Evaluation of C3S multi-model seasonal forecasts of wind and solar energy potential over China

Resumo Técnico: Avaliação das Previsões Sazonais de Múltiplos Modelos da C3S para Potencial de Energia Eólica e Solar sobre a China

Definição do Problema
A integração de energias renováveis variáveis (eólica e solar) nas redes elétricas requer previsões climáticas sazonais confiáveis para apoiar a estabilidade da rede, o escalonamento da geração e o planejamento energético de longo prazo. Embora o Serviço de Mudanças Climáticas do Copernicus (C3S) forneça um conjunto abrangente de dados de múltiplos modelos, uma avaliação sistemática dessas previsões especificamente para recursos de energia eólica e solar sobre a China tem sido insuficiente. A topografia complexa da China — incluindo o Planalto Tibetano, extensas planícies e zonas costeiras — cria uma heterogeneidade espacial significativa nos recursos renováveis, complicando a previsibilidade. Estudos anteriores avaliaram os modelos C3S para precipitação ou temperatura, ou focaram em variáveis únicas, mas uma avaliação unificada da sinergia entre as previsões de vento e solar através da diversidade de terreno da China permanece ausente.

Metodologia
Este estudo realizou uma avaliação abrangente de seis sistemas de previsão sazonal operacional de última geração fornecidos pelo C3S: ECMWF SEAS5, Météo-France System 8, NCEP CFSv2, DWD GCFS 2.1, CMCC SPS3.5 e JMA/MRI-CPS3. A análise cobriu o período de fevereiro de 2022 a dezembro de 2024.

• Fontas de Dados: O estudo utilizou dados de velocidade do vento a 10 metros e radiação solar descendente de superfície (SSRD) dos seis modelos C3S. Todas as saídas dos modelos foram reestruturadas para uma grade de 0,25° × 0,25° para coincidir com o conjunto de dados de referência de reanálise ERA5, que serviu como a verdade de campo (ground truth).
• Variáveis: A velocidade do vento foi convertida para Densidade de Potência do Vento (WPD) usando suposições padrão de densidade do ar. A radiação solar foi analisada em W m⁻².
• Métricas: O desempenho do modelo foi quantificado usando três indicadores determinísticos calculados em uma base de grade por grade: Erro Quadrático Médio (RMSE), Viés Médio (MB) e o coeficiente de correlação de Pearson (r).
• Dimensões de Análise: A avaliação examinou o desempenho geral do modelo, distribuições espaciais de viés em sete sub-regiões da China, variações sazonais, dependências do terreno de elevação e a evolução da habilidade de previsão ao longo de tempos de antecedência (lead times) de 1, 2 e 3 meses.

Principais Resultados

• Habilidade Geral: Em um tempo de antecedência de um mês, todos os seis modelos demonstraram maior habilidade na simulação da radiação solar do que da velocidade do vento. O ECMWF SEAS5 superou consistentemente os outros modelos, exibindo o menor viés e o menor RMSE para ambas as variáveis. O Météo-France System 8 classificou-se em segundo lugar. Em contraste, o DWD e o CMCC mostraram maiores desvios, particularmente para a velocidade do vento.
• Vieses Espaciais:
  • Vento: A maioria dos modelos superestimou sistematicamente a densidade de potência do vento em toda a China, com a superestimação mais pronunciada ocorrendo nas regiões oeste e norte. O Planalto Tibetano e o Norte da China apresentaram os maiores desafios, mostrando os valores de RMSE mais elevados.
  • Solar: Os modelos geralmente superestimaram a radiação solar na Bacia de Sichuan. Por outro outro lado, vários modelos (DWD, CMCC, JMA) subestimaram a radiação solar no oeste da China, particularmente sobre o Planalto Tibetano.
• Variabilidade Sazonal: Disparidades sazonais pronunciadas foram observadas. A radiação solar foi superestimada no verão e no outono, mas subestimada na primavera e no inverno. Os vieses da densidade de potência do vento atingiram o pico na primavera e minimizaram no outono na maioria das regiões, com o sul da China apresentando um pico de viés no inverno.
• Dependência do Terreno: Os vieses de previsão exibiram uma dependência sistemática e forte da elevação do terreno.
  • Solar: Todos os modelos mostraram uma relação não monotônica onde a superestimação aumentou com a elevação até um limite, após o qual diminuiu ou reverteu para subestimação em altas altitudes.
  • Vento: Os modelos divergiram em dois grupos distintos. ECMWF, Météo-France e CMCC mostraram diminuição do viés do vento conforme a elevação aumentava, enquanto NCEP, DWD e JMA mostraram aumento do viés com a elevação.
• Evolução do Tempo de Antecedência (Lead-Time):
  • Solar: Os vieses de previsão geralmente aumentaram conforme o tempo de antecedência se estendia de 1 para 3 meses, indicando um declínio na habilidade preditiva.
  • Vento: Inesperadamente, os vieses da densidade de potência do vento diminuíram conforme o tempo de antecedência aumentava. Os autores sugerem que, em tempos de antecedência mais longos, as previsões de vento tornam-se cada vez mais dominadas por sinais climáticos de grande escala previsíveis, reduzindo o impacto do ruído de inicialização de pequena escala que afeta as previsões de curto prazo.

Principais Contribuições

• Avaliação Multimodelo Sistemática: O estudo fornece a primeira avaliação unificada de seis modelos C3S para ambos os recursos eólicos e solares sobre a China, preenchendo uma lacuna na literatura relativa à previsão sazonal específica para energia renovável.
• Caracterização de Terreno e Sazonalidade: Identifica vulnerabilidades regionais e sazonais específicas, como a dificuldade em prever o vento sobre o Planalto Tibetano e a oscilação sazonal dos vieses solares.
• Insights de Tempo de Antecedência: O artigo desafia a suposição de que a habilidade de previsão degrada uniformemente com o tempo de antecedência, demonstrando que os vieses da previsão de vento podem melhorar em intervalos mais longos devido à dominância de sinais de grande escala.
• Efeitos de Elevação Dependentes do Modelo: A pesquisa destaca que a relação entre o erro de previsão e a elevação do terreno não é universal, mas depende da parametrização específica do sistema de modelagem dos processos da camada limite e do arrasto orográfico.

Significância e Alegações
Os autores afirmam que estas descobertas fornecem orientação prática para a aplicação operacional das previsões sazonais C3S no setor de energia renovável da China. Especificamente, os resultados enfatizam a necessidade de:

1. Seleção de Modelos: Escolher modelos com base em variáveis e regiões específicas (ex: preferir o ECMWF SEAS5 para precisão geral, ou modelos específicos baseados em características de elevação).
2. Correção de Viés: Implementar ajustes de viés específicos para o modelo e regionalmente adaptados, particularmente para o vento em áreas de alta elevação e solar na Bacia de Sichuan.
3. Estratégia Operacional: Utilizar os distintos comportamentos de tempo de antecedência das previsões de vento e solar para otimizar o escalonamento da rede e a alocação de capacidade.

O estudo conclui que, embora os sistemas multimodelo da C3S ofereçam um horizonte valioso, sua confiabilidade para a gestão de energia renovável na China requer uma aplicação cuidadosa e contextualizada, em vez de uma abordagem de "tamanho único".