Ein Forschungsteam Der Beijing Normal University Hat Das ECA-Net-Modell Entwickelt, Um Chinas Windenergienutzungspotenzial in Den Nächsten 70 Jahren Vorherzusagen

Von der zunehmenden Häufigkeit extremer Klimaereignisse wie Starkregen, Überschwemmungen, Dürren, Wirbelstürmen und Waldbränden über den Anstieg des Meeresspiegels infolge des Abschmelzens der Polargletscher bis hin zum Verlust der Artenvielfalt und zunehmender Wasserknappheit hat die globale Erwärmung tatsächlich jeden Menschen auf dem Planeten betroffen.

Der Ausbau erneuerbarer Energien ist ein wirksames Mittel zur Verlangsamung der globalen Erwärmung. China hat sich verpflichtet, bis 2030 den Höhepunkt der Kohlenstoffemissionen zu erreichen und bis 2060 CO2-Neutralität zu erreichen. Um dieses Ziel zu erreichen, plant unser Land, die Einführung und Entwicklung erneuerbarer Energien energisch zu fördern, und saubere und nachhaltige Windenergie ist eine der wertvollsten Ressourcen. Ein Nachteil der Windenergie besteht jedoch darin, dass sie von meteorologischen Faktoren abhängig und nur unregelmäßig verfügbar ist. Dieses Defizit könnte sich insbesondere im Zusammenhang mit dem Klimawandel noch verstärken.

Als Reaktion darauf haben viele Studien begonnen, sich mit der Frage zu befassen, wie sich die Auswirkungen des Klimawandels auf die regionale Windenergie ermitteln lassen. Unter demselben Wetterszenario können unterschiedliche Modelle unterschiedliche Vorhersagen zur Änderung der Windgeschwindigkeit liefern, und dasselbe Modell kann unter verschiedenen Szenarien auch unterschiedliche Vorhersagen zur Änderung der Windgeschwindigkeit liefern.Diese Unsicherheit zwischen den Modellen und die Unsicherheit der Szenarien stellen eine große Herausforderung bei der Beurteilung von Veränderungen des Potenzials zur Stromerzeugung durch Windkraft im Zuge des Klimawandels dar.

Kürzlich veröffentlichte ein Forschungsteam der School of Environment der Beijing Normal University in ACS Publications eine neue Abhandlung mit dem Titel „Assessing Climate Change Impacts on Wind Energy Resources over China Based on CMIP6 Multimodel Ensemble“. Die Studie untersuchte, wie sich das Windenergiepotenzial im Zusammenhang mit der globalen Erwärmung verändern wird.

Im Vergleich zu den meisten früheren Studien, die nur ein oder wenige Klimamodelle zur Vorhersage des regionalen Windenergiepotenzials verwendeten,Die Studie verwendete 22 CMIP6-Globalklimamodelle (GCMs) als Ausgabe, um eine zuverlässige Bewertung der Unsicherheiten zwischen den Modellen zu ermöglichen.Darüber hinaus kann eine Verbesserung der Windgeschwindigkeitssimulation die Unsicherheit zwischen den Modellen wirksam reduzieren. Daher wurde in dieser Studie auch ein tiefes Convolutional Neural Network (CNN) in Kombination mit einem Efficient Channel Attention (ECA)-Modul (ECA-Net) eingesetzt, um zuverlässige Vorhersageergebnisse zu erzielen. Die entsprechenden Bewertungsergebnisse sind für die mittel- und langfristige Planung der Windenergieerzeugung in meinem Land und für die Formulierung politischer Maßnahmen zur Reduzierung der Kohlendioxidemissionen von großer Bedeutung.

Forschungshighlights:

* Die Studie verglich das Windenergiepotenzial meines Landes unter niedrigen, mittleren und hohen Erwärmungsszenarien, um Umweltunsicherheiten besser zu berücksichtigen.

* Diese Studie verwendete 22 groß angelegte Prädiktoren aus CMIP6-GCM-Ausgaben, um 22 Sätze von Simulationsdaten zu generieren und so eine robuste Bewertung der Unsicherheit zwischen den Modellen zu ermöglichen.

* Die Ergebnisse dieser Studie sind von großer Bedeutung für die mittel- und langfristige Planung der Windenergieerzeugung in meinem Land sowie für die Formulierung oder Umsetzung politischer Maßnahmen zur Reduzierung der Kohlendioxidemissionen.

Papieradresse:
https://pubs.acs.org/doi/abs/10.1021/acs.estlett.3c00829 

Folgen Sie dem offiziellen Account und antworten Sie mit „Windenergie“, um das vollständige PDF zu erhalten

Datensatz: Mehrfachauswertungen basierend auf historischen Daten

In dieser Studie wurde das ECA-Net-Downscaling-Modell unter Verwendung monatlicher großräumiger Vorhersagefaktoren aus dem globalen Klima-Reanalyse-Datensatz (ERA5) des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) und monatlicher Windgeschwindigkeitsdaten aus den Jahren 1981 bis 2005 erstellt.

Zu den großräumigen Vorhersagefaktoren zählen unter anderem die ostwärts gerichtete Windgeschwindigkeit in Bodennähe (m/s), die nordwärts gerichtete Windgeschwindigkeit in Bodennähe (m/s), die bodennahe Windgeschwindigkeit (m/s), die bodennahe Temperatur (K), der Luftdruck auf Meereshöhe (Pa), die abwärts gerichtete kurzwellige Strahlung an der Oberfläche (W/m²), der aufwärts gerichtete fühlbare Wärmestrom an der Oberfläche (W/m²) und die Lufttemperatur bei 200 hPa (K). Die monatlichen Windgeschwindigkeitsdaten stammen aus dem China National Station Basic Element Dataset V3.0 des National Meteorological Information Center der China Meteorological Administration.

Datensatzadresse: http://data.cma.cn/en

In der folgenden Tabelle sind die Details der in dieser Studie verwendeten Datensätze aufgeführt:

Modellarchitektur: Prognosen basierend auf drei Emissionsszenarien

In dieser Studie wurde das ECA-Net-Downscaling-Modell basierend auf der ECA-Net-Methode erstellt und die Daten von 2006 bis 2010 wurden verwendet, um das erstellte Modell zu überprüfen. Anschließend wurde mithilfe des validierten Modells die zukünftige Windgeschwindigkeit unter verschiedenen Szenarien durch die monatlichen großräumigen Prädiktoren des GCM projiziert und das Windenergiepotenzial basierend auf der Windenergiedichtefunktion berechnet.

In der obigen Abbildung stellt das hellrosa Kästchen die Trainingsdaten dar, das hellgrüne Kästchen die Validierungsdaten, das gelbe Kästchen die GCM-Daten, das hellblaue Kästchen das ECA-Net-Downscaling-Modell, das orangefarbene Kästchen die herunterskalierte Windgeschwindigkeit, das graue Kästchen die Berechnung des Windenergiepotenzials und das grüne Kästchen die Analyse der Veränderung des Windenergiepotenzials im Zuge des Klimawandels.

Zukünftige Klimaprojektionen beinhalten Emissionsszenarien unter drei Erwärmungsmustern, nämlich SSP1-2.6, SSP2-4.5 und SSP5-8.5. SSP1-2.6 steht für niedrigere Treibhausgasemissionen und einen relativ geringen Klimawandel, was darauf schließen lässt, dass der Temperaturanstieg bis 2100 2 °C nicht überschreiten wird. SSP2-4.5 bezieht sich auf Szenarien mit moderaten Treibhausgasemissionen und SSP5-8.5 auf Szenarien mit hohen und sehr hohen Treibhausgasemissionen.

Um die Ensemble-Windgeschwindigkeitsprojektion der GCM-Daten zu erstellen, wurden in dieser Studie zunächst die von jedem CMIP6-GCM ausgegebenen großräumigen Vorhersagefaktoren in das ECA-Net-Modell eingegeben, um insgesamt 22 Sätze von Windgeschwindigkeitssimulationsdaten zu generieren.Anschließend wird der Ensemble-Mittelwert basierend auf den erhaltenen Simulationsdaten berechnet. Abschließend wurden eine räumliche und zeitliche Variabilitätsanalyse, eine K-Means-Clusteranalyse und eine Hotspot-Analyse zum prognostizierten Windenergiepotenzial in meinem Land durchgeführt.

Für eine vergleichende Analyse wurde mein Land entsprechend den typischen geografischen und klimatischen Bedingungen in sieben Regionen unterteilt, nämlich Nordostchina (NEC), Nordchina (NC), Ostchina (EC), Südchina (SC), Zentralchina (CC), Nordwestchina (NWC) und Südwestchina (SWC). Die nächsten 30 Jahre wurden in zwei Zeiträume (2031–2060 und 2071–2100) unterteilt und die Änderungen im Vergleich zum Basiszeitraum 1985–2014 ausgewertet.

Forschungsergebnisse: Die Entwicklung der Windenergie in meinem Land steht vor Herausforderungen durch den Klimawandel

Die Validierungsergebnisse zeigen, dass das ECA-Net-Downscaling-Modell in meinem Land und seinen Unterregionen gute Leistungen erbringt.

Wie in der Abbildung unten dargestellt, berechneten die Forscher insbesondere unter den drei Kohlenstoffemissionsszenarien hoch, mittel und niedrig die räumlich-zeitlichen Variationstrends der Windenergiedichte in jeder Unterregion. Die Ergebnisse zeigten, dass es bei einem α-Niveau von 0,05 statistisch signifikant war (mit Ausnahme der zentralen Region im Szenario SSP5-8.5).Es wird erwartet, dass die Gesamtdichte der Windenergie in meinem Land in diesem Jahrhundert einen leichten Abwärtstrend aufweist, wobei das Ausmaß des Trends vom Emissionsszenario abhängt.Mit Ausnahme von Ostchina, Zentralchina und Südchina zeigen die relativen Veränderungen der Windenergiedichte in anderen Unterregionen einen starken Abwärtstrend, insbesondere im Szenario SSP5-8.5. Es gibt deutliche regionale Unterschiede bei der Veränderung der Windenergiedichte in verschiedenen Regionen.

Die Schwankungsbreite der Windenergiedichte im Süden meines Landes (Ostchina, Zentralchina und Südchina) ist relativ gering. Von allen Unterregionen wird Nordchina voraussichtlich den größten Rückgang der Windenergiedichte erleben, der im SSP5-8.5-Szenario bis 2100 22,791 TP3T erreichen könnte.

Den Projektionen zufolge wird es in den kühleren Monaten zu einer Zunahme der Windintensität kommen, und sie wird im Szenario höherer Emissionen stärker ausfallen.Mit Ausnahme des Mittelalters (2031–2060) werden die Windenergieressourcen im Szenario SSP2–4.5 in den meisten Teilen meines Landes einen Rückgang erfahren.

In allen drei Szenarien nimmt das Windenergiepotenzial bis zum Ende des Jahrhunderts stärker ab als bis zur Mitte des Jahrhunderts. Die Ensembleprojektionen zeigen, dass bis zum Ende dieses Jahrhunderts (2071–2100) die durchschnittlichen jährlichen Windenergieressourcen in Teilen von Chongqing, Hunan und Hainan gemäß den Szenarien SSP2–4.5 und SSP5–8.5 zunehmen werden.

Veränderungen der Windenergieressourcen weisen eine deutliche Saisonalität auf. In den meisten Regionen schwanken die Windressourcen im Winter stärker als im Sommer. In den Jahren 2031–2060 weist das Windenergiepotenzial in den meisten Regionen im Winter gemäß den Szenarien SSP2–4.5 und SSP5–8.5 einen steigenden Trend auf, während im Sommer das Gegenteil der Fall ist. Dieses offensichtliche saisonale Merkmal kann auf die jahreszeitlichen Veränderungen des Monsuns und der Meeresströmungen zurückgeführt werden.

Die durch K-Means-Clustering identifizierten Stationen im Norden und Westen meines Landes zeigten einen klaren Abwärtstrend. Dies deutet darauf hin, dass die Windenergieressourcen in einigen Teilen meines Landes aufgrund des Klimawandels innerhalb und zwischen den Jahren abnehmen und instabiler werden könnten.

Diese Ergebnisse deuten darauf hin, dass die Nachhaltigkeit der Windenergieentwicklung in meinem Land durch den Klimawandel gefährdet sein könnte.

Windenergieressourcen bieten großartige Aussichten, stehen aber immer noch vor Herausforderungen

Um den Treibhauseffekt zu mildern, der durch Kohlendioxidemissionen aus der Verbrennung fossiler Energie entsteht, muss die traditionelle Energiestruktur reformiert und modernisiert werden, um die Entwicklung sauberer und kohlenstoffarmer Energie zu fördern. Windenergie ist eine saubere und erneuerbare Energiequelle, die unerschöpflich ist. Es eignet sich sehr gut für Küsteninseln, Weidelandgebiete, Bergregionen und Hochplateaus, in denen Wasser und Treibstoff knapp sind und die Verkehrsanbindung schlecht ist. Damit kann entsprechend den örtlichen Gegebenheiten Windstrom erzeugt werden. Aus diesem Grund wird der Energieerzeugung aus Windkraft in Ländern auf der ganzen Welt immer mehr Beachtung geschenkt und sie entwickelt sich zu einem globalen Trend.

Die Windenergieerzeugung hat ein enormes Potenzial. Die globale Windenergie beträgt etwa 2,74×10⁹ MW, davon 2×10⁷ MW, was zehnmal größer ist als die gesamte nutzbare Wasserkraft auf der Erde. Statistiken der Internationalen Agentur für Erneuerbare Energien (IRENA) zufolge hat sich die globale Windkraftbranche in den letzten Jahren rasant entwickelt und verfügt über große Zukunftsaussichten. Im Jahr 2017 überstieg die weltweite Stromerzeugung aus Windkraft die Marke von 100 Milliarden kWh und erreichte 114,15 Milliarden kWh, was einem Anstieg von 18,651 TP3T gegenüber dem Vorjahr entspricht. Im Jahr 2022 erreichte die weltweite Stromerzeugung aus Windkraft einen neuen Rekord und erreichte 210,48 Milliarden kWh, was einem Anstieg von 13,521 TP3T gegenüber 2020 entspricht.

In meinem Land trägt die Entwicklung der Windenergieerzeugung dazu bei, den Widerspruch zwischen Energieangebot und -nachfrage auszugleichen und eine nachhaltige Entwicklung zu erreichen. Darüber hinaus hat es eine ganz wichtige praktische Bedeutung für die Erreichung des Ziels „Klimaneutralität“. Von der Nationalen Energiebehörde veröffentlichte Daten zeigen, dass die installierte Leistung der netzgekoppelten Windkraft in meinem Land im November 2021 300,15 Millionen Kilowatt erreichte und damit die 300-Millionen-Kilowatt-Marke durchbrach. Dies entspricht dem 1,4-Fachen der gesamten installierten Windkraftkapazität der Europäischen Union Ende 2020 und dem 2,6-Fachen der Kapazität der Vereinigten Staaten. Zwölf Jahre in Folge belegte es den ersten Platz auf der Welt.

Im Vergleich zu konventioneller Energie führen die intermittierenden und variablen Eigenschaften der Windenergie jedoch dazu, dass diese stärker volatil und unzuverlässig ist. Die Einbindung der Windenergie in das Stromnetz wird unweigerlich enorme Auswirkungen auf das Stromnetz haben und die Qualität der Elektrizität beeinträchtigen. Auch,Die langfristigen Veränderungen der Windgeschwindigkeit bringen auch gewisse Herausforderungen für die Planung und Auslegung der Windenergiebranche mit sich, was die dringende Notwendigkeit zur Vorhersage künftiger Veränderungen der Windgeschwindigkeit und Windkraft nach sich zieht.

Beobachtungen zeigen, dass die Oberflächenwindgeschwindigkeit in China in den letzten Jahren weiter abgenommen hat, wobei große regionale und saisonale Unterschiede bestehen. Es ist noch ein langer Weg, bis China die Kohlendioxidemissionen wirksam kontrollieren, die Windenergie regional, saisonal und umfassend entsprechend den örtlichen Gegebenheiten entwickeln und die Planung und Nutzung sauberer Energie in Zukunft sicherstellen kann.

Quellen:
1.https://pubs.acs.org/doi/10.1021/acs.estlett.3c00829
2.https://pubs.acs.org/doi/suppl/10.1021/acs.estlett.3c00829/suppl_file/ez3c00829_si_001.pdf
3.http://dqkxxb.cnjournals.org/dqkxxb/article/html/20230308
4.https://www.chyxx.com/industry/1154543.html