[논문 리뷰] Towards a global dynamic wind atlas: A multi-country validation of wind power simulation from MERRA-2 and ERA-5 reanalyses bias-corrected with the Global Wind Atlas

Katharina Gruber, Peter Regner외 3명|arXiv (Cornell University)|2020. 12. 10.

Integrated Energy Systems Optimization참고 문헌 39인용 수 11

한 줄 요약

이 연구는 다양한 글로벌 지역에서 MERRA-2 및 ERA5 재분석 데이터를 사용한 바람 풍력 시뮬레이션 정확도를 평가하며, 글로벌 바람 자원도(GWA)를 통한 보정 여부에 따라 평가한다. ERA5는 MERRA-2를 능가하며, GWA2는 미미한 향상만 제공하고 GWA3는 성능을 악화시킨다. 시간적 집계는 에너지 시스템 모델링 응용 분야에서 특히 중요한 시뮬레이션 품질 향상에 기여한다.

ABSTRACT

Reanalysis data are widely used for simulating renewable energy and in particular wind power generation. While MERRA-2 has been a de-facto standard in many studies, the newer ERA5- reanalysis recently gained importance. Here, we use these two datasets to simulate wind power generation and evaluate the respective quality in terms of correlations and errors when validated against historical wind power generation. However, due to their coarse spatial resolution, reanalyses fail to adequately represent local climatic conditions. We therefore additionally apply mean bias correction with two versions of the Global Wind Atlas (GWA) and assess the respective quality of resulting simulations. Potential users of the dataset can also benefit from our analysis of the impact of spatial and temporal aggregation on simulation quality indicators. While similar studies have been conducted, they mainly cover limited areas in Europe. In contrast, we look into regions, which globally differ significantly in terms of the prevailing climate: the US, Brazil, South-Africa, and New Zealand. Our principal findings are that (i) ERA5 outperforms MERRA-2, (ii) no major improvements can be expected by using bias-correction with GWA2, while GWA3 even reduces simulation quality, and (iii) temporal aggregation increases correlations and reduces errors, while spatial aggregation does so only consistently when comparing very low and very high aggregation levels.

연구 동기 및 목표

• 다양한 기후 지역에서 MERRA-2 및 ERA5 재분석 데이터의 글로벌 바람 풍력 시뮬레이션 성능 평가.
• 두 가지 버전의 글로벌 바람 자원도(GWA2 및 GWA3)를 활용한 보정이 시뮬레이션 정확도에 미치는 영향 평가.
• 공간적 및 시간적 집계가 상관관계 및 RMSE와 같은 주요 시뮬레이션 품질 지표에 미치는 영향 조사.
• 에너지 시스템 모델링을 위한 최적의 재분석 및 보정 방법을 규명하여 글로벌 동적 바람 자원도 구축 기초 마련.
• 고재생에너지 시나리오에 적합한 신뢰할 수 있는 바람 풍력 시계열과 정량화된 오차 추정치를 제공하여 연구자 및 에너지 모델러 지원.

제안 방법

• 약 50km 공간 해상도에서 MERRA-2 및 ERA5 재분석 데이터셋의 시간당 바람 속도 및 바람 풍력 데이터 활용.
• 지역 기후 표현 향상을 위해 GWA2 및 GWA3를 활용해 재분석 바람 속도에 평균 오차 보정 적용.
• 미국, 브라질, 남아프리카 공화국, 뉴질랜드의 4개국 23개 풍력발전소에서의 관측된 역사적 바람 풍력 발전 데이터와 시뮬레이션된 바람 풍력 시계열 검증.
• 시간(시간별, 월별) 및 공간(개별 풍력발전소, 집계된 지역) 집계 수준에서 상관관계 계수, 최소 제곱 오차(RMSE), 오차를 포함한 주요 성능 지표 계산.
• 재분석 데이터셋, GWA 버전, 집계 수준 간의 통계적 비교를 통해 상대적 시뮬레이션 품질 평가.
• 시뮬레이션 코드 및 결과 시계열을 공개하여 재현 가능성 및 향후 에너지 시스템 모델링 응용 지원.

실험 결과

연구 질문

• RQ1 MERRA-2 및 ERA5 재분석 데이터셋은 다양한 글로벌 지역에서 역사적 바람 풍력 발전을 어떻게 시뮬레이션하는가?
• RQ2 글로벌 바람 자원도(GWA2 및 GWA3)를 활용한 오차 보정이 원시 재분석 데이터에 비해 바람 풍력 시뮬레이션 정확도를 얼마나 향상시키는가?
• RQ3 시간적 집계(예: 시간별에서 월별로)는 시뮬레이션된 바람 풍력 시계열의 상관관계 및 RMSE에 어떤 영향을 미치는가?
• RQ4 공간적 집계(예: 개별 풍력발전소에서 국가 또는 지역 수준으로)는 시뮬레이션 품질 지표에 어떤 영향을 미치는가?
• RQ5 재분석 데이터와 오차 보정 방법의 조합 중에서 글로벌 에너지 시스템 모델링에 가장 신뢰할 수 있는 바람 풍력 시계열을 제공하는 것은 무엇인가?

주요 결과

• ERA5는 모든 지역에서 MERRA-2를 능가하며, 대부분의 지역에서 상관관계가 약 0.05 높고 RMSE가 약 0.05 낮다.
• GWA2는 보정되지 않은 재분석 데이터에 비해 미미한 향상만 제공하며, 모든 지역에서 일관된 향상이 없고 일부 경우에서는 시뮬레이션 품질이 악화된다.
• GWA3는 일관되게 시뮬레이션 품질을 떨어뜨리므로 바람 풍력 시뮬레이션 응용 분야에서는 권장되지 않는다.
• 시간적 집계를 시간별에서 월별로 전환하면 대부분의 지역에서 상관관계가 약 0.2 증가하고 RMSE가 0.1에서 0.2 감소하여 강력한 상쇄 효과가 있음.
• 공간적 집계는 매우 낮은 수준과 매우 높은 수준의 집계를 비교할 때만 시뮬레이션 품질 향상을 보이며, 중간 수준에서는 일관된 향상 없음.
• 최종적으로 고해상도이자 오차 보정된 바람 풍력 시계열은 오픈소스 코드베이스를 통해 공개되어 향후 글로벌 에너지 시스템 모델링 노력 지원.