随着世界各国转向更多的风能和太阳能发电以及能源最终用途的电气化，社会与天气条件的关系变得越来越紧密。与此同时，气候正在迅速变化，极端天气事件成为“新常态”。
能源系统规划者和运营商需要预测未来的详细、高分辨率数据，以了解气候变化将如何影响风能和太阳能发电、电力需求和其他与天气相关的能源变量。现有数据显示，气候变化可能会增加能源需求，但很少有高分辨率资源来量化这些影响。
美国能源部国家可再生能源实验室(NREL)的数据科学家格兰特·巴斯特(GrantBuster)表示：“我们设想未来所有或几乎所有电力需求都由可再生能源满足。”“我们需要了解风能或太阳能等可再生资源可能会受到气候变化的影响，以及这些资源将如何满足我们未来的能源需求。”
这正是NREL的GrantBuster、BrandonBenton、AndrewGlaws和RyanKing开发具有气候变化影响的可再生能源资源数据超分辨率(Super-ResolutionforRenewableEnergyResourceDatawithClimateChangeImpacts)或Sup3rCC(发音为“super-cc”)的原因，该技术在《自然·能源》杂志上得到了强调杂志文章。
Sup3rCC是一个开源模型，它使用生成机器学习来生成最先进的缩小规模的未来气候数据集，并向公众免费提供。为了了解气候变化对当地风能和太阳能资源以及能源需求的影响，需要缩小规模的气候数据。
现有的降尺度方法有很多种，但它们都在分辨率、计算成本以及空间和时间的物理限制方面进行权衡。Sup3rCC代表了生成机器学习方法的一个新领域，它可以比传统动态缩小方法快40倍地生成物理真实的高分辨率数据。
NREL战略能源分析中心主任DanBilello表示：“Sup3rCC将改变我们研究和规划未来能源系统的方式。”“该工具生成的基础气候数据可以插入能源系统模型中，并为负责保持电力供应的决策者提供急需的见解。”
克服能源与气候脱节
由于多种原因，能源系统研究和气候研究传统上是孤立的。对于大多数能源系统模型来说，传统全球气候模型在时间和空间上的分辨率都过于粗糙，并且提高分辨率的计算成本很高。
全球气候模型也并不总是生成或保存可再生能源发电模型所需的输出。此外，现有的公开全球气候模型数据集通常不与能源系统研究中使用的数据管道和软件连接。
玩
00:00
00:14
沉默的
设置
画中画
进入全屏
玩
传统全球气候模型(左)输出的未来风能、太阳能和温度数据与Sup3rCC输出(右)的分辨率形成鲜明对比。图片来源：GrantBuster，NREL
由于这些持续存在的挑战，大多数能源系统规划者依赖历史高分辨率风能、太阳能和温度数据来模拟发电和需求。但在规划可靠的能源系统时，忽视未来的气候条件可能存在风险，最近加利福尼亚州和德克萨斯州因天气原因停电就凸显了这一点。
NREL越来越多的建模者和分析师正在努力克服能源与气候脱节的问题。
巴斯特说：“气候科学是一个复杂的领域，拥有大量数据、巨大的不确定性，并且没有太多资源来说明这些信息如何或应该应用于其他研究领域。”“在NREL，我们的目标是将能源和气候建模界聚集在一起，有效、适当地利用气候信息来指导能源系统的设计和运行。”
Sup3rCC是通过NREL的能源分析师和计算科学家之间的合作创建的，旨在更好地将气候和气象变化的数十年变化纳入能源系统建模中。比莱洛说：“这项工作弥合了能源系统和气候研究界之间的差距，显着推进了能源气候研究领域的发展。”
利用人工智能的力量
Sup3rCC利用称为生成对抗网络(GANS)的生成机器学习技术的最新进展，克服了传统动态降尺度技术的计算挑战。
NREL计算研究员兼Sup3rCC联合开发者RyanKing表示：“生成机器学习是我们超分辨率方法核心的基石技术。”“如果没有机器学习，我们就不可能进行这些分析。”
Sup3rCC通过研究NREL的历史高分辨率数据集(包括国家太阳辐射数据库和风整合国家数据集工具包)来了解自然和大气的物理特征。然后，该模型将从数据集中学到的物理上真实的小规模信息注入到全球气候模型的粗略未来输出中。
因此，Sup3rCC根据最新的最先进的未来气候预测生成非常详细的温度、湿度、风速和太阳辐照度数据。然后，Sup3rCC的输出可用于研究未来可再生能源发电、能源需求的变化以及对电力系统运行的影响。最初的Sup3rCC数据集包括美国本土2015年至2059年的数据，更多数据集将在未来几年发布。
金说：“我们的超分辨率工作是独一无二的，因为我们同时增强了空间和时间分辨率，并注入了比以往更多的信息。”“Sup3rCC保留了气候模拟的大尺度轨迹，同时赋予它们现实的小尺度特征，这对于准确的可再生能源资源评估和负荷预测至关重要。”
Sup3rCC正在改变我们进行综合能源系统规划的方式。图片来源：JoeDelNero，NREL
Sup3rCC将全球气候模型每个水平方向的空间分辨率提高了25倍，时间分辨率提高了24倍，数据总量增加了15,000倍。该模型的执行速度比传统动态缩减模型快40倍，因此能源系统规划人员和运营商可以直接进行大规模规划。
它将使NREL及其他机构的研究人员能够研究未来热浪等天气事件以及电网与可再生能源发电之间的相互作用。
“我们的方法将生成高空间和时间分辨率数据的计算成本大大降低了几个数量级，”King说。“这使我们能够考虑几十年来多种未来气候情景中可再生资源和电力需求的变化，这对于规划未来能源系统至关重要。”
Sup3rCC数据集加入了NREL的一系列高分辨率数据，使大规模可再生能源研究大幅增加。Sup3rCC的输出与NREL的可再生能源潜力(reV)模型兼容，用于研究风能和太阳能发电，并与整套NREL建模工具进行互操作。用户可以访问AmazonWebServices上的Sup3rCC数据，并从自己的桌面在云中运行reV，以了解风能和太阳能发电、容量和系统成本在不同气候情景下的变化情况。
Sup3rCC和许多其他高影响力、数据驱动的NREL项目的成功得益于两个不同中心之间的合作，这两个中心结合了NREL在分析和计算方面的关键优势。
NREL的战略能源分析中心处于开发数据架构和软件解决方案的最前沿，这些解决方案需要为实验室一些最引人注目的数据密集型研究提供支持，例如洛杉矶100%可再生能源研究、波多黎各电网弹性和过渡到100%可再生能源研究和国家输电规划研究。先进的数据解决方案使NREL研究人员和工程师等更容易获取、使用和操作能源数据。
如果没有NREL的计算科学中心，这些先进的数据解决方案也是不可能实现的，该中心使用计算方法来开发突破性的跨学科数据采集和分析。
例如，在LA100研究中，由数十名NREL专家组成的多学科团队使用NREL的超级计算机以超高空间和时间分辨率运行超过1亿次模拟，以评估LADWP电力系统如何发展到100%的一系列未来场景。可再生的未来。分析和计算科学之间的这种有意义的合作正在推动NREL在能源效率、可持续交通、能源系统优化等方面的研究。
“通过与实验室的其他中心和小组合作，我们可以帮助提升NREL的整体数据能力，”比莱洛说。“通过合作，我们正在建立一个框架，让我们做好准备迎接新的、创新的、以数据为中心的研究挑战。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！