Quantifying Climate Change Impacts on Renewable Energy Generation: A Super-Resolution Recurrent Diffusion Model

要約

グローバルな気候変動と進行中のエネルギー移行に起因する、電源能力と気象要因の間の結合がますます重要になっています。
長期にわたって、気候変動の影響下で再生可能エネルギーの発電を正確に定量化することは、持続可能な電力システムの開発に不可欠です。
ただし、データ要件の学際的な違いにより、気候データには、再生可能エネルギー資源の短期的なばらつきと不確実性をキャプチャするために必要な1時間ごとの解決がしばしば欠けています。
この制限に対処するために、気候データの時間的解像度を強化し、短期の不確実性をモデル化するために、超解像度の再発拡散モデル（SRDM）が開発されました。
SRDMには、事前に訓練されたデコーダーと除去ネットワークが組み込まれており、再発カップリングメカニズムを通じて長期的な高解像度の気候データを生成します。
高解像度の気候データは、メカニズムモデルを使用して電力値に変換され、将来の長期スケールでの風力と太陽光発電（PV）の発電のシミュレーションが可能になります。
ケーススタディは、中国の内モンゴルのエジナ地域で実施され、第5世代の再分析（ERA5）と2つの気候経路であるSSP126およびSSP585の結合モデル相互比較プロジェクト（CMIP6）データを使用して実施されました。
結果は、SRDMが超解像度の気候データを生成する際に既存の生成モデルよりも優れていることを示しています。
さらに、この研究では、低解像度の気候データが電力変換に使用されるときに導入された推定バイアスを強調しています。

要約(オリジナル)

Driven by global climate change and the ongoing energy transition, the coupling between power supply capabilities and meteorological factors has become increasingly significant. Over the long term, accurately quantifying the power generation of renewable energy under the influence of climate change is essential for the development of sustainable power systems. However, due to interdisciplinary differences in data requirements, climate data often lacks the necessary hourly resolution to capture the short-term variability and uncertainties of renewable energy resources. To address this limitation, a super-resolution recurrent diffusion model (SRDM) has been developed to enhance the temporal resolution of climate data and model the short-term uncertainty. The SRDM incorporates a pre-trained decoder and a denoising network, that generates long-term, high-resolution climate data through a recurrent coupling mechanism. The high-resolution climate data is then converted into power value using the mechanism model, enabling the simulation of wind and photovoltaic (PV) power generation on future long-term scales. Case studies were conducted in the Ejina region of Inner Mongolia, China, using fifth-generation reanalysis (ERA5) and coupled model intercomparison project (CMIP6) data under two climate pathways: SSP126 and SSP585. The results demonstrate that the SRDM outperforms existing generative models in generating super-resolution climate data. Furthermore, the research highlights the estimation biases introduced when low-resolution climate data is used for power conversion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google