بهره‌برداری از برق مازاد: استخراج بیت‌کوین به‌عنوان یک راهبرد ملی در کره جنوبی - تحلیل

فهرست مطالب

1. مقدمه و مرور کلی

این مطالعه یک راهبرد نوآورانه برای شرکت دولتی برق کره جنوبی، شرکت برق کره (KEPCO)، که با بدهی بی‌سابقه ۲۰۵.۱۸ تریلیون وون (تقریباً ۱۵۰ میلیارد دلار) دست‌وپنجه نرم می‌کند، بررسی می‌کند. هسته اصلی پیشنهاد، استفاده از برق مازاد—عمدتاً از پنل‌های خورشیدی خانگی تحت طرح‌های کنتور‌گیری خالص—برای استخراج بیت‌کوین در مقیاس صنعتی است. منطق این است که انرژی که در غیر این صورت هدر می‌رود، به یک جریان درآمد مستقیم تبدیل شود و در نتیجه ثبات مالی KEPCO و کارایی منابع انرژی بهبود یابد.

این پژوهش به‌عنوان اولین تحلیل تجربی در کره جنوبی که مازاد برق را با استخراج رمزارز یکپارچه می‌کند، مطرح است و از مدل‌های پیش‌بینی پیشرفته برای ارزیابی سودآوری بلندمدت استفاده می‌کند.

2. روش‌شناسی و چارچوب فنی

2.1. برق مازاد و کنتور‌گیری خالص

برق مازاد به‌عنوان توان باقی‌مانده تولیدشده توسط سیستم‌های خورشیدی خانگی پس از اعتبارات کنتور‌گیری خالص تعریف می‌شود. کنتور‌گیری خالص به تولیدکنندگان-مصرف‌کنندگان اجازه می‌دهد مصرف خود را جبران کنند، اما تولید اضافی اغلب بدون درآمدزایی باقی می‌ماند. این مطالعه فرض می‌کند که این مازاد، به‌جای محدود شدن یا نادیده گرفته شدن، می‌تواند به یک تأسیسات استخراج بیت‌کوین اختصاصی هدایت شود.

2.2. مدل سودآوری استخراج بیت‌کوین

سودآوری استخراج تابعی از چندین متغیر است: هزینه برق (که برای مازاد عملاً صفر است)، قیمت بیت‌کوین، نرخ هش شبکه و کارایی سخت‌افزار. این مطالعه از Antminer S21 XP Hyd، یکی از کارآمدترین دستگاه‌های استخراج موجود، برای مدل‌سازی تولید روزانه بیت‌کوین استفاده می‌کند. معادله سود اصلی را می‌توان به این صورت ساده کرد:

سود روزانه ≈ (بیت‌کوین استخراج‌شده * قیمت بیت‌کوین) - (هزینه‌های عملیاتی)

که در آن هزینه‌های عملیاتی به دلیل استفاده از برق مازاد به حداقل می‌رسد.

2.3. مدل‌های پیش‌بینی قیمت

برای پیش‌بینی درآمد، این مطالعه از دو مدل یادگیری ماشین استفاده می‌کند:

• Random Forest Regressor: یک روش یادگیری گروهی برای رگرسیون که با ساخت چندین درخت تصمیم عمل می‌کند.
• Long Short-Term Memory (LSTM): نوعی از شبکه عصبی بازگشتی (RNN) که در یادگیری وابستگی‌های بلندمدت در داده‌های سری زمانی، مانند تاریخچه قیمت بیت‌کوین، مهارت دارد.

این مدل‌ها بر روی داده‌های تاریخی قیمت بیت‌کوین آموزش دیده‌اند تا مسیرهای قیمتی آینده را ارائه دهند، که برای تحلیل سودآوری چندساله حیاتی هستند.

3. نتایج و تحلیل اقتصادی

3.1. سناریوهای سودآوری

تحلیل، شبیه‌سازی‌هایی را برای دو مقیاس استقرار اجرا می‌کند: ۳۰,۵۶۵ و ۴۵,۴۳۹ واحد Antminer. با ادغام قیمت‌های پیش‌بینی‌شده بیت‌کوین و تنظیمات سختی شبکه، این مطالعه نتیجه می‌گیرد که استخراج با برق مازاد بسیار سودآور است. درآمد ایجادشده مستقیماً بخشی از زیان‌های عملیاتی و هزینه‌های خدمات‌دهی بدهی KEPCO را جبران می‌کند.

توضیح نمودار (ضمنی): یک نمودار خطی احتمالاً درآمد تجمعی (به وون) را در طول زمان برای هر دو اندازه ناوگان استخراج نشان می‌دهد که با بازارهای گاوی بیت‌کوین به شدت افزایش می‌یابد و در طول بازارهای خرسی تثبیت می‌شود، اما به دلیل هزینه ناچیز برق همچنان خالص مثبت باقی می‌ماند.

3.2. تأثیر بر بدهی KEPCO

این مطالعه استدلال می‌کند که عملیات استخراج، یک جریان درآمدی جدید و مستقل ایجاد می‌کند. این جریان نقدی می‌تواند برای موارد زیر استفاده شود: ۱) کاهش نیاز KEPCO به کمک‌های مالی دولتی یا انتشار بدهی، ۲) تثبیت تعرفه‌های برق برای مصرف‌کنندگان با پوشش برخی هزینه‌های شبکه، و ۳) به حداقل رساندن اتلاف اقتصادی انرژی تجدیدپذیر استفاده‌نشده.

4. تحلیل انتقادی و دیدگاه کارشناسی

بینش اصلی: این مقاله صرفاً درباره استخراج رمزارز نیست؛ بلکه یک راه‌حل نوآورانه و ناامیدانه برای یک مدل شکست‌خورده شرکت دولتی (SOE) است. این مقاله پیشنهاد می‌کند که از یک دارایی دیجیتال نوسانی برای درآمدزایی از یک دارایی فیزیکی راکد (الکترون‌های اضافی) استفاده شود و تلاش می‌کند تا از بن‌بست سیاسی در مورد قیمت‌گذاری برق عبور کند. تز واقعی این است که توازن بار مبتنی بر بلاک‌چین ممکن است از اصلاح سیاست‌های انرژی ریشه‌دار کره، عملی‌تر باشد.

جریان منطقی: استدلال روی کاغذ قانع‌کننده است: شناسایی اتلاف (مازاد خورشیدی)، اعمال یک فرآیند پرتقاضای انرژی (استخراج) با یک خروجی نقدشونده (بیت‌کوین)، و ایجاد درآمد. استفاده از LSTM برای پیش‌بینی قیمت، ظاهری از دقت آکادمیک می‌افزاید. با این حال، این جریان به‌طور حیاتی به افزایش قیمت بلندمدت بیت‌کوین وابسته است و آن را بیشتر به‌عنوان یک دارایی تضمین‌شده تا یک دارایی سفته‌بازی در نظر می‌گیرد—که یک نقص عمده است.

نقاط قوت و ضعف: نقطه قوت آن در رویکرد عینی و کمّی با استفاده از مشخصات واقعی سخت‌افزار و مدل‌های ML است که فراتر از بحث نظری حرکت می‌کند. این مطالعه به درستی یک مشکل واقعی (بدهی شرکت دولتی) و یک منبع واقعی (انرژی‌های تجدیدپذیر محدودشده) را شناسایی می‌کند. نقص آشکار آن، برخورد با ریسک سیستماتیک است. این مطالعه شمشیر داموکلس نظارتی (سرکوب دولتی استخراج، همان‌طور که در چین مشاهده شد)، کابوس روابط عمومی محیط زیستی مرتبط کردن خورشیدی "سبز" با رمزارز "کثیف"، و نوسان شدید منبع درآمد آن را نادیده می‌گیرد. همان‌طور که در Journal of International Financial Markets, Institutions and Money اشاره شده، قیمت بیت‌کوین تحت تأثیر عواملی است که تا حد زیادی از مالی سنتی جدا هستند و بودجه‌بندی بلندمدت دولتی بر اساس آن را خطرناک می‌سازد.

بینش‌های عملی: برای KEPCO، این کار باید به‌عنوان یک پروژه پایلوت در مقیاس کوچک شروع شود، نه یک راهبرد ملی. با یک شرکت استخراج خصوصی همکاری کنید تا ریسک عملیاتی و بازار را جذب کند. از پایلوت برای توسعه قابلیت‌های توازن شبکه در زمان واقعی استفاده کنید—این گوهر پنهان واقعی است. فناوری استفاده از بارهای محاسباتی انعطاف‌پذیر (مانند استخراج) برای ثبات شبکه توسط پروژه‌هایی مانند Energy Web در حال پیشگامی است. هدف نباید تبدیل شدن به یک صندوق پوشش ریسک رمزارز باشد، بلکه تبدیل شدن به یک اپراتور شبکه هوشمندتر و انعطاف‌پذیر‌تر است که بتواند از انعطاف‌پذیری درآمدزایی کند. مدل این مقاله یک مطالعه کسب‌وکار خوب برای اولین قدم است، اما بازی نهایی راهبردی باید دیجیتالی‌سازی و تاب‌آوری شبکه باشد.

5. جزئیات فنی و مدل‌های ریاضی

هسته محاسبه سودآوری به قدرت هش و بازده انرژی سخت‌افزار استخراج متکی است. Antminer S21 XP Hyd دارای نرخ هش تقریبی ۳۳۵ TH/s و بازده انرژی ۱۶ J/TH است.

تولید روزانه بیت‌کوین برای یک دستگاه استخراج را می‌توان به این صورت تقریب زد:

$\text{Daily BTC} \approx \frac{\text{Your Hash Rate}}{\text{Network Hash Rate}} \times \text{BTC Block Reward} \times 144$

که در آن ۱۴۴ تعداد تقریبی بلوک‌های استخراج‌شده در روز است. این مطالعه این مقدار را در ده‌ها هزار واحد جمع می‌کند. مدل LSTM برای پیش‌بینی قیمت معمولاً از دنباله‌ای از قیمت‌های گذشته $[P_{t-n}, ..., P_{t-1}]$ برای پیش‌بینی قیمت آینده $\hat{P}_t$ استفاده می‌کند، که برای کمینه کردن یک تابع خطا مانند میانگین مربعات خطا (MSE) آموزش دیده است:

$\text{MSE} = \frac{1}{N} \sum_{i=1}^{N} (P_i - \hat{P}_i)^2$

6. چارچوب تحلیل و مثال موردی

چارچوب: چارچوب درآمدزایی رمزارز برای خدمات عمومی (PUCM)

1. شناسایی منابع: حسابرسی شبکه برای شناسایی برق راکد یا مازاد (مانند باد شبانه، محدودیت خورشیدی).
2. امکان‌سنجی فنی: مدل‌سازی استقرار مقیاس‌پذیر سخت‌افزار استخراج در پست‌های توزیع یا محل‌های تولید.
3. مدل‌سازی مالی: اجرای شبیه‌سازی‌های مونت‌کارلو با در نظر گرفتن نوسان رمزارز، استهلاک سخت‌افزار و پیش‌بینی‌های سختی شبکه.
4. ارزیابی ریسک و حکمرانی: ارزیابی ریسک‌های نظارتی، اعتباری و بازار. طراحی یک مدل حکمرانی (شراکت عمومی-خصوصی توصیه می‌شود).
5. طراحی پایلوت: اجرای یک پایلوت در مقیاس کوچک و محدود به زمان با شاخص‌های کلیدی عملکرد (KPI) مشخص (درآمد، معیارهای ثبات شبکه).

مثال موردی - پایلوت جزیره ججو: این مطالعه به پروژه موجود KEPCO در ججو اشاره می‌کند. یک مورد منطقی می‌تواند شامل تجهیز یک مزرعه خورشیدی ججو با یک واحد استخراج کانتینری (مثلاً ۱۰۰ دستگاه Antminer) باشد. این واحد تنها زمانی کار می‌کند که تقاضای شبکه کم و خروجی خورشیدی زیاد باشد. درآمد بیت‌کوین ماهانه به وون تبدیل می‌شود و به‌عنوان یک خط درآمد جداگانه گزارش می‌شود و اعتبارسنجی واقعی برای مدل فراهم می‌کند.

7. کاربردهای آینده و جهت‌گیری‌های پژوهشی

• فراتر از بیت‌کوین: اعمال این مدل بر سایر فرآیندهای محاسباتی پرانرژی و قابل وقفه مانند آموزش هوش مصنوعی، تاشدگی پروتئین (@Folding@home)، یا زمان‌بندی تولید هیدروژن سبز.
• شبکه به‌عنوان سرویس (GaaS): توسعه یک پلتفرم که در آن هر بار مرکز داده انعطاف‌پذیر می‌تواند برای مصرف برق مازاد پیشنهاد دهد و یک بازار انرژی پویا ایجاد کند.
• یکپارچه‌سازی اعتبار کربن: پیوند استفاده از مازاد تجدیدپذیر تأییدشده با تولید اعتبارات کربن دیجیتال یا گواهی‌های "بیت‌کوین سبز"، برای افزایش جذابیت ESG.
• پیش‌بینی پیشرفته: یکپارچه‌سازی مدل‌های پیش‌بینی آب و هوا برای خورشید/باد با مدل‌های بازار رمزارز برای بهینه‌سازی سوئیچینگ بین فروش برق به شبکه و استفاده از آن برای استخراج.
• پژوهش سیاستی: تحلیل دقیق تغییرات نظارتی مورد نیاز برای اجازه به یک شرکت خدمات عمومی برای نگهداری و معامله دارایی‌های دیجیتال در ترازنامه خود.

8. منابع

1. KEPCO. (2024). Annual Financial Report. Korea Electric Power Corporation.
2. KEPCO Jeju Project Documentation. (2023). Internal Project Brief.
3. Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System.
4. Farell, R. (2022). Digital Gold and State Strategy. Journal of Cybersecurity and Financial Markets, 5(2), 45-67.
5. U.S. Department of the Treasury. (2024). Report on Digital Asset Considerations.
6. World Bank. (2023). Sovereign Holdings of Cryptocurrencies: A Survey.
7. Bhutan Ministry of Finance. (2024). National Digital Asset Strategy.
8. El Salvador Bitcoin Office. (2024). Transparency Report.
9. Goodfellow, I., et al. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems.
10. Energy Web Foundation. (2023). White Paper: Decentralized Flexibility for the Grid.
11. Biais, B., et al. (2023). Equilibrium Bitcoin Pricing. The Journal of Finance.