Wielkoskalowe farmy fotowoltaiczne na Saharze wpływają na potencjał wytwarzania energii słonecznej na całym świecie / Jingchao Long, Zhengyao Lu, Paul A. Miller, Julia Pongratz, Dabo Guan, Benjamin Smith, Zhiwei Zhu, Jianjun Xu i Qiong Zhang 

Na całym świecie odnawialna energia bezemisyjna stopniowo zastępuje paliwa kopalne ¹ . Energia słoneczna może odegrać ważną rolę w zwiększaniu podaży energii odnawialnej, która zmniejsza emisję dwutlenku węgla, jako zasadniczy element strategii łagodzenia zmiany klimatu ² . Z niedawnego badania ³ wynika, że ​​udział energii słonecznej w całkowitym światowym zużyciu energii może wzrosnąć aż do 76 % do 2050 r. w realnym scenariuszu transformacji energetycznej z 1 % w 2015 r. ze względu na opłacalność i doskonałe dystrybucja zasobów na całym świecie ⁴ .

Wytwarzanie energii słonecznej opiera się na nasłonecznieniu słonecznym — ilości światła słonecznego dostępnego w danym miejscu. Jego potencjał można określić ilościowo za pomocą zmiennego klimatycznego promieniowania krótkofalowego skierowanego w dół powierzchni (RSDS), zdefiniowanego w przedziale długości fal 0,2–4,0 μm. Oprócz cykli dobowych i sezonowych na RSDS wpływa zmienność chmur wywołana pogodą. Przy całkowicie zachmurzonym niebie (bez deszczu) promieniowanie słoneczne docierające do powierzchni zmniejsza się o około 75% ⁵ . Nieprzewidywalne wahania RSDS, spowodowane głównie warunkami pogodowymi, stwarzają trudności dla stabilności dostaw energii elektrycznej z systemu fotowoltaicznego ⁶ . W praktyce zmiany produkcji energii w instalacjach fotowoltaicznych są uwzględniane przez operatorów sieci w celu planowania wirującego rezerwu mocy i zarządzania pracą sieci ⁷ .

W miarę rozwoju branży fotowoltaicznej wytwarzanie energii słonecznej staje się coraz bardziej zależne od pogody ⁸ . Niektóre badania skupiały się na wpływie zmian klimatycznych na wytwarzanie energii słonecznej w różnych przyszłych scenariuszach klimatycznych (przegląd można znaleźć w ref. ⁹ ). Ogólną tendencją w prognozach dotyczących zmiany klimatu wydaje się być zmniejszenie zachmurzenia w regionach o niskich i średnich szerokościach geograficznych ¹⁰ . Zmiany w napromieniowaniu dla różnych regionów, pór roku, ram czasowych i scenariuszy rzadko przekraczają ±10% ⁹ .

Jednak globalny wzorzec klimatyczny może zostać zakłócony również przez masowe wykorzystanie energii słonecznej. Przypisuje się to wynikającym z tego zmianom właściwości powierzchni terenu (np. albedo powierzchni, szorstkość) ^11 , 12 . W szczególności ostatnie badania modelowe pokazują, że regionalną reakcję klimatu na panele słoneczne w regionach suchych (np. w Afryce Północnej) można wzmocnić poprzez lokalne procesy sprzężenia zwrotnego między atmosferą a lądem i roślinnością ^13 , 14 . Może to w dalszym ciągu prowadzić do zaburzeń globalnego klimatu, a co za tym idzie, globalnej produkcji energii słonecznej.

Naszym celem jest ilościowe określenie wpływu wdrożenia na dużą skalę fotowoltaicznych farm słonecznych na Saharze na globalną produkcję energii słonecznej w ramach pilotażowego studium przypadku oraz zbadanie leżących u podstaw mechanizmów wymuszających. Korzystamy z najnowocześniejszego, w pełni sprzężonego modelu systemu Ziemi (EC-Earth) i rozważamy trzy scenariusze produkcji energii słonecznej w Afryce Północnej obejmujące 5%, 20% i 50% tego regionu (zwane dalej S05, S20, S50;Metody;Dodatkowa ryc.  1 ). W poprzednich badaniach ^13 , 14 badano reakcje globalnego klimatu i pokrycia roślinnego na te hipotetyczne farmy fotowoltaiczne na Saharze, a tutaj skupiamy się bardziej wyraźnie na tym, jak może to wpłynąć na samo wytwarzanie energii słonecznej na świecie.

Zmiany globalnego udziału chmur i RSDS

Symulacje modelu systemu Ziemi pokazują, że średnia roczna globalna reakcja frakcji chmur jest proporcjonalna w S05, S20 i S50, z ograniczoną znaczącą reakcją w S05 i bardziej ewidentną redystrybucją zachmurzenia przez duże saharyjskie farmy słoneczne w S20 i S50 (ryc. 1a–d ) . Największą reakcję pod względem frakcji chmur obserwuje się lokalnie nad Afryką Północną, z centrum anomalnej chmury w regionie Sahelu. Anomalia dodatniej frakcji chmur obejmuje jedynie niewielki obszar i ledwo przekracza 1% w S05, ale jest znacznie rozszerzona i nasilona w S20, osiągając ponad 5% i obejmując połowę Afryki Północnej. Anomalia ta rozciąga się na północ do Europy Południowej i na wschód do południowego Półwyspu Arabskiego w S20. Inne główne regiony lądowe, w których występuje zwiększona średnia roczna frakcja chmur, to Indie, Azja Północna i Wschodnia Australia. Z drugiej strony zmniejszone zachmurzenie obserwuje się w Ameryce Środkowej i Południowej, Afryce Południowej, środkowych i wschodnich Stanach Zjednoczonych, Azji Środkowej i północno-zachodnich Chinach.

Ryc. 1: Globalne zachmurzenie i promieniowanie krótkofalowe, na które wpływają farmy fotowoltaiczne na Saharze.

Modelowana średnia roczna (ANN) ( a ) całkowita frakcja chmur i ( e ) RSDS w CTRL oraz ( b – d ) całkowita frakcja chmur i ( f – h ) odpowiedź RSDS w S05, S20 i S50. Czarne kropki w b–h przedstawiają anomalie przekraczające 95% istotności w teście t .

Obraz w pełnym rozmiarze

Sezonowo reakcja globalnej frakcji chmur, a co za tym idzie RSDS, jest generalnie silniejsza w sezonie letnim na półkuli północnej (NH) niż w sezonie zimowym (ryc.  2 ). Można to przypisać wzmocnionym lokalnym sprzężeniom zwrotnym między atmosferą a roślinnością w Afryce Północnej, związanym z nasilonym monsunem w Afryce Zachodniej (rysunek uzupełniający  2a, b ) ¹⁴ . Na półkuli południowej w regionach Ameryki Południowej i Afryki Południowej obserwuje się silniejsze zmiany chmur w czasie zimy australijskiej (lato w NH, czerwiec-lipiec-sierpień, JJA), łącząc te zmiany z odległymi wpływami z Afryki Północnej. Wyjątkiem jest Australia Wschodnia, gdzie w okresie grudzień-styczeń-luty (DJF) warunki są większe, co sugeruje pośrednią reakcję ze względu na zmiany w cyrkulacji Walkera (wyjaśnione poniżej).

Ryc. 2: Sezonowe promieniowanie krótkofalowe, na które wpływają farmy fotowoltaiczne na Saharze.

a – c Średnia grudzień-styczeń-luty (DJF), d – f średnia odpowiedzi RSDS z czerwca-lipca-sierpnia (JJA). Czarne kropki przedstawiają anomalie przekraczające 95% istotności testu t .

Obraz w pełnym rozmiarze

Zmiany RSDS w dużej mierze podążają za zmianami frakcji chmur (ryc.  1e – h ), przy czym zwiększony (zmniejszony) RSDS przypisuje się głównie zmniejszonej (zwiększonej) frakcji chmur. Pewne drobne rozbieżności między frakcją chmur a zmianami RSDS można wyjaśnić innymi właściwościami związanymi z chmurami, takimi jak albedo i czas życia ¹⁵ i nie będą omawiane w tym badaniu. Sezonowe anomalie RSDS ujawniają silną reakcję, która okazuje się być wygładzona w średnich rocznych zmianach, szczególnie zauważalna w S20 i S50. Na przykład zmniejszony RSDS w Azji Północno-Wschodniej podczas JJA, zwiększony RSDS wokół Karaibów i Skandynawii podczas JJA oraz zwiększony RSDS DJF w Republice Południowej Afryki są znacznie osłabione w średnich rocznych różnicach. W międzyrocznych skalach czasowych zmienność RSDS (międzyroczne odchylenie standardowe) zmniejsza się najbardziej wyraźnie na tropikalnym Pacyfiku (rysunek uzupełniający  3 ) z powodu stłumionej zmienności ENSO ¹⁴ . Jednakże odwrotna reakcja w postaci międzyrocznej zmienności RSDS w S20 i S50 w wielu regionach (np. północne Stany Zjednoczone w ANN, wschodnia Australia w DJF, Indie w JJA) sugeruje, że prawdopodobnie będzie to regulowane procesami na skalę regionalną ¹⁶ .

Wpływ na wytwarzanie energii słonecznej

Następnie w naszych symulacjach badamy, w jaki sposób wielkoskalowe farmy fotowoltaiczne na Saharze wpływają na globalną produkcję energii fotowoltaicznej. Rysunek  3 podsumowuje zmiany w potencjale wytwarzania energii fotowoltaicznej (PVpot; metoda) uśrednione w ciągu całego roku, JJA i DJF. Przeważnie zmiany PVpot (ryc.  3 ) przypisuje się zmianom RSDS, ponieważ w większości regionów stwierdza się zmiany fazowe RSDS i PVpot. Wielkość zmiany PVpot jest w większości znikoma w S05, z wyjątkiem mniej niż 3% sezonowego spadku w zachodnim Sahelu i mniej niż 5% wzrostu w Republice Południowej Afryki (ryc.  3b1 – b3 ). Roczny wzrost PVpot w Azji Południowo-Wschodniej nie jest zgodny z dwoma pozostałymi scenariuszami i prawdopodobnie wynika z wewnętrznej zmienności modelu. W S20 i S50 model wychwytuje bardziej solidne zmiany PVpot (ryc.  3c1 – c3, d1 – d3 ). W Afryce Północnej, na Bliskim Wschodzie, w Europie z wyłączeniem Skandynawii, Indii, wschodnich Chin, Japonii, wschodniej Australii i południowo-zachodnich Stanów Zjednoczonych wartość PVpot w lokalnym sezonie letnim jest ograniczona. Zmiana ta jest w większości przypadków na tyle duża, że ​​powoduje roczny spadek PVpot. PVpot w niektórych innych regionach korzysta z zdalnego wymuszania, na przykład w Ameryce Środkowej i Południowej, na Karaibach oraz w środkowo-wschodnich Stanach Zjednoczonych, Skandynawii i Republice Południowej Afryki. Symuluje się około -4% rocznej zmiany dla S20 dla regionów bardziej wrażliwych i/lub znajdujących się bliżej źródła zakłóceń, np. w Afryce Północnej, Europie Środkowej i Indiach. W sezonie wysokiej produkcji energii słonecznej (tj. lokalnym lecie) zmiany PVpot S20 są znacznie większe, przekraczając -8% dla dużego regionu Afryki Północnej i ponad ±5% w Indiach i północnych Stanach Zjednoczonych, częściach środkowej i środkowej Ameryka Południowa i ± 3% dla Europy, południowo-zachodnich Stanów Zjednoczonych i Republiki Południowej Afryki oraz (ryc.  3c1 – c3 ). Poziom istotności odpowiedzi w PVpot jest w dużym stopniu zależny od jego zmian w ciągu roku (rysunek uzupełniający  4 ). Wielkość silnych zmian w PVpot w tych regionach jest porównywalna z poprzednimi badaniami, w których badano podobny wpływ zmiany klimatu na produkcję energii słonecznej w ścieżce zależnej od paliw kopalnych (np. ±10% w SSP5-8.5 ^{17 , 18 , 19} ). Należy zauważyć, że uśrednione dla dużych regionów, takich jak kontynenty (tabela uzupełniająca  1 ) i kraje (tabela uzupełniająca  2 ), zmiany PVpot są dość wyciszone i ograniczone do ± 2%.

Ryc. 3: Globalny potencjał energii słonecznej, na który wpływają farmy fotowoltaiczne na Saharze.

a 1– a 3 Mapa globalnego PVpot ANN, DJF, JJA w CTRL. b – d Średnia roczna, średnia JJA i średnia DJF zmiany w PVpot w symulacjach S05, S20 i S50 w porównaniu z CTRL. Czarne kropki przedstawiają anomalie przekraczające 95% istotności testu t .

Obraz w pełnym rozmiarze

Mechanizmy wymuszające klimat

Wyniki naszych modeli, w szczególności S20 i S50, pokazują, że zmiany cyrkulacji atmosferycznej wywołane przez farmy fotowoltaiczne Sahara są odpowiedzialne za zakłócenia globalnej frakcji chmur i RSDS. Rzeczywiście, we wcześniejszym badaniu opisano reakcję cyrkulacji atmosferycznej na skalę globalną wywołaną przez ogromne pustynne farmy słoneczne ¹¹ .

W Afryce Północnej zmniejszone albedo powierzchniowe i sprzężenia zwrotne powodują lokalne ocieplenie i konwekcję. Prowadzi to do zbieżności powierzchni, a następnie do dodatniej wysokości i rozbieżności geopotencjału w górnej troposferze nad Afryką Północną (ryc.  4 ). Zachodnie anomalie spowodowane przepływem zbieżności powierzchni (ryc. uzupełniająca  2a, b ) powodują ocieplenie na wschodzie, a tym samym osłabienie gradientu SST strefy tropikalnej Atlantyku, przedstawiając anomalię podobną do atlantyckiej Niño, szczególnie podczas ^20. sezonu monsunowego w Afryce Zachodniej (ryc. uzupełniająca 2c  , d ). Cyrkulacja Walkera nad Oceanem Spokojnym jest zintensyfikowana i rozszerza się na zachód z powodu tych zmian w równikowej Atlantyku SST ^14 , 21 (rysunek uzupełniający  5 ). Prowadzi to ponadto do niskopoziomowych anomalii południowo-wschodnich nad północnym Oceanem Indo-Pacyfiku (rysunek uzupełniający  2a, b ), a tym samym do wzmożonego monsunu w Azji Południowej ²² . Z kolei inny anomalny antycyklon skupiony w środkowo-zachodniej Azji jest wzbudzany w górnej troposferze latem NH (ryc.  4a, b ) w odpowiedzi na wzmożony monsun w Azji Południowej. Przeanalizowaliśmy szacunkową stabilność wilgoci pionowej (VMS; metody) nad Afryką Północną i Indiami, gdzie wystąpiła silniejsza konwekcja (ryc.  5 ). Stwierdzono, że niższy VMS wynikający z konwergencji wilgoci powoduje zwiększoną całkowitą frakcję chmur, głównie z powodu większej ilości chmur wysokich (ryc.  5 i 6 ). Procesom tym można również przypisać zmniejszenie VMS i zwiększone zachmurzenie w otaczających regionach, takich jak Europa Południowa, Sahel i Bliski Wschód.

a , b JJA Wysokość geopotencjału i zmiany wiatru przy 200 hPa; c , d JJA Wytrącanie (cieniowanie) i rozbieżność (kontur, czerwony = rozbieżność, niebieski = zbieżność) przy 850 hPa.

Obraz w pełnym rozmiarze

Rys. 5: Reakcja na stabilność atmosfery w przypadku farm fotowoltaicznych Sahara.

a , b pionowo zintegrowana wilgotność właściwa; c , d Zmiany VMS. Niższy VMS wskazuje na bardziej niestabilną atmosferę.

Obraz w pełnym rozmiarze

Rys. 6: Globalna reakcja na zachmurzenie na różnych poziomach.

Modelowana średnia roczna ( a ) Wysoka, ( b ) Zmiany średniej i niskiej frakcji chmur. Górny panel pokazuje wartości w symulacji CTRL, a środkowy i dolny panel pokazują odpowiedź obserwowaną w eksperymentach S20 i S50.

Obraz w pełnym rozmiarze

Latem w NH dwie struktury barokliniczne w Afryce Północnej i środkowo-zachodniej Azji generują ciąg fal Rossby’ego, który rozprzestrzenia się w dół rzeki, podążając za falowodem odrzutowym na średnich szerokościach geograficznych. Trzy struktury barotropowe (dodatnia wysokość geopotencjalna) generowane są nad Azją Wschodnią, Północnym Pacyfikiem i Ameryką Północną (ryc.  4a, b ). Łącznie te wzorce anomalii w górnej troposferze przypominają okołoglobalny wzorzec telepołączeń o liczbie falowej 5 ²³ . Zwiększona grubość atmosfery i anomalny antycyklon w dolnych regionach stwarzają niekorzystne warunki dla tworzenia się chmur w Japonii i wschodnich Chinach, na północnym Pacyfiku i we wschodnich Stanach Zjednoczonych, głównie skutkując spadkiem zachmurzenia średniego i niskiego (ryc.  6 ). W szczególności redukcja zachmurzenia średniego i niskiego nad wschodnimi Stanami Zjednoczonymi wynika głównie z rozbieżnego strumienia wilgoci i zmniejszonej stabilności statycznej w stanie suchym (rysunek uzupełniający  6 ) ²⁴ . Zmiany zachmurzenia nad Japonią i Północnym Pacyfikiem są nie tylko związane z anomalną cyrkulacją antycykloniczną w dolnej troposferze, ale także pod wpływem wzmocnionego frontu SST przedłużenia Kuroshio/Oyashio (rysunek uzupełniający  2a, b ), który również przyczynia się do zmniejszenia suchości stabilność statyczna i niskie zachmurzenie nad południowym skrzydłem frontu SST ^25 , 26 .

Silne źródło ciepła w Afryce Północnej powoduje powstawanie zjawiska typu skrzelowego ^27 , 28 . Wzór charakteryzuje się lokalnym ruchem wznoszącym się w Afryce Północnej i parą ruchów zstępujących na zachodzie, nad pozatropikalnym północnym Atlantykiem i Amazonką (ryc.  4c, d ). Południowe centrum powoduje redukcję wysokich chmur w Brazylii poprzez zmniejszenie VMS. Ponadto transport wilgoci zarówno z tropikalnego Atlantyku, jak i ITCZ ​​na wschodnim Pacyfiku jest osłabiony, co prowadzi do zmniejszenia pionowo zintegrowanej wilgotności właściwej (ryc.  5a, b ), co również przyczynia się do zmniejszenia zachmurzenia. Dodatnia wysokość geopotencjału i rozbieżność na niskim poziomie w Europie Północnej są również powiązane z reakcją fali Rossby’ego na ogrzewanie atmosferyczne w Afryce Północnej ²⁹ . Działając częściowo jako falowód, zachodni prąd strumieniowy nad północnym Atlantykiem powoduje propagację fali Rossby’ego w kierunku północno-wschodnim od anomalii cyklonowej nad północnym Atlantykiem do Europy Północnej. Ta anomalia cykloniczna typu Gill łączy zaburzenia atmosferyczne w farmach fotowoltaicznych z anomalią antycykloniczną nad Europą Północną, co dodatkowo powoduje mniejsze zachmurzenie i więcej PVpot w tym regionie.

Zmiana zachmurzenia w południowo-zachodnich stanach USA jest odwrotna do tej obserwowanej w środkowo-wschodnich stanach USA. Więcej wysokich chmur widać w południowo-zachodnich stanach USA (w tym na Hawajach) (ryc.  6 ), gdzie obecnie szybko rozwijają się projekty związane z energią słoneczną. Zmiana ta jest powiązana z rzeką atmosferyczną ³⁰ , która transportuje wznoszące się wilgotne powietrze z tropikalnego Pacyfiku do tego regionu (ryc.  5a, b ). Ponadto ścisłe powiązanie między mezoskalowymi procesami oceanicznymi (np. frontami SST, wirami oceanicznymi) a atmosferą nad regionami Kuroshio i Oyashio (rysunek uzupełniający  2c, d ) pomaga zwiększyć ilość opadów atmosferycznych na ląd w południowo-zachodnich stanach USA ^{31 , 32 , 33} .

Omówione dotychczas zmiany w chmurach są silniejsze latem w NH niż zimą, nawet w Ameryce Południowej. Podkreśla to bezpośrednie wymuszanie z regionu Sahary, gdzie lokalna reakcja i sprzężenia zwrotne między ziemią (roślinnością) a atmosferą są najsilniejsze podczas lata NH ^13 , 14 . Mimo to we wschodniej Australii największe anomalie występują w okresie zimy NH (ryc.  3 ). Ta różnica sezonowa wskazuje, że lokalne warunki zachmurzenia są w większym stopniu zdeterminowane pośrednio przez zdalne wymuszanie z Afryki Północnej, z anomalią podobną do La Niña oraz wzmocnioną i rozszerzoną na zachód cyrkulacją Walkera (rysunki uzupełniające  2 i 4 ), przynosząc bardziej wilgotne i bardziej zachmurzone warunki do Australii Wschodniej podczas lokalnej pory letniej i deszczowej (ryc.  5a ).

Nasze symulacje modelu układu ziemskiego pokazują, że przewidywane wielkoskalowe farmy słoneczne na Saharze, jeśli obejmują 20% lub więcej obszaru, mogą znacząco wpływać na cyrkulację atmosferyczną i dodatkowo wywoływać zmiany frakcji chmur i RSDS (podsumowane na ryc. 7  ) w poprzek inne regiony i pory roku. Chociaż skutki są skromne w skali globalnej lub kontynentalnej, potencjalne nierówności wynikające z zakłóceń w hipotetycznych farmach fotowoltaicznych na Saharze mogą nadal objawiać się nierównym rozkładem potencjału fotowoltaicznego. Mogą pogorszyć warunki sezonowej produkcji energii słonecznej w wielu innych regionach, w których mocno promuje się przejście na energię słoneczną, takich jak Bliski Wschód, Europa, Indie, wschodnie Chiny, Japonia, Wschodnia Australia i południowo-zachodnie Stany Zjednoczone. Z drugiej strony regiony takie jak Ameryka Środkowa i Południowa, Karaiby, środkowo-wschodnie Stany Zjednoczone, Skandynawia i Republika Południowej Afryki mogą skorzystać na wyższym potencjale energii słonecznej.

Schematyczny wykres podsumowujący proponowane mechanizmy, dzięki którym globalna produkcja energii słonecznej jest zakłócana przez wielkoskalowe fotowoltaiczne farmy słoneczne na Saharze. W warstwie przypowierzchniowej pokazane są średnie roczne zmiany S20-CTRL PVpot (kolor cieniowania). Dodatnie centra w górnych warstwach atmosfery (200 hPa) pokazują strukturę liczby falowej 5 okołoglobalnego połączenia telekonsultacyjnego na średnich szerokościach geograficznych półkuli północnej, a drugie w Europie Północnej reprezentuje stacjonarną falę Rossby’ego związaną ze wzorem typu Gill, wszystkie wywołane przez Saharę farmy słoneczne (na ilustracji w Afryce Północnej). Przerywane strzałki przedstawiają wznoszenie i opadanie ruchu atmosferycznego według wzoru typu Gill. Ciągłe strzałki nad powierzchnią w tropikach pokazują wzmocnioną i rozszerzoną na zachód cyrkulację Walkerów.

Obraz w pełnym rozmiarze

Badanie jest pilotażowym studium przypadku mającym na celu zbadanie, w jaki sposób saharyjskie farmy fotowoltaiczne wpływają na globalną produkcję energii słonecznej przy użyciu jednego modelu systemu ziemskiego i ograniczonej liczby scenariuszy. Zastrzeżeniem tego badania jest zastosowanie stałego efektywnego albedo dla paneli fotowoltaicznych, choć w praktyce zmienia się ono w zależności od ich rodzaju, wydajności i warunków pracy (rysunek uzupełniający  7 ) ^34 , 35 . Co więcej, nasze symulacje farm fotowoltaicznych nie uwzględniają w pełni dodatkowych procesów dynamicznych związanych z innymi parametrami paneli słonecznych. Na przykład poprzednie badania wykazały, że chropowatość powierzchni może potencjalnie zwiększyć efektywność wymiany ciepła jawnego z powierzchni do atmosfery w farmach fotowoltaicznych na skalę użytkową ¹² .

Bardziej szczegółowe analizy i symulacje wrażliwości uwzględniające różne scenariusze w połączeniu z wieloma modelami systemów ziemskich, które przezwyciężają te ograniczenia, mogą rzucić więcej światła na skutki tego konkretnego antropogenicznego użytkowania gruntów i zmiany pokrycia terenu. Przyszłe plany tworzenia wielkoskalowych projektów fotowoltaicznych na globalnych terenach suchych przez odpowiednie zainteresowane strony powinny opierać się na tych zaktualizowanych badaniach modelowych, aby ocenić ich potencjalny wpływ na potencjał energii słonecznej zarówno lokalnie, jak i zdalnie (np. rys. uzupełniający  8 ). Lepsze zrozumienie, dogłębna ocena ryzyka i globalnie skoordynowane wysiłki mają kluczowe znaczenie w światowej transformacji energetyki słonecznej, aby zapewnić większe bezpieczeństwo energetyczne i równość.

Model układu ziemskiego EC-Ziemia

Wersja EC-Earth 3.3.1 to model systemu Ziemi (ESM) społeczności europejskiej ³⁶ . Zawiera i łączy komponenty modelu przetwarzające procesy atmosfery (IFS ECMWF), oceanu (NEMO), lodu morskiego (LIM) i biosfery lądowej (LPJ-GUESS ³⁷ ), dzięki czemu jest to konfiguracja EC-Earth-Veg-LR zdolna do symulowania złożonych interakcje między tymi elementami modelu, odzwierciedlając sprzężenia zwrotne systemu uziemiającego. Kluczowe wskaźniki wydajności modelu wykazują zachowanie fizyczne i błędy systematyczne mieszczące się w zakresie najnowszych modeli CMIP ^{36 , 38 , 39 , 40} . Aby uzyskać szczegółowe porównania, czytelnicy powinni w tej literaturze odnosić się do „EC-Earth3-Veg” zamiast „EC-Earth3”. EC-Earth w rozsądny sposób odtwarza kilka kluczowych procesów dynamicznych istotnych dla tego badania, takich jak ogólna cyrkulacja atmosferyczna i system monsunowy ^41 , 42 , telepołączenia atmosferyczne ^{20 , 43 , 44 , 45} oraz chmury w tropikach ⁴⁶ i na średnich szerokościach geograficznych nad lądem (Dodatkowa fig.  9 ).

Rozdzielczość pozioma komórek siatki atmosfera/ląd/roślinność wynosi T159 (~1 ^o ), z 62 poziomami pionowymi w atmosferze, podczas gdy model oceanu/lodu morskiego ma rozdzielczość poziomą ~1 ^o i 75 poziomów pionowych.

Symulacje farm fotowoltaicznych

Rozważamy trzy scenariusze farm fotowoltaicznych na Saharze, określone tutaj jako S05, S20 i S50, w których 5%, 20% i 50% modelowych lądowych ogniw sieciowych w Afryce Północnej (15-30 ^o N, 20 ^o W-45 ^o E) są zalecane jako duże panele fotowoltaiczne (PV). Są one przedstawione przez czarne kropki w Afryce Północnej na dodatkowej ryc.  1 . W przypadku zalecanych paneli fotowoltaicznych albedo nagiej gleby zostało ustawione na efektywne albedo wynoszące 0,235 ^13 , 14 . Więcej uzasadnienia zastosowanego przez nas pokrycia 20% i 50% można znaleźć w tekście S2 ref. ^13 , 14 . Scenariusze te można rozpatrywać z perspektywy produkcji energii w następujący sposób.

S05: ten scenariusz przedstawia potencjalną opcję energetyczną dla przyszłego świata, biorąc pod uwagę, że wytwarzana w nim energia elektryczna (~23,8 TW, średnio w ciągu roku) jest w przybliżeniu równa światowemu zapotrzebowaniu na energię. Obecne globalne zapotrzebowanie wynosi ~18 TW ^13 , 14 .

S20: przy produkcji energii elektrycznej wynoszącej ~86,3 TW, scenariusz ten, choć ambitny, nie odbiega zbytnio od zastosowań w świecie rzeczywistym, biorąc pod uwagę takie czynniki, jak zwiększone przyszłe zużycie energii, szczytowe zapotrzebowanie na energię elektryczną oraz znaczne straty podczas wytwarzania energii (sprawność konwersji spada w ciągu czas), składowanie i transport. S20 pozostaje namacalną prognozą.

S50: wytwarzając ogromną energię elektryczną ~188,9 TW, scenariusz ten należy traktować jedynie jako ćwiczenie akademickie, mające na celu zbadanie granic globalnych reakcji i lepsze zrozumienie mechanizmów wymuszających. Należy zauważyć, że symulowane reakcje mogą być niedoszacowane ze względu na brak w naszych symulacjach potencjalnie istotnych procesów (np. procesów pyłowych). Zatem S50 może stanowić górną granicę wielkości odpowiedzi do celów benchmarkingu.

Dlatego skupiamy się na wynikach S05 i S20 w celu ilościowego określenia wpływu farm fotowoltaicznych na globalną produkcję energii słonecznej, a na S20 i S50 w celu diagnostyki mechanizmów wymuszających.

Efektywne albedo to część RSDS, która nie nagrzewa powierzchni lądu, lecz jest albo bezpośrednio odbijana z powrotem do atmosfery, albo pochłaniana, ale przekształcana w energię elektryczną. Energię elektryczną uważa się za eksportowaną, więc nie generuje lokalnie ciepła. Zakładamy, że typowy współczynnik odbicia paneli PV wynosi 0,1 ⁴⁷ , a laboratoryjna wydajność konwersji 0,15 ⁴⁸ dla obecnych komercyjnych paneli PV, a efektywne albedo wynosi 0,1 + 0,15*(1–0,1) = 0,235. Uwzględnia to zarówno promieniowanie krótkofalowe odbite przez panele (0,1), jak i energię słoneczną zamienioną na energię elektryczną (0,135), która nie generuje lokalnie ciepła. Koncepcja efektywnego albedo była szeroko stosowana we wcześniejszych symulacjach modeli w celu zbadania wpływu paneli słonecznych na klimat ^11 , 13 . Jednakże badanie to może być ograniczone faktem, że może niedoszacować wpływ ogrzewania powierzchniowego paneli fotowoltaicznych na powietrze podczas wytwarzania energii elektrycznej, szczególnie w ciągu dnia i latem.

Symulacje ESM zapoczątkowano na podstawie klimatu z 1990 r. n.e. (domyślny obecny stan klimatyczny EC-Ziemia) i integrowano przez 210 lat, aby osiągnąć stan quasi-równowagi. Aby skupić się na wymuszającym działaniu paneli słonecznych, poziomy gazów cieplarnianych, wymuszanie aerozoli i inne właściwości użytkowania gruntów i pokrycia terenu ustalono na poziomie z 1990 r. n.e. Te zmiany warunków brzegowych mogą również prowadzić do zmiany klimatu, a tym samym wpływać na wytwarzanie energii słonecznej, co było już badane w poprzednich badaniach ^{17 , 18 , 19} . Przetworzono i przeanalizowano wyniki modelu z ostatnich 60 lat. Aby zbadać wpływ warunków początkowych i brzegowych, przeprowadzamy również CTRL i S50 w oparciu o stan klimatyczny z 2010 r. n.e. ze stałymi gazami cieplarnianymi z 2010 r. n.e., użytkowaniem gruntów itp. Różnice między globalną temperaturą powietrza powierzchniowego a wpływem opadów w tych dwóch warunkach ( Symulacje z 1990 r. n.e. w porównaniu z symulacjami z 2010 r. n.e.) dały dość losowe wzorce i marginalne różnice (rysunek nie pokazany). Wyniki te sugerują, że różne warunki początkowe i brzegowe nie mają znaczącego wpływu na nasze wnioski.

Podobnie przeprowadziliśmy cztery dodatkowe symulacje farm fotowoltaicznych na innych suchych terenach na całym świecie, a mianowicie w Azji Środkowej, Australii Środkowej oraz południowo-zachodnich Stanach Zjednoczonych i północno-zachodnich Chinach, a następnie zbadaliśmy ich wpływ na globalną produkcję energii słonecznej. Globalne zmiany RSDS w tych symulacjach pokazano na dodatkowej ryc.  8 i można zidentyfikować solidne sezonowe odpowiedzi RSDS. Szczegółowe badanie mechanizmów wymuszania klimatu przez farmy fotowoltaiczne w tym regionie wykracza poza zakres tego badania i zostanie omówione w nadchodzących badaniach.

Szacunki potencjału mocy PV

Wydajność ogniw fotowoltaicznych w zależności od warunków pogodowych można określić jako potencjał wytwarzania energii fotowoltaicznej (PVpot ¹⁸ ). Jest on modulowany w czasie przez źródło energii RSDS(t) i temperaturę ogniwa fotowoltaicznego ( _ogniwo T (t)), które mogą mieć wpływ na sprawność elektryczną ⁴⁹ .

Gdzie STC oznacza standardowe warunki testowe, a RSDS _STC  = 1000 Wm ⁻² , T _STC  = 25 °C i równa się −0,005 °C ⁻¹ . _Komórkę T przyjmuje się jako temperaturę powierzchni symulowaną przez EC-Earth. PVpot wynosi 1 dla STC i staje się niższa (wyższa) niż 1, gdy _komórka T jest wyższa (niższa) niż 25 °C i/lub RSDS niższa (wyższa) niż 1000 Wm ^-2 .

Analiza stabilności atmosfery

Stabilność atmosfery można określić ilościowo za pomocą pionowej stabilności wilgoci (VMS ⁵⁰ ), która jest najskuteczniejsza, gdy jest stosowana jako wskaźnik atmosferycznej stabilności konwekcyjnej w tropikach w skali regionalnej. Można to wyrazić jako

i można to rozumieć jako różnicę pomiędzy pionowo zintegrowanymi warstwami górnymi i dolnymi całkowitej energii statycznej wilgoci (MSE; jednostka: J/kg). Wykorzystaliśmy także suchą statyczną stabilność atmosfery w dolnej troposferze, która jest zdefiniowana jako potencjalna różnica temperatur pomiędzy górnym (700 hPa) i dolnym (925 hPa) poziomem troposfery (zmodyfikowanym na podstawie ref. ^22 , 24 ). Należy zauważyć, że oba wskaźniki odnoszą się lepiej do regionów tropikalnych i subtropikalnych ⁵⁰ .