弥合气候到能源数据鸿沟：用于代表性气候年选择的模拟退火方法

能源系统模型越来越依赖于代表性气候输入。然而，气候科学中经常使用的数百个模拟年份与计算密集型电力系统模型所能处理的少数年份之间，存在着根本性的不匹配。当前实践，包括ENTSO-E的欧洲资源充裕性评估，依赖于尚未根据明确代表性标准验证的气候年份选择。这可能导致投资决策偏差和对合理天气条件的盲点。本研究提出将模拟退火作为一种优化方法，用于从大型气候集合中选择完整气候年的代表性子集。代表性使用季节性切片Wasserstein距离进行量化，这是一种来自最优传输理论的度量，能够同时捕捉边缘分布、变量间相关性和季节结构的代表性。我们在涵盖荷兰和欧洲的三个测试案例中，使用来自泛欧气候数据库的180个气候年作为参考，将模拟退火与随机搜索、过滤随机搜索和K-Medoids聚类等替代方法进行了评估。模拟退火始终产生最具代表性的子集，并优于所有比较方法。模拟退火实现的有效样本量是实际子集大小的四到五倍。所得子集的代表性大约是当前ENTSO-E实践的2.5到3.5倍。该方法与应用无关，其输出可作为任何后续（能源）影响研究的经过验证的气候数据输入。