Modelling of endogenous technological learning of energy technologies - an analysis with a global multi-regional energy system model

Abstract

The modelling of energy systems, which coevolved from socio-technological interactions and their interplay with the economy, plays a key role in the development of national and international policies to solve the problem of energy poverty. The other important issues addressed by energy system modelling are change in energy infrastructure, develop energy strategies, paving pathways towards technological sustainability and predicting future energy demand. Almost all energy system models are based on optimization of the lowest energy production cost, where the total cost is contributed jointly by the energy carrier's price and the cost of the associated technology subject to technical parameters. Minimizing the investment cost associated with a given technology is extremely important to sustain the surge in energy demand of the global market. Therefore, how the model applies endogenous investment costs to forecast the future benefit associated with the current knowledge subject to uncertainty in learning rates is an important aspect of energy system modelling and analysis. The influence of uncertainties in learning rates on global learning concepts without and with a technology gap (knowledge gap and time lag) is of concern in order to identify the road map of the technologies across regions. In this modelling study, five regional global models based on TIMES have been developed (TIMES is a model generator and stands for "The Integrated MARKAL EFOM System"). The regions are defined as 25 European nations (EU25), Rest of OECD (R_OECD), Rest of Non-OECD (R_NOECD), India and China, according to the nations included inside each region and also on their economic categorisation. It is a demand driven, bottom-up and technology abundant model, where GDP, population, and traffic demands are the main drivers for the development of energy demand in the past, present and future. It is a long-term model (1990-2100) consisting of 19 periods with unequal period lengths (5, 8 and 10 years). Each year is divided into three seasons and each season is further divided into day and night, as the smallest time resolution. The entire Reference Energy System (RES) is represented in the Global TIMES G5 model by extraction; inter-regional exchange; refineries; hydrogen (H2) production; synthetic fuel production; bio-fuel production; electricity and heat production; Carbon Capture and Storage (CCS); and sector-wise energy demands of industry, commerce, residential and transport, non-energy use and finally an integrated climate module. In the extraction sector, hard coal, lignite, crude oil and natural gas are modelled in four steps with the help of default cost-potential curves. Inter-regional exchanges of ten commodities are modeled for each region inside the TIMES G5 model. The final energy demand of end-use sectors such as industry, commerce and residential are modelled by different end use technologies to satisfy the users' energy demand. Natural and artificial carbon pools are included in the modelling aspect for the abatement of CO2 or carbon concentrations in the atmosphere to reduce climate warming. Two climate stabilization scenarios of CO2emissions of 500-ppmv and 550-ppmv have been used in order to estimate the sectoral restructuring of the energy system across different regions as well as its effect on atmospheric and deep ocean layer temperature rise. The phaseout of polluting fuels and the integration of non-polluting or less polluting fuels and renewable energy sources inside the sectoral energy system predominate across all regions. Sectoral energy demand and total final energy demand decreases in individual regions. Technologies such as fuel cells, fusion technology, Integrated Gasification Combined Cycle (IGCC) with CO2 sequestration, Combined Cycle Gas Turbine (CCGT) with CO2 sequestration and hydrogen production with CO2 sequestration are selected in the stabilization scenarios. The CO2 emission by fossil fuels, by sectors and by regions decreases. The atmospheric temperature rises by a maximum of 2.41oC and the ocean bed temperature rises by a maximum of 0.33oC up to the year 2100. The TIMES G5 global model has been developed to test global learning processes for the effect of uncertainties on learning rates of innovative technologies, i.e., technology diffusion across world regions subject to uncertainty in LRs for three PRs has been considered on implementation of floor cost approach The global learning process considering technology gap methodologies (knowledge gap and time lag) has been developed and tested for three different progress ratios of each technology for uncertainty of the technological return. Knowledge gap represents higher specific cost of the technology for developing regions and time lag approach presents a time lag in capacity transfer to developing regions compared to developed regions. This study shows the penetration and integration of new technologies such as IGCC, CCGT, solar photovoltaic (PV), wind onshore, wind offshore and geothermal heat pumps inside the energy system of different regions. Variations result observed by the inclusion of global learning without and with technology gaps in the form of higher specific cost (knowledge gap) and time lag. IGCC technology reaches its maximum potential in all scenarios across the globe. IGCC technology is preferred in the case of global learning without knowledge gap and time lag across developing regions compared to global learning with knowledge gap. CCGT technology development in manufacturing region decreases in global learning with technology knowledge gap compared to without knowledge gap concept. Wind onshore penetrates more in EU25 and R_OECD regions and in energy systems in a global learning concept without knowledge gap. Developed regions use more learning technology in the global learning with time lag concept because of the advantage of early investment cost reduction of learning technologies contributed by developing regions. Geothermal Heat Pump (geothermal HP) penetrates more across all regions and in all scenarios as the technology is modeled for global learning without knowledge gap and time lag. Bio-gasification, solid oxide fuel cells and molten carbonate fuel cells do not enter any energy system under any scenario. It is observed that learning technology diffuses more in higher learning rates and less in lower learning rates across the regions and the globe. The development of specific costs of innovative technologies is observed differently by period for developing and developed regions in global learning with technology gap in the form of higher specific cost approach.

Die Modellierung von Energiesystemen entwickelte sich im Spannungsfeld von sozio-ökonomischen und technologischen Fragestellungen. Sie spielt eine Schlüsselrolle für Strategien in der nationalen und internationalen Energiepolitik und dient dazu, Probleme wie die Verknappung von Energieressourcen zu erkennen und zu lösen, Möglichkeiten zur Veränderung von Infrastrukturen im Energiesektor aufzuzeigen, den Weg für eine technologische Nachhaltigkeit zu ebnen und den zukünftigen Energiebedarf zu prognostizieren. Fast alle Energiesystemmodelle basieren auf der Optimierung der Kosten der Energieerzeugung, welche die Kosten für Energieträger und Anlagentechnologien in Abhängigkeit verschiedener technologisch-ökonomischer Parameter beinhalten. Die Anlagentechnologien stellen hierbei die Hauptkomponente sowohl der Energiekosten als auch für die wirtschaftliche Entwicklung dar. Die Reduktion der Investitionskosten für Anlagen zur Energieerzeugung ist eine wesentliche Fragestellung. Hierbei ist von großer Bedeutung, wie das Energiesystemmodell endogen Investitionskosten einsetzen kann, um zukünftige Potenziale ausgehend von den derzeitigen Kenntnissen zu prognostizieren. Der Einfluss der Unsicherheit von Lernraten bei der Endogenisierung des Lernprozesses und der Technologieauswahl muss hierzu untersucht werden. In einem globalen Lernkonzept unter Berücksichtigung von sogenannten Technologielücken, d. h. von zeitlichen Verzögerungen zwischen Verfügbarkeit und Implementierung von Technologien, kann die Entwicklung und Implementierung von neuen Technologien anhand von spezifischen Kosten und einer ggf. verzögerten Marktdurchdringung in verschiedenen Regionen untersucht werden. Im Rahmen dieser Studie wurde ein fünf Regionen Modell auf Basis des TIMES (The Integrated Markal Efom System) Modell-Generators entwickelt. Die Regionen sind definiert als die 25 europäischen Staaten (EU25), die restlichen Länder der OECD, die restlichen Länder außerhalb der OECD, Indien und China. Das Modell ist gesteuert durch den Energiebedarf, verwendet einen "Bottom-up"-Ansatz und beinhaltet die unterschiedlichsten Technologien. GDP, Bevölkerung und Verkehrsleistung sind die wesentlichen Faktoren für die Entwicklung des Energiebedarfs. Bei dem Modell handelt es sich um ein Langzeitmodell (Zeitraum 1990 bis 2100), das aus 19 Zeitperioden mit unterschiedlichen Längen (5, 8 und 10 Jahre) besteht. Jedes Jahr ist in drei Abschnitte unterteilt und jeder Abschnitt in Tag und Nacht als der höchsten zeitlichen Auflösung. Das gesamte Referenzenergiesystem (RES) wird im globalen TIMES G5 Modell durch die Energieträgergewinnung, den überregionalen Markt, Raffinerien, die Produktion von Synthesekraftstoffen, Biokraftstoffen, Wasserstoff, Strom und Wärme, Technologien zur CO2-Abscheidung und -Speicherung, den sektoralen Energiebedarf von Industrie, Gewerbe, Haushalten und Verkehr, den stofflichen Einsatz von fossilen Energieträgern und schließlich durch ein integriertes Klimamodul abgebildet. Die Gewinnung der Energieträger Steinkohle, Braunkohle, Rohöl und Erdgas wird in vier Schritten mit Kostenpotenzialkurven modelliert. Für jede Region wird der überregionale Handel von zehn Gütern innerhalb des TIMES G5-Modells abgebildet. Der Endenergiebedarf von Sektoren wie der Industrie, dem Gewerbe und den Haushalten wird mit unterschiedlichen Endnutzertechnologien modelliert. Natürliche und anthropogene Verfahren der CO2-Abscheidung und -Speicherung werden als CO2-Senken und Maßnahmen zur Minderung der Klimaerwärmung berücksichtigt. Im Rahmen der Arbeit wurden zwei Szenarien zur Stabilisierung der CO2-Emissionen auf einem Niveau von 500 ppmv und 550 ppmv betrachtet, um die sektorale Restrukturierung des Energiesystems in verschiedenen Regionen sowie den Temperaturanstieg in der Atmosphäre und am Meeresgrund abzuschätzen. In allen Regionen des sektoralen Energiesystems geht die Nutzung klimaschädlicher Energieträger zurück. Stattdessen dominiert die Nutzung nicht- oder weniger klimaschädlicher Energieträger sowie die Verwendung erneuerbarer Energiequellen. Der sektorale Energiebedarf und der totale Endenergiebedarf der einzelnen Regionen verringern sich. Technologien wie Brennstoffzellen, Fusionstechnologie, kombinierte Gas- und Dampf-Prozesse mit CO2-Abscheidung (mit integrierter Kohlevergasung (IGCC) oder mit Gasturbine (CCGT)) und Wasserstoffproduktion mit CO2-Abscheidung werden in den Stabilisierungsszenarien eingesetzt. Die CO2-Emissionen je Brennstoff, Sektor und Region verringern sich, die Temperatur der Atmosphäre steigt bis zum Jahr 2100 um maximal 2,41 °C an, die Temperatur am Meeresboden um maximal 0,33 °C. Das globale Modell TIMES G5 wurde entwickelt, um die globalen Lernprozesse im Hinblick auf die Unsicherheit der Lernrate von innovativen Technologien untersuchen zu können. Um die mögliche Bandbreite der Modellergebnisse zu begrenzen, wurde ein Ansatz basierend auf Mindestkosten entwickelt und angewendet. Die globalen Lernprozesse unter Berücksichtigung von Technologielücken wurden mit drei unterschiedlichen Fortschrittsraten je Technologie untersucht, welche die Unsicherheiten der technologischen Entwicklung in Bezug auf Implementierung und Kosten darstellen. Es wurde untersucht, inwiefern Technologielücken bei vergleichbaren Prozessen und Zeitperioden sich als höhere spezifische Kosten der Technologien in Entwicklungsländern und niedrigere spezifische Kosten in entwickelten Regionen widerspiegeln. In einem weiteren Ansatz wurden die Technologielücken als zeitlich verzögerte Kapazitätsentwicklungen abgebildet. Die spezifischen Kosten neuer Technologien in den Regionen unterscheiden sich bei beiden gewählten Ansätzen in Abhängigkeit von Diskontraten, Technologielücken je Periode und der Länge der untersuchten Zeitperioden. Im Ergebnis stellt die Arbeit die Marktdurchdringung und Integration von neuen Technologien wie IGCC, CCGT, Photovoltaikanlagen, "Onshore"- und "Offshore"-Windkraftanlagen und geothermischen Wärmepumpen in den Energiesystemen verschiedener Regionen dar. Unterschieden wird dabei zwischen der Anwendung eines globalen Lernkonzepts mit und ohne Berücksichtigung von Technologielücken, die in Form von höheren spezifischen Kosten der Technologien (knowledge gap) und einer zeitlichen Verschiebung ihrer Verfügbarkeit (time gap) abgebildet werden. IGCC Technologien erreichen in allen Szenarien ihr maximales Potenzial. Sie werden in sich entwickelnden Regionen bevorzugt bei Anwendung des globalen Lernkonzepts ohne knowledge gap und ohne time gap eingesetzt. Die Entwicklung der CCGT-Technologie in produzierenden Regionen verlangsamt sich beim globalen Lernkonzept mit knowledge gap gegenüber dem Konzept ohne knowledge gap. Die Marktdurchdringung von Onshore Windkraftanlagen findet vor allem in den Regionen EU25 und R_OECD und bei Anwendung des Lernkonzepts ohne knowledge gap statt. Entwickelte Regionen setzen Lerntechnologien insbesondere beim Lernkonzept mit time gap ein, wegen des Vorteils der frühen Investitionskostenreduzierung von Lerntechnologien aus sich entwickelnden Regionen. Geothermische Wärmepumpen werden in allen Regionen und Szenarien bevorzugt eingesetzt, da diese Technologie mit dem globalen Lernkonzept ohne knowledge gap und ohne time gap modelliert wurden. Biomassevergasung, Festoxid-Brennstoffzellen und Schmelz-Karbonat-Brennstoffzellen finden in keinem der Szenarien Eingang in eines der Energiesysteme. Weiter wurde beobachtet, dass das Spektrum der eingesetzten Lerntechnologien bei Annahme hoher Lernraten größer ist als bei niedrigen Lernraten. Die Entwicklung der spezifischen Kosten für innovative Technologien verläuft in Abhängigkeit vom globalen Lernkonzept, den betrachteten Technologielücken und den resultierenden verschiedenen spezifischen Technologiekosten in Entwicklungsländern und entwickelten Ländern unterschiedlich.