Een nieuwe studie suggereert dat de energiesector onderschat hoe klimaatverandering de vraag naar elektriciteit in de Verenigde Staten op lange termijn kan beïnvloeden.

Het onderzoek, vandaag gepubliceerd in het tijdschrift Risico analyse , werd geleid door de Universiteit van Buffalo en Purdue University.

Het beschrijft de beperkingen van voorspellingsmodellen die worden gebruikt door elektriciteitsleveranciers en regelgevers voor energieprognoses op middellange en lange termijn. En het schetst een nieuw model dat belangrijke klimaatvoorspellers omvat - gemiddelde dauwpunttemperatuur en extreme maximumtemperatuur - waarvan onderzoekers zeggen dat ze een nauwkeuriger beeld geven van hoe klimaatverandering de toekomstige elektriciteitsvraag zal veranderen.

"Bestaande modellen voor de vraag naar energie hebben geen gelijke tred gehouden met onze toenemende kennis over hoe het klimaat verandert, " zegt de hoofdauteur van de studie, Sayanti Mukherjee, doctoraat, assistent-professor industriële en systeemtechniek aan de UB's School of Engineering and Applied Sciences. "Dit is lastig omdat het kan leiden tot risico's van ontoereikendheid van de voorziening die meer stroomstoringen veroorzaken, die van invloed kunnen zijn op alles, van de nationale veiligheid en de digitale economie tot de volksgezondheid en het milieu."

"De beschikbaarheid van publieke data in de energiesector, gecombineerd met vooruitgang in algoritmische modellering, heeft ons in staat gesteld verder te gaan dan bestaande benaderingen die vaak slechte voorspellende prestaties vertonen. Als resultaat, we in staat zijn om het verband tussen de vraag naar energie en klimaatverandering beter te karakteriseren, en toekomstige risico's van ontoereikendheid van het aanbod te beoordelen, " zegt co-auteur Roshanak Nateghi, doctoraat, assistent-professor industriële engineering en milieu- en ecologische engineering aan Purdue.

De beperkingen van bestaande modellen

De overgrote meerderheid van klimaatwetenschappers voorspelt dat de mondiale temperatuur in de 21e eeuw zal stijgen. Verwacht wordt dat hierdoor de vraag naar elektriciteit zal toenemen naarmate meer mensen zich tot airconditioners wenden om koel te blijven.

Een van de meest gebruikte platforms voor energiemodellering die wordt gebruikt om de toekomstige vraag naar elektriciteit te voorspellen:MARKAL, genoemd naar MARKt en ALlocation - houdt geen rekening met klimaatvariabiliteit.

Een ander algemeen energie-economisch model, het nationale energiemodelleringssysteem, of NEMS, houdt wel rekening met het klimaat. Echter, het is beperkt tot graaddagen voor verwarming en koeling. Een verwarmingsgraaddag wordt gedefinieerd als een dag waarop de gemiddelde temperatuur hoger is dan 18 graden Celsius. Een koude graaddag is wanneer de gemiddelde temperatuur lager is dan 65 graden.

Hoewel er verschillende manieren zijn om graaddagen voor verwarming en koeling te meten, ze worden meestal berekend door de hoge temperatuur van de dag op te tellen bij de lage temperatuur van de dag, en vervolgens de som door twee te delen. Bijvoorbeeld, een maximum van 76 graden en een minimum van 60 graden resulteert in een gemiddelde temperatuur van 68 graden.

Het probleem met deze aanpak, Mukherjee zegt, is dat het geen rekening houdt met tijd. Bijvoorbeeld, het kan 23 uur 76 graden zijn en een uur 60 graden, maar de gemiddelde temperatuur die dag zou nog steeds 68 graden zijn.

"Bovendien, keuze van de nauwkeurige balanspunttemperatuur is zeer omstreden, en er is geen consensus van de onderzoeksgemeenschap over hoe deze het beste te selecteren, ' zegt Mukherjee.

Dauwpunttemperatuur is de sleutel

Om deze beperkingen aan te pakken, zij en Nateghi bestudeerden meer dan een dozijn weermetingen. Ze ontdekten dat de gemiddelde dauwpunttemperatuur - de temperatuur waarbij lucht verzadigd is met waterdamp - de beste voorspeller is van een verhoogde vraag naar energie. De volgende beste voorspeller is de extreme maximumtemperatuur voor een maand, ze zeggen.

De onderzoekers combineerden deze klimaatvoorspellers met drie andere categorieën:de sector (woningen, commerciële en industriële) die de energie verbruiken, weergegevens en sociaaleconomische gegevens - om hun model te creëren.

Ze pasten het model toe op de staat Ohio en ontdekten dat de residentiële sector het meest gevoelig is voor klimaatvariabiliteiten. Bij een matige stijging van de dauwpunttemperatuur, De vraag naar elektriciteit kan tot 20 procent toenemen. De voorspelling springt naar 40 procent met een forse stijging.

Ter vergelijking, de Commissie van openbaar nut van Ohio (PUCO), die geen rekening houdt met klimaatverandering in zijn modellen, voorspelt een stijging van de vraag naar woningen met minder dan 4 procent tot 2033.

Het is vergelijkbaar in de commerciële sector, waar de onderzoekers zeggen dat de vraag zou kunnen toenemen tot 14 procent. Opnieuw, De projecties van PUCO zijn lager, 3,2 procent. De industriële sector is minder gevoelig voor temperatuurschommelingen, echter, onderzoekers zeggen dat de vraag nog steeds de projecties zou kunnen overtreffen.

Tijdens de wintermaanden, variaties tussen de modellen is minder groot. Dat is te wijten, gedeeltelijk, tot het relatief lage percentage (22,6 procent) inwoners van Ohio dat hun huizen via elektriciteit verwarmt.

Hoewel de studie beperkt is tot Ohio, onderzoekers zeggen dat het model kan worden toegepast op andere staten. Om resultaten te communiceren, de onderzoekers gebruikten warmtekaarten, die een onmiddellijke visuele samenvatting geven van de gegevens die door kleuren worden weergegeven. Het idee, ze zeggen, is om besluitvormers beter te informeren met nauwkeurige en gemakkelijk te begrijpen informatie.