Exploring spatial and temporal resolution in energy systems modelling

Abstract

Omställningen av det globala energisystemet är pådrivet av många faktorer såsom klimatförändringar, ekonomiska och sociala faktorer. Agenda 203o, med de 17 globala målen för hållbar utveckling, har satt fokus på var den globala utvecklingen ska ligga. Denna avhandling fokuserar på globala mål 7 och 13. Det är fortfarande ca 675 miljoner människor som idag lever utan tillgång till elektricitet (globala mål 7), varav de allra flesta lever i Afrika söder om Sahara. Gällande utsläppen av växthusgaser så står energisystemet för den allra största delen, och denna utmaning att minska växthusgasutsläppen är knutet till globala mål 13.

Omställningen som energisystemet står inför kräver planering för att förstå hur man ska nå dessa viktiga mål. Ett sätt att stötta planeringsprocessen är genom energimodeller som kan bidra med insikter kring olika avvägningar som kan uppstå i omställningen av systemet. Dessa energimodeller behöver dock utvecklas utifrån det nya energilandskapet, då nya energikraftslag såsom solpaneler och vindkraftverk kommer att vara viktiga framöver. Dessa energislag varierar både rumsligt och i tid, och energimodellerna behöver kunna ta hänsyn till detta för att förstå deras potential och påverkan i elsystemet. Energimodellerna behöver även fånga potentiell expansion av transmissions- och distributionsnätet, då elnätet i många länder söder om Sahara inte är fullt utbyggt. Samtidigt är energipotentialen för solpaneler, vindkraft och andra distribuerade system god och kan vara snabbare och billigare att implementera för att nå globala mål 7 än att bygga ut de nationella elnäten.

Behovet av att öka energimodellernas rumsliga och temporala detaljrikedom ökar komplexiteten av dessa modeller. Generellt kan energimodellkomplexitet beskrivas genom fyra aspekter: rumslig, temporal, matematisk metod samt tillämpningsområde. Ju mer detaljrikedom som introduceras i modellerna, desto mer ökar risken för att introducera fel i modellerna, vilket i sin tur ökar osäkerheten i analysen. Energimodeller bör därför sträva efter att vara så enkla som möjligt, men samtidigt vara komplexa nog för att kunna besvara forskningsfrågan på ett adekvat sätt.

Denna avhandling avser att ge insikter kring kvantitativa och kvalitativa avvägningar kring matematisk metod, rumsliga och temporala aspekter inom energimodellering, tillämpat på nationella och multinationella områden. Olika avvägningar kring valet av matematisk metod för att modellera länder med låg tillgång till elektricitet, samt känsligheten för ändringar i parametrar och struktur i energisystemmodeller utforskas i denna avhandling.

Metoden för att nå målet i avhandlingen är fyrdelad: Först utvecklas två olika metoder för att modellera elektrifiering av hushåll som saknar elektricitet i ett land där tillgången till modern energi är låg. Den första kopplar samman två modeller med öppen källkod: OnSSET och OSeMOSYS. Den andra metoden utvecklar sättet på vilken den rumsliga dimensionen kan bättre modelleras i OSeMOSYS och kallas för GEOSeMOSYS. En jämförelse av dessa två metoder görs för att förstå skillnader i resultat, beräkningstid, vilka insikter som modellerna kan ge och hur effektiva modellerna är att modellera elektrifiering av länder med låg tillgång till modern energi. För att förstå känsligheten i elektrifieringsmodellen som utvecklats i denna avhandling, GEOSeMOSYS, utvärderas den rumsliga och temporala känsligheten mot andra parametrar såsom kostnader, diskonteringsränta och olika efterfrågenivåer. Slutligen används känslighetsanalys för att förstå vilka parametrar som kan möjliggöra låga kostnader samt låga koldioxidutsläpp i den sydamerikanska kontinenten ur ett långtidsperspektiv.

Resultaten för elektrifiering av länder med låg access till elektricitet från jämförelsen av de två metoderna utvecklade i denna avhandling visar liknande trender, med hög penetration av solpaneler när elbehovet är lågt, men att när behovet ökar så blir det mer kostnadsekonomiskt att bygga ut elnätet. GEOSeMOSYS tar ca 35 gånger längre tid att optimera jämfört med den sammankopplade metoden med OSeMOSYS och OnSSET. Metoden för att optimera elnätverket för de två olika metoderna skiljer sig åt och ger därför något olika utfall, båda med kompromisser i exakthet. Detta beror på den matematiska metoden där OnSSET optimerar en-åt-gången, vilket kan ge suboptimala resultat med exempelvis parallella transmissionsledningar. GEOSeMOSYS å andra sidan bygger på antagandet om att utbyggnaden av elsystemet är linjärt, vilket leder till väldigt små installationer av kapacitet för transmissionsnätet till relativt låga kostnader.

Känslighetsanalysen visar att både de rumsliga och temporala dimensionerna i energimodellerna påverkar utfallet, vilket gör att de inte kan modelleras på en väldigt låg rumslig eller temporal nivå utan att påverka resultaten. En högre känslighet påvisades för den temporala nivån jämfört med den rumsliga nivån. Vidare visar känslighetsanalysen för Sydamerika att scenarion med låga koldioxidutsläpp kan nås genom att hålla elbehovet och diskonteringsräntan på en låg nivå.

Sammanfattningsvis så har denna avhandling visat att även om modeller ska vara så enkla som möjligt så behöver avvägningar göras och komplexitet bibehållas, speciellt gällande den temporala dimensionen. Båda modellerna för att elektrifiera länder med låg tillgång till el som presenterats i avhandlingen har olika kompromisser. Den sammankopplade modellen med OnSSET och OSeMOSYS är bra för att få förståelse för den optimala teknologimixen på en övergripande nivå. Om frågan är mer komplex och innehåller fler energiflöden (än bara elektricitet) så ger GEOSeMOSYS mer flexibilitet att modellera det tillsammans med access till el, men på bekostnad av en lägre rumslig nivå. Elbehovet som modelleras har visats i denna avhandling ha en väldigt stor effekt på alla resultat och därför bör framtida arbete fokusera på att vidareutveckla detaljer kring behovssidan (såsom lastomflyttning och priselasticitet).

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-338300