Nature Communications Earth & Environment: Сверхточное картирование ветров с использованием глубокого обучения для масштабируемого планирования возобновляемой энергетики
Точная информация о ветре имеет решающее значение для расширения использования возобновляемой энергии, однако одновременное достижение высокого пространственного разрешения и точности остаётся сложной задачей. Эта задача усугубляется в регионах с редкими наземными наблюдениями, где неравномерное покрытие станций может искажать оценку модели. Здесь авторы представляют структуру глубокого обучения, которая восстанавливает поля ветра с высоким разрешением, комбинируя частотную фильтрацию с генеративной моделью, разработанной для повышения локальной детализации при сохранении крупномасштабной структуры. Они также представляют стратегию оценки методом Монте-Карло от точки к области, учитывающую пространственную неоднородность между измерительными площадками, что позволяет надёжно оценивать производительность модели. Применительно к региональной реконструкции ветра, эта структура улучшает оценку скорости ветра и обеспечивает более чёткое представление мелкомасштабной изменчивости, особенно в условиях, связанных с высокой выработкой ветровой энергии. Подход демонстрирует стабильную работу в нескольких пространственных областях и на уровнях временной агрегации, подтверждая его потенциал для масштабируемого и чувствительного к местоположению планирования ветроэнергетики в условиях ограниченности данных наблюдений.