Моделирование глобального климата, как правило, не позволяет получить данные о ветре и солнечной энергии с разрешением, достаточным для оценки ресурсов возобновляемых источников энергии в различных климатических сценариях. Авторы вводят состязательный подход к глубокому обучению, чтобы максимально увеличить разрешение ветров и солнечных флуктуаций из глобальных климатических моделей в 50 раз. Полученные поля высокого разрешения являются устойчивыми, физически совместимыми со свойствами атмосферной турбулентности и солнечного излучения, и могут быть адаптированы к областям от региональных до глобальных масштабов. Это улучшение разрешения позволяет производить критические локальные оценки потенциальной долгосрочной экономической жизнеспособности возобновляемых источников энергии.

Точные данные с высоким разрешением, соответствующие различным климатическим сценариям, имеют жизненно важное значение для политиков при принятии решений о разработке будущих энергетических ресурсов, электрической инфраструктуры, транспортных сетей, сельского хозяйства и многих других общественно важных систем. Однако современные модели глобального климата, производящие долгосрочные оценки, не способны достичь разрешения пространственно-временных характеристик, необходимого для оценки ресурсов или оперативного планирования. Авторы вводят состязательный подход глубокого обучения для суперразрешения скорости ветра и флуктуаций солнечного излучения из глобальных климатических моделей в масштабах, достаточных для оценки ресурсов возобновляемой энергии. Используя состязательное обучение для улучшения физических и воспринимающих характеристик сетей, авторы демонстрируют увеличение разрешения данных о ветре и солнечной энергии вплоть до 50-кратного. В ходе валидации установлено, что предполагаемые поля устойчивы к воздействию шума, обладают правильными мелкомасштабными свойствами атмосферной турбулентности и солнечного излучения и сохраняют согласованность в больших масштабах с грубыми данными. Дополнительное преимущество этой полностью свёрточной архитектуры заключается в том, что она позволяет производить обучение в небольших областях и проводить оценку на входах произвольного размера, в том числе в глобальном масштабе. В заключение авторы приводят исследование по возобновляемым источникам энергии в сверхвысоком разрешении, основанное на данных климатических сценариев из Пятого оценочного доклада Межправительственной группы экспертов по изменению климата.

Ссылка: https://www.pnas.org/content/117/29/16805