Modell-Dokumentation: REMIND

REMIND (REgional Model of Investment and Development) ist ein multiregionales integriertes Bewertungsmodell (IAM), mit dem kosteneffiziente Transformationspfade im Hinblick auf globale oder regionale Klimaziele unter verschiedenen Szenarioannahmen untersucht werden können. Das Modell besteht im Wesentlichen aus drei Hauptteilen: einem linearen Modell des Energieversorgungssystems, sektorspezifischen Energienachfrage-Modulen und einem makroökonomischen Wachstumsmodell (siehe roter, blauer und gelber Teil in Abbildung 1). Diese Systeme sind alle über eine nichtlineare intertemporale Optimierung des wirtschaftlichen Wohlstands miteinander verbunden, was dem Modell einen hohen Grad an Endogenität über alle Sektoren hinweg verleiht.

In diesem Projekt wird das Modell in einem Setup von 21 Weltregionen ausgeführt, das eine detailliertere regionale Darstellung der Europäischen Union und Deutschlands als separate Region umfasst. Das Modell optimiert in Fünf-Jahres-Zeitschritten von 2005 bis 2150, wobei die ersten Zeitschritte bis 2020 an historischen Daten kalibriert werden. Die regionale Optimierung in REMIND wird über mehrere Iterationen des Modells durchgeführt, wobei bestimmte Parameter über die Iterationen hinweg angepasst werden, um Klimaziele oder andere Konvergenzziele zu erreichen.

REMIND deckt alle relevanten Treibhausgas-emittierenden Sektoren sowie Optionen zur Kohlendioxid-Entfernung ab (Strefler et al., 2018). Das Modell umfasst eine umfassende Darstellung des Energieversorgungssystems (Gewinnung von Primärenergie, Umwandlung in Sekundärenergie, Bereitstellung von Endenergie) sowie eine preiselastische und zunehmend detaillierte sektorspezifische Modellierung auf der Energienachfrageseite (Gebäude, Industrie, Verkehr). Flächennutzung, landwirtschaftliche Emissionen, Bioenergieversorgung und andere flächennahe Emissionsminderungsoptionen werden durch Emulatoren in reduzierter Form dargestellt, die aus dem detaillierten Flächennutzungs- und Landwirtschaftsmodell MAgPIE (Model of Agricultural Production and its Impact on the Environment) abgeleitet sind. Es bietet daher einen breiten Spielraum für die Untersuchung von Optionen zur Eindämmung des Klimawandels in verschiedenen Sektoren und Regionen.

Die Erstellung von Szenarien mit REMIND ist ein zweistufiger Prozess. Zunächst wird REMIND kalibriert, um die Trajektorien des BIP und der Bevölkerungsdaten auf der Grundlage der gemeinsamen sozioökonomischen Pfade (SSP) sowie die Trajektorien für Endenergie und Energiedienstleistungen aus detaillierten sektorspezifischen Energiebedarfs-Prognosemodellen (EDGE-Buildings, EDGE-Industry, EDGE-Transport) für ein Referenzszenario zu erfüllen, das eine gewisse Fortsetzung der aktuellen Trends beschreibt. Zweitens wird auf der Grundlage dieses Referenzszenarios ab 2025 ein klimapolitisches Szenario durchgespielt, das darauf abzielt, bestimmte Klimaziele auf globaler oder regionaler Ebene zu erreichen (z. B. Klimaneutralität in Deutschland bis 2045). Die Zielerfüllung wird durch die Anpassung eines CO2-Preisverlaufs über Iterationen umgesetzt, bis die gewünschten Emissionsniveaus erreicht sind.

Abbildung 1: Flussdiagramm des Modells REMIND

Energiebereitstellung

Das Energieversorgungssystem in REMIND bildet die Umwandlung von Primärenergieträgern in Sekundärenergieträger und deren Transport und Verteilung an die Endverbrauchssektoren mit einer breiten Palette von mehr als 50 Technologien ab. Zu den Energieerzeugungs- und -umwandlungstechnologien gehören neben allen relevanten Strom- und Wärmeerzeugungstechnologien unter anderem verschiedene Routen zur Umwandlung von Biomasse sowie Technologien zur Erzeugung von Wasserstoff und synthetischen Kraftstoffen (z.B. Power-to-X).

Das Energiesystem berücksichtigt Systemträgheiten und Pfadabhängigkeiten, die durch bestehende Kapitalbestände, z. B. in der Kraftwerksinfrastruktur, und endogenes Learning-by-Doing entstehen. Darüber hinaus berücksichtigt es Herausforderungen im Zusammenhang mit dem Hochskalieren neuer Technologien durch Kostenaufschläge, von denen angenommen wird, dass sie mit dem Quadrat der von Jahr zu Jahr hinzukommenden Kapazitäten zunehmen (Anpassungskosten). Das REMIND-Modell stellt die Ausstattung mit erschöpflichen Primärenergieressourcen sowie die Potenziale für erneuerbare Energien auf der Grundlage von Bottom-up-Schätzungen dar. Mehrere der Schlüsseltechnologien der Energiewende wie Photovoltaik, Windkraft, Batterien, Elektrolyse und Direct Air Capture unterliegen Kostensenkungen durch endogenes Learning-by-doing. Der technologische Fortschritt anderer Technologien wird über exogene Annahmen parametrisiert.

Die Makroökonomie wird in REMIND durch ein Ramsey-Wachstumsmodell dargestellt, in dem das gesamtwirtschaftliche Gut (BIP) entweder konsumiert werden kann, um Wohlfahrt zu generieren, oder in allen Zeitschritten in die Wirtschaft reinvestiert werden kann. Das makroökonomische Gut ist der Output einer verschachtelten Produktionsfunktion mit konstanter Substitutionselastizität (CES), die zwischen Kapital, Arbeit und Energie-Inputs auf der höchsten Ebene und Gebäuden, Industrie und Verkehr im Energiesektor unterscheidet. Das Modell umfasst den endogenen Handel mit Primärenergiegütern über eine Formulierung von Nash-Märkten (Leimbach et al., 2017). Regionen können in einen globalen Pool importieren oder exportieren, und die Weltmarktpreise werden im Laufe der Iterationen des Modells angepasst, bis eine Handelsbilanz erreicht ist, bei der die Summe aller regionalen Exporte und Importe in den Pool hinreichend nahe beieinander liegt.

Energiebedarf

Sektor der Industrie

REMIND modelliert die Produktion der Subsektoren Zement, Chemie und Stahl sowie eines aggregierten Subsektors „sonstige Industrie“, die über physische (Zement und Stahl) oder monetäre (Chemie und sonstige Industrie) Produktionsmengen in der CES-Produktionsfunktion mit dem Rest des Modells verbunden sind (Pehl et al., in prep.). Bei der Stahlproduktion wird zwischen Primär- und Sekundärstahl unterschieden, die entweder mit Brennstoffen (Kohle, Gas, Wasserstoff) in Hochöfen oder mit Strom aus Schrott hergestellt werden. Der Endenergiebedarf der Industrie in den Basisszenarien wird durch exogene Pfade für das BIP, die Materialeffizienz (Produktionsvolumen pro BIP-Einheit) und die Energieeffizienz (Energieeinsatz pro Produktionseinheit) bestimmt, die gemäß den Annahmen der Szenarien festgelegt wurden. In den Minderungsszenarien wirken sich politische Instrumente wie der CO2-Preis auf die Endenergiepreise aus, und das Modell reagiert mit einer Anpassung der Produktionsmengen, der Nutzung anderer Endenergiequellen und angepassten Investitionen in den Kapitalstock einer abstrakten Technologie zur Steigerung der Energieeffizienz. Die Teilsektoren Zement, Chemie und Stahl haben Grenzvermeidungskostenkurven für die Emissionsverringerung durch CCS.

Gebäudesektor

Die wichtigsten Treiber für die Energienachfrage im Gebäudesektor werden im Simulationsmodell EDGE-Buildings modelliert und in die Zukunft projiziert (Levesque et al., 2018). EDGE-Buildings unterscheidet zwischen Energie für Heizzwecke und Geräte. Ein Anstieg des BIP pro Kopf (in diesem Fall des Einkommens) führt zu einem Anstieg der Wohn- und Nutzfläche pro Kopf, differenziert nach Verhaltensannahmen (Suffizienz). Ein Anstieg der Bevölkerungsdichte wirkt sich dagegen dämpfend aus.

Auch die Effizienz der Gebäudehüllen verbessert sich mit steigendem Einkommen und führt zu einem geringeren spezifischen Heiz- und Kühlbedarf. Zusammen mit den Projektionen der Heiz- und Kühlgradtage, die ebenfalls verhaltensabhängig sind (Raumtemperatur), ergibt sich der zukünftige Nutzenergiebedarf für die Klimatisierung im Gebäudesektor. Darüber hinaus wird auch der Warmwasser-, Koch- und Haushaltsstrombedarf in die Zukunft projiziert, der je nach Verhaltensannahmen mit dem Einkommen steigt.

Wir treffen Annahmen über die künftige Verteilung der Energieträger auf die verschiedenen Endnutzungen und die Verbesserungen der technischen Effizienz der entsprechenden Technologien. Alle Endnutzungen zusammen beschreiben ein Basisszenario für den Energiebedarf des Gebäudesektors.

In REMIND wird der Gebäudesektor durch einen Zweig der CES-Produktionsfunktion dargestellt, dessen Effizienzen bei der Kalibrierung auf das Basisszenario aus EDGE-Buildings ermittelt werden. Abweichungen vom Basisszenario, z.B. durch einen höheren CO2-Preis, können sowohl zu einer Verlagerung auf emissionsarme Energieträger als auch zu einem allgemeinen Rückgang der Energienachfrage im Gebäudesektor führen. Die Kostenaufschläge können auch für bestimmte Produktionsfaktoren geändert werden. So senken wir beispielsweise den Aufschlag für das Heizen mit Wärmepumpen in den Elektrifizierungsszenarien, um eine optimistische technologische Entwicklung und entsprechende Anreiz- und Subventionsprogramme widerzuspiegeln.

Verkehrssektor

REMIND ist mit dem detaillierten Verkehrsmodell EDGE-T gekoppelt, das die Wahl der Verbraucher zwischen verschiedenen Verkehrsträgern und -technologien mit Hilfe eines Logit-Funktionsansatzes simuliert (Rottoli et al., 2021a; 2021b). Die Mobilität wird in Personen- und Güterverkehrsnachfrage unterteilt, die jeweils nach der Länge der Fahrten in Komponenten für Langstrecken und Kurz- und Mittelstrecken unterteilt werden. REMIND versorgt EDGE-T mit der aggregierten Nachfrage nach Energiedienstleistungen (in Personenkilometern und Frachttonnenkilometern) aus dem Makrosystem und mit Energiepreisen aus dem Energieversorgungssystem. EDGE-T simuliert dann die Wahl zwischen Verkehrsarten (z.B. Lkw versus Busverkehr), Fahrzeugtypen (z.B. große versus kompakte Fahrzeuge) und Antriebsarten (z.B. batterieelektrische, Brennstoffzellen- oder Verbrennungsmotoren). EDGE-T liefert REMIND den Energiebedarf pro Verkehrsträger und die Kapitalkosten der Verkehrsflotte. REMIND und EDGE-T sind iterativ gekoppelt, um zu konvergieren, so dass die Rückkopplung des Transportsystems auf die Gesamtsystemoptimierung integriert ist. Die Entscheidung zwischen Verkehrsträgern und Technologien beinhaltet sowohl monetäre (Kraftstoffkosten, Fahrzeugbesitzkosten, Zeitwert) als auch nicht-monetäre Komponenten oder Kosten für Unannehmlichkeiten (z.B. Reichweitenangst, Risikoaversion, Modellverfügbarkeit). Letztere sind bei allen Verkehrsträgern mit Ausnahme des motorisierten Individualverkehrs implizit enthalten. Bei anderen Verkehrsträgern wird ihr historischer Wert aus vergangenen Trends abgeleitet, und ihre künftige Entwicklung wird durch eine Reihe von Annahmen für Technologieszenarien bestimmt. Im Falle von Kraftfahrzeugen werden die Kosten für Unannehmlichkeiten für jeden Antriebsstrang explizit modelliert: Die Einführung eines Antriebsstrangs ergibt sich aus einem endogenen Markt, in dem die Kosten für Unannehmlichkeiten in Abhängigkeit vom Marktanteil des Antriebsstrangs variieren.

Flexibilität (Speicherung, DSM, Netze)

Das REMIND-Modell erfasst die Herausforderungen und Optionen im Zusammenhang mit der zeitlichen und räumlichen Variabilität von Wind- und Solarstrom (Ueckerdt et al., 2017; Pietzcker et al., 2014). Neben flexibler Laststeuerung spielen auch interregionales Pooling sowie Kurzzeitspeicher (tageszeitliche Flexibilität, meist über Batterien) und Langzeitspeicher (bis hin zu saisonaler Flexibilität) eine wichtige Rolle, um die Integration fluktuierender erneuerbarer Energien (EE) zu erleichtern.

REMIND parametrisiert entsprechende technologie- und regionalspezifische Speicher- und Netzausbaubedarfe sowie Abregelungsraten (d.h. ungenutzte Überschussanteile der fluktuierenden EE-Stromerzeugung). Die Parametrisierung wird auf der Grundlage von Szenarien aus zwei detaillierten stündlichen Strommarktmodellen abgeleitet. Darüber hinaus enthält das Modell eine Parametrisierung des flexiblen Betriebs der Elektrolyse, die dazu führt, dass diese Technologie zu niedrigeren Volllaststunden und unterdurchschnittlichen Strompreisen läuft, die auf Daten aus detaillierten stündlichen Stromsystem-Szenarien kalibriert sind.

Politische Instrumente und Maßnahmen

REMIND setzt eine Reihe von politischen Instrumenten und Maßnahmen ein. In erster Linie passt es die CO2-Preise an, um die gewünschten Emissionsreduktionsziele zu erreichen (siehe oben). Es gibt jedoch auch andere politische Hebel, die spezifische Veränderungen bewirken können. Erstens sind in REMIND Energiesteuern auf der Ebene der Endenergie für verschiedene Energieträger und Endverbrauchssektoren enthalten, die modifiziert werden können, um die Auswirkungen unterschiedlicher steuerlicher Anreize für verschiedene Energieträger in künftigen Szenarien zu untersuchen. In ähnlicher Weise können die Kostenaufschläge auf der Energienachfrageseite geändert werden, um Szenarien für einen Technologieschub zu simulieren, z. B. im Hinblick auf eine beschleunigte Einführung von Wärmepumpen. Es können verschiedene Szenarien hinsichtlich technologischer und verhaltensbezogener Veränderungen im Verkehrssektor gewählt werden, die als Folgen politischer Interventionen betrachtet werden (z. B. Subventionen für Elektrofahrzeuge, Umgestaltung der städtischen Infrastruktur zur Förderung des öffentlichen Verkehrs).

Schließlich kann REMIND auf verschiedene Nachfragetrajektorien für Energie und Dienstleistungen im Referenzszenario kalibriert werden, die von Änderungen der aktuellen Trends ausgehen, die auch durch politische Interventionen gerechtfertigt werden müssen (z.B. höhere Materialeffizienz durch eine Kreislaufwirtschaft).

Methoden und Modellrahmen

REMIND löst ein intertemporales Pareto-Optimum bei Investitionen in Wirtschaft und Energie in jeder Modellregion unter Berücksichtigung des interregionalen Güterhandels und der Einhaltung der Klimaziele. Das Modell ist in GAMS (General Algebraic Modeling Language) geschrieben und formuliert für jede Region in jeder Iteration des Modells ein nichtlineares Optimierungsproblem, das an den Solver CONOPT übergeben wird. Der Solver-Prozess erfolgt parallel für alle Regionen innerhalb Modelliteration, um Laufzeit zu sparen, während Anpassungen zwischen den Modelliterationen (z.B. CO2-Preise) sicherstellen, dass die Gesamtkonvergenzziele (z.B. Klimaziele, Handelsbilanzen) erreicht werden. Das Modell führt eine intertemporale Optimierung des wirtschaftlichen Wohlstands in 21 Weltregionen durch.

Während der Kern des Modells in GAMS geschrieben ist, gibt es mehrere R-Bibliotheken, die REMIND unterstützen, z. B. durch die Erzeugung der Ein- und Ausgabedaten von REMIND oder die Herstellung von (optionalen) Kopplungen mit anderen Modellen (EDGE-T, Magpie). Insbesondere wird die Bibliothek mrremind verwendet, um die Eingabedaten für REMIND zu erstellen, während die Bibliothek remind2 verwendet wird, um die Berichtsdatei mit Variablen auf der Grundlage des IAMC-Standards aus der von GAMS bereitgestellten GDX-Ausgabedatei zu erstellen.

Überblick über exogene Annahmen und endogenen Output

Exogene Annahmen
VariableQuelleKommentar
PopulationSSP2 Szenario 
Makroökonomie / GDP (in reference run)SSP2 Ariadne SzenarioExogen im Referenzlauf mit schwacher Klimapolitik . Endogen im Lauf mit Klimazielen.
Final Energy / Energy Service Nachfrage (in reference run)Sektormodelle: EDGE-Transport, EDGE-Buildings, EDGE-Industry, sowie Ariadne-spezifische Annahmen (FORECAST) bei Stahl und Zementproduktion.Exogen im Referenzlauf mit schwacher Klimapolitik . Endogen im Lauf mit Klimazielen. Stahl und Zementproduktion sind derzeit immer exogen nach gemeinsamen Annahmen in Ariadne.
Secondary Energy Trade (e.g. Hydrogen, E-fuels)Ariadne-spezifische Annahmen zu Importen von Wasserstoff und E-fuels 
Technologiekosten (teilweise)diverse bzw. teilweise vom Szenariennarrativ abhängigExogene Technologiekosten haben alle Technologien, für die kein endogenes Lernen eingebaut ist (z.B. Thermische Kraftwerke, Fischer-Tropsch Synthese, Pipelines)
Certain GHG emissions sources outside of the energy sector: LULUCF, Agriculture, Waste, F-GasesEDGAR, Scenarios from PBL and Magpie 
Energiesteuern (außerhalb der CO2-Steuer)Globaler Steuerdatensatz vom IIASAWir planen deutsche Energiesteuern hier bald zu aktualisieren. Zukünftige Entwicklung im Standardfall konstant; ansonsten je nach Szenariennarrativ.
BiomassepotentialAriadne-spezifische Annahmen für Deutschland (DBFZ Studie)Global endogen bzw. Parametrisierung an Szenarien des Magpie-Modells
Endogene Ergebnisse
GrößeModellrepräsentationKommentar
Makroökonomie / GDP (im Klimapolitiklauf)Ramsey-Wachstumsmodell mit CES Produktionsfunktion 
Final Energy / Energy Service Nachfrage (im Klimapolitiklauf)Buildings / Industry: CES Produktionsfunktion   Transport: Kopplung mit EDGE-Transport 
Energieerzeugung und Verteilung (PE -> SE -> FE Umwandlungen)Lineares Energiesystemmodell 
Primärenergiehandel (Biomasse und Fossile)globales Pool-Trading über Nash-MärkteAriadne-spezifische Annahmen zu geringen Biomasseimporten
Primärenergieproduktion (Fossile)regionsspezifische parametrisierte Angebotskurven 
Emissionen (Energie und Industrieprozesse)spezifische Emissionsfaktoren für Energieflüsse / Stoffflüsse 
Technologiekosten (teilweise)Endogene nicht-linearen Lernkurven, die von der global kumuliert installierten Kapazität abhängenfür spezifische Technologien, die noch nicht voll ausgereift sind: z.B. Solar PV, Wind, Elektrolyse, DAC.
Investitionen EnergiesystemErgibt sich aus spezifischen Technologiekosten und Kapazitätszubau 
Carbon Management / CDRCDR und CCU TechnologienCDR: BECCS, DACCS, Beschleunigte Verwitterung, Pflanzenkohle   CCU: Produktion synthetischer kohlenstoff-basierter flüssiger und gasförmiger Energieträger (E-fuels)
CO2-PreisIterative Anpassung des CO2-Preises bis zur Erreichung der jeweiligen EmissionszieleAnnahme: CO2-Preis zwischen den Zieljahren linear
EnergiepreiseSchattenpreise der Bilanzgleichungen des Energiesystemmodells 

Der Quellcode des Modells ist unter https://github.com/remindmodel/remind verfügbar und unter https://rse.pik-potsdam.de/doc/remind/3.2.0/ weiter dokumentiert.