idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
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).
Criteria of this press release:
Journalists
Energy, Environment / ecology
transregional, national
Research results, Scientific Publications
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
