将能源转型情景精简为关键政策决策
机器学习
2023-11-14 v1
摘要
能源转型的不确定性常使建模者呈现大量情景，令政策制定者难以解读与行动。另一种方法是从利益相关者讨论中定义少量定性故事线，但这可能受偏差与不可行性的影响。利用决策树这一流行的机器学习技术，我们从大量定量情景中推导出可解释的故事线，并展示能源转型中的关键决策如何相互关联。具体而言，我们的结果表明，选择高比例可再生能源部署与部门耦合可使全球脱碳情景对气候敏感度与需求的不确定性具有鲁棒性。此外，向无化石欧洲的能源转型主要由生物能源、储能与供热电气化的角色选择决定。我们可迁移的方法将海量能源模型结果转化为一小批关键决策，引导决策者优先关注将塑造能源转型的核心因素。
引用
@article{arxiv.2311.06625,
title = {Streamlining Energy Transition Scenarios to Key Policy Decisions},
author = {Florian Joseph Baader and Stefano Moret and Wolfram Wiesemann and Iain Staffell and André Bardow},
journal= {arXiv preprint arXiv:2311.06625},
year = {2023}
}