世界では異常気象が増加し続けていますが、世界中の多くの企業活動において天候は依然として見逃されている要素です。この問題は主に、最新の数値天気予報 (NWP) モデルが局所的な重要な気象現象をコスト効率よくタイムリーに予測できないことが原因です。
気象予測が改善されると次のことが可能になるため、これは世界中で風力発電を運用する場合に特に重要です。
- 風力タービンやその他の機器に損傷を与える可能性のある強風などの異常気象に対する安全性の向上
- 前日の負荷予測のためのより優れた気象インテリジェンスにより、翌日の時間ごとにどのくらいのエネルギーを供給する必要があるかを予測します
A 視覚化 数値気象予測モデル内の各グリッド セルで発生する物理プロセス。
NWP モデルは、世界を水平方向と垂直方向の両方に数十億のグリッド セルを含む 3 次元グリッドに分割するように設計されています。各グリッド セル内では、気象支配方程式を使用して、モデルが時間の経過とともにどのように空気が移動するか (つまり、大気中で熱と水分がどのように交換されるか) を特徴付ける物理プロセスが計算されます。温度、圧力、湿度などの大気条件は、各グリッド セル内で同じです。
地球規模の気象予測モデルなど、低解像度 (つまり、4 km 以上) で実行されるモデルは、計算コストが安価ですが、局所スケールの気象特徴を正確に表現するために必要な詳細レベルが大幅に欠けています。低解像度のシミュレーションでは、グリッド セルが大きくなります。これは、より広いエリアに同じ大気条件が含まれることを意味します。これは、地域規模のプロセスが誤って伝えられたり、見落とされたりするため、特に複雑な地形 (すなわち、山地や海岸地域) では、地形に依存するプロセスが局所的な気象条件 (すなわち、湖影響雪、突発的な雷雨など) に大きな影響を与えるため、地域の気象予測にとって重大な問題となっています。
この問題を解決する方法は、(地域) モデルをより高い解像度 (つまり、< 4 km) で実行することです。これらのモデルは、重要な局所スケールの気象特徴の表現を強化できるためです。ただし、モデルを高解像度で実行すると欠点もあります。高解像度モデルのグリッド セルは小さくなります。つまり、モデル ドメインは、低解像度で実行した場合よりも多くのグリッド セルで構成されます。グリッド セルが小さいほど、モデルはローカル スケールの物理プロセスの相互作用をより効果的に特徴付けることができますが、より多くの計算が計算されるため、計算コストとシミュレーションの完了にかかる時間が大幅に増加します。
高速ローカルスケール天気予報ソフトウェアの大手プロバイダーである TempoQuest は、気象調査および予測 (WRF) モデルの高速バージョンである強化された天気予報ソフトウェア製品 AceCAST の開発を通じて、この問題の解決に取り組んでいます。 AceCAST は、従来の中央処理装置 (CPU) ではなくグラフィック プロセッサ ユニット (GPU) のみで実行されるため、ユーザーはより低コストで 5 ～ 15 倍の速さで高解像度のシミュレーションを実行できます。
AceCAST は、エネルギー会社による毎年の数百万ドルの損失を防ぐことができます
気象条件に関する理解の欠如と不活発な管理によって生じるリスクは膨大です。
あられまたは稲妻: タービンを損傷または破壊する可能性があり、その費用は最大で 220万ドル.
強風: タービンは風力エネルギーを利用することを目的としていますが、時速 60 マイルを超える突風によって損傷する可能性もあります。
極端な温度: 多くのタービンは遠隔地に設置されており、-22°F から 131°F までの極端な温度変動にさらされています。
運用上の意思決定: AceCAST によって生成された風力予測と負荷予測を組み合わせることで、事業者は翌日の負荷に経済的かつ安全に対応できるように発電フリートのバランスを確保することができます。
「」で議論したように、風力発電予測の価値」国立再生可能エネルギー研究所のデブラ・ルーとマイケル・ミリガンが執筆：
“ピッチ制御の風力タービンの場合、出力は、出力曲線のかなりの部分にわたって風速の 3 乗として変化します (下図を参照)。この地域では、予測風速の小さな改善が風力発電の予測の大幅な改善につながる可能性があります。”
風力タービンの出力曲線の例。
AceCAST は、GPU で実行される数値天気予報の高速化を通じて天気予報を改善する機能を提供します。その結果、局所的な気象予測を生成する機能がより実用的になります。負荷予測に統計アルゴリズムと機械学習アルゴリズムを組み合わせると、風予測の影響を発電所に与えることにより、気象予測がさらに強化されて実用的な洞察が得られます。
最初からより適切な予測ができるため、負荷予測の最終的な不確実性は、精度の低い低解像度の気象モデルを使用する場合よりも低くなります。
ソース： https://www.nrel.gov/docs/fy11osti/50814.pdf
AceCAST の詳細については、次のサイトをご覧ください。 https://tempoquest.com/
AceCAST に関する技術情報の詳細については、次のサイトをご覧ください。 https://acecast-docs.readthedocs.io/en/latest/
