Process-level uncertainties challenge system-level direct air capture assessments
Deze studie toont aan dat onzekerheden voortvloeiend uit de keuze van procesmodellen voor directe luchtcaptatie (DAC) de dominante bron van variatie vormen in systeemniveau-beoordelingen, wat vaak de impact van klimaat- en hernieuwbare hulpbronconfiguraties overtreft, waardoor kostenschattingen, locatiebeslissingen en optimale systeemontwerpen aanzienlijk worden beïnvloed.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Om de uitdaging van het verwijderen van koolstofdioxide uit de atmosfeer te begrijpen, moet men eerst de omvang van de taak begrijpen. Directe luchtcaptatie (Direct Air Capture) is een technologie die is ontworpen om broeikasgassen rechtstreeks uit de lucht te trekken, als een vangnet voor een wereld die al te veel heeft uitgestoten. Wetenschappers en beleidsmakers vertrouwen op complexe computermodellen om te voorspellen hoeveel deze technologie zal kosten en waar deze gebouwd moet worden. Deze modellen beginnen meestal met een beschrijving van de machine zelf—hoe deze warmte en elektriciteit gebruikt om koolstof te vangen—en breiden die beschrijving vervolgens uit om naar het gehele energiesysteem te kijken dat nodig is om de machine te laten draaien. De aanname is lang geweest dat als je deze verschillende machinebeschrijvingen in hetzelfde grootschalige energiemodel voert, je een betrouwbaar beeld van de toekomst krijgt. De vraag is of de specifieke manier waarop een onderzoeker de interne werking van de machine beschrijft, de uiteindelijke conclusie over kosten en locatie verandert.
Een team van onderzoekers van instellingen uit heel Europa en Noord-Amerika zette zich in om deze aanname te testen door een enorme vergelijking uit te voeren. Ze namen zeven verschillende computermodellen die beschrijven hoe directe luchtcaptatiemachines met vaste sorbentia werken. Al deze modellen zijn het eens over de basisfysica: ze gebruiken speciale materialen die koolstofdioxide uit de lucht grijpen en deze vervolgens loslaten wanneer ze worden verhit. Ze verschillen echter in de details, zoals de specifieke chemische eigenschappen van de gebruikte materialen, de vorm van de containers waarin ze worden gehouden, en de exacte wiskundige formules die worden gebruikt om te voorspellen hoe ze reageren op temperatuur en vochtigheid. De onderzoekers voerden de prestatiegegevens van al deze zeven modellen in één consistent energiesysteemframework. Dit framework simuleerde hoe deze machines zouden opereren in twintig verschillende locaties over de hele wereld, elk met een eigen unieke mix van weer en hernieuwbare energiebronnen zoals wind en zon. Het doel was om te zien of de keuze van het machinemodel de uiteindelijke conclusie zou veranderen over hoeveel het kost om een ton koolstofdioxide te vangen en welke locaties de beste plaatsen zijn om deze faciliteiten te bouwen.
De resultaten toonden aan dat de keuze van het machinemodel er veel meer toe doet dan het weer of het type hernieuwbare energie dat wordt gebruikt. Wanneer de onderzoekers keken naar de kosten voor het vangen van één ton koolstofdioxide, waren de verschillen tussen de zeven modellen verbijsterend. Op sommige locaties was de door een model voorspelde kosten per ton meer dan het dubbele van de kosten die door een ander model werden voorspeld. Sterker nog, de specifiele manier waarop de machine in het computermodel werd beschreven, was verantwoordelijk voor bijna de helft van de totale variatie in de uiteindelijke kostenramingen. Ter vergelijking: het lokale klimaat en de mix van beschikbare wind- en zonnekracht op een locatie verklaarden veel kleinere delen van de verschillen in kosten. Dit betekent dat twee onderzoekers naar exact dezelfde locatie en exact dezelfde weergegevens kunnen kijken, maar als ze een ander model gebruiken om de vangmachine te beschrijven, kunnen ze tot totaal verschillende conclusies komen over de vraag of die locatie een goede investering is.
Deze onzekerheid strekt zich uit voorbij eenvoudige kosten tot de strategie van waar deze faciliteiten gebouwd moeten worden. De studie toonde aan dat de modellen vaak van mening verschillen over welke locaties het meest gunstig zijn. Zo kan het ene model suggereren dat een hete, droge woestijn de ideale plek is om een captatieplant te bouwen, omdat de hitte de machine efficiënter laat werken. Een ander model, dat naar dezelfde woestijn kijkt, kan concluderen dat de vochtigheidsniveaus of temperatuurschommelingen het een slechte keuze maken, en in plaats daarvan een koeler en vochtiger klimaat verkiest. In sommige gevallen hebben de modellen zelfs de rangschikking van locaties omgedraaid, waarbij een locatie die door het ene model als uitstekend werd beschouwd, volgens een ander model juist de slechtste optie was. Dit gebeurt omdat de modellen anders reageren op dezelfde weersomstandigheden. Sommige modellen voorspellen dat de machines meer warmte nodig hebben wanneer de lucht vochtig is, terwijl andere modellen voorspellen dat ze meer elektriciteit nodig hebben wanneer de lucht heet is. Deze subtiele verschillen in de manier waarop de machine wordt beschreven, werken door in het hele systeem en veranderen de hoeveelheid zonnepanelen, windturbines en batterijen die nodig zijn om de plant draaiende te houden.
De onderzoekers ontdekten ook dat de omvang van de energie-infrastructuur die nodig is om deze machines te ondersteunen, sterk afhangt van het gebruikte model. Om een specifieke hoeveelheid koolstof te vangen, kan het ene model suggereren dat een locatie een bescheiden hoeveelheid windenergie nodig heeft, terwijl een ander model voor dezelfde taak misschien wel vier keer zoveel capaciteit vereist. Dit heeft diepgaande implicaties voor landgebruik en de concurrentie om hernieuwbare energie. Als het verkeerde model wordt gekozen, kunnen planners een energiesysteem bouwen dat ofwel te klein is om de klus te klaren, ofwel enorm overgedimensioneerd en verspillend is. De studie onderzocht verder hoe deze machines zouden presteren in de toekomst als de technologie zou verbeteren. Ze kwamen tot de conclusie dat hoewel het verminderen van kosten en energieverbruik essentieel is, het pad naar het bereiken van specifieke kostendoelstellingen niet voor elk model hetzelfde is. Een reeks verbeteringen die in het ene model voldoende lijkt om de technologie betaalbaar te maken, kan in een ander model tekortschieten, waardoor de technologie te duur blijft om levensvatbaar te zijn.
Uiteindelijk laat de studie zien dat de manier waarop we een technologie in een computermodel beschrijven, ons begrip van de toekomst fundamenteel kan vormen. De onderzoekers vonden geen enkel "correct" model om de andere te vervangen; in plaats daarvan lieten ze zien dat de huidige onzekerheid over hoe deze machines worden gerepresenteerd een grote bron van risico is voor iedereen die probeert te plannen voor een koolstofarme toekomst. De bevindingen suggereren dat het riskant is om op een enkel model te vertrouwen bij het nemen van beslissingen over waar deze systemen gebouwd moeten worden of hoeveel ze zullen kosten. In plaats daarvan is een robuustere aanpak nodig, een aanpak die een reeks verschillende modellen overwogen om te zien welke conclusies standhouden over al deze modellen heen. Totdat de prestaties van deze machines in de echte wereld volledig zijn waargenomen en gevalideerd, zullen de specifieke details van hoe we ze modelleren, blijven bepalend voor de antwoorden die we krijgen over de haalbaarheid van het schoonmaken van de atmosfeer.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.