idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
12.01.2021 12:13

Zu langsames Wachstum von erneuerbarer Energie in Afrika bis 2030

Angelika Hamacher Dezernat 3.0 – Presse und Kommunikation
Rheinisch-Westfälische Technische Hochschule Aachen

    Team der University of Oxford und der RWTH Aachen veröffentlicht Forschungsergebnisse in „Nature Energy“

    Wissenschaftler der University of Oxford und der RWTH Aachen haben in einer Studie die Energieversorgung für den afrikanischen Kontinent im Jahr 2030 untersucht. Die Forschungsergebnisse wurden am 11. Januar 2021 in „Nature Energy“ unter dem Titel „A machine-learning approach to predicting Africa’s electricity mix based on planned power plants and their chances of success” veröffentlicht. Prognostiziert wird eine Verdopplung der Stromerzeugung bis 2030, zwei Drittel des Stroms entsteht durch fossile Brennstoffe, während Solar- und Windenergie weniger als 10 Prozent zur Verfügung stellen. „Entscheidungsträger in Afrika und in der Entwicklungszusammenarbeit müssen schnell handeln, wenn der Kontinent nicht in einer kohlen-stoffintensiven Energiezukunft gefangen sein will", so Dr. Philipp Trotter, Autor der Studie vom RWTH-Lehrstuhl für Operations Management und der Smith School in Oxford.

    Die Wissenschaftler nutzten Techniken des maschinellen Lernens, um rund 2.500 geplante Kraftwerke und deren Chancen auf eine erfolgreiche Inbetriebnahme zu analysieren. Die Studie identifiziert große regionale Unterschiede in der Geschwindigkeit des Übergangs zu erneuerbaren Energien. So wird Südafrika fast 40 Prozent der gesamten prognostizierten Solarkapazität liefern.

    Die Studie legt nahe, dass ein Schock des derzeitigen Systems notwendig wäre, um einen bedeutsamen Teil der Stromnachfrage aus erneuerbaren Energien zu decken. Dafür wären Streichungen von derzeit geplanten fossilen Kraftwerken notwendig. Auch die Gestaltung geplanter Projekte auf Basis erneuerbarer Energien wurde ana-lysiert, um ihre Erfolgschancen zu verbessern – zum Beispiel durch eine geringere Größe, eine geeignete Eigentümerstruktur und die Verfügbarkeit von Entwicklungshilfefinanzierung.

    „Zahlreiche Szenarioanalysen suggerieren, dass der Kontinent in der Lage sein wird, seine großen erneuerbaren Energieressourcen und die schnell sinkenden Preise von erneuerbaren Technologien zu nutzen, um bis 2030 signifikante Teile seines Strom-bedarfs durch erneuerbare Energien zu decken. Aber unsere Analyse zeigt, dass er insgesamt derzeit nicht in der Lage ist, dies zu tun.“, so Galina Alova, Erstautorin der Studie, von der Oxford Smith School of Enterprise and the Environment.

    Kontakt
    Dr. Philipp Trotter
    Lehrstuhl für Operations Management
    E-Mail: philipp.trotter@smithschool.ox.ac.uk
    Tel.: +49 1590 6379882

    und

    Galina Alova
    Oxford Smith School of Enterprise and the Environment
    E-Mail: galina.alova@ouce.ox.ac.uk

    Link zur Veröffentlichung: https://www.nature.com/articles/s41560-020-00755-9
    Alova, G., Trotter, P. A., & Money, A. A machine-learning approach to predicting Af-rica’s electricity mix based on planned power plants and their chances of success. Nat. Energy (2021).


    Bilder

    Merkmale dieser Pressemitteilung:
    Journalisten
    Energie, Umwelt / Ökologie
    überregional
    Forschungsergebnisse, Wissenschaftliche Publikationen
    Deutsch


     

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).