从暴雨、洪涝、干旱、飓风、森林火灾等气候极端事件频率的增加,到极地冰川融化导致的海平面上升,再到生物多样性的丧失和水资源压力的加剧,全球变暖已经真真切切地影响到地球上的每一个人。

扩大可再生能源的部署是减缓全球变暖的有效途径,中国承诺在 2030 年实现「碳达峰」,2060 年实现「碳中和」。为实现这一目标,我国计划大力推动可再生能源的采用和发展,清洁、可持续的风能便是最受重视的资源之一。然而,风能资源的一个缺点是它依赖气象驱动,具有间歇性。尤其是在气候变化的大背景下,这一缺点可能会被进一步放大。

针对于此,许多研究开始探索如何检测区域风能受气候变化的影响。在相同气情境 (scenario) 下,不同模型可能会产生不同的风速变化预测,而同一模型在不同情境下也可能会产生不同的风速变化预测。这种模型间的不确定性和情境不确定性是评估气候变化下风能发电潜力变化的重大挑战。

近期,来自北京师范大学环境学院的研究团队在 ACS Publications 发布了题为「Assessing Climate Change Impacts on Wind Energy Resources over China Based on CMIP6 Multimodel Ensemble」的最新论文。该研究在全球变暖的大背景下,评估了风能潜势 (wind energy potential) 将如何发生变化。

与过往大多数仅使用一个或少数几个气候模型,进行区域风能潜力预测的研究相比,该研究采用了 22 个 CMIP6 全球气候模型 (Global Climate Model, GCM) 作为输出,从而对模型间的不确定性进行可靠评估。此外,改善风速模拟可以有效减少模型间不确定性,因此该研究还采用了深度卷积神经网络 (CNN),与高效通道注意力 (ECA) 模块 (ECA-Net) 相结合来生成可靠的预测结果。相关评估结果对于我国风力发电的中长期规划,以及与碳排放减少相关的政策制定具有重要意义。

研究亮点:

* 该研究对我国的风能发电潜力在低、中、高升温模式下进行了比较,以更好地考虑环境的不确定性

* 该研究采用了 22 个 CMIP6 GCM 输出的大尺度预测因子,生成了 22 组模拟数据,从而对模型间不确定性进行可靠评估

* 该研究的发现对于我国风力发电的中长期规划以及与碳排放减少相关的政策制定或实施具有重要意义

关注公众号,后台回复「风能」获取完整 PDF

数据集:基于历史数据多方评估
该研究利用欧洲中期天气预报中心 (the European Centre for Medium-Range Weather Forecasts, ECMWF ) 的全球气候再分析数据集 (ERA5) 中的月度大尺度预测因子,以及 1981 年至 2005 年观测到的月度风速数据,建立了 ECA-Net 降尺度模型。

其中,大尺度预测因子包括东向近地表风速 (m/s)、北向近地表风速 (m/s)、近地表风速 (m/s)、近地表温度 (K)、海平面气压 (Pa)、地表下行短波辐射 (W/m²)、地表向上感热通量 (W/m²) 和 200 hPa 空气温度 (K)。月度风速数据来自中国气象局国家气象信息中心的中国国家站基础要素数据集 V3.0。

下表列出了本研究中使用的数据集的详细信息:



本研究使用的数据集列表

模型架构:基于三种排放情境进行预测
本研究基于 ECA-Net 方法建立了 ECA-Net 降尺度模型,并利用 2006 年至 2010 年的数据对建立的模型进行验证。然后,利用被验证的模型,通过由 GCM 提供的月度大尺度预测因子,对多种情境下的未来风速进行了投影,并基于风能密度函数计算了风能潜力。


本研究的流程图

上图中,浅粉色框表示训练数据,浅绿色框表示验证数据,黄色框表示 GCM 数据,浅蓝色框表示 ECA-Net 降尺度模型,橙色框表示降尺度风速,灰色框表示风能潜力计算,绿色框表示在气候变化下风能潜力变化的分析。

未来气候预测涉及三种升温模式下的排放情境,即 SSP1-2.6、SSP2-4.5 和 SSP5-8.5。SSP1-2.6 表示较低的温室气体排放水平和相对较小的气候变化,预示着到 2100 年温度升高不超过 2°C,SSP2-4.5 是指中度温室气体排放情境, SSP5-8.5 则是指高及非常高温室气体排放情境。

为了构建 GCM 数据的集合风速投影,该研究首先将每个 CMIP6 GCM 输出的大尺度预测因子分别输入 ECA-Net 模型,生成共 22 组风速模拟数据。然后,基于获得的模拟数据计算集合平均值。最后,在我国预测的风能潜力上进行了空间和时间变异性分析、K 均值聚类分析和热点分析。

为了进行比较分析,根据典型的地理和气候条件,我国被划分为七个地区,即东北地区 (NEC)、华北地区 (NC)、华东地区 (EC)、华南地区 (SC)、华中地区 (CC)、西北地区 (NWC) 和西南地区 (SWC),并将未来 30 年分为两个时段(2031-2060 年和 2071-2100 年),将变化与 1985-2014 年的基准期进行评估。


研究区域划分及气象站分布

研究结果:我国风能发展受到气候变化挑战
验证结果表明,ECA-Net 降尺度模型在我国及其子区域表现良好。

具体而言,如下图,在高、中、低三种碳排放情境下,研究人员计算了各子区域风能密度的时空变化趋势,结果显示,在 α 水平为 0.05 时具有统计学显著性(除了 SSP5-8.5 情境下的中部地区)。预计本世纪我国整体的风能密度将呈现轻微下降趋势,趋势的幅度取决于排放情境。除了华东、中部和南部地区之外,其他子区域的风能密度相对变化显示出较大的下降趋势,特别是在 SSP5-8.5 情境下。风能密度的变化在不同地区存在明显的区域差异。

我国南部地区(华东、中部和南部地区)的风能密度变化幅度相对较低。在所有子区域中,华北地区可能会出现最大的风能密度减少,在 SSP5-8.5 情境下,到 2100 年可能达到 22.79% 。

年度域平均风能密度变化预测(单位:%)

预计风能强度的增加将出现在相对较冷的月份,而在较高排放情境下的幅度更大。除了中世纪(2031-2060 年)在 SSP2-4.5 情境下,我国大部分地区的风能资源都将经历减少。

在三种情境下,风能潜力在本世纪末的减少幅度大于世纪中叶。集合投影显示,本世纪末(2071-2100 年),在 SSP2-4.5 和 SSP5-8.5 情境下,重庆、湖南和海南部分地区的年均风能资源将有所增加。

风能资源的变化呈现明显的季节性。大多数地区的风能资源变化幅度在冬季比夏季更大。在 2031-2060 年,SSP2-4.5 和 SSP5-8.5 情境下,大部分地区冬季的风能潜力呈增长趋势,而夏季则相反——这种明显的季节性特征可能归因于季风和洋流的季节性变化。

通过 K 均值聚类确定的我国北部和西部站点显示出明显的减少趋势。这表明,由于气候变化,我国部分地区的风能资源可能会减少并在年内和年际间更加不稳定。


在SSP1-2.6、SSP2-4.5和SSP5-8.5情境下,
2031-2060和2071-2100两个未来时期风能密度年际变化的变化预测(单位:%)


在SSP1-2.6、SSP2-4.5和SSP5-8.5情境下,
2031-2060和2071-2100两个未来时期风能密度的年内变异预测变化(单位:%)

这些发现都表明,我国风能发展的可持续性可能会受到气候变化的挑战。

风能资源前景巨大但仍面临挑战
为缓解化石能源燃烧排放二氧化碳造成的温室效应,传统能源结构必须改革升级,以促进清洁低碳能源的发展。风能作为一种清洁的可再生能源,取之不尽,用之不竭,而且对于缺水、缺燃料和交通不便的沿海岛屿、草原牧区、山区和高原地带,因地制宜地利用风力发电,非常适合。因此风力发电愈发受到世界各国的重视,正在世界上形成一股热潮。

风力发电蕴量巨大,全球的风能约为 2.74×109 MW,其中可利用的风能为 2×107 MW,比地球上可开发利用的水能总量还要大 10 倍。据国际可再生能源署 (IRENA) 统计,近年来全球风力发电行业高速发展,拥有广阔前景。2017 年,全球风力发电量突破 1000 亿千瓦时,达 1141.5 亿千瓦时,同比增长 18.65%;2022 年,全球风力发电量突破新纪录,达 2104.8 亿千瓦时,较 2020年 增长 13.52%。


.2016-2022 年全球风电装机容量
(来源:GWEC、智研咨询整理)

在我国,发展风力发电有利于平衡能源供需矛盾、实现可持续发展,更是对实现「碳中和」目标具有十分重要的现实意义。国家能源局发布的数据显示,截至 2021 年 11 月,我国风电并网装机容量达到 30,015 万千瓦,突破 3 亿千瓦大关,是 2020 年底欧盟风电总装机的 1.4 倍、是美国的 2.6 倍,已连续 12 年稳居全球第一。

然而,与常规能源相比,风电间歇性、可变性的特点造成了风电比较强的波动性和随机性,风电并网必然会给电力系统带来巨大冲击,影响电能质量。此外,风速的长期变化也为风能行业的规划布局带来了一定挑战,这对未来风速和风功率变化的预估提出了迫切需求。

观测表明,中国近年来地表风速持续减小,且存在较大的区域和季节差异。如何有效控制碳排放,分区域、分季节、全方位因地制宜开发风能,保障中国未来清洁能源的调度和利用,依然任重而道远。

来源: HyperAI超神经