A machine-learning approach to predicting Africa’s electricity mix based on planned power plants and their chances of success

发电 管道(软件) 可再生能源 锁(火器) 发电站 项目调试 实现(概率) 环境经济学 化石燃料 功率(物理) 工程类 计算机科学 经济 机械工程 电气工程 数学 废物管理 统计 物理 出版 量子力学 法学 政治学
作者
Galina Alova,Philipp A. Trotter,Alex Money
出处
期刊:Nature Energy [Springer Nature]
卷期号:6 (2): 158-166 被引量:64
标识
DOI:10.1038/s41560-020-00755-9
摘要

Energy scenarios, relying on wide-ranging assumptions about the future, do not always adequately reflect the lock-in risks caused by planned power-generation projects and the uncertainty around their chances of realization. In this study we built a machine-learning model that demonstrates high accuracy in predicting power-generation project failure and success using the largest dataset on historic and planned power plants available for Africa, combined with country-level characteristics. We found that the most relevant factors for successful commissioning of past projects are at plant level: capacity, fuel, ownership and connection type. We applied the trained model to predict the realization of the current project pipeline. Contrary to rapid transition scenarios, our results show that the share of non-hydro renewables in electricity generation is likely to remain below 10% in 2030, despite total generation more than doubling. These findings point to high carbon lock-in risks for Africa, unless a rapid decarbonization shock occurs leading to large-scale cancellation of the fossil fuel plants currently in the pipeline. Energy scenarios can sometimes miss lock-in caused by planned power plant projects and uncertainty around their realization. Here, Alova et al. build a machine-learning model that predicts Africa’s electricity generation mix in 2030 based on the commissioning chances of planned projects.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
潇洒的如松完成签到,获得积分10
1秒前
mint发布了新的文献求助10
1秒前
azhu完成签到 ,获得积分10
1秒前
那新发布了新的文献求助10
1秒前
星星完成签到,获得积分10
2秒前
暖暖完成签到,获得积分10
2秒前
qq完成签到 ,获得积分10
2秒前
cmy完成签到,获得积分10
2秒前
饱满的琦完成签到,获得积分10
3秒前
mmx完成签到,获得积分10
3秒前
3秒前
3秒前
轻松的听白完成签到,获得积分20
4秒前
qbw完成签到 ,获得积分10
4秒前
宋祝福发布了新的文献求助10
5秒前
年鱼精完成签到 ,获得积分10
5秒前
耳朵完成签到 ,获得积分0
6秒前
卫三发布了新的文献求助10
6秒前
张凤完成签到,获得积分10
6秒前
7秒前
7秒前
个性慕青完成签到 ,获得积分10
7秒前
山楂酱完成签到,获得积分10
7秒前
wang发布了新的文献求助10
8秒前
宇文傲龙应助青尘枫叶采纳,获得10
8秒前
8秒前
田様应助露似珍珠月似弓采纳,获得10
9秒前
9秒前
9秒前
追求科研的小白完成签到,获得积分10
9秒前
自由的大象完成签到,获得积分10
9秒前
小白完成签到 ,获得积分10
10秒前
叶博完成签到,获得积分10
10秒前
爆米花应助mint采纳,获得10
11秒前
MandyZZZ完成签到,获得积分10
11秒前
123完成签到 ,获得积分10
12秒前
冰咖啡完成签到,获得积分10
12秒前
个性慕青关注了科研通微信公众号
12秒前
12秒前
大白牛完成签到,获得积分10
13秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆热工水力特性及安全审评关键问题研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052912
求助须知:如何正确求助?哪些是违规求助? 2710137
关于积分的说明 7419790
捐赠科研通 2354754
什么是DOI,文献DOI怎么找? 1246249
科研通“疑难数据库(出版商)”最低求助积分说明 606002
版权声明 595975