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.