Policy Robustness & Uncertainty in Model-based Decision Support for the Energy Transition

Technische Samenvatting: Beleidrobuustheid en Onzekerheid in Modelgebaseerde Besluitvorming voor de Energietransitie

Probleemstelling
Klimaatbeleidsmodellering is essentieel voor het beoordelen van mitigatiestrategieën in complexe systemen, maar is inherent geplaagd door onzekerheid. Hoewel onzekerheidsanalyse gebruikelijk is in het klimaatbeleid, vertrouwt het vakgebied vaak op beperkte scenario- of lokale gevoeligheidsanalyses die het volledige scala aan parametrische en structurele onzekerheden niet vastleggen. Bovendien is de toepassing van rigoureuze methoden voor Onzekerheidskwantificering (UQ) – specifiek die welke emulators gebruiken om computatierestricties te overwinnen – zeldzaam in energiebeleidsmodellering. Deze kloof beperkt het vermogen om "robuste" beleidsmaatregelen te ontwerpen, gedefinieerd als die welke hun functionaliteit behouden en doelen bereiken over een breed scala aan plausibele toekomstige contexten, in plaats van slechts onder nauwe aannames. De auteurs betogen dat zonder een uitgebreide onzekerheidsanalyse beleidsmakers de risico's van beleidsfalen of de veerkracht van strategieën tegenover techno-economische en politieke variabiliteit niet volledig kunnen beoordelen.

Methodologie
De auteurs stellen een algemene methodologie voor op basis van UQ om sleutelonzekerheden te identificeren en beleidsrobuustheid te evalueren, toegepast op het FTT:Power-model (Future Technological Transformations). FTT:Power is een globaal model met 71 regio's dat evolutionaire dynamiek (replicatorvergelijkingen) gebruikt om technologieverspreiding te simuleren op basis van de genormaliseerde kosten van elektriciteit (LCOE).

De werkstroom bestaat uit vier fasen:

1. Parametrisatie: De studie identificeert 30 sleutelinputparameters, verdeeld over 15 techno-economische factoren (bijv. leervermogens, levensduren, doorlooptijden, disconteringsvoeten, kankerisatiepercentages, brandstofprijzen) en 15 beleidsinstrumenten (bijv. uitfaseringen, invoer van feed-in-tarieven, subsidies, koolstofprijzen). Deze inputs worden gekoppeld aan regio's (China, VS, India, Noord/Zuid) en technologieën.
2. Simulatie: Om trainingsdata te genereren, worden 500 runs van FTT:Power uitgevoerd met behulp van Latin Hypercube Sampling om een uitgebreide ruimtevulling over de 30-dimensionale parameter ruimte te waarborgen.
3. Emulatie: Gaussian Process (GP)-emulators worden getraind op 80% van de simulatiedata om de modeloutput te benaderen (zonnepanelen-capaciteit, capaciteit van wind op land, emissies van de elektriciteitssector, aandeel hernieuwbare energie en gewogen productiekosten). De emulators bieden snelle voorspellingen en kwantificeren voorspellingsonzekerheid, gevalideerd tegen de overige 20% van de data en via leave-one-out kruisvalidatie.
4. Voorspelling en Analyse: De getrainde emulators worden gebruikt om uitgebreide onzekerheidsanalyses uit te voeren:
   • One-at-a-Time (OAAT) Gevoeligheidsanalyse: Om inputs te rangschikken op basis van hun invloed op outputvariatie.
   • Onzekerheidspropagatie: 20.000 keer bemonsteren uit inputverdelingen onder vaste beleidsscenario's om de waarschijnlijkheid te beoordelen van het bereiken van specifieke doelen (bijv. emissiereducties, capaciteitsdoelen) onder onzekerheid.

Belangrijkste Bijdragen

• Methodologische Vooruitgang: Het artikel introduceert een op UQ gebaseerd kader met behulp van emulators voor klimaatbeleidsmodellering, waardoor het verkennen van duizenden scenario's mogelijk wordt die computatietechnisch onmogelijk zouden zijn met het oorspronkelijke model alleen.
• Kader voor Beleidsrobuustheid: Het toont aan hoe de robuustheid van beleidspakketten systematisch kan worden geëvalueerd tegenover een breed scala aan techno-economische en politieke onzekerheden, verder gaand dan eenvoudige effectiviteitsbeoordelingen.
• Toepassing op FTT:Power: De studie past dit kader toe op een globaal model, waarbij expliciet "kankerisatie" (de vermindering van de waarde van hernieuwbare energie door hoge marktpenetratie) en doorlooptijden worden opgenomen als kritieke drijvers van onzekerheid, gebieden die in globale modellen vaak ondervertegenwoordigd zijn.

Resultaten

• Globale Gevoeligheid: Op globaal niveau zijn de primaire drijvers van onzekerheid in transitie-uitkomsten kankerisatiepercentages (voor zonne- en windenergie), bouwdurend doorlooptijden en doorlooptijden voor netaansluiting. Deze factoren wegen zwaarder dan regionale prijsbeleid, inclusief mogelijke beleidsomkeringen in de VS. Zonnepanelen blijken veerkrachtig tegenover veel onzekerheden vanwege lage kosten, maar blijven gevoelig voor infrastructuurbeperkingen en kankerisatie. Wind op land is blootgesteld aan een breder scala aan onzekerheden, waaronder vraag en disconteringsvoeten.
• Globale Emissies: Een sterkere beleidsambitie verlaagt de mediane emissies en versmalt de verdeling van uitkomsten (vermindering van onzekerheid). Echter, hoge kankerisatie en trage doorlooptijden verhogen de mediane emissies aanzienlijk. Zelfs met hoge ambitie kunnen trage doorlooptijden op korte termijn leiden tot hogere emissies.
• Casestudie India:
  • Capaciteitsdoelen: Beleidspakketten die gedeeltelijke uitfasering van fossiele brandstoffen combineren met subsidies of koolstofprijzen, tonen grotere robuustheid in het bereiken van capaciteitsdoelen (bijv. 393 GW tegen 2030) in vergelijking met puur marktgerichte benaderingen (alleen subsidies/koolstofprijzen). Puur marktgerichte beleidsmaatregelen slagen alleen in een smal scala aan gunstige omstandigheden.
  • Emissies en Robuustheid voor Meerdere Doelen: Gedeeltelijke uitfaseringen verminderen de variabiliteit van emissie-uitkomsten aanzienlijk. Terwijl marktgerichte beleidsmaatregelen moeite hebben om meerdere gelijktijdige doelen (emissies, aandeel hernieuwbare energie en prijs) onder onzekerheid te halen, zijn pakketten met uitfaseringen robuuster tegen variaties in vraag, disconteringsvoeten en kankerisatie.
  • Kritieke Knelpunten: Ongeacht de beleidsmix blijven lange doorlooptijden een kritieke barrière die beleidsdoelen in gevaar brengt. Zelfs robuuste beleidspakketten halen doelen niet als de doorlooptijden traag zijn.

Betekenis en Aanspraken
De auteurs beweren dat hun aanpak veel grotere onzekerheden in transitie-uitkomsten blootlegt dan gebruikelijk wordt weergegeven in standaard klimaatbeleidsmodellering. Zij betogen dat hoewel beleidsontwerp kan worden vormgegeven om deze onzekerheden te mitigeren, de huidige afhankelijkheid van nauwe scenarioanalyse ontoereikend is.

De studie concludeert dat:

1. Regulatoire interventie cruciaal is: Beleid dat mogelijk maakt en het reguleren van fossiele brandstoffen (via uitfasering) zijn essentieel voor robuuste transities in de elektriciteitssector, aangezien marktgerichte instrumenten alleen vaak ontoereikend zijn onder diepe onzekerheid.
2. Aanpakken van oorzaken: Beleidsinspanningen moeten gericht zijn op de oorzaken van onzekerheid, specifiek kankerisatie (via opslag, flexibiliteit en marktontwerp) en doorlooptijden (via infrastructuur en vergunningshervorming).
3. Veerkracht van Zon versus Wind: De verspreiding van zonnepanelen lijkt veerkrachtig tegenover sommige beleidsonzekerheden (zoals terugdraaiingen in de VS) vanwege kostenmomentum, terwijl wind op land kwetsbaarder is voor een breder scala aan factoren.
4. Methodologische Nut: De op emulators gebaseerde werkstroom biedt een nieuwe, efficiënte manier om onzekerheid te analyseren en beleidsrobuustheid te evalueren, en biedt een sjabloon voor toekomstig onderzoek dat op verschillende modellen en beleidsdomeinen kan worden toegepast om bevindingen beter te contextualiseren en structurele bias aan te pakken.

Het artikel behoudt een bescheiden toon regarding structurele onzekerheden, en erkent dat het FTT:Power-model steunt op LCOE-vergelijkingen die mogelijk niet volledig de dynamiek van winstmaximalisatie door investeerders vastleggen. Echter, stellen de auteurs dat hun methode een gemakkelijke replicatie van resultaten onder verschillende aannames en modelstructuren mogelijk maakt, waardoor de transparantie en betrouwbaarheid van beleidsadvies in het licht van diepe onzekerheid wordt versterkt.