Melden Sie sich an für Tägliche Nachrichten-Updates von CleanTechnica per E-Mail. Oder Folgen Sie uns auf Google News!
Neues öffentlich verfügbares Open-Source-Modell erstellt schnell äußerst detaillierte zukünftige Klimadaten zur Unterstützung der integrierten Energiesystemplanung
Während Länder auf der ganzen Welt auf mehr Wind- und Solarenergie umsteigen und die Endenergienutzung elektrifizieren, werden die Gesellschaften immer stärker mit den Wetterbedingungen verknüpft. Unterdessen verändert sich das Klima rapide und extreme Wetterereignisse werden zur „neuen Normalität“.
Planer und Betreiber von Energiesystemen benötigen detaillierte, hochauflösende Daten, die in die Zukunft projiziert werden, um zu verstehen, wie sich der Klimawandel auf die Wind- und Solarenergieerzeugung, den Strombedarf und andere wetterabhängige Energievariablen auswirken wird. Die verfügbaren Daten zeigen, dass der Klimawandel wahrscheinlich den Energiebedarf erhöhen wird, es gibt jedoch nur sehr wenige hochauflösende Ressourcen, um diese Auswirkungen zu quantifizieren.
„Wir stellen uns eine Zukunft vor, in der der gesamte oder fast der gesamte Strombedarf durch erneuerbare Energiequellen gedeckt wird“, sagte Grant Buster, Datenwissenschaftler am National Renewable Energy Laboratory (NREL) des US-Energieministeriums. „Wir müssen verstehen, wie sich der Klimawandel auf erneuerbare Ressourcen wie Wind oder Sonne auswirken könnte und wie diese Ressourcen in Zukunft unseren Energiebedarf decken können.“
Genau aus diesem Grund haben sich Grant Buster, Brandon Benton, Andrew Glaws und Ryan King vom NREL entwickelt Superauflösung für Daten zu erneuerbaren Energieressourcen mit Auswirkungen auf den Klimawandeloder Sup3rCC (liebevoll „super-cc“ ausgesprochen), das kürzlich in a hervorgehoben wurde Naturenergie Zeitschriftenartikel.
Sup3rCC ist ein Open-Source-Modell, das generatives maschinelles Lernen nutzt, um modernste herunterskalierte zukünftige Klimadatensätze zu erstellen, die der Öffentlichkeit kostenlos zur Verfügung stehen. Um die Auswirkungen des Klimawandels auf die lokalen Wind- und Solarressourcen sowie den Energiebedarf zu verstehen, sind herunterskalierte Klimadaten erforderlich. Es gibt eine Vielzahl bestehender Downscaling-Methoden, aber alle weisen Kompromisse in Bezug auf Auflösung, Rechenkosten und physikalische Einschränkungen in Raum und Zeit auf. Sup3rCC stellt ein neues Feld generativer maschineller Lernmethoden dar, die physikalisch realistische hochauflösende Daten 40-mal schneller erzeugen können als herkömmliche dynamische Downscaling-Methoden.
„Sup3rCC wird die Art und Weise verändern, wie wir zukünftige Energiesysteme untersuchen und planen“, sagte Dan Bilello, Direktor des Strategic Energy Analysis Center am NREL. „Das Tool erzeugt grundlegende Klimadaten, die in Energiesystemmodelle eingebunden werden können und dringend benötigte Erkenntnisse für Entscheidungsträger liefern, die dafür verantwortlich sind, das Licht am Laufen zu halten.“
Überwindung der Energie-Klima-Kluft
Energiesystemforschung und Klimaforschung wurden aus mehreren Gründen traditionell isoliert. Die Auflösung herkömmlicher globaler Klimamodelle ist für die meisten Energiesystemmodelle zeitlich und räumlich zu grob, und eine Verbesserung der Auflösung ist rechenintensiv. Globale Klimamodelle erzeugen oder speichern auch nicht immer die Ergebnisse, die zur Modellierung der Erzeugung erneuerbarer Energien erforderlich sind. Darüber hinaus sind bestehende öffentlich verfügbare globale Klimamodelldatensätze normalerweise nicht mit den Datenpipelines und der Software verbunden, die in der Energiesystemforschung verwendet werden.
Aufgrund dieser anhaltenden Herausforderungen haben sich die meisten Energiesystemplaner bei der Modellierung der Stromerzeugung und -nachfrage auf historische hochauflösende Wind-, Solar- und Temperaturdaten verlassen. Doch das Ignorieren zukünftiger Klimabedingungen kann bei der Planung eines zuverlässigen Energiesystems riskant sein, was durch die jüngsten wetterbedingten Stromausfälle in Kalifornien und Texas unterstrichen wurde.
Eine wachsende Gemeinschaft von Modellierern und Analysten am NREL arbeitet daran, die Diskrepanz zwischen Energie und Klima zu überwinden.
„Klimawissenschaft ist ein komplexes Gebiet mit riesigen Datenmengen, großen Unsicherheiten und nicht vielen Ressourcen, wie die Informationen auf andere Forschungsbereiche angewendet werden können oder sollten“, sagte Buster. „Bei NREL wollen wir die Energie- und Klimamodellierungsgemeinschaften zusammenbringen, um Klimainformationen effektiv und angemessen zu nutzen, um die Gestaltung und den Betrieb von Energiesystemen zu steuern.“
Sup3rCC wurde durch eine Partnerschaft zwischen Energieanalysten und Computerwissenschaftlern am NREL entwickelt, um multidekadische Veränderungen des Klimas und der meteorologischen Variabilität besser in die Modellierung von Energiesystemen einzubeziehen. „Diese Arbeit schließt die Lücke zwischen Energiesystem- und Klimaforschungsgemeinschaften, um das sich entwickelnde Feld der Energie-Klima-Forschung erheblich voranzutreiben“, sagte Bilello.
Die Kraft der künstlichen Intelligenz nutzen
Sup3rCC überwindet die Rechenherausforderungen traditioneller dynamischer Downscaling-Techniken, indem es die Leistungsfähigkeit jüngster Fortschritte in einer generativen maschinellen Lerntechnik namens Generative Adversarial Networks (GANS) nutzt.
„Generatives maschinelles Lernen ist die Eckpfeilertechnologie unseres Super-Resolution-Ansatzes“, sagte Ryan King, Computerforscher am NREL und Mitentwickler von Sup3rCC. „Ohne maschinelles Lernen wäre es für uns unmöglich, diese Analysen zu erstellen.“
Sup3rCC lernt physikalische Eigenschaften der Natur und der Atmosphäre durch die Untersuchung der historischen hochauflösenden Datensätze von NREL, einschließlich der Nationale Datenbank zur Sonnenstrahlung und das Nationales Datensatz-Toolkit zur Windintegration. Das Modell injiziert dann physikalisch realistische kleinräumige Informationen, die es aus den Datensätzen gelernt hat, in die groben zukünftigen Ergebnisse globaler Klimamodelle. Als Ergebnis generiert Sup3rCC hochdetaillierte Daten zu Temperatur, Luftfeuchtigkeit, Windgeschwindigkeit und Sonneneinstrahlung auf der Grundlage der neuesten, hochmodernen Klimaprognosen. Die Sup3rCC-Ergebnisse können dann verwendet werden, um die zukünftige Stromerzeugung aus erneuerbaren Energien, Änderungen im Energiebedarf und Auswirkungen auf den Betrieb des Energiesystems zu untersuchen. Die Initiale Sup3rCC-Datensatz Enthält Daten von 2015 bis 2059 für die angrenzenden Vereinigten Staaten. Weitere Datensätze werden in den kommenden Jahren veröffentlicht.
Zukünftige Wind-, Sonnen- und Temperaturdaten, die von einem traditionellen globalen Klimamodell (links) im Vergleich zur Ausgabe von Sup3rCC (rechts) ausgegeben werden, zeigen den starken Kontrast in der Auflösung. Grafik von Grant Buster, NREL
„Unsere Superauflösungsarbeit ist insofern einzigartig, als wir die räumliche und zeitliche Auflösung gleichzeitig verbessern und weit mehr Informationen als je zuvor einspeisen“, sagte King. „Sup3rCC bewahrt die großräumigen Trajektorien von Klimasimulationen und stattet sie gleichzeitig mit realistischen kleinräumigen Merkmalen aus, die für genaue Bewertungen erneuerbarer Energieressourcen und Lastprognosen von entscheidender Bedeutung sind.“
Sup3rCC erhöht die räumliche Auflösung globaler Klimamodelle in jeder horizontalen Richtung um das 25-fache und die zeitliche Auflösung um das 24-fache – was einer 15.000-fachen Steigerung der Gesamtdatenmenge entspricht. Das Modell kann diesen Prozess 40-mal schneller durchführen als herkömmliche dynamische Downscaling-Modelle, sodass Planer und Betreiber von Energiesystemen direkt mit der Planung in großem Maßstab beginnen können.
Es wird Forschern am NREL und darüber hinaus ermöglichen, Wetterereignisse wie zukünftige Hitzewellen und das Zusammenspiel zwischen dem Stromnetz und der Erzeugung erneuerbarer Energien zu untersuchen.
„Unser Ansatz reduziert den Rechenaufwand für die Generierung von Daten mit hoher räumlicher und zeitlicher Auflösung drastisch um mehrere Größenordnungen“, sagte King. „Dadurch können wir Veränderungen der erneuerbaren Ressourcen und des Strombedarfs in einer Vielzahl zukünftiger Klimaszenarien über mehrere Jahrzehnte hinweg berücksichtigen, was für die Planung zukünftiger Energiesysteme von entscheidender Bedeutung ist.“
Superdaten unterstützen größere und bessere Studien
Die Sup3rCC-Datensätze ergänzen eine Familie hochauflösender Daten am NREL, die einen massiven Anstieg groß angelegter Studien zu erneuerbaren Energien ermöglicht haben. Ausgänge von Sup3rCC sind mit NRELs kompatibel Modell des Potenzials erneuerbarer Energien (reV). um die Wind- und Solarenergieerzeugung zu untersuchen und mit einer ganzen Reihe von NREL-Modellierungstools zusammenzuarbeiten. Benutzer können auf Sup3rCC-Daten über Amazon Web Services zugreifen und reV in der Cloud von ihrem eigenen Desktop aus ausführen, um zu sehen, wie sich die Wind- und Solarerzeugung, die Kapazität und die Systemkosten unter verschiedenen Klimaszenarien ändern.
Der Erfolg von Sup3rCC und vielen anderen hochwirksamen, datengesteuerten NREL-Projekten wird durch die Zusammenarbeit zwischen zwei verschiedenen Zentren ermöglicht, die wichtige NREL-Stärken in Analyse und Informatik vereinten.
Das Strategic Energy Analysis Center des NREL steht an vorderster Front bei der Entwicklung von Datenarchitekturen und Softwarelösungen, die für die Durchführung einiger der aufsehenerregendsten und datenintensivsten Studien des Labors erforderlich sind Studie zu 100 % erneuerbaren Energien in Los AngelesDie Studie zur Netzstabilität in Puerto Rico und zum Übergang zu 100 % erneuerbaren Energienund das Nationale Übertragungsplanungsstudie. Die fortschrittlichen Datenlösungen machen Energiedaten für NREL-Forscher und -Ingenieure und darüber hinaus zugänglicher, nutzbarer und umsetzbarer.
Diese fortschrittlichen Datenlösungen wären auch ohne das Computational Science Center des NREL nicht möglich, das rechnerische Methoden nutzt, um bahnbrechende, interdisziplinäre Datenerfassung und -analyse zu entwickeln. In der LA100-Studie beispielsweise nutzte ein multidisziplinäres Team aus Dutzenden von NREL-Experten den Supercomputer von NREL, um mehr als 100 Millionen Simulationen mit ultrahoher räumlicher und zeitlicher Auflösung durchzuführen und eine Reihe von Zukunftsszenarien zu bewerten, wie sich das Energiesystem von LADWP zu 100 % entwickeln könnte. erneuerbare Zukunft. Sinnvolle Kooperationen wie diese zwischen Analyse und Informatik treiben die NREL-Forschung in den Bereichen Energieeffizienz, nachhaltiger Transport, Optimierung des Energiesystems und mehr voran.
„Durch die Zusammenarbeit mit anderen Zentren und Gruppen im gesamten Labor können wir dazu beitragen, die gesamten Datenkapazitäten des NREL zu verbessern“, sagte Bilello. „Durch die Zusammenarbeit schaffen wir einen Rahmen, der uns darauf vorbereitet, neue, innovative, datenorientierte Forschungsherausforderungen anzunehmen.“
Erfahren Sie mehr über Sup3rCC
Um mehr über Sup3rCC zu erfahren, greifen Sie auf Sup3rCC zu Open-Source-Code und Datensätze und lies a Naturenergie Artikel über das Modell und die Datenfreigabe.
Erfahren Sie mehr über NRELs Energieanalyseforschungoder kontaktieren Sie Grant Buster unter [email protected].
Mit freundlicher Genehmigung von NREL. Von Madeline Geocaris und Justin Daugherty
Haben Sie einen Tipp für CleanTechnica? Möchten Sie Werbung machen? Möchten Sie einen Gast für unseren CleanTech Talk-Podcast vorschlagen? Kontaktieren Sie uns hier.
Neuestes CleanTechnica.TV-Video
CleanTechnica verwendet Affiliate-Links. Sehen Sie sich hier unsere Richtlinien an.