Bewertung der zukünftigen Solarstromausweitungen Australiens anhand von Klimaprognosen

Wissenschaftliche Berichte Band 13, Artikelnummer: 11503 (2023) Diesen Artikel zitieren

43 Altmetrisch

Details zu den Metriken

Die zunehmende Verbreitung von Photovoltaik (PV) im Stromnetz bringt aufgrund seiner Anfälligkeit für den Klimawandel Herausforderungen sowohl für die Gestaltung als auch für den Betrieb des Netzes mit sich. Ein entscheidender Aspekt des PV-Betriebs sind Leistungsanstiege, die zu Schwankungen und Instabilität im Netz führen. Angesichts des geplanten groß angelegten PV-Einsatzes, einschließlich der weltweit größten geplanten Solarenergie-Infrastruktur in Powell Creek, Australien, ist die Charakterisierung zukünftiger Rampen von entscheidender Bedeutung, um eine stabile Stromerzeugung zur Unterstützung der groß angelegten wirtschaftlichen Entwicklung sicherzustellen. Mithilfe von CORDEX-Australasia-Projektionen unter RCP8.5- und RCP4.5-Emissionsszenarien wurden zukünftige Solarrampen in ganz Australien bis zum Jahr 2100 charakterisiert. Die Ergebnisse sagen eine Verringerung der Rampengröße in ganz Australien voraus, wobei sich Änderungen in Häufigkeit und Periodenlänge je nach Standort ändern. Diese Arbeit unterstreicht, wie wichtig es ist, zukünftige Klimaveränderungen bei der Planung großer Solarparks zu berücksichtigen, um die Integration von Frequenzsteuergeräten und Speicherplänen für eine zuverlässige Stromversorgung sicherzustellen.

Die installierte Kapazität netzgekoppelter Solarstromanlagen nimmt weltweit rasant zu1. Allerdings stellt die Integration großer Photovoltaikanlagen (PV) in das Stromnetz aufgrund der variablen Natur der Solarressource eine erhebliche technische Herausforderung dar. Schwankungen der globalen horizontalen Einstrahlung (GHI), die durch Wolkenbewegungen verursacht werden, sind für die unregelmäßige PV-Stromabgabe verantwortlich. An einem Tag mit klarem Himmel wird erwartet, dass die erzeugte PV-Leistung einer vorhersehbaren Tageskurve folgt, die dem WHI an diesem Standort ähnelt2. Diese Tageskurve ändert sich jedoch aufgrund von Wolkenbewegungen abrupt, was zu einem plötzlichen Anstieg oder Abfall der Leistung (sogenannte Rampen) führen kann. Vereinzelte Schönwetter-Cumuluswolken können Rampen erzeugen, die von Sekunden bis Minuten variieren, während eine Schicht undurchsichtiger Stratuswolken Rampen erzeugen kann, die die Energieabgabe für mehrere Stunden verringern3. Rampen wirken sich somit auf die erzeugte Strommenge und die Zuverlässigkeit von PV-Anlagen aus. Bei einer höheren Sonneneinstrahlung können plötzliche Schwankungen in der Menge des erzeugten PV-Stroms den Betrieb von Stromsystemen und das Angebot-Nachfrage-Verhältnis über verschiedene Zeitskalen hinweg negativ beeinflussen4. Um den lokalen Strombedarf zu decken, müssen die Netzbetreiber auf die wolkenbedingten PV-Stromschwankungen reagieren und die erhebliche Über- oder Defiziterzeugung durch die eingebetteten PV-Generatoren ausgleichen. Rampen von kürzerer Dauer (in Sekunden) können lokales Spannungsflackern verursachen, was den Bedarf an Regelgeräten (z. B. Laststufenschaltern) erhöht und somit die Wartungskosten erhöht. Über längere Zeiträume (in Minuten) können Schwankungen in der von PV-Modulen erzeugten Leistung die Netzstabilität und die Stromqualität erheblich beeinträchtigen5. Daher ist es für die Planung von Speicherlösungen und technologischen Entwicklungen bei Rampenkontrollgeräten von entscheidender Bedeutung, das Auftreten von Rampen zu identifizieren und vorherzusagen.

Solarrampen wurden für verschiedene Teile der Welt5,6,7,8 mithilfe von PV-Leistungsabgabe2,9 oder GHI-Beobachtungen5,10 untersucht. Diese Studien haben die Rampenereignisse im Maßstab einer PV-Anlage quantifiziert und ihre Auswirkungen auf das Netz hervorgehoben. Die Schwankung der Stromerzeugung wird durch die Himmelsbedingungen5,11,12 und die lokalen Wetterereignisse2,10,13 beeinflusst. Nur wenige Studien haben die lokalisierten Wetterereignisse identifiziert, die für das Auftreten von Rampen2,9,13 verantwortlich sind, und auch ihre saisonale und jährliche Variabilität untersucht9. Die zukünftigen Änderungen der Wolkenbedeckungsbedingungen und Wettermuster aufgrund des Klimawandels werden das Auftreten von Rampen in verschiedenen Teilen der Welt beeinflussen.

Trotz mehrerer Studien zu Solarrampen basieren die meisten auf Beobachtungen, die weniger als zwei Jahre umfassen. Darüber hinaus tendiert die bisherige Forschung in diesem Bereich entweder dazu, neue Prognosetechniken zu entwickeln14,15,16,17 oder das Rampenverhalten von standortspezifischen PV-Großanlagen anhand historischer Daten zu identifizieren2,6,18. Es wurden nur minimale Untersuchungen in einem größeren räumlichen Maßstab durchgeführt, um die Rampenverteilungsmuster zu untersuchen. Es wurde keine Studie durchgeführt, die darauf hindeutet, wie sich die Eigenschaften von Solarstromrampen aufgrund des Klimawandels verändern werden. Australien verfügt über eine der besten Solarressourcen der Welt, und der Einsatz von Photovoltaik in großem und kleinem Maßstab hat in ganz Australien rasch zugenommen, um die Netto-Null-Ziele zu erreichen19. Angesichts der steigenden Nachfrage nach Solarstromerzeugung und -integration in Australien ist es wichtig, die Art und das Ausmaß solcher Schwankungen der PV-Leistung in verschiedenen Zeiträumen zu verstehen, um Speicherlösungen und eine stabile Netzregulierung zu planen. Auch wenn in der Vergangenheit nur wenige Studien zur WHI-Variabilität in Australien durchgeführt wurden4,20, konzentrierten sich begrenzte Studien auf Solarenergieausweitungen in Australien21,22, und bisher gab es keine Studien zu Ausweitungsereignissen in ganz Australien.

Das Hauptziel dieser Studie besteht darin, das räumlich-zeitliche Gesamtbild der Rampenverteilung in Australien zu quantifizieren und zukünftige Veränderungen der Rampen unter Klimawandelszenarien abzuschätzen. In dieser Studie verwenden wir das PVLIB-Python-Paket, um die PV-Leistungsabgabe zu ermitteln und die Solarstromsteigerungen für verschiedene Zeitskalen miteinander zu vergleichen, um die Anwendbarkeit von 1-Stunden-Daten zur Bewertung zukünftiger Steigerungen zu testen. Wir identifizieren die Rampenereignisse aus den Simulationen des regionalen Klimamodells (RCM) des Coordinated Regional Downscaling Experiment (CORDEX) für Australasien23 für den historischen (1976–2005) und zukünftigen Zeitraum (2070–2099: ferne Zukunft) unter einem mittleren und hohen Emissionsszenario (repräsentativer Konzentrationspfad (RCP) 4.5 und RCP8.5). Wir schätzen zum ersten Mal die zukünftigen Änderungen der Rampengröße, -häufigkeit und -perioden aufgrund des Klimawandels über Australien. Diese Analyse wird für politische Entscheidungsträger und Interessenvertreter von Nutzen sein, da sie Informationen zur Standortauswahl und zur Planung von Speicherlösungen liefert, um künftige intermittierende Probleme zu überwinden. Darüber hinaus werden die vorgestellten Forschungsarbeiten eine Referenz für die räumlich-zeitliche Abschätzung zukünftiger Sonnenrampenereignisse liefern und können in verschiedenen Teilen der Welt angewendet werden.

Beim Vergleich der Rampeneigenschaften des 5-Minuten- und Stundendatensatzes für monokristallines Silizium (Mono-Si), multikristallines Silizium (Mc-Si) und Dünnschicht-Cadmium-Tellurid (CdTe) PV-Technologien zeigt die Rampenverteilung eine weitgehende Übereinstimmung miteinander. Mit stündlichen Daten erkannte Rampen überschätzen die Häufigkeit von Rampen mit geringer Stärke und unterschätzen die Häufigkeit von Rampen mit hoher Stärke im Vergleich zu 5-Minuten-Daten. Es wurde festgestellt, dass die Rampeneigenschaften für die drei Technologien ähnlich sind. Die thermischen Eigenschaften verschiedener PV-Technologien haben keinen erkennbaren Einfluss auf Rampen (siehe Methoden). In den folgenden Abschnitten werden die Rampeneigenschaften unter Verwendung der stündlichen CORDEX-Australasia-Daten für den historischen und fernen zukünftigen Zeitraum nur für Mono-Si beschrieben, da es sich um eine vorherrschende PV-Technologie handelt und das Rampenverhalten für verschiedene PV-Technologien ähnlich ist. Die Ergebnisse für den nahen Zukunftszeitraum sind im Zusatzmaterial enthalten.

Das Ausmaß der Solarenergieanstiege hängt von der Abruptheit der Änderungen der Sonneneinstrahlung aufgrund von Wolkenbewegungen ab. Die mittlere Rampengröße ist für die Ostküste Australiens im historischen Zeitraum am höchsten (> 17,5 % der installierten Kapazität) (Abb. 1a). Es wird prognostiziert, dass die Rampengröße in der fernen Zukunft deutlich um ~ 0,4 bis 0,5 % unter RCP4.5 (Abb. 1b) und > 0,45 % unter dem RCP8.5-Szenario (Abb. 1c) sinken wird. Nordaustralien wird voraussichtlich den stärksten Rückgang der Rampengröße für RCP4.5 verzeichnen. Im RCP8.5-Szenario erwarten wir einen maximalen Rückgang in den nördlichen und östlichen Regionen Australiens. Wir analysieren die Rampen im 90. Perzentil, um die extremen Rampenereignisse zu bewerten. Die Rampengröße beim 90. Perzentil (hier als extreme Rampen bezeichnet) war im historischen Zeitraum nahe der Ostküste Australiens am höchsten (Abb. 1d). Es wird prognostiziert, dass diese extremen Anstiege in Zukunft landesweit für beide Zeiträume unter den RCP4.5- und RCP8.5-Emissionsszenarien zurückgehen werden (Abb. 1e,f). In der fernen Zukunft nimmt die Größenordnung in beiden Szenarien weiter ab. Der stärkste Rückgang ist im Osten und einigen Teilen Nordaustraliens zu verzeichnen (bis zu 1,5 % der installierten Leistung). Darüber hinaus ist es interessant festzustellen, dass, obwohl der maximale Rückgang der mittleren Rampenstärke künftig im westlichen Teil des Kontinents zu verzeichnen ist, die maximale Verringerung der extremen Rampenstärke im Osten und Norden prognostiziert wird. Dies zeigt, dass die wolkenbedingte Variabilität der PV-Erzeugung für zukünftige Zeiträume voraussichtlich abnehmen wird; Daher wird der Bedarf an einer umfangreichen Speicheranlage zur Aufrechterhaltung der Netzstabilität zu jeder Tageszeit sinken.

Rampengröße in ganz Australien. Tafel (a) stellt die mittlere Rampengröße während des historischen Zeitraums (1976–2005) dar. Panel (b) und (c) stellen die zukünftigen Änderungen der mittleren Rampengröße für den fernen Zukunftszeitraum (2070–2099) unter RCP4.5 und RCP8.5 dar. Panel (d) stellt die Rampengröße beim 90. Perzentil während des historischen Zeitraums (1976–2005) dar. Panel (e) und (f) stellen die zukünftigen Änderungen der Rampengröße beim 90. Perzentil für die ferne Zukunft (2070–2099) unter RCP4.5 und RCP8.5 dar. Punktierung weist auf eine signifikante Veränderung hin (je nach Methode: Signifikanztest).

Darüber hinaus hängen die Auswirkungen von Rampen stark vom Strombedarf der Region ab. Die Stromqualität und die Netzstabilität werden bei hohem Strombedarf und schwankender Energieerzeugung zu einem entscheidenden Anliegen24,25. In Australien haben New South Wales und Queensland den höchsten Strombedarf. Nach Angaben des australischen Energiemarktbetreibers wird der Gesamtstrombedarf in New South Wales und Queensland bis 2050 voraussichtlich um 47,5 % bzw. 50 % steigen26. Unsere Ergebnisse prognostizieren die stärkste Reduzierung der extremen Rampenausmaße in diesen Regionen. Dies wird sich positiv auf die Aufrechterhaltung des Angebots-Nachfrage-Verhältnisses auswirken und so die Netzstabilität gewährleisten. Eine schwankende Stromerzeugung kann Spannungsschwankungen hervorrufen und eine Abweichung von der Nennbetriebsfrequenz verursachen, wodurch die Qualität der Stromversorgung beeinträchtigt und eine Instabilität im Netz entsteht. Wenn das Verteilungssystem nicht in der Lage ist, den Leistungsrückgang zu kompensieren, kann es zu einem Spannungseinbruch und anschließenden Stromausfällen kommen24. Darüber hinaus weist die Verringerung der Rampengröße auf einen geringeren Speicherbedarf hin, was für netzgekoppelte Großsolaranlagen wirtschaftlich vorteilhaft sein kann.

Die meisten Rampenereignisse ereigneten sich im historischen Zeitraum im Norden (~ 2400 bis 2500 pro Jahr; Abb. 2a). In der nahen Zukunft nimmt die Rampenfrequenz für den größten Teil des Landes unter RCP4.5 ab (ergänzende Abbildung 9s). Im Rahmen von RCP8.5 (ergänzende Abbildung 9) wird in naher Zukunft ein stärkerer signifikanter Rückgang des Auftretens von Ramp-Ereignissen im Westen und Norden von Queensland (~ 60 pro Jahr) vorhergesagt. Darüber hinaus lässt sich feststellen, dass das räumliche Muster dieser Veränderungen in beiden Szenarien sowohl für den fernen als auch für den nahen Zukunftszeitraum gleich bleibt; Die Größenordnung nimmt jedoch für die ferne Zukunft zu (Abb. 2b, c). Es wird prognostiziert, dass die Anstiegsereignisse in Nord- und Ostaustralien unter RCP4.5 zunehmen, im Gegensatz zu RCP8.5, wo die Zunahmen auf Ostaustralien beschränkt sind.

Rampenfrequenz in ganz Australien. Panel (a) stellt die mittlere Rampenfrequenz während des historischen Zeitraums (1976–2005) dar. Panel (b) und (c) stellen die zukünftigen Änderungen der mittleren Rampenfrequenz pro Jahr für den fernen Zukunftszeitraum (2070–2099) unter RCP4.5 und RCP8.5 dar. Panel (d) stellt die Häufigkeit von Rampen mit Rampengröße beim 90. Perzentil während des historischen Zeitraums (1976–2005) dar. Panel (e) und (f) stellen die zukünftigen Änderungen in der Häufigkeit von Rampen mit Rampengröße beim 90. Perzentil für den fernen Zukunftszeitraum (2070–2099) unter RCP4.5 und RCP8.5 dar. Punktierung weist auf eine signifikante Veränderung hin (je nach Methode: Signifikanztest).

Bei der Analyse der extremen Rampen stellen wir fest, dass Nordaustralien im historischen Zeitraum anfälliger für häufigere extreme Rampen ist (> 200 pro Jahr) (Abb. 2d). Es wird prognostiziert, dass es in einigen Teilen Nord- und Ostaustraliens in Zukunft zu einem leichten Anstieg der Zahl extremer Rampen kommen wird, während andernorts ein Rückgang zu verzeichnen ist. Die maximalen Anstiege der extremen Rampen werden im Norden und Osten des Kontinents (bis zu 4 pro Jahr) für den fernen zukünftigen Zeitraum unter RCP4.5 vorhergesagt (Abb. 2e), während ähnliche Anstiege nur in der Nähe des Ostens erwartet werden (bis zu 6 pro Jahr) unter RCP8.5 (Abb. 2f). Darüber hinaus lässt sich feststellen, dass die räumlichen Muster für die Änderungen der mittleren Rampenfrequenz den Änderungen der extremen Rampenfrequenz ähneln. Dies deutet darauf hin, dass sich die Spitze und das Ende der Rampenhäufigkeitsverteilung in Zukunft in eine ähnliche Richtung verschieben werden. Die zukünftige Verringerung der Anzahl von Rampenereignissen an einem Standort deutet darauf hin, dass zur Aufrechterhaltung einer konstanten Spannung weniger Laststufenschaltvorgänge erforderlich sein werden, wodurch die Wahrscheinlichkeit eines Netzungleichgewichts verringert und die Installations- und Wartungskosten von Rampensteuergeräten in der Zukunft gesenkt werden. Regionen mit zukünftigen Anstiegen der Rampenfrequenz benötigen jedoch robustere Rampensteuergeräte, um Netzinstabilität und Spannungsflimmern zu vermeiden.

In dieser Studie wird das Zeitintervall, über das Rampenereignisse erkannt werden, als Rampenperiodendauer bezeichnet. Das identifizierte Rampenereignis wird möglicherweise nur für ein einzelnes Zeitintervall erkannt, oder Rampen können über aufeinanderfolgende Zeiträume an einem Tag auftreten. Dies wird durch eine vereinzelte oder wechselnde Wolkendecke verursacht, die über den Standort zieht. Daher kann die Dauer der Rampenperiode für einen stündlichen Datensatz von 60 Minuten aufwärts variieren. Die höchsten mittleren Anstiegsperioden traten im historischen Zeitraum über Ostaustralien auf (> 150 Minuten/Tag) (Abb. 3a). In beiden Szenarien wird projiziert, dass die Rampenperioden in der fernen Zukunft im Westen abnehmen und im Osten zunehmen (Abb. 3b, c). In beiden Szenarien kommt es in der fernen Zukunft zu einer deutlichen Reduzierung der Rampenperioden in der Nähe der West- und Südostküste. Während der historischen Periode erlebte Nordaustralien die längsten Perioden extremer Rampen (Abb. 3d). Es ist interessant festzustellen, dass die maximalen Anstiege in zukünftigen extremen Rampenperioden für beide Szenarien in der Nähe der nördlichen, zentralen und östlichen Küstenregionen Australiens liegen (Abb. 3e, f), im Gegensatz zu den mittleren Rampenperioden mit Anstiegen, die auf Ostaustralien beschränkt sind.

Rampenperioden in ganz Australien. Tafel (a) stellt die mittleren Rampenperioden während des historischen Zeitraums (1976–2005) dar. Panel (b) und (c) stellen die zukünftigen Änderungen der mittleren Rampenperioden pro Jahr für den fernen Zukunftszeitraum (2070–2099) unter RCP4.5 und RCP8.5 dar. Tafel (d) stellt die Rampenperioden mit der Rampengröße beim 90. Perzentil während des historischen Zeitraums (1976–2005) dar. Panel (e) und (f) stellen die zukünftigen Änderungen der Rampenperioden mit der Rampengröße beim 90. Perzentil für die ferne Zukunft (2070–2099) unter RCP4.5 und RCP8.5 dar. Punktierung weist auf eine signifikante Veränderung hin (je nach Methode: Signifikanztest).

Orte mit einem Rückgang der Rampenhäufigkeit, der Rampenperioden und der Rampenstärke (wie Westaustralien) lassen auf die Möglichkeit von weniger Rampen mit geringerer Stärke und kürzerer Dauer schließen. Es wird prognostiziert, dass diese Regionen in Zukunft eine geringere wolkenbedingte Schwankung der PV-Leistung aufweisen werden; Dadurch wird die Stromversorgung zuverlässiger und die Stabilität für den künftigen Ausbau der PV-Technologie im Stromnetz erhöht. Allerdings deuten Regionen wie Ostaustralien, in denen eine Zunahme der Rampenhäufigkeit und Rampenperioden prognostiziert wird, auf die Möglichkeit hin, dass es in Zukunft häufigere Rampen mit geringerer Intensität über längere Zeiträume geben wird. Regionen mit einem Rückgang der Rampengröße und -häufigkeit, aber einer Zunahme der Rampenperioden könnten mit der Möglichkeit längerer Rampen geringerer Stärke mit geringerer Wahrscheinlichkeit ihres Auftretens konfrontiert sein. Dies würde wahrscheinlich zu längeren Energiedefiziten in diesen Regionen führen und die Abhängigkeit von Speichersystemen erfordern, um das Ungleichgewicht zwischen Angebot und Nachfrage einzudämmen.

Der Solarpark Powell Creek von Sun Cable ist der größte Solarpark der Welt, der sich in der Entwicklungsphase befindet. Der Standort soll im Northern Territory, Australien, liegen und über eine geplante Solarstromerzeugungskapazität von 20 GW und ein 5.000 km langes Übertragungssystem verfügen, um Darwin und Singapur mit Strom aus zuverlässigen erneuerbaren Energiequellen zu versorgen. Wir demonstrieren die zukünftigen Änderungen der Stromerzeugungskapazität und des Rampenverhaltens für den Solarpark Powell Creek, um den Speicherbedarf und die Notwendigkeit einer umfassenden Planung der Rampensteuerung abzuschätzen. Die Zeitreihen, die die jährliche Stromerzeugungskapazität der Mono-Si-Technologie, die Rampengröße pro Jahr, die Rampenfrequenz pro Jahr und die maximale Rampenperiodendauer pro Jahr darstellen, sind in Abb. 4a–d dargestellt. Welche PV-Technologien und ihre Spezifikationen im Solarpark Powell Creek zum Einsatz kommen sollen, muss noch entschieden werden, da sich der Solarpark noch in der Planungs- und Entwicklungsphase befindet. Daher haben wir die Rampen unter Berücksichtigung der in den ergänzenden Tabellen 1 genannten Spezifikationen für Mono-Si-Module berechnet. Die Ensemblestreuung ist für alle Variablen umfassend (blaue und rote Schattierung). Dies weist darauf hin, dass unterschiedliche modellierte Zukünfte zu unterschiedlichen PV-Stromzukünften führen können und man bei Ergebnissen, die mit einem einzigen Klimamodell erzielt werden, vorsichtig sein sollte.

Zeitreihe der jährlichen Stromerzeugung, Rampengröße pro Kapazitätseinheit, Rampenfrequenz und maximale jährliche mittlere Rampenperiodendauer pro Jahr für den Solarpark Powell Creek von Sun Cable im Northern Territory, Australien. Die schwarze Linie stellt den Ensemble-Mittelwert für den historischen Zeitraum dar. Die blauen und roten Linien stellen den Ensemble-Mittelwert für die zukünftigen Zeiträume unter RCP4.5 bzw. RCP8.5 dar. Die Schattierung in Grau, Blau und Rot stellt den Interquartilbereich der Ensemblemitglieder für Geschichte und Zukunft dar.

Wir schätzen die normalisierte Stromerzeugung anhand der Mono-Si-Modulspezifikationen in Tabelle 1 und skalieren sie entsprechend der vorgeschlagenen Erzeugungskapazität (20 GW) für Powell Creek, um die zukünftigen Änderungen bei der Stromerzeugung im Kraftwerk zu verstehen. Es lässt sich feststellen, dass es in beiden Szenarien künftig zu einem Rückgang der jährlichen Erzeugungskapazität des Parks (bis zu 1 GWh/GW) kommt (Abb. 4a). Unsere Ergebnisse deuten darauf hin, dass die Energieerzeugung der Anlage aufgrund des Klimawandels um etwa 5 % zurückgegangen ist. Diese Schätzung berücksichtigt keine zukünftige Erweiterung der Produktionskapazität von Solarparks.

Es wird vorhergesagt, dass die mittlere Rampengröße bis zum Ende des Jahrhunderts abnehmen wird (bis zu 1 % unter RCP8.5 und 0,5 % unter RCP4.5). Darüber hinaus wird erwartet, dass die Häufigkeit von Rampenereignissen bis zum Jahr 2060 zunimmt und bis zum Ende des Jahrhunderts abnimmt, wobei die dekadische Variabilität spürbar ist. Allerdings erwarten wir in naher Zukunft einen leichten Anstieg der Ramping-Zeiträume, gefolgt von einem starken Rückgang bis zum Ende des Jahrhunderts. Dies weist auf die Möglichkeit hin, dass es in Zukunft zu Rampenereignissen geringerer Stärke und kürzerer Dauer kommen könnte. Daher wird es in Zukunft zwar anhaltende wolkenbedingte Intermittenzprobleme geben, diese werden jedoch abnehmen, was darauf hindeutet, dass aktuelle Rampensteuerungsgeräte auch unter zukünftigen Klimabedingungen geeignet bleiben. Die Ergebnisse unterstreichen, wie wichtig es ist, eine geeignete Speicheranlage einzurichten, um Drosselungs- und Energiedefizitperioden zu bewältigen und ein Angebot-Nachfrage-Verhältnis aufrechtzuerhalten.

Wetterbedingte Schwankungen bei der Solarstromerzeugung über kürzere Zeiträume führen zu einer Belastung der Stromerzeuger, um ein stabiles Verhältnis von Angebot und Nachfrage aufrechtzuerhalten. Plötzliche Schwankungen der Solarenergie, sogenannte Rampen, und die damit verbundenen Eigenschaften müssen genau charakterisiert werden, um die Genauigkeit der Rampenvorhersage zu verbessern und die Netzinstabilität zu verringern. Die Schätzung der Kapazität und Häufigkeit des Solarstromanstiegs ist für die Implementierung geeigneter Speichereinrichtungen im Kraftwerk von entscheidender Bedeutung, um Probleme mit Unterbrechungen zu vermeiden. In diesem Artikel werden die kurzfristigen Stromschwankungen bewertet und Prognosen für wolkenbedingte Solarstromanstiege in Australien unter verschiedenen zukünftigen Klimaszenarien untersucht. Die erwarteten zukünftigen Änderungen der Rampenmerkmale werden anhand der dynamisch herunterskalierten regionalen Klimamodelldaten aus CORDEX-Australasia-Simulationen unter einem Szenario mit mittlerer und hoher Emission untersucht. Unsere Ergebnisse prognostizieren bis zu 5 % Änderungen der zukünftigen Rampenhäufigkeit und -perioden im Vergleich zur historischen Basislinie. Wir stellen fest, dass die Auswirkungen des Klimawandels auf zukünftige Änderungen der Rampengröße zwar fast überall statistisch signifikant sind, die Änderungen jedoch weniger als 1,5 % der installierten Kapazität ausmachen. Die Regionen, die statistisch signifikante zukünftige Änderungen dieser Merkmale aufweisen, werden durch Punktierung gekennzeichnet.

Es wird erwartet, dass die mittlere Rampenkapazität bis zum Ende des Jahrhunderts auf dem gesamten Kontinent sowohl unter den Emissionsszenarien RCP4,5 (bis zu 0,5 %) als auch RCP8,5 (bis zu 1 %) zurückgehen wird. Wir stellen fest, dass das Ausmaß dieser Änderungen bei RCP8.5 höher ist, wobei der stärkste Rückgang in der Nähe des Nordens und in Teilen Nordostaustraliens auftritt, im Gegensatz zu RCP4.5, wo der maximale Rückgang der mittleren Rampenkapazität auf den Norden beschränkt ist. Sowohl im RCP8.5- als auch im RCP4.5-Szenario wird prognostiziert, dass die mittlere Rampenhäufigkeit in der Nähe der Ostküste und in Teilen Nordaustraliens zunehmen wird (bis zu 60 pro Jahr), während sie andernorts bis zum Ende sinkt (> 80 pro Jahr). Jahrhundert. Es wird erwartet, dass die durchschnittliche Dauer der Rampenperiode erheblich zunehmen wird, wobei der Anstieg in beiden Szenarien bis zum Ende des Jahrhunderts hauptsächlich im Norden und Osten von Queensland zu beobachten ist (bis zu 50 Stunden pro Jahr). Diese Veränderungen erreichen bis zu 5 % der historischen Werte und sind in der Nähe von Queensland sowie den westlichen und südwestlichen Regionen Australiens statistisch signifikant. Dies sind die Regionen, in denen die zukünftigen Veränderungen im Vergleich zur Variabilität der Ensemblemitglieder groß sind. Die zukünftigen Änderungen der Rampenfrequenz und -perioden sind im RCP8.5-Szenario höher. Es ist wichtig zu betonen, dass die Ergebnisse die Abhängigkeit der Rampen von zukünftigen Emissionsszenarien zeigen. Unsere Ergebnisse zeigen, dass unterschiedliche Emissionsszenarien, die von regionalen Klimamodellen verwendet werden, das Ausmaß zukünftiger Änderungen der Rampeneigenschaften erheblich beeinflussen können. Das Szenario mit hohen Emissionen RCP8.5 prognostiziert bis zu zweimal höhere zukünftige Änderungen der Rampeneigenschaften als das Szenario mit mittleren Emissionen RCP4.5. Daher ist es wichtig, die zukünftige Intermittenz abzuschätzen, indem verschiedene Emissionsszenarien berücksichtigt werden, um den Speicherbedarf für einen zuverlässigen und stabilen Netzbetrieb in der Zukunft genau zu beurteilen.

In diesem Artikel werden die Ergebnisse des CORDEX-Australasien-Ensemble-Mittelwerts untersucht. Es ist jedoch wichtig anzuerkennen, dass jedes Mitglied des Ensembles aufgrund unterschiedlicher Parametrisierungsschemata und treibender allgemeiner Klimamodelle (GCMs) einzigartige Eigenschaften im Hinblick auf zukünftige Prognosen besitzt. Daraus ergeben sich vielfältige potenzielle Zukunftsperspektiven. Daher haben wir die von jeder RCM-GCM-Kombination abgeleiteten Rampeneigenschaften umfassend analysiert, die in den ergänzenden Abbildungen dargestellt sind. 11s–22s. Die Ergebnisse zeigen, dass die meisten Ensemblemitglieder zwar ähnliche künftige Veränderungen aufweisen, einige Mitglieder jedoch auf die Möglichkeit hinweisen, dass sie gegensätzliche Veränderungen erleben werden. Dies unterstreicht die Bedeutung des Einsatzes mehrerer Ensemblemitglieder, um das Maß an Vertrauen in zukünftige Prognosen genau einzuschätzen. In dieser Arbeit werden sechs Ensemblemitglieder verwendet, die sowohl für RCP8.5 als auch für RCP4.5 Zukunftsprognosen hatten. Es wird empfohlen, die Größe des RCM-Ensembles in zukünftigen Studien zu erweitern, um den zukünftigen Klimawandel besser zu erfassen und das Vertrauen in die erzielten Ergebnisse zu erhöhen.

Es wird erwartet, dass PV-Systeme im Laufe des 21. Jahrhunderts mit mehreren technologischen Fortschritten in ganz Australien weit verbreitet sein werden. Angesichts der zunehmenden Einbindung von PV-Systemen in das Stromnetz ist es eine Herausforderung, wetterbedingte Schwankungen auf allen Zeitskalen zu bewältigen und Spannungsschwankungen zu bewältigen. Das Verständnis zukünftiger Rampenereignisse unter verschiedenen Klimaszenarien ist für mehrere technologische Fortschritte bei Rampensteuerungsgeräten und intensive Forschung zu Netzbetrieben wie Stromerzeugung, -speicherung, -übertragung und -verteilung von entscheidender Bedeutung. Darüber hinaus ist es von größter Bedeutung, die zukünftigen Änderungen der intermittierenden und Rampenmerkmale aufgrund des Klimawandels bei der Auswahl optimaler Standorte für den Einsatz zukünftiger PV-Anlagen zu berücksichtigen. In dieser Hinsicht legt diese Arbeit den Grundstein für eine solche Analyse, und es wird erwartet, dass zukünftige Arbeiten die Auswirkungen der hier vorgestellten Ergebnisse untersuchen werden. Weitere Arbeiten zur Erforschung der Saisonalität von Rampen in ganz Australien und der synoptischen Merkmale, die zu Rampenereignissen führen, werden dringend empfohlen. Der vorgeschlagene Rahmen zur räumlich-zeitlichen Untersuchung zukünftiger Rampenereignisse kann mithilfe von Klimamodelldaten während der Planungs-, Entwicklungs- und Bauphase der Solarparks auf verschiedene Teile der Welt ausgeweitet werden, um einen optimalen Netzbetrieb sicherzustellen und redundante Stromversorgung zu reduzieren.

In dieser Studie verwenden wir meteorologische Beobachtungsdaten (Temperatur, GHI, Windgeschwindigkeit, relative Luftfeuchtigkeit, Plane of Array (POA)-Bestrahlungsstärke) und PV-Leistungsdaten vom Desert Knowledge Australia Solar Centre (DKASC), Solarpark Alice Springs für den Zeitraum 2010 - 2016 im 5-Minuten-Takt aufgezeichnet. Das DKASC verfügt über mehrere Solartechnologien (Mono-Si, Mc-Si, CdTe-Zellen) mit festen, ein- und zweiachsigen Nachführsystemen. Die ergänzende Tabelle 1 enthält die PV-Technologien und ihre Konfigurationen für die Leistungssimulation in PVLIB.

Wir nutzen regionale Klimamodellsimulationen von CORDEX-Australasia23, um die Auswirkungen des Klimawandels auf zukünftige Rampen zu untersuchen. Zwei RCMs wurden verwendet, um drei globale Klimamodelle (GCMs) aus dem Coupled Model Intercomparison Project 5 (CMIP5) herunterzuskalieren, um die Klimaprojektionen für die Region CORDEX-Australasien zu erhalten, die im Rahmen des NSW/ACT Regional Climate Modeling (NARCliM)1.5 durchgeführt wurden project27, wurden in dieser Studie verwendet. Die unter Verwendung von Paaren aus 2 RCMs und 3 GCMs erhaltenen Klimaprojektionen bilden ein 6-köpfiges Ensemble für historische und zukünftige Zeiträume (ergänzende Tabelle 6). Diese RCM-GCM-Paare wurden für die Studie ausgewählt, da sie die Daten mit der höchsten zeitlichen Auflösung (1 Stunde) für historische und zukünftige Szenarien lieferten. Die Zukunftssimulationen werden für die Szenarien RCP4.5 und RCP8.5 ermittelt. Die Zeiträume 1976–2005, 2030–2059 und 2070–2099 werden als historische, nahe zukünftige und ferne zukünftige Zeiträume analysiert.

CORDEX-Australasia-Ensembles wurden für den historischen Zeitraum evaluiert und es wurde festgestellt, dass sie viele Aspekte des Klimas der Region wie Tiefsttemperatur, Höchsttemperatur und Niederschlag23,28 reproduzieren. Die Kurzwellenstrahlung von CORDEX-Australasien wurde mithilfe der Reanalyse-Datensätze ausgewertet und es wurde festgestellt, dass sie das räumliche Muster und die Größe mit angemessener Genauigkeit erfasst (ergänzende Abbildungen 1). Darüber hinaus wurden auch die zukünftigen Veränderungen in der Landnutzungsart und die Vergrößerung von Trockengebieten mithilfe von CORDEX-Projektionen29 untersucht. In dieser Studie haben wir die einstündliche kurzwellige Abwärtsstrahlung, Temperatur, Windgeschwindigkeit, relative Luftfeuchtigkeit und Druck verwendet, um die Leistungsprognosen für verschiedene PV-Technologien zu erhalten.

PVLIB ist ein Open-Source-Tool zur PV-Leistungsmodellierung, das am Sandia National Laboratory30 entwickelt wurde. Diese Studie verwendet das PVLIB-Python-Paket zur Modellierung der bodenmontierten PV-Anlage. Die detaillierte Konfiguration der PV-Technologien zur Leistungssimulation ist in den ergänzenden Tabellen 1 aufgeführt. Dieser Ansatz identifiziert die folgenden Hauptmodellierungsschritte: Trennung des GHI in die Strahl- und diffusen Komponenten; Verlagerung der horizontalen Bestrahlungsstärke auf die geneigte Ebene des PV-Arrays; Berechnung der Strahlungskomponenten bei klarem Himmel und der Zelltemperatur; und der DC/AC-Leistungsausgang (ergänzende Abb. 2s). Diese Schritte beinhalten die Berechnung des Sonnenstandes. Die für die Modellierung der Leistung erforderlichen allgemeinen Eingaben sind GHI, Temperatur und Windgeschwindigkeit. Die verschiedenen für die PV-Leistungsmodellierung ausgewählten Modelle sind in Tabelle 1 aufgeführt. Die leistungsstärksten Modelle mit dem geringsten Fehler bei der Validierung wurden für die Zerlegung, Transposition und Modellierung bei klarem Himmel ausgewählt (siehe ergänzender Abschnitt 3). Das Temperaturmodell sowie das DC- und AC-Modell wurden aufgrund fehlender Beobachtungen für Validierungszwecke aus früherer Literatur ausgewählt31,32,33. Zunächst werden meteorologische Daten des DKASC zur Simulation der Leistung genutzt und mit der Leistungsabgabe der PV-Technologien validiert. Später werden ähnliche Modellierungsschritte durchgeführt, um die Leistungsabgabe mithilfe stündlicher CORDEX-Australasia-Projektionen zu simulieren.

Rampen entsprechen plötzlichen lokalen Änderungen in einer Leistungszeitreihe. Die Rampen wurden für aufeinanderfolgende Punkte in der Zeitreihe mithilfe der im aktuellen Bericht des australischen Energiemarktbetreibers37 vorgeschlagenen Methode ermittelt:

Dabei ist P die Leistung im Zeitschritt t und △t das Zeitintervall. Dem Bericht37 zufolge gelten nur die sprunghaften Änderungen in der Leistungsreihe als signifikante Rampen, wenn der Absolutwert 10 % der Kapazität im Zeitintervall überschreitet. Wir führen die Rampenanalyse für verschiedene zeitliche Auflösungen (entsprechend 5 Minuten und 1 Stunde) durch, um deren Verteilungsmuster und Ausmaß zu verstehen. Während einige Studien Beobachtungsdatensätze mit zeitlichen Auflösungen von 5 Minuten11,12 oder besser 13,22,38 verwenden, verwenden andere halbstündliche oder größere Zeitschritte11,39. Modellprojektionen bis zum Ende des Jahrhunderts sind rechenintensiv und im Allgemeinen in stündlichen Zeitschritten verfügbar. Hier untersuchen wir die Darstellung von Rampen bei beiden zeitlichen Auflösungen (5 Minuten und stündlich), um zu verstehen, ob stündliche Daten zur Charakterisierung des Rampenverhaltens ausreichen. Alle Rampenanalysen werden unter Berücksichtigung der absoluten Änderungen der Leistungsvariabilität und der Angabe absoluter Rampeneigenschaften durchgeführt. Absolute Rampengröße, -frequenz und -perioden werden im Rest des Artikels als Rampengröße, -frequenz und -perioden bezeichnet.

Wir verwenden den Student-T-Test bei einem Signifikanzniveau von 5 % (p < 0,05), um die statistische Signifikanz der Ergebnisse zu untersuchen und sie basierend auf der Konvention von Tebaldi et al.40 darzustellen. Der Student-T-Test wird an jedem Gitterpunkt durchgeführt, wobei gleiche Varianzen für die vergangenen und zukünftigen Perioden angenommen werden, um die Signifikanz der mittleren Änderung in jedem Ensemblemitglied zu testen. Signifikante Veränderungen werden durch Punktierung angezeigt. Dies sind die Rasterpunkte, an denen mindestens vier Ensemblemitglieder eine signifikante Veränderung zeigen und sich auch über die Richtung der Veränderung einig sind. Diese Regionen haben großes Vertrauen in zukünftige Veränderungen.

Rampenverhalten und -eigenschaften hängen stark von den zeitlichen Zeitskalen ab, in denen sie berechnet werden. Wir nutzen regionale Klimaprojektionen mit stündlicher Ausgabe, um zukünftige Änderungen des Rampenverhaltens aufgrund des Klimawandels zu untersuchen. Es ist möglich, ein ganzheitliches Verständnis der intrinsischen Beziehung zwischen Rampeneigenschaften auf verschiedenen Zeitskalen zu erlangen, indem die Auswirkung von Zeitschrittvariationen auf deren Größe und Frequenz analysiert wird. Wir vergleichen die Rampengröße (dargestellt als Kapazität pro Einheit) und die Häufigkeit auf 5-Minuten- und 1-Stunden-Zeitskalen, um ihre Ähnlichkeiten und Unterschiede zu bewerten (Abb. 5). Die Ergebnisse zeigen, dass die Größe der Rampen mit zunehmendem Zeitintervall abnimmt. Die kumulativen Verteilungsdiagramme des Anstiegs pro Kapazitätseinheit auf 5-Minuten- und Stunden-Zeitskalen (Abb. 5a, b) zeigen, dass er bei stündlichen Zeitskalen bei 60 %, bei 5-Minuten-Zeitskalen jedoch bei etwa 80 % abnimmt, mit ähnlichen Verteilungen für Mono-Si , Mc-Si und CdTe PV-Technologien. Darüber hinaus ist die durchschnittliche Rampengröße pro Kapazitätseinheit für verschiedene PV-Technologien sowohl für 5-Minuten- als auch für 1-Stunden-Rampen ähnlich (Tabelle 2; Abb. 5c–e).

Kumulative Wahrscheinlichkeitsverteilungs- und Dichteverteilungsdiagramme der Rampengröße pro Kapazitätseinheit für monokristallines Silizium (Mono-Si), multikristallines Silizium (Mc-Si) und Dünnschicht-Cadmium-Tellurid (CdTe) PV-Technologie. (a) Diagramm der kumulativen Wahrscheinlichkeitsverteilung für 5-Minuten-Daten und (b) 1-Stunden-Daten für mehrere PV-Technologien. Die Y-Achse der Abbildung zeigt zur besseren Lesbarkeit die inverse kumulative Dichtefunktion. Dichteverteilungsdiagramme der Rampengröße pro Kapazitätseinheit für (c) Mono-Si-, (d) Mc-Si- und (e) CdTe-PV-Technologie für 5-minütige und stündliche Rampen. Die blaue und rote gestrichelte Linie stellt die durchschnittliche Rampengröße pro Kapazitätseinheit für 5-minütige bzw. stündliche Rampen dar.

Die Dichteverteilungsdiagramme zeigen, dass die 5-Minuten-Rampen im Vergleich zu stündlichen Rampen niedrigere Spitzen mit schwereren Ausläufern aufweisen. Dies weist darauf hin, dass die Häufigkeit des Auftretens von Rampen höherer Stärke bei Rampen, die auf einer 5-Minuten-Zeitskala beobachtet werden, häufiger ist als auf einer Stundenskala. Stündliche Rampen haben einen ausgeprägteren Peak mit dünneren Ausläufern, was auf das häufigere Auftreten von Rampen kleinerer Stärke hinweist. Die Verteilung zeigt auch eine positive Schiefe sowohl für 5-Minuten- als auch für Stundenrampen. Insgesamt zeigen die stündlichen Rampenverteilungen eine weitgehende Übereinstimmung mit den 5-Minuten-Rampenverteilungen, wobei zu beachten ist, dass stündliche Rampen dazu neigen, die Rampen mit geringer Stärke zu überschätzen und die Rampen mit höherer Stärke leicht zu unterschätzen. Darüber hinaus wurde bei der Analyse der Häufigkeit des Auftretens von Rampenereignissen in einem 5-Minuten- und einem Stunden-Datensatz festgestellt, dass 5-Minuten-Rampen etwa fünfmal häufiger auftreten als 1-Stunden-Rampen. Diese Analyse deckt relativ kleine Unterschiede in der Rampenverteilung auf, die auf 5-Minuten- und 1-Stunden-Zeitskalen beobachtet werden, und unterstreicht die Nützlichkeit stündlicher Daten bei der Untersuchung des Rampenverhaltens, wenn keine Daten mit höherer zeitlicher Auflösung verfügbar sind.

In der Studie wurden keine neuen Daten generiert. Die für die Analyse verwendeten CORDEX-Australasia-Daten sind bei der Earth System Grid Federation erhältlich (https://esgf-data.dkrz.de/search/cordex-dkrz/). ERA5-Daten wurden vom ECMWF Climate Data Store (CDS) bezogen, und MERRA-2-Daten wurden vom NASA Goddard Earth Sciences (GES) Data and Information Services Center (DISC) bereitgestellt. Die Daten des DKASC, Alice Springs, waren unter https://dkasolarcentre.com.au/locations/alice-springs verfügbar.

IEA. Erneuerbare Energien 2021. International Energy Agency (IEA) Publications International. (2021).

Wellby, SJ & Engerer, NA Kategorisierung der meteorologischen Ursprünge kritischer Rampenereignisse in der kollektiven Photovoltaik-Array-Leistung. J. Appl. Meteorol. Klimatol. 55, 1323–1344 (2016).

Artikel ADS Google Scholar

Engerer, NA Simulation der Leistung von Photovoltaikanlagen mithilfe von Strahlungsbeobachtungen vom Oklahoma Mesonet. MS-Arbeit, School of Meteorology, University of Oklahoma 225 (2011). https://doi.org/10.16194/j.cnki.31-1059/g4.2011.07.016.

Huang, J., Troccoli, A. & Coppin, P. Ein analytischer Vergleich von vier Ansätzen zur Modellierung der täglichen Variabilität der Sonneneinstrahlung mithilfe meteorologischer Aufzeichnungen. Erneuern. Energie 72, 195–202 (2014).

Artikel Google Scholar

Lave, M., Kleissl, J. & Stein, J. Quantifizierung und Simulation der Variabilität von Solaranlagen mithilfe von Einstrahlungsdaten. Solarenergieprognose und Ressourcenbewertung (Elsevier, 2013). https://doi.org/10.1016/B978-0-12-397177-7.00007-3.

Murata, A., Yamaguchi, H. & Otani, K. Eine Methode zur Schätzung der Leistungsschwankungen vieler über ein weites Gebiet verteilter Photovoltaik-Stromerzeugungssysteme. Elektrisch. Ing. Jpn. 166, 9–19 (2009).

Artikel Google Scholar

Lave, M., Broderick, RJ & Reno, MJ Solare Variabilitätszonen: Von Satelliten abgeleitete Zonen, die hochfrequente Bodenvariabilität darstellen. Sol. Energie 151, 119–128 (2017).

Artikel ADS Google Scholar

Hossain, MK & Ali, MH Statistische Analyse der Anstiegsraten von an das Stromnetz angeschlossenen Solar-Photovoltaik-Systemen. Im Jahr 2014 IEEE Energy Conversion Congress and Exposition, ECCE 2014 2524–2531 (2014). https://doi.org/10.1109/ECCE.2014.6953737.

Jamaly, M., Bosch, JL & Kleissl, J. Aggregierte Anstiegsraten verteilter Photovoltaiksysteme im San Diego County. IEEE Trans. Aufrechterhalten. Energie 4, 519–526 (2013).

Artikel ADS Google Scholar

Kleissl, J., Lave, M., Jamaly, M. & Bosch, J. Aggregierte solare Variabilität. Im Jahr 2012 Hauptversammlung 1–3 der IEEE Power and Energy Society (IEEE, 2012). https://doi.org/10.1109/PESGM.2012.6344809.

Hodge, B., Hummon, M. & Orwig, K. Solarrampenverteilungen über mehrere Zeitskalen und Wettermuster. Im 10. Internationalen Workshop zur groß angelegten Integration von Windenergie in Energiesysteme 1–8 (2011).

Lave, M. & Kleissl, J. Solare Variabilität von vier Standorten im Bundesstaat Colorado. Erneuern. Energie 35, 2867–2873 (2010).

Artikel Google Scholar

Anvari, M. et al. Kurzfristige Schwankungen von Wind- und Solarstromanlagen. Neue J. Phys. 18, 063027 (2016).

Artikel ADS Google Scholar

Cui, M. et al. Erkennung von Solarstrom-Rampenereignissen mithilfe eines optimierten Schwingtüralgorithmus. In Band 2A: 41. Design Automation Conference, Bd. 2A-2015 (American Society of Mechanical Engineers, 2015).

Cui, M. et al. Charakterisierung und Analyse von Rampenereignissen in Windkraft, Solarenergie, Last und Netzlast. Erneuern. Energie 111, 227–244 (2017).

Artikel ADS Google Scholar

Florita, A., Hodge, BM & Orwig, K. Identifizierung von Wind- und Sonnenanstiegsereignissen. In IEEE Green Technologies Conference 147–152 (2013). https://doi.org/10.1109/GreenTech.2013.30.

Lave, M., Kleissl, J. & Stein, JS Ein Wavelet-basiertes Variabilitätsmodell (WVM) für Solar-PV-Kraftwerke. IEEE Trans. Aufrechterhalten. Energie 4, 501–509 (2013).

Artikel ADS Google Scholar

Marcos, J., Marroyo, L., Lorenzo, E., Alvira, D. & Izco, E. Leistungsschwankungen in großen PV-Anlagen: Einjährige Beobachtungen mit einer Auflösung von einer Sekunde und einem abgeleiteten Analysemodell. Prog. Photovoltaik. Res. Appl. 19, 218–227 (2011).

Artikel Google Scholar

Clean Energy Council Australien. Im Clean Energy Australia 2022 Report. 4–39 (2022).

Bai, F., Yan, R. & Saha, TK Variabilitätsstudie einer PV-Anlage im Versorgungsmaßstab am Rande des Stromnetzes, Australien. Im Jahr 2017 IEEE Innovative Smart Grid Technologies-Asia (ISGT-Asia) 1–5 (IEEE, 2017). https://doi.org/10.1109/ISGT-Asia.2017.8378436.

Artikel ADS Google Scholar

Dickeson, G. et al. Rampenratensteuerung für die Integration von PV-Anlagen: Erfahrungen aus dem Hybridkraftwerk des Flughafens Karratha. In der 36. Europäischen Konferenz und Ausstellung für Photovoltaik-Solarenergie 1351–1356 (2019). https://doi.org/10.4229/EUPVSEC20192019-5CO.13.3.

Evans, JP et al. Das CORDEX-Australasia-Ensemble: Bewertung und Zukunftsprognosen. Aufstieg. Dyn. 57, 1385–1401 (2021).

Artikel Google Scholar

Ahn, E. & Hur, J. Eine praktische Metrik zur Bewertung der Anstiegsereignisse von Windenergieressourcen, um die Sicherheit intelligenter Energiesysteme zu erhöhen. Energien Basel 15, 2676 (2022).

Artikel CAS Google Scholar

Keeratimahat, K. Charakterisierung der kurzfristigen Variabilität, Unsicherheit und Steuerbarkeit der Photovoltaikversorgung und ihre Auswirkungen auf die Integration hoher Anteile erneuerbarer Energien (2020).

Australischer Energiemarktbetreiber. Im Strom-Chancenbericht 2022. (2022).

Ji, F. et al. Wir stellen NARCliM1.5 vor: Bewertung und Prognose von Klimaextremen für Südostaustralien. Wetter Clim. Extrem. 38, 100526 (2022).

Artikel Google Scholar

Nishant, N. et al. Einführung in NARCliM1.5: Bewertung der Leistung regionaler Klimaprojektionen für Südostaustralien für 1950–2100. Earths Future 9, 1–21 (2021).

Artikel Google Scholar

Spinoni, J. et al. Wie wird sich die fortschreitende globale Zunahme von Trockengebieten auf Bevölkerung und Landnutzung im 21. Jahrhundert auswirken? Globus. Planet Change 205, 103597 (2021).

Artikel Google Scholar

Holmgren, WF, Andrews, RW, Lorenzo, AT & Stein, JS PVLIB Python 2015. Im Jahr 2015 IEEE 42nd Photovoltaic Specialist Conference (PVSC) 1–5 (IEEE, 2015). https://doi.org/10.1109/PVSC.2015.7356005.

King, D., Boyson, W. & Kratochvil, J. Photovoltaik-Array-Leistungsmodell. Sandia Report Nr. 2004–3535, Bd. 8 (2004).

Dobos, A. PVWatts Version 5 Handbuch – Technischer Bericht NREL/TP-6A20-62641 (National Renewable Energy Laboratory (NREL), 2014).

Huang, J., Jones, B., Thatcher, M. & Landsberg, J. Auswirkungen der Temperatur auf die Solar-Photovoltaik- und Windenergieerzeugung im Versorgungsmaßstab in Australien gemäß RCP 85. J. Renew. Aufrechterhalten. Energie 12, 046501 (2020).

Artikel Google Scholar

Maxwell, EL Ein quasi-physikalisches Modell zur Umrechnung der stündlichen globalen horizontalen in direkte normale Sonneneinstrahlung (1987).

Loutzenhiser, PG et al. Empirische Validierung von Modellen zur Berechnung der Sonneneinstrahlung auf geneigten Flächen für die Gebäudeenergiesimulation. Sol. Energie 81, 254–267 (2007).

Artikel ADS Google Scholar

Ineichen, P. Eine vereinfachte Breitbandversion des Solis-Modells für klaren Himmel. Sol. Energie 82, 758–762 (2008).

Artikel ADS Google Scholar

Australischer Energiemarktbetreiber. Studie zur Integration erneuerbarer Energien, Anhang C: Umgang mit Variabilität und Unsicherheit. Wichtiger Hinweis. (2020).

Lave, M., Reno, MJ & Broderick, RJ Charakterisierung lokaler hochfrequenter Sonnenvariabilität und ihre Auswirkungen auf Verteilungsstudien. Sol. Energie 118, 327–337 (2015).

Artikel ADS Google Scholar

Theocharides, S., Venizelou, V., Makrides, G. & Georghiou, GE Tägliche Charakterisierung des Sonneneinstrahlungsprofils und Analyse der Anstiegsrate bei verschiedenen Zeitauflösungen. Im Jahr 2017 IEEE 44. Photovoltaik-Spezialistenkonferenz, PVSC 2017 1163–1168 (2017). https://doi.org/10.1109/PVSC.2017.8366517.

Tebaldi, C., Arblaster, JM & Knutti, R. Kartierung einer Mustervereinbarung über zukünftige Klimaprojektionen. Geophys. Res. Lette. 38, 1–5 (2011).

Artikel Google Scholar

Referenzen herunterladen

Wir danken der Australian National Computational Infrastructure (NCI) aufrichtig für die Bereitstellung von Rechenressourcen für diese Arbeit. Die Autoren würdigen die Initiative des World Climate Research Programmer zur Erstellung regionaler Klimamodellierungsprojektionen (CORDEX) und danken den Klimamodellierungsgruppen für die Erstellung und Bereitstellung ihrer Modellergebnisse. Wir danken dem DKASC, Alice Springs, für die Bereitstellung seiner Daten. JPE wurde vom ARC Centre of Excellence for Climate Extremes (CE170100023) unterstützt. JPE dankt außerdem für die Unterstützung durch das National Environmental Science Program der australischen Regierung.

School of Photovoltaic and Renewable Energy Engineering, University of New South Wales, Sydney, Australien

Shukla Poddar, Merlinde Kay, Abhnil Prasad und Stephen Bremner

ARC Centre of Excellence for Climate Extremes, University of New South Wales, Sydney, Australien

Shukla Poddar, Jason P. Evans und Abhnil Prasad

Forschungszentrum zum Klimawandel, Biologie, Erd- und Umweltwissenschaften, University of New South Wales, Sydney, Australien

Jason P. Evans & Abhnil Prasad

Sie können diesen Autor auch in PubMed Google Scholar suchen

SP: Konzeptualisierung, Datenkuration, Untersuchung, Methodik, formale Analyse, Visualisierung, Schreiben – Originalentwurf, Schreiben – Überprüfung und Bearbeitung. JPE: Konzeptualisierung, Schreiben – Überprüfung und Bearbeitung, Supervision. MK: Konzeptualisierung, Schreiben – Überprüfung und Bearbeitung, Supervision. AP: Konzeptualisierung, Schreiben – Überprüfung und Bearbeitung. SB: Konzeptualisierung, Schreiben – Überprüfung und Bearbeitung, Supervision.

Korrespondenz mit Shukla Poddar.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Poddar, S., Evans, JP, Kay, M. et al. Bewertung der zukünftigen Solarstromausweitungen Australiens anhand von Klimaprognosen. Sci Rep 13, 11503 (2023). https://doi.org/10.1038/s41598-023-38566-z

Zitat herunterladen

Eingegangen: 3. März 2023

Angenommen: 11. Juli 2023

Veröffentlicht: 02. August 2023

DOI: https://doi.org/10.1038/s41598-023-38566-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.