Employing Bayesian networks for energy transition pathways across Swiss Cities, Midlands, and Alps

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Demonstrates a novel application of Bayesian Networks for integrating social dimensions into energy transition modeling, useful for socio-technical transition research.

🏢実務担当者:Provides a methodology for regional energy planners to incorporate survey data into scenario analysis for solar PV adoption, aiding targeted policy design.

🏛政策担当者:Highlights the need for regionally differentiated policies to accelerate solar PV adoption, based on empirical evidence of varying adoption drivers across regions.

スイスの野心的なエネルギー戦略2050の文脈において、太陽光発電（PV）は中心的な役割を果たす態勢にある。しかし、従来のエネルギーモデリング手法は、太陽光発電（PV）の導入の根底にある社会的側面を見落とすことが多い。本論文は、ベイジアンネットワーク（BN）を用いて社会的側面をエネルギーモデリングに統合する可能性を示すものである。BNは不確実性を扱い、人口レベルの調査データを組み込み、動的な導入シナリオをシミュレーションすることができる。スイス全土の4466人の個人からの調査回答を用いて、スイスの都市、中地、アルプスの3地域にわたり、構造学習とパラメータ学習を通じてデータ駆動型のBNを構築する。ネットワークの構造は一貫している一方で、条件付き確率は太陽光発電の導入に関する地域固有の導入動態を明らかにする。都市部では、ヒートポンプの所有が支配的な要因として浮上し、中地では、電気自動車の所有と認識された経済的実現可能性を含むバランスの取れた組み合わせを導入が反映している。アルプスでは、一戸建て住宅と電気自動車の所有が最も影響力を持つ。我々はまた、3つのシナリオをテストした。シナリオ1は、特にアルプスと中地で最大の増加を生み出した。シナリオ2は、中地で最も強い相対的効果を示しつつ、緩やかな増加をもたらし、シナリオ3は都市部で最も影響力があった。我々は、BNが社会技術的エネルギー移行のモデリングに有用であることを実証する。我々の知見は、スイスにおける太陽光発電の導入を加速させるための、的を絞った地域差別化された政策介入の必要性を支持するものである。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

In the context of Switzerland’s ambitious Energy Strategy 2050, solar PV is poised to play a central role. However, traditional energy modelling approaches often overlook the social dimension underlying solar photovoltaics (PV) adoption. This paper demonstrates the potential of using Bayesian Networks (BNs) to integrate the social dimension into energy modelling. BNs can handle uncertainty, incorporate population-level survey data, and simulate dynamic adoption scenarios. Using survey responses from 4466 individuals across Switzerland, we construct data-driven BNs through structure learning and parameter learning across 3 regions, namely the Swiss cities, midlands, and Alps. While the structure of the networks remains consistent, the conditional probabilities reveal region-specific adoption dynamics for solar PV adoption. In cities, heat pump ownership emerges as the dominant factor, while in the Midlands, adoption reflects a balanced mix including electric car ownership and perceived economic viability. In the Alps, single-family house and electric car ownership are most influential. We also tested 3 scenarios. Scenario 1 generated the largest increases, especially in the Alps and midlands. Scenario 2 produced a modest increase, with the strongest relative effect in the Midlands, while scenario 3 was most impactful in cities. We demonstrate that BNs are useful for modelling socio-technical energy transitions. Our findings support the need for targeted, regionally differentiated policy interventions to accelerate solar PV adoption in Switzerland.

• openalex https://doi.org/10.1016/j.nxener.2026.100750first seen 2026-07-13 04:51:14