Herunterskalieren von Klimamodellen mit physikalisch informiertem maschinellem Lernen zur Bewältigung der Energiewende
Die sich zuspitzende Klimakrise stellt eine wachsende Bedrohung für die menschliche Gesellschaft und die Infrastruktur dar und macht den Klimaschutz zu einer dringenden globalen Priorität. Der Europäische Green Deal zielt auf Klimaneutralität bis 2050 ab, während Österreich sich ein noch ehrgeizigeres Ziel für 2040 gesetzt hat. Eine wichtige Triebfeder für diese Bemühungen ist der Übergang von fossilen Brennstoffen zu erneuerbaren Energien, wobei umfangreiche Forschungsarbeiten der Bewertung des österreichischen Potenzials für Solar-, Wind- und Wasserkraft gewidmet sind.
Frühere Studien haben die Verfügbarkeit erneuerbarer Energien auf der Grundlage beobachteter und prognostizierter Klimabedingungen bewertet und dabei Faktoren wie Sonneneinstrahlung, Windmuster und verfügbare Flächen berücksichtigt. Darüber hinaus wurden die Auswirkungen des Klimawandels auf die Energieerzeugung untersucht, wobei Risiken wie Hitzewellen mit hohem Energiebedarf, aber geringen Windgeschwindigkeiten und geringerem Wirkungsgrad von Solarzellen hervorgehoben wurden. Der Einfluss von extremen Wetterereignissen auf die Energieinfrastruktur bleibt jedoch weitgehend unerforscht.
EnergAIze schließt diese Lücke, indem es physikalisch informierte KI mit hochauflösender Klimamodellierung verbindet, um die Verfügbarkeit erneuerbarer Energien unter verschiedenen Klimaszenarien zu bewerten (SSP2.6, SSP4.5, SSP8.5). Das Projekt reduziert die Unsicherheit in Bezug auf Extremereignisse - Überschwemmungen, Erdrutsche, Hagel, Stürme und extreme Hitze - durch die Verbesserung der Qualität der Eingabedaten und die Verifizierung von Klimamodellen durch KI-gestützte Ansätze.
Facts
- Project start: 01.10.2023
- Project duration (in months): 18
- Budget: 317 kEUR
- Funding: 200 kEUR
- Project partners: GeoSphere Austria
