Påverkan av kraftiga torka, värmeböljor och kalla perioder på energibehovet och energiförsörjningen skulle minska med säsongsbetonade klimatprognoser som gör det möjligt för energiföretag att bättre förutsäga ökade användningar i förväg, säger forskare.

Forskare har redan förmågan att förutsäga vilka klimatförändringar som kan förväntas om två till tre veckor, eller till och med om flera månader. Till skillnad från väderprognoser, som tittar på nederbörd och temperaturer under de följande timmarna och dagarna, dessa klimatprognoser syftar till att förutsäga hur förhållandena kan förändras jämfört med vad som är normalt för den tiden på året. Få tillgång till denna information, dock, är svårt eftersom det mestadels är tillgängligt i ett mycket tekniskt format som är oläsligt för icke-forskare.

Energiindustrin i synnerhet skulle ha nytta av att ha tillgång till en förenklad version av denna information eftersom den kan hjälpa den att förutsäga sannolikheten för extrema väderhändelser på säsongsbasis. Till exempel, värmeböljor tenderar att resultera i kraftiga energianvändningar när människor vrider sin luftkonditionering upp till full blast, och kalla perioder leder till överdriven användning av värme.

Värmeböljor kan vara särskilt problematiska för energibranschen eftersom de ofta slår ut kärnkraftverk också - stora mängder kallt vatten behövs för att kyla ned reaktorer, och under värmeböljor och torka, vattentillförseln är troligtvis för varm för användning. Detta innebär att samtidigt som energibehovet är högre, utbudet äventyras.

"Både energiförsörjningen och efterfrågan är beroende av klimatfaktorer som kan vara förutsägbara, "sade professor Alberto Troccoli vid University of East Anglia, verkställande direktör för World Energy &Meteorology Council.

"När du har händelser som värmeböljor, efterfrågan på energi ökar mycket snabbt eftersom det används mer luftkonditionering. Det faktum att du inte förutspådde det, och du har allt detta krav, betyder att du måste skaffa extra el. Eftersom det inte är beställt i förväg, de tar ut mer och priserna stiger. "

Prof. Troccoli koordinerar ett projekt som heter SECLI-FIRM, som använder modeller av hur klimatet beter sig för att förstå vad som sannolikt kommer att hända under de kommande månaderna.

Ända tills nu, energibranschen har främst tittat på tidigare klimatvariationer, en metod som kallas klimatologi, att förutsäga klimatmönster under de kommande månaderna. Dock, denna metod visar sig vara mindre och mindre tillförlitlig eftersom klimatförändringar resulterar i en ökning av oväntade extrema väderhändelser, som kan påverka efterfrågan. Däremot, klimatmodeller blir allt populärare eftersom de visar några positiva resultat för att förutsäga extrema temperaturhändelser, till exempel, årets värmebölja.

Tillgänglig

Förutom att ge en pålitlig säsongsprognos, modellverktyget som utvecklas av SECLI-FIRM syftar till att göra säsongsbetonade klimatprognosdata mer tillgängliga för icke-forskare-till exempel de som arbetar inom energibranschen, men också inom vattenförsörjning, lantbruk, vinproduktion och olivolja, och till och med försäkringssektorn.

Det är ett exempel på en ny typ av företag som kallas klimattjänster, som syftar till att göra klimatvetenskap och data till användbara verktyg och intelligens för organisationer.

Dr Albert Soret, från Barcelona Supercomputing Center, sade att för att ge klimatinformation till företag, Det är viktigt att ta fram en sömlös prognos som kan användas för beslutsfattande vid olika tidpunkter.

"I slutet, vi vill kunna förklara en historia för (energibranschen), så att de kommer att kunna fatta ett beslut under de kommande veckorna och månaderna, " han sa.

Soret samordnar ett projekt som heter S2S4E, som bygger en online -karta över Europa som innehåller prognoser som sträcker sig från en vecka till fyra månader framåt.

S2S4E -kartan kommer att markera total installerad effekt - den potentiella maximala effektkapaciteten - från vind- och solparker i hela Europa. Användaren kommer att kunna peka på en viss plats på kartan och infoga den tidsram som de vill ha förutsägelser för. Verktyget kommer sedan att producera sannolikhetsprognoser för regn, temperatur, vind och andra energispecifika variabler.

Projektet är baserat i ett superdatorcenter eftersom klimatmodeller är system som efterliknar hela jordsystemet, med siffror för havets yttemperatur, snötäcke och vindar vid varje given tidpunkt, och måste köras flera gånger för att få en bra förutsägelse.

Dr Isadora Jimenez, som arbetar med S2S4E -projektet, sa:"Det är inte något som du kan beräkna på din personliga bärbara dator."

S2S4E -verktyget kommer att finnas tillgängligt i juni 2019, medan SECLI-FIRM-verktyget kommer online i juli 2020, även om en prototyp kommer att utvecklas tidigare.

Sannolikheter

Ett av huvudproblemen för både S2S4E och SECLI-FIRM är att energiindustrin ibland förväntar sig att data ska presenteras på samma sätt som väderprognoser. Dock, så är inte fallet, eftersom klimatsäsongsprognoser baseras på sannolikheter.

"Om du är van vid väderprognosen, du förväntar dig att någon kommer att berätta att temperaturen kommer att vara 24 grader med ett fel på plus eller mindre en grad, "sa Dr Jimenez.

"Inom klimatvetenskap kör vi en modell ett antal gånger, titta på alla möjliga utfall och resultat av den simuleringen och det ger dig en sannolikhet. Klimatprognoser kan inte berätta att vädret i augusti kommer att bli 27 plus eller mindre två grader. De kommer att berätta att du har en 70% sannolikhet för att ha temperaturer över 24 grader. "

Med avancerad information om energibrist eller efterfrågestegringar, dock, företag kan bättre organisera sig för att undvika dyra böter och höga energipriser. Detta är viktigt eftersom även om industrin kommer att axla eventuella initiala prishöjningar, det blir i slutändan kunden som betalar, enligt professor Troccoli.

"Det är användarna i slutändan som lider, "sa han." Om (den extrema händelsen) har tillräckligt stor effekt när energibolagen reviderar energipriset om sex månader eller ett år, du (konsumenten) kommer sannolikt att se den ökningen. "