新的開源生成機器學習模型模擬未來的能源氣候影響

隨著世界各國轉向更多的風能和太陽能發(fā)電以及能源最終用途的電氣化，社會與天氣條件的關系變得越來越緊密。與此同時，氣候正在迅速變化，極端天氣事件成為“新常態(tài)”。

能源系統(tǒng)規(guī)劃者和運營商需要預測未來的詳細、高分辨率數(shù)據(jù)，以了解氣候變化將如何影響風能和太陽能發(fā)電、電力需求和其他與天氣相關的能源變量。現(xiàn)有數(shù)據(jù)顯示，氣候變化可能會增加能源需求，但很少有高分辨率資源來量化這些影響。

美國能源部國家可再生能源實驗室(NREL)的數(shù)據(jù)科學家格蘭特·巴斯特(Grant Buster)表示：“我們設想未來所有或幾乎所有電力需求都由可再生能源滿足。” “我們需要了解風能或太陽能等可再生資源可能會受到氣候變化的影響，以及這些資源將如何滿足我們未來的能源需求。”

這正是 NREL 的 Grant Buster、Brandon Benton、Andrew Glaws 和 Ryan King 開發(fā)具有氣候變化影響的可再生能源資源數(shù)據(jù)超分辨率 (Super-Resolution for Renewable Energy Resource Data with Climate Change Impacts) 或 Sup3rCC(發(fā)音為“super-cc”)的原因，該技術在《自然·能源》雜志上得到了強調雜志文章。

Sup3rCC 是一個開源模型，它使用生成機器學習來生成最先進的縮小規(guī)模的未來氣候數(shù)據(jù)集，并向公眾免費提供。為了了解氣候變化對當?shù)仫L能和太陽能資源以及能源需求的影響，需要縮小規(guī)模的氣候數(shù)據(jù)。

現(xiàn)有的降尺度方法有很多種，但它們都在分辨率、計算成本以及空間和時間的物理限制方面進行權衡。 Sup3rCC 代表了生成機器學習方法的一個新領域，它可以比傳統(tǒng)動態(tài)縮小方法快 40 倍地生成物理真實的高分辨率數(shù)據(jù)。

NREL 戰(zhàn)略能源分析中心主任 Dan Bilello 表示：“Sup3rCC 將改變我們研究和規(guī)劃未來能源系統(tǒng)的方式。” “該工具生成的基礎氣候數(shù)據(jù)可以插入能源系統(tǒng)模型中，并為負責保持電力供應的決策者提供急需的見解。”

克服能源與氣候脫節(jié)

由于多種原因，能源系統(tǒng)研究和氣候研究傳統(tǒng)上是孤立的。對于大多數(shù)能源系統(tǒng)模型來說，傳統(tǒng)全球氣候模型在時間和空間上的分辨率都過于粗糙，并且提高分辨率的計算成本很高。

全球氣候模型也并不總是生成或保存可再生能源發(fā)電模型所需的輸出。此外，現(xiàn)有的公開全球氣候模型數(shù)據(jù)集通常不與能源系統(tǒng)研究中使用的數(shù)據(jù)管道和軟件連接。

標簽：