The concept of socio-environmental systems is used to provide a framework to study the complex sets of dynamic interactions linking human and environmental systems. Socio-environmental system models used to inform the grand policy challenges affecting our society and its relationship with the environment are often relying on simplifying assumptions about the deep uncertainty involved in their dynamics and evolution. The most common approaches assume a reference, or a set of multiple reference scenarios, to study potential policy solutions under the assumption of perfect foresight, an approach called scenario analysis or scenario planning. This assumption also affects two types of models crucial for the next decades of policy-making: integrated assessment of climate change and long-term energy systems planning models. Focusing on those two categories of models, this thesis focuses on how to effectively deal with uncertainties of different nature, i.e., stochastic, parametric, and structural, by adopting and refining existing methodologies for decision-making under uncertainty. In particular, we examine how adaptive decision-making via multi-objective optimal control can help reduce conflicts between multiple climate targets in a deeply uncertain version of DICE, a well-known cost-benefit integrated assessment model of climate change, and in RICE50++, the regionalized version of DICE, considering 57 individual economic agents taking climate policy decisions. For what concerns energy systems planning models, we focus on the impact of different socio-economic and hydroclimatic uncertainties on power capacity expansion strategies. After providing evidence of the need for an adaptive approach also in this domain, we employ robust optimization to develop a methodology that allows including uncertainty and adaptation to the realization of uncertainty in an open-source energy system model. Results show that accounting for uncertainty with coherent methodologies results not only in improved realism of the decision-making process but also in a clearer understanding of how to deal with and leverage uncertainties to produce satisfying performance across multiple dimensions.

Il concetto di sistema socio-ambientale (socio-environmental system, SES) è uno strumento sviluppato per analizzare la complessa rete di interazioni dinamiche che connette sistemi naturali a quelli antropici. Usati al fine di prendere decisioni informate per i grandi problemi sociali ed ambientali che la nostra società si trova ad affrontare rispetto alla sua relazione con l'ambiente circostante, i modelli socio-ambientali spesso semplificano la rappresentazione delle profonde incertezze che caratterizzano la loro dinamica ed evoluzione nel tempo. Tipicamente, uno o più scenari di riferimento vengono esaminati sotto l'ipotesi di completa prevedibilità in un approccio chiamato 'scenario analysis' o 'scenario planning'. Queste ipotesi sono presenti anche in due categorie di modelli cruciali per le prossime decadi: modelli di valutazione integrata del cambiamento climatico e modelli per la pianificazione dei sistemi energetici. Rispetto a queste categorie di modelli, questa tesi propone e discute metodi per gestire in maniera efficace le incertezze di diversa natura (stocastica, parametrica, strutturale) facendo uso e riadattando metodologie esistenti per le decisioni in contesti di incertezza. In particolare, questa tesi si occupa di come politiche climatiche adattative multi-obiettivo possano ridurre i conflitti tra diversi obiettivi climatici in una versione del modello DICE (noto modello di analisi costi-benefici per politiche climatiche) che considera diversi tipi di incertezza. In aggiunta, questo approccio viene esteso al caso cooperativo in RICE50++, una versione dello stesso modello con più alta risoluzione geografica che esamina separatamente l'economia e le scelte climatiche di 57 regioni indipendenti. Rispetto ai modelli per la pianificazione dei sistemi energetici, ci concentriamo sull'impatto di incertezze sociali e naturali sui progetti di espansione di capacità elettrica. Dopo aver dimostrato la necessità di metodi adattativi anche in questo campo con un caso studio nell'Unione Europea, una metodologia basata sull'ottimizzazione robusta viene descritta per includere le incertezze e l'aggiustamento delle decisioni in seguito alla loro realizzazione. Quest'utlima viene applicata al continente africano per studiare piani di espansione di capacità idroelettrica robusti rispetto alle incertezze socio-economiche. I risultati dimostrano che considerare esplicitamente le incertezze con metodologie coerenti permette non solo di descrivere più realisticamente il processo decisionale ma anche di capire meglio come affrontare le incertezze per garantire risultati soddisfacenti rispetto alle diverse metriche di giudizio adottate dal decisore.

Decision-making under uncertainty for complex socio-environmental systems

CARLINO, ANGELO
2021/2022

Abstract

The concept of socio-environmental systems is used to provide a framework to study the complex sets of dynamic interactions linking human and environmental systems. Socio-environmental system models used to inform the grand policy challenges affecting our society and its relationship with the environment are often relying on simplifying assumptions about the deep uncertainty involved in their dynamics and evolution. The most common approaches assume a reference, or a set of multiple reference scenarios, to study potential policy solutions under the assumption of perfect foresight, an approach called scenario analysis or scenario planning. This assumption also affects two types of models crucial for the next decades of policy-making: integrated assessment of climate change and long-term energy systems planning models. Focusing on those two categories of models, this thesis focuses on how to effectively deal with uncertainties of different nature, i.e., stochastic, parametric, and structural, by adopting and refining existing methodologies for decision-making under uncertainty. In particular, we examine how adaptive decision-making via multi-objective optimal control can help reduce conflicts between multiple climate targets in a deeply uncertain version of DICE, a well-known cost-benefit integrated assessment model of climate change, and in RICE50++, the regionalized version of DICE, considering 57 individual economic agents taking climate policy decisions. For what concerns energy systems planning models, we focus on the impact of different socio-economic and hydroclimatic uncertainties on power capacity expansion strategies. After providing evidence of the need for an adaptive approach also in this domain, we employ robust optimization to develop a methodology that allows including uncertainty and adaptation to the realization of uncertainty in an open-source energy system model. Results show that accounting for uncertainty with coherent methodologies results not only in improved realism of the decision-making process but also in a clearer understanding of how to deal with and leverage uncertainties to produce satisfying performance across multiple dimensions.
PERNICI, BARBARA
DERCOLE, FABIO
TAVONI, MASSIMO
8-mar-2022
Decision-making under uncertainty for complex socio-environmental systems
Il concetto di sistema socio-ambientale (socio-environmental system, SES) è uno strumento sviluppato per analizzare la complessa rete di interazioni dinamiche che connette sistemi naturali a quelli antropici. Usati al fine di prendere decisioni informate per i grandi problemi sociali ed ambientali che la nostra società si trova ad affrontare rispetto alla sua relazione con l'ambiente circostante, i modelli socio-ambientali spesso semplificano la rappresentazione delle profonde incertezze che caratterizzano la loro dinamica ed evoluzione nel tempo. Tipicamente, uno o più scenari di riferimento vengono esaminati sotto l'ipotesi di completa prevedibilità in un approccio chiamato 'scenario analysis' o 'scenario planning'. Queste ipotesi sono presenti anche in due categorie di modelli cruciali per le prossime decadi: modelli di valutazione integrata del cambiamento climatico e modelli per la pianificazione dei sistemi energetici. Rispetto a queste categorie di modelli, questa tesi propone e discute metodi per gestire in maniera efficace le incertezze di diversa natura (stocastica, parametrica, strutturale) facendo uso e riadattando metodologie esistenti per le decisioni in contesti di incertezza. In particolare, questa tesi si occupa di come politiche climatiche adattative multi-obiettivo possano ridurre i conflitti tra diversi obiettivi climatici in una versione del modello DICE (noto modello di analisi costi-benefici per politiche climatiche) che considera diversi tipi di incertezza. In aggiunta, questo approccio viene esteso al caso cooperativo in RICE50++, una versione dello stesso modello con più alta risoluzione geografica che esamina separatamente l'economia e le scelte climatiche di 57 regioni indipendenti. Rispetto ai modelli per la pianificazione dei sistemi energetici, ci concentriamo sull'impatto di incertezze sociali e naturali sui progetti di espansione di capacità elettrica. Dopo aver dimostrato la necessità di metodi adattativi anche in questo campo con un caso studio nell'Unione Europea, una metodologia basata sull'ottimizzazione robusta viene descritta per includere le incertezze e l'aggiustamento delle decisioni in seguito alla loro realizzazione. Quest'utlima viene applicata al continente africano per studiare piani di espansione di capacità idroelettrica robusti rispetto alle incertezze socio-economiche. I risultati dimostrano che considerare esplicitamente le incertezze con metodologie coerenti permette non solo di descrivere più realisticamente il processo decisionale ma anche di capire meglio come affrontare le incertezze per garantire risultati soddisfacenti rispetto alle diverse metriche di giudizio adottate dal decisore.
File allegati
File Dimensione Formato  
PhD_Thesis_Carlino.pdf

Open Access dal 11/02/2023

Descrizione: Tesi
Dimensione 71.77 MB
Formato Adobe PDF
71.77 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/183021