Kako zemlje širom sveta prelaze na veću proizvodnju vetra i sunca i elektrifikuju krajnju upotrebu energije, društva postaju sve više povezana sa vremenskim uslovima. U međuvremenu, klima se brzo menja i ekstremne vremenske prilike čine „novom normalnošću“.
Planerima i operaterima energetskih sistema potrebni su detaljni podaci visoke rezolucije projektovani u budućnost da bi razumeli kako će klimatske promene uticati na proizvodnju vetra i sunca, potražnju za električnom energijom i druge varijable energije zavisne od vremenskih prilika. Dostupni podaci pokazuju da će klimatske promene verovatno povećati potražnju za energijom, ali postoji vrlo malo resursa visoke rezolucije za kvantifikaciju ovih uticaja.
„Zamišljamo budućnost u kojoj se sva ili skoro sva potražnja za električnom energijom zadovoljava obnovljivim izvorima energije“, rekao je Grant Baster, naučnik podataka u Nacionalnoj laboratoriji za obnovljivu energiju (NREL) američkog Ministarstva energetike. „Moramo da razumemo kako klimatske promene mogu uticati na obnovljive resurse poput vetra ili sunca i kako će ti resursi moći da zadovolje naše energetske potrebe u budućnosti.
Upravo zbog toga su Grant Buster, Brandon Benton, Andrev Glavs i Rian King iz NREL razvili Super-rezoluciju za podatke o obnovljivim izvorima energije sa uticajima klimatskih promjena, ili Sup3rCC (izgovara se „super-c-c“), što je istaknuto u časopisu Nature Energy.
Sup3rCC je model otvorenog koda koji koristi generativno mašinsko učenje za proizvodnju najsavremenijih budućih skupova klimatskih podataka koji su dostupni javnosti besplatno. Smanjeni klimatski podaci su neophodni da bi se razumeli uticaji klimatskih promena na lokalne izvore vetra i sunca i potražnju za energijom.
Postoji mnoštvo postojećih metoda smanjenja veličine, ali sve one imaju kompromise u rezoluciji, računskim troškovima i fizičkim ograničenjima u prostoru i vremenu. Sup3rCC predstavlja novo polje generativnih metoda mašinskog učenja koje mogu proizvesti fizički realistične podatke visoke rezolucije 40 puta brže od tradicionalnih metoda dinamičkog smanjenja.
„Sup3rCC će promeniti način na koji proučavamo i planiramo buduće energetske sisteme“, rekao je Dan Bilello, direktor Centra za stratešku energetsku analizu u NREL-u. „Alatka proizvodi osnovne klimatske podatke koji se mogu uključiti u modele energetskog sistema i pružiti preko potrebni uvid donosiocima odluka koji su odgovorni za održavanje svetla.
Istraživanja energetskog sistema i klimatska istraživanja tradicionalno su prešućena iz nekoliko razloga. Rezolucija tradicionalnih globalnih klimatskih modela je previše gruba iu vremenu iu prostoru za većinu modela energetskog sistema, a poboljšanje rezolucije je računski skupo.
Globalni klimatski modeli takođe ne stvaraju ili ne štede uvek rezultate koji su potrebni za modeliranje proizvodnje obnovljive energije. Osim toga, postojeći javno dostupni skupovi podataka globalnog klimatskog modela nisu obično povezani sa cevovodima podataka i softverom koji se koristi u istraživanju energetskog sistema.
Zbog ovih upornih izazova, većina planera energetskih sistema se oslanjala na istorijske podatke visoke rezolucije o vetru, sunčevoj svetlosti i temperaturi da bi modelirali proizvodnju i potražnju električne energije. Ali ignorisanje budućih klimatskih uslova može biti rizično kada je u pitanju planiranje pouzdanog energetskog sistema, što je naglašeno nedavnim nestankom struje u Kaliforniji i Teksasu.
Sve veća zajednica modelara i analitičara u NREL-u radi na prevazilaženju energetsko-klimatskog prekida.
„Nauka o klimi je složena oblast sa ogromnom količinom podataka, ogromnim neizvesnostima i ne puno resursa o tome kako se informacije mogu ili treba primeniti na druge oblasti studija“, rekao je Baster. „U NREL-u, cilj nam je da okupimo zajednice koje se bave modeliranjem energije i klime kako bismo efikasno i na odgovarajući način koristili klimatske informacije za usmeravanje dizajna i rada energetskog sistema.
Sup3rCC je kreiran kroz partnerstvo između energetskih analitičara i računarskih naučnika u NREL-u kako bi se bolje uključile višedecenijske promene klime i meteorološke varijabilnosti u modeliranje energetskih sistema. „Ovaj rad premošćuje jaz između energetskog sistema i zajednica koje se bave istraživanjem klime kako bi se značajno unapredilo polje istraživanja energije i klime u razvoju“, rekao je Bilello.
Sup3rCC prevazilazi računarske izazove tradicionalnih tehnika dinamičkog smanjenja tako što koristi moć nedavnog napretka u tehnici generativnog mašinskog učenja koja se zove generativne adversarijske mreže (GANS).
„Generativno mašinsko učenje je tehnologija kamen temeljac u srcu našeg pristupa super rezolucije“, rekao je Rajan King, računarski istraživač u NREL-u i ko-programer Sup3rCC-a. „Bilo bi nemoguće da proizvedemo ove analize bez mašinskog učenja.“
Sup3rCC uči fizičke karakteristike prirode i atmosfere proučavajući NREL-ove istorijske skupove podataka visoke rezolucije, uključujući Nacionalnu bazu podataka o solarnom zračenju i Nacionalni set alata za integraciju vetra. Model zatim ubrizgava fizički realistične informacije malog obima koje je naučio iz skupova podataka u grube buduće rezultate globalnih klimatskih modela.
Kao rezultat toga, Sup3rCC generiše veoma detaljne podatke o temperaturi, vlažnosti, brzini vetra i sunčevom zračenju na osnovu najnovijih najsavremenijih budućih klimatskih projekcija. Sup3rCC izlazi se zatim mogu koristiti za proučavanje buduće proizvodnje električne energije iz obnovljivih izvora, promena u potražnji za energijom i uticaja na rad elektroenergetskog sistema. Početni skup podataka Sup3rCC uključuje podatke od 2015. do 2059. za susedne Sjedinjene Države, a dodatni skupovi podataka biće objavljeni u narednim godinama.
„Naš rad na super rezoluciji je jedinstven po tome što istovremeno poboljšavamo prostornu i vremensku rezoluciju i ubacujemo mnogo više informacija nego ikada ranije“, rekao je King. „Sup3rCC čuva putanje velikih razmera klimatskih simulacija, dok ih daje realističnim karakteristikama malih razmera koje su ključne za tačne procene obnovljivih izvora energije i predviđanje opterećenja.
Sup3rCC povećava prostornu rezoluciju globalnih klimatskih modela za 25 puta u svakom horizontalnom pravcu i vremensku rezoluciju za 24 puta – što predstavlja 15.000 puta povećanje ukupne količine podataka. Model može da uradi ovaj proces 40 puta brže od tradicionalnih modela dinamičkog smanjenja tako da planeri i operateri energetskih sistema mogu da pređu direktno na planiranje u velikim razmerama.
To će omogućiti istraživačima u NREL-u i šire da istraže vremenske događaje kao što su budući toplotni talasi i interakcija između električne mreže i proizvodnje obnovljive energije.
„Naš pristup dramatično smanjuje računske troškove generisanja podataka visoke prostorne i vremenske rezolucije za nekoliko redova veličine“, rekao je King. „Ovo nam omogućava da razmotrimo promene u obnovljivim resursima i potražnji za električnom energijom u mnoštvu budućih klimatskih scenarija tokom više decenija, što je ključno za planiranje budućih energetskih sistema.
Skupovi podataka Sup3rCC pridružuju se porodici podataka visoke rezolucije u NREL-u koji su omogućili ogroman porast u velikim studijama obnovljive energije. Izlazi iz Sup3rCC-a su kompatibilni sa NREL-ovim modelom potencijala obnovljive energije (reV) za proučavanje proizvodnje vetra i sunca i interakciju sa čitavim paketom NREL alata za modeliranje. Korisnici mogu pristupiti Sup3rCC podacima na Amazon Veb Services i pokrenuti reV u oblaku sa svoje radne površine kako bi videli kako se menjaju proizvodnja vetra i sunca, kapacitet i troškovi sistema u različitim klimatskim scenarijima.
Uspeh Sup3rCC i mnogih drugih NREL projekata sa velikim uticajem, vođenih podacima, omogućen je saradnjom između dva različita centra koji su kombinovali ključne snage NREL-a u analizi i računarstvu.
NREL-ov centar za stratešku energetsku analizu je na čelu razvoja arhitekture podataka i softverskih rešenja potrebnih za pokretanje nekih od laboratorijskih studija sa najvećim brojem podataka, kao što su Studija o 100% obnovljivoj energiji u Los Anđelesu, Otpornost mreže u Portoriku i tranzicije ka Studija 100% obnovljive energije i Nacionalna studija planiranja prenosa. Napredna rešenja za podatke čine energetske podatke dostupnijim, upotrebljivijim i efikasnijim za istraživače i inženjere NREL-a i šire.
Ova napredna rešenja za podatke takođe ne bi bila moguća bez NREL-ovog Centra za računarske nauke, koji koristi računarske metode za razvoj revolucionarnog, međudisciplinarnog prikupljanja i analize podataka.
Na primer, u studiji LA100, multidisciplinarni tim od desetina NREL stručnjaka koristio je NREL-ov superkompjuter da pokrene više od 100 miliona simulacija pri ultravisokoj prostornoj i vremenskoj rezoluciji kako bi procenio niz budućih scenarija kako bi LADVP-ov sistem napajanja mogao evoluirati do 100% obnovljiva budućnost. Smislene saradnje poput ove između analize i računarske nauke unapređuju NREL istraživanja u energetskoj efikasnosti, održivom transportu, optimizaciji energetskog sistema i još mnogo toga.
„Radeći zajedno sa drugim centrima i grupama širom laboratorije, možemo pomoći u podizanju ukupnih mogućnosti podataka u NREL-u“, rekao je Bilello. „Kroz saradnju gradimo okvir koji će nas pripremiti da preuzmemo nove, inovativne istraživačke izazove fokusirane na podatke.“
