برآورد انرژی باد در دشت اردبیل براساس برونداد مدل‌های اقلیمی و سناریوی RCP در دهه‌های آینده

نوع مقاله : علمی -پژوهشی

نویسندگان

1 گروه جغرافیای طبیعی، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی، اردبیل، ایران

2 گروه علوم محیطی، پژوهشکده انگور و کشمش، دانشگاه ملایر، ملایر، ایران

چکیده

در این پژوهش پس از شبیه‌سازی داده‌های وقوع باد با بروندادهای گردش جوی و سناریوی RCP4.5، ویژگی‌های انرژی حاصل از باد در ایستگاه اردبیل با احتمالات آماری و توزیع ویبول برای سال‌های آینده برآورد شد. بدین منظور، داده‌های سمت و سرعت باد در دو دهه آینده (2030-2021 و 2040-2031 میلادی) شبیه‌سازی و گلبادهای سالانه به همراه میانگین سرعت باد برای دهه‌های آینده ایستگاه اردبیل ترسیم و بررسی شد. سپس برای پیش‌بینی احتمالات وقوع باد از تابع ویبول استفاده شد و صحت این توزیع با آزمون خی دو محاسبه شد. با برآورد پارامترهای K و C از تابع ویبول، چگالی انرژی باد، سرعت نامی، محتمل‌ترین سرعت باد و سرعت راه‌انداز و توقف توربین‌های بادی برای ارتفاعات 10 تا 50 متری از سطح زمین برآورد گردید. نتایج این پژوهش نشان داد در دوره پایه و آینده دامنه میانگین سرعت باد بین 3 تا 5 متر در ثانیه است که در دوره پایه (2005-1992)، میانگین آن 75/3 و در دوره آینده (2040-2021)، میانگین آن 34/4 متر در ثانیه خواهد بود. چگالی توان باد طی دهه‌های آینده در ارتفاع 10 متری حدود 450 تا 500 و در ارتفاع 50 متری حدود 1000 وات در هر متر مربع محاسبه شد. همچنین سرعت نامی باد در ارتفاع 10 متری و 50 متری حدود 11 و 14 و محتمل‌ترین آن نیز 6 و 8 متر خواهد بود. حدود 80 درصد ساعات موجودیت باد نیز بین سرعت راه‌انداز و توقف توربین بادی خواهد بود.

کلیدواژه‌ها


عنوان مقاله [English]

Wind energy estimation in Ardabil plain based on the output of climate models and RCP scenarios over the next decades

نویسندگان [English]

  • bromand salahi 1
  • Mahomud Behrozi 2
1 Department of Physical Geography, Faculty of Letters and Human Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
2 Environmental Sciences Research Institute, Institute for Grapes and Raisin, Malayer University, Malayer, Iran
چکیده [English]

IntroductionGlobal warming leads to rising ocean water levels, Destruction of pastures and environment, desertification, and an increase in extreme events such as droughts and sand storms, heat waves, storms and flooding of rivers. Wind energy is essential because it reduces greenhouse gases and global warming once compared with thermal power plants while producing a unit of energy. Wind power has been generated in 103 countries, and in 2013, about 318529 MW of electricity was generated by this method which is about 4 percent of the world's electricity, it could reach 700,000 MW in 2020. In this study, with regard to global warming and its effects on the potential of wind energy in different parts of the world, the potential for wind power was examined in the coming years.Materials and methodsTo simulate the wind speed at Ardabil station for the 2021-2040, CGCM1 model under RCP4.5 scenario and the SDSM model were used. Subsequently, the Weibull distribution function, which suits the wind speed data, especially in the range of wind turbine speeds, was used to determine the potential of wind energy in wind turbines to generate electricity and estimate its output energy for the future climate of Ardabil station. Also wind energy was calculated for the next two decades (2021-2030 and 2030-2040).Results and DiscussionIn the base period (1992-2012) and the future (2021-2040), the average wind speed is between 3 and 5 m/s which are 3.75 and 4.34 m/s in the base period and future, respectively. Then, an increase of 1.9 m/s for the wind speed in the future (2021-2040) compared to base period may occur. The wind power density at 10m height will be 440.3 and 492.8 w/m2 in the first (2021-203) and second decades (2031-2040), respectively. The wind power density at 30m was calculated to be 500 w/m2 at the base period; but it will be more than 600 w/m2 in the future, which can generate more energy compared to the base period. The wind power density at 50 m height was calculated to be 800 w/m2 at the base period; but it will be more than 1000 w/m2 in the future. The most wind density at the height of 10m in the first and second decades of the future will be at the speed of 11.26 and 12 m/s, respectively. The speed of 11 to 17 m / s will have the highest frequency of wind speed in the future decades. The availability of wind hours will be more than 4000 hours per year. Wind will be available at Ardabil station in more than 50 percent of the year. About 3000 hours of wind speed will be more than 4 m/s which is the winding speed of turbines and in these hours, turbines will spin and generate energy.ConclusionGlobal warming will increase wind speed by about 14% during 2021-2040 which is suitable to provide energy from wind turbine rotation. The wind power will reach over 1000 w/m2 at a height of 50 m, which will be economically viable. Using this renewable energy can play a direct role in reducing greenhouse gas emissions.

کلیدواژه‌ها [English]

  • Global warming
  • Wind energy
  • Weibull function
  • Wind density
  • Ardabil plain
  1. -اسفندیاری درآباد، ف.، عالی جهان، م.، رحیمی، م. و مهرورز، ا.، 1392. آشکارسازی آماری تأثیر پدیده گرمایش جهانی بر ناهنجاری‌های دبی حوضه رودخانه ارس، مجله پژوهش‌های ژئومورفولوژی کمی، شماره 4، ص 43-60.
  2. -امیدوار، ک. و دهقان طزرجانی، م.، 1391. پتانسیل سنجی و برآورد مشخصه‌های نیروی باد برای تولید انرژی در ایستگاه‌های همدیدی استان یزد، فصلنامه تحقیقات جغرافیایی، دوره 27، شماره‌‌ 105، ص 150-170.
  3. -آذری، ا.، زارعی، ز. و حاجی بابایی، ز.، 1395. توان‌سنجی باد برای توسعه پایدار انرژی در استان همدان، نشریه جغرافیا و پایداری محیط، دوره 6، شماره‌‌ 19، ص 99-116.
  4. -بابایی فینی، ا.، قاسمی، ا. و فتاحی، ا.، 1393. بررسی اثر تغییر اقلیم بر روند نمایه‌های حدی بارش ایران زمین، نشریه تحلیل فضایی مخاطرات محیطی، سال اول، شماره‌‌ 3، ص 85-103.
  5. -بافکار، ع.، آذری، ا. و احمدی، م.، 1391. برآورد انرژی باد و کاربرد آن در مکان‌یابی نیروگاه بادی در استان کرمانشاه، مجله نیوار، دوره 36، شماره‌‌ 78-79، ص11-24.
  6. -جعفری، ح.، عزیزی، ع.، نصیری، ح. و عابدی، س.، 1392. تحلیل تناسب اراضی جهت استقرار نیروگاه-های بادی در استان اردبیل با استفاده از مدل AHP و SAW در محیط GIS، نشریه علوم و تکنولوژی محیط‌زیست، دوره 15، شماره‌‌ 2، ص 24-41.
  7. -جمیل، م.، 1384. چگالی انرژی باد، مجله نیوار، شماره‌‌ی 42-43، ص 27-50.
  8. -جهانبخش، س.، دین‌پژوه، ی.، رضایی بنفشه، م. و اسمعیل‌پور، م.، 1394. مقایسه روش‌های برآورد پارامترهای توزیع ویبول جهت تولید انرژی باد در استان آذربایجان شرقی، نشریه جغرافیا و برنامه‌ریزی محیطی، سال بیست و شش، پیاپی 59، شماره‌‌ 3، ص 61-80.
  9. -جهانگیری، ز.، رحیم زاده، ف. و کمالی، غ.، 1384. محاسبه انرژی باد با استفاده از توزیع ویبال دو پارامتره، فصلنامه تحقیقات جغرافیایی، دوره 20، پیاپی 76، شماره‌‌ 1، ص 151-170.
  10. -خسروی، م.، ابراهیمی، م. و بهروزی، م.، 1395. بررسی وضعیت انرژی باد در استان خوزستان به‌منظور استفاده از توربین‌های بادی، نشریه برنامه‌ریزی منطقه‌ای، دوره 6، شماره‌‌ 22، ص 29-42.
  11. -دشت بزرگی، ا.، علیجانی، ب.، جعفرپور، ز. و شکیبا، ع.، 1394. شبیه‌سازی شاخص‌های حدی دمای استان خوزستان براساس سناریوهای RCP، جغرافیا و مخاطرات محیطی، شماره‌‌ 16، ص 105-123.
  12. -رضایی بنفشه، م.، جهانبخش، س.، دین‌پژوه، ی. و اسمعیل پور، م.، 1393. امکان‌سنجی استفاده از انرژی باد در استان‌های اردبیل و زنجان، پژوهش‌های جغرافیای طبیعی، سال چهل و شش، شماره‌‌ 3، ص 261-274.
  13. -رضائی، م.، نهتانی، م.، آبکار، ع.، رضائی، م. و میرکازهی ریگی، م.، 1393. بررسی کارائی مدل ریزمقیاس‌نمایی آماری (SDSM) در پیش‌بینی پارامترهای دمایی در دو اقلیم خشک و فراخشک (مطالعه موردی: کرمان و بم)، پژوهشنامه مدیریت حوزه آبخیز، سال 5، ص 117-131.
  14. -زاهدی، م.، صلاحی، ب. و جمیل، م.، 1384. محاسبه چگالی و توان باد به‌منظور استفاده از انرژی آن در اردبیل، پژوهش‌های جغرافیایی، دوره 37، شماره‌‌ 53، ص 41-55.
  15. -سبحانی، ب. و گل‌دوست، ا.، 1395. بررسی تغییر دما و ارزیابی امکان پیش‌بینی آن در استان اردبیل براساس روش‌های آماری و سیستم استنتاج فازی- عصبی تطبیقی، نشریه تحقیقات کاربردی علوم جغرافیایی، دوره 16، شماره‌‌ 42، ص 27-40.
  16. -صلاحی، ب.، 1383. پتانسیل سنجی انرژی باد و برازش احتمالات واقعی وقوع باد با استفاده از تابع توزیع چگالی احتمال ویبول در ایستگاه‌های سینوپتیک استان اردبیل، فصلنامه تحقیقات جغرافیایی، دوره 19، شماره‌‌ 1، ص 87-104.
  17. -طاووسی، ت. و دل‌آرا، ق.، 1389. پهنه‌بندی آب و هوایی استان اردبیل، مجله علمی و فنی نیوار، دوره 34، شماره‌‌ 70-71، ص 47-52.
  18. -طائی سمیرمی، س.، مرادی، ح. و خداقلی، م.، 1393. شبیه‌سازی و پیش‌بینی برخی از متغیرهای اقلیمی توسط مدل چندگانه خطی SDSM و مدل‌های گردش عمومی جو، مطالعه موردی: حوزه آبخیز بار نیشابور، فصلنامه انسان و محیط‌زیست، دوره 12، شماره‌‌ 1 (28- پیاپی 39)، ص 1-15.
  19. -عبدالله زاده، ک. و عبدالله زاده، ی.، 1379. مفاهیم کاربردی آمار و احتمالات، چاپ اول، نشر آییژ، تهران، 432 ص.
  20. -عساکره، ح.، 1386. تغییر اقلیم، انتشارات دانشگاه زنجان، چاپ اول، زنجان، 376 ص.
  21. -گل محمدی، م. و مساح بوانی، ع.، 1389. بررسی تغییرات شدت و دوره بازگشت خشکسالی حوضه قره‌سو در دوره‌های آینده تحت‌تأثیر تغییر اقلیم، نشریه آب و خاک، جلد 25، شماره‌‌ی 2، ص 315-326.
  22. -گندمکار، ا.، 1388. ارزیابی انرژی پتانسیل باد در کشور ایران، مجله جغرافیا و برنامه‌ریزی محیطی، دوره 20، شماره‌‌ی 4، ص 85-100.
  23. -مهرآذر، آ.، مساح بوانی، ع.ر.، مشعل، م. و رحیمی خوب، ح.، 1397. بررسی اثرات تغییر اقلیم بر بخش کشاورزی دشت هشتگرد با تأکید بر عدم قطعیت مدل‌های AOGCM گزارش ارزیابی پنجم IPCC، مجله علوم و مهندسی آبیاری، جلد 41، شماره 3، ص 45-59.
  24. -همتی، ر.، هژبرپور، ق.، نصیری فر، ع.، دولتی مهر، ع.، شهبازی، م. و آقائی، س.غ.، 1391. مطالعات طرح آمایش استان اردبیل، سازمان مدیریت و برنامه‌ریزی استان اردبیل.
  25.  
  26.  
  27. -Ambrosini, G., Benato, B., Garavaso, C., Botta, G., Cenerini, M., Comand, D. and Stork, C., 1992. Wind energy potential in Emilia Romagna, Italy, Journal of Wind Engineering and Industrial Aerodynamics, v. 39(1-3), p. 211-220.
  28. -Bloom, A., Kotroni, V. and Lagouvardos, K., 2008. Climate change impact of wind energy availability in the Eastern Mediterranean using the regional climate model PRECIS, Natural Hazards and Earth System Sciences, v. 8(6), p. 1249-1257.
  29. -Breslow, P.B. and Sailor, D.J., 2002. Vulnerability of wind power resources to climate change in the continental United States, Renewable Energy, v. 27, p. 585-98.
  30. -Chang, P.T., 2011. Performance Comparison of six Numerical Methods in Estimating Weibull Parameters for Wind Energy Application, Applied energy, v. 88(1), p. 272-282.
  31. -Chaudhary, D., Kumar, D., Jaiswal, R.K. and Nema, A.K., 2018. A Statistical Downscaling Technique for Assessment of Meteorological Parameters under Climate Change Condition Using SDSM-DC Model in Raipur District, International Journal of Bio-Resource & Stress Management, v. 9(4), p. 176-192.
  32. -Chen, H., Xu, C.Y. and Guo, S., 2012. Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff, Journal of hydrology, v. 434, p. 36-45.
  33. -Christensen, J.H., Carter, T.R., Rummukainen, M. and Amanatidis, G., 2007. Evaluating the performance and utility of regional climate models: the PRUDENCE project, Climatic Change, v. 81, p. 1-6.
  34. -Davy, R., Gnatiuk, N., Pettersson, L. and Bobylev, L., 2017. Climate change impacts on wind energy potential in the European domain with a focus on the Black Sea, Renewable and Sustainable Energy Reviews, v. 81(2), p. 1652-1659.
  35. -Giorgi, F. and Mearns, L.O., 1999. Introduction to Special Section: Regional Climate Modeling Revisited, Journal of Geophysical Research, v. 104, p. 6335-6352.
  36. -Gonzalez-Roji, S.J., Wilby, R., Saenz, J. and Ibarra-Berastegi, G., 2018. Harmonized evaluation of daily precipitation downscaled using SDSM and WRF+WRFDA models over the Iberian Peninsula, Climate Dynamics, ISSN: 0930-7575.
  37. -Harrison, G.P., Cradden, L.C. and Chick, J.P., 2008. Preliminary assessment of climate change impacts on the UK onshore wind energy resource, Energy Sources, v. 30(14-15), p. 1286-1299.
  38. -Hennings, W., Mischinger, S. and Linssen, J., 2013. Utilization of excess wind power in electric vehicles, Energy Policy, v. 62, p. 139-144.
  39. -IPCC, 2007. Impacts, Adaptation and Vulnerability, Cambridge University Press: Cambridge, UK, 1032 p.
  40. -IPCC, 2014. The Physical Science Basis, Cambridge University Press: Cambridge, UK, 1522 p.
  41. -Marengo, J.A., Chou, S.C., Torres, R.R., Giarolla, A., Alves, L.M. and Lyra, A., 2014. Climate change in central and South America: recent trends, future projections and impacts on regional agriculture, Technical Report.
  42. -Mirhosseini, M., Sharifi, F. and Sedaghat, A., 2011. Assessing the wind energy potential locations in province of Semnan in Iran, Renew Sustain Energy Rev, v. 15(1), p. 449-59.
  43. -Mostafaeipour, A., Sedaghat, A., Dehghan-Niri, A.A. and Kalantar, V., 2011. Wind energy feasibility study for city of Shahrbabak in Iran, Renew Sustain Energy Rev, v. 15(6), p. 2545-56.
  44. -Mostafaeipour, A., Jadidi, M., Mohammadi, K. and Sedaghat, A., 2014. An analysis of wind energy potential and economic evaluation in Zahedan, Iran, Renewable and Sustainable Energy Reviews, v. 30, p. 641-650.
  45. -Nolan, P., Lynch, P., McGrath, R., Semmler, T. and Wang, S., 2012. Simulating climate change and its effects on the wind energy resource of Ireland, Wind Energy, v. 15(4), p. 593-608.
  46. -Pryor, S.C. and Barthelmie, R.J., 2010. Climate change impacts on wind energy: a review, Renewable and Sustainable Energy Reviews, v. 14(1), p. 430-437.
  47. -Sailor, D.J., Smith, M. and Hart, M., 2008. Climate change implications for wind power resources in the Northwest United States, Renewable Energy 2008, v. 33(11), p. 2393-2406.
  48. -Soldatenko, S. and Karlin, L., 2014. The climate change impact on Russia’ wind energy resource: current areas of research, Energy and Power Engineering, v. 6(11), p. 371-385.
  49. -Tian, Q., Huang, G., Hu, K. and Niyogi, D., 2019. Observed and global climate model based changes in wind power potential over the Northern Hemisphere during 1979–2016, Energy, v. 167(15), p. 1224-1235.
  50. -Vuuren, D.V., Edmonds, J., Kainuma, M., Riahi, K. and Weyant, J., 2011. A special issue on the RCPs, Climate Change, v. 109, p. 1-4.
  51. -Wilby, R.L., Dawson, C.W. and Barrow, E.M., 2002. SDSM—a decision support tool for the assessment of regional climate change impacts, Environmental Modelling & Software, v. 17(2), p. 145-157.
  52. -WWEA, 2014. Key Statistics of World Wind Energy Report 2013, WWEA, Shanghai, 7 April 2013, 13 p.
  53. -Youm, I., Sarr, J., Sall, M., Ndiaye, A. and Kane, M.M., 2005. Analysis of wind data and wind energy potential along the northern coast of Senegal, Rev. Energy. Ren, v. 8, p. 95-108.