DOI: https://doi.org/10.1038/s41467-026-68337-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41530134
تاريخ النشر: 2026-01-14
المؤلف: Edgar Ubaldo Peña-Sánchez وآخرون
الموضوع الرئيسي: تحسين أنظمة الطاقة المتكاملة
نظرة عامة
تقدم البحث ETHOS.RESKitWind، أداة محاكاة عالمية لطاقة الرياح مفتوحة المصدر مصممة لتعزيز موثوقية استراتيجيات النشر لطاقة الرياح في أنظمة الطاقة الصفرية المستقبلية. تتميز الأداة بدقة مكانية عالية وتصاميم قابلة للتخصيص لكل من توربينات الرياح البحرية والبرية. تخضع لعملية تحقق ومعايرة صارمة، مستفيدة من أكثر من 16 مليون قياس من أعمدة الأرصاد الجوية ومواقع توربينات الرياح، محققة متوسط خطأ عامل السعة العالمي البالغ 0.006 ومعامل ارتباط بيرسون البالغ 0.865.
يتم تقييم أداء ETHOS.RESKitWind بشكل أكبر مقابل مصادر توليد طاقة الرياح المجمعة والإحصائية المختلفة، مما يظهر قوتها. تمثل هذه المبادرة تقدمًا كبيرًا نحو نهج مفتوح المصدر وبيانات مفتوحة بالكامل في نمذجة طاقة الرياح، حيث تدمج التقدمات الشاملة في المحاكاة في نموذج واحد موثق.
مقدمة
تسلط المقدمة الضوء على الدور الحاسم لطاقة الرياح كمصدر رئيسي للطاقة المتجددة في العقود القادمة، مع التأكيد على ضرورة تقييم موارد طاقة الرياح لاستراتيجيات فعالة لتحويل نظام الطاقة. تعتبر التقييمات الدقيقة لموارد الرياح ضرورية لتخطيط السعة، وتصميم إطار السوق، وتسريع عمليات التخطيط والتصريح. يجب أن يأخذ التقييم في الاعتبار الاعتماديات المكانية والزمنية والتكنولوجية، حيث تؤثر هذه العوامل على تحويل سرعة الرياح إلى إنتاج الكهرباء.
لتحسين قوة وموثوقية تقييمات طاقة الرياح، من الضروري دمج هذه الاعتماديات في أداة محاكاة شاملة. يشير البحث إلى الجهود المستمرة داخل مجتمع محاكاة الطاقة المتجددة لتطوير نماذج زمنية ومكانية مقيدة تلتقط هذه الاعتماديات. يذكر عدة نماذج مفتوحة المصدر متطورة، بما في ذلك Renewables.ninja وRESKit وpyGRETA وAtlite، التي تستخدم مصادر بيانات متنوعة مثل MERRA-2 وGlobal Wind Atlas (GWA) لتحسين الدقة المكانية. تمهد المقدمة الطريق لمناقشة التحقق من هذه النماذج ومساهماتها في تقييم موارد طاقة الرياح.
طرق
في هذا القسم، يوضح المؤلفون المنهجية المستخدمة لمحاكاة والتحقق من أنظمة طاقة الرياح ضمن إطار ETHOS.RESKitWind. تشمل الطريقة سلسلة من التقنيات الحسابية المصممة لنمذجة توليد طاقة الرياح بدقة وتقييم أداء تكوينات توربينات الرياح المختلفة.
تشمل المكونات الرئيسية للمنهجية اختيار بيانات الأرصاد الجوية المناسبة، وتطبيق خوارزميات عددية متقدمة لمحاكاة تدفق الرياح، وتنفيذ إجراءات التحقق لضمان موثوقية النتائج. يؤكد المؤلفون على أهمية هذه الطرق في تحقيق توقعات دقيقة لإنتاج الطاقة وتحسين تصميم أنظمة طاقة الرياح.
نتائج
في هذا القسم، يقدم المؤلفون تحليلًا مقارنًا لنموذجهم، ETHOS.RESKitWind، مقابل نموذجين آخرين، RenewablesNinja وEMHIRES، مع التركيز على توليد الطاقة الكهربائية من توربينات الرياح. بينما يستخدم RenewablesNinja بيانات MERRA2، يعتمد ETHOS.RESKitWind على ERA5. يشير المؤلفون إلى أن نموذج atlite وpyGRETA تم استبعادهما من المقارنة بسبب التحديات في تكرار أدائهما المقصود، خاصة فيما يتعلق بمعالجة البيانات ومواصفات التوربينات.
تشير النتائج إلى أن النماذج الثلاثة جميعها تحقق عوامل سعة متوسطة ضمن 1% من القياسات المتوقعة، مع إظهار المؤشرات الإحصائية أن ETHOS.RESKitWind يتفوق على النماذج الأخرى في عدة مقاييس. على وجه التحديد، حقق خطأ الجذر التربيعي المتوسط البالغ 0.149، ومعامل ارتباط بيرسون البالغ 0.897، ومعامل تحليل الارتباط المتقاطع غير المتجه (DCCA) البالغ 0.847 عبر 21 موقعًا مع إجمالي 98 عامًا من الملاحظات. يؤكد المؤلفون أنه بينما تشير نتائجهم إلى تحسينات في الأداء الإحصائي، فإن المقارنة لها قيود ولا ينبغي اعتبارها تقييمًا شاملاً لقدرات النماذج.
مناقشة
في هذه الدراسة، يقدم المؤلفون ETHOS.RESKitWind، نموذج متقدم لمحاكاة توليد طاقة الرياح مصمم للتطبيق العالمي. يعالج هذا النموذج قيودًا كبيرة تم تحديدها في الأدوات الحالية، مثل إجراءات التحقق غير الكافية والأخطاء المتوسطة غير المصححة في بيانات الطقس المدخلة. يستخدم ETHOS.RESKitWind بيانات الرياح عالية الدقة من ERA5 وGWA3، ويشمل أكثر من 8 ملايين قياس لسرعة الرياح من 213 موقعًا لأعمدة الأرصاد الجوية عبر 25 دولة. يتميز النموذج بمكتبة واسعة من 880 نوعًا من التوربينات ويسمح بإنشاء منحنيات طاقة صناعية قابلة للتخصيص، مما يعزز مرونته لمحاكاة كل من توربينات الرياح الحالية والمستقبلية.
تحسن عملية المعايرة المطبقة في ETHOS.RESKitWind بشكل كبير من دقة النموذج من خلال تصحيح الانحيازات النظامية في سرعة الرياح، مما يؤدي إلى تقليل انحرافات عامل السعة من 21% إلى 9% عند محاكاة أساطيل الرياح التاريخية للدول. يظهر النموذج أداءً متسقًا عبر مناطق مختلفة، سواء كانت برية أو بحرية، ويحقق درجة عالية من منحنى الطاقة الصناعية، مما يشير إلى توافق قوي مع البيانات المقدمة من الشركات المصنعة. علاوة على ذلك، يؤكد المؤلفون على أهمية جعل بيانات سرعة الرياح وتوليد الطاقة المحلية، التي تم تحديدها زمنياً، متاحة للجمهور لتعزيز دقة المحاكاة المستقبلية. بشكل عام، يضع ETHOS.RESKitWind معيارًا جديدًا في نمذجة طاقة الرياح، مما يوفر رؤى حاسمة لتحسين استخدام الطاقة المتجددة وإبلاغ الاستثمارات الاستراتيجية في قطاع الطاقة.
قيود
في هذا القسم، يحدد المؤلفون عدة قيود واجهوها خلال دراستهم لنمذجة توليد طاقة الرياح باستخدام ETHOS.RESKitWind. أولاً، بينما يقلل النموذج بشكل فعال من الانحرافات عند مقارنته بالبيانات الزمنية المحلية، فإنه يميل إلى التقليل من تقدير التوليد بالنسبة للبيانات الوطنية المجمعة. يكون هذا التقليل ملحوظًا بشكل خاص عندما تكون عوامل السعة العالية متضمنة، حيث أن تجميع البيانات السنوية يعيق المقارنات الدقيقة. يوصي المؤلفون بالتحقق من نتائج النموذج مقابل القياسات الزمنية كلما كان ذلك ممكنًا لتعزيز الدقة.
ثانيًا، تسلط الدراسة الضوء على التحديات التي تطرحها التضاريس المعقدة—مثل الجبال والغابات والمناطق الحضرية—حيث يمكن أن تنشأ اختلافات في توليد الطاقة بسبب القيود في بيانات Global Wind Atlas (GWA) أو ERA5. تظهر هذه الاختلافات كلاً من الانحرافات الإيجابية والسلبية، المتأثرة بالتغيرات اليومية والموسمية في سرعة الرياح. يؤكد المؤلفون على الدور الحاسم لتحديد سرعة الرياح بدقة في صيغة طاقة الرياح، مشيرين إلى أن الأخطاء المتوسطة تؤثر مباشرة على أداء النموذج. علاوة على ذلك، تم تحديد توفر قياسات سرعة الرياح على ارتفاعات محور التوربينات كعامل محدد لتحسين تصحيحات الأخطاء المتوسطة المحلية. أخيرًا، بينما تؤدي محاكاة أساطيل توربينات الرياح المعاصرة إلى نتائج أقرب إلى القيم المتوقعة، فإن تلك الخاصة بالتوربينات التي تقل عن 1 ميغاوات تظهر أداءً دون المستوى بسبب مشكلات في تمثيل منحنى الطاقة وتعديل سرعات الرياح لتتناسب مع ظروف التضاريس.
DOI: https://doi.org/10.1038/s41467-026-68337-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41530134
Publication Date: 2026-01-14
Author(s): Edgar Ubaldo Peña-Sánchez et al.
Primary Topic: Integrated Energy Systems Optimization
Overview
The research presents ETHOS.RESKitWind, an open-source global wind power simulation tool designed to enhance the reliability of deployment strategies for wind energy in future net-zero energy systems. The tool features high spatial resolution and customizable designs for both onshore and offshore wind turbines. It undergoes a rigorous validation and calibration process, utilizing over 16 million measurements from meteorological masts and wind turbine sites, achieving a global average capacity factor mean error of 0.006 and a Pearson correlation coefficient of 0.865.
ETHOS.RESKitWind’s performance is further evaluated against various aggregated and statistical sources of wind power generation, demonstrating its robustness. This initiative represents a significant advancement towards a fully open-source and open-data approach in wind power modeling, integrating comprehensive simulation advancements into a single, validated model.
Introduction
The introduction highlights the critical role of wind power as a leading renewable energy source in the coming decades, emphasizing the necessity of evaluating wind power resources for effective energy system transformation strategies. Accurate assessments of wind resources are vital for capacity planning, market framework design, and expediting planning and permitting processes. The assessment must consider spatial, temporal, and technology dependencies, as these factors influence the conversion of wind speed into electricity output.
To enhance the robustness and reliability of wind energy assessments, it is essential to integrate these dependencies into a comprehensive simulation tool. The paper notes ongoing efforts within the renewable energy simulation community to develop time-resolved and geospatially constrained models that capture these dependencies. It mentions several state-of-the-art, open-source models, including Renewables.ninja, RESKit, pyGRETA, and Atlite, which utilize various data sources such as MERRA-2 and the Global Wind Atlas (GWA) to improve spatial resolution. The introduction sets the stage for discussing the validation of these models and their contributions to wind energy resource assessment.
Methods
In this section, the authors detail the methodology utilized for simulating and validating wind energy systems within the ETHOS.RESKitWind framework. The approach encompasses a series of computational techniques designed to accurately model wind energy generation and assess the performance of various wind turbine configurations.
Key components of the methodology include the selection of appropriate meteorological data, the application of advanced numerical algorithms for wind flow simulation, and the implementation of validation procedures to ensure the reliability of the results. The authors emphasize the importance of these methods in achieving precise predictions of energy output and optimizing the design of wind energy systems.
Results
In this section, the authors present a comparative analysis of their model, ETHOS.RESKitWind, against two other models, RenewablesNinja and EMHIRES, focusing on wind turbine electricity power generation. While RenewablesNinja utilizes MERRA2 data, ETHOS.RESKitWind is based on ERA5. The authors note that the atlite model and pyGRETA were excluded from the comparison due to challenges in replicating their intended performance, particularly concerning data processing and turbine specifications.
The results indicate that all three models yield mean capacity factors within 1% of expected measurements, with statistical indicators showing that ETHOS.RESKitWind outperforms the other models in several metrics. Specifically, it achieved a root-mean square error of 0.149, a Pearson correlation of 0.897, and a Detrended Cross-Correlation Analysis (DCCA) coefficient of 0.847 across 21 locations with a total of 98 years of observations. The authors emphasize that while their findings suggest improvements in statistical performance, the comparison has limitations and should not be seen as a comprehensive evaluation of the models’ capabilities.
Discussion
In this study, the authors present ETHOS.RESKitWind, an advanced wind power generation simulation model designed for global applicability. This model addresses significant limitations identified in existing tools, such as inadequate validation procedures and uncorrected mean errors in input weather data. ETHOS.RESKitWind utilizes high-resolution wind data from ERA5 and GWA3, incorporating over 8 million wind speed measurements from 213 meteorological mast sites across 25 countries. The model features an extensive library of 880 turbine types and allows for the creation of customizable synthetic power curves, enhancing its versatility for simulating both current and prospective wind turbines.
The calibration process implemented in ETHOS.RESKitWind significantly improves model accuracy by correcting systematic wind speed biases, resulting in a reduction of capacity factor deviations from 21% to 9% when simulating historical country wind fleets. The model demonstrates consistent performance across various regions, both onshore and offshore, and achieves a high synthetic power curve score, indicating strong alignment with manufacturer-provided data. Furthermore, the authors emphasize the importance of making localized, time-resolved wind speed and power generation data publicly accessible to enhance the precision of future simulations. Overall, ETHOS.RESKitWind sets a new standard in wind energy modeling, providing critical insights for optimizing renewable energy utilization and informing strategic investments in the energy sector.
Limitations
In this section, the authors outline several limitations encountered during their study of wind power generation modeling using ETHOS.RESKitWind. Firstly, while the model effectively reduces deviations when compared to localized time-resolved data, it tends to underestimate generation relative to aggregated national data. This underestimation is particularly pronounced when high-capacity factors are involved, as aggregating annual data obscures precise comparisons. The authors recommend that model results be validated against time-resolved measurements whenever possible to enhance accuracy.
Secondly, the study highlights the challenges posed by complex terrains—such as mountains, forests, and urban areas—where discrepancies in power generation can arise due to limitations in the Global Wind Atlas (GWA) or ERA5 data. These discrepancies manifest as both positive and negative deviations, influenced by diurnal and seasonal variations in wind speed. The authors emphasize the critical role of accurate wind speed determination in the wind energy power formula, noting that mean errors directly impact model performance. Furthermore, the availability of wind speed measurements at turbine hub heights is identified as a limiting factor for improving locational mean error corrections. Lastly, while simulations of contemporary wind turbine fleets yield results closer to expected values, those for turbines below 1 MW demonstrate suboptimal performance due to issues with power curve representation and scaling wind speeds to match terrain conditions.