Process-level uncertainties challenge system-level direct air capture assessments
Diese Studie zeigt, dass Unsicherheiten, die sich aus der Wahl von Prozessmodellen für die direkte Luftabscheidung (Direct Air Capture, DAC) ergeben, die dominierende Quelle der Variation in Systembewertungen darstellen und häufig die Auswirkungen von Klima- und erneuerbaren Ressourcenkonfigurationen übersteigen, wodurch sie Kostenschätzungen, Standortentscheidungen und optimale Systemdesigns signifikant beeinflussen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Um die Herausforderung der Entfernung von Kohlendioxid aus der Atmosphäre zu verstehen, muss man zuerst das Ausmaß der Aufgabe begreifen. Direct Air Capture (direkte Luftabscheidung) ist eine Technologie, die darauf ausgelegt ist, Treibhausgase direkt aus dem Himmel zu ziehen – sie fungiert als Sicherheitsnetz für eine Welt, die bereits zu viel emittiert hat. Wissenschaftler und politische Entscheidungsträger verlassen sich auf komplexe Computermodelle, um vorherzusagen, wie viel diese Technologie kosten wird und wo sie gebaut werden sollte. Diese Modelle beginnen normalerweise mit einer Beschreibung der Maschine selbst – wie sie Wärme und Elektrizität nutzt, um Kohlenstoff einzufangen – und erweitern diese Beschreibung dann, um das gesamte Energieressystem zu betrachten, das für ihren Betrieb erforderlich ist. Die Annahme war lange Zeit, dass man ein zuverlässiges Bild der Zukunft erhält, wenn man diese verschiedenen Maschinenbeschreibungen in dasselbe groß angelegte Energiemodell einspeist. Die Frage ist, ob die spezifische Art und Weise, wie ein Forscher die inneren Abläufe der Maschine beschreibt, das Endergebnis über Kosten und Standort verändert.
Ein Team von Forschern aus Institutionen in ganz Europa und Nordamerika unternahm den Versuch, diese Annahme durch einen massiven Vergleich zu testen. Sie nahmen sieben verschiedene Computermodelle, die beschreiben, wie Direct-Air-Capture-Maschinen mit Festsorbentien funktionieren. Alle diese Modelle stimmen in der grundlegenden Physik überein: Sie nutzen spezielle Materialien, die Kohlendioxid aus der Luft aufnehmen und es dann wieder freisetzen, wenn sie erhitzt werden. Sie unterscheiden sich jedoch in den Details, wie etwa den spezifischen chemischen Eigenschaften der verwendeten Materialien, der Form der Behälter, die sie halten, und den exakten mathematischen Formeln, die vorhersagen, wie sie auf Temperatur und Luftfeuchtigkeit reagieren. Die Forscher speisten die Leistungsdaten all dieser sieben Modelle in ein einziges, konsistentes Energiesystem-Framework ein. Dieses Framework simulierte, wie diese Maschinen an zwanzig verschiedenen Standorten auf der Welt operieren würden, die jeweils über ein einzigartiges Zusammenspiel von Wetterbedingungen und erneuerbaren Energien wie Wind- und Solarkraft verfügen. Das Ziel war zu sehen, ob die Wahl des Maschinenmodells das endgültige Urteil darüber beeinflusst, wie viel es kostet, eine Tonne Kohlendioxid abzuscheiden, und welche Standorte die besten Orte sind, um diese Anlagen zu bauen.
Die Ergebnisse zeigten, dass die Wahl des Maschinenmodells weit wichtiger ist als das Wetter oder die Art der verwendeten erneuerbaren Energien. Als die Forscher die Kosten für die Abscheidung einer Tonne Kohlendioxid betrachteten, waren die Unterschiede zwischen den sieben Modellen atemberaubend. An einigen Standorten war der von einem Modell vorhergesagte Preis mehr als doppelt so hoch wie der von einem anderen Modell vorhergesagte Preis. Tatsächlich machte die spezifische Art und Weise, wie die Maschine im Computermodell beschrieben wurde, fast die Hälfte der gesamten Variation aus, die in den Endkostenschätzungen zu sehen war. Im Vergleich dazu erklärten das lokale Klima und der Anteil an verfügbarem Wind- und Solarenergie an einem Standort nur einen viel kleineren Teil der Kostendifferenzen. Das bedeutet, dass zwei Forscher denselben Standort und dieselben Wetterdaten betrachten könnten, aber wenn sie unterschiedliche Modelle zur Beschreibung der Abscheide-Maschine verwenden würden, kämen sie zu völlig unterschiedlichen Schlussfolgerungen darüber, ob dieser Standort eine gute Investition ist.
Diese Unsicherheit erstreckt sich über einfache Kosten hinaus bis hin zur eigentlichen Strategie, wo diese Anlagen gebaut werden sollten. Die Studie zeigte, dass die Modelle oft uneins darüber waren, welche Standorte am günstigsten sind. Beispielsweise könnte ein Modell vorschlagen, dass eine heiße, trockene Wüste der ideale Ort für den Bau einer Abscheidungsanlage ist, weil die Hitze der Maschine beim Betrieb hilft. Ein anderes Modell, das dieselbe Wüste betrachtet, könnte zu dem Schluss kommen, dass die Luftfeuchtigkeit oder die Temperaturschwankungen sie zu einer schlechten Wahl machen und statlich ein kühleres, feuchteres Klima bevorzugt. In einigen Fällen änderten die Modelle sogar die Rangfolge der Standorte und deuteten an, dass ein Standort, der nach einem Modell als hervorragend galt, laut einem anderen Modell tatsächlich die schlechteste Option war. Dies geschieht, weil die Modelle unterschiedlich auf dieselben Wetterbedingungen reagieren. Einige Modelle sagen voraus, dass die Maschinen mehr Wärme benötigen, wenn die Luft feucht ist, während andere vorhersagen, dass sie mehr Elektrizität benötigen, wenn die Luft heiß ist. Diese subtilen Unterschiede in der Beschreibung der Maschine wirken sich auf das gesamte System aus und verändern die Menge an Solarpaneelen, Windturbinen und Batterien, die benötigt werden, um die Anlage in Betrieb zu halten.
Die Forscher fanden auch heraus, dass die Größe der für diese Maschinen erforderlichen Energieinfrastruktur stark vom verwendeten Modell abhängt. Um eine bestimmte Menge Kohlenstoff abzuscheiden, könnte ein Modell vorschlagen, dass ein Standort eine moderate Menge Windkraft benötigt, während ein anderes Modell für dieselbe Aufgabe eine viermal so große Kapazität fordern würde. Dies hat tiefgreifende Auswirkungen auf die Landnutzung und den Wettbewerb um erneuerbare Energien. Wenn das falsche Modell gewählt wird, könnten Planer ein Energiesystem bauen, das entweder zu klein ist, um die Aufgabe zu erfüllen, oder das massiv überdimensioniert und verschwenderisch ist. Die Studie untersuchte ferner, wie diese Maschinen in der Zukunft abschneiden würden, wenn sich die Technologie verbessert. Sie fanden heraus, dass die Senkung der Kosten und des Energieverbrauchs zwar essenziell ist, der Weg zur Erreichung spezifischer Kostenziele jedoch nicht für jedes Modell gleich ist. Eine Reihe von Verbesserungen, die in einem Modell ausreichen würden, um die Technologie erschwinglich zu machen, könnte in einem anderen Modell zu gering ausfallen und dazu führen, dass die Technologie zu teuer bleibt, um rentabel zu sein.
Letztendlich zeigt die Studie, dass die Art und Weise, wie wir eine Technologie in einem Computermodell beschreiben, unser Verständnis ihrer Zukunft grundlegend prägen kann. Die Forscher fanden kein einzelnes „korrektes“ Modell, das die anderen ersetzen könnte; stattdin zeigten sie, dass die aktuelle Unsicherheit darüber, wie diese Maschinen dargestellt werden, eine große Gefahr für jeden darstellt, der versucht, eine kohlenstoffarme Zukunft zu planen. Die Ergebnisse legen nahe, dass es riskant ist, sich auf ein einzelnes Modell zu verlassen, um Entscheidungen darüber zu treffen, wo diese Anlagen gebaut werden sollen oder wie viel sie kosten werden. Stattdessen ist ein robusterer Ansatz erforderlich, der eine Reihe verschiedener Modelle berücksichtigt, um zu sehen, welche Schlussfolgerungen über alle diese Modelle hinweg Bestand haben. Bis die Leistung dieser Maschinen in der realen Welt vollständig beobachtet und validiert wurde, werden die spezifischen Details der Art und Weise, wie wir sie modellieren, weiterhin die Antworten bestimmen, die wir über die Machbarkeit der Reinigung der Atmosphäre erhalten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.