世界中の国々が風力発電や太陽光発電への移行を進め、エネルギーの最終用途を電力化するにつれ、社会は気象条件とより深く絡み合うようになってきています。一方で、気候は急速に変化しており、異常気象が「新たな常態」となっています。

エネルギー システムのプランナーとオペレーターは、将来を予測した詳細な高解像度データを必要としており、それがどのように行われるかを理解する必要があります。気候変動風力発電や太陽光発電、電力需要、その他の天候に依存するエネルギー変数に影響を与えるでしょう。利用可能なデータは、気候変動によりエネルギー需要が増加する可能性が高いことを示していますが、これらの影響を定量化するための高解像度のリソースはほとんどありません。

「私たちは、電力需要のすべてまたはほぼすべてが電力需要によって満たされる未来を思い描いています。再生可能エネルギー源」と米国エネルギー省国立再生可能エネルギー研究所 (NREL) のデータサイエンティスト、グラント・バスター氏は述べた。将来的にはエネルギーが必要になります。」

まさにそれが、NREL のグラント バスター、ブランドン ベントン、アンドリュー グロウズ、ライアン キングが開発した理由です。気候変動の影響を伴う再生可能エネルギー資源データの超解像、または Sup3rCC (「スーパー c-c」と発音)、自然エネルギー雑誌記事。

Sup3rCC は、生成機械学習を使用して、一般に無料で利用できる最先端のダウンスケールされた将来の気候データ セットを生成するオープンソース モデルです。気候変動が地域の風力、太陽光資源、エネルギー需要に及ぼす影響を理解するには、縮小された気候データが必要です。

既存のダウンスケーリング方法は数多くありますが、それらはすべて、解像度、計算コスト、空間と時間の物理的制約においてトレードオフを伴います。Sup3rCC は、従来の動的ダウンスケーリング手法より 40 倍の速さで物理的に現実的な高解像度データを生成できる生成機械学習手法の新分野を代表します。

「Sup3rCCは、将来のエネルギーシステムの研究と計画の方法を変えるでしょう」とNRELの戦略的エネルギー分析センターのディレクター、ダン・ビレロは述べた。「このツールは、エネルギー システム モデルに組み込むことができる基礎的な気候データを生成し、照明を点灯し続ける責任を負う意思決定者に切​​望されている洞察を提供します。」

エネルギーと気候の断絶を克服する

エネルギー システム研究と気候研究は、いくつかの理由から伝統的にサイロ化されてきました。従来の地球規模の気候モデルの解像度は、ほとんどのエネルギー システム モデルにとって時間と空間の両方にわたって粗すぎ、解像度を高めるには計算コストがかかります。

また、地球規模の気候モデルは、再生可能エネルギーの生成をモデル化するために必要な出力を常に生成または節約するとは限りません。さらに、一般に公開されている既存の地球規模の気候モデル データセットは、エネルギー システム研究で使用されるデータ パイプラインやソフトウェアに接続されていないのが一般的です。

こうした課題が根強く残るため、ほとんどのエネルギー システム プランナーは、発電と需要をモデル化するために、過去の高解像度の風力、太陽光、温度データに依存してきました。しかし、信頼性の高いエネルギー システムを計画する場合、将来の気候条件を無視することは危険を伴う可能性があり、そのことはカリフォルニアとテキサスで最近発生した気象関連の停電によって浮き彫りになっています。

NREL ではモデラーとアナリストのコミュニティが成長しており、エネルギーと気候の断絶を克服するために取り組んでいます。

「気候科学は、膨大な量のデータと大きな不確実性を伴う複雑な分野であり、その情報を他の研究分野にどのように適用できるか、あるいは適用すべきかについてのリソースはあまり多くありません」とバスター氏は述べた。「NRELでは、エネルギーと気候モデリングのコミュニティを結集して、気候情報を効果的かつ適切に利用してエネルギーシステムの設計と運用をガイドすることを目指しています。」

Sup3rCC は、数十年にわたる気候の変化と気象変動をエネルギー システム モデリングにうまく組み込むために、NREL のエネルギー アナリストと計算科学者のパートナーシップを通じて作成されました。「この研究は、エネルギーシステムと気候研究コミュニティの間の溝を埋め、エネルギー気候研究の発展途上分野を大きく前進させるものである」とビレロ氏は述べた。

人工知能の力を活用する

Sup3rCC は、敵対的生成ネットワーク (GANS) と呼ばれる生成機械学習技術の最近の進歩を活用することで、従来の動的ダウンスケーリング技術の計算上の課題を克服します。

NREL の計算研究者であり、Sup3rCC の共同開発者である Ryan King 氏は、「生成機械学習は、当社の超解像アプローチの中心となる基礎技術です」と述べています。「機械学習なしにこれらの分析を行うことは不可能です。」

Sup3rCC は、National Solar Radiation Database や Wind Integration National Dataset Toolkit などの NREL の歴史的高解像度データセットを研究することで、自然と大気の物理的特徴を学習します。次にモデルは、データセットから学習した物理的に現実的な小規模情報を、地球規模の気候モデルからの大まかな将来出力に注入します。

その結果、Sup3rCC は、最新の将来の気候予測に基づいて、非常に詳細な温度、湿度、風速、日射量データを生成します。Sup3rCC の出力は、将来の再生可能エネルギー発電、発電量の変化を研究するために使用できます。エネルギー需要、電力システムの動作に影響を与えます。初期の Sup3rCC データ セットには、本土である米国の 2015 年から 2059 年までのデータが含まれており、追加のデータ セットは今後数年以内にリリースされる予定です。

「私たちの超解像作品は、空間と映像を強化するという点でユニークです。時間解像度「Sup3rCC は、気候シミュレーションの大規模な軌跡を保存しながら、再生可能エネルギー資源の正確な評価と負荷予測に不可欠な現実的な小規模な機能をそれらに与えます。」とキング氏は述べています。

Sup3rCC は、地球規模の気候モデルの空間解像度を各水平方向に 25 倍、時間解像度を 24 倍向上させます。これは、データの総量が 15,000 倍に増加することを意味します。このモデルはこのプロセスを従来の動的ダウンスケーリング モデルより 40 倍高速に実行できるため、エネルギー システム プランナーやオペレーターは大規模な計画に直接取り組むことができます。

これにより、NREL およびその他の研究者は、将来の熱波などの気象現象や、送電網と再生可能エネルギー生成の相互作用を調査できるようになります。

「私たちのアプローチは、空間的および時間的解像度の高いデータを生成するための計算コストを数桁大幅に削減します」とキング氏は述べています。「これにより、数十年にわたる将来の気候シナリオにおける再生可能資源と電力需要の変化を考慮することが可能になり、これは将来のエネルギーシステムを計画する上で重要です。」

スーパーデータがより大規模で優れた研究を支える

Sup3rCC データ セットは、大規模な再生可能エネルギー研究の大幅な増加を可能にした NREL の高解像度データ ファミリーに加わりました。Sup3rCC からの出力は、風力発電と太陽光発電を研究するための NREL の再生可能エネルギー ポテンシャル (reV) モデルと互換性があり、NREL モデリング ツールのスイート全体と相互運用できます。ユーザーは、アマゾン ウェブ サービス上の Sup3rCC データにアクセスし、自分のデスクトップからクラウドで reV を実行して、風力と風力の様子を確認できます。太陽光発電、容量、およびシステムコストは、さまざまな気候シナリオの下で変化します。Sup3rCC や他の多くの影響力の高いデータ駆動型 NREL プロジェクトの成功は、分析とコンピューティングにおける NREL の主要な強みを組み合わせた 2 つの異なるセンター間の協力によって可能になりました。

NREL の戦略的エネルギー分析センターは、データ アーキテクチャの開発の最前線にあり、

ソフトウェアソリューションこれは、ロサンゼルスの 100% 再生可能エネルギー研究、プエルトリコの送電網の回復力と 100% 再生可能エネルギーへの移行に関する研究、国家送電計画研究など、研究所で最も注目を集めているデータ集約型の研究の一部に電力を供給するために必要でした。高度なデータ ソリューションにより、NREL の研究者やエンジニアだけでなく、それ以外の人々にとってエネルギー データがよりアクセスしやすく、使いやすくなり、実用的になります。

これらの高度なデータ ソリューションは、計算手法を使用して画期的な学際的なデータ取得と分析を開発する NREL の計算科学センターなしでは実現できません。

たとえば、LA100 研究では、数十人の NREL 専門家からなる学際的なチームが NREL のスーパーコンピューターを使用して、超高空間的および時間的解像度で 1 億回以上のシミュレーションを実行し、LADWP の電力システムがどのように 100% に進化するかについてのさまざまな将来シナリオを評価しました。再生可能な未来。このような分析と計算科学の間の有意義なコラボレーションにより、エネルギー効率、持続可能な交通、エネルギー システムの最適化などにおける NREL 研究が前進しています。

「研究室全体の他のセンターやグループと協力することで、NREL の全体的なデータ機能を向上させることができます」とビレロ氏は述べました。「私たちはコラボレーションを通じて、データに焦点を当てた新しい革新的な研究課題に取り組むためのフレームワークを構築しています。」