Kenya’s electricity sector faces extensive development as the country strives to achieve the goal of universal access to electricity by 2020 and the national blueprint Kenya Vision 2030. With a history of overestimating the future electricity demand, it is important to make investment decisions based on realistic demand prognoses. In this study, we evaluate a cost-optimal energy mix for electricity generation in 2030 for scenarios following business-as-usual (BAU) and Kenya Vision 2030 demand forecasts, using the spatial electrification tool OnSSET and the energy system modelling tool OSeMOSYS. Kenya is vulnerable to climate change and faces the challenge of frequent droughts, making water management a national priority. This study considers the nexus of Climate, Land, Energy and Water (CLEW). We look at how a climate change scenario, following a worst-case development according to Representative Concentration Pathway (RCP) 8.5, can affect the hydrology of the Tana River and thereby the electricity generation from its hydro power plants. Results show that the share of grid connected households increase with a higher demand forecast, that the investment cost of meeting the electricity demand of Kenya Vision 2030 is 106 % higher than the investment cost at BAU demand and that extreme climate change reduces the electricity generation of hydropower, leading up to that 2 % of electricity production must be supplied by other (non-hydro) sources in 2030. A conclusion drawn from this study is that the demand estimation has a central role for the investments in electricity technologies and is suggested to be based on trends of Kenya’s actual growth rather than visionary goals. Another conclusion is that a scenario of climate change impacts the future usage of hydropower, making the nexus to other natural resources important to include in the development of the electricity system. / Kenyas elsektor står inför omfattande utveckling när landet strävar efter att ge hela befolkningen tillgång till elektricitet och att uppfylla de nationella utvecklingsmålen enligt Kenya Vision 2030. Då elbehovet tidigare överskattats är det viktigt att investeringsbeslut grundas på realistiska efterfrågeprognoser. I den här studien utvärderas en kostnadsoptimal energimix för elgenerering år 2030 i scenarion som följer prognostiserade elbehov enligt business-as-usual (BAU) och Kenya Vision 2030, med hjälp av modelleringsverktygen OnSSET och OSeMOSYS. Kenya är utsatt för klimatförändringar och har problem med återkommande torka, därför är vattenplanering högt prioriterad i landet. Den här studien tar hänsyn till hur Klimat, Land, Energi och Vatten (CLEW) påverkar varandra. Vi tittar på hur ett extremt klimatförändringsscenario som följer Representative Concentration Pathway (RCP) 8.5 kan påverka hydrologin i floden Tana och därmed elgenereringen från dess vattenkraftverk. Resultaten visar att andelen elnätsanslutna hushåll bör bli större vid ett högre elbehov, att investeringskostnaden för att möta elbehovet enligt Kenya Vision 2030 är 106 % högre än investeringskostnaden i ett BAU-scenario och att extrema klimatförändringar kan göra att elgenereringen från vattenkraft minskar, vilket gör att 2 % av elgenereringen måste ersättas av andra energikällor år 2030. En av slutsatserna i studien är att efterfrågeprognosen har en central roll för investeringar som görs i elsystemet och bör baseras på utvecklingstrender snarare än visionära mål. En annan slutsats är att klimatförändring påverkar den framtida produktionen från vattenkraft, vilket gör att kopplingen till andra naturresurser är viktig att inkludera i utvecklingen av elsystemet.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-226901 |
| Date | January 2017 |
| Creators | Berggren, Anna, Österberg, Sara |
| Publisher | KTH, Energiteknik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; EGI_2017:2017 |
Page generated in 0.0017 seconds