量化气候变化对可再生能源发电的影响：一种超分辨率循环扩散模型
机器学习
2026-04-30 v4 信号处理
摘要
在全球气候变化和持续的能源转型的驱动下，电力供应能力与气象因素之间的耦合变得日益显著。从长远来看，准确量化气候变化影响下的可再生能源发电量对于可持续电力系统的发展至关重要。然而，由于数据需求方面的跨学科差异，气候数据通常缺乏捕捉可再生能源资源的短期变化和不确定性所需的逐时分辨率。为了解决这一局限性，我们开发了一种超分辨率循环扩散模型（SRDM），以增强气候数据的时间分辨率并建模短期不确定性。SRDM 包含一个预训练解码器和一个去噪网络，通过循环耦合机制生成长期、高分辨率的气候数据。然后，使用机制模型将高分辨率气候数据转换为电力值，从而能够在未来长期尺度上模拟风能和光伏（PV）发电。案例研究在中国内蒙古额济纳地区进行，使用了第五代再分析（ERA5）和耦合模式相互比较项目（CMIP6）在两种气候路径 SSP126 和 SSP585 下的数据。结果表明，SRDM 在生成超分辨率气候数据方面优于现有的生成模型。此外，该研究强调了使用低分辨率气候数据进行电力转换时引入的估计偏差。
引用
@article{arxiv.2412.11399,
title = {Quantifying Climate Change Impacts on Renewable Energy Generation: A Super-Resolution Recurrent Diffusion Model},
author = {Xiaochong Dong and Jun Dan and Yingyun Sun and Yang Liu and Xuemin Zhang and Shengwei Mei},
journal= {arXiv preprint arXiv:2412.11399},
year = {2026}
}
备注
Accepted by CSEE Journal of Power and Energy Systems in Jul. 2025