TU Darmstadt / ULB / TUprints

Data-Driven Modeling of Decarbonization Pathways for Worldwide Energy Systems Based on Archetypes and Spatial Clustering Methods

Kueppers, Martin (2021)
Data-Driven Modeling of Decarbonization Pathways for Worldwide Energy Systems Based on Archetypes and Spatial Clustering Methods.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00019824
Ph.D. Thesis, Primary publication, Publisher's Version

[img]
Preview
Text
2021-11-04_Kueppers_Martin.pdf
Copyright Information: CC BY-SA 4.0 International - Creative Commons, Attribution ShareAlike.

Download (7MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Data-Driven Modeling of Decarbonization Pathways for Worldwide Energy Systems Based on Archetypes and Spatial Clustering Methods
Language: English
Referees: Niessen, Prof. Dr. Stefan ; Steinke, Prof. Dr. Florian
Date: 2021
Place of Publication: Darmstadt
Collation: XVI, 151 Seiten
Date of oral examination: 20 October 2021
DOI: 10.26083/tuprints-00019824
Abstract:

Energy systems worldwide face transitions by the integration of renewable generation sources which are a major driver to reduce carbon emissions and fulfill decarbonization targets. To quantify mid- and long-term effects of these transitions, energy system optimization models are applied. These models can support the design of efficient policies and the development of suitable technologies. However, modeling each country individually requires computational power, sufficient data, and human processing time for the validation and result evaluation.

This thesis provides an efficient framework for the comparison of countries’ decarbonization pathways. Instead of increasing the computational power with brute force, the key principal is a data-driven approach accelerating the preparation and evaluation of energy system models. For this purpose, clustering algorithms are applied in two hierarcical stages: the first stage summarizes countries in global energy system archetypes to assess transitions for a reduced number of prototypical countries. The second stage clusters spatially highly resolved data to generate suitable regions for a multi-region model considering the differing spatial potentials of renewable generation. Both approaches are validated by three exemplary use cases: 1) grid topology, 2) green hydrogen production, and 3) coal phase-out.

The developed approach is based on a global data basis combining socio-economic, geographic, and energy data including highly resolved geospatial data. This data basis is required for both clustering algorithms. The archetype clustering uses an extended k-Means algorithm. In the second stage, Ward’s method is implemented to cluster the spatial data. To avoid the curse of dimensionality by the high spatio-temporal resolution of hourly renewable generation profiles, Dynamic Time Warping and Principal Component Analysis reduce the time dimension in the clustering. For the first and third use case, the framework processes OpenStreetMap data to synthesize the existing grid structure and identify coal mining areas. The hydrogen use case uses a break-even price approach.

The countries are classified in 15 archetypes, which is in a similar range as the definition of subregions by the United Nations. Compared to these regions, the classification in archetypes considers countries on different continents and thereby represents the energy system characteristics on average 30% better. Modeling an 80% decarbonization scenario between 2015 and 2045 for all archetypes shows the fundamental challenge that huge investments in currently less developed countries are needed. Furthermore, the modeling results confirm that the decarbonization pathway of countries is 10-30% closer to countries within the same archetype than to countries within the same geographic region.

The use cases apply the developed framework from archetype clustering to regional clustering. For all three use cases, the archetypes lead to a selection of countries with suitable characteristis. Regarding the grid, Denmark, representing a country of a high renewable share, foresees fewer changes in its grid topology than Morocco. Second, Saudi Arabia is highly attractive for green hydrogen production with a low break-even price of 1€/kg in the context of a decarbonized system. Last, coal-dominated regions in South Africa face significant challenges since a coal phase-out shifts the generation to other regions with good renewable conditions.

This thesis contributes to the worldwide application of energy system models which are important to determine cost-optimal decarbonized energy systems. The implementation of data-driven clustering methods simplifies and accelerates the modeling of each country globally. Thereby, modelers can use the data analysis as a first indication and focus on the model or its evaluation, policymakers can compare countries, or even regions within countries, and technology companies are able to quickly assess markets for their products.

Alternative Abstract:
Alternative AbstractLanguage

Weltweit verändern sich Energiesysteme durch die Integration von erneuerbaren Energien, die ein wesentlicher Treiber für die Reduzierung von CO2-Emissionen und die Erfüllung von Dekarbonisierungszielen sind. Optimierungsmodelle ermöglichen es, diese mittel- und langfristigen Veränderungen in Energiesystemen zu quantifizieren. Die Ergebnisse können somit sowohl die Entwicklung effizienter politischer Strategien als auch innovativer Technologien unterstützen. Die Modellierung jedes einzelnen Landes erfordert jedoch eine hohe Rechenleistung, eine intensive Datenrecherche sowie Bearbeitungszeit für die Validierung und Auswertung.

Diese Arbeit verfolgt einen datengetriebenen Ansatz, um den Vergleich nationaler Dekarbonisierungspfade zu vereinfachen. Dazu werden die Vorbereitung und die Auswertung der Modelle durch die Anwendung von Clustering-Algorithmen in zwei Stufen beschleunigt: die erste Stufe ordnet Länder in globale Energiesystem-Archetypen ein, um Entwicklungen nur für eine reduzierte Anzahl prototypischer Länder bewerten zu müssen. In der zweiten Stufe werden örtlich aufgelöste Daten geclustert. Somit können Regionen für ein Ländermodell datenbasiert definiert werden, welches räumlich variable Potenziale erneuerbarer Erzeugungstechnologien berücksichtigen kann. Drei konkrete Anwendungsfälle unterstützen die Validierung der beiden Ansätze: 1) Analyse der Netztopologie, 2) grüne Wasserstoffproduktion und 3) Kohleausstieg.

Der Ansatz basiert auf einer globalen Datenbasis, die sozioökonomische, geografische und energiebezogene Daten, einschließlich hoch aufgelöster Geodaten, beinhaltet. Darauf aufbauend verwendet das Archetyp-Clustering einen erweiterten k-Means-Algorithmus und das räumliche Clustering Ward’s Method. Ein Dynamic Time Warping Ansatz und eine Hauptkomponentenanalyse reduzieren die hohe räumliche und zeitliche Dimensionalität, um auch stündlich aufgelöste Erzeugungsprofile clustern zu können. Für den ersten und dritten Anwendungsfall werden OpenStreetMap-Daten verarbeitet, die das vorhandene Stromnetz und Kohleabbaugebiete identifizieren. Der Wasserstoff Anwendungsfall verwendet einen Break-Even-Preis-Ansatz.

Weltweit werden die Länder in 15 Archetypen eingeteilt. Diese Anzahl ist gut vergleichbar zu der Einteilung in Subregionen durch die Vereinten Nationen. Im Vergleich zu diesen Subregionen, sind die Archetypen über verschiedene Kontinente verteilt und repräsentieren die Länder-Energiesysteme im Durchschnitt 30 % besser als eine geopolitische Einteilung. Die Ergebnisse modellierter Dekarbonisierungspfade von 2015 bis 2045 heben insbesondere die Notwendigkeit hoher Investitionen in derzeit weniger entwickelten Ländern als Herausforderung hervor. Darüber hinaus belegen die Ergebnisse, dass die Transformationspfade von Ländern innerhalb des gleichen Archetyps 10 – 30 % ähnlicher sind als innerhalb ihrer geografischen Region.

Die Modellierung der drei definierten Anwendungsfälle unterstreicht den Mehrwert des entwickelten Verfahrens vom Archetyp-Clustering bis zum regionalen Clustering. In allen drei Fällen führt die Auswahl der Archetypen zu geeigneten Ländern. Im Hinblick auf das Stromnetz zeigt Dänemark, ein Land mit einem hohen Anteil an erneuerbaren Energien, weniger Veränderungen in seiner Netztopologie als Marokko. Außerdem ist Saudi-Arabien sehr attraktiv für die Produktion von grünem Wasserstoff mit einem niedrigen Break-Even-Preis von 1€/kg. Zuletzt führt ein Kohleausstieg in Südafrika zu großen Veränderungen für von Kohle geprägte Regionen, da die Erzeugung in andere Regionen mit guten Bedingungen für erneuerbare Energien verlagert wird.

Diese Arbeit trägt dazu bei, Energiesystemmodelle für die Berechnung von Dekarbonisierungspfaden weltweit anwenden zu können. Die entwickelten datengetriebenen Clustering-Methoden vereinfachen und beschleunigen die Auswertung einzelner Länder. Dadurch haben Modellierer*innen eine erste Indikation aus der Datenauswertung und können sich vor allem auf die Auswertung verschiedener Szenarien konzentrieren, politische Entscheidungsträger können Länder oder Regionen vergleichen und Technologieunternehmen sind in der Lage, Märkte für ihre Produkte schnell abzuschätzen.

German
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-198248
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 18 Department of Electrical Engineering and Information Technology > Technology and Economics of Multimodal Energy Systems (MMES)
Date Deposited: 09 Nov 2021 14:03
Last Modified: 09 Nov 2021 14:03
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/19824
PPN: 488298520
Export:
Actions (login required)
View Item View Item