommer.trinn} anlegg: netto bidrag til
Norges inntekt i første år med stabil drift, i prosent av statens netto kontantstrøm fra petroleum
(snittet 2016--2025 i 2025-kroner). Merkene og strekene er som i \cref{fig:res-nnv-pris}, over trekningene
der banen har et år med stabil drift (andelene bak dommen i M6 er tatt over alle trekningene). De loddrette linjene er null (stiplet) og tersklene på 5~\% (hel)
og 25~\% (prikket). Bare «normalisering» teller.}\label{fig:res-m6}
\end{figure}

141
rapport/kap6-eierformer.tex Normal file
View file

@ -0,0 +1,141 @@
\subsection{Eierformene}\label{sec:res-eierformer}
Eierformene sammenlignes for hver av løsningene A, B, C, T-F og T-K for seg, på trinnet dommene leses av
på, i «normalisering», over trekningene der løsningens bane lar seg bygge (presisering~20; avklaring 98).
Trinnet er trinnet med \tall{eierformer.trinn}~anlegg, og grunnlaget for det er «\tall{eierformer.grunnlag-for-trinnet}»
(\cref{sec:res-dommer}). $B'$ og R er ikke med. De fire eierformene er de forhåndsregistreringen nevner
(\cref{sec:eierformene}): direkte statlig eierskap («direkte» i tabellene); ett heleid statlig selskap
(«heleid selskap»); statlig majoritet med børsnotert privat minoritet («majoritet med børs»); og et statlig
selskap i kombinasjon med statens direkte eierandeler, grunnrenteskatt og et fond for gevinsten
(«petroleumsmodellen»). Tallene står i \fil{eierformer.json}. Hele tabellen vises, slik
forhåndsregistreringen krever, i \cref{tab:res-eierformer-verdi,tab:res-eierformer-risiko}.
\paragraph{Hva tallene er}
Alle beløp er reelle 2025-kroner. Nåverdiene er regnet til beslutningsåret 2027 med avkastningskravet for
regnekraft $\rho_D$, likt for alle eierformer (avklaring 65). Alle tallene er tatt over trekningene der
banen lar seg bygge, og antallet står i \cref{tab:res-eierformer-rangering}.
\begin{itemize}[leftmargin=1.2em,itemsep=1pt,topsep=2pt]
\item \emph{Verdi} er snittet over trekningene av nåverdien av statens netto kontantstrøm (\cref{eq:S30}):
skatt, utbytte og direkte andeler minus innskutt kapital, med oppgjøret med de private eierne og minus
elavgiften private datasentre ville betalt for nettkapasiteten satsingen tar (avklaring 50, 63 til 65).
\item \emph{Oppgjør} er det de private eierne betaler staten for sin andel, verdsatt slik statens del
verdsettes. Det er ett beløp per eierform og løsning, likt i alle trekningene. Negativt betyr at staten
må betale de private for å være med (avklaring 64).
\item \emph{Andel av samlet overskudd} er summen av nåverdiene av statens kontantstrøm delt på summen av
nåverdiene av samlet overskudd (prosjektets kontantstrøm før avgiftene), når den er positiv;
\emph{andel før oppgjør} er det samme uten oppgjøret (avklaring 63 og 64). Begge står med tankestrek
for alle løsninger og eierformer: summen av samlet overskudd er ikke positiv for noen av dem, og da har
andelen ingen verdi.
\item \emph{$r_e$} er avkastningskravet eierformen gir, reelt og etter skatt, som snitt over
trekningene (\cref{eq:S29}). For direkte eierskap er det statens trukne lånerente.
\emph{Kostnad for regnekraft} er bedriftens kostnad per MW IT og år regnet med kravet før skatt,
$r_e/(1-\tau_s)$, og med statens lånerente for direkte eierskap, som snitt over årgangene og så over
trekningene (avklaring 50 og 66).
\item \emph{Sannsynlighet for tap} er andelen av trekningene der nåverdien av statens kontantstrøm er
negativ. \emph{Snittet av de 5~\% dårligste} er snittet av den nåverdien i de 5~\% dårligste
trekningene. \emph{Største kapital ute} er snittet over trekningene av den største samlede, ikke
diskonterte netto utbetalingen fra staten over tid (avklaring 50 og 65).
\end{itemize}
\begin{table}[htbp]
\centering
\small
\setlength{\tabcolsep}{4pt}
\caption{Verdi for fellesskapet per eierform og løsning, trinnet med \tall{eierformer.trinn}~anlegg,
«normalisering». Mrd.\ 2025-kr, nåverdi i 2027. Andelene i prosent; tankestrek: ingen verdi, fordi samlet
overskudd ikke er positivt.}\label{tab:res-eierformer-verdi}
\input{generert/eierformer-verdi}
\end{table}
\begin{table}[htbp]
\centering
\small
\setlength{\tabcolsep}{4pt}
\caption{Kapitalkostnad og risiko for staten per eierform og løsning, trinnet med \tall{eierformer.trinn}~anlegg,
«normalisering». $r_e$ og sannsynligheten for tap i prosent; kostnaden for regnekraft i mill.\ 2025-kr per
MW IT og år; snittet av de dårligste og kapitalen ute i mrd.\ 2025-kr.}\label{tab:res-eierformer-risiko}
\input{generert/eierformer-risiko}
\end{table}
\paragraph{Det tabellene viser}
Verdien for fellesskapet er negativ for alle fire eierformer i alle fem løsningene, og den er lik for de
fire eierformene innen hver løsning: \tall{eierformer.A.heleid.verdi}~mrd.\ kr for A,
\tall{eierformer.B.heleid.verdi} for B, \tall{eierformer.C.heleid.verdi} for C, \tall{eierformer.TF.heleid.verdi}
for T-F og \tall{eierformer.TK.heleid.verdi} for T-K. At verdien er lik, er en følge av forutsetningene og
ikke et funn. De private eierne betaler det andelen er verdt i forventning, verdsatt med samme rente som
statens del, og eierformene er like effektive i hovedkjøringen; da får alle eierformene samme forventede
verdi (avklaring 64). Oppgjøret er negativt for de to formene med private eiere i alle fem løsningene:
staten må betale de private for at de skal være med, for eksempel \tall{eierformer.C.majoritet.oppgjor}~mrd.\
kr med majoritet med børs i C.
Sannsynligheten for at staten taper penger ligger mellom \tall{eierformer.C.direkte.tap}~\% (direkte og
heleid selskap i C) og \tall{eierformer.A.direkte.tap}~\% (alle eierformene i A og B). Kapitalkostnaden er
lavest ved direkte eierskap, fordi statens lånerente brukes der. Det er ikke en gevinst for samfunnet:
statens lave lånerente gjør ikke prosjektet mindre risikabelt, men flytter risikoen til skattebetalerne
(spesifikasjonen kapittel~8; avklaring 67). Forskjellene i risiko og kapital følger direkte av statens
eierandel, den direkte andelen, statens andel av overskridelser og prisen de private betaler (avklaring
64 og 67). De er ikke et funn om hvilken eierform som er best.
\paragraph{Rangeringen}
Regelen er forhåndsregistreringens (\cref{sec:eierformene}): en eierform går ut hvis den ikke består
EØS-vurderingen, eller hvis den er dårligere enn en annen på alle de tre første kriteriene. Resten rangeres
etter verdi for fellesskapet, blant formene der sannsynligheten for tap er under 25~\%. \Cref{tab:res-eierformer-rangering}
viser hva fila sier for hver løsning.
\begin{table}[htbp]
\centering
\small
\caption{Rangeringen av eierformene, trinnet med \tall{eierformer.trinn}~anlegg, «normalisering». Rekkefølgen
eierformene står i, betyr ingenting (avklaring 67).}\label{tab:res-eierformer-rangering}
\input{generert/eierformer-rangering}
\end{table}
For alle fem løsningene ligger alle fire eierformene over grensen på 25~\% for sannsynligheten for tap.
Ingen eierform er rangert for noen løsning. Ingen går ut: EØS-vurderingen tar ikke ut noen (under), og
ingen eierform er dårligere enn en annen på alle tre kriteriene, fordi verdien er den samme for alle fire.
Der kriteriene skiller eierformene, trekker de hver sin vei, og avveiingen står derfor åpen, slik
forhåndsregistreringen sier. Med majoritet med børs har staten minst kapital ute og det minst dårlige
snittet av de 5~\% dårligste utfallene i alle fem løsningene; i C, T-F og T-K har den samtidig høyere
sannsynlighet for tap enn direkte eierskap og heleid selskap, og den har høyere kapitalkostnad. Direkte
eierskap har mest kapital ute og lavest kapitalkostnad, av grunnen over.
Forhåndsregistreringen sier at det skal vises hvordan rangeringen endrer seg med vektingen og med grensen
på 25~\%. Det er ikke regnet som egne kjøringer, og det er en mangel ved denne versjonen
(\cref{sec:begrensninger}). For grensen kan svaret leses av \cref{tab:res-eierformer-risiko}: den laveste
sannsynligheten for tap for noen eierform i noen løsning er \tall{eierformer.C.direkte.tap}~\%, så ingen
grense under det ville gitt noen eierform en plass i rangeringen. For vektingen finnes ingen regning. Verken
\fil{eierformer.json} eller følsomhetslista har en kjøring som endrer vektingen eller grensen. De fire radene
i følsomhetslista som gjelder eierformene, endrer andre ting: statens lånerente i stedet for $\rho_D$,
oppgjøret priset med de private eiernes eget egenkapitalkrav, forskjell i effektivitet etter eierform, og
statens andel av overskridelser lik eierandelen. De står i \cref{sec:res-folsomheter}.
\paragraph{EØS-spørsmålet står åpent}
Alle fire eierformene har «usikker» i EØS-vurderingen (avklaring 136; \cref{sec:eierformene}). Vurderingen er
kvalitativ og regnes ikke. Etter regelen går en eierform ut bare når den ikke består; «usikker» tar ikke ut
noen og skiller ikke mellom dem. Ingen av de fire er vurdert mot EØS-retten i noen kilde i kildebanken.
\paragraph{Statens kontantstrøm ved siden av M6}
Ved siden av M6 vises statens netto kontantstrøm etter investeringer (forhåndsregistreringen, M6; avklaring
123). Tallet er statens netto kontantstrøm (\cref{eq:S30}) med heleid selskap i første år med stabil drift,
delt på nevneren i M6: snittet av statens netto kontantstrøm fra petroleum 2016--2025, 536,3~mrd.\ kr per
år i 2025-kroner (presisering~6). Det er altså en andel av petroleumsinntektene, i prosent. Det regnes over
trekningene der banen har et år med stabil drift (\cref{tab:res-eierformer-kontantstrom}), og endrer ingen
dom.
\begin{table}[htbp]
\centering
\small
\caption{Statens netto kontantstrøm med heleid selskap i første år med stabil drift, i prosent av statens
netto kontantstrøm fra petroleum (snitt 2016--2025, 2025-kroner). Trinnet med \tall{eierformer.trinn}~anlegg,
«normalisering». Median og 10- og 90-persentil over trekningene med et år med stabil
drift.}\label{tab:res-eierformer-kontantstrom}
\input{generert/eierformer-kontantstrom}
\end{table}
Medianen er positiv for alle fem løsningene, fra \tall{eierformer.A.kontantstrom.median}~\% for A til
\tall{eierformer.C.kontantstrom.median}~\% for C. Tallet er ikke M6 og kan ikke leses som M6. M6 måler det
årlige bidraget til Norges inntekt utover vanlig avkastning på kapitalen (\cref{eq:S31}). Statens
kontantstrøm er det staten får inn det ene året, etter årets investeringer, uten fradrag for
avkastningen på kapitalen som er bundet, og uten de årene da kapitalen ble skutt inn. I T-F og T-K har
\tall{eierformer.TF.kontantstrom.antall} av \tall{eierformer.antall-trekninger} trekninger et år med stabil
drift; i de andre har alle det.

View file

@ -0,0 +1,305 @@
\subsection{Følsomhetene}\label{sec:res-folsomheter}
Følsomhetslista er låst i parameterfila og står beskrevet rad for rad i \cref{sec:folsomhetslista}
(\cref{tab:folsomheter}). Her står hva hver rad gjør med tallene dommene bygger på, med hovedkjøringens
tall ved siden av. Tallene er lest fra \fil{folsomheter.json}; for radene 24, 25, 28 og 29, som bare
gjelder eierformene, er hovedkjøringens tall lest fra \fil{eierformer.json}. Lista har \tall{folsomheter.antall.linjer}
linjer og \tall{folsomheter.antall.rader} rader. Hver rad er hovedkjøringen med én endring, over de samme
trekningene, lest av på trinnet hovedkjøringens dommer leses av på: trinn~\tall{folsomheter.trinn}
(«\tall{folsomheter.grunnlag-trinn}», \cref{sec:res-dommer}). Trinnet velges ikke på nytt (avklaring~112).
Radene leses av i «normalisering», unntatt radene for påslaget (12 og 13), som leses av i «knapphet
varer», radene for $\varepsilon_d$ (31a og 31b), som leses av i de tre merkede scenarioene, og de
\tall{folsomheter.antall.eierrader} radene som bare gjelder eierformene.
Forhåndsregistreringen sier hvordan radene skal leses («Endringer», 13.~november 2026; kapittel~11 i
spesifikasjonen):
\begin{ordrett}
Ingen dom i en følsomhet teller, og sammendraget og konklusjonen i rapporten inneholder bare
hovedkjøringens dommer.
\end{ordrett}
Tabellene under viser hvor mye hver forutsetning bærer, ikke en ny dom.
\paragraph{Hvor mange rader som endrer et dommeord}
Av de \tall{folsomheter.antall.normalisering.rader} radene som leses av i «normalisering», gir
\tall{folsomheter.antall.normalisering.endrer} et annet dommeord enn hovedkjøringen i minst ett av målene
M1--M6 for minst én av løsningene raden gjelder. De andre \tall{folsomheter.antall.normalisering.uendret}
gir de samme dommeordene som hovedkjøringen for alle løsningene, også der tallene flytter seg. Tellingen
sammenligner dommeordet i hvert mål for hver løsning raden gjelder, med hovedkjøringens dommeord i samme
scenario; M5 er hovedkjøringens i alle radene (avklaring~116), så bare M1--M4 og M6 kan bli ulike. En
løsning raden ikke gjelder, har hovedkjøringens tall og er ikke med i tellingen. \Cref{tab:res-fols-scen}
gir den samme tellingen for hvert scenario, og \cref{tab:res-fols-endringer} viser hver endring: rad,
linje, scenario, løsning, mål, og dommeordet før og etter. Ingen rad leses av i «overkapasitet».
\begin{table}[htbp]
\centering\small
\caption{Rader som endrer minst ett dommeord for minst én løsning, per scenario, på trinnet dommene leses
av på. En rad som leses av i flere scenarioer (31a og 31b), telles i hvert av dem. Ingen dom i en
følsomhet teller.}\label{tab:res-fols-scen}
\input{generert/folsomheter-scenarioer}
\end{table}
{\footnotesize
\setlength{\tabcolsep}{3pt}
\begin{xltabular}{\linewidth}{@{}llllll>{\raggedright\arraybackslash}X@{}}
\caption{Hver endring av et dommeord i en rad, mot hovedkjøringen i samme scenario og på samme trinn.
Ingen dom i en følsomhet teller.}\label{tab:res-fols-endringer}\\
\toprule
Rad & Linje & Scenario & Løsning & Mål & Hovedkjøringen & Raden \\
\midrule
\endfirsthead
\toprule
Rad & Linje & Scenario & Løsning & Mål & Hovedkjøringen & Raden \\
\midrule
\endhead
\bottomrule
\endfoot
\input{generert/folsomheter-endringer}
\end{xltabular}
}
\paragraph{Radene som endrer et dommeord i «normalisering»}
\emph{Rad 11a og 11b} (Norges andel solgt kapasitet mot konkurrentens) endrer bare M2, bedriftsøkonomien.
For C faller andelen som oppfyller vilkåret i M2, fra \tall{folsomheter.hoved.normalisering.C.m2-andel}~\%
i hovedkjøringen til \tall{folsomheter.rad.11a.normalisering.C.m2-andel}~\% med andelen
$\mu_{\text{rel}} = 0{,}90$ og \tall{folsomheter.rad.11b.normalisering.C.m2-andel}~\% med $0{,}95$, og
dommen i M2 går fra «holder under betingelser» til «holder ikke». Det samme skjer for R, T-F og T-K. Medianen
i M1 for C går fra \tall{folsomheter.hoved.normalisering.C.median}~mrd.~kr til
\tall{folsomheter.rad.11a.normalisering.C.median} og \tall{folsomheter.rad.11b.normalisering.C.median}~mrd.~kr.
\emph{Rad 14 og 15} (konkurrentens kraftpris og konkurrentens PUE) trekker den andre veien: andelen i M2
for C stiger til \tall{folsomheter.rad.14.normalisering.C.m2-andel}~\% og
\tall{folsomheter.rad.15.normalisering.C.m2-andel}~\%, og dommen i M2 går fra «holder under betingelser»
til «holder» for C, R, T-F og T-K. M1 holder ikke i noen av dem: andelen med positiv netto nåverdi for C
er \tall{folsomheter.rad.14.normalisering.C.m1-andel}~\% og \tall{folsomheter.rad.15.normalisering.C.m1-andel}~\%
(hovedkjøringen \tall{folsomheter.hoved.normalisering.C.m1-andel}~\%), og medianen
\tall{folsomheter.rad.14.normalisering.C.median} og \tall{folsomheter.rad.15.normalisering.C.median}~mrd.~kr.
\emph{Rad 27} (anlegg på 300~MW IT) endrer M2 og M4 for C, M3 for R og M2 for T-F og T-K, alle fra «holder
under betingelser» til «holder». Andelen i M4 for C går fra \tall{folsomheter.hoved.normalisering.C.m4-andel}
til \tall{folsomheter.rad.27.normalisering.C.m4-andel}~\%, og andelen i M3 for R fra
\tall{folsomheter.hoved.normalisering.R.m3-andel} til \tall{folsomheter.rad.27.normalisering.R.m3-andel}~\%.
Disse dommeordene kommer med et mindre program: stigen telles fortsatt i anlegg, så programmet på
trinnet er en brøkdel av hovedkjøringens, og M6 på trinnet faller tilsvarende (avklaring~113). Medianen i
M1 kan derfor ikke sammenlignes i størrelse med hovedkjøringens. Andelen med positiv netto nåverdi for C
går fra \tall{folsomheter.hoved.normalisering.C.m1-andel} til
\tall{folsomheter.rad.27.normalisering.C.m1-andel}~\%.
\emph{Rad 16, rundskrivets rente,} er den eneste raden som endrer dommeordet i M1 i «normalisering».
Forhåndsregistreringen sier hvorfor hovedanalysen ikke bruker den:
\begin{ordrett}
Finansdepartementets rundskriv R-109/2021 sier at statlig forretningsdrift i direkte konkurranse med
private skal bruke en kalkulasjonsrente tilsvarende den private bedrifter står overfor (pkt. 6.2). En
tokenfabrikk som selger regnekraft i et verdensmarked, er slik forretningsdrift. Hovedanalysen bruker
derfor et markedsbasert avkastningskrav, fastsatt med spenn fra kildebanken i parameterfrysen.
Rundskrivets rente for andre statlige tiltak (4~\% de første 40 årene, deretter 3~\% og 2~\%) vises som
følsomhet og merkes som avvik fra rundskrivet. Kjernekraftutvalget (NOU 2026:~4, kap.~26) gjør samme
vurdering.
\end{ordrett}
Raden er altså et avvik fra rundskrivets regel for forretningsdrift i konkurranse, og den endrer bare
netto nåverdi, det vil si M1 og M7 (avklaring~118~b). \Cref{tab:res-fols-rad16} gir tallene for alle sju
løsningene. Med rundskrivets rente får C, R, T-F og T-K positiv netto nåverdi i over 80~\% av trekningene
og positiv median, så dommeordet i M1 blir «holder»; for B blir det «holder under betingelser». For A og
$B'$ stiger andelen med positiv netto nåverdi, men medianen blir lavere enn i hovedkjøringen. I M7 faller
andelen der C alene er best, fra \tall{folsomheter.hoved.normalisering.m7.C.best-alene}~\% til
\tall{folsomheter.rad.16.normalisering.m7.C.best-alene}~\%.
\begin{table}[htbp]
\centering\footnotesize\setlength{\tabcolsep}{3.5pt}
\caption{Rad 16, rundskrivets rente, mot hovedkjøringen i «normalisering» på trinnet dommene leses av på.
Andelen i M1 er andelen trekninger med positiv netto nåverdi; medianen er netto nåverdi i milliarder reelle
2025-kroner, nåverdi i beslutningsåret. M7 sammenligner bare A, B, C, T-F og T-K. Raden er et avvik fra
rundskrivet, og ingen dom i den teller.}\label{tab:res-fols-rad16}
\input{generert/folsomheter-rad16}
\end{table}
\paragraph{Ordet for hypotesen i følsomhetstabellen}
I \fil{folsomheter.json} er ordet for hypotesen satt uten terskler, «så langt den følger av målene»
(avklaring~112 og~116). Der står «holder under betingelser» når målene alene ikke avgjør; om betingelser
kan navngis, regnes ikke for radene. I \fil{dommer.json} er dommen satt med tersklene, og «holder under
betingelser» krever der at betingelsene kan navngis. De to kan derfor være ulike også for hovedkjøringen.
\Cref{tab:res-fols-del1} sammenligner dem: de er like i alle scenarioene unntatt «knapphet varer», der
følsomhetstabellens egen hovedrad har «\tall{folsomheter.hoved.knapphet.del-i}» og \fil{dommer.json} har
«\tall{folsomheter.dommerfil.knapphet.del-i}», fordi ingen betingelser kan navngis der
(\cref{sec:res-dommer}).
Hver rad leses mot følsomhetstabellens egen hovedrad i samme scenario. Bare
\tall{folsomheter.antall.del-i-endret} rader har et annet ord for hypotesen enn den: rad 16 i
«normalisering», med «\tall{folsomheter.rad.16.normalisering.del-i}» mot
«\tall{folsomheter.hoved.normalisering.del-i}», og rad 13 i «knapphet varer», med
«\tall{folsomheter.rad.13.knapphet.del-i}» mot «\tall{folsomheter.hoved.knapphet.del-i}». I rad 16 betyr
ordet bare at målene alene ikke feller hypotesen med rundskrivets rente; det sier ikke at betingelser kan
navngis. Ingen av dem er en dom over hypotesen: ingen dom i en følsomhet teller.
\begin{table}[htbp]
\centering\small
\caption{Ordet for hypotesen i hovedkjøringen på trinnet dommene leses av på: i følsomhetstabellen (uten
terskler, så langt det følger av målene) og i \texttt{dommer.json} (med tersklene). Bare scenarioene der en
rad leses av, står i følsomhetstabellen.}\label{tab:res-fols-del1}
\input{generert/folsomheter-del1}
\end{table}
\paragraph{Radene som endrer et dommeord i «knapphet varer»}
\emph{Rad 12} (varig knapphet) gir A og $B'$ «holder under betingelser» i M1 i stedet for «holder
ikke»: andelen med positiv netto nåverdi for A går fra \tall{folsomheter.hoved.knapphet.A.m1-andel} til
\tall{folsomheter.rad.12.knapphet.A.m1-andel}~\%, og medianen fra
\tall{folsomheter.hoved.knapphet.A.median} til \tall{folsomheter.rad.12.knapphet.A.median}~mrd.~kr.
\emph{Rad 13} (avtakende knapphet) trekker den andre veien for alle sju: for C går andelen i M1 fra
\tall{folsomheter.hoved.knapphet.C.m1-andel} til \tall{folsomheter.rad.13.knapphet.C.m1-andel}~\% og
medianen fra \tall{folsomheter.hoved.knapphet.C.median} til \tall{folsomheter.rad.13.knapphet.C.median}~mrd.~kr,
og for T-F fra \tall{folsomheter.hoved.knapphet.TF.m1-andel} til \tall{folsomheter.rad.13.knapphet.TF.m1-andel}~\%
og fra \tall{folsomheter.hoved.knapphet.TF.median} til \tall{folsomheter.rad.13.knapphet.TF.median}~mrd.~kr.
I de tre merkede scenarioene endrer ingen av radene for $\varepsilon_d$ et dommeord.
\paragraph{Rader som flytter tall en annen vei enn man kunne vente}
Noen rader flytter medianen i M1 motsatt av det en leser ville vente. Her står hva spesifikasjonen sier om
mekanismen; der den ikke forklarer fortegnet, står det at det ikke er forklart.
\emph{Rad 4} gir kjernekraftverk på nettet et avkastningskrav 2 prosentpoeng høyere, men medianen for B går
fra \tall{folsomheter.hoved.normalisering.B.median} til \tall{folsomheter.rad.4.normalisering.B.median}~mrd.~kr
og for $B'$ fra \tall{folsomheter.hoved.normalisering.Bm.median} til
\tall{folsomheter.rad.4.normalisering.Bm.median}~mrd.~kr. \emph{Rad 3} gjør det motsatte for A: kravet for
kraftverket i A settes lik kravet for kraft, $\rho_N$, i stedet for $\rho_D$ (avklaring~117 og~118~a), og i
parameterfila ligger spennet for $\rho_N$ under spennet for $\rho_D$. Likevel går medianen for A fra
\tall{folsomheter.hoved.normalisering.A.median} til \tall{folsomheter.rad.3.normalisering.A.median}~mrd.~kr.
Spesifikasjonen sier hvilke ledd renten virker på: i begge radene diskonterer den kraftverkets egne ledd i
netto nåverdi (salg, investering, drift og avvikling), og den står i kraftverkets kapitalkostnad og i
tilleggsregelen (avklaring~117, 118~a og 124~f). De to radene trekker i samme retning: høyere rente på
kraftverkets egne ledd gir høyere median, lavere rente gir lavere. Det stemmer hvis disse leddene samlet er
negative og tyngst sent i perioden, men spesifikasjonen sier ikke det, og det er ikke kontrollert her. Fortegnet
er ikke forklart.
\emph{Rad 23} tar bort eksportstansene, men medianen for A går fra
\tall{folsomheter.hoved.normalisering.A.median} til \tall{folsomheter.rad.23.normalisering.A.median}~mrd.~kr,
for B fra \tall{folsomheter.hoved.normalisering.B.median} til \tall{folsomheter.rad.23.normalisering.B.median}
og for $B'$ fra \tall{folsomheter.hoved.normalisering.Bm.median} til
\tall{folsomheter.rad.23.normalisering.Bm.median}~mrd.~kr; for C, R, T-F og T-K blir den høyere.
Spesifikasjonen sier hva en stans gjør: et anlegg uten brikker kjøper ikke kraft, og i A betales ikke
variabel drift, brensel og avfallsavgift, mens kraftverket på nettet produserer og selger som før
(avklaring~26), og byggingen følger året anlegget faktisk starter (avklaring~28). Hvorfor det gir lavere
median uten stans for de tre løsningene med kjernekraft og høyere for de andre, er ikke forklart.
\emph{Rad 10} har merknaden at den kan trekke i favør av A, men medianen for A går fra
\tall{folsomheter.hoved.normalisering.A.median} til \tall{folsomheter.rad.10.normalisering.A.median}~mrd.~kr.
Spesifikasjonen gir mekanismen: inntektsfaktoren er full når tilgjengeligheten når kravet, høyere enn
etter S44, men den faller i trinn, ned til null, når tilgjengeligheten er under kravet (avklaring~119~c).
Raden kan altså trekke begge veier (avklaring~124~b). At medianen faller, stemmer med at trinnene under
kravet veier mest; det er ikke kontrollert trekning for trekning.
\emph{Rad 37} lar ny fornybar kraft ut over nullalternativet først komme fra 2031, og medianen blir høyere:
for C fra \tall{folsomheter.hoved.normalisering.C.median} til \tall{folsomheter.rad.37.normalisering.C.median}~mrd.~kr
og for T-F fra \tall{folsomheter.hoved.normalisering.TF.median} til
\tall{folsomheter.rad.37.normalisering.TF.median}~mrd.~kr. Avklaring~91 sier at utbyggingen da forskyves,
og at en bane kan komme annerledes ut på måter som ikke er opplagte: senere start gir senere utskifting, og
i T-K kan flere moduler stå igjen til kjernekraften. Hvorfor medianen stiger, er ikke forklart utover det.
I \emph{rad 16} blir medianen lavere for A og $B'$ samtidig som andelen med positiv netto nåverdi stiger
(\cref{tab:res-fols-rad16}). Det er ikke forklart.
\paragraph{Rader som ikke endrer noe tall}
Noen rader gir de samme tallene som hovedkjøringen til siste siffer for en løsning de gjelder. Det står
i siste kolonne i \cref{tab:res-fols-rader}. \emph{Rad 30} (M6 mot medianen av de ti årene) endrer ingen
tall for noen løsning: M6 er under 5~\% i alle trekningene både mot snittet og mot medianen, så andelene
blir de samme. \emph{Rad 22} (uten tilleggsregelen) endrer ingenting for B og $B'$: regelen (S45) virker
bare når et kraftverk på nettet går med overskudd, og at tallene er like, stemmer med at det ikke skjer for
kjernekraftverkene i B og $B'$ på trinnet; det er ikke kontrollert trekning for trekning. \emph{Rad 21} endrer ingenting for $B'$, fordi fradraget er
null med enheter på høyst 1\,000~MW (avklaring~121). For T-K endrer \emph{rad 1, 2, 6 og 21}, som bare
virker gjennom kjernekraften, ingenting: på trinnet har T-K minst 100~MW i drift på kjernekraft på nettet i høyst
\tall{folsomheter.tk-kjernekraft-maks}~\% av trekningene i noe år (\fil{tidslinje.json}). At andelene og
medianen ikke flytter seg, stemmer med det, men er ikke kontrollert trekning for trekning. I \emph{rad 29} (statens andel av overskridelsene)
er alle tallene for C og T-F som i hovedkjøringen. Det stemmer med (S30): leddet for overskridelser
er null når investeringene ikke går over budsjettet $I^{\text{bud}}$.
\paragraph{Den faste tabellen}
\Cref{tab:res-fols-hoved} gir hovedkjøringens tall i hvert scenario en rad leses av i, og
\cref{tab:res-fols-rader} gir alle radene, løsning for løsning. Ved radene står merknadene tekstene krever,
også der fila ikke har noen: rad 16 er et avvik fra rundskrivet (avklaring~118~b); i rad 26 er nåverdiene
regnet til et annet år og kan ikke sammenlignes i størrelse med hovedkjøringens, og i rad 27 er programmet
en brøkdel av hovedkjøringens (avklaring~113); rad 35 er en egen bane som i fila står på plassen til C
(avklaring~117). Sammenligningen av de fem kraftløsningene
(M7) står for hver rad i \cref{tab:res-fols-m7}. \Cref{fig:res-fols-tornado} viser for A, B og C de åtte
radene som flytter medianen i M1 mest.
\begin{table}[htbp]
\centering\footnotesize\setlength{\tabcolsep}{4pt}
\caption{Hovedkjøringens tall i scenarioene radene leses av i, på trinnet dommene leses av på, fra
\texttt{folsomheter.json} (de er like tallene i \texttt{dommer.json}). Andelene er andelen trekninger som
oppfyller vilkåret for «holder» i målet; medianen er netto nåverdi i milliarder reelle 2025-kroner,
nåverdi i beslutningsåret. Dommene står i \cref{sec:res-dommer}.}\label{tab:res-fols-hoved}
\input{generert/folsomheter-hoved}
\end{table}
\input{generert/folsomheter-rader}
\input{generert/folsomheter-m7}
\begin{figure}[htbp]
\centering
\foreach \los/\navn in {A/A, B/B, C/C}{%
\begin{tikzpicture}
\begin{axis}[
width=0.95\linewidth, height=48mm,
title={\small Løsning \navn},
xlabel={\footnotesize Median netto nåverdi (mrd.~kr)},
ylabel={\footnotesize Rad},
ytick=data,
yticklabels from table={generert/folsomheter-figur-\los.dat}{rad},
tick label style={font=\footnotesize},
ymin=0.3, ymax=8.7,
xmajorgrids, grid style={black!12},
axis lines*=left,
]
\addplot[only marks, mark=o, black!60] table[x=hoved, y=y] {generert/folsomheter-figur-\los.dat};
\addplot[accent, thick, -{Stealth[length=2mm]}, quiver={u=\thisrow{d}, v=0}]
table[x=hoved, y=y] {generert/folsomheter-figur-\los.dat};
\addplot[only marks, mark=*, accent] table[x=verdi, y=y] {generert/folsomheter-figur-\los.dat};
\end{axis}
\end{tikzpicture}\par\medskip
}
\caption{Radene som flytter medianen av netto nåverdi (M1) mest for A, B og C, i «normalisering» på
trinnet dommene leses av på. Den åpne sirkelen er hovedkjøringens median, pilen går til radens median
(fylt punkt). Rad 26 og 27 er utelatt, fordi nåverdiene der ikke kan sammenlignes i størrelse med
hovedkjøringens (avklaring~113); de står i \cref{tab:res-fols-rader}. Milliarder reelle 2025-kroner,
nåverdi i beslutningsåret. Ingen dom i en følsomhet teller.}\label{fig:res-fols-tornado}
\end{figure}
\paragraph{Eierformene}
De \tall{folsomheter.antall.eierrader} radene 24, 25, 28 og 29 gjelder bare sammenligningen av eierformene (avklaring~122 og~123). Dommene er hovedkjøringens;
radene endrer tabellen for eierformene i «normalisering» på trinnet, for A, B, C, T-F og T-K.
\Cref{tab:res-fols-eierverdi} gir verdien for fellesskapet og sannsynligheten for tap for hver eierform,
og \cref{tab:res-fols-eierrang} rangeringen og statens kontantstrøm ved siden av M6. Hovedkjøringens
tabell står i \cref{sec:res-eierformer}.
I hovedkjøringen er alle fire eierformene over risikogrensen for alle fem løsningene, så ingen er rangert.
\emph{Rad 24} verdsetter statens kontantstrøm med statens lånerente i stedet for avkastningskravet for
regnekraft. Da blir verdien for fellesskapet ved heleid selskap \tall{folsomheter.eier.24.C.heleid.verdi}~mrd.~kr
for C (hovedkjøringen \tall{folsomheter.eier.hoved.C.heleid.verdi}~mrd.~kr), og sannsynligheten for tap
\tall{folsomheter.eier.24.C.heleid.tap}~\% (hovedkjøringen \tall{folsomheter.eier.hoved.C.heleid.tap}~\%).
For C, T-F og T-K kommer alle fire formene da under risikogrensen; for T-F og T-K går
petroleumsmodellen ut fordi heleid selskap er bedre på alle de tre første kriteriene, og resten blir
rangert (\cref{tab:res-fols-eierrang}); for B blir verdien positiv, men
sannsynligheten for tap er \tall{folsomheter.eier.24.B.heleid.tap}~\%, over grensen. For A blir verdien
lavere, \tall{folsomheter.eier.24.A.heleid.verdi}~mrd.~kr mot \tall{folsomheter.eier.hoved.A.heleid.verdi},
samtidig som sannsynligheten for tap faller til \tall{folsomheter.eier.24.A.heleid.tap}~\%.
I \emph{rad 28} faller verdien for direkte eierskap og heleid selskap, samtidig som sannsynligheten for
tap faller: for C går verdien ved heleid selskap fra \tall{folsomheter.eier.hoved.C.heleid.verdi} til
\tall{folsomheter.eier.28.C.heleid.verdi}~mrd.~kr og sannsynligheten for tap fra
\tall{folsomheter.eier.hoved.C.heleid.tap} til \tall{folsomheter.eier.28.C.heleid.tap}~\%, og det samme
mønsteret står for T-F og T-K. Spesifikasjonen sier at kostnadene ganges med $1 + \epsilon_e$ med
trekningens $\epsilon_e$ (avklaring~122), og forhåndsregistreringen at effektiviteten legges inn «som et
spenn som også inneholder null». Kostnadene blir da lavere i noen trekninger og høyere i andre, og det
kan gi lavere forventet verdi og likevel færre trekninger med tap. Det er ikke kontrollert her. Det samme
mønsteret, lavere verdi og lavere sannsynlighet for tap, står for A i rad 24; det er ikke forklart.
\emph{Rad 25} endrer bare de to formene med private eiere, og \emph{rad 28} bare direkte eierskap og
heleid selskap; ingen av dem får noen form under risikogrensen. \emph{Rad 29} endrer bare oppgjøret for
formene med private eiere, og ingenting for C og T-F.
\input{generert/folsomheter-eierverdi}
\input{generert/folsomheter-eierrang}
\paragraph{Åpne forutsetninger}
Regel~7 sier at det som mangler kilde, står som åpen forutsetning med spenn, og at følsomheten for den
vises. Fila \fil{folsomheter.json} sier ikke hvilke rader som gjelder åpne forutsetninger, og det er ikke laget
her. Status for hver parameter står i parameterfila og i \cref{sec:folsomhetslista}.

110
rapport/kap6-m7.tex Normal file
View file

@ -0,0 +1,110 @@
% -----------------------------------------------------------------
\subsection{Sammenligningen av kraftløsningene}\label{sec:res-m7}
Ved siden av dommen står en sammenligning av kraftløsningene (M7). For hver av A, B, C, T-F og T-K oppgis
andelen av trekningene der løsningen alene har høyest netto nåverdi (M1), og andelen der den deler plassen
med en annen. Det oppgis også i hvor stor andel ingen løsning lar seg bygge. Sammenligningen har ingen
terskler og gir ingen dom (\cref{sec:m7}). $B'$ og R er ikke med.
I hver trekning er de beste løsningene de av de fem som lar seg bygge og har den høyeste netto nåverdien
blant dem som lar seg bygge. Er det én, er den best alene. Har flere nøyaktig samme verdi, deler de
plassen. Lar ingen seg bygge, er ingen best (avklaring~137). Andelene «best alene» for de fem, andelen
der plassen er delt, og andelen der ingen lar seg bygge, summerer til én. At T-F og T-K ofte deler
plassen, følger av hvordan de er bygd: «de to trinnvise løsningene er like i trekninger der ingen modul
får kjernekraft» (forhåndsregistreringen, M7). I slike trekninger er T-K den samme banen som T-F og har
nøyaktig den samme netto nåverdien. Ved siden av hver andel står andelen der løsningens bane ikke lar
seg bygge, og andelen der den er best alene blant trekningene der den lar seg bygge (avklaring~69).
\paragraph{I «normalisering» på trinnet dommene leses av på}
Med \tall{dommer.trinn} anlegg lar alle fem løsningene seg bygge i alle trekningene, og ingen trekning er
uten løsning (\tall{dommer.m7.normalisering.t1.ingen}~\%). C er best alene i
\tall{dommer.m7.normalisering.t1.C.alene}~\% av trekningene, B i
\tall{dommer.m7.normalisering.t1.B.alene}~\%, A i \tall{dommer.m7.normalisering.t1.A.alene}~\% og T-F
alene i \tall{dommer.m7.normalisering.t1.TF.alene}~\%. Plassen er delt i
\tall{dommer.m7.normalisering.t1.delt}~\% av trekningene; T-F og T-K deler den i
\tall{dommer.m7.normalisering.t1.par.TF-TK}~\%. Sammenligningen sier hvilken løsning som har høyest netto
nåverdi i hver trekning, ikke at den har positiv netto nåverdi: i «normalisering» er medianen negativ for
alle fem (\cref{sec:res-dommer}).
\paragraph{Oppover stigen}
\Cref{tab:res-m7-stige} og \cref{fig:res-m7} viser sammenligningen i «normalisering» på hvert trinn i
stigen. Bildet endrer seg mye fra ett til fem anlegg, og det skyldes i stor grad hvilke baner som lar seg
bygge. Med fem anlegg lar ingen av de fem seg bygge i \tall{dommer.m7.normalisering.t5.ingen}~\% av
trekningene. T-K er best alene i \tall{dommer.m7.normalisering.t5.TK.alene}~\%, C i
\tall{dommer.m7.normalisering.t5.C.alene}~\% og B i \tall{dommer.m7.normalisering.t5.B.alene}~\%. Blant
trekningene der C lar seg bygge, er C best alene i \tall{dommer.m7.normalisering.t5.C.blant}~\%, men C lar
seg ikke bygge i \tall{dommer.m7.normalisering.t5.C.ikke-byggbar}~\% av trekningene. Andelene på dette
trinnet er altså drevet av baner som ikke lar seg bygge: en løsning kan være best i en trekning fordi de
andre ikke lar seg bygge der. Med ti anlegg er ingen best i \tall{dommer.m7.normalisering.t10.ingen}~\% av
trekningene, og med tjue og førti i \tall{dommer.m7.normalisering.t20.ingen} og
\tall{dommer.m7.normalisering.t40.ingen}~\%. Med flere enn ett anlegg deler ingen plassen i noen trekning
(\tall{dommer.m7.normalisering.t5.delt}~\% med fem anlegg).
\begin{table}[htbp]
\centering\footnotesize
\setlength{\tabcolsep}{5pt}
\renewcommand{\arraystretch}{1.05}
\caption{Sammenligningen av kraftløsningene (M7) i «normalisering» på hvert trinn i stigen, i prosent. «Best
alene» og «deler plassen» er andeler av alle \tall{dommer.antall} trekninger. «Best alene blant
trekningene der løsningen lar seg bygge» har ingen verdi (--) når banen ikke lar seg bygge i noen
trekning. «Best alene» for de fem, «plassen er delt» og «ingen lar seg bygge» summerer til
100~\%.}\label{tab:res-m7-stige}
\input{generert/dommer-m7-stige}
\end{table}
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[width=\linewidth, height=72mm,
xtick={1,...,5}, xticklabels={1,5,10,20,40}, xmin=0.7, xmax=5.3,
xlabel={Antall anlegg i trinnet (1\,000~MW IT-last hvert)},
ylabel={Andel av alle trekningene, \%}, ymin=-3, ymax=103,
ymajorgrids, grid style={black!12},
tick label style={font=\small}, label style={font=\small},
legend style={font=\small, at={(0.5,1.02)}, anchor=south, legend columns=4, draw=none},
legend cell align=left,
/pgf/number format/.cd, use comma, 1000 sep={\,}]
\addplot[cA, thick, mark=*, mark options={solid}] table[x=pos, y expr=\thisrow{A}*100] {generert/dommer-m7.dat};
\addlegendentry{A alene}
\addplot[cB, thick, densely dashed, mark=square*, mark options={solid}] table[x=pos, y expr=\thisrow{B}*100] {generert/dommer-m7.dat};
\addlegendentry{B alene}
\addplot[cD, thick, mark=triangle*, mark options={solid}] table[x=pos, y expr=\thisrow{C}*100] {generert/dommer-m7.dat};
\addlegendentry{C alene}
\addplot[cE, thick, dotted, mark=diamond*, mark options={solid}] table[x=pos, y expr=\thisrow{TF}*100] {generert/dommer-m7.dat};
\addlegendentry{T-F alene}
\addplot[cC, thick, dashdotted, mark=pentagon*, mark options={solid}] table[x=pos, y expr=\thisrow{TK}*100] {generert/dommer-m7.dat};
\addlegendentry{T-K alene}
\addplot[black!60, thick, densely dotted, mark=o, mark options={solid}] table[x=pos, y expr=\thisrow{delt}*100] {generert/dommer-m7.dat};
\addlegendentry{plassen delt}
\addplot[black, very thick, mark=x, mark size=3pt, mark options={solid}] table[x=pos, y expr=\thisrow{ingen}*100] {generert/dommer-m7.dat};
\addlegendentry{ingen lar seg bygge}
\end{axis}
\end{tikzpicture}
\caption{Sammenligningen av kraftløsningene (M7) i «normalisering» for hvert trinn i stigen: andelen av alle
trekningene der hver løsning er best alene, der plassen er delt, og der ingen av de fem lar seg bygge.
De sju andelene summerer til 100~\% på hvert trinn. Strekene mellom trinnene er bare for å lede øyet.
Dommene leses av på trinnet med \tall{dommer.trinn} anlegg.}\label{fig:res-m7}
\end{figure}
\paragraph{I de andre scenarioene}
\Cref{tab:res-m7-scenarioer} viser sammenligningen på trinnet dommene leses av på, i alle seks
scenarioene. I «knapphet varer» deler T-F og T-K plassen i
\tall{dommer.m7.knapphet.t1.par.TF-TK}~\% av trekningene og C er best alene i
\tall{dommer.m7.knapphet.t1.C.alene}~\%. I «overkapasitet» er C best alene i
\tall{dommer.m7.overkapasitet.t1.C.alene}~\% og B i \tall{dommer.m7.overkapasitet.t1.B.alene}~\%. I de
tre merkede scenarioene deler T-F og T-K plassen sjeldnere enn i «normalisering» (\tall{dommer.m7.lavt.t1.par.TF-TK},
\tall{dommer.m7.egne-lav.t1.par.TF-TK} og \tall{dommer.m7.egne-hoy.t1.par.TF-TK}~\%), og B er oftere
best alene enn der (\tall{dommer.m7.lavt.t1.B.alene}, \tall{dommer.m7.egne-lav.t1.B.alene} og
\tall{dommer.m7.egne-hoy.t1.B.alene}~\%). Ingen av disse andelene er en dom, og bare «normalisering» er
scenarioet dommen leses av i.
\begin{table}[htbp]
\centering\footnotesize
\setlength{\tabcolsep}{3pt}
\renewcommand{\arraystretch}{1.05}
\caption{Sammenligningen av kraftløsningene (M7) i alle seks scenarioene på trinnet med \tall{dommer.trinn}
anlegg, i prosent av alle trekningene. På dette trinnet lar alle fem løsningene seg bygge i alle
trekningene. «Par som deler plassen» teller en trekning der tre deler, én gang for hvert par. «80~\% på
egne» er scenarioet «80~\% på egne maskiner».}\label{tab:res-m7-scenarioer}
\input{generert/dommer-m7-scenarioer}
\end{table}

281
rapport/kap6-miljo.tex Normal file
View file

@ -0,0 +1,281 @@
\subsection{Utslipp over livsløpet, «med fradrag», og kjølevann}\label{sec:res-fradrag}
Tallene står i \fil{miljo.json} (avklaring~141 og~142 i spesifikasjonen). For hvert scenario, hvert trinn og
hver løsning gir fila antallet trekninger der banen lar seg bygge, og blant dem medianen og 10- og
90-persentilen av hver størrelse, år for år fra \tall{miljo.forste-aar} til \tall{miljo.siste-aar} og for
summen over årene. Summen tas i hver trekning før persentilene leses av. Fila oppgir enhetene som tonn
CO\textsubscript{2}-ekvivalenter per år og m\textsuperscript{3} per år. Det gjelder seriene år for år; en
sum er totalen over hele perioden \tall{miljo.forste-aar}--\tall{miljo.siste-aar}, ikke et tall per år, og
den er ikke diskontert. Alle tabellene under viser slike summer over perioden. Utslippene over livsløpet
($U^{\text{liv}}$, \cref{eq:S32}) er CO\textsubscript{2}-ekvivalenter, mens fradraget ($U^{\text{unngått}}$,
\cref{eq:S53}) bygger på kildenes tall for direkte CO\textsubscript{2} (kapittel~17.4 i spesifikasjonen),
selv om fila bruker samme enhet for begge. Ingen av tallene inngår i noen dom.
Tallene under gjelder trinnet dommene leses av på, \tall{miljo.domstrinn} anlegg, i «normalisering». Der lar
banen seg bygge i alle trekningene for alle løsningene, så hvert tall bygger på alle
\tall{miljo.antall} trekningene (\cref{tab:res-miljo-liv}). Fila har de samme tallene for de andre trinnene.
På trinnet med \tall{miljo.nestetrinn} anlegg bygger de på svært ulikt antall trekninger, fra
\tall{miljo.t5.TF.antall} for T-F til \tall{miljo.t5.R.antall} for R (siste kolonne i
\cref{tab:res-miljo-liv}); løsningene sammenlignes der over ulike trekninger, og de vises ikke her.
\emph{Scenarioene.} Utslippene over livsløpet og vannet er nøyaktig like i alle seks scenarioene, på alle
trinn og for alle løsningene (kontrollert i fila). Det følger av modellen: utbyggingen og driften er den
samme i alle scenarioene, bare prisen og inntekten skiller dem (avklaring~95 og~99). Fradraget er likt i de
tre prisscenarioene, men lavere i de tre scenarioene for AI-bruk på egne maskiner, fordi bare regnekraft som
er solgt og levert, erstatter regnekraft et annet sted (\cref{eq:S53}, avklaring~78), og mindre selges når
etterspørselen faller (\cref{eq:S51}). \Cref{tab:res-miljo-bortfall} viser det.
\emph{Medianer per år kan ikke legges sammen.} Utslippene fra IT-utstyr og bygg føres i året utstyret settes
i drift (\cref{eq:S32}), og det er ulike år i ulike trekninger. Summen over årene av medianen per år for A er
\tall{miljo.t1.A.liv.sum-av-medianer} millioner tonn, mens medianen av summen er
\tall{miljo.t1.A.liv.median} millioner tonn. Tabellene bruker derfor summen slik fila har den.
\paragraph{Utslipp over livsløpet (S32)}
$U^{\text{liv}}$ i fila er (\cref{eq:S32}) slik koden regner det: utslippene over livsløpet fra krafta
datasentrene faktisk bruker, pluss utslippene fra produksjon av IT-utstyr for hver årgang og fra bygg, i
året de settes i drift. Et anlegg som står uten brikker, bruker ikke kraft det året. Spesifikasjonen sier at
med kraft med lave utslipp er utslippene fra IT-utstyr og bygg større enn utslippene fra krafta, og at de er
like for alle kraftløsningene (kapittel~10, \kilde{K19-011}); fila skiller ikke de tre leddene, så det er
ikke kontrollert her.
Tallene er ikke grunnlaget for M5, og de kan ikke leses som sammenligningen i M5. M5~(i) avgjøres kilde
for kilde med kildenes sentralverdier per kWh, uten trekninger (presisering~7 og~9, avklaring~55 og~68);
fordelingene brukes bare til tonn per år. De to skiller seg fordi fordelingene som trekkes, har lange
øvre haler. For kjernekraft er fordelingen PERT \tall{miljo.u.kjerne.lav}/\tall{miljo.u.kjerne.modus}/%
\tall{miljo.u.kjerne.hoy}~g CO\textsubscript{2}e per kWh, med snitt \tall{miljo.u.kjerne.snitt}; for vind
på land \tall{miljo.u.vind.lav}/\tall{miljo.u.vind.modus}/\tall{miljo.u.vind.hoy}, snitt
\tall{miljo.u.vind.snitt}; og for norsk vannkraft \tall{miljo.u.vann.lav}/\tall{miljo.u.vann.modus}/%
\tall{miljo.u.vann.hoy}, snitt \tall{miljo.u.vann.snitt} (parameterfila; snittet av en PERT-fordeling med
form~4 er (lav + 4 · modus + høy)/6). I C er tallet snittet for porteføljen av vind og vann. Per kWh blir
krafta i A, B og $B'$ derfor i snitt tyngre enn i C i trekningene, selv om kildenes sentralverdier ligger nær
hverandre (tabellen i avklaring~68). Fila skiller ikke krafta fra IT-utstyr og bygg, så hvor stor
forskjellen per kWh er i $U^{\text{liv}}$, er ikke kontrollert; forskjellen mellom løsningene i
\cref{tab:res-miljo-liv} avhenger også av hvor mange år og årganger hvert anlegg er i drift. M5~(iv) er
oppfylt ved at utslippene fra brikker og bygg står i (\cref{eq:S32}). Dommen i M5 står i
\cref{tab:res-miljo-liv} for å vise det: den følger reglene, ikke tallene i tabellen. Dommen er beskrevet i
\cref{sec:res-dommer}.
\begin{table}[htbp]
\centering\small
\caption[Utslipp over livsløpet]{Utslipp over livsløpet (\cref{eq:S32}), summert over
\tall{miljo.forste-aar}--\tall{miljo.siste-aar}, i millioner tonn CO\textsubscript{2}-ekvivalenter, ikke
diskontert. «Normalisering» (likt i alle scenarioene), trinnet dommene leses av på
(\tall{miljo.domstrinn} anlegg). Median og 10- og 90-persentil over trekningene der banen lar seg bygge;
antallet står ved siden av. Dommen i M5 er fra \fil{dommer.json} og avgjøres ikke av disse tallene. Siste
kolonne er antallet trekninger tallene i fila bygger på, på trinnet med \tall{miljo.nestetrinn} anlegg.}
\label{tab:res-miljo-liv}
\begin{tabular}{@{}lrrrrlr@{}}
\toprule
& & \multicolumn{3}{c}{Mill.\ tonn CO\textsubscript{2}e} & & Antall, \\
\cmidrule(lr){3-5}
Løsning & Antall & median & p10 & p90 & Dom i M5 & trinn \tall{miljo.nestetrinn} \\
\midrule
\input{generert/miljo-liv}
\end{tabular}
\end{table}
\paragraph{Regnestykket «med fradrag» (S53), for seg og merket}
Regel~5 i forhåndsregistreringen sier:
\begin{ordrett}
Utslipp regnes uten fradrag for at regnekrafta ellers ville blitt laget med skitnere kraft et annet sted.
Regnestykket med slikt fradrag vises ved siden av, merket som det.
\end{ordrett}
Presisering~15 sier hvordan:
\begin{ordrett}
Regnestykket står alltid for seg og inngår ikke i M5. Der det vises, står det at standardene sier at unngåtte
utslipp skal rapporteres atskilt og ikke trekkes fra, og at fradraget kan være null når alternativet ligger
under et kvotetak (K26-013).
\end{ordrett}
Det som følger, er derfor ikke utslippene fra satsingen. Standardene sier at unngåtte utslipp skal
rapporteres atskilt og ikke trekkes fra, og fradraget kan være null når alternativet ligger under et
kvotetak \kilde{K26-013}. Fradraget $U^{\text{unngått}}$ er utslippene fra krafta den samme regnekrafta
ellers ville brukt et annet sted, og $U^{\text{med}} = U^{\text{liv}} - U^{\text{unngått}}$ (\cref{eq:S53}).
Fila gir det for fire anslag for utslippene i den krafta, i g CO\textsubscript{2} per kWh (kapittel~17.4 i
spesifikasjonen og parameterfila):
\begin{itemize}[leftmargin=*,itemsep=1pt]
\item \emph{Hovedanslaget}: krafta verdens datasentre bruker, \tall{miljo.ualt.hoved.2024} i 2024,
\tall{miljo.ualt.hoved.2030} i 2030 og \tall{miljo.ualt.hoved.2035} i 2035, og deretter i takt med
verdens kraftmiks med vedtatt politikk, \tall{miljo.ualt.hoved.2040} i 2040 og
\tall{miljo.ualt.hoved.2050} i 2050 \kilde{K26-001, K26-K01, K26-006}.
\item \emph{Lavt}: EUs kraftmiks, \tall{miljo.ualt.lav.2025} i 2025 og \tall{miljo.ualt.lav.2030} i 2030
\kilde{K26-005}.
\item \emph{Høyt}: USA på marginen, \tall{miljo.ualt.hoy.lav} og \tall{miljo.ualt.hoy.hoy}, faste over
tid og regnet hver for seg \kilde{K26-011, K26-007}.
\item \emph{Null} (\tall{miljo.ualt.null}): alternativet ligger under et kvotetak \kilde{K26-013}. Da er
$U^{\text{med}} = U^{\text{liv}}$, som står i \cref{tab:res-miljo-liv}; fila gir det ikke for seg
(avklaring~141).
\end{itemize}
Banene er lineære mellom årene og faste etter siste år. Kildenes tall er direkte CO\textsubscript{2}, mens
$U^{\text{liv}}$ er CO\textsubscript{2}-ekvivalenter over livsløpet; det gjør fradraget for lite, ikke for
stort (kapittel~17.4). Utslippene fra brikker og bygg ville også kommet et annet sted, men trekkes ikke fra.
\Cref{tab:res-miljo-unngaatt} viser fradraget og \cref{tab:res-miljo-med} hva som står igjen etter det.
Negativt fortegn betyr at fradraget er større enn utslippene over livsløpet; positivt at det er mindre. Med
hovedanslaget er $U^{\text{med}}$ negativt i hele spennet fra 10- til 90-persentilen for alle løsningene. Med
det lave anslaget går spennet over null for alle løsningene, for A fra \tall{miljo.t1.A.med.lav.p10} til
\tall{miljo.t1.A.med.lav.p90} millioner tonn. Med anslaget null er det ikke noe fradrag. Hvilket anslag som
gjelder, avgjør altså fortegnet, og regnestykket sier ingenting om utslippene fra satsingen selv; de står i
\cref{tab:res-miljo-liv}.
\begin{table}[htbp]
\centering\small
\caption[Fradraget «med fradrag»]{\emph{Regnestykket «med fradrag», merket: står for seg og inngår ikke i
M5 eller noen annen dom.} Fradraget $U^{\text{unngått}}$ (\cref{eq:S53}) per anslag for utslippene i
krafta regnekrafta ellers ville brukt, summert over \tall{miljo.forste-aar}--\tall{miljo.siste-aar}, i
millioner tonn CO\textsubscript{2}, ikke diskontert. Median over trekningene. «Normalisering», trinnet
dommene leses av på (\tall{miljo.domstrinn} anlegg), alle \tall{miljo.antall} trekningene.}
\label{tab:res-miljo-unngaatt}
\begin{tabular}{@{}lrrrr@{}}
\toprule
Løsning & Hovedanslag & Lavt & Høyt, \tall{miljo.ualt.hoy.lav} & Høyt, \tall{miljo.ualt.hoy.hoy} \\
\midrule
\input{generert/miljo-unngaatt}
\end{tabular}
\end{table}
\begin{table}[htbp]
\centering\small
\caption[Utslipp «med fradrag»]{\emph{Regnestykket «med fradrag», merket: står for seg og inngår ikke i M5
eller noen annen dom. Standardene sier at unngåtte utslipp skal rapporteres atskilt og ikke trekkes fra,
og fradraget kan være null når alternativet ligger under et kvotetak \kilde{K26-013}.}
$U^{\text{med}} = U^{\text{liv}} - U^{\text{unngått}}$ (\cref{eq:S53}), regnet i hver trekning: tonn
CO\textsubscript{2}-ekvivalenter over livsløpet minus fradraget i tonn direkte CO\textsubscript{2}.
Summert over hele perioden \tall{miljo.forste-aar}--\tall{miljo.siste-aar}, i millioner tonn, ikke
diskontert. Median, og 10- til
90-persentil i parentes; medianen av differansen er ikke differansen av medianene. «Normalisering»,
trinnet dommene leses av på (\tall{miljo.domstrinn} anlegg), alle \tall{miljo.antall} trekningene. Med
anslaget null er $U^{\text{med}}$ lik $U^{\text{liv}}$ i \cref{tab:res-miljo-liv}.}
\label{tab:res-miljo-med}
\begin{tabular}{@{}lrrrr@{}}
\toprule
Løsning & Hovedanslag & Lavt & Høyt, \tall{miljo.ualt.hoy.lav} & Høyt, \tall{miljo.ualt.hoy.hoy} \\
\midrule
\input{generert/miljo-med}
\end{tabular}
\end{table}
\begin{table}[htbp]
\centering\small
\caption[Fradraget når etterspørselen faller]{\emph{Regnestykket «med fradrag», merket: står for seg og
inngår ikke i noen dom.} Fradraget $U^{\text{unngått}}$ med hovedanslaget, summert over
\tall{miljo.forste-aar}--\tall{miljo.siste-aar}, i millioner tonn direkte CO\textsubscript{2}, median, i «normalisering» og i de tre
merkede scenarioene for AI-bruk på egne maskiner (kapittel~17.3; «80~\%» er prosjekteiers scenario uten
kilde). Trinnet dommene leses av på, alle \tall{miljo.antall} trekningene. I «knapphet varer» og
«overkapasitet» er tallene de samme som i «normalisering».}
\label{tab:res-miljo-bortfall}
\begin{tabular}{@{}lrrrr@{}}
\toprule
& & Kildenes & «80~\% på egne & «80~\% på egne \\
Løsning & «Normalisering» & lave forløp & maskiner», lav & maskiner», høy \\
\midrule
\input{generert/miljo-bortfall}
\end{tabular}
\end{table}
\paragraph{Kjølevann (S54)}
\Cref{tab:res-miljo-vann} viser kjølevannet som uttak og forbruk hver for seg (\cref{eq:S54}), og
\cref{fig:res-miljo-vann} viser det år for år. Kolonnene er:
\begin{itemize}[leftmargin=*,itemsep=1pt]
\item \emph{Uttak}: datasentrenes vann og sjøvannet gjennom kjernekraftverkene. Sjøvannet er regnet for hele
produksjonen fra kjernekraftenhetene som er i drift, også krafta som selges til andre (avklaring~79). Det
føres tilbake varmere.
\item \emph{Uttak, egen bruk}: det samme, men med sjøvannet bare for den delen av kjernekrafta datasentrene
selv bruker (avklaring~92). Forskjellen mot uttaket er vannet for krafta som selges til andre. I A er de
to like, fordi kraftverket bare forsyner datasenteret; i B og $B'$ er uttaket større, og i T-K i de få
trekningene der modulene får kjernekraft. Uttaket i første kolonne er altså ikke datasentrenes behov
alene.
\item \emph{Forbruk, kjernekraft}: ferskvann forbrukt i kjernekraftverkene. Det er null fordi parameterfila
setter det til \tall{miljo.wN-forbruk}~m\textsuperscript{3} per MWh: kjølevannet er sjøvann. Det er en
åpen forutsetning, ikke et tall fra en kilde (kapittel~17.5). Nullen er altså forutsetningen, ikke et
resultat.
\item \emph{Forbruk, høyst}: en øvre grense der datasentrene forbruker alt de tar ut. Ingen nordisk kilde
oppgir hvor mye et datasenter forbruker (avklaring~79). Med null forbruk i kjernekraftverkene er dette
det samme som datasentrenes eget uttak.
\end{itemize}
For vannkraft oppgis ikke noe tall, fordi kildene er uenige om metoden (presisering~16); vindkraft bruker
ikke kjølevann (kapittel~17.5). For C, R og T-F er uttaket derfor bare datasentrenes vann, som er en svært liten mengde ved
siden av sjøvannet gjennom kjernekraftverkene i A, B og $B'$ (\cref{tab:res-miljo-vann}). Kjernekraft med kjøletårn og
et datasenter kjølt med sjøvann skal etter kapittel~17.5 vises ved siden av, men de står ikke i
\fil{miljo.json} og vises derfor ikke her.
\begin{table}[htbp]
\centering\small
\caption[Kjølevann]{Kjølevann (\cref{eq:S54}), summert over \tall{miljo.forste-aar}--\tall{miljo.siste-aar},
i millioner m\textsuperscript{3}. Median, og 10- til 90-persentil i parentes. «Normalisering» (likt i alle
scenarioene), trinnet dommene leses av på (\tall{miljo.domstrinn} anlegg), alle \tall{miljo.antall}
trekningene. Forbruket i kjernekraftverkene er null etter en åpen forutsetning. Ingen tall for
vannkraft (presisering~16). Inngår ikke i noen dom.}
\label{tab:res-miljo-vann}
\begin{tabular}{@{}lrrrr@{}}
\toprule
Løsning & Uttak & Uttak, egen bruk & Forbruk, kjernekraft & Forbruk, høyst \\
\midrule
\input{generert/miljo-vann}
\end{tabular}
\end{table}
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[
width=0.49\linewidth, height=5.4cm,
xmin=2028, xmax=2100, ymin=0,
title={Uttak med sjøvann}, title style={font=\small},
xlabel={År}, ylabel={Millioner m\textsuperscript{3} per år},
xtick={2030,2050,2070,2090}, x tick label style={/pgf/number format/1000 sep={}},
y tick label style={/pgf/number format/.cd, use comma, 1000 sep={\,}},
tick label style={font=\scriptsize}, label style={font=\footnotesize},
legend pos=south east, legend style={font=\scriptsize}, legend cell align=left,
]
\addplot[cA, thick] table[x=aar, y expr=\thisrow{Amed}/1e6] {generert/miljo-vann.dat};
\addlegendentry{A}
\addplot[cB, thick, dashed] table[x=aar, y expr=\thisrow{Bmed}/1e6] {generert/miljo-vann.dat};
\addlegendentry{B}
\addplot[cC, thick, dotted] table[x=aar, y expr=\thisrow{Bmmed}/1e6] {generert/miljo-vann.dat};
\addlegendentry{$B'$}
\end{axis}
\end{tikzpicture}\hfill
\begin{tikzpicture}
\begin{axis}[
width=0.49\linewidth, height=5.4cm,
xmin=2028, xmax=2100, ymin=0,
title={Datasentrenes eget uttak}, title style={font=\small},
xlabel={År}, ylabel={Millioner m\textsuperscript{3} per år},
xtick={2030,2050,2070,2090}, x tick label style={/pgf/number format/1000 sep={}},
y tick label style={/pgf/number format/.cd, use comma, 1000 sep={\,}},
tick label style={font=\scriptsize}, label style={font=\footnotesize},
legend pos=south east, legend style={font=\scriptsize}, legend cell align=left,
]
\addplot[cA, thick] table[x=aar, y expr=\thisrow{Adc}/1e6] {generert/miljo-vann.dat};
\addlegendentry{A, B, $B'$}
\addplot[cB, thick, dashed] table[x=aar, y expr=\thisrow{Cdc}/1e6] {generert/miljo-vann.dat};
\addlegendentry{C}
\addplot[cC, thick, dotted] table[x=aar, y expr=\thisrow{Rdc}/1e6] {generert/miljo-vann.dat};
\addlegendentry{R}
\addplot[cD, thick, dashdotted] table[x=aar, y expr=\thisrow{TFdc}/1e6] {generert/miljo-vann.dat};
\addlegendentry{T-F (T-K nesten lik)}
\end{axis}
\end{tikzpicture}
\caption[Kjølevann år for år]{Kjølevann år for år, median over trekningene, i millioner m\textsuperscript{3}
per år. «Normalisering» (likt i alle scenarioene), trinnet dommene leses av på (\tall{miljo.domstrinn}
anlegg), alle \tall{miljo.antall} trekningene. Venstre: uttaket med sjøvann gjennom kjernekraftverkene
(\cref{eq:S54}); i B og $B'$ også for kraft som selges til andre. Høyre: datasentrenes eget uttak, som også
er den øvre grensen for forbruket; A, B og $B'$ har nøyaktig like serier her. Merk at aksene har ulik skala. Medianene per år er ikke
sammenlignbare mellom T og de andre uten videre: et enkelt anlegg er enten i drift med hele lasten eller
ikke, så medianen hopper til full verdi det året mer enn halvparten av trekningene har anlegget i drift,
mens T har ti moduler og stiger trinnvis. Summen av medianene per år er ikke medianen av summen. Hvert annet år fra
\tall{miljo.forste-aar}. Ingen bånd: 10- og 90-persentilen står i \cref{tab:res-miljo-vann} for summen.}
\label{fig:res-miljo-vann}
\end{figure}
\paragraph{Kontrollene}
Før tallene er skrevet, er fila prøvd mot seg selv og mot \fil{dommer.json}, og skriptet stanser hvis en
prøve feiler. Alle holdt. Antallet i fila er lik alle trekningene ganget med én minus andelen «ikke byggbar» i
\fil{dommer.json}, for hvert scenario, trinn og løsning. Utslippene over livsløpet og vannet er like i alle
scenarioene, og fradraget er likt i de tre prisscenarioene. For C, R og T-F er uttaket, uttaket for egen bruk og
forbruket høyst de samme seriene; i A er uttaket og uttaket for egen bruk de samme. Uttaket for egen bruk er
aldri over uttaket, forbruket i kjernekraftverkene er null overalt, og 10-persentilen er aldri over medianen
og medianen aldri over 90-persentilen. T-F og T-K ligger nesten likt på dette trinnet, fordi T-K nesten
aldri får kjernekraft der (høyst \tall{tidslinje.dom.TK.kjerne-topp}~\% av trekningene,
\cref{sec:res-tidslinje}). Små forskjeller i persentilene for uttaket kommer av de få trekningene med
kjernekraft.

View file

@ -2,59 +2,66 @@
\section{Resultater}\label{sec:resultater}
% =================================================================
Resultatene leses fra datafilene hovedkjøringen skriver (\fil{data/resultater/}), og dommene leses mot
forhåndsregistreringen slik den står (avklaring 140 i spesifikasjonen). Figurene leser bare fra de samme
filene og fra \fil{fordelinger.json}. Alle alternativer og alle resultater rapporteres, også de som går
imot hypotesen (regel~6).
Resultatene leses fra de åtte datafilene hovedkjøringen og kommandoen etter den skrev
(\fil{data/resultater/}): de seks filene fra hovedkjøringen (\fil{dommer.json}, \fil{tidslinje.json},
\fil{eierformer.json}, \fil{terskler.json}, \fil{folsomheter.json} og innholdslista \fil{innhold.json})
og de to ekstra filene \fil{fordelinger.json} og \fil{miljo.json} med sjekksummene sine i
\fil{tillegg.json} (avklaring 140 til 142 i spesifikasjonen). Dommene leses mot forhåndsregistreringen
slik den står. Hvert tall fra kjøringen i tabellene, figurene og teksten er hentet maskinelt fra disse
filene, og en liste sier for hvert tall hvilken fil og hvilket felt det står i. Bare tersklene og de faste
størrelsene i forhåndsregistreringen og opplysningene om kjøringen under (tid, commit, kommando) er
skrevet inn for hånd.
Alle alternativer og alle resultater rapporteres, også de som går imot hypotesen (regel~6).
\begin{kommerblokk}
Hvilken commit kjøringen gikk fra, sjekksummene i \fil{innhold.json}, og resultatet av \fil{kontroll}
mot de lagrede filene.
\end{kommerblokk}
\paragraph{Kjøringen}
Hovedkjøringen ble satt i gang 14.~november 2026 kl.~09.11 med kommandoen \fil{hovedkjoring --frys}
på åtte prosesser. Den gikk fra en egen kopi av koden, hentet ut på commit \texttt{085b642}
(\texttt{085b64282b124fc27e704930833efa4b9cc33349}) og ikke rørt mens kjøringen gikk, fordi
arbeidsprosessene leser koden fra disk (avklaring 140~c). Kjøringen regnet
\tall{dommer.innhold.antall} trekninger, \tall{dommer.innhold.antall-losninger} løsninger (A, B, $B'$, C,
R, T-F og T-K) og stigen med \tall{dommer.innhold.stige.0}, \tall{dommer.innhold.stige.1},
\tall{dommer.innhold.stige.2}, \tall{dommer.innhold.stige.3} og \tall{dommer.innhold.stige.4} anlegg, i
\tall{dommer.innhold.antall-scenarioer} scenarioer: de tre prisscenarioene og de tre merkede scenarioene
for AI-bruk på brukernes egne maskiner. Grunnlaget er merket «\tall{dommer.innhold.merke}» og bygd fra
frysen: parameterfila, trekningene og strømmen for årlige hendelser, med sjekksummene
\tall{dommer.innhold.grunnlag.parametere}\ldots, \tall{dommer.innhold.grunnlag.trekninger}\ldots{} og
\tall{dommer.innhold.grunnlag.aarshendelser}\ldots{} (SHA-256, de første tolv tegnene). Sjekksummen for
parameterfila er den forhåndsregistreringen fører for versjon~1.1 (\cref{sec:frys}). De to ekstra
filene ble laget etter hovedkjøringen med kommandoen \fil{tilleggsfiler --frys} fra en egen kopi av koden
på commit \texttt{f17d4d2}, med det samme hodet som de seks filene. \Cref{tab:res-sjekksummer} viser
sjekksummene for filene slik innholdslistene fører dem.
\subsection{Dommene}\label{sec:res-dommer}
\begin{kommerblokk}
Fra \fil{dommer.json}: trinnet dommene leses av på, dommen per mål (M1--M6) og løsning i
«normalisering», de to andre prisscenarioene og de tre merkede scenarioene ved siden av, andelen
trekninger som ikke lar seg bygge, og den samlede dommen over hypotesen med hvilke løsninger den gjelder.
\end{kommerblokk}
\begin{table}[htbp]
\centering\small
\caption{Sjekksummene (SHA-256, de første tolv tegnene) for datafilene, slik \texttt{innhold.json} fører dem
for de fem filene fra hovedkjøringen og \texttt{tillegg.json} for de to ekstra. De to innholdslistene har
ingen sjekksum i noen fil.}\label{tab:res-sjekksummer}
\begin{tabular}{@{}llp{60mm}@{}}
\toprule
Fil & Sjekksum & Ført i \\
\midrule
\fil{dommer.json} & \tall{dommer.innhold.fil.dommer} & \fil{innhold.json} \\
\fil{tidslinje.json} & \tall{dommer.innhold.fil.tidslinje} & \fil{innhold.json} \\
\fil{eierformer.json} & \tall{dommer.innhold.fil.eierformer} & \fil{innhold.json} \\
\fil{terskler.json} & \tall{dommer.innhold.fil.terskler} & \fil{innhold.json} \\
\fil{folsomheter.json} & \tall{dommer.innhold.fil.folsomheter} & \fil{innhold.json} \\
\fil{fordelinger.json} & \tall{dommer.innhold.fil.fordelinger} & \fil{tillegg.json} \\
\fil{miljo.json} & \tall{dommer.innhold.fil.miljo} & \fil{tillegg.json} \\
\bottomrule
\end{tabular}
\end{table}
\subsection{Sammenligningen av kraftløsningene}\label{sec:res-m7}
\begin{kommerblokk}
Fra \fil{dommer.json}: for A, B, C, T-F og T-K andelen trekninger der løsningen alene er best, andelen
der den deler plassen, og andelen der ingen lar seg bygge. Ingen dom.
\end{kommerblokk}
\paragraph{Gjenskapingen}
Etterpå laget kommandoen \fil{kontroll --frys} de seks filene på nytt fra den samme kopien av koden
(commit \texttt{085b642}) og sammenlignet dem med de lagrede. Alle seks var \fil{identisk}, med største
relative avvik null, og grunnlaget var merket «frosset». Det er prøvd på samme maskin. Gjenskaping på en
annen maskin er ikke gjort ennå. De to ekstra filene er laget én gang; de er ikke laget på nytt og
sammenlignet (avklaring 142~e sier hvordan det gjøres).
\subsection{Tidslinjen}\label{sec:res-tidslinje}
\begin{kommerblokk}
Fra \fil{tidslinje.json}: megawatt i drift år for år for hver løsning og hvilken kraft de går på (S50),
med median og persentiler over trekningene. Inngår ikke i noen dom.
\end{kommerblokk}
\subsection{Eierformene}\label{sec:res-eierformer}
\begin{kommerblokk}
Fra \fil{eierformer.json}: kriteriene for de fire eierformene per løsning på trinnet dommene leses av på,
antallet trekninger tabellen bygger på, rangeringen og hvordan den endrer seg med vektingen og grensen.
EØS-spørsmålet står åpent for alle fire (\cref{sec:eierformene}).
\end{kommerblokk}
\subsection{Tersklene og betingelsene}\label{sec:res-terskler}
\begin{kommerblokk}
Fra \fil{terskler.json}: pristerskelen per løsning, tersklene som teller som betingelser og dem som ikke
gjør det (og hvorfor), sannsynligheten for at hver betingelse er oppfylt, terskelen for bortfall av
etterspørsel, terskelflatene og Sobol-indeksene.
\end{kommerblokk}
\subsection{Følsomhetene}\label{sec:res-folsomheter}
\begin{kommerblokk}
Fra \fil{folsomheter.json}: den faste tabellen, rad for rad, med hovedkjøringen ved siden av. Ingen dom i
en følsomhet teller.
\end{kommerblokk}
\subsection{Utslipp «med fradrag» og kjølevann}\label{sec:res-fradrag}
\begin{kommerblokk}
Regnestykket «med fradrag» (S53), alltid for seg og merket som det, med at standardene sier at unngåtte
utslipp skal rapporteres atskilt og ikke trekkes fra (presisering~15); kjølevann per løsning som uttak og
forbruk (S54), uten tall for vannkraft (presisering~16). Hvilken datafil tallene leses fra, er ikke
avklart.
\end{kommerblokk}
\input{kap6-dommer}
\input{kap6-m7}
\input{kap6-tidslinje}
\input{kap6-eierformer}
\input{kap6-terskler}
\input{kap6-folsomheter}
\input{kap6-miljo}

295
rapport/kap6-terskler.tex Normal file
View file

@ -0,0 +1,295 @@
\subsection{Tersklene og betingelsene}\label{sec:res-terskler}
Her står pristerskelen, terskelen for bortfall av etterspørsel, tersklene i de trukne størrelsene og
betingelsene for hypotesen, terskelflatene og Sobol-indeksene. Hvordan de regnes, står i
\cref{sec:tersklene}. Alt er regnet på trinnet dommene leses av på, trinnet med \tall{terskler.trinn}~anlegg
(«\tall{terskler.grunnlag-for-trinnet}»), fra de samme \tall{terskler.antall-trekninger} trekningene som
dommene. Ingenting her endrer en dom, bortsett fra at betingelsene avgjør om en løsning som ikke er felt,
kan gi «holder under betingelser». Tallene står i \fil{terskler.json}, og betingelsene i
\fil{dommer.json}.
\paragraph{Pristerskelen}
Pristerskelen $k$ er faktoren prisen på regnekraft, $\bar y(t_v)$ i \cref{eq:S18}, må ganges med for alle
årganger for at medianen av netto nåverdi over trekningene skal bli null (regel~3; avklaring 105). I
«normalisering» er prisen konkurrentens kostnad per MW IT og år, uten påslag. Der betyr $k$ over én at
medianen er negativ med prisen modellen legger til grunn, og at prisen må være $k$ ganger så høy før
medianen blir null. $k$ under én betyr at medianen er positiv, og at prisen kan falle til $k$ ganger
prisen før den blir null. I «knapphet varer» og «overkapasitet» ganges prisen med påslaget eller fradraget
de første ti årene etter løsningens første anlegg, så $k$ er en faktor på den prisen.
Terskelen holdes mot kontraktsprisene i kildene (avklaring 106). Den er «innenfor kontraktsprisene» når
$k$ ganger medianen over trekningene av konkurrentens kostnad for årgang 2025,
\tall{terskler.median-lcoc-v-2025}~mill.\ kr per MW IT og år, ikke er høyere enn den høyeste kontraktsprisen,
\tall{terskler.y-obs-maks}~mill.\ kr per MW IT og år (2025-kroner). Det gjelder når $k$ er høyst
\tall{terskler.k-grense}. Ved siden av står andelen av trekningene der $k$ ganger trekningens egen kostnad
for årgang 2025 ikke er høyere enn den høyeste kontraktsprisen. I «knapphet varer» er prisen ved terskelen
høyere enn dette for årgangene med påslag, så kontrollen er der bare en øvre grense (avklaring 114~(h)).
\begin{table}[htbp]
\centering
\small
\caption{Pristerskelen $k$ per løsning og prisscenario, trinnet med \tall{terskler.trinn}~anlegg, med andelen
trekninger der prisen ved terskelen er innenfor kontraktsprisene (prosent). $^{\ast}$: terskelen er ikke
innenfor spennet i kontraktsprisene.}\label{tab:res-pristerskel}
\input{generert/terskler-pris}
\end{table}
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[
width=0.92\linewidth, height=6.2cm,
xmin=-0.5, xmax=6.5, xtick={0,1,2,3,4,5,6},
xticklabels={A,B,$B'$,C,R,T-F,T-K},
ymin=0, ylabel={Pristerskel $k$},
ymajorgrids, grid style={gray!25},
legend style={at={(0.5,1.02)}, anchor=south, legend columns=3, draw=none, font=\small},
tick label style={font=\small}, label style={font=\small},
/pgf/number format/use comma,
]
\addplot[only marks, mark=o, mark size=2.6pt, cA, thick]
table[x=nr, y=knapphet] {generert/terskler-pris.dat};
\addplot[only marks, mark=square*, mark size=2.2pt, cB]
table[x=nr, y=normalisering] {generert/terskler-pris.dat};
\addplot[only marks, mark=triangle*, mark size=2.8pt, cC]
table[x=nr, y=overkapasitet] {generert/terskler-pris.dat};
\draw[black, dashed] (axis cs:-0.5,1) -- (axis cs:6.5,1);
\legend{«knapphet varer», «normalisering», «overkapasitet»}
\end{axis}
\end{tikzpicture}
\caption{Pristerskelen $k$ per løsning i de tre prisscenarioene, trinnet med \tall{terskler.trinn}~anlegg. Den stiplede
linja er $k = 1$: over den er medianen av netto nåverdi negativ med prisen i scenarioet, under den er den
positiv. Hvert merke er ett tall, ingen bånd.}\label{fig:res-pristerskel}
\end{figure}
I «normalisering» er $k$ over én for alle sju løsningene, fra \tall{terskler.pris.R.normalisering.k} for R
og \tall{terskler.pris.TF.normalisering.k} for T-F til \tall{terskler.pris.Bm.normalisering.k} for $B'$
(\cref{tab:res-pristerskel,fig:res-pristerskel}). Medianen av netto nåverdi er altså negativ for alle sju
i scenarioet som teller. I «knapphet varer» er $k$ under én for C, R, T-F og T-K og over én for A, B
og $B'$. I «overkapasitet» er $k$ over én for alle. Alle tersklene har en verdi: ingen ligger over
søkegrensen, og ingen mangler median. Alle er innenfor spennet i kontraktsprisene, unntatt $B'$ i
«overkapasitet».
\paragraph{Terskelen for bortfall av etterspørsel}
Terskelen $d^{*}$ er hvor stor del av etterspørselen etter regnekraft i datasentre som kan falle bort,
likt for alle årganger, før medianen av netto nåverdi i «normalisering» blir null (\cref{eq:S52};
presisering~14). Den regnes fra pristerskelen i «normalisering» og $\varepsilon_d$, hvor mye inntekten per MW
faller per fall i etterspørselen: \tall{terskler.eps-d} i hovedkjøringen, og to andre verdier som
følsomhet (avklaring 107). Er $k$ én eller mer, er $d^{*}$ null. \Cref{tab:res-bortfall} viser at $d^{*}$ er
null for alle sju løsningene med alle tre verdiene av $\varepsilon_d$: ingen av dem tåler noe bortfall av
etterspørsel i «normalisering», fordi medianen er negativ allerede uten bortfall. Terskelen hviler på
$\varepsilon_d$, som ikke har kilde, og teller aldri som betingelse.
\begin{table}[htbp]
\centering
\small
\caption{Terskelen for bortfall av etterspørsel $d^{*}$ (\cref{eq:S52}), fra pristerskelen $k$ i
«normalisering», trinnet med \tall{terskler.trinn}~anlegg.}\label{tab:res-bortfall}
\input{generert/terskler-bortfall}
\end{table}
\paragraph{Tersklene i de trukne størrelsene}
En terskel finnes for en løsning og et mål med dommen «holder under betingelser»: den minst strenge
betingelsen på én trukket størrelse, innenfor 10- og 90-persentilen, som målet holder under (avklaring 108).
\Cref{tab:res-terskler-normalisering} viser alle tersklene i «normalisering». \emph{Sannsynlighet} er andelen
av alle trekningene der betingelsen er oppfylt, og \emph{andel oppfylt} andelen av dem der vilkåret for
«holder» i målet er oppfylt. \emph{Indeks} er Sobol-indeksen for størrelsen og vilkåret, \emph{kilde} om
størrelsen har status «kilde» i parameterfila, \emph{påvist} om virkningen består kjikvadratprøven
(presisering~22), og \emph{begge halvdeler} om målet også holder under betingelsen i begge halvdelene av
trekningene etter avkastningskravet for regnekraft; det prøves bare for avkastningskravet for kraft
$\rho_N$ (presisering~23). En terskel \emph{teller} som betingelse bare når alle tre kravene er oppfylt.
Størrelsene er forklart i \cref{tab:res-storrelser}; tersklene står i enheten der.
\begin{table}[htbp]
\centering
\footnotesize
\setlength{\tabcolsep}{3.5pt}
\caption{Tersklene i de trukne størrelsene, «normalisering», trinnet med \tall{terskler.trinn}~anlegg. Sannsynlighet og
andel oppfylt (blant trekningene betingelsen gjelder) i prosent. «Halvdeler»: begge halvdeler.
$^{\ast}$: åpen forutsetning (ingen kilde). Tankestrek: prøven gjelder ikke størrelsen.}\label{tab:res-terskler-normalisering}
\input{generert/terskler-normalisering}
\end{table}
I «normalisering» teller én terskel som betingelse: for B i M4, at snittlasten $\lambda$ er minst
\tall{terskler.betingelse.normalisering.B.m4.lambda.minst.verdi}, med sannsynlighet
\tall{terskler.betingelse.normalisering.B.m4.lambda.minst.sannsynlighet}~\%. Alle de andre tersklene har
påvist virkning, men teller ikke. De fleste er i åpne forutsetninger uten kilde: hvor mye vann- og vindkraft
staten kan bygge ut, hvor mye ny fornybar kraft som kan settes i drift per år, hvor stor del av statens
nettuttak som tar plass fra private datasentre, tilleggene i byggekostnad og drift i Norge, og
avkastningskravet for regnekraft. De rapporteres som «avhenger av en forutsetning uten kilde» (presisering~5).
Tersklene i $\rho_N$ for T-F og T-K har kilde og påvist virkning, men holder ikke i begge halvdelene av
trekningene etter avkastningskravet for regnekraft, og teller derfor ikke (presisering~23). For R i M2 og for
T-F og T-K i M4 finnes ingen terskel innenfor 10- og 90-persentilen. A og $B'$ har ingen av M1 til M4 som
«holder under betingelser», og har derfor ingen terskel.
\Cref{tab:res-betingelser} viser betingelsene for alle sju løsningene i alle seks scenarioene, med
tersklene i kort form. I de andre scenarioene er tersklene for B i M4, for C i M4 og for R i M3 de samme som
i «normalisering». I «knapphet varer» har B i tillegg to terskler som teller i M2: at levetiden for
IT-utstyr $L_H$ er minst \tall{terskler.betingelse.knapphet.B.m2.L-H.minst.verdi}~år, og at prisen i
femårskontrakter $y_{\text{obs}}$ er minst \tall{terskler.betingelse.knapphet.B.m2.y-obs.minst.verdi}~mill.\ kr
per MW IT og år. B har likevel ingen terskel i M1 i det scenarioet.
\paragraph{Betingelsene for hypotesen}
Betingelsene kan navngis for en løsning som ikke er felt, når hvert av M1 til M5 som «holder under
betingelser» for den, har en betingelse som kan navngis: for M1 til M4 minst én terskel som teller, og for
M5 at kildene der kjernekraften ikke ligger høyere, legges til grunn (presisering~17 og 21; avklaring 109).
Kolonnen «kan navngis» i \cref{tab:res-betingelser} er regnet for alle løsningene, men betyr noe for
dommen bare for en løsning som ikke er felt.
I «normalisering» er alle sju løsningene felt (\cref{sec:res-dommer}). Da finnes det ingen løsning som ikke
er felt, og spørsmålet om betingelsene kan navngis, avgjør ikke dommen: hypotesen er
«\tall{terskler.del-i.normalisering}» fordi målene ikke nås, ikke fordi betingelsene ikke kan navngis
(presisering~12). For A, B og $B'$ står det «ja» under «kan navngis», men de er felt, og det teller ikke. Ingen
betingelse kan navngis for noen løsning som ikke er felt, i noe scenario. I «knapphet varer», ved siden av,
er C, T-F og T-K ikke felt. For alle tre er M4 «holder under betingelser» uten en terskel som teller: for C
er tersklene i M4 i åpne forutsetninger (hvor stor del av nettuttaket som tar plass fra private datasentre,
og hvor mye vannkraft staten kan bygge ut), og for T-F og T-K finnes ingen terskel i M4. Hypotesen er
«\tall{terskler.del-i.knapphet}» i det scenarioet fordi betingelsene ikke kan navngis; forutsetningene uten
kilde som tersklene der hviler på, er de to for C. \input{generert/terskler-samtidig}
{\footnotesize
\setlength{\tabcolsep}{3pt}
\begin{xltabular}{\linewidth}{@{}lcP{11mm}LLP{9mm}P{10mm}@{}}
\caption{Betingelsene per løsning i de seks scenarioene, trinnet med \tall{terskler.trinn}~anlegg. «Felt»: løsningen har
minst ett av M1--M5 som «holder ikke», eller negativ median i M1. «Mål u.\,b.»: målene blant M1--M5 som
«holder under betingelser». «Uten terskel»: målene der det ikke finnes noen terskel; M6 står her når målet
«holder under betingelser» og ingen terskel finnes, selv om M6 ikke trenger noen. $^{\ast}$: åpen
forutsetning.}\label{tab:res-betingelser}\\
\toprule
Løsning & Felt & Mål u.\,b. & Terskler som teller & Terskler som ikke teller & Uten\newline terskel & Kan\newline navngis \\
\midrule
\endfirsthead
\toprule
Løsning & Felt & Mål u.\,b. & Terskler som teller & Terskler som ikke teller & Uten\newline terskel & Kan\newline navngis \\
\midrule
\endhead
\bottomrule
\endfoot
% the primitive \input: LaTeX's \input starts a cell, and a first row with \multicolumn fails
\csname @@input\endcsname generert/terskler-betingelser.tex
\end{xltabular}
}
\paragraph{Terskelflatene}
Flatene viser to størrelser samtidig, i «normalisering» (avklaring 111 og 134). Flate (a) er pristerskelen
regnet i hver av fem klasser av reaktorkostnaden $c_{N,\text{ref}}$, for løsningene med kjernekraft
(\cref{fig:res-prisflate}). For A, B og $B'$ øker pristerskelen med reaktorkostnaden: for A fra
\tall{terskler.flate-a.A.0.k} i klassen med lavest kostnad (median \tall{terskler.flate-a.A.0.c-n-ref}~kr per
kW) til \tall{terskler.flate-a.A.4.k} i klassen med høyest (median \tall{terskler.flate-a.A.4.c-n-ref}~kr per
kW). For T-K ligger den mellom \tall{terskler.flate-a.TK.min} og \tall{terskler.flate-a.TK.maks} i alle
klassene, nesten uten forskjell. Pristerskelen er over én i alle klassene for alle fire løsningene.
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[
width=0.92\linewidth, height=6.2cm,
xlabel={Reaktorkostnad $c_{N,\text{ref}}$, median i klassen (tusen kr per kW)},
ylabel={Pristerskel $k$},
ymin=0, ymajorgrids, grid style={gray!25},
legend style={at={(0.5,1.02)}, anchor=south, legend columns=4, draw=none, font=\small},
tick label style={font=\small}, label style={font=\small},
/pgf/number format/use comma,
]
\addplot[cA, thick, mark=o] table[x expr=\thisrow{cN_A}/1000, y=k_A] {generert/terskler-prisflate.dat};
\addplot[cB, thick, dashed, mark=square*] table[x expr=\thisrow{cN_B}/1000, y=k_B] {generert/terskler-prisflate.dat};
\addplot[cC, thick, dotted, mark=triangle*] table[x expr=\thisrow{cN_Bm}/1000, y=k_Bm] {generert/terskler-prisflate.dat};
\addplot[cD, thick, dashdotted, mark=diamond*] table[x expr=\thisrow{cN_TK}/1000, y=k_TK] {generert/terskler-prisflate.dat};
\legend{A, B, $B'$, T-K}
\end{axis}
\end{tikzpicture}
\caption{Flate (a): pristerskelen $k$ i hver av fem klasser av reaktorkostnaden, «normalisering»,
trinnet med \tall{terskler.trinn}~anlegg. Hver klasse har om lag en femdel av trekningene; medianen er tatt over
trekningene i klassen. Ingen bånd.}\label{fig:res-prisflate}
\end{figure}
Flate (b) er konkurrentens kraftpris $p^{v}$ mot kostnaden for norsk kraft som bedriften betaler, for alle
sju løsningene, og flate (c) avkastningskravet for regnekraft $\rho_D$ og for kraft $\rho_N$, hver mot
reaktorkostnaden, for løsningene med kjernekraft. Begge deler trekningene i $5 \times 5$ ruter og gir for
hver rute andelen med positiv netto nåverdi og medianen. Flaten er grensen mellom rutene med positiv og
ikke positiv median. \Cref{tab:res-flater} viser at ingen rute i noen av flatene har positiv median. Flatene
har altså ingen grense innenfor spennene i trekningene: medianen er negativ i hver rute, også der
konkurrentens kraftpris er høyest og den norske kraften billigst, og der avkastningskravene og
reaktorkostnaden er lavest. Den høyeste andelen positive trekninger i en rute er
\tall{terskler.flate-b.R.andel}~\% (R, flate (b)). I flate (c) går klassene for $\rho_D$ fra median
\tall{terskler.flate-c.akse.rho-D.0}~\% til \tall{terskler.flate-c.akse.rho-D.4}~\%, og for $\rho_N$ fra
\tall{terskler.flate-c.akse.rho-N.0}~\% til \tall{terskler.flate-c.akse.rho-N.4}~\%.
\begin{table}[htbp]
\centering
\footnotesize
\setlength{\tabcolsep}{4pt}
\caption{Flate (b) og (c), «normalisering», trinnet med \tall{terskler.trinn}~anlegg: antall trekninger, spennet i
kostnaden for norsk kraft (median i laveste og høyeste klasse, kr per MWh; bare (b)), og tre tall regnet
fra de 25 rutene: hvor mange som har positiv median, den høyeste andelen positive trekninger i en rute
(prosent), og den høyeste medianen i en rute (mrd.\ 2025-kr, nåverdi i 2027).}\label{tab:res-flater}
\input{generert/terskler-flater}
\end{table}
\paragraph{Sobol-indeksene}
\Cref{tab:res-sobol} viser, for hver løsning og hvert utfall, de fire trukne størrelsene med størst
førsteordensindeks i «normalisering» (avklaring 110). Indeksen er den delen av variansen i utfallet som kan
føres til størrelsen alene. Uten noen virkning er indeksen om lag \tall{terskler.sobol.forventning} med
\tall{terskler.sobol.klasser} klasser og \tall{terskler.antall-trekninger} trekninger, og ingen indeks er
rettet for det. Indekser på det nivået sier ikke at størrelsen betyr noe. Status står ved symbolet, slik
regel~7 krever: $^{\ast}$ er en åpen forutsetning uten kilde, $^{\dagger}$ et valg av oppsett, og uten merke
har størrelsen kilde. For utfall der alle trekningene har samme verdi, har indeksen ingen verdi
(\cref{tab:res-sobol-uten}). Indeksene for de andre størrelsene står i \fil{terskler.json}.
{\footnotesize
\setlength{\tabcolsep}{2pt}
\begin{xltabular}{\linewidth}{@{}llcccc@{}}
\caption{De fire største førsteordensindeksene per løsning og utfall, «normalisering»,
trinnet med \tall{terskler.trinn}~anlegg. «Best i M7»: løsningen er blant de beste i sammenligningen, alene eller delt.
$^{\ast}$: åpen forutsetning. $^{\dagger}$: valg av oppsett.}\label{tab:res-sobol}\\
\toprule
Løsning & Utfall & \multicolumn{4}{c}{Størrelse og indeks, størst først} \\
\midrule
\endfirsthead
\toprule
Løsning & Utfall & \multicolumn{4}{c}{Størrelse og indeks, størst først} \\
\midrule
\endhead
\bottomrule
\endfoot
% the primitive \input: LaTeX's \input starts a cell, and a first row with \multicolumn fails
\csname @@input\endcsname generert/terskler-sobol.tex
\end{xltabular}
}
\begin{table}[htbp]
\centering
\footnotesize
\caption{Utfallene uten Sobol-indeks: alle trekningene har samme verdi, «normalisering»,
trinnet med \tall{terskler.trinn}~anlegg.}\label{tab:res-sobol-uten}
\input{generert/terskler-sobol-uten}
\end{table}
For netto nåverdi er de største indeksene for A, B og $B'$ størrelser for kjernekraften, blant dem
overskridelsen i referanseklassen $o_\xi$ og byggetiden $\tau_N$. For C, T-F og T-K er de to største åpne
forutsetninger om hvor mye fornybar kraft staten kan bygge ut, og hvor raskt. For vilkåret for «holder» i M2
for C, T-F og T-K og i M4 for C er de to største indeksene åpne forutsetninger; i M4 for T-F og T-K er
levetiden for kjernekraftverk $L_N$ størst, fulgt av to åpne forutsetninger. For B i M4 er snittlasten
$\lambda$ størst, den samme størrelsen som gir terskelen som teller. For R i M3 er andelen av statens
nettuttak som tar plass fra private datasentre, $\delta_V$, størst. For om A er blant de beste i M7, er de
største indeksene nær nivået uten virkning.
{\footnotesize
\setlength{\tabcolsep}{3pt}
\begin{xltabular}{\linewidth}{@{}lLP{24mm}P{19mm}@{}}
\caption{De trukne størrelsene som står i tabellene over, med navn, enhet og status fra parameterfila.
Tersklene står i denne enheten.}\label{tab:res-storrelser}\\
\toprule
Symbol & Navn & Enhet & Status \\
\midrule
\endfirsthead
\toprule
Symbol & Navn & Enhet & Status \\
\midrule
\endhead
\bottomrule
\endfoot
% the primitive \input: LaTeX's \input starts a cell, and a first row with \multicolumn fails
\csname @@input\endcsname generert/terskler-storrelser.tex
\end{xltabular}
}

219
rapport/kap6-tidslinje.tex Normal file
View file

@ -0,0 +1,219 @@
\subsection{Tidslinjen}\label{sec:res-tidslinje}
Tidslinjen viser hvor mange megawatt IT-last som er i drift år for år, for hver løsning og hvert trinn i
stigen, og hvilken kraft den går på (\cref{eq:S50}). Den svarer på tillegget til retningen: hva som kan
settes i gang raskt, og hvordan satsingen kan bygges opp trinnvis. Tidslinjen inngår ikke i noen dom
(presisering~16). Tallene står i \fil{tidslinje.json}: for hvert år fra \tall{tidslinje.forste-aar} til
\tall{tidslinje.param.Ts} medianen og 10- og 90-persentilen over alle \tall{tidslinje.antall} trekningene, og
andelen av trekningene med minst 100~MW og med minst 1\,000~MW i drift. Tidslinjen er lik i alle seks
scenarioene, fordi utbyggingen ikke avhenger av prisen (avklaring~99). Trekninger der banen ikke lar seg
bygge, er med, med det som faktisk ble bygd (kapittel 17.2 i spesifikasjonen). Et anlegg eller en modul som
står med utlevd IT-utstyr og venter på brikker, teller ikke som i drift (avklaring~75).
\paragraph{Hva som kommer i drift først}
\Cref{tab:res-tidslinje-start} gjelder trinnet dommene leses av på, \tall{tidslinje.domstrinn} anlegg
(1\,000~MW IT; i T-F og T-K ti moduler på 100~MW). På dette trinnet lar banen seg bygge i alle trekningene
for alle sju løsningene (andelen «ikke byggbar» er \tall{tidslinje.dom.A.ikke-byggbar}~\% for hver av dem i
\fil{dommer.json}). De trinnvise løsningene har de første modulene i drift i noen trekninger fra
\tall{tidslinje.dom.TF.forste-aar}, og medianen er over null fra \tall{tidslinje.dom.TF.median-aar}. R, som
kjøper fra nettet uten ny kraft, følger med median over null fra \tall{tidslinje.dom.R.median-aar}, C fra
\tall{tidslinje.dom.C.median-aar}, og A, B og $B'$ fra \tall{tidslinje.dom.A.median-aar}. Hele
1\,000~MW i drift i minst halvparten av trekningene når T-F og T-K først i
\tall{tidslinje.dom.TF.halv-1000-aar}, samme år som A (\tall{tidslinje.dom.A.halv-1000-aar}) og etter C
(\tall{tidslinje.dom.C.halv-1000-aar}) og R (\tall{tidslinje.dom.R.halv-1000-aar}). De trinnvise
løsningene kommer altså tidlig i gang med noen få moduler, men de når ikke hele trinnet før de andre.
\Cref{fig:res-tidslinje-andel} viser andelen med minst 100~MW år for år.
\begin{table}[htbp]
\centering\small
\caption[Når løsningene kommer i drift]{Når løsningene kommer i drift, på trinnet dommene leses av på
(\tall{tidslinje.domstrinn} anlegg), over alle \tall{tidslinje.antall} trekningene. Likt i alle
scenarioene. «Først» er første år der noen trekning har minst 100~MW i drift; «median» første år med
median over null; «1\,000~MW» første år der minst halvparten av trekningene har minst 1\,000~MW i drift.
«Høyest» er den høyeste andelen trekninger med minst 100~MW i drift, og året den nås første gang.
Årene er lest av seriene i \fil{tidslinje.json}; prosentene står der.}
\label{tab:res-tidslinje-start}
\begin{tabular}{@{}lrrrrrr@{}}
\toprule
& \multicolumn{3}{c}{Første år} & \multicolumn{2}{c}{Høyest, minst 100~MW} & Minst 100~MW \\
\cmidrule(lr){2-4}\cmidrule(lr){5-6}
Løsning & først & median & 1\,000~MW & andel & år & i \tall{tidslinje.param.Ts} \\
\midrule
\input{generert/tidslinje-start}
\end{tabular}
\end{table}
\begin{figure}[htbp]
\centering
\begin{tikzpicture}
\begin{axis}[
width=0.95\linewidth, height=6.2cm,
xmin=2028, xmax=2100, ymin=0, ymax=100,
xlabel={År}, ylabel={Andel av trekningene, \%},
xtick={2030,2040,2050,2060,2070,2080,2090,2100},
x tick label style={/pgf/number format/1000 sep={}},
legend style={at={(0.76,0.04)}, anchor=south east}, legend cell align=left,
legend style={font=\footnotesize},
tick label style={font=\footnotesize}, label style={font=\small},
]
\addplot[cA, thick, mark=*, mark size=1.2pt, mark repeat=6]
table[x=aar, y expr=100*\thisrow{A}] {generert/tidslinje-andel.dat};
\addlegendentry{A, B og $B'$ (like)}
\addplot[cB, thick, dashed, mark=square*, mark size=1.2pt, mark repeat=6, mark phase=2]
table[x=aar, y expr=100*\thisrow{C}] {generert/tidslinje-andel.dat};
\addlegendentry{C}
\addplot[cC, thick, dotted, mark=triangle*, mark size=1.5pt, mark repeat=6, mark phase=3]
table[x=aar, y expr=100*\thisrow{R}] {generert/tidslinje-andel.dat};
\addlegendentry{R}
\addplot[cD, thick, dashdotted, mark=diamond*, mark size=1.5pt, mark repeat=6, mark phase=4]
table[x=aar, y expr=100*\thisrow{TF}] {generert/tidslinje-andel.dat};
\addlegendentry{T-F}
\addplot[cE, thin, mark=o, mark size=1.5pt, mark repeat=6, mark phase=5]
table[x=aar, y expr=100*\thisrow{TK}] {generert/tidslinje-andel.dat};
\addlegendentry{T-K}
\end{axis}
\end{tikzpicture}
\caption[Andelen trekninger med regnekraft i drift]{Andelen av trekningene med minst 100~MW IT i drift,
år for år, på trinnet dommene leses av på (\tall{tidslinje.domstrinn} anlegg). Likt i alle scenarioene,
også i «normalisering». A, B og $B'$ har nøyaktig like serier i \fil{tidslinje.json} og er tegnet som én
linje. T-K ligger nesten oppå T-F. Ingen bånd: andelen er ett tall per år over alle trekningene.}
\label{fig:res-tidslinje-andel}
\end{figure}
\paragraph{Et større trinn}
Trinnet over i stigen er \tall{tidslinje.nestetrinn} anlegg. Der lar banen seg ikke bygge i en stor del av
trekningene (\cref{tab:res-tidslinje-neste}). Det som er bygd i de trekningene, er med i tidslinjen, så
medianen og persentilene der er lavere enn i en bane som lar seg bygge. Største median er
\tall{tidslinje.neste.TK.maks}~MW for T-K (første gang i \tall{tidslinje.neste.TK.maks-aar}),
\tall{tidslinje.neste.A.maks}~MW for A, B og $B'$ (\tall{tidslinje.neste.A.maks-aar}),
\tall{tidslinje.neste.R.maks}~MW for R (\tall{tidslinje.neste.R.maks-aar}),
\tall{tidslinje.neste.TF.maks}~MW for T-F (\tall{tidslinje.neste.TF.maks-aar}) og
\tall{tidslinje.neste.C.maks}~MW for C (\tall{tidslinje.neste.C.maks-aar}). Ingen median når de
5\,000~MW banen ber om. \Cref{fig:res-tidslinje-neste} viser medianen med 10- og 90-persentilen. Bildet er
et annet enn på trinnet dommene leses av på: T-F bygger seg sakte opp over flere tiår, mens T-K får et
sprang når kjernekraften kommer.
\begin{table}[htbp]
\centering\small
\caption[Tidslinjen på et større trinn]{Tidslinjen på trinnet med \tall{tidslinje.nestetrinn} anlegg
(5\,000~MW IT), over alle \tall{tidslinje.antall} trekningene, også dem der banen ikke lar seg bygge.
«Ikke byggbar» er andelen trekninger der ikke alle anleggene eller modulene er i drift innen
\tall{tidslinje.param.Ts}, fra \fil{dommer.json} i «normalisering» (den er lik i alle scenarioene).
«Største median» er den høyeste medianen over årene og året den nås første gang. MW IT.}
\label{tab:res-tidslinje-neste}
\begin{tabular}{@{}lrrrrrr@{}}
\toprule
& & Median over & \multicolumn{2}{c}{Største median} & \multicolumn{2}{c}{I \tall{tidslinje.param.Ts}} \\
\cmidrule(lr){4-5}\cmidrule(lr){6-7}
Løsning & Ikke byggbar & null fra & MW & år & median & p90 \\
\midrule
\input{generert/tidslinje-neste}
\end{tabular}
\end{table}
\newcommand{\tidslinjepanel}[3]{%
\begin{tikzpicture}
\begin{axis}[
width=0.325\linewidth, height=4.1cm, axis on top,
xmin=2028, xmax=2100, ymin=0, ymax=5200,
title={#2}, title style={font=\small, yshift=-1ex},
xtick={2040,2070,2100}, x tick label style={/pgf/number format/1000 sep={}},
ytick={0,1000,2000,3000,4000,5000},
y tick label style={/pgf/number format/1000 sep={\,}},
tick label style={font=\scriptsize}, label style={font=\scriptsize},
xlabel={År}, ylabel={MW i drift}, ylabel shift=-4pt,
]
\addplot[fill=gray!30, draw=none] table[x=aar, y=#1p90] {generert/tidslinje-neste.dat} \closedcycle;
\addplot[fill=white, draw=none] table[x=aar, y=#1p10] {generert/tidslinje-neste.dat} \closedcycle;
\addplot[black, thick] table[x=aar, y=#1med] {generert/tidslinje-neste.dat};
#3
\end{axis}
\end{tikzpicture}}
\begin{figure}[htbp]
\centering
\tidslinjepanel{A}{A, B og $B'$ (like)}{}%
\tidslinjepanel{C}{C}{}%
\tidslinjepanel{R}{R}{}\\[1ex]
\tidslinjepanel{TF}{T-F}{}%
\tidslinjepanel{TK}{T-K}{\addplot[black, dashed] table[x=aar, y=TKkjerne] {generert/tidslinje-neste.dat};}%
\caption[Tidslinjen på et større trinn]{Megawatt IT i drift på trinnet med
\tall{tidslinje.nestetrinn} anlegg, over alle \tall{tidslinje.antall} trekningene, også dem der banen ikke
lar seg bygge. Likt i alle scenarioene, også i «normalisering». Heltrukken linje: medianen; grått bånd:
10- til 90-persentilen. I T-K er den stiplede linjen medianen for modulene på kjernekraft på nettet.
Hvert annet år fra \tall{tidslinje.forste-aar}.}
\label{fig:res-tidslinje-neste}
\end{figure}
\paragraph{Når T-K går over til kjernekraft}
T-K bygger moduler på fornybar kraft fram til kjernekraften tidligst kan komme, og moduler på kjernekraft på
nettet etter det, men bare når det som gjenstår av banen, trenger minst én hel enhet på 1\,000~MW
(\cref{eq:S49}). Ingen modul bytter kraft. På trinnet dommene leses av på, med ti moduler, får T-K nesten
aldri kjernekraft: den høyeste andelen trekninger med minst 100~MW på kjernekraft er
\tall{tidslinje.dom.TK.kjerne-topp}~\% (\tall{tidslinje.dom.TK.kjerne-topp-aar}), og den første
kjernekraftmodulen kommer i \tall{tidslinje.dom.TK.kjerne-forste-aar}. Der er T-K altså i praksis T-F. På
trinnet med \tall{tidslinje.nestetrinn} anlegg kommer de første kjernekraftmodulene i noen trekninger i
\tall{tidslinje.neste.TK.kjerne-forste-aar}. Medianen for kjernekraft er over null fra
\tall{tidslinje.neste.TK.kjerne-median-aar} (\tall{tidslinje.neste.TK.kjerne-median}~MW), minst halvparten av
trekningene har minst 100~MW på kjernekraft fra \tall{tidslinje.neste.TK.kjerne-halv-aar}, og medianen for kjernekraft når \tall{tidslinje.neste.TK.kjerne-maks}~MW i
\tall{tidslinje.neste.TK.kjerne-maks-aar}. Medianen for fornybarmodulene står da på
\tall{tidslinje.neste.TK.fornybar-ved-kjerne}~MW og når aldri mer enn
\tall{tidslinje.neste.TK.fornybar-maks}~MW (første gang i \tall{tidslinje.neste.TK.fornybar-maks-aar}):
når kjernekraften kan komme og (\cref{eq:S49}) er oppfylt, bygges ingen nye fornybare porteføljer
(kapittel 17.1 i spesifikasjonen).
\paragraph{Hvorfor andelen har et tak og faller mot \tall{tidslinje.param.Ts}}
Ingen løsning har regnekraft i drift i alle trekningene, selv mange år etter at de første har startet. På trinnet
dommene leses av på er den høyeste andelen med minst 100~MW i drift \tall{tidslinje.dom.A.topp}~\% for A, B
og $B'$ (\tall{tidslinje.dom.A.toppaar}), \tall{tidslinje.dom.C.topp}~\% for C
(\tall{tidslinje.dom.C.toppaar}), \tall{tidslinje.dom.R.topp}~\% for R (\tall{tidslinje.dom.R.toppaar}) og
\tall{tidslinje.dom.TF.topp}~\% for T-F og T-K (\tall{tidslinje.dom.TF.toppaar}). I
\tall{tidslinje.param.Ts} er andelen \tall{tidslinje.dom.A.slutt}~\% for A, B og $B'$,
\tall{tidslinje.dom.C.slutt}~\% for C, \tall{tidslinje.dom.TF.slutt}~\% for T-F og T-K og
\tall{tidslinje.dom.R.slutt}~\% for R (\cref{tab:res-tidslinje-start}). Det skyldes ikke baner som ikke lar
seg bygge: på dette trinnet lar banen seg bygge i alle trekningene. Vi fører det tilbake til to regler i
modellen; hva som er kontrollert, og hva som ikke er det, står til slutt.
\emph{Eksportstopp.} IT-utstyret i et anlegg varer \tall{tidslinje.param.LH-lav} til
\tall{tidslinje.param.LH-hoy} år og må da byttes. Med en sannsynlighet per år mellom
\tall{tidslinje.param.phi-lav} og \tall{tidslinje.param.phi-hoy}~\% innføres en eksportregel som stanser
leveransene av brikker i \tall{tidslinje.param.DX-lav} til \tall{tidslinje.param.DX-hoy} år (begge åpne
forutsetninger). Mens regelen gjelder, leveres ingenting, og ingen årgang kan byttes (avklaring~27). Et
anlegg der årgangen går ut i den tiden, står uten last til den kan byttes (avklaring~26), og teller ikke i
tidslinjen (avklaring~75). Etter stoppen må lageret av brikker fylles opp igjen før byttet kan gjøres
(avklaring~25). Regnet etter regelen slik koden har den, på de lagrede trekningene og strømmen av årlige
tall (\fil{data/trekninger.npy}, \fil{data/aarshendelser.npy}), og ikke gjennom modellen, gjelder en stopp i
\tall{tidslinje.stopp.2075}~\% av trekningene i \tall{tidslinje.dom.A.toppaar} og i
\tall{tidslinje.stopp.2100}~\% i \tall{tidslinje.param.Ts}, og \tall{tidslinje.stopp.noen}~\% av trekningene
har minst ett år med stopp. Et anlegg mister lasten når årgangen går ut mens stoppen varer, eller når lageret
ikke rekker til et helt bytte; andelen uten last er derfor ikke den samme som andelen med stopp. Med ti moduler i T-F og T-K er det nok at én modul har last for å
ha minst 100~MW i drift; det gir et høyere tak.
\emph{Slutten av levetiden.} Et anlegg drives i $L_N$ år fra første driftsår, \tall{tidslinje.param.LN-lav}
til \tall{tidslinje.param.LN-hoy} år med \tall{tidslinje.param.LN-modus} som mest sannsynlig, og det bygges
ikke på nytt (avklaring~21 og~34). Andelen trekninger med stopp er nesten lik over årene, så stoppene gir
taket, men ikke fallet mot \tall{tidslinje.param.Ts}. Fallet kommer av at anlegg som startet tidlig, når
slutten av levetiden. Rekkefølgen stemmer med det: R starter tidligst av løsningene med ett anlegg og faller
mest, A starter senest og faller minst. Regnet fra de lagrede trekningene ville et anlegg som startet i det
tidligste året det kan starte (\cref{eq:S33}), vært utlevd før \tall{tidslinje.param.Ts} i
\tall{tidslinje.utlevd.A}~\% av trekningene i A, B og $B'$ og i \tall{tidslinje.utlevd.R}~\% i R. Det er en
øvre grense, for et anlegg starter aldri tidligere.
\emph{Hva som er kontrollert, og hva som ikke er det.} Kontrollert i filene: at ingen bane på dette trinnet
er «ikke byggbar»; at intet anlegg i A kan ha nådd slutten av levetiden i \tall{tidslinje.dom.A.toppaar},
fordi det første er i drift i \tall{tidslinje.dom.A.forste-aar} og levetiden er minst
\tall{tidslinje.param.LN-lav} år (siste mulige driftsår da er \tall{tidslinje.A.tidligst-utlevd}). Det som mangler
opp til 100~\% i \tall{tidslinje.dom.A.toppaar}, er altså anlegg som er bygd, men står uten last, eller som
ennå ikke har startet; at andelen ligger nesten flat i flere tiår rundt
\tall{tidslinje.dom.A.toppaar} (\cref{fig:res-tidslinje-andel}), tyder på at nesten alle har startet. Kontrollert i koden: reglene over
(\fil{src/tokenfabrikker/utbygging.py}: anleggets driftsår, byttet av årganger og eksportstoppen). Kontrollert
på det oppdiktede grunnlaget (\fil{tests/oppdiktet/grunnlag.json}), der modellen kan kjøres: med
eksportregelen slått av og en levetid lengre enn horisonten hadde anlegget last hvert år etter oppstart i
alle trekningene, og med regelen på falt hvert år uten last før slutten av levetiden i et år med stopp. Ikke
kontrollert: hvor stor del av fallet hver regel gir på de frosne tallene. Modellen er ikke kjørt på dem for
dette, og ingen resultatfil deler andelen etter grunn. At stoppene gir taket og levetiden fallet, er derfor
vår lesning av reglene og tallene over. Det er heller ikke forklart hvorfor andelen i T-F og T-K faller litt
fra toppen i \tall{tidslinje.dom.TF.toppaar} i årene før noen modul kan ha nådd slutten
av levetiden (den første er i drift i \tall{tidslinje.dom.TF.forste-aar}, og levetiden er minst
\tall{tidslinje.param.LN-lav} år). En mulig grunn er at moduler som får byttet utstyret samme år etter en stopp, deretter går ut
samtidig; det er ikke vist.

View file

@ -92,11 +92,17 @@ overført læring, men ikke et påslag.
\item \emph{Vakten mot en netto nåverdi som ikke er et tall}, står bare i sammenligningen av
kraftløsningene (M7), ikke i M1--M6. Modellen gir ikke slike verdier; regelen er en vakt
(avklaring 139).
\item \emph{Gjenskapingen byte for byte er prøvd på én maskin.} Per 14.~november 2026 er gjenskapingen
byte for byte bare prøvd på et oppdiktet grunnlag med 200 trekninger, på maskinen filene ble laget på.
For hovedkjøringen prøves den med \fil{kontroll} mot de lagrede filene etterpå. Toleransen for
«innenfor toleranse» (relativt $10^{-9}$) er satt før noe er målt på en annen maskin. Gjenskaping på en
annen maskin er prosjekteiers (avklaring 140~(f); fagfelleloggen del~17 og 20).
\item \emph{Gjenskapingen byte for byte er prøvd på én maskin.} De seks filene fra hovedkjøringen er
laget på nytt med \fil{kontroll} og var like de lagrede byte for byte, på maskinen filene ble laget på
(\cref{sec:resultater}). De to ekstra filene, \fil{fordelinger.json} og \fil{miljo.json}, er laget én
gang og ikke på nytt. Toleransen for «innenfor toleranse» (relativt $10^{-9}$) er satt før noe er målt
på en annen maskin. Gjenskaping på en annen maskin er prosjekteiers og er ikke gjort (avklaring
140~(f); fagfelleloggen del~17, 20 og 23).
\item \emph{Rangeringen av eierformene er ikke vist for andre vektinger og andre grenser.}
Forhåndsregistreringen sier at det skal vises hvordan rangeringen endrer seg med vektingen og med
grensen på 25~\% for statens risiko. Det er ikke regnet som egne kjøringer. For grensen kan svaret leses
av tabellen over sannsynligheten for tap; for vektingen finnes ingen regning
(\cref{sec:res-eierformer}).
\item \emph{Avstemmingen mot uavhengig kode har grenser.} Ligningene, dommene og følsomhetene er kodet
på nytt av uavhengige lesere fra spesifikasjonen alene, og de to kodene er avstemt mot hverandre. De to
kodene er skrevet fra samme tekst, så en feil begge leser likt, oppdages ikke. Radene i følsomhetslista

87
rapport/lag_resultater.py Normal file
View file

@ -0,0 +1,87 @@
# ruff: noqa: INP001
r"""Write what chapter 6 of the report reads: numbers, tables and figure data from the result files.
Reads the eight files in ``data/resultater/`` and writes to ``rapport/generert/``. Each module in
``rapport/resultater/`` has ``lag(data: Path, ut: Path) -> dict[str, Tall]``: it writes its own
tables (``.tex``) and figure data (``.dat``) to ``ut`` and returns every number it shows, under
keys that start with the module's name and a full stop. This script collects them and writes
``tall.tex`` (``\tall{key}`` in the prose) and ``tall.json`` (key, shown string, file, path, raw
value: the list a reader checks against the files).
Standard library only. Same result files, same bytes. Run from anywhere:
``python3 rapport/lag_resultater.py`` (all modules) or ``python3 rapport/lag_resultater.py
--bare dommer`` (one module, while it is being written; then ``tall-dommer.tex`` and
``tall-dommer.json`` are written instead).
"""
from __future__ import annotations
import importlib
import json
import re
import sys
from pathlib import Path
HER = Path(__file__).resolve().parent
ROT = HER.parent
DATA = ROT / "data" / "resultater"
UT = HER / "generert"
MODULER = ("dommer", "tidslinje", "miljo", "eierformer", "terskler", "folsomheter")
NOKKEL = re.compile(r"^[a-z0-9]+(?:[.-][A-Za-z0-9]+)*$")
def main(argv: list[str]) -> int:
"""Run the modules and write the two lists of numbers."""
sys.path.insert(0, str(HER))
from resultater.felles import OMREGNINGER, Tall # noqa: PLC0415
moduler = MODULER
endelse = ""
if len(argv) == 2 and argv[0] == "--bare" and argv[1] in MODULER: # noqa: PLR2004
moduler = (argv[1],)
endelse = "-" + argv[1]
elif argv:
sys.stderr.write(f"bruk: lag_resultater.py [--bare {'|'.join(MODULER)}]\n")
return 2
UT.mkdir(exist_ok=True)
alle: dict[str, Tall] = {}
for navn in moduler:
modul = importlib.import_module(f"resultater.{navn}")
for nokkel, tall in modul.lag(DATA, UT).items():
if not nokkel.startswith(navn + ".") or not NOKKEL.match(nokkel):
sys.stderr.write(f"FEIL: ugyldig nokkel {nokkel!r} fra {navn}\n")
return 1
if nokkel in alle:
sys.stderr.write(f"FEIL: nokkelen {nokkel!r} finnes to ganger\n")
return 1
if tall.omregning not in OMREGNINGER or (tall.omregning == "avledet") != (not tall.sti):
sys.stderr.write(f"FEIL: {nokkel!r} har ugyldig omregning eller sti\n")
return 1
alle[nokkel] = tall
linjer = [
f"\\expandafter\\def\\csname tall@{nokkel}\\endcsname{{{tall.vist}}}%"
for nokkel, tall in sorted(alle.items())
]
(UT / f"tall{endelse}.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
liste = {
nokkel: {
"vist": tall.vist,
"fil": tall.fil,
"sti": [list(s) if isinstance(s, tuple) else s for s in tall.sti],
"raa": tall.raa,
"omregning": tall.omregning,
"desimaler": tall.desimaler,
"forklaring": tall.forklaring,
}
for nokkel, tall in sorted(alle.items())
}
(UT / f"tall{endelse}.json").write_text(
json.dumps(liste, ensure_ascii=False, indent=1) + "\n", encoding="utf-8"
)
sys.stdout.write(f"OK: {len(alle)} tall fra {', '.join(moduler)} skrevet til {UT}\n")
return 0
if __name__ == "__main__":
sys.exit(main(sys.argv[1:]))

View file

@ -23,6 +23,9 @@
\renewcommand{\headrulewidth}{0.4pt}
\fancypagestyle{plain}{\fancyhf{}\fancyfoot[C]{\small\thepage}\renewcommand{\headrulewidth}{0pt}}
% Tall fra resultatfilene, skrevet av lag_resultater.py (bygg.sh)
\input{generert/tall}
\begin{document}
% ======================= TITTELSIDE =======================

View file

@ -92,6 +92,9 @@
left=7pt,right=7pt,top=5pt,bottom=5pt,fontupper=\color{kommerfg}\sffamily\small,
before upper={[kommer:~},after upper={]}}
% Tall fra resultatfilene (kapittel 6), skrevet av lag_resultater.py til generert/tall.tex: \tall{nokkel}.
\newcommand{\tall}[1]{\ifcsname tall@#1\endcsname\csname tall@#1\endcsname\else\errmessage{ukjent tall: #1}\fi}
% Sitat fra forhåndsregistreringen, ordrett
\newtcolorbox{ordrett}[1][]{enhanced,breakable,colback=boxbg,colframe=accent,
boxrule=0pt,leftrule=2pt,arc=0pt,left=8pt,right=8pt,top=5pt,bottom=5pt,#1}

View file

@ -0,0 +1 @@
"""Chapter 6 of the report, generated from the result files in ``data/resultater/``."""

View file

@ -0,0 +1,594 @@
r"""The verdicts and the comparison of the power solutions (chapter 6, sections 6.1 and 6.2).
Reads ``dommer.json`` (the verdicts per scenario, step and solution, part I, the conditions and
the comparison M7), ``fordelinger.json`` (the percentiles behind the figures) and the two lists of
contents, ``innhold.json`` and ``tillegg.json`` (the provenance paragraph of chapter 6). Writes
the tables (``dommer-*.tex``) and the figure data (``dommer-*.dat``) and returns every number the
three files ``kap6-resultater.tex``, ``kap6-dommer.tex`` and ``kap6-m7.tex`` show, under keys
that start with ``dommer.``.
Standard library only. Nothing is computed beyond picking values out, except the few
``avledet`` figures, each with its explanation: the lists of targets per verdict word, what fells
a solution, and the share of the draws with a year of stable operation.
"""
from __future__ import annotations
from typing import TYPE_CHECKING, Any
from resultater.felles import LOSNING, SCENARIO, Tall, avledet, fra_fil, hent, les
if TYPE_CHECKING:
from pathlib import Path
from resultater.felles import Steg
DOM = "dommer.json"
FORD = "fordelinger.json"
INNHOLD = "innhold.json"
TILLEGG = "tillegg.json"
LOSNINGER = ("A", "B", "B'", "C", "R", "T-F", "T-K")
FEM = ("A", "B", "C", "T-F", "T-K")
MAAL = ("M1", "M2", "M3", "M4", "M5", "M6")
PRIS = ("knapphet varer", "normalisering", "overkapasitet")
TELLER = "normalisering"
SIDE_M6 = ("snitt", "median av ti aar", "2050", "toppaar")
SIDE_NOKKEL = {"snitt": "snitt", "median av ti aar": "median10", "2050": "y2050", "toppaar": "topp"}
# What the reader sees for a solution and a scenario. The names stand in the pre-registration.
LOSNING_TEX = {"A": "A", "B": "B", "B'": "$B'$", "C": "C", "R": "R", "T-F": "T-F", "T-K": "T-K"}
SCENARIO_TEX = {
"knapphet varer": "«knapphet varer»",
"normalisering": "«normalisering»",
"overkapasitet": "«overkapasitet»",
"kildenes lave forlop": "«kildenes lave forløp»",
"80 % paa egne maskiner, lav": r"«80~\% på egne maskiner», lav",
"80 % paa egne maskiner, hoy": r"«80~\% på egne maskiner», høy",
}
ORD = ("holder", "holder under betingelser", "holder ikke")
def _sti(scenario: str, trinn: int, *rest: Steg) -> tuple[Steg, ...]:
"""The path to a field under one scenario and one step of a result file."""
return ("per_scenario", ("navn", scenario), "trinn", ("trinn", trinn), *rest)
def _k(scenario: str, trinn: int, losning: str, *rest: str) -> str:
return ".".join(("dommer", SCENARIO[scenario], f"t{trinn}", LOSNING[losning], *rest))
def _pst(t: Tall) -> str:
"""A share for a table cell, with the per cent sign; an en dash when there is no value."""
return t.vist if t.raa is None else t.vist + r"~\%"
class Samler:
"""Collects the numbers under their keys and refuses a key twice."""
def __init__(self) -> None:
"""Start empty."""
self.tall: dict[str, Tall] = {}
def __call__(self, nokkel: str, tall: Tall) -> Tall:
"""Store one number and give it back."""
if nokkel in self.tall:
if self.tall[nokkel] != tall:
melding = f"{nokkel} har to ulike verdier"
raise ValueError(melding)
return tall
self.tall[nokkel] = tall
return tall
# ------------------------------------------------------------------ provenance
def _innhold(d: Any, t: Any, s: Samler) -> None: # noqa: ANN401
"""The head of the run and the checksums of the files, for the provenance paragraph."""
s("dommer.innhold.antall", fra_fil(d, INNHOLD, ("antall_trekninger",), "tall", 0))
s("dommer.innhold.merke", fra_fil(d, INNHOLD, ("grunnlag", "merke"), "tekst"))
for i in range(len(d["stige"])):
s(f"dommer.innhold.stige.{i}", fra_fil(d, INNHOLD, ("stige", i), "tall", 0))
s(
"dommer.innhold.antall-scenarioer",
avledet(len(d["scenarioer"]), 0, INNHOLD, "len(scenarioer)"),
)
s("dommer.innhold.antall-losninger", avledet(len(d["losninger"]), 0, INNHOLD, "len(losninger)"))
for navn in ("parametere", "trekninger", "aarshendelser"):
_sjekksum(
s, f"dommer.innhold.grunnlag.{navn}", d, INNHOLD, ("grunnlag", "sjekksummer", navn)
)
for fil in d["filer"]:
_sjekksum(s, f"dommer.innhold.fil.{fil.removesuffix('.json')}", d, INNHOLD, ("filer", fil))
for fil in t["filer"]:
_sjekksum(s, f"dommer.innhold.fil.{fil.removesuffix('.json')}", t, TILLEGG, ("filer", fil))
# The two heads must be the same run; the paragraph says so.
for felt in ("grunnlag", "antall_trekninger", "stige", "scenarioer", "losninger"):
if d[felt] != t[felt]:
melding = f"innhold.json og tillegg.json har ulikt hode ({felt})"
raise ValueError(melding)
def _sjekksum(s: Samler, nokkel: str, data: Any, fil: str, sti: tuple[Steg, ...]) -> None: # noqa: ANN401
t = fra_fil(data, fil, sti, "tekst")
s(nokkel, Tall(r"\texttt{" + str(t.raa)[:12] + "}", t.fil, t.sti, t.raa, t.omregning, 0))
# ------------------------------------------------------------------ the verdicts
def _dom(d: Any, s: Samler, sc: str, tr: int, los: str, *, maal: str) -> Tall: # noqa: ANN401
"""The verdict word of one target, with the shares behind it."""
if maal == "M5":
return s(
_k(sc, tr, los, "m5"), fra_fil(d, DOM, _sti(sc, tr, "losninger", los, "M5"), "tekst")
)
sti = _sti(sc, tr, "losninger", los, maal)
m = maal.lower()
s(_k(sc, tr, los, m, "andel"), fra_fil(d, DOM, (*sti, "andel_holder"), "pst"))
s(_k(sc, tr, los, m, "andel-ikke"), fra_fil(d, DOM, (*sti, "andel_holder_ikke"), "pst"))
s(_k(sc, tr, los, m, "ikke-byggbar"), fra_fil(d, DOM, (*sti, "ikke_byggbar"), "pst"))
s(_k(sc, tr, los, m, "blant"), fra_fil(d, DOM, (*sti, "oppfylt_blant_byggbare"), "pst"))
return s(_k(sc, tr, los, m, "dom"), fra_fil(d, DOM, (*sti, "dom"), "tekst"))
def _median(d: Any, s: Samler, sc: str, tr: int, los: str) -> Tall: # noqa: ANN401
return s(
_k(sc, tr, los, "nnv-median"),
fra_fil(d, DOM, _sti(sc, tr, "losninger", los, "median_M1"), "mrd"),
)
def _celle_dom(d: Any, s: Samler, sc: str, tr: int, los: str, *, maal: str) -> str: # noqa: ANN401
"""One cell of the main table: the verdict word, and below it the share(s) it was set from."""
dom = _dom(d, s, sc, tr, los, maal=maal)
if maal == "M5":
return dom.vist
m = maal.lower()
a = s.tall[_k(sc, tr, los, m, "andel")]
if maal in ("M1", "M2"):
return rf"{dom.vist}\newline{{\scriptsize {a.vist}}}"
b = s.tall[_k(sc, tr, los, m, "andel-ikke")]
return rf"{dom.vist}\newline{{\scriptsize {a.vist} / {b.vist}}}"
def _maal_med(d: Any, s: Samler, sc: str, tr: int, los: str, *, ord_: str) -> Tall: # noqa: ANN401
"""The targets of one solution whose verdict is the given word, as a list of names."""
navn = []
for maal in MAAL:
verdi = d_dom(d, sc, tr, los, maal)
if verdi == ord_:
navn.append(maal)
tekst = ", ".join(navn) if navn else "--"
nokkel = {"holder": "liste-holder", "holder under betingelser": "liste-betinget"}.get(
ord_, "liste-ikke"
)
forklaring = (
f"the targets among M1..M6 whose verdict is '{ord_}' at per_scenario[navn={sc}]"
f".trinn[trinn={tr}].losninger.{los}.<M>.dom (M5: .M5)"
)
return s(_k(sc, tr, los, nokkel), Tall(tekst, DOM, (), tekst, "avledet", 0, forklaring))
def d_dom(d: Any, sc: str, tr: int, los: str, maal: str) -> str: # noqa: ANN401
"""The verdict word of one target as it stands in ``dommer.json``."""
v = hent(d, _sti(sc, tr, "losninger", los, maal))
return str(v if maal == "M5" else v["dom"])
def _tabell_teller(d: Any, s: Samler, tr: int) -> str: # noqa: ANN401
"""Table: the verdict per target and solution in «normalisering» on the step."""
sc = TELLER
hode = " & ".join(LOSNING_TEX[x] for x in LOSNINGER)
linjer = [
(
r"\begin{tabular}{@{}>{\raggedright\arraybackslash}p{17mm}"
r"*{7}{>{\raggedright\arraybackslash}p{17.2mm}}@{}}"
),
r"\toprule",
rf"Mål & {hode} \\",
r"\midrule",
]
for maal in MAAL:
celler = [_celle_dom(d, s, sc, tr, los, maal=maal) for los in LOSNINGER]
linjer.append(rf"{maal} & " + " & ".join(celler) + r" \\[2pt]")
linjer.append(r"\midrule")
med = [_median(d, s, sc, tr, los).vist for los in LOSNINGER]
linjer.append(r"Median M1, mrd.~kr & " + " & ".join(med) + r" \\")
ib = [s.tall[_k(sc, tr, los, "m1", "ikke-byggbar")].vist for los in LOSNINGER]
linjer.append(r"Ikke byggbar, \% & " + " & ".join(ib) + r" \\")
linjer += [r"\bottomrule", r"\end{tabular}"]
return "\n".join(linjer) + "\n"
def _grunn(d: Any, s: Samler, sc: str, tr: int, los: str) -> str: # noqa: ANN401
"""One cell of the table over part I: felled or not, and why, from the file's own fields."""
sti = ("per_scenario", ("navn", sc), "betingelser", los)
felt = s(_k(sc, tr, los, "felt"), fra_fil(d, DOM, (*sti, "felt"), "tekst"))
navngis = s(_k(sc, tr, los, "kan-navngis"), fra_fil(d, DOM, (*sti, "kan_navngis"), "tekst"))
if felt.raa:
ikke = _maal_med(d, s, sc, tr, los, ord_="holder ikke")
med = _median(d, s, sc, tr, los)
deler = [x for x in ikke.vist.split(", ") if x in ("M1", "M2", "M3", "M4", "M5")]
negativ = med.raa is None or float(med.raa) < 0
if negativ:
deler.append("negativ median")
grunn = ", ".join(deler)
forklaring = (
f"the targets among M1..M5 that are 'holder ikke', and 'negativ median' when "
f"median_M1 < 0 or null, at per_scenario[navn={sc}].trinn[trinn={tr}].losninger.{los}"
)
s(_k(sc, tr, los, "grunn"), Tall(grunn, DOM, (), grunn, "avledet", 0, forklaring))
return rf"felt: {grunn}"
return "ikke felt; betingelsene kan " + ("" if navngis.raa else "ikke ") + "navngis"
def _terskeltall(d: Any, s: Samler, sc: str, tr: int, los: str) -> None: # noqa: ANN401
"""How many thresholds the file has per target that holds under conditions, and how many count.
The thresholds themselves are shown in section 6.5; here only the counts the text on part I
needs, so a reader sees why the conditions can or cannot be named.
"""
sti = ("per_scenario", ("navn", sc), "betingelser", los, "terskler")
for maal, rad in hent(d, sti).items():
hvor = f"per_scenario[navn={sc}].betingelser.{los}.terskler.{maal}"
m = maal.lower()
s(
_k(sc, tr, los, m, "terskler"),
avledet(len(rad), 0, DOM, f"len({hvor}): the thresholds found"),
)
s(
_k(sc, tr, los, m, "terskler-kilde"),
avledet(sum(1 for x in rad if x["kilde"]), 0, DOM, f"count of {hvor}[*].kilde == true"),
)
s(
_k(sc, tr, los, m, "terskler-teller"),
avledet(
sum(1 for x in rad if x["teller"]), 0, DOM, f"count of {hvor}[*].teller == true"
),
)
def _tabell_del1(d: Any, s: Samler, tr: int) -> str: # noqa: ANN401
"""Table: the verdict over the hypothesis per scenario, and what fells each of the five."""
linjer = [
(
r"\begin{tabular}{@{}>{\raggedright\arraybackslash}p{24mm}"
r">{\raggedright\arraybackslash}p{15mm}*{5}{>{\raggedright\arraybackslash}p{19.5mm}}@{}}"
),
r"\toprule",
r"Scenario & Hypotesen & " + " & ".join(FEM) + r" \\",
r"\midrule",
]
for sc in d["scenarioer"]:
del1 = s(
f"dommer.{SCENARIO[sc]}.del1",
fra_fil(d, DOM, ("per_scenario", ("navn", sc), "del_I"), "tekst"),
)
s(
f"dommer.{SCENARIO[sc]}.del1-avgjort",
fra_fil(d, DOM, ("per_scenario", ("navn", sc), "del_I_avgjort"), "tekst"),
)
celler = [_grunn(d, s, sc, tr, los) for los in FEM]
for los in FEM:
_terskeltall(d, s, sc, tr, los)
linjer.append(rf"{SCENARIO_TEX[sc]} & {del1.vist} & " + " & ".join(celler) + r" \\[2pt]")
linjer += [r"\bottomrule", r"\end{tabular}"]
return "\n".join(linjer) + "\n"
def _tabell_andre(d: Any, s: Samler, tr: int) -> str: # noqa: ANN401
"""Table: the five other scenarios on the step, per solution."""
linjer = [
(
r"\begin{tabular}{@{}l>{\raggedleft\arraybackslash}p{14mm}>{\raggedleft\arraybackslash}p{17mm}"
r">{\raggedright\arraybackslash}p{24mm}>{\raggedright\arraybackslash}p{24mm}"
r">{\raggedright\arraybackslash}p{24mm}@{}}"
),
r"\toprule",
(
r"Løsning & Positiv NNV & Median M1, mrd.~kr & «holder» & «holder under betingelser» & "
r"«holder ikke» \\"
),
r"\midrule",
]
andre = [x for x in d["scenarioer"] if x != TELLER]
for i, sc in enumerate(andre):
if i:
linjer.append(r"\addlinespace")
linjer.append(rf"\multicolumn{{6}}{{@{{}}l}}{{\textit{{{SCENARIO_TEX[sc]}}}}} \\")
for los in LOSNINGER:
for maal in MAAL:
_dom(d, s, sc, tr, los, maal=maal)
a = _pst(s.tall[_k(sc, tr, los, "m1", "andel")])
med = _median(d, s, sc, tr, los).vist
lister = [_maal_med(d, s, sc, tr, los, ord_=o).vist for o in ORD]
linjer.append(
rf"\quad {LOSNING_TEX[los]} & {a} & {med} & " + " & ".join(lister) + r" \\"
)
linjer += [r"\bottomrule", r"\end{tabular}"]
return "\n".join(linjer) + "\n"
def _side_m6(d: Any, f: Any, s: Samler, tr: int) -> str: # noqa: ANN401
"""Table: M6 in the year of stable operation and the four figures beside it, «normalisering»."""
sc = TELLER
linjer = [
r"\begin{tabular}{@{}l*{5}{>{\centering\arraybackslash}p{24mm}}@{}}",
r"\toprule",
(
r"Løsning & M6, første år med stabil drift & Snitt over $L_H$ år"
r" & Mot medianen av de ti årene & I 2050 & I toppåret \\"
),
r"\midrule",
]
for los in LOSNINGER:
sti = _sti(sc, tr, "losninger", los, "M6")
celler = []
p = [
s(_k(sc, tr, los, "m6", f"p{q}"), fra_fil(f, FORD, (*sti, "persentiler", q), "pst"))
for q in (10, 50, 90)
]
s(_k(sc, tr, los, "m6", "antall"), fra_fil(f, FORD, (*sti, "antall"), "tall", 0))
celler.append(_tre(p))
for felt in SIDE_M6:
sti2 = _sti(sc, tr, "losninger", los, "ved_siden_av_M6", felt)
n = SIDE_NOKKEL[felt]
q = [
s(_k(sc, tr, los, n, x), fra_fil(d, DOM, (*sti2, x), "pst"))
for x in ("p10", "median", "p90")
]
s(_k(sc, tr, los, n, "antall"), fra_fil(d, DOM, (*sti2, "antall"), "tall", 0))
celler.append(_tre(q))
linjer.append(rf"{LOSNING_TEX[los]} & " + " & ".join(celler) + r" \\[2pt]")
linjer += [r"\bottomrule", r"\end{tabular}"]
return "\n".join(linjer) + "\n"
def _tre(p: list[Tall]) -> str:
"""Median with the 10th and 90th percentile below it, in per cent."""
lav, med, hoy = p
return rf"{med.vist}\newline {{\scriptsize [{lav.vist}; {hoy.vist}]}}"
def _tabell_stige(d: Any, f: Any, s: Samler) -> str: # noqa: ANN401
"""Table: «ikke byggbar» and the median of M1 on every step of the ladder, «normalisering»."""
sc = TELLER
stige = d["stige"]
hode = " & ".join(str(x) for x in stige)
linjer = [
r"\begin{tabular}{@{}l*{5}{r}@{\hspace{10pt}}*{5}{r}@{}}",
r"\toprule",
r" & \multicolumn{5}{c}{Ikke byggbar, \%} & \multicolumn{5}{c}{Median M1, mrd.~kr} \\",
r"\cmidrule(lr){2-6}\cmidrule(l){7-11}",
rf"Løsning (anlegg:) & {hode} & {hode} \\",
r"\midrule",
]
for los in LOSNINGER:
ib, med = [], []
for tr in stige:
for maal in MAAL:
_dom(d, s, sc, tr, los, maal=maal)
ib.append(s.tall[_k(sc, tr, los, "m1", "ikke-byggbar")].vist)
med.append(_median(d, s, sc, tr, los).vist)
sti = _sti(sc, tr, "losninger", los, "M6", "antall")
antall = s(_k(sc, tr, los, "m6", "antall"), fra_fil(f, FORD, sti, "tall", 0))
s(
_k(sc, tr, los, "stabil"),
avledet(
100.0 * int(antall.raa or 0) / int(d["antall_trekninger"]),
1,
FORD,
f"100 * per_scenario[navn={sc}].trinn[trinn={tr}].losninger.{los}.M6.antall"
" / antall_trekninger: the share of the draws with a year of stable operation",
),
)
linjer.append(rf"{LOSNING_TEX[los]} & " + " & ".join(ib) + " & " + " & ".join(med) + r" \\")
linjer += [r"\bottomrule", r"\end{tabular}"]
# The share «ikke byggbar» is shown without the per cent sign in this table (the head says it).
return "\n".join(linjer) + "\n"
# ------------------------------------------------------------------ figures
def _dat_fordeling(f: Any, sc: str, tr: int, storrelse: str) -> str: # noqa: ANN401
"""Figure data: percentiles 10, 25, 50, 75, 90 of one quantity per solution, raw values."""
linjer = [
(
f"# kilde: {FORD}, per_scenario[navn={sc}].trinn[trinn={tr}].losninger.<losning>"
f".{storrelse}.persentiler[10,25,50,75,90] (raw, not rounded) and .antall"
),
"pos losning p10 p25 p50 p75 p90 antall",
]
for i, los in enumerate(LOSNINGER):
v = hent(f, _sti(sc, tr, "losninger", los, storrelse))
p = v["persentiler"]
verdier = " ".join(repr(float(p[q])) for q in (10, 25, 50, 75, 90))
linjer.append(f"{len(LOSNINGER) - i} {LOSNING[los]} {verdier} {v['antall']}")
return "\n".join(linjer) + "\n"
# ------------------------------------------------------------------ M7
def _m7(d: Any, s: Samler, sc: str, tr: int) -> None: # noqa: ANN401
"""Every share of the comparison on one step in one scenario."""
base = _sti(sc, tr, "M7")
for los in FEM:
for felt, navn in (
("best_alene", "alene"),
("deler_plassen", "deler"),
("ikke_byggbar", "ikke-byggbar"),
("best_alene_blant_byggbare", "blant"),
):
s(
f"dommer.m7.{SCENARIO[sc]}.t{tr}.{LOSNING[los]}.{navn}",
fra_fil(d, DOM, (*base, los, felt), "pst", 2),
)
s(f"dommer.m7.{SCENARIO[sc]}.t{tr}.delt", fra_fil(d, DOM, (*base, "delt", "andel"), "pst", 2))
s(f"dommer.m7.{SCENARIO[sc]}.t{tr}.ingen", fra_fil(d, DOM, (*base, "ingen", "andel"), "pst", 2))
for i, par in enumerate(hent(d, (*base, "delt", "par"))):
a, b = par["losninger"]
s(
f"dommer.m7.{SCENARIO[sc]}.t{tr}.par.{LOSNING[a]}-{LOSNING[b]}",
fra_fil(d, DOM, (*base, "delt", "par", i, "andel"), "pst", 2),
)
def _m7_stige(d: Any, s: Samler) -> str: # noqa: ANN401
"""Table: the comparison in «normalisering» on every step of the ladder."""
sc = TELLER
stige = d["stige"]
for tr in stige:
_m7(d, s, sc, tr)
hode = " & ".join(str(x) for x in stige)
linjer = [
r"\begin{tabular}{@{}l*{5}{r}@{}}",
r"\toprule",
rf"Antall anlegg i trinnet & {hode} \\",
r"\midrule",
]
blokker = (
("alene", "Best alene, andel av alle trekningene"),
("deler", "Deler plassen, andel av alle trekningene"),
("blant", "Best alene blant trekningene der løsningen lar seg bygge"),
("ikke-byggbar", "Løsningen lar seg ikke bygge"),
)
for j, (navn, tittel) in enumerate(blokker):
if j:
linjer.append(r"\addlinespace")
linjer.append(rf"\multicolumn{{6}}{{@{{}}l}}{{\textit{{{tittel}}}}} \\")
for los in FEM:
celler = [
_pst(s.tall[f"dommer.m7.{SCENARIO[sc]}.t{tr}.{LOSNING[los]}.{navn}"])
for tr in stige
]
linjer.append(rf"\quad {LOSNING_TEX[los]} & " + " & ".join(celler) + r" \\")
linjer.append(r"\midrule")
for navn, tittel in (("delt", "Plassen er delt"), ("ingen", "Ingen lar seg bygge")):
celler = [_pst(s.tall[f"dommer.m7.{SCENARIO[sc]}.t{tr}.{navn}"]) for tr in stige]
linjer.append(rf"{tittel} & " + " & ".join(celler) + r" \\")
linjer += [r"\bottomrule", r"\end{tabular}"]
return "\n".join(linjer) + "\n"
def _m7_scenarioer(d: Any, s: Samler, tr: int) -> str: # noqa: ANN401
"""Table: the comparison on the step in all six scenarios, with the pairs that share."""
scenarioer = d["scenarioer"]
for sc in scenarioer:
_m7(d, s, sc, tr)
hode = " & ".join(
{
"knapphet varer": "Knapphet varer",
"normalisering": "Normali\\-sering",
"overkapasitet": "Overkapa\\-sitet",
"kildenes lave forlop": "Kildenes lave forløp",
"80 % paa egne maskiner, lav": r"80~\% på egne, lav",
"80 % paa egne maskiner, hoy": r"80~\% på egne, høy",
}[sc]
for sc in scenarioer
)
linjer = [
r"\begin{tabular}{@{}l*{6}{>{\raggedleft\arraybackslash}p{17mm}}@{}}",
r"\toprule",
rf" & {hode} \\",
r"\midrule",
]
for j, (navn, tittel) in enumerate((("alene", "Best alene"), ("deler", "Deler plassen"))):
if j:
linjer.append(r"\addlinespace")
linjer.append(rf"\multicolumn{{7}}{{@{{}}l}}{{\textit{{{tittel}}}}} \\")
for los in FEM:
celler = [
_pst(s.tall[f"dommer.m7.{SCENARIO[sc]}.t{tr}.{LOSNING[los]}.{navn}"])
for sc in scenarioer
]
linjer.append(rf"\quad {LOSNING_TEX[los]} & " + " & ".join(celler) + r" \\")
linjer.append(r"\addlinespace")
linjer.append(r"\multicolumn{7}{@{}l}{\textit{Par som deler plassen}} \\")
for par in hent(d, (*_sti(TELLER, tr, "M7"), "delt", "par")):
a, b = par["losninger"]
celler = [
_pst(s.tall[f"dommer.m7.{SCENARIO[sc]}.t{tr}.par.{LOSNING[a]}-{LOSNING[b]}"])
for sc in scenarioer
]
linjer.append(
rf"\quad {LOSNING_TEX[a]} og {LOSNING_TEX[b]} & " + " & ".join(celler) + r" \\"
)
linjer.append(r"\midrule")
for navn, tittel in (("delt", "Plassen er delt"), ("ingen", "Ingen lar seg bygge")):
celler = [_pst(s.tall[f"dommer.m7.{SCENARIO[sc]}.t{tr}.{navn}"]) for sc in scenarioer]
linjer.append(rf"{tittel} & " + " & ".join(celler) + r" \\")
linjer += [r"\bottomrule", r"\end{tabular}"]
return "\n".join(linjer) + "\n"
def _dat_m7(d: Any) -> str: # noqa: ANN401
"""Figure data: «best alene» per solution, «delt» and «ingen» per step, «normalisering»."""
linjer = [
(
f"# kilde: {DOM}, per_scenario[navn={TELLER}].trinn[trinn=<trinn>].M7"
".<losning>.best_alene, .M7.delt.andel, .M7.ingen.andel (shares of all the draws, raw)"
),
"pos trinn " + " ".join(LOSNING[x] for x in FEM) + " delt ingen",
]
for i, tr in enumerate(d["stige"]):
m7 = hent(d, _sti(TELLER, tr, "M7"))
verdier = [repr(float(m7[x]["best_alene"])) for x in FEM]
verdier += [repr(float(m7["delt"]["andel"])), repr(float(m7["ingen"]["andel"]))]
linjer.append(f"{i + 1} {tr} " + " ".join(verdier))
return "\n".join(linjer) + "\n"
# ------------------------------------------------------------------ the step
def _trinnet(d: Any, s: Samler) -> int: # noqa: ANN401
s("dommer.antall", fra_fil(d, DOM, ("antall_trekninger",), "tall", 0))
tr = s("dommer.trinn", fra_fil(d, DOM, ("trinn",), "tall", 0))
s("dommer.grunnlag", fra_fil(d, DOM, ("grunnlag_for_trinnet",), "tekst"))
s("dommer.teller", fra_fil(d, DOM, ("teller",), "tekst"))
s("dommer.del1", fra_fil(d, DOM, ("del_I",), "tekst"))
for i in range(len(d["stige"])):
s(f"dommer.stige.{i}", fra_fil(d, DOM, ("stige", i), "tall", 0))
return int(tr.raa) # type: ignore[arg-type]
def _skriv(ut: Path, navn: str, tekst: str) -> None:
(ut / navn).write_text(tekst, encoding="utf-8")
def lag(data: Path, ut: Path) -> dict[str, Tall]:
"""Write the tables and figure data of sections 6.1 and 6.2, and return their numbers."""
d = les(data, DOM)
f = les(data, FORD)
s = Samler()
_innhold(les(data, INNHOLD), les(data, TILLEGG), s)
for felt in ("grunnlag", "antall_trekninger", "stige", "scenarioer", "losninger"):
if d[felt] != f[felt]:
melding = f"dommer.json og fordelinger.json har ulikt hode ({felt})"
raise ValueError(melding)
tr = _trinnet(d, s)
_skriv(ut, "dommer-teller.tex", _tabell_teller(d, s, tr))
_skriv(ut, "dommer-del1.tex", _tabell_del1(d, s, tr))
_skriv(ut, "dommer-andre.tex", _tabell_andre(d, s, tr))
_skriv(ut, "dommer-m6.tex", _side_m6(d, f, s, tr))
_skriv(ut, "dommer-stige.tex", _tabell_stige(d, f, s))
_skriv(ut, "dommer-m7-stige.tex", _m7_stige(d, s))
_skriv(ut, "dommer-m7-scenarioer.tex", _m7_scenarioer(d, s, tr))
_skriv(ut, "dommer-m7.dat", _dat_m7(d))
for sc in PRIS:
_skriv(ut, f"dommer-nnv-{SCENARIO[sc]}.dat", _dat_fordeling(f, sc, tr, "NNV"))
_skriv(ut, f"dommer-m6-{SCENARIO[sc]}.dat", _dat_fordeling(f, sc, tr, "M6"))
for los in LOSNINGER:
sti = _sti(sc, tr, "losninger", los, "NNV")
s(_k(sc, tr, los, "nnv", "antall"), fra_fil(f, FORD, (*sti, "antall"), "tall", 0))
for q in (1, 10, 25, 50, 75, 90, 99):
s(
_k(sc, tr, los, "nnv", f"p{q}"),
fra_fil(f, FORD, (*sti, "persentiler", q), "mrd"),
)
return dict(sorted(s.tall.items()))

View file

@ -0,0 +1,200 @@
"""Chapter 6, «Eierformene»: the four ownership forms on the step the verdicts are read on.
Reads ``eierformer.json`` (clarifications 98, 123 and 128 c of the specification) and writes four
table bodies to ``rapport/generert/``:
- ``eierformer-verdi.tex``: value for the public (``verdi``, ``oppgjor``, ``andel_av_overskudd``,
``andel_for_oppgjor``) per solution and form;
- ``eierformer-risiko.tex``: cost of capital (``r_e``, ``LCOC``) and risk for the state
(``tapssannsynlighet``, ``daarligste``, ``kapital_ute``) per solution and form;
- ``eierformer-rangering.tex``: the draws the table rests on and the rule of the pre-registration
(``antall_byggbare``, ``rangering``) per solution;
- ``eierformer-kontantstrom.tex``: the state's net cash flow next to M6 (``statens_kontantstrom``).
Every number shown is returned as a ``Tall`` under a key that starts with ``eierformer.``.
Standard library only.
"""
from __future__ import annotations
from typing import TYPE_CHECKING, Any
from resultater.felles import LOSNING, Tall, fra_fil, les
if TYPE_CHECKING:
from pathlib import Path
FIL = "eierformer.json"
# (name in the file, short name in keys, label in the tables). The labels are the
# pre-registration's candidates, shortened; the chapter gives the full names.
FORMER = (
("direkte", "direkte", "Direkte"),
("heleid_selskap", "heleid", "Heleid selskap"),
("majoritet_boers", "majoritet", "Majoritet med børs"),
("petroleumsmodell", "petroleum", "Petroleumsmodellen"),
)
NAVN = {fil: etikett for fil, _, etikett in FORMER}
KORT = {fil: kort for fil, kort, _ in FORMER}
# (field, key, conversion, decimals) per column, in the order of the tables.
VERDI = (
("verdi", "verdi", "mrd", 1),
("oppgjor", "oppgjor", "mrd", 1),
("andel_av_overskudd", "andel-overskudd", "pst", 1),
("andel_for_oppgjor", "andel-for-oppgjor", "pst", 1),
)
RISIKO = (
("r_e", "re", "pst", 1),
("LCOC", "lcoc", "mill", 1),
("tapssannsynlighet", "tap", "pst", 2),
("daarligste", "daarligste", "mrd", 1),
("kapital_ute", "kapital-ute", "mrd", 1),
)
# The column specification and the head of each table (the head may span several lines).
RAMME = {
"verdi": (
"@{}llrrrr@{}",
"Løsning & Eierform & Verdi & Oppgjør & Andel av samlet overskudd & Andel før oppgjør \\\\",
),
"risiko": (
"@{}llrrrrr@{}",
(
"& & \\multicolumn{2}{c}{Kapitalkostnad} & \\multicolumn{3}{c}{Risiko for staten} "
"\\\\\n\\cmidrule(lr){3-4}\\cmidrule(l){5-7}\n"
"Løsning & Eierform & $r_e$ & Kostnad for regnekraft & Tap & 5~\\% dårligste & "
"Kapital ute \\\\"
),
),
"rangering": (
"@{}lrllll@{}",
"Løsning & Trekninger & Rangert & Over grensen på 25~\\% & Går ut & Står likt \\\\",
),
"kontantstrom": (
"@{}lrrrr@{}",
"Løsning & Trekninger & Median & 10-persentil & 90-persentil \\\\",
),
}
KONTANTSTROM = (("antall", "tall", 0), ("median", "pst", 1), ("p10", "pst", 1), ("p90", "pst", 1))
def _losning_tekst(losning: str) -> str:
"""The code of a solution as the tables print it (B' with a prime in math mode)."""
return "$B'$" if losning == "B'" else losning
def _former(navn: list[str]) -> str:
"""A list of ownership forms as words, in the order of the parameter file."""
if not navn:
return "ingen"
if len(navn) == len(FORMER):
return "alle fire"
rekke = [NAVN[f] for f, _, _ in FORMER if f in navn]
return ", ".join(rekke)
def lag(data: Path, ut: Path) -> dict[str, Tall]:
"""Write the four table bodies and return every number they and the prose show."""
fil = les(data, FIL)
tall: dict[str, Tall] = {
"eierformer.trinn": fra_fil(fil, FIL, ("trinn",), "tall", 0),
"eierformer.grunnlag-for-trinnet": fra_fil(fil, FIL, ("grunnlag_for_trinnet",), "tekst"),
"eierformer.scenario": fra_fil(fil, FIL, ("scenario",), "tekst"),
"eierformer.antall-trekninger": fra_fil(fil, FIL, ("antall_trekninger",), "tall", 0),
}
verdi_rader: list[str] = []
risiko_rader: list[str] = []
rangering_rader: list[str] = []
strom_rader: list[str] = []
for losning, tabell in fil["per_losning"].items():
lk = LOSNING[losning]
navn = _losning_tekst(losning)
if tabell is None:
tom = f"{navn} & \\multicolumn{{5}}{{l}}{{ingen tabell}} \\\\"
verdi_rader.append(tom)
risiko_rader.append(tom)
rangering_rader.append(tom)
strom_rader.append(tom)
continue
antall = fra_fil(fil, FIL, ("per_losning", losning, "antall_byggbare"), "tall", 0)
tall[f"eierformer.{lk}.antall-byggbare"] = antall
for nr, (form, _, etikett) in enumerate(FORMER):
forste = f"\\multirow{{4}}{{*}}{{{navn}}}" if nr == 0 else ""
celler_v = _celler(fil, tall, losning, form, VERDI)
celler_r = _celler(fil, tall, losning, form, RISIKO)
verdi_rader.append(f"{forste} & {etikett} & {' & '.join(celler_v)} \\\\")
risiko_rader.append(f"{forste} & {etikett} & {' & '.join(celler_r)} \\\\")
verdi_rader.append("\\midrule")
risiko_rader.append("\\midrule")
rangering_rader.append(_rangering(tabell["rangering"], navn, antall))
strom_rader.append(_kontantstrom(fil, tall, losning, navn))
for rader in (verdi_rader, risiko_rader):
if rader and rader[-1] == "\\midrule":
rader.pop()
for navn_fil, rader in (
("verdi", verdi_rader),
("risiko", risiko_rader),
("rangering", rangering_rader),
("kontantstrom", strom_rader),
):
spec, hode = RAMME[navn_fil]
tekst = "\n".join(
[
f"\\begin{{tabular}}{{{spec}}}",
"\\toprule",
hode,
"\\midrule",
*rader,
"\\bottomrule",
"\\end{tabular}",
]
)
(ut / f"eierformer-{navn_fil}.tex").write_text(tekst + "\n", encoding="utf-8")
return tall
def _celler(
fil: Any, # noqa: ANN401
tall: dict[str, Tall],
losning: str,
form: str,
kolonner: tuple[tuple[str, str, str, int], ...],
) -> list[str]:
"""The cells of one row: one ``Tall`` per field, registered under its key."""
celler = []
for felt, nokkel, omregning, desimaler in kolonner:
sti = ("per_losning", losning, "kriterier", form, felt)
t = fra_fil(fil, FIL, sti, omregning, desimaler)
tall[f"eierformer.{LOSNING[losning]}.{KORT[form]}.{nokkel}"] = t
celler.append(t.vist)
return celler
def _rangering(rangering: dict[str, Any], navn: str, antall: Tall) -> str:
"""One row of the table of the rule: who is ranked, who is over the limit, who goes out."""
rangert = _former(list(rangering["rangert"]))
over = _former(list(rangering["over_risikogrensen"]))
ute = (
"; ".join(f"{NAVN[f]} ({grunn})" for f, grunn in rangering["ute"].items())
if rangering["ute"]
else "ingen"
)
like = (
"; ".join(", ".join(NAVN[f] for f in gruppe) for gruppe in rangering["like"])
if rangering["like"]
else "ingen"
)
return f"{navn} & {antall.vist} & {rangert} & {over} & {ute} & {like} \\\\"
def _kontantstrom(fil: Any, tall: dict[str, Tall], losning: str, navn: str) -> str: # noqa: ANN401
"""One row of the state's net cash flow next to M6 (clarification 123)."""
if fil["per_losning"][losning]["statens_kontantstrom"] is None:
return f"{navn} & \\multicolumn{{4}}{{l}}{{ingen trekning med stabil drift}} \\\\"
celler = []
for felt, omregning, desimaler in KONTANTSTROM:
sti = ("per_losning", losning, "statens_kontantstrom", felt)
t = fra_fil(fil, FIL, sti, omregning, desimaler)
tall[f"eierformer.{LOSNING[losning]}.kontantstrom.{felt}"] = t
celler.append(t.vist)
return f"{navn} & {' & '.join(celler)} \\\\"

View file

@ -0,0 +1,129 @@
r"""What the modules behind chapter 6 share: numbers with their origin, and Norwegian number format.
Every number chapter 6 shows (in the prose, in a table cell) is a ``Tall``: the string that is
printed, and where in which result file the value stands. The driver ``rapport/lag_resultater.py``
writes them to ``rapport/generert/tall.tex`` (read in the prose with ``\tall{key}``) and to
``rapport/generert/tall.json`` (the list a reader checks against the files).
Standard library only.
"""
from __future__ import annotations
import json
from dataclasses import dataclass
from decimal import ROUND_HALF_UP, Decimal
from typing import TYPE_CHECKING, Any
if TYPE_CHECKING:
from pathlib import Path
Steg = str | int | tuple[str, Any]
"""One step of a path into a result file: a key, a list index, or (field, value) picking the
element of a list whose field has that value, e.g. ("navn", "normalisering") or ("trinn", 1)."""
MINUS = r"\textminus{}"
TUSEN = r"\,"
# Short names used in keys (ASCII, no spaces). The texts shown to the reader are written in the
# chapter, not here.
LOSNING = {"A": "A", "B": "B", "B'": "Bm", "C": "C", "R": "R", "T-F": "TF", "T-K": "TK"}
SCENARIO = {
"knapphet varer": "knapphet",
"normalisering": "normalisering",
"overkapasitet": "overkapasitet",
"kildenes lave forlop": "lavt",
"80 % paa egne maskiner, lav": "egne-lav",
"80 % paa egne maskiner, hoy": "egne-hoy",
}
OMREGNINGER = ("tall", "pst", "mill", "mrd", "tekst", "avledet")
@dataclass(frozen=True)
class Tall:
"""One number as chapter 6 shows it, with where it comes from.
``omregning`` says how ``raa`` became ``vist``: "tall" (as it stands), "pst" (times 100),
"mill" (divided by 1e6), "mrd" (divided by 1e9), "tekst" (a word from the file, ``vist``
written by the module), or
"avledet" (computed from several values: ``sti`` is then empty, ``raa`` the computed value
and ``forklaring`` says exactly from what and how).
"""
vist: str
fil: str
sti: tuple[Steg, ...]
raa: float | int | str | bool | None
omregning: str
desimaler: int
forklaring: str = ""
def les(mappe: Path, fil: str) -> Any: # noqa: ANN401
"""Read one result file."""
return json.loads((mappe / fil).read_text(encoding="utf-8"))
def hent(data: Any, sti: tuple[Steg, ...]) -> Any: # noqa: ANN401
"""Follow a path from the root of a result file. Stops with an error when it does not exist."""
her = data
for steg in sti:
if isinstance(steg, tuple):
felt, verdi = steg
treff = [x for x in her if x[felt] == verdi]
if len(treff) != 1:
melding = f"{sti}: {len(treff)} elementer med {felt} = {verdi!r}"
raise KeyError(melding)
her = treff[0]
else:
her = her[steg]
return her
def norsk(x: float, desimaler: int, faktor: str = "1") -> str:
"""Write a number the Norwegian way for LaTeX text: decimal comma, thin space, real minus.
The number is rounded in decimal, from the shortest decimal that gives back the same float
(``repr``), times ``faktor`` (a decimal written as a string, "100" or "1e-9"), and a tie goes
away from zero. A share of 0.2515 is then 25,2 per cent, never 25,1 because 25.15 has no
exact binary form.
"""
verdi = Decimal(repr(float(x))) * Decimal(faktor)
avrundet = verdi.quantize(Decimal(1).scaleb(-desimaler), rounding=ROUND_HALF_UP)
tekst = f"{abs(avrundet):,f}".replace(",", " ").replace(".", ",").replace(" ", TUSEN)
return MINUS + tekst if avrundet < 0 else tekst
def fra_fil(
data: Any, # noqa: ANN401
fil: str,
sti: tuple[Steg, ...],
omregning: str = "tall",
desimaler: int = 1,
) -> Tall:
"""Make the ``Tall`` for the value at a path.
A value that is ``null`` in the file is shown as an en dash; a "tekst" is shown as it stands
(the module may replace ``vist`` afterwards).
"""
raa = hent(data, sti)
if omregning not in ("tall", "pst", "mill", "mrd", "tekst"):
melding = f"ukjent omregning {omregning!r}"
raise ValueError(melding)
if raa is None:
vist = "--"
elif omregning == "tekst":
vist = str(raa)
else:
faktor = {"tall": "1", "pst": "100", "mill": "1e-6", "mrd": "1e-9"}[omregning]
vist = norsk(float(raa), desimaler, faktor)
return Tall(vist, fil, sti, raa, omregning, desimaler)
def avledet(verdi: float, desimaler: int, fil: str, forklaring: str) -> Tall:
"""Make the ``Tall`` for a value computed from several values of one file."""
if not forklaring:
melding = "et avledet tall må ha en forklaring"
raise ValueError(melding)
return Tall(norsk(verdi, desimaler), fil, (), verdi, "avledet", desimaler, forklaring)

View file

@ -0,0 +1,993 @@
r"""The sensitivity list next to the main run (chapter 6, section «Følsomhetene»).
Reads ``folsomheter.json`` (the main run's row and the 42 rows of the fixed table, each in the
scenarios it is read in; the four rows of the ownership forms with their tables), and for the
«before» column of those four rows ``eierformer.json``. One derived figure about the timeline
reads ``tidslinje.json``. The short descriptions of the rows are written here; the values they
name are checked against the frozen list in ``modell/parametere.json`` (``foelsomheter``), read
as data, so that a description cannot name a value the list does not have.
Writes the tables (``folsomheter-*.tex``) and the figure data (``folsomheter-*.dat``) and returns
every number ``kap6-folsomheter.tex`` shows, under keys that start with ``folsomheter.``.
Standard library only. Nothing is computed beyond picking values out, except the ``avledet``
figures, each with its explanation: the counts of rows that change a verdict word, the largest
share of draws in which T-K runs on nuclear power, and the order of the rows in the figure.
"""
from __future__ import annotations
import json
import math
from decimal import Decimal
from typing import TYPE_CHECKING, Any
from resultater.felles import LOSNING, SCENARIO, Tall, avledet, fra_fil, hent, les, norsk
if TYPE_CHECKING:
from pathlib import Path
from resultater.felles import Steg
FIL = "folsomheter.json"
EIER = "eierformer.json"
TID = "tidslinje.json"
DOM = "dommer.json"
LOSNINGER = ("A", "B", "B'", "C", "R", "T-F", "T-K")
FEM = ("A", "B", "C", "T-F", "T-K")
MAAL = ("M1", "M2", "M3", "M4", "M5", "M6")
ANDELER = ("M2", "M3", "M4", "M6")
TELLER = "normalisering"
FORMER = ("direkte", "heleid_selskap", "majoritet_boers", "petroleumsmodell")
EIERRADER = ("24", "25", "28", "29")
FIGUR = ("A", "B", "C")
FIGUR_ANTALL = 8
FIGUR_UTENFOR = ("26", "27")
"""Rows left out of the figure: their present values are not comparable in size (113)."""
LOSNING_TEX = {"A": "A", "B": "B", "B'": "$B'$", "C": "C", "R": "R", "T-F": "T-F", "T-K": "T-K"}
SCENARIO_TEX = {
"knapphet varer": "«knapphet varer»",
"normalisering": "«normalisering»",
"overkapasitet": "«overkapasitet»",
"kildenes lave forlop": "«kildenes lave forløp»",
"80 % paa egne maskiner, lav": r"«80~\% på egne maskiner», lav",
"80 % paa egne maskiner, hoy": r"«80~\% på egne maskiner», høy",
}
AVLESNING_TEX = {
"normalisering på hovedforløpet": "«normalisering»",
"knapphet varer": "«knapphet varer»",
"de merkede scenarioene": "de tre merkede scenarioene",
"tabellene for eierformene": "tabellene for eierformene",
}
FORM_TEX = {
"direkte": "Direkte",
"heleid_selskap": "Heleid",
"majoritet_boers": "Majoritet",
"petroleumsmodell": "Petroleumsmodellen",
}
FORM_NOKKEL = {
"direkte": "direkte",
"heleid_selskap": "heleid",
"majoritet_boers": "majoritet",
"petroleumsmodell": "petroleum",
}
# The rows as the reader sees them: a short description in the words of the specification
# (clarifications 117 to 122 and the frozen list), the substrings of the frozen line that the
# description's values come from (checked against modell/parametere.json), and a note from the
# specification where the row needs one beyond the note in the file.
RADTEKST: dict[str, tuple[str, tuple[str, ...], str]] = {
"1": (r"Kostnadsspennet for kjernekraft er sluttkostnader ($w_\xi = 0$)", ("w_xi = 0",), ""),
"2": (r"Kostnadsspennet for kjernekraft er et budsjett ($w_\xi = 1$)", ("w_xi = 1",), ""),
"3": (
r"Avkastningskravet for kraftverket i A lik kravet for kraft ($\rho_A = \rho_N$)",
("rho_A = rho_N",),
"",
),
"4": (
"Avkastningskravet for kjernekraftverk på nettet 2 prosentpoeng høyere",
("2 prosentpoeng",),
"A er uendret.",
),
"5": (r"Skalaeksponenten for investering $\nu = 0{,}6$", ("nu = 0,6",), ""),
"6": (r"Læringsraten $\ell = -0{,}23$", ("ell = \u22120,23",), ""),
"7": (r"Minstelasten i S7 lik 20~\% av merkeeffekten", ("20 %", "S7"), ""),
"8": ("Fritt valg av enhetsstørrelse i S7, med buffer", ("fritt valg", "S7"), ""),
"9": (r"Halv byggetid for enheter under 300~MW", ("halv byggetid", "300 MW"), ""),
"10": (
"Inntektsfaktor etter standardvilkår i stedet for S44",
("standardvilkår", "S44"),
"",
),
"11a": (r"Norges andel solgt kapasitet $\mu_{\text{rel}} = 0{,}90$", ("mu_rel = 0,90",), ""),
"11b": (r"Norges andel solgt kapasitet $\mu_{\text{rel}} = 0{,}95$", ("0,95",), ""),
"12": ("Varig knapphet: dagens påslag for alle årganger", ("varig knapphet",), ""),
"13": ("Avtakende knapphet: påslaget avtar med tiden", ("avtakende knapphet",), ""),
"14": (
r"Konkurrentens kraftpris lik EU-snittet for de største kundene, 1\,198~kr/MWh",
("1 198 kr/MWh", "EU-snittet"),
"",
),
"15": ("PUE hos konkurrenten 1,45", ("PUE hos konkurrenten 1,45",), ""),
"16": (
r"Rundskrivets rente: 4~\%, så 3~\% og 2~\%, for alle kontantstrømmene i netto nåverdi",
("rundskrivets rente", "4 %", "3 %", "2 %"),
"Avvik fra rundskrivet. Endrer bare netto nåverdi (M1 og M7).",
),
"17a": ("Skattekostnaden lik null", ("skattekostnaden 0",), ""),
"17b": (
"Skattekostnaden 0,20 på all innskutt kapital",
("0,20 på all innskutt kapital",),
"",
),
"18": ("Subsidieelementet regnet med statens lånerente", ("statens lånerente",), ""),
"19a": ("Karbonprisens lave bane i stedet for den sentrale", ("karbonpris lav",), ""),
"19b": ("Karbonprisens høye bane i stedet for den sentrale", ("høy bane",), ""),
"20": (
r"Ulykkeskostnaden ($K_U$) uten skalering etter enhetsstørrelse",
("K_U uten skalering",),
"",
),
"21": (
"Effektkostnaden (S47) regner bare økningen ut over dimensjonerende feil",
("dimensjonerende feil", "S47"),
"",
),
"22": (
"Uten tilleggsregelen (S45): overskudd fra kraftverk på nettet regnes med",
("uten S45",),
"",
),
"23": ("Ingen eksportregel", ("ingen eksportregel",), ""),
"24": (
"Statens kontantstrøm og samlet overskudd verdsatt med statens lånerente",
("statens lånerente",),
"",
),
"25": (
"Oppgjøret med private eiere priset med deres egenkapitalkrav",
("egenkapitalkravet",),
"",
),
"26": (
"Beslutningsår 2030",
("beslutningsår 2030",),
(
"Nåverdiene er regnet til 2030 og kan ikke sammenlignes i størrelse med "
"hovedkjøringens "
"(avklaring 113)."
),
),
"27": (
r"Anlegg på 300~MW IT i alle sju løsningene",
("300 MW",),
(
"Programmet på trinnet er mindre enn hovedkjøringens, og M6 faller tilsvarende "
"(avklaring 113)."
),
),
"28": (
r"Kostnadene for direkte eierskap og heleid selskap ganges med $1 + \epsilon_e$",
("1 + eps_e",),
"",
),
"29": (
r"Statens andel av overskridelsene lik eierandelen ($\zeta_e = s_e$)",
("zeta lik eierandelen",),
"",
),
"30": (
"M6 mot medianen av de ti årene i stedet for snittet",
("medianen av de ti årene",),
"Ingen egen kjøring (avklaring 117).",
),
"31a": (
r"$\varepsilon_d = 0{,}5$: inntekten faller halvt så mye som etterspørselen",
("0,5",),
"",
),
"31b": (r"$\varepsilon_d = 2$: inntekten faller dobbelt så mye", ("og 2",), ""),
"32a": (r"Moduler på 50~MW", ("50",), ""),
"32b": (r"Moduler på 200~MW", ("200 MW",), ""),
"33": (r"Taket i første trinn 650~MW per år", ("650 MW per år",), ""),
"34": ("Full fortrengning i første trinn", ("full fortrengning",), ""),
"35": (
r"C bygd i moduler på 100~MW: T-F uten første trinn",
("100 MW", "uten første trinn"),
(
"En egen bane, som i fila står på plassen til C; M7 og dommen over hypotesen er "
"hovedkjøringens "
"(avklaring 117)."
),
),
"36": ("T-K uten vilkåret (S49)", ("uten vilkåret (S49)",), ""),
"37": (
"Ny fornybar kraft ut over nullalternativet først fra 2031",
("først fra 2031",),
"",
),
}
class Samler:
"""Collects the numbers under their keys and refuses one key with two values."""
def __init__(self) -> None:
"""Start empty."""
self.tall: dict[str, Tall] = {}
def __call__(self, nokkel: str, tall: Tall) -> Tall:
"""Store one number and give it back."""
if nokkel in self.tall and self.tall[nokkel] != tall:
melding = f"{nokkel} har to ulike verdier"
raise ValueError(melding)
self.tall[nokkel] = tall
return tall
def _pst(t: Tall) -> str:
return t.vist if t.raa is None else t.vist + r"~\%"
def _dom(x: Any, maal: str) -> str: # noqa: ANN401 - a dict or a string from the file
v = x[maal]
return v if isinstance(v, str) else v["dom"]
def _sjekk_beskrivelser(data: Path, f: dict[str, Any]) -> None:
"""Every value a description names stands in its line of the frozen list."""
fil = data.parent.parent / "modell" / "parametere.json"
liste = json.loads(fil.read_text(encoding="utf-8"))["foelsomheter"]
for navn, rad in f["rader"].items():
linje = liste[rad["linje"] - 1].lower()
for biter in RADTEKST[navn][1]:
if biter.lower() not in linje:
melding = f"rad {navn}: {biter!r} står ikke i linje {rad['linje']}: {linje!r}"
raise ValueError(melding)
# ------------------------------------------------------------------ one solution in one scenario
def _losningstall(
s: Samler, f: dict[str, Any], forst: tuple[Steg, ...], nokkel: str
) -> dict[str, Tall]:
"""The figures the table shows for one solution: shares, median, not buildable, verdicts."""
ut = {
"m1": s(f"{nokkel}.m1-andel", fra_fil(f, FIL, (*forst, "M1", "andel_holder"), "pst", 2)),
"median": s(f"{nokkel}.median", fra_fil(f, FIL, (*forst, "median_M1"), "mrd", 1)),
"ikke": s(
f"{nokkel}.ikke-byggbar", fra_fil(f, FIL, (*forst, "M1", "ikke_byggbar"), "pst", 2)
),
}
for m in ANDELER:
ut[m] = s(
f"{nokkel}.{m.lower()}-andel", fra_fil(f, FIL, (*forst, m, "andel_holder"), "pst", 2)
)
for m in MAAL:
sti = (*forst, m) if m == "M5" else (*forst, m, "dom")
ut["dom-" + m] = fra_fil(f, FIL, sti, "tekst")
return ut
def _rad_sti(rad: str, scenario: str, losning: str) -> tuple[Steg, ...]:
return ("rader", rad, "tabell", scenario, "losninger", losning)
def _hoved_sti(scenario: str, losning: str) -> tuple[Steg, ...]:
return ("hovedkjoringen", scenario, "losninger", losning)
def _endringer(f: dict[str, Any], rad: str, scenario: str, losning: str) -> list[str]:
"""The targets whose verdict word differs between the row and the main run."""
x = hent(f, _rad_sti(rad, scenario, losning))
y = hent(f, _hoved_sti(scenario, losning))
return [m for m in MAAL if _dom(x, m) != _dom(y, m)]
# ------------------------------------------------------------------ the counts
def _tellinger(s: Samler, f: dict[str, Any]) -> list[tuple[str, str, str, str]]:
"""Per scenario: rows read there, rows that change a verdict word, rows that change none.
Returns the list of changes (row, scenario, solution, target) in the order of the list.
"""
endringer: list[tuple[str, str, str, str]] = []
per_scenario: dict[str, list[str]] = {sc: [] for sc in f["scenarioer"]}
endrer: dict[str, list[str]] = {sc: [] for sc in f["scenarioer"]}
for navn, rad in f["rader"].items():
if rad["tabell"] is None:
continue
for sc in rad["tabell"]:
per_scenario[sc].append(navn)
funnet = False
for a in rad["gjelder"]:
for m in _endringer(f, navn, sc, a):
endringer.append((navn, sc, a, m))
funnet = True
if funnet:
endrer[sc].append(navn)
hvordan = (
"For hver rad i folsomheter.json med en tabell i scenarioet "
"(rader.<rad>.tabell.<scenario>) og hver løsning i rader.<rad>.gjelder er dommeordet i "
"M1 til M6 (feltet dom, for M5 "
"strengen) sammenlignet med hovedkjoringen.<scenario>.losninger.<løsning>."
)
for sc in f["scenarioer"]:
k = SCENARIO[sc]
lest = per_scenario[sc]
s(
f"folsomheter.antall.{k}.rader",
avledet(len(lest), 0, FIL, f"Antall rader med en tabell i scenarioet «{sc}»: {lest}."),
)
s(
f"folsomheter.antall.{k}.endrer",
avledet(
len(endrer[sc]),
0,
FIL,
f"Antall rader der minst ett dommeord er ulikt for minst én løsning. {hvordan} "
f"Radene: {endrer[sc]}.",
),
)
s(
f"folsomheter.antall.{k}.uendret",
avledet(
len(lest) - len(endrer[sc]),
0,
FIL,
f"Rader med en tabell i «{sc}» minus radene som endrer et dommeord der. {hvordan}",
),
)
s(
"folsomheter.antall.rader",
avledet(len(f["rader"]), 0, FIL, "Antall nøkler under rader."),
)
linjer = sorted({r["linje"] for r in f["rader"].values()})
s(
"folsomheter.antall.linjer",
avledet(len(linjer), 0, FIL, f"Antall ulike verdier av rader.<rad>.linje: {linjer}."),
)
eier = [n for n, r in f["rader"].items() if r["tabell"] is None]
s(
"folsomheter.antall.eierrader",
avledet(len(eier), 0, FIL, f"Rader uten tabell og med eierformer: {eier}."),
)
endret_del = [
(n, sc)
for n, r in f["rader"].items()
if r["tabell"] is not None
for sc in r["tabell"]
if r["tabell"][sc]["del_I"] != f["hovedkjoringen"][sc]["del_I"]
]
s(
"folsomheter.antall.del-i-endret",
avledet(
len(endret_del),
0,
FIL,
"Antall (rad, scenario) der rader.<rad>.tabell.<scenario>.del_I er ulik "
f"hovedkjoringen.<scenario>.del_I: {endret_del}.",
),
)
return endringer
# ------------------------------------------------------------------ the tables
def _overskrift_lang() -> str:
hode = (
r"Løsning & \multicolumn{2}{c}{M1: andel (\%)} & \multicolumn{2}{c}{Median M1 (mrd.~kr)} "
r"& \multicolumn{4}{c}{Andel «holder» i raden (\%)} & Dommer som endres, og annet \\"
"\n"
r"\cmidrule(lr){2-3}\cmidrule(lr){4-5}\cmidrule(lr){6-9}"
"\n"
r" & hoved & rad & hoved & rad & M2 & M3 & M4 & M6 & \\"
)
return f"\\toprule\n{hode}\n\\midrule\n"
def _lang_tabell(s: Samler, f: dict[str, Any], ut: Path) -> None:
"""The fixed table, row by row and solution by solution, with the main run beside."""
kolonner = (
r"@{}P{9mm}*{2}{>{\raggedleft\arraybackslash}p{9mm}}"
r"*{2}{>{\raggedleft\arraybackslash}p{11mm}}"
r"*{4}{>{\raggedleft\arraybackslash}p{8mm}}>{\raggedright\arraybackslash}X@{}"
)
linjer = [
"{\\scriptsize",
"\\setlength{\\tabcolsep}{2.5pt}",
"\\renewcommand{\\arraystretch}{1.1}",
f"\\begin{{xltabular}}{{\\linewidth}}{{{kolonner}}}",
(
"\\caption{Følsomhetslista rad for rad på trinnet dommene leses av på, med "
"hovedkjøringen "
"ved siden av, fra samme scenario som raden. «hoved» er hovedkjøringen, «rad» er "
"raden. "
"Andelen i M1 er andelen trekninger med positiv netto nåverdi (vilkåret for «holder»); "
"medianen er netto nåverdi i milliarder reelle 2025-kroner, nåverdi i beslutningsåret. "
"Andelene for M2, M3, M4 og M6 er andelen som oppfyller vilkåret for «holder» i raden; "
"hovedkjøringens står i \\cref{tab:res-fols-hoved}. Bare løsningene raden gjelder, "
"står "
"her; de andre har hovedkjøringens tall. Den siste kolonnen viser dommeord som er "
"ulike "
"hovedkjøringens, andelen der banen ikke lar seg bygge når den ikke er null, og når "
"alle tallene for løsningen er lik hovedkjøringens til siste siffer. Ingen dom i en "
"følsomhet teller.}\\label{tab:res-fols-rader}\\\\"
),
_overskrift_lang() + "\\endfirsthead",
_overskrift_lang() + "\\endhead",
"\\bottomrule\n\\endfoot",
]
for navn, rad in f["rader"].items():
tekst, _, notat = RADTEKST[navn]
gjelder = ", ".join(LOSNING_TEX[a] for a in rad["gjelder"])
merknad = ""
if rad["merknad"]:
t = s(
f"folsomheter.rad.{navn}.merknad",
fra_fil(f, FIL, ("rader", navn, "merknad"), "tekst"),
)
merknad = f" Merknad: {t.vist}"
hode = (
f"\\textbf{{Rad {navn}}} (linje {_linje(s, f, navn).vist}). {tekst}. "
f"Gjelder {gjelder}; "
f"leses av i {AVLESNING_TEX[rad['avlesning']]}."
+ (f" {notat}" if notat else "")
+ merknad
)
linjer.append(
"\\multicolumn{10}{@{}>{\\raggedright\\arraybackslash}p{\\linewidth}@{}}"
f"{{{hode}}} \\\\*"
)
if rad["tabell"] is None:
linjer.append(
"\\multicolumn{10}{@{}l@{}}{\\quad Gjelder bare eierformene: se "
"\\cref{tab:res-fols-eierverdi,tab:res-fols-eierrang}.} \\\\"
)
linjer.append("\\addlinespace")
continue
flere = len(rad["tabell"]) > 1
for sc in rad["tabell"]:
if flere:
linjer.append(
f"\\multicolumn{{10}}{{@{{}}l@{{}}}}{{\\quad {SCENARIO_TEX[sc]}}} \\\\*"
)
for a in rad["gjelder"]:
k = f"folsomheter.rad.{navn}.{SCENARIO[sc]}.{LOSNING[a]}"
kh = f"folsomheter.hoved.{SCENARIO[sc]}.{LOSNING[a]}"
r = _losningstall(s, f, _rad_sti(navn, sc, a), k)
h = _losningstall(s, f, _hoved_sti(sc, a), kh)
annet = []
for m in _endringer(f, navn, sc, a):
fra = s(f"{kh}.dom-{m.lower()}", h["dom-" + m])
til = s(f"{k}.dom-{m.lower()}", r["dom-" + m])
annet.append(f"{m}: {fra.vist} $\\to$ {til.vist}")
if r["ikke"].raa:
annet.append(f"ikke byggbar {_pst(r['ikke'])}")
if hent(f, _rad_sti(navn, sc, a)) == hent(f, _hoved_sti(sc, a)):
annet.append("alle tall som i hovedkjøringen")
celler = [
LOSNING_TEX[a],
h["m1"].vist,
r["m1"].vist,
h["median"].vist,
r["median"].vist,
*(r[m].vist for m in ANDELER),
"; ".join(annet),
]
linjer.append(" & ".join(celler) + r" \\")
linjer.append("\\addlinespace")
linjer += ["\\end{xltabular}", "}"]
(ut / "folsomheter-rader.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _hovedtabell(s: Samler, f: dict[str, Any], ut: Path) -> None:
"""The main run's figures in the scenarios the rows are read in."""
linjer = [
r"\begin{tabular}{@{}llrrrrrr@{}}",
r"\toprule",
(
r"Scenario & Løsning & M1 (\%) & Median M1 (mrd.~kr) & M2 (\%) & M3 (\%) & M4 (\%) "
r"& M6 (\%) \\"
),
r"\midrule",
]
for sc in f["hovedkjoringen"]:
for i, a in enumerate(LOSNINGER):
h = _losningstall(
s, f, _hoved_sti(sc, a), f"folsomheter.hoved.{SCENARIO[sc]}.{LOSNING[a]}"
)
celler = [
SCENARIO_TEX[sc] if i == 0 else "",
LOSNING_TEX[a],
h["m1"].vist,
h["median"].vist,
*(h[m].vist for m in ANDELER),
]
linjer.append(" & ".join(celler) + r" \\")
linjer.append(r"\addlinespace")
linjer[-1] = r"\bottomrule"
linjer.append(r"\end{tabular}")
(ut / "folsomheter-hoved.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _linje(s: Samler, f: dict[str, Any], navn: str) -> Tall:
"""The line of the frozen list a row comes from."""
return s(f"folsomheter.rad.{navn}.linje", fra_fil(f, FIL, ("rader", navn, "linje"), "tall", 0))
def _endringstabell(
s: Samler, f: dict[str, Any], endringer: list[tuple[str, str, str, str]], ut: Path
) -> None:
"""Every verdict word a row changes: row, line, scenario, solution, target, from, to."""
linjer: list[str] = []
for navn, sc, a, m in endringer:
kh = f"folsomheter.hoved.{SCENARIO[sc]}.{LOSNING[a]}.dom-{m.lower()}"
kr = f"folsomheter.rad.{navn}.{SCENARIO[sc]}.{LOSNING[a]}.dom-{m.lower()}"
sti_m = (m,) if m == "M5" else (m, "dom")
fra = s(kh, fra_fil(f, FIL, (*_hoved_sti(sc, a), *sti_m), "tekst"))
til = s(kr, fra_fil(f, FIL, (*_rad_sti(navn, sc, a), *sti_m), "tekst"))
linje = _linje(s, f, navn).vist
linjer.append(
f"{navn} & {linje} & {SCENARIO_TEX[sc]} & {LOSNING_TEX[a]} & {m} & {fra.vist} & "
f"{til.vist} \\\\"
)
(ut / "folsomheter-endringer.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _del1_tabell(s: Samler, f: dict[str, Any], dommer: dict[str, Any], ut: Path) -> None:
"""The hypothesis word of the main run: in this file (no thresholds) and in dommer.json."""
linjer = [
r"\begin{tabular}{@{}lll@{}}",
r"\toprule",
r"Scenario & Følsomhetstabellen & \texttt{dommer.json} \\",
r"\midrule",
]
for sc in f["scenarioer"]:
k = SCENARIO[sc]
if sc in f["hovedkjoringen"]:
her = s(
f"folsomheter.hoved.{k}.del-i",
fra_fil(f, FIL, ("hovedkjoringen", sc, "del_I"), "tekst"),
).vist
else:
her = "ingen rad leses av her"
der = s(
f"folsomheter.dommerfil.{k}.del-i",
fra_fil(dommer, DOM, ("per_scenario", ("navn", sc), "del_I"), "tekst"),
).vist
linjer.append(f"{SCENARIO_TEX[sc]} & {her} & {der} \\\\")
linjer += [r"\bottomrule", r"\end{tabular}"]
(ut / "folsomheter-del1.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _scenariotabell(f: dict[str, Any], ut: Path) -> None:
"""The counts per scenario (the numbers are keys made by ``_tellinger``)."""
linjer = [
r"\begin{tabular}{@{}lrrr@{}}",
r"\toprule",
r"Scenario & Rader lest av der & Endrer minst ett dommeord & Endrer ingen \\",
r"\midrule",
]
for sc in f["scenarioer"]:
k = f"folsomheter.antall.{SCENARIO[sc]}"
linjer.append(
f"{SCENARIO_TEX[sc]} & \\tall{{{k}.rader}} & \\tall{{{k}.endrer}} & "
f"\\tall{{{k}.uendret}} \\\\"
)
linjer += [r"\bottomrule", r"\end{tabular}"]
(ut / "folsomheter-scenarioer.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _m7_tall(s: Samler, f: dict[str, Any], forst: tuple[Steg, ...], nokkel: str) -> list[str]:
celler = [
s(
f"{nokkel}.{LOSNING[a]}.best-alene",
fra_fil(f, FIL, (*forst, a, "best_alene"), "pst", 2),
).vist
for a in FEM
]
celler.append(s(f"{nokkel}.delt", fra_fil(f, FIL, (*forst, "delt", "andel"), "pst", 2)).vist)
celler.append(s(f"{nokkel}.ingen", fra_fil(f, FIL, (*forst, "ingen", "andel"), "pst", 2)).vist)
return celler
def _m7_tabell(s: Samler, f: dict[str, Any], ut: Path) -> None:
"""The comparison M7 per row, with the main run's first in each scenario."""
hode = (
r"Rad & A & B & C & T-F & T-K & Delt & Ingen \\"
"\n"
r"\cmidrule(lr){2-6}"
"\n"
r" & \multicolumn{5}{c}{Best alene (\%)} & (\%) & (\%) \\"
)
linjer = [
"{\\footnotesize",
"\\setlength{\\tabcolsep}{4pt}",
r"\begin{xltabular}{\linewidth}{@{}>{\raggedright\arraybackslash}X*{7}{>{\raggedleft\arraybackslash}p{12mm}}@{}}",
(
"\\caption{Sammenligningen av de fem kraftløsningene (M7) i hver rad, på trinnet "
"dommene "
"leses av på: andelen trekninger der løsningen alene har høyest netto nåverdi, andelen "
"der plassen deles, og andelen der ingen lar seg bygge. Hovedkjøringen står først i "
"hvert "
"scenario. Ingen dom. I rad 35 og i radene for eierformene er sammenligningen "
"hovedkjøringens (avklaring 116 og 117).}\\label{tab:res-fols-m7}\\\\"
),
f"\\toprule\n{hode}\n\\midrule\n\\endfirsthead",
f"\\toprule\n{hode}\n\\midrule\n\\endhead",
"\\bottomrule\n\\endfoot",
]
rekkefolge = [sc for sc in f["scenarioer"] if sc in f["hovedkjoringen"]]
for sc in rekkefolge:
linjer.append(f"\\multicolumn{{8}}{{@{{}}l@{{}}}}{{\\textit{{{SCENARIO_TEX[sc]}}}}} \\\\*")
celler = _m7_tall(
s, f, ("hovedkjoringen", sc, "M7"), f"folsomheter.hoved.{SCENARIO[sc]}.m7"
)
linjer.append("Hovedkjøringen & " + " & ".join(celler) + r" \\")
for navn, rad in f["rader"].items():
if rad["tabell"] is None or sc not in rad["tabell"]:
continue
celler = _m7_tall(
s,
f,
("rader", navn, "tabell", sc, "M7"),
f"folsomheter.rad.{navn}.{SCENARIO[sc]}.m7",
)
linjer.append(f"Rad {navn} & " + " & ".join(celler) + r" \\")
linjer.append(r"\addlinespace")
linjer += ["\\end{xltabular}", "}"]
(ut / "folsomheter-m7.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _rad16(s: Samler, f: dict[str, Any], ut: Path) -> None:
"""The circular's discount rate for every solution, with the main run beside."""
linjer = [
r"\begin{tabular}{@{}lrrrrllrr@{}}",
r"\toprule",
(
r"Løsning & \multicolumn{2}{c}{M1: andel (\%)} & \multicolumn{2}{c}{Median "
r"(mrd.~kr)} & "
r"\multicolumn{2}{c}{Dom i M1} & \multicolumn{2}{c}{M7: best alene (\%)} \\"
),
r"\cmidrule(lr){2-3}\cmidrule(lr){4-5}\cmidrule(lr){6-7}\cmidrule(lr){8-9}",
r" & hoved & rad & hoved & rad & hoved & rad & hoved & rad \\",
r"\midrule",
]
for a in f["rader"]["16"]["gjelder"]:
k = f"folsomheter.rad.16.normalisering.{LOSNING[a]}"
kh = f"folsomheter.hoved.normalisering.{LOSNING[a]}"
r = _losningstall(s, f, _rad_sti("16", TELLER, a), k)
h = _losningstall(s, f, _hoved_sti(TELLER, a), kh)
dh = s(f"{kh}.dom-m1", h["dom-M1"])
dr = s(f"{k}.dom-m1", r["dom-M1"])
if a in FEM:
m7h = s(
f"folsomheter.hoved.normalisering.m7.{LOSNING[a]}.best-alene",
fra_fil(f, FIL, ("hovedkjoringen", TELLER, "M7", a, "best_alene"), "pst", 2),
).vist
m7r = s(
f"folsomheter.rad.16.normalisering.m7.{LOSNING[a]}.best-alene",
fra_fil(f, FIL, ("rader", "16", "tabell", TELLER, "M7", a, "best_alene"), "pst", 2),
).vist
else:
m7h = m7r = "ikke med"
celler = [
LOSNING_TEX[a],
h["m1"].vist,
r["m1"].vist,
h["median"].vist,
r["median"].vist,
dh.vist,
dr.vist,
m7h,
m7r,
]
linjer.append(" & ".join(celler) + r" \\")
linjer += [r"\bottomrule", r"\end{tabular}"]
(ut / "folsomheter-rad16.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
# ------------------------------------------------------------------ the ownership forms
def _eier_sti(rad: str, a: str, *rest: Steg) -> tuple[str, tuple[Steg, ...]]:
"""The file and the path for one ownership figure: the main run or one of the four rows."""
if rad == "hoved":
return EIER, ("per_losning", a, *rest)
return FIL, ("rader", rad, "eierformer", a, *rest)
def _eiertall( # noqa: PLR0917 - one figure is picked by all of them
s: Samler,
filer: dict[str, Any],
rad: str,
a: str,
rest: tuple[Steg, ...],
navn: str,
omregning: str,
desimaler: int,
) -> Tall:
fil, sti = _eier_sti(rad, a, *rest)
return s(
f"folsomheter.eier.{rad}.{LOSNING[a]}.{navn}",
fra_fil(filer[fil], fil, sti, omregning, desimaler),
)
def _eiertabeller(s: Samler, filer: dict[str, Any], ut: Path) -> None:
"""Value for the public and probability of loss per form, and the ranking, per row."""
kolonner = ("hoved", *EIERRADER)
hode = (
r"Løsning & Eierform & \multicolumn{5}{c}{Verdi for fellesskapet (mrd.~kr)} & "
r"\multicolumn{5}{c}{Sannsynlighet for tap (\%)} \\"
"\n"
r"\cmidrule(lr){3-7}\cmidrule(lr){8-12}"
"\n"
r" & & hoved & 24 & 25 & 28 & 29 & hoved & 24 & 25 & 28 & 29 \\"
)
linjer = [
"{\\scriptsize",
"\\setlength{\\tabcolsep}{3.2pt}",
r"\begin{xltabular}{\linewidth}{@{}lX*{10}{r}@{}}",
(
"\\caption{Eierformene i hovedkjøringen (\\texttt{eierformer.json}) og i de fire "
"radene som "
"bare gjelder dem (24, 25, 28 og 29), i «normalisering» på trinnet dommene leses av "
"på. "
"Verdien for fellesskapet er forventet nåverdi av statens netto kontantstrøm med "
"oppgjøret, i milliarder reelle 2025-kroner; sannsynligheten for tap er andelen "
"trekninger der nåverdien av statens kontantstrøm (S30) er negativ. Grensen for "
"statens "
"risiko er 25~\\%.}\\label{tab:res-fols-eierverdi}\\\\"
),
]
linjer += [
f"\\toprule\n{hode}\n\\midrule\n\\endfirsthead",
f"\\toprule\n{hode}\n\\midrule\n\\endhead",
"\\bottomrule\n\\endfoot",
]
for a in FEM:
for i, form in enumerate(FORMER):
fk = FORM_NOKKEL[form]
verdi = [
_eiertall(
s, filer, r, a, ("kriterier", form, "verdi"), f"{fk}.verdi", "mrd", 1
).vist
for r in kolonner
]
tap = [
_eiertall(
s,
filer,
r,
a,
("kriterier", form, "tapssannsynlighet"),
f"{fk}.tap",
"pst",
2,
).vist
for r in kolonner
]
celler = [LOSNING_TEX[a] if i == 0 else "", FORM_TEX[form], *verdi, *tap]
linjer.append(" & ".join(celler) + r" \\")
linjer.append(r"\addlinespace")
linjer += ["\\end{xltabular}", "}"]
(ut / "folsomheter-eierverdi.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
# the ranking and the state's cash flow next to M6
hode2 = (
r"Løsning & Rad & Rangert innenfor risikogrensen & Går ut & Statens kontantstrøm "
r"ved siden av M6, median (\%) \\"
)
linjer = [
"{\\footnotesize",
"\\setlength{\\tabcolsep}{3pt}",
r"\begin{xltabular}{\linewidth}{@{}llXP{38mm}>{\raggedleft\arraybackslash}p{24mm}@{}}",
(
"\\caption{Rangeringen av eierformene i hovedkjøringen og i radene 24, 25, 28 og 29: "
"formene som er rangert etter verdi for fellesskapet blant dem med sannsynlighet for "
"tap under 25~\\% (likhetstegn der formene deler plassen), og formene som går ut "
"fordi en "
"annen form er bedre på alle de tre første kriteriene. «Ingen» betyr at alle fire er "
"over risikogrensen. Statens kontantstrøm ved siden av M6 er tallet i avklaring 123 "
"for heleid selskap, som andel av nevneren i M6; det endrer ingen dom.}"
"\\label{tab:res-fols-eierrang}\\\\"
),
f"\\toprule\n{hode2}\n\\midrule\n\\endfirsthead",
f"\\toprule\n{hode2}\n\\midrule\n\\endhead",
"\\bottomrule\n\\endfoot",
]
for a in FEM:
for i, r in enumerate(kolonner):
fil, sti = _eier_sti(r, a, "rangering")
rang = hent(filer[fil], sti)
rangert = _rangert_tekst(rang)
ute = ", ".join(FORM_TEX[x] for x in rang["ute"]) or "ingen"
hvor = f"{fil}: {'.'.join(str(x) for x in sti)}"
t = s(
f"folsomheter.eier.{r}.{LOSNING[a]}.rangering",
_tekst_avledet(
rangert,
fil,
f"Feltet rangert i {hvor}, i rekkefølge, med formene i like slått sammen "
"med likhetstegn; «ingen» når lista er tom.",
),
)
u = s(
f"folsomheter.eier.{r}.{LOSNING[a]}.ute",
_tekst_avledet(
ute, fil, f"Nøklene i feltet ute i {hvor}; «ingen» når det er tomt."
),
)
k = _eiertall(
s, filer, r, a, ("statens_kontantstrom", "median"), "skst-median", "pst", 2
)
radnavn = "hovedkjøringen" if r == "hoved" else r
celler = [LOSNING_TEX[a] if i == 0 else "", radnavn, t.vist, u.vist, k.vist]
linjer.append(" & ".join(celler) + r" \\")
linjer.append(r"\addlinespace")
linjer += ["\\end{xltabular}", "}"]
(ut / "folsomheter-eierrang.tex").write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _rangert_tekst(rang: dict[str, Any]) -> str:
"""The ranked forms in order; forms that share their place joined with an equals sign."""
if not rang["rangert"]:
return "ingen"
like = {x: g for g in rang["like"] for x in g}
deler: list[str] = []
brukt: set[str] = set()
for x in rang["rangert"]:
if x in brukt:
continue
gruppe = like.get(x, [x])
brukt.update(gruppe)
deler.append(" = ".join(FORM_TEX[y] for y in gruppe))
return ", ".join(deler)
# ------------------------------------------------------------------ the figure
def _figur(s: Samler, f: dict[str, Any], ut: Path) -> None:
"""For A, B and C: the rows that move the median of M1 most in «normalisering» on the step."""
for a in FIGUR:
hoved = hent(f, (*_hoved_sti(TELLER, a), "median_M1"))
kandidater = []
for navn, rad in f["rader"].items():
if (
rad["tabell"] is None
or TELLER not in rad["tabell"]
or a not in rad["gjelder"]
or navn in FIGUR_UTENFOR
):
continue
verdi = hent(f, (*_rad_sti(navn, TELLER, a), "median_M1"))
if verdi is None:
continue
kandidater.append((abs(verdi - hoved), navn, verdi))
rekkefolge = list(f["rader"])
kandidater.sort(key=lambda x: (-x[0], rekkefolge.index(x[1])))
valgt = kandidater[:FIGUR_ANTALL]
s(
f"folsomheter.figur.{LOSNING[a]}.rader",
_tekst_avledet(
", ".join(n for _, n, _ in valgt),
FIL,
"Radene med tabell i «normalisering» som gjelder løsningen, unntatt 26 og 27, "
"ordnet etter absolutt forskjell mellom rader.<rad>.tabell.normalisering.losninger."
f"{a}.median_M1 og hovedkjoringen.normalisering.losninger.{a}.median_M1; "
f"de {FIGUR_ANTALL} største.",
),
)
linjer = [
(
f"# kilde: {FIL}, hovedkjoringen.normalisering.losninger.{a}.median_M1 (hoved) og "
f"rader.<rad>.tabell.normalisering.losninger.{a}.median_M1 (rad), "
"ganget med 1e-9 i desimal (mrd. kr); d = rad - hoved, regnet i desimal i kroner"
),
"y rad hoved verdi d",
]
n = len(valgt)
for i, (_, navn, verdi) in enumerate(valgt):
y = n - i
linjer.append(
f"{y} {navn} {_mrd(_desimal(hoved))} {_mrd(_desimal(verdi))} "
f"{_mrd(_desimal(verdi) - _desimal(hoved))}"
)
navn_fil = f"folsomheter-figur-{LOSNING[a]}.dat"
(ut / navn_fil).write_text("\n".join(linjer) + "\n", encoding="utf-8")
def _tekst_avledet(tekst: str, fil: str, forklaring: str) -> Tall:
"""A text put together from several fields of one file, with how."""
return Tall(tekst, fil, (), tekst, "avledet", 0, forklaring)
def _desimal(x: float) -> Decimal:
"""A value of the file as the shortest decimal that gives back the same float."""
if not math.isfinite(x):
melding = f"ikke et endelig tall: {x}"
raise ValueError(melding)
return Decimal(repr(float(x)))
def _mrd(x: Decimal) -> str:
"""Kroner as milliard kroner for the figure data, exact in decimal, without an exponent."""
return format(x * Decimal("1e-9"), "f")
# ------------------------------------------------------------------ prose figures
def _prosa(s: Samler, f: dict[str, Any], tid: dict[str, Any]) -> None:
s("folsomheter.trinn", fra_fil(f, FIL, ("trinn",), "tall", 0))
s("folsomheter.grunnlag-trinn", fra_fil(f, FIL, ("grunnlag_for_trinnet",), "tekst"))
for sc in f["hovedkjoringen"]:
s(
f"folsomheter.hoved.{SCENARIO[sc]}.del-i",
fra_fil(f, FIL, ("hovedkjoringen", sc, "del_I"), "tekst"),
)
for navn, rad in f["rader"].items():
if rad["tabell"] is None:
continue
for sc in rad["tabell"]:
s(
f"folsomheter.rad.{navn}.{SCENARIO[sc]}.del-i",
fra_fil(f, FIL, ("rader", navn, "tabell", sc, "del_I"), "tekst"),
)
# T-K on nuclear power on the step: the largest share of draws over the years
trinn = f["trinn"]
serie = hent(
tid,
("per_losning", "T-K", ("trinn", trinn), "typer", "kjernekraft paa nettet"),
)
storst = max(e["andel_minst_100_MW"] for e in serie)
s(
"folsomheter.tk-kjernekraft-maks",
Tall(
norsk(storst, 2, "100"),
TID,
(),
storst,
"avledet",
2,
f"Største verdi over årene av per_losning.T-K.trinn {trinn}.typer."
"«kjernekraft paa nettet».andel_minst_100_MW i tidslinje.json, i prosent.",
),
)
# ------------------------------------------------------------------ entry point
def lag(data: Path, ut: Path) -> dict[str, Tall]:
"""Write the tables and the figure data of the section and return its numbers."""
f = les(data, FIL)
filer = {FIL: f, EIER: les(data, EIER)}
tid = les(data, TID)
_sjekk_beskrivelser(data, f)
if set(f["rader"]) != set(RADTEKST):
melding = (
f"radene i fila er ikke radene i RADTEKST: {sorted(set(f['rader']) ^ set(RADTEKST))}"
)
raise ValueError(melding)
s = Samler()
endringer = _tellinger(s, f)
_prosa(s, f, tid)
_hovedtabell(s, f, ut)
_lang_tabell(s, f, ut)
_endringstabell(s, f, endringer, ut)
_scenariotabell(f, ut)
_del1_tabell(s, f, les(data, DOM), ut)
_m7_tabell(s, f, ut)
_rad16(s, f, ut)
_eiertabeller(s, filer, ut)
_figur(s, f, ut)
return s.tall

402
rapport/resultater/miljo.py Normal file
View file

@ -0,0 +1,402 @@
r"""Emissions over the life cycle, «med fradrag», and cooling water (chapter 6, section «Utslipp»).
Reads ``miljo.json`` (clarifications 141 and 142: S32, S53 per estimate of u_alt, and S54, per
scenario, step and solution; median, p10 and p90 over the draws where the path can be built, per
year and of the sum over the years), ``dommer.json`` (the step the verdicts are read on, the share
of paths that cannot be built, and the verdict in M5) and ``modell/parametere.json`` (the four
estimates of u_alt and the fixed fresh-water consumption of nuclear power with sea-water cooling,
read as data).
Before anything is written it checks the file against itself and against ``dommer.json``, and
stops when a check fails: ``antall`` against the share «ikke byggbar»; that U_liv and the water do
not differ between the scenarios, and that the deduction does not differ between the three price
scenarios; that a solution without nuclear power withdraws only the data centres' water; that in
A all nuclear power is the data centres' own use; that the withdrawal for own use is never above
the withdrawal; that the nuclear plants' fresh-water consumption is zero when the parameter file
fixes it at zero; and that p10 <= median <= p90 for every series.
Writes the tables ``miljo-*.tex`` and the figure data ``miljo-vann.dat``, and returns every number
``kap6-miljo.tex`` shows, under keys that start with ``miljo.``.
Standard library only.
"""
from __future__ import annotations
import json
import math
from typing import TYPE_CHECKING, Any
from resultater.felles import LOSNING, SCENARIO, Tall, fra_fil, hent, les, norsk
if TYPE_CHECKING:
from pathlib import Path
from resultater.felles import Steg
MILJO = "miljo.json"
DOM = "dommer.json"
PARAM = "modell/parametere.json"
LOSNINGER = ("A", "B", "B'", "C", "R", "T-F", "T-K")
UTEN_KJERNEKRAFT = ("C", "R", "T-F")
TELLER = "normalisering"
PRIS = ("knapphet varer", "normalisering", "overkapasitet")
BORTFALL = ("kildenes lave forlop", "80 % paa egne maskiner, lav", "80 % paa egne maskiner, hoy")
ANSLAG = ("hoved", "lav", "hoy_nedre", "hoy_ovre")
VANN = ("uttak", "uttak_egen_bruk", "forbruk_kjernekraft", "forbruk_hoyst")
LOSNING_TEX = {"A": "A", "B": "B", "B'": "$B'$", "C": "C", "R": "R", "T-F": "T-F", "T-K": "T-K"}
ANSLAG_KEY = {"hoved": "hoved", "lav": "lav", "hoy_nedre": "hoy410", "hoy_ovre": "hoy626"}
VANN_KEY = {
"uttak": "uttak",
"uttak_egen_bruk": "egen",
"forbruk_kjernekraft": "forbruk-kjerne",
"forbruk_hoyst": "forbruk-hoyst",
}
PERT_FORM = 4
# Relative tolerance when two medians that should be equal are compared after the file's rounding.
TOLERANSE = 1e-9
# The body of a table ends with its bottom rule: \bottomrule cannot follow \input in a tabular.
BUNN = "\\bottomrule\n"
class Samler:
"""Collects the numbers under their keys and refuses one key with two values."""
def __init__(self) -> None:
"""Start empty."""
self.tall: dict[str, Tall] = {}
def __call__(self, nokkel: str, tall: Tall) -> Tall:
"""Store one number and give it back."""
if nokkel in self.tall and self.tall[nokkel] != tall:
melding = f"{nokkel} har to ulike verdier"
raise ValueError(melding)
self.tall[nokkel] = tall
return tall
def _sti(scenario: str, trinn: int, *rest: Steg) -> tuple[Steg, ...]:
return ("per_scenario", ("navn", scenario), "trinn", ("trinn", trinn), *rest)
def _mill(data: Any, fil: str, sti: tuple[Steg, ...], desimaler: int = 1) -> Tall: # noqa: ANN401
"""A value in millions (tonnes or cubic metres)."""
return fra_fil(data, fil, sti, "mill", desimaler)
def _aar(aar: int, fil: str, sti: tuple[Steg, ...]) -> Tall:
return Tall(str(aar), fil, sti, aar, "tekst", 0)
# ------------------------------------------------------------------ the checks
def _feil(melding: str) -> None:
raise ValueError(melding)
def _sjekk_rekkefolge(serie: Any, hvor: str) -> None: # noqa: ANN401
"""p10 <= median <= p90 for the sum and for every year of one series."""
s = serie["sum"]
if not s["p10"] <= s["median"] <= s["p90"]:
_feil(f"{hvor}: sum har p10 > median eller median > p90")
for j, (a, b, c) in enumerate(zip(serie["p10"], serie["median"], serie["p90"], strict=True)):
if not a <= b <= c:
_feil(f"{hvor}: år nr. {j} har p10 > median eller median > p90")
def _sjekk_vann(k: Any, los: str, hvor: str, w_N_forbruk: float) -> None: # noqa: ANN401
"""The water of one path.
Zero fresh water from nuclear power when the parameter file fixes it at zero; only the data
centres' water without nuclear power; all nuclear power own use in A; and the withdrawal for
own use never above the withdrawal (it is so per draw, so also per percentile).
"""
if w_N_forbruk == 0.0 and any(
x != 0.0 for f in ("median", "p10", "p90") for x in k["forbruk_kjernekraft"][f]
):
_feil(f"{hvor}: forbruk_kjernekraft er ikke null")
if los in UTEN_KJERNEKRAFT and not (k["uttak"] == k["forbruk_hoyst"] == k["uttak_egen_bruk"]):
_feil(f"{hvor}: en løsning uten kjernekraft tar ut mer enn datasentrenes vann")
if los == "A" and k["uttak"] != k["uttak_egen_bruk"]:
_feil(f"{hvor}: i A er ikke all kjernekraft egen bruk")
for f in ("median", "p10", "p90"):
par = zip(k["uttak_egen_bruk"][f], k["uttak"][f], strict=True)
if any(e > u * (1 + TOLERANSE) for e, u in par):
_feil(f"{hvor}: uttak for egen bruk over uttaket ({f})")
def _sjekk_bane(v: Any, *, ib: float, n: int, los: str, hvor: str, w_N_forbruk: float) -> None: # noqa: ANN401
"""One scenario, step and solution: the count against «ikke byggbar», and its series."""
if v["antall"] != round(n * (1.0 - ib)):
_feil(f"{hvor}: antall {v['antall']} mot ikke byggbar {ib}")
if v["antall"] == 0:
if v["U_liv"] is not None or v["med_fradrag"] is not None:
_feil(f"{hvor}: antall null men verdier")
return
_sjekk_rekkefolge(v["U_liv"], hvor + ", U_liv")
for a in ANSLAG:
for felt in ("U_unngaatt", "U_med"):
_sjekk_rekkefolge(v["med_fradrag"][a][felt], f"{hvor}, {a}, {felt}")
for felt in VANN:
_sjekk_rekkefolge(v["kjolevann"][felt], f"{hvor}, {felt}")
_sjekk_vann(v["kjolevann"], los, hvor, w_N_forbruk)
def _sjekk(m: Any, d: Any, p: Any) -> None: # noqa: ANN401
"""The internal checks; stops at the first that fails."""
n = m["antall_trekninger"]
for felt in ("antall_trekninger", "stige", "scenarioer"):
if m[felt] != d[felt]:
_feil(f"miljo.json og dommer.json hører ikke til samme kjøring ({felt})")
w_N_forbruk = hent(p, ("parametere", ("id", "w_N_forbruk"), "fordeling", "verdi"))
for sc in m["scenarioer"]:
for trinn in m["stige"]:
for los in LOSNINGER:
hvor = f"{sc}, trinn {trinn}, {los}"
v = hent(m, _sti(sc, trinn, "losninger", los))
ib = hent(d, _sti(sc, trinn, "losninger", los, "M1", "ikke_byggbar"))
_sjekk_bane(v, ib=ib, n=n, los=los, hvor=hvor, w_N_forbruk=w_N_forbruk)
# Not the price: U_liv and the water are the same in every scenario, and the
# deduction in the three price scenarios (clarifications 95 and 99, S51).
base = hent(m, _sti(TELLER, trinn, "losninger", los))
if v["U_liv"] != base["U_liv"] or v["kjolevann"] != base["kjolevann"]:
_feil(f"{hvor}: U_liv eller vannet er ulikt «normalisering»")
if sc in PRIS and v["med_fradrag"] != base["med_fradrag"]:
_feil(f"{hvor}: fradraget er ulikt «normalisering»")
# ------------------------------------------------------------------ the numbers and tables
def _celle(t: Tall, lav: Tall, hoy: Tall) -> str:
return (
r"\begin{tabular}[c]{@{}r@{}}"
rf"{t.vist}\\{{\footnotesize ({lav.vist} til {hoy.vist})}}"
r"\end{tabular}"
)
def _serie_tall(
m: Any, # noqa: ANN401
s: Samler,
nokkel: str,
sti: tuple[Steg, ...],
desimaler: int = 1,
) -> tuple[Tall, Tall, Tall]:
"""The median, p10 and p90 of the sum over the years of one series, in millions."""
return (
s(f"{nokkel}.median", _mill(m, MILJO, (*sti, "sum", "median"), desimaler)),
s(f"{nokkel}.p10", _mill(m, MILJO, (*sti, "sum", "p10"), desimaler)),
s(f"{nokkel}.p90", _mill(m, MILJO, (*sti, "sum", "p90"), desimaler)),
)
def _tabell_liv(m: Any, d: Any, s: Samler, trinn: int, neste: int) -> str: # noqa: ANN401
"""S32 summed over the years, the number of draws, and the verdict in M5 (rule-based)."""
linjer = []
for los in LOSNINGER:
k = f"miljo.t{trinn}.{LOSNING[los]}"
ant = s(
f"{k}.antall",
fra_fil(m, MILJO, _sti(TELLER, trinn, "losninger", los, "antall"), "tall", 0),
)
ant5 = s(
f"miljo.t{neste}.{LOSNING[los]}.antall",
fra_fil(m, MILJO, _sti(TELLER, neste, "losninger", los, "antall"), "tall", 0),
)
med, lav, hoy = _serie_tall(
m, s, f"{k}.liv", _sti(TELLER, trinn, "losninger", los, "U_liv")
)
m5 = s(f"{k}.m5", fra_fil(d, DOM, _sti(TELLER, trinn, "losninger", los, "M5"), "tekst"))
linjer.append(
f"{LOSNING_TEX[los]} & {ant.vist} & {med.vist} & {lav.vist} & {hoy.vist} & "
f"{m5.vist} & {ant5.vist} \\\\"
)
return "\n".join(linjer) + "\n" + BUNN
def _tabell_fradrag(m: Any, s: Samler, trinn: int, felt: str) -> str: # noqa: ANN401
"""S53 per estimate of u_alt, over the years: U_unngaatt (medians) or U_med (with range)."""
linjer = []
navn = "unngaatt" if felt == "U_unngaatt" else "med"
for los in LOSNINGER:
celler = []
for a in ANSLAG:
k = f"miljo.t{trinn}.{LOSNING[los]}.{navn}.{ANSLAG_KEY[a]}"
med, lav, hoy = _serie_tall(
m, s, k, _sti(TELLER, trinn, "losninger", los, "med_fradrag", a, felt)
)
celler.append(med.vist if felt == "U_unngaatt" else _celle(med, lav, hoy))
linjer.append(LOSNING_TEX[los] + " & " + " & ".join(celler) + r" \\")
return "\n".join(linjer) + "\n" + BUNN
def _tabell_bortfall(m: Any, s: Samler, trinn: int) -> str: # noqa: ANN401
"""U_unngaatt in the main estimate in «normalisering» and the three scenarios of lost demand."""
linjer = []
for los in LOSNINGER:
celler = []
for sc in (TELLER, *BORTFALL):
k = f"miljo.{SCENARIO[sc]}.t{trinn}.{LOSNING[los]}.unngaatt.hoved.median"
sti = _sti(sc, trinn, "losninger", los, "med_fradrag", "hoved", "U_unngaatt")
t = s(k, _mill(m, MILJO, (*sti, "sum", "median")))
celler.append(t.vist)
linjer.append(LOSNING_TEX[los] + " & " + " & ".join(celler) + r" \\")
return "\n".join(linjer) + "\n" + BUNN
def _tabell_vann(m: Any, s: Samler, trinn: int) -> str: # noqa: ANN401
"""S54 summed over the years, millions of cubic metres."""
linjer = []
for los in LOSNINGER:
celler = []
for felt in VANN:
k = f"miljo.t{trinn}.{LOSNING[los]}.vann.{VANN_KEY[felt]}"
med, lav, hoy = _serie_tall(
m, s, k, _sti(TELLER, trinn, "losninger", los, "kjolevann", felt)
)
celler.append(med.vist if felt == "forbruk_kjernekraft" else _celle(med, lav, hoy))
linjer.append(LOSNING_TEX[los] + " & " + " & ".join(celler) + r" \\")
return "\n".join(linjer) + "\n" + BUNN
def _dat_vann(m: Any, trinn: int) -> str: # noqa: ANN401
"""The water per year for the figure, every second year from the first.
Withdrawal (median, p10, p90) for the nuclear solutions, and the data centres' own water
(median) for all solutions.
"""
kjerne = ("A", "B", "B'")
alle = ("A", "C", "R", "T-F", "T-K")
hode = f"# kilde: {MILJO}, per_scenario[navn={TELLER}].trinn[trinn={trinn}].losninger.<L>"
linjer = [
f"{hode}.kjolevann.uttak.median, .p10, .p90 [year] for L in {', '.join(kjerne)}; m3/year",
(
f"{hode}.kjolevann.forbruk_hoyst.median [year] for L in {', '.join(alle)}; m3/year "
"(the data centres' own withdrawal, since the nuclear plants' fresh-water use is zero)"
),
"# every second year from the first; aar from miljo.json, aar",
]
navn = [f"{LOSNING[x]}{f}" for x in kjerne for f in ("med", "p10", "p90")]
navn += [f"{LOSNING[x]}dc" for x in alle]
linjer.append("aar " + " ".join(navn))
aar = m["aar"]
serier = {los: hent(m, _sti(TELLER, trinn, "losninger", los, "kjolevann")) for los in LOSNINGER}
# The figure draws A's own water for A, B and B'; stop if they are not the same series.
for los in ("B", "B'"):
if serier[los]["forbruk_hoyst"] != serier["A"]["forbruk_hoyst"]:
_feil(f"datasentrenes vann i {los} er ikke likt A på trinn {trinn}")
for j in range(0, len(aar), 2):
verdier = [
repr(float(serier[los]["uttak"][f][j]))
for los in kjerne
for f in ("median", "p10", "p90")
]
verdier += [repr(float(serier[los]["forbruk_hoyst"]["median"][j])) for los in alle]
linjer.append(f"{aar[j]} " + " ".join(verdier))
return "\n".join(linjer) + "\n"
def _anslag(p: Any, s: Samler) -> None: # noqa: ANN401
"""The four estimates of u_alt as the parameter file states them, g CO2 per kWh."""
base = ("parametere", ("id", "u_alt"), "fordeling", "verdi")
for aar in ("2024", "2030", "2035", "2040", "2050"):
s(
f"miljo.ualt.hoved.{aar}",
fra_fil(p, PARAM, (*base, "hoved", aar), "tall", 1 if aar in ("2040", "2050") else 0),
)
for aar in ("2025", "2030"):
s(f"miljo.ualt.lav.{aar}", fra_fil(p, PARAM, (*base, "lav", aar), "tall", 0))
s("miljo.ualt.hoy.lav", fra_fil(p, PARAM, (*base, "hoy", "lav"), "tall", 0))
s("miljo.ualt.hoy.hoy", fra_fil(p, PARAM, (*base, "hoy", "hoy"), "tall", 0))
s("miljo.ualt.null", fra_fil(p, PARAM, (*base, "null"), "tall", 0))
s(
"miljo.wN-forbruk",
fra_fil(p, PARAM, ("parametere", ("id", "w_N_forbruk"), "fordeling", "verdi"), "tall", 0),
)
def _tekst(m: Any, s: Samler, trinn: int) -> None: # noqa: ANN401
"""Single figures the prose reads: the years, the yearly medians against the sum, and step 5."""
s("miljo.forste-aar", _aar(m["aar"][0], MILJO, ("aar", 0)))
s("miljo.siste-aar", _aar(m["aar"][-1], MILJO, ("aar", len(m["aar"]) - 1)))
s("miljo.antall", fra_fil(m, MILJO, ("antall_trekninger",), "tall", 0))
s("miljo.enhet.utslipp", fra_fil(m, MILJO, ("enheter", "utslipp"), "tekst"))
s("miljo.enhet.vann", fra_fil(m, MILJO, ("enheter", "kjolevann"), "tekst"))
# The sum of the yearly medians, next to the median of the sums, for A: why the two differ.
sti = _sti(TELLER, trinn, "losninger", "A", "U_liv", "median")
verdi = math.fsum(hent(m, sti))
s(
f"miljo.t{trinn}.A.liv.sum-av-medianer",
Tall(
norsk(verdi, 1, "1e-6"),
MILJO,
(),
verdi,
"avledet",
1,
f"the sum (math.fsum) over the years of per_scenario[navn={TELLER}]"
f".trinn[trinn={trinn}].losninger.A.U_liv.median, in tonnes; shown in millions",
),
)
def _kraftutslipp(p: Any, s: Samler) -> None: # noqa: ANN401
"""The drawn distributions of life-cycle emissions per kWh (S32), and their means.
A PERT distribution with form 4 has the mean (low + 4 mode + high) / 6.
"""
for pid, navn in (("u_kjerne", "kjerne"), ("u_vind", "vind"), ("u_vann", "vann")):
sti = ("parametere", ("id", pid), "fordeling")
fordeling = hent(p, sti)
if fordeling["type"] != "pert" or fordeling["form"] != PERT_FORM:
_feil(f"{pid} er ikke en PERT-fordeling med form 4")
for felt in ("lav", "modus", "hoy"):
desimaler = 0 if float(fordeling[felt]).is_integer() else 2 if pid == "u_vann" else 1
s(f"miljo.u.{navn}.{felt}", fra_fil(p, PARAM, (*sti, felt), "tall", desimaler))
snitt = (fordeling["lav"] + PERT_FORM * fordeling["modus"] + fordeling["hoy"]) / (
PERT_FORM + 2
)
s(
f"miljo.u.{navn}.snitt",
Tall(
norsk(snitt, 1),
PARAM,
(),
snitt,
"avledet",
1,
f"the mean of the PERT distribution of {pid} in the parameter file: "
"(lav + 4 modus + hoy) / 6, g CO2e per kWh",
),
)
def lag(data: Path, ut: Path) -> dict[str, Tall]:
"""Check ``miljo.json``, write the tables and figure data, and return the numbers."""
m = les(data, MILJO)
d = les(data, DOM)
p = json.loads((data.parent.parent / PARAM).read_text(encoding="utf-8"))
_sjekk(m, d, p)
s = Samler()
trinn = hent(d, ("trinn",))
stige = list(m["stige"])
neste = stige[stige.index(trinn) + 1]
s("miljo.domstrinn", fra_fil(d, DOM, ("trinn",), "tall", 0))
s("miljo.nestetrinn", fra_fil(m, MILJO, ("stige", stige.index(neste)), "tall", 0))
_anslag(p, s)
_kraftutslipp(p, s)
_tekst(m, s, trinn)
(ut / "miljo-liv.tex").write_text(_tabell_liv(m, d, s, trinn, neste), encoding="utf-8")
(ut / "miljo-unngaatt.tex").write_text(
_tabell_fradrag(m, s, trinn, "U_unngaatt"), encoding="utf-8"
)
(ut / "miljo-med.tex").write_text(_tabell_fradrag(m, s, trinn, "U_med"), encoding="utf-8")
(ut / "miljo-bortfall.tex").write_text(_tabell_bortfall(m, s, trinn), encoding="utf-8")
(ut / "miljo-vann.tex").write_text(_tabell_vann(m, s, trinn), encoding="utf-8")
(ut / "miljo-vann.dat").write_text(_dat_vann(m, trinn), encoding="utf-8")
return s.tall

View file

@ -0,0 +1,694 @@
"""Chapter 6, «Tersklene og betingelsene»: the price threshold, the thresholds and the indices.
Reads ``terskler.json`` (clarifications 105 to 111, 128 d and 134 of the specification), the
block ``per_scenario[...].betingelser`` of ``dommer.json`` (clarifications 108, 109 and 115) and,
for the names, symbols, units and status of the drawn quantities, the frozen parameter file
``modell/parametere.json`` (read as data; no figure is taken from it). Writes to
``rapport/generert/``:
- ``terskler-pris.tex`` and ``terskler-pris.dat``: the price threshold per solution and scenario;
- ``terskler-bortfall.tex``: S52 from the price threshold, for the three values of eps_d;
- ``terskler-normalisering.tex``: every threshold in a drawn quantity in «normalisering»;
- ``terskler-betingelser.tex``: the conditions per solution in all six scenarios, compactly;
- ``terskler-samtidig.tex``: one sentence on ``bare_skalaen_mangler`` and ``samtidig``;
- ``terskler-sobol.tex`` and ``terskler-sobol-uten.tex``: the largest first-order indices, and
the outcomes without an index;
- ``terskler-flater.tex`` and ``terskler-prisflate.dat``: the threshold surfaces;
- ``terskler-storrelser.tex``: the drawn quantities named in these tables.
Every number shown is returned as a ``Tall`` under a key that starts with ``terskler.``.
Standard library only.
"""
from __future__ import annotations
import dataclasses
import json
from typing import TYPE_CHECKING, Any
from resultater.felles import LOSNING, SCENARIO, Tall, avledet, fra_fil, hent, les
if TYPE_CHECKING:
from pathlib import Path
FIL = "terskler.json"
DOMMER = "dommer.json"
HOVED = "normalisering"
PRISSCENARIOER = ("knapphet varer", "normalisering", "overkapasitet")
SCENARIONAVN = {
"knapphet varer": "«knapphet varer»",
"normalisering": "«normalisering»",
"overkapasitet": "«overkapasitet»",
"kildenes lave forlop": "«kildenes lave forløp»",
"80 % paa egne maskiner, lav": "«80~\\% på egne maskiner», lav",
"80 % paa egne maskiner, hoy": "«80~\\% på egne maskiner», høy",
}
# The outcomes the indices are given for (clarification 110), with key and label.
UTFALL = (
("NNV", "nnv", "Netto nåverdi"),
("byggbar", "byggbar", "Lar seg bygge"),
("M1 holder", "m1-holder", "M1 «holder»"),
("M2 holder", "m2-holder", "M2 «holder»"),
("M3 holder", "m3-holder", "M3 «holder»"),
("M4 holder", "m4-holder", "M4 «holder»"),
("M6 holder", "m6-holder", "M6 «holder»"),
("M3 holder ikke", "m3-holder-ikke", "M3 «holder ikke»"),
("M4 holder ikke", "m4-holder-ikke", "M4 «holder ikke»"),
("M6 holder ikke", "m6-holder-ikke", "M6 «holder ikke»"),
("M7", "m7", "Best i M7"),
)
UTFALLSNAVN = {navn: etikett for navn, _, etikett in UTFALL}
UTFALLSNOKKEL = {navn: nokkel for navn, nokkel, _ in UTFALL}
STORSTE = 4
"""How many of the largest indices each row of the index table shows."""
# Status marks after a symbol in the tables: «kilde» has none.
STATUSMERKE = {
"kilde": "",
"avledet": "",
"åpen forutsetning": "$^{\\ast}$",
"modellvalg": "$^{\\dagger}$",
}
STATUSNAVN = {
"kilde": "kilde",
"avledet": "regnet ut fra kilder",
"åpen forutsetning": "åpen forutsetning",
"modellvalg": "valg av oppsett",
}
RETNING = {"høyst": ("\\le", "hoyst"), "minst": ("\\ge", "minst")}
def _losning_tekst(losning: str) -> str:
"""The code of a solution as the tables print it."""
return "$B'$" if losning == "B'" else losning
def _nokkel(navn: str) -> str:
"""A drawn quantity's id as a key segment: underscores become hyphens."""
return navn.replace("_", "-")
def _desimaler(x: float) -> int:
"""Decimals for a threshold in the parameter file's unit: enough to tell it apart."""
if float(x).is_integer():
return 0
if abs(x) < 0.1: # noqa: PLR2004
return 4
if abs(x) < 1:
return 3
if abs(x) < 100: # noqa: PLR2004
return 2
return 1
def _escape(tekst: str) -> str:
"""Escape the characters LaTeX treats specially in a name from the parameter file."""
for tegn, erstatning in (("\\", "\\textbackslash{}"), ("&", "\\&"), ("%", "\\%"), ("#", "\\#")):
tekst = tekst.replace(tegn, erstatning)
return tekst.replace("_", "\\_")
def _ord(t: Tall, sann: str = "ja", usann: str = "nei") -> Tall:
"""A boolean from a file shown as a word; None as an en dash."""
vist = "--" if t.raa is None else (sann if t.raa else usann)
return dataclasses.replace(t, vist=vist)
def _skriv(
ut: Path,
navn: str,
spec: str,
hode: str,
rader: list[str],
*,
miljo: tuple[str, str] | None = None,
) -> None:
r"""Write a whole table environment: the head, the rows and the rules.
The rules after the rows must be in the same file: after ``\input`` in a tabular,
``\bottomrule`` is a misplaced ``\noalign``.
"""
navn_miljo, bredde = miljo or ("tabular", "")
start = f"\\begin{{{navn_miljo}}}" + (f"{{{bredde}}}" if bredde else "") + f"{{{spec}}}"
tekst = [
start,
"\\toprule",
hode,
"\\midrule",
*rader,
"\\bottomrule",
f"\\end{{{navn_miljo}}}",
]
(ut / f"{navn}.tex").write_text("\n".join(tekst) + "\n", encoding="utf-8")
# ------------------------------------------------------------------ the parameter file
@dataclasses.dataclass(frozen=True)
class Storrelse:
"""What the tables say about one drawn quantity, from the parameter file."""
symbol: str
navn: str
enhet: str
status: str
def _storrelser(data: Path) -> dict[str, Storrelse]:
"""The drawn quantities by id, with the components of a composite as «parent.component»."""
fil = json.loads((data.parent.parent / "modell" / "parametere.json").read_text("utf-8"))
ut: dict[str, Storrelse] = {}
for p in fil["parametere"]:
fordeling = p["fordeling"]
if fordeling.get("type") == "sammensatt":
hode, _, deler = p["navn"].partition(":")
delnavn = [d.strip() for d in deler.split("/")]
enheter = [e.strip() for e in p["enhet"].split(";")]
komponenter = [k for k in fordeling if k != "type"]
for nr, komponent in enumerate(komponenter):
ut[f"{p['id']}.{komponent}"] = Storrelse(
symbol="",
navn=f"{hode.strip()}: {delnavn[nr] if nr < len(delnavn) else komponent}",
enhet=enheter[nr] if nr < len(enheter) else "",
status=p["status"],
)
else:
ut[p["id"]] = Storrelse(p["symbol"], p["navn"], p["enhet"], p["status"])
return ut
def _symbol(navn: str, s: Storrelse, *, merke: bool = True) -> str:
"""The symbol of a quantity in math mode, or its name in text when it has none."""
if s.symbol and s.symbol != "–":
tekst = f"${s.symbol}$"
else:
# a component of a composite quantity has no symbol: its id, as «vind (investering)»
hode, _, komponent = navn.partition(".")
tekst = f"{_escape(hode)} ({_escape(komponent)})"
return tekst + (STATUSMERKE.get(s.status, "") if merke else "")
# ------------------------------------------------------------------ the module
def lag(data: Path, ut: Path) -> dict[str, Tall]:
"""Write the tables and figure data and return every number they and the prose show."""
fil = les(data, FIL)
dommer = les(data, DOMMER)
storrelser = _storrelser(data)
tall: dict[str, Tall] = {
"terskler.trinn": fra_fil(fil, FIL, ("trinn",), "tall", 0),
"terskler.grunnlag-for-trinnet": fra_fil(fil, FIL, ("grunnlag_for_trinnet",), "tekst"),
"terskler.antall-trekninger": fra_fil(fil, FIL, ("antall_trekninger",), "tall", 0),
"terskler.y-obs-maks": fra_fil(fil, FIL, ("y_obs_maks",), "mill", 0),
"terskler.median-lcoc-v-2025": fra_fil(fil, FIL, ("median_lcoc_v_2025",), "mill", 1),
"terskler.eps-d": fra_fil(fil, FIL, ("eps_d",), "tall", 1),
}
tall["terskler.k-grense"] = avledet(
fil["y_obs_maks"] / fil["median_lcoc_v_2025"],
3,
FIL,
"y_obs_maks / median_lcoc_v_2025: the largest k that is «innenfor kontraktsprisene» "
"(clarification 106)",
)
for blokk in dommer["per_scenario"]:
sti = ("per_scenario", ("navn", blokk["navn"]), "del_I")
tall[f"terskler.del-i.{SCENARIO[blokk['navn']]}"] = fra_fil(dommer, DOMMER, sti, "tekst")
brukt: set[str] = set()
_pris(fil, tall, ut)
_bortfall(fil, tall, ut)
_normalisering(dommer, tall, storrelser, brukt, ut)
_betingelser(dommer, tall, storrelser, brukt, ut)
_sobol(fil, tall, storrelser, brukt, ut)
_flater(fil, tall, ut)
_storrelsestabell(storrelser, brukt, ut)
return tall
# ------------------------------------------------------------------ price threshold and d*
def _pris(fil: Any, tall: dict[str, Tall], ut: Path) -> None: # noqa: ANN401
"""The table and the figure data of the price threshold (clarifications 105 and 106)."""
rader: list[str] = []
dat = [
(
f"# kilde: {FIL}, pristerskler.<losning>.<scenario>.k "
"(nr: the solution's place in the file; nan: no value)"
),
"nr losning " + " ".join(SCENARIO[s] for s in PRISSCENARIOER),
]
for nr, (losning, per_scenario) in enumerate(fil["pristerskler"].items()):
lk = LOSNING[losning]
celler: list[str] = []
punkter: list[str] = []
for scenario in PRISSCENARIOER:
sk = SCENARIO[scenario]
p = per_scenario[scenario]
sti = ("pristerskler", losning, scenario)
nokkel = f"terskler.pris.{lk}.{sk}"
k = fra_fil(fil, FIL, (*sti, "k"), "tall", 3)
if p["k"] is None:
grunn = "over_maks" if p["over_maks"] else "uten_median"
k = dataclasses.replace(
fra_fil(fil, FIL, (*sti, grunn), "tekst"),
vist="over søkegrensen" if p["over_maks"] else "finnes ikke",
)
tall[f"{nokkel}.k"] = k
innenfor = _ord(fra_fil(fil, FIL, (*sti, "innenfor_kontraktsprisene"), "tekst"))
tall[f"{nokkel}.innenfor"] = innenfor
andel = fra_fil(fil, FIL, (*sti, "andel_innenfor"), "pst", 1)
tall[f"{nokkel}.andel-innenfor"] = andel
merke = "\\rlap{$^{\\ast}$}" if p["innenfor_kontraktsprisene"] is False else ""
celler += [k.vist + merke, andel.vist]
punkter.append("nan" if p["k"] is None else repr(p["k"]))
rader.append(f"{_losning_tekst(losning)} & {' & '.join(celler)} \\\\")
dat.append(f"{nr} {lk} {' '.join(punkter)}")
hode = (
"& \\multicolumn{2}{c}{«knapphet varer»} & \\multicolumn{2}{c}{«normalisering»} & "
"\\multicolumn{2}{c}{«overkapasitet»} \\\\\n"
"\\cmidrule(lr){2-3}\\cmidrule(lr){4-5}\\cmidrule(l){6-7}\n"
"Løsning & $k$ & Innenfor & $k$ & Innenfor & $k$ & Innenfor \\\\"
)
_skriv(ut, "terskler-pris", "@{}lrrrrrr@{}", hode, rader)
(ut / "terskler-pris.dat").write_text("\n".join(dat) + "\n", encoding="utf-8")
def _bortfall(fil: Any, tall: dict[str, Tall], ut: Path) -> None: # noqa: ANN401
"""The table of S52: d* per solution for the fixed eps_d and for 0.5 and 2 (107)."""
forste = next(iter(fil["d_stjerne"]))
hode = ["Løsning", "$k$ i «normalisering»"]
for nr in range(len(fil["d_stjerne"][forste]["verdier"])):
eps = fra_fil(fil, FIL, ("d_stjerne", forste, "verdier", nr, "eps_d"), "tall", 1)
tall[f"terskler.bortfall.eps.{nr}"] = eps
hode.append(f"$d^{{*}}$, $\\varepsilon_d$~=~{eps.vist}")
rader: list[str] = []
for losning in fil["d_stjerne"]:
lk = LOSNING[losning]
k = fra_fil(fil, FIL, ("d_stjerne", losning, "k_a"), "tall", 3)
tall[f"terskler.bortfall.{lk}.k"] = k
celler = [k.vist]
for nr in range(len(fil["d_stjerne"][losning]["verdier"])):
sti = ("d_stjerne", losning, "verdier", nr, "d_stjerne")
d = fra_fil(fil, FIL, sti, "pst", 1)
tall[f"terskler.bortfall.{lk}.{nr}"] = d
celler.append(d.vist + "~\\%" if d.raa is not None else d.vist)
rader.append(f"{_losning_tekst(losning)} & {' & '.join(celler)} \\\\")
_skriv(ut, "terskler-bortfall", "@{}lrrrr@{}", " & ".join(hode) + " \\\\", rader)
# ------------------------------------------------------------------ thresholds in quantities
Hvor = tuple[str, str, str, int]
"""Where a threshold stands in ``dommer.json``: scenario, solution, target, place in the list."""
def _terskel(dommer: Any, tall: dict[str, Tall], hvor: Hvor) -> dict[str, Tall]: # noqa: ANN401
"""Register every field of one threshold and return them by field name."""
scenario, losning, maal, nr = hvor
t = _scenarioblokk(dommer, scenario)["betingelser"][losning]["terskler"][maal][nr]
sti = ("per_scenario", ("navn", scenario), "betingelser", losning, "terskler", maal, nr)
retning = RETNING[t["retning"]][1]
nokkel = (
f"terskler.betingelse.{SCENARIO[scenario]}.{LOSNING[losning]}.{maal.lower()}"
f".{_nokkel(t['storrelse'])}.{retning}"
)
felter = {
"verdi": fra_fil(dommer, DOMMER, (*sti, "verdi"), "tall", _desimaler(t["verdi"])),
"sannsynlighet": fra_fil(dommer, DOMMER, (*sti, "sannsynlighet"), "pst", 1),
"andel_oppfylt": fra_fil(dommer, DOMMER, (*sti, "andel_oppfylt"), "pst", 1),
"indeks": fra_fil(dommer, DOMMER, (*sti, "indeks"), "tall", 4),
"kilde": _ord(fra_fil(dommer, DOMMER, (*sti, "kilde"), "tekst")),
"paavist": _ord(fra_fil(dommer, DOMMER, (*sti, "paavist"), "tekst")),
"begge_halvdeler": _ord(fra_fil(dommer, DOMMER, (*sti, "begge_halvdeler"), "tekst")),
"teller": _ord(fra_fil(dommer, DOMMER, (*sti, "teller"), "tekst")),
}
for felt, verdi in felter.items():
tall[f"{nokkel}.{felt.replace('_', '-')}"] = verdi
return felter
def _betingelse(t: Any, verdi: Tall, storrelser: dict[str, Storrelse]) -> str: # noqa: ANN401
"""«symbol >= value» for one threshold."""
s = storrelser[t["storrelse"]]
return f"{_symbol(t['storrelse'], s)}~${RETNING[t['retning']][0]}$~{verdi.vist}"
def _scenarioblokk(dommer: Any, scenario: str) -> Any: # noqa: ANN401
return next(s for s in dommer["per_scenario"] if s["navn"] == scenario)
def _normalisering(
dommer: Any, # noqa: ANN401
tall: dict[str, Tall],
storrelser: dict[str, Storrelse],
brukt: set[str],
ut: Path,
) -> None:
"""Every threshold in a drawn quantity in «normalisering», one row each."""
rader: list[str] = []
for losning, b in _scenarioblokk(dommer, HOVED)["betingelser"].items():
for maal, rekke in b["terskler"].items():
if not rekke:
rader.append(
f"{_losning_tekst(losning)} & {maal} & \\multicolumn{{8}}{{l}}"
"{ingen terskel mellom 10- og 90-persentilen} \\\\"
)
continue
for nr, t in enumerate(rekke):
f = _terskel(dommer, tall, (HOVED, losning, maal, nr))
brukt.add(t["storrelse"])
celler = [
_betingelse(t, f["verdi"], storrelser),
f["sannsynlighet"].vist,
f["andel_oppfylt"].vist,
f["indeks"].vist,
f["kilde"].vist,
f["paavist"].vist,
f["begge_halvdeler"].vist,
f["teller"].vist,
]
rader.append(f"{_losning_tekst(losning)} & {maal} & {' & '.join(celler)} \\\\")
hode = (
"Løsning & Mål & Betingelse & Sannsynl. & Oppfylt & Indeks & Kilde & Påvist & "
"Halvdeler & Teller \\\\"
)
_skriv(ut, "terskler-normalisering", "@{}lllrrrcccc@{}", hode, rader)
def _betingelser(
dommer: Any, # noqa: ANN401
tall: dict[str, Tall],
storrelser: dict[str, Storrelse],
brukt: set[str],
ut: Path,
) -> None:
"""The conditions per solution in all six scenarios, «normalisering» first."""
rekkefolge = [HOVED, *(s["navn"] for s in dommer["per_scenario"] if s["navn"] != HOVED)]
rader: list[str] = []
skalaen: list[str] = []
samtidig: list[str] = []
for scenario in rekkefolge:
blokk = _scenarioblokk(dommer, scenario)
if rader:
rader.append("\\midrule")
rader.append(f"\\multicolumn{{7}}{{@{{}}l}}{{\\emph{{{SCENARIONAVN[scenario]}}}}} \\\\")
for losning, b in blokk["betingelser"].items():
teller: list[str] = []
ikke: list[str] = []
uten: list[str] = []
for maal, rekke in b["terskler"].items():
if not rekke:
uten.append(maal)
for nr, t in enumerate(rekke):
f = _terskel(dommer, tall, (scenario, losning, maal, nr))
brukt.add(t["storrelse"])
tekst = f"{maal}: {_betingelse(t, f['verdi'], storrelser)}"
(teller if t["teller"] else ikke).append(tekst)
sti = ("per_scenario", ("navn", scenario), "betingelser", losning)
nokkel = f"terskler.betingelse.{SCENARIO[scenario]}.{LOSNING[losning]}"
felt = _ord(fra_fil(dommer, DOMMER, (*sti, "felt"), "tekst"))
navngis = _ord(fra_fil(dommer, DOMMER, (*sti, "kan_navngis"), "tekst"))
tall[f"{nokkel}.felt"] = felt
tall[f"{nokkel}.kan-navngis"] = navngis
maal_ub = ", ".join(b["maal"]) if b["maal"] else "ingen"
celler = [
felt.vist,
maal_ub,
"\\newline ".join(teller) or "--",
"\\newline ".join(ikke) or "--",
", ".join(uten) or "--",
navngis.vist,
]
rader.append(f"{_losning_tekst(losning)} & {' & '.join(celler)} \\\\")
if b["bare_skalaen_mangler"]:
skalaen.append(f"{_losning_tekst(losning)} i {SCENARIONAVN[scenario]}")
if b["samtidig"] is not None:
samtidig.append(f"{_losning_tekst(losning)} i {SCENARIONAVN[scenario]}")
(ut / "terskler-betingelser.tex").write_text("\n".join(rader) + "\n", encoding="utf-8")
setning = (
"Ingen løsning har «bare skalaen mangler» i noe scenario"
if not skalaen
else "«Bare skalaen mangler» gjelder " + ", ".join(skalaen)
)
setning += (
", og betingelsene samlet (avklaring 115~(d)) har ingen verdi for noen løsning i noe "
"scenario, fordi ingen løsning som ikke er felt, har betingelser som kan navngis og ett "
"av M1 til M4 «holder under betingelser»."
if not samtidig
else ". Betingelsene samlet (avklaring 115~(d)) er regnet for " + ", ".join(samtidig) + "."
)
(ut / "terskler-samtidig.tex").write_text(setning + "\n", encoding="utf-8")
# ------------------------------------------------------------------ Sobol indices
def _sobol(
fil: Any, # noqa: ANN401
tall: dict[str, Tall],
storrelser: dict[str, Storrelse],
brukt: set[str],
ut: Path,
) -> None:
"""The largest first-order indices per solution and outcome, and the outcomes with none."""
forste = next(iter(fil["sobol"]))
tall["terskler.sobol.forventning"] = fra_fil(
fil, FIL, ("sobol", forste, "NNV", "forventning_uten_virkning"), "tall", 4
)
tall["terskler.sobol.klasser"] = fra_fil(
fil, FIL, ("sobol", forste, "NNV", "antall_klasser"), "tall", 0
)
rader: list[str] = []
uten_rader: list[str] = []
for losning, per_utfall in fil["sobol"].items():
lk = LOSNING[losning]
uten: list[str] = []
forste_rad = True
for utfall, blokk in per_utfall.items():
med_verdi = [
(navn, x["indeks"])
for navn, x in blokk["storrelser"].items()
if x["indeks"] is not None
]
if not med_verdi:
uten.append(UTFALLSNAVN[utfall])
continue
# the largest first; equal indices keep the order of the parameter file
storst = sorted(med_verdi, key=lambda par: -par[1])[:STORSTE]
nokkel = f"terskler.sobol.{lk}.{UTFALLSNOKKEL[utfall]}"
n = fra_fil(fil, FIL, ("sobol", losning, utfall, "antall_trekninger"), "tall", 0)
tall[f"{nokkel}.antall"] = n
celler = []
for navn, _ in storst:
sti = ("sobol", losning, utfall, "storrelser", navn, "indeks")
t = fra_fil(fil, FIL, sti, "tall", 3)
tall[f"{nokkel}.{_nokkel(navn)}"] = t
brukt.add(navn)
celler.append(f"{_symbol(navn, storrelser[navn])} {t.vist}")
celler += [""] * (STORSTE - len(celler))
if not forste_rad:
rader.append("\\addlinespace[1pt]")
rader.append(
f"{_losning_tekst(losning) if forste_rad else ''} & {UTFALLSNAVN[utfall]} & "
f"{' & '.join(celler)} \\\\"
)
forste_rad = False
rader.append("\\midrule")
uten_rader.append(f"{_losning_tekst(losning)} & {_uten_tekst(uten)} \\\\")
if rader and rader[-1] == "\\midrule":
rader.pop()
(ut / "terskler-sobol.tex").write_text("\n".join(rader) + "\n", encoding="utf-8")
_skriv(
ut,
"terskler-sobol-uten",
"@{}lL@{}",
"Løsning & Utfall uten indeks \\\\",
uten_rader,
miljo=("tabularx", "\\linewidth"),
)
def _uten_tekst(uten: list[str]) -> str:
"""The outcomes without an index, grouped: whether it can be built, «holder», «holder ikke»."""
if not uten:
return "ingen"
deler = []
if UTFALLSNAVN["byggbar"] in uten:
deler.append("om banen lar seg bygge")
for ord_ in ("«holder»", "«holder ikke»"):
maal = [u.split(" ")[0] for u in uten if u.endswith(f" {ord_}")]
if maal:
deler.append(f"vilkåret for {ord_} i {', '.join(maal)}")
andre = [
u
for u in uten
if u != UTFALLSNAVN["byggbar"] and not u.endswith(("«holder»", "«holder ikke»"))
]
deler += andre
return "; ".join(deler)
# ------------------------------------------------------------------ surfaces
def _flater(fil: Any, tall: dict[str, Tall], ut: Path) -> None: # noqa: ANN401
"""The surfaces: figure data for (a), and a summary per solution of (b) and (c)."""
_flate_a(fil, tall, ut)
rader = [*_flate_b(fil, tall), "\\midrule", *_flate_c(fil, tall)]
hode = (
"Flate & Løsning & Trekninger & Norsk kraft & Positiv median & Høyeste andel & "
"Høyeste median \\\\"
)
_skriv(ut, "terskler-flater", "@{}llrrrrr@{}", hode, rader)
def _flate_a(fil: Any, tall: dict[str, Tall], ut: Path) -> None: # noqa: ANN401
"""Surface (a): the figure data, and the classes at the two ends with the range of k."""
pris = fil["flater"]["pris_mot_reaktorkostnad"]
kolonner = [f"cN_{LOSNING[a]} k_{LOSNING[a]}" for a in pris]
dat = [
(
f"# kilde: {FIL}, flater.pris_mot_reaktorkostnad.<losning>[<klasse>].c_N_ref (kr/kW) "
"and .terskel.k (nan: no value)"
),
"klasse " + " ".join(kolonner),
]
for q in range(max(len(v) for v in pris.values())):
verdier: list[str] = []
for punkter in pris.values():
p = punkter[q] if q < len(punkter) else None
k = None if p is None else p["terskel"]["k"]
verdier += [
"nan" if p is None else repr(p["c_N_ref"]),
"nan" if k is None else repr(k),
]
dat.append(f"{q} {' '.join(verdier)}")
(ut / "terskler-prisflate.dat").write_text("\n".join(dat) + "\n", encoding="utf-8")
for losning, punkter in pris.items():
lk = LOSNING[losning]
klasser = [
q for q, p in enumerate(punkter) if p is not None and p["terskel"]["k"] is not None
]
if klasser:
# the smallest and the largest k over the classes, each read at its own path
for navn, velg in (("min", min), ("maks", max)):
q = velg(klasser, key=lambda q: punkter[q]["terskel"]["k"])
sti = ("flater", "pris_mot_reaktorkostnad", losning, q, "terskel", "k")
tall[f"terskler.flate-a.{lk}.{navn}"] = fra_fil(fil, FIL, sti, "tall", 3)
for q in (0, len(punkter) - 1):
sti = ("flater", "pris_mot_reaktorkostnad", losning, q)
nokkel = f"terskler.flate-a.{lk}.{q}"
tall[f"{nokkel}.k"] = fra_fil(fil, FIL, (*sti, "terskel", "k"), "tall", 3)
tall[f"{nokkel}.c-n-ref"] = fra_fil(fil, FIL, (*sti, "c_N_ref"), "tall", 0)
tall[f"{nokkel}.antall"] = fra_fil(fil, FIL, (*sti, "antall"), "tall", 0)
def _flate_b(fil: Any, tall: dict[str, Tall]) -> list[str]: # noqa: ANN401
"""Surface (b): one summary row per solution."""
rader: list[str] = []
for losning, v in fil["flater"]["kraftpris_mot_kostnad_for_norsk_kraft"].items():
sti = ("flater", "kraftpris_mot_kostnad_for_norsk_kraft", losning)
nokkel = f"terskler.flate-b.{LOSNING[losning]}"
n = fra_fil(fil, FIL, (*sti, "antall_trekninger"), "tall", 0)
tall[f"{nokkel}.antall"] = n
siste = len(v["akser"]["c_snitt"]) - 1
lav = fra_fil(fil, FIL, (*sti, "akser", "c_snitt", 0, "median"), "tall", 0)
hoy = fra_fil(fil, FIL, (*sti, "akser", "c_snitt", siste, "median"), "tall", 0)
tall[f"{nokkel}.c-lav"] = lav
tall[f"{nokkel}.c-hoy"] = hoy
sammendrag = _ruter(fil, tall, nokkel, (*sti, "ruter"))
rader.append(
f"(b) & {_losning_tekst(losning)} & {n.vist} & {lav.vist}--{hoy.vist} & "
f"{' & '.join(sammendrag)} \\\\"
)
return rader
def _flate_c(fil: Any, tall: dict[str, Tall]) -> list[str]: # noqa: ANN401
"""Surface (c): one summary row per solution and required return, and the axes."""
avkastning = fil["flater"]["avkastningskrav_mot_reaktorkostnad"]
rader: list[str] = []
for losning, v in avkastning.items():
for krav, etikett in (("rho_D", "$\\rho_D$"), ("rho_N", "$\\rho_N$")):
sti = ("flater", "avkastningskrav_mot_reaktorkostnad", losning, krav)
nokkel = f"terskler.flate-c.{LOSNING[losning]}.{_nokkel(krav)}"
n = avledet(
sum(r["antall"] for rad in v[krav] for r in rad),
0,
FIL,
f"sum of «antall» over the cells of {'.'.join(sti)}",
)
tall[f"{nokkel}.antall"] = n
sammendrag = _ruter(fil, tall, nokkel, sti)
rader.append(
f"(c) & {_losning_tekst(losning)}, {etikett} & {n.vist} & -- & "
f"{' & '.join(sammendrag)} \\\\"
)
# the axes of (c) are made over all the draws and are the same for every solution
forste = next(iter(avkastning))
for krav in ("rho_D", "rho_N", "c_N_ref"):
siste = len(avkastning[forste]["akser"][krav]) - 1
omregning, des = ("tall", 0) if krav == "c_N_ref" else ("pst", 1)
for q in (0, siste):
sti = ("flater", "avkastningskrav_mot_reaktorkostnad", forste, "akser", krav, q)
tall[f"terskler.flate-c.akse.{_nokkel(krav)}.{q}"] = fra_fil(
fil, FIL, (*sti, "median"), omregning, des
)
return rader
def _ruter(fil: Any, tall: dict[str, Tall], nokkel: str, sti: tuple[str, ...]) -> list[str]: # noqa: ANN401
"""Three figures for the 5 x 5 cells of one surface at ``sti`` in the file.
How many cells have a positive median (a count), and the cell with the largest share of
positive values and the cell with the largest median, each read from the file at its own
path (the first such cell, row by row, when several are equal).
"""
ruter = hent(fil, sti)
plass = [(i, j) for i, rad in enumerate(ruter) for j, r in enumerate(rad) if r["antall"] > 0]
tekst = ".".join(sti)
positive = sum(
1 for i, j in plass if ruter[i][j]["median"] is not None and ruter[i][j]["median"] > 0
)
ut = {
"positive": avledet(
positive, 0, FIL, f"count of cells of {tekst} with «median» > 0 (of {len(plass)})"
),
"celler": avledet(len(plass), 0, FIL, f"count of cells of {tekst} with «antall» > 0"),
}
# max() keeps the first of equal cells, row by row
i, j = max(plass, key=lambda ij: ruter[ij[0]][ij[1]]["andel_positiv"])
ut["andel"] = fra_fil(fil, FIL, (*sti, i, j, "andel_positiv"), "pst", 1)
med_median = [ij for ij in plass if ruter[ij[0]][ij[1]]["median"] is not None]
if med_median:
hoyest = max(ruter[i][j]["median"] for i, j in med_median)
i, j = next(ij for ij in med_median if ruter[ij[0]][ij[1]]["median"] == hoyest)
ut["median"] = fra_fil(fil, FIL, (*sti, i, j, "median"), "mrd", 1)
for navn, t in ut.items():
tall[f"{nokkel}.{navn}"] = t
return [
f"{ut['positive'].vist} av {ut['celler'].vist}",
ut["andel"].vist,
ut["median"].vist if "median" in ut else "--",
]
# ------------------------------------------------------------------ the quantities named
def _storrelsestabell(storrelser: dict[str, Storrelse], brukt: set[str], ut: Path) -> None:
"""One row per drawn quantity named in the tables, in the order of the parameter file."""
rader = []
for navn, s in storrelser.items():
if navn not in brukt:
continue
rader.append(
f"{_symbol(navn, s, merke=False)} & {_escape(s.navn)} & {_escape(s.enhet)} & "
f"{STATUSNAVN.get(s.status, s.status)} \\\\"
)
(ut / "terskler-storrelser.tex").write_text("\n".join(rader) + "\n", encoding="utf-8")

View file

@ -0,0 +1,552 @@
r"""The timeline (chapter 6, section «Tidslinjen»; S50, chapter 17.2, clarifications 75 and 99).
Reads ``tidslinje.json`` (MW IT in operation per year, solution, step and type of power: median,
p10, p90 and the shares of the draws with at least 100 MW and at least 1 000 MW) and, for the
step the verdicts are read on and the share of paths that cannot be built, ``dommer.json``.
To explain why the share of the draws with capacity in operation has a ceiling and falls
towards 2100, it also reads three inputs as data, never through the model code:
``modell/parametere.json`` (the ranges of phi_X, D_X, L_N, L_H, T0 and T_slutt),
``data/trekninger.npy`` with ``data/trekninger.json`` (the drawn values) and
``data/aarshendelser.npy`` (the stream for the export rule). From them it computes, under the
rules as the code states them (``utbygging.eksportstopp``, ``ligninger.avrundet_varighet``,
``ligninger.forste_driftsaar``, S33), two kinds of derived numbers: the share of the draws with
an export stop in force in a year, and the share of the draws in which a facility that started
in its earliest possible year (S33) would have passed the end of its life before T_slutt.
Writes the tables ``tidslinje-start.tex`` and ``tidslinje-neste.tex`` and the figure data
``tidslinje-andel.dat`` and ``tidslinje-neste.dat``, and returns every number
``kap6-tidslinje.tex`` shows, under keys that start with ``tidslinje.``.
Standard library only.
"""
from __future__ import annotations
import ast
import json
import math
import sys
from array import array
from typing import TYPE_CHECKING, Any
from resultater.felles import LOSNING, Tall, fra_fil, hent, les, norsk
if TYPE_CHECKING:
from collections.abc import Callable
from pathlib import Path
from resultater.felles import Steg
TID = "tidslinje.json"
DOM = "dommer.json"
PARAM = "modell/parametere.json"
TREKN = "data/trekninger.npy"
HEND = "data/aarshendelser.npy"
LOSNINGER = ("A", "B", "B'", "C", "R", "T-F", "T-K")
# In the figures A, B and B' are one line: the module checks that their series are identical.
FIGUR = ("A", "C", "R", "T-F", "T-K")
ALLE = "alle"
KJERNE_NETT = "kjernekraft paa nettet"
FORNYBAR = "ny fornybar kraft"
TELLER = "normalisering"
LOSNING_TEX = {"A": "A", "B": "B", "B'": "$B'$", "C": "C", "R": "R", "T-F": "T-F", "T-K": "T-K"}
HALV = 0.5
# Clarification 6: a tolerance in the last digit when a point in time is rounded up to a year.
TOLERANSE = 1e-12
# The body of a table ends with its bottom rule: \bottomrule cannot follow \input in a tabular.
BUNN = "\\bottomrule\n"
class Samler:
"""Collects the numbers under their keys and refuses one key with two values."""
def __init__(self) -> None:
"""Start empty."""
self.tall: dict[str, Tall] = {}
def __call__(self, nokkel: str, tall: Tall) -> Tall:
"""Store one number and give it back."""
if nokkel in self.tall and self.tall[nokkel] != tall:
melding = f"{nokkel} har to ulike verdier"
raise ValueError(melding)
self.tall[nokkel] = tall
return tall
def _aar(aar: int, fil: str, forklaring: str) -> Tall:
"""A derived calendar year, shown without a thousands space."""
return Tall(str(aar), fil, (), aar, "avledet", 0, forklaring)
def _aar_fra_fil(data: Any, fil: str, sti: tuple[Steg, ...]) -> Tall: # noqa: ANN401
"""A calendar year that stands in a file, shown without a thousands space."""
t = fra_fil(data, fil, sti, "tekst")
return Tall(str(t.raa), t.fil, t.sti, t.raa, t.omregning, 0)
def _andel(teller: int, n: int, fil: str, forklaring: str) -> Tall:
"""A derived share, kept as a share and shown in per cent (rounded in decimal, felles.norsk)."""
verdi = teller / n
return Tall(
norsk(verdi, 1, "100"), fil, (), verdi, "avledet", 1, forklaring + "; shown in per cent"
)
def _pst(t: Tall) -> str:
return t.vist if t.raa is None else t.vist + r"~\%"
# ------------------------------------------------------------------ the timeline file
def _trinn_indeks(t: Any, trinn: int) -> int: # noqa: ANN401
return list(t["stige"]).index(trinn)
def _serie_sti(los: str, trinn: int, typ: str = ALLE) -> tuple[Steg, ...]:
return ("per_losning", los, ("trinn", trinn), "typer", typ)
def _serie(t: Any, los: str, trinn: int, typ: str = ALLE) -> list[dict[str, Any]]: # noqa: ANN401
return hent(t, _serie_sti(los, trinn, typ))
def _forste(rader: list[dict[str, Any]], vilkaar: Callable[[dict[str, Any]], bool]) -> int | None:
return next((r["aar"] for r in rader if vilkaar(r)), None)
def _sjekk_like(t: Any) -> None: # noqa: ANN401
"""A, B and B' are drawn as one line; stop if their series are not identical on every step."""
for trinn in t["stige"]:
a = hent(t, ("per_losning", "A", ("trinn", trinn), "typer", ALLE))
for los in ("B", "B'"):
if hent(t, ("per_losning", los, ("trinn", trinn), "typer", ALLE)) != a:
melding = f"tidslinjen for {los} er ikke lik A på trinn {trinn}"
raise ValueError(melding)
def _start(t: Any, s: Samler, los: str, trinn: int, navn: str) -> list[str]: # noqa: ANN401
"""When a solution first has capacity, its highest share and its share in the last year."""
k = f"tidslinje.{navn}.{LOSNING[los]}"
rader = _serie(t, los, trinn)
sti = _serie_sti(los, trinn)
hvor = f"per_losning.{los}[trinn={trinn}].typer.alle"
celler = []
forste = _forste(rader, lambda r: r["andel_minst_100_MW"] > 0)
median = _forste(rader, lambda r: r["median"] > 0)
halv = _forste(rader, lambda r: r["andel_minst_1000_MW"] >= HALV)
for nokkel, verdi, hva in (
("forste-aar", forste, "andel_minst_100_MW > 0"),
("median-aar", median, "median > 0"),
("halv-1000-aar", halv, "andel_minst_1000_MW >= 0.5"),
):
if verdi is None:
tall = Tall("--", TID, (), None, "avledet", 0, f"no year in {hvor} with {hva}")
else:
tall = _aar(verdi, TID, f"the first year in {hvor} with {hva}")
celler.append(s(f"{k}.{nokkel}", tall).vist)
topp = max(r["andel_minst_100_MW"] for r in rader)
toppaar = _forste(rader, lambda r: r["andel_minst_100_MW"] == topp)
if toppaar is None: # pragma: no cover - max is always attained
raise ValueError(hvor)
s(
f"{k}.toppaar",
_aar(toppaar, TID, f"the first year of the largest andel_minst_100_MW in {hvor}"),
)
s(f"{k}.topp", fra_fil(t, TID, (*sti, ("aar", toppaar), "andel_minst_100_MW"), "pst", 1))
slutt = rader[-1]["aar"]
s(f"{k}.slutt", fra_fil(t, TID, (*sti, ("aar", slutt), "andel_minst_100_MW"), "pst", 1))
celler += [
_pst(s.tall[f"{k}.topp"]),
s.tall[f"{k}.toppaar"].vist,
_pst(s.tall[f"{k}.slutt"]),
]
return celler
def _neste(t: Any, d: Any, s: Samler, los: str, trinn: int) -> list[str]: # noqa: ANN401
"""The larger step: paths that cannot be built, first median above zero, the largest median."""
k = f"tidslinje.neste.{LOSNING[los]}"
rader = _serie(t, los, trinn)
sti = _serie_sti(los, trinn)
hvor = f"per_losning.{los}[trinn={trinn}].typer.alle"
ib = s(
f"{k}.ikke-byggbar",
fra_fil(
d,
DOM,
(
"per_scenario",
("navn", TELLER),
"trinn",
("trinn", trinn),
"losninger",
los,
"M1",
"ikke_byggbar",
),
"pst",
1,
),
)
median = _forste(rader, lambda r: r["median"] > 0)
m_aar = s(
f"{k}.median-aar",
_aar(median, TID, f"the first year in {hvor} with median > 0")
if median is not None
else Tall("--", TID, (), None, "avledet", 0, f"no year in {hvor} with median > 0"),
)
maks = max(r["median"] for r in rader)
maks_aar = _forste(rader, lambda r: r["median"] == maks)
if maks_aar is None: # pragma: no cover - max is always attained
raise ValueError(hvor)
s(f"{k}.maks-aar", _aar(maks_aar, TID, f"the first year of the largest median in {hvor}"))
mk = s(f"{k}.maks", fra_fil(t, TID, (*sti, ("aar", maks_aar), "median"), "tall", 0))
slutt = rader[-1]["aar"]
sl = s(f"{k}.slutt", fra_fil(t, TID, (*sti, ("aar", slutt), "median"), "tall", 0))
p90 = s(f"{k}.slutt-p90", fra_fil(t, TID, (*sti, ("aar", slutt), "p90"), "tall", 0))
return [_pst(ib), m_aar.vist, mk.vist, s.tall[f"{k}.maks-aar"].vist, sl.vist, p90.vist]
def _forste_aar(
s: Samler,
nokkel: str,
*,
rader: list[dict[str, Any]],
hvor: str,
felt: str,
terskel: float,
) -> int | None:
"""Store the first year a field is above zero (``terskel`` 0) or at least ``terskel``."""
if terskel == 0:
aar, hva = _forste(rader, lambda r: r[felt] > 0), f"{felt} > 0"
else:
aar, hva = _forste(rader, lambda r: r[felt] >= terskel), f"{felt} >= {terskel}"
if aar is not None:
s(nokkel, _aar(aar, TID, f"the first year in {hvor} with {hva}"))
return aar
def _storste(
t: Any, # noqa: ANN401
s: Samler,
nokkel: str,
*,
sti: tuple[Steg, ...],
felt: str,
omregning: tuple[str, int],
) -> int:
"""Store the largest value of a field over the years, and the first year it is reached."""
rader = hent(t, sti)
hoyest = max(r[felt] for r in rader)
aar = next(r["aar"] for r in rader if r[felt] == hoyest)
hvor = ".".join(f"[{x[0]}={x[1]}]" if isinstance(x, tuple) else str(x) for x in sti)
s(f"{nokkel}-aar", _aar(aar, TID, f"the first year of the largest {felt} in {hvor}"))
s(nokkel, fra_fil(t, TID, (*sti, ("aar", aar), felt), *omregning))
return aar
def _tk_overgang(t: Any, s: Samler, trinn: int, navn: str) -> None: # noqa: ANN401
"""T-K: when modules on nuclear power on the grid appear, and how much renewable is there."""
k = f"tidslinje.{navn}.TK"
kjerne = _serie(t, "T-K", trinn, KJERNE_NETT)
hvor = f"per_losning.T-K[trinn={trinn}].typer.{KJERNE_NETT}"
sti = _serie_sti("T-K", trinn, KJERNE_NETT)
fsti = _serie_sti("T-K", trinn, FORNYBAR)
_forste_aar(
s, f"{k}.kjerne-forste-aar", rader=kjerne, hvor=hvor, felt="andel_minst_100_MW", terskel=0
)
_storste(t, s, f"{k}.kjerne-topp", sti=sti, felt="andel_minst_100_MW", omregning=("pst", 2))
median = _forste_aar(
s, f"{k}.kjerne-median-aar", rader=kjerne, hvor=hvor, felt="median", terskel=0
)
if median is None:
return
s(f"{k}.kjerne-median", fra_fil(t, TID, (*sti, ("aar", median), "median"), "tall", 0))
_forste_aar(
s, f"{k}.kjerne-halv-aar", rader=kjerne, hvor=hvor, felt="andel_minst_100_MW", terskel=HALV
)
_storste(t, s, f"{k}.kjerne-maks", sti=sti, felt="median", omregning=("tall", 0))
s(f"{k}.fornybar-ved-kjerne", fra_fil(t, TID, (*fsti, ("aar", median), "median"), "tall", 0))
_storste(t, s, f"{k}.fornybar-maks", sti=fsti, felt="median", omregning=("tall", 0))
# ------------------------------------------------------------------ the inputs read as data
def _les_npy(sti: Path) -> tuple[int, int, array[float]]:
"""Read a two-dimensional float64 table in numpy's .npy format, version 1 or 2, C order."""
raa = sti.read_bytes()
if raa[:6] != b"\x93NUMPY":
melding = f"{sti} er ikke en .npy-fil"
raise ValueError(melding)
versjon = raa[6]
if versjon == 1:
lengde, start = int.from_bytes(raa[8:10], "little"), 10
elif versjon in {2, 3}:
lengde, start = int.from_bytes(raa[8:12], "little"), 12
else:
melding = f"{sti}: ukjent .npy-versjon {versjon}"
raise ValueError(melding)
hode = ast.literal_eval(raa[start : start + lengde].decode("latin1"))
if hode["descr"] != "<f8" or hode["fortran_order"] or len(hode["shape"]) != 2: # noqa: PLR2004
melding = f"{sti}: ventet en todimensjonal tabell av <f8 i C-rekkefølge, fikk {hode}"
raise ValueError(melding)
rader, kolonner = hode["shape"]
tall = array("d")
tall.frombytes(raa[start + lengde :])
if sys.byteorder != "little": # pragma: no cover - the project's machines are little-endian
tall.byteswap()
if len(tall) != rader * kolonner:
melding = f"{sti}: {len(tall)} tall, ventet {rader * kolonner}"
raise ValueError(melding)
return rader, kolonner, tall
def _parameter(p: Any, pid: str) -> tuple[Steg, ...]: # noqa: ANN401
"""The path to one parameter's distribution in the parameter file."""
hent(p, ("parametere", ("id", pid)))
return ("parametere", ("id", pid), "fordeling")
def _rundet(varighet: float) -> int:
"""Clarification 21 as ``ligninger.avrundet_varighet``: nearest year, halves up, at least 1."""
return max(1, math.floor(varighet + 0.5))
def _tak(tidspunkt: float) -> int:
"""Clarification 21 as ``ligninger.forste_driftsaar``: up to a whole year, with tolerance."""
return math.ceil(tidspunkt * (1.0 - TOLERANSE))
def _inndata(rot: Path, s: Samler, aar_stopp: tuple[int, ...]) -> None:
"""The ranges behind the explanation, and what the draws and the stream give under the rules."""
p = json.loads((rot / PARAM).read_text(encoding="utf-8"))
s("tidslinje.param.phi-lav", fra_fil(p, PARAM, (*_parameter(p, "phi_X"), "lav"), "pst", 0))
s("tidslinje.param.phi-hoy", fra_fil(p, PARAM, (*_parameter(p, "phi_X"), "hoy"), "pst", 0))
s("tidslinje.param.DX-lav", fra_fil(p, PARAM, (*_parameter(p, "D_X"), "lav"), "tall", 0))
s("tidslinje.param.DX-hoy", fra_fil(p, PARAM, (*_parameter(p, "D_X"), "hoy"), "tall", 0))
s("tidslinje.param.LN-lav", fra_fil(p, PARAM, (*_parameter(p, "L_N"), "lav"), "tall", 0))
s("tidslinje.param.LN-modus", fra_fil(p, PARAM, (*_parameter(p, "L_N"), "modus"), "tall", 0))
s("tidslinje.param.LN-hoy", fra_fil(p, PARAM, (*_parameter(p, "L_N"), "hoy"), "tall", 0))
s("tidslinje.param.LH-lav", fra_fil(p, PARAM, (*_parameter(p, "L_H"), "verdier", 0), "tall", 0))
s(
"tidslinje.param.LH-hoy",
fra_fil(p, PARAM, (*_parameter(p, "L_H"), "verdier", -1), "tall", 0),
)
T0 = int(hent(p, (*_parameter(p, "T0"), "verdi")))
Ts = int(hent(p, (*_parameter(p, "T_slutt"), "verdi")))
tau_reg = float(hent(p, (*_parameter(p, "tau_reg_min"), "verdi")))
s("tidslinje.param.Ts", _aar_fra_fil(p, PARAM, (*_parameter(p, "T_slutt"), "verdi")))
beskrivelse = json.loads((rot / "data" / "trekninger.json").read_text(encoding="utf-8"))
navn = [k["navn"] for k in beskrivelse["kolonner"]]
n, m, x = _les_npy(rot / TREKN)
n2, aar_n, u = _les_npy(rot / HEND)
hend_aar = json.loads((rot / "data" / "aarshendelser.json").read_text(encoding="utf-8"))["aar"]
if (
n != n2
or m != len(navn)
or aar_n != len(hend_aar)
or hend_aar != list(range(T0 + 1, Ts + 1))
):
melding = "trekningene og strømmen passer ikke sammen"
raise ValueError(melding)
def kol(navn_: str) -> list[float]:
j = navn.index(navn_)
return [x[i * m + j] for i in range(n)]
phi, D = kol("phi_X"), kol("D_X")
i_kraft = dict.fromkeys(aar_stopp, 0)
noen = 0
for i in range(n):
stopp = [False] * aar_n
varighet = _rundet(D[i])
for j in range(aar_n):
if u[i * aar_n + j] < phi[i]:
for jj in range(j, min(j + varighet, aar_n)):
stopp[jj] = True
noen += any(stopp)
for a in aar_stopp:
i_kraft[a] += stopp[a - T0 - 1]
regel = (
"the export rule as utbygging.eksportstopp states it, applied to data/aarshendelser.npy "
"and the columns phi_X and D_X of data/trekninger.npy: a rule starts in year t when the "
"stream's number is below phi_X and lasts D_X years rounded (clarification 21); "
)
for a in aar_stopp:
s(
f"tidslinje.stopp.{a}",
_andel(
i_kraft[a],
n,
f"{TREKN}, {HEND}",
regel + f"share of the draws with a stop in force in {a}",
),
)
s(
"tidslinje.stopp.noen",
_andel(
noen,
n,
f"{TREKN}, {HEND}",
regel + f"share of the draws with a stop in force in at least one year {T0 + 1}..{Ts}",
),
)
# A facility of A (and B, B') or R cannot start before its first possible operating year
# (S33), so it cannot reach the end of its life before that year plus L_N - 1.
L = [_rundet(v) for v in kol("L_N")]
tidligst = {
"A": [
_tak(T0 + max(f, tau_reg + nn))
for f, nn in zip(kol("tau_F"), kol("tau_N"), strict=True)
],
"R": [_tak(T0 + v) for v in kol("tau_nett")],
}
hva = {
"A": "ceil(T0 + max(tau_F, tau_reg_min + tau_N)) (S33, A, B, B')",
"R": "ceil(T0 + tau_nett) (S33, C, R)",
}
for los, t1 in tidligst.items():
utlevd = sum(t + l_ - 1 < Ts for t, l_ in zip(t1, L, strict=True))
s(
f"tidslinje.utlevd.{los}",
_andel(
utlevd,
n,
f"{TREKN}, {PARAM}",
f"share of the draws in which {hva[los]} + round(L_N) - 1 < T_slutt: a "
"facility that starts in its earliest possible year has passed the end of its life "
"before the last year; an upper bound, since a facility never starts earlier",
),
)
s(
f"tidslinje.tidligst.{los}",
_aar(min(t1), TREKN, f"the smallest {hva[los]} over the draws"),
)
# ------------------------------------------------------------------ tables and figures
def _tabell_start(t: Any, s: Samler, trinn: int) -> str: # noqa: ANN401
linjer = []
for los in LOSNINGER:
celler = _start(t, s, los, trinn, "dom")
linjer.append(LOSNING_TEX[los] + " & " + " & ".join(celler) + r" \\")
return "\n".join(linjer) + "\n" + BUNN
def _tabell_neste(t: Any, d: Any, s: Samler, trinn: int) -> str: # noqa: ANN401
linjer = []
for los in LOSNINGER:
celler = _neste(t, d, s, los, trinn)
linjer.append(LOSNING_TEX[los] + " & " + " & ".join(celler) + r" \\")
return "\n".join(linjer) + "\n" + BUNN
def _dat_andel(t: Any, trinn: int) -> str: # noqa: ANN401
"""The share with at least 100 MW per year on the verdicts' step, for the figure's solutions."""
linjer = [
(
f"# kilde: {TID}, per_losning.<L>[trinn={trinn}].typer.alle[aar].andel_minst_100_MW "
f"for L in {', '.join(FIGUR)} (A stands for A, B and B', whose series are identical)"
),
]
linjer.append("aar " + " ".join(LOSNING[x] for x in FIGUR))
serier = [_serie(t, los, trinn) for los in FIGUR]
for j, rad in enumerate(serier[0]):
verdier = [repr(float(sr[j]["andel_minst_100_MW"])) for sr in serier]
linjer.append(f"{rad['aar']} " + " ".join(verdier))
return "\n".join(linjer) + "\n"
def _dat_neste(t: Any, trinn: int) -> str: # noqa: ANN401
"""Median, p10 and p90 of MW in operation every second year on the larger step."""
linjer = [
(
f"# kilde: {TID}, per_losning.<L>[trinn={trinn}].typer.alle[aar].median, .p10, .p90 "
f"for L in {', '.join(FIGUR)}; every second year from the first"
),
f"# kilde: {TID}, per_losning.T-K[trinn={trinn}].typer.{KJERNE_NETT}[aar].median, TKkjerne",
]
navn = [f"{LOSNING[x]}{f}" for x in FIGUR for f in ("med", "p10", "p90")]
linjer.append("aar " + " ".join(navn) + " TKkjerne")
serier = [_serie(t, los, trinn) for los in FIGUR]
kjerne = _serie(t, "T-K", trinn, KJERNE_NETT)
for j in range(0, len(serier[0]), 2):
verdier = [repr(float(sr[j][f])) for sr in serier for f in ("median", "p10", "p90")]
linjer.append(
f"{serier[0][j]['aar']} " + " ".join(verdier) + f" {float(kjerne[j]['median'])!r}"
)
return "\n".join(linjer) + "\n"
def lag(data: Path, ut: Path) -> dict[str, Tall]:
"""Write the tables and figure data of the timeline, and return its numbers."""
t = les(data, TID)
d = les(data, DOM)
s = Samler()
_sjekk_like(t)
if t["antall_trekninger"] != d["antall_trekninger"] or t["stige"] != d["stige"]:
melding = "tidslinje.json og dommer.json hører ikke til samme kjøring"
raise ValueError(melding)
trinn = hent(d, ("trinn",))
s("tidslinje.domstrinn", fra_fil(d, DOM, ("trinn",), "tall", 0))
stige = list(t["stige"])
neste = stige[stige.index(trinn) + 1]
s("tidslinje.nestetrinn", fra_fil(t, TID, ("stige", stige.index(neste)), "tall", 0))
s("tidslinje.forste-aar", _aar_fra_fil(t, TID, (*_serie_sti("A", trinn), 0, "aar")))
s("tidslinje.antall", fra_fil(t, TID, ("antall_trekninger",), "tall", 0))
(ut / "tidslinje-start.tex").write_text(_tabell_start(t, s, trinn), encoding="utf-8")
(ut / "tidslinje-neste.tex").write_text(_tabell_neste(t, d, s, neste), encoding="utf-8")
for los in LOSNINGER:
s(
f"tidslinje.dom.{LOSNING[los]}.ikke-byggbar",
fra_fil(
d,
DOM,
(
"per_scenario",
("navn", TELLER),
"trinn",
("trinn", trinn),
"losninger",
los,
"M1",
"ikke_byggbar",
),
"pst",
1,
),
)
_tk_overgang(t, s, trinn, "dom")
_tk_overgang(t, s, neste, "neste")
(ut / "tidslinje-andel.dat").write_text(_dat_andel(t, trinn), encoding="utf-8")
(ut / "tidslinje-neste.dat").write_text(_dat_neste(t, neste), encoding="utf-8")
# The explanation of the ceiling and the fall: the stop shares in A's peak year and the end.
toppaar = int(s.tall["tidslinje.dom.A.toppaar"].raa) # type: ignore[arg-type]
sluttaar = int(_serie(t, "A", trinn)[-1]["aar"])
_inndata(data.parent.parent, s, (toppaar, sluttaar))
# The earliest year a facility of A can have passed the end of its life: its earliest
# operating year in any draw plus the shortest lifetime, minus one.
forste_a = int(s.tall["tidslinje.dom.A.forste-aar"].raa) # type: ignore[arg-type]
ln_lav = int(s.tall["tidslinje.param.LN-lav"].raa) # type: ignore[arg-type]
s(
"tidslinje.A.tidligst-utlevd",
_aar(
forste_a + ln_lav - 1,
f"{TID}, {PARAM}",
"the first year in per_losning.A[trinn=<the verdicts' step>].typer.alle with "
"andel_minst_100_MW > 0, plus the low end of L_N in the parameter file, minus 1: the "
"last operating year of the earliest facility with the shortest lifetime",
),
)
return s.tall