النينيا وانقطاعات الكهرباء: كيف يتحكم المحيط بمصير شبكة الطاقة الأمريكية ✛ ✎

الأصل: "Spatio-temporal Patterns between ENSO and Weather-related Power Outages in the Continental United States"
arXiv:2406.14474 · 2024-06-20 · arXiv non-exclusive · تحليل مستقل · 3 دقيقة
مرحلة النينيا تزيد عدد انقطاعات الكهرباء المرتبطة بالطقس في الولايات المتحدة، وقد يؤدي الحر إلى مضاعفتها 26 مرة بحلول نهاية القرن.

السياق

العمل في عزلة: لا جيران قريبون، أقرب جار على مسافة 0.563. حوله دراسات حول قابلية التنبؤ بالنينيو، والدورات الشمسية، وإحياء السجلات المناخية القديمة، لكن لم يبنِ أحد حتى الآن رابطًا مباشرًا بين النينيو وأعطال شبكة الطاقة. وفي الفترة 2000–2021، كان نحو 83% من الانقطاعات الكبيرة في الولايات المتحدة ناتجًا عن الطقس، وارتفع متوسط العدد السنوي لهذه الأحداث بنسبة 78% في 2011–2021 مقارنة بالعقد السابق. إن فهم كيفية تحكم الشذوذ المناخي العالمي بالعواصف المحلية والحر ضروري لتخطيط طاقة مستدامة.

المنهجية

جمع المؤلفون أربع مجموعات بيانات: تقارير الأعطال في شبكة الطاقة الأمريكية (نموذج DOE-417)، وخمسة مؤشرات للنينيو (MEI، Niño3، Niño4، Niño3.4، SOI)، ومشاهدات يومية لدرجة الحرارة والهطول بدقة 0.5 درجة، وتوقعات 18 نموذجًا من CMIP6. نُظفت جميع السلاسل من الاتجاه الخطي، وحُولت إلى شذوذات نسبة إلى متوسط 2000–2023، ثم مُهدت بنافذة متحركة لثلاثة أشهر. بعد ذلك حُسبت الارتباطات المتبادلة مع تأخيرات زمنية من 0 إلى 9 أشهر بين شدة النينيا، وتكرار الأحداث الجوية المتطرفة، وعدد الانقطاعات في عشر مناطق مناخية في الولايات المتحدة. ولاختبار دلالة الفروق بين مراحل النينيو والنينيا والمرحلة المحايدة، استُخدم تحليل التباين (ANOVA) واختبار توكي.

النتائج

خلال النينيا، يكون عدد الانقطاعات أعلى بشكل ملحوظ منه في الفترات المحايدة، ويكون التأثير أقوى في الربيع بعد ذروة الظاهرة. في ست من عشر مناطق، يصل الارتباط بين شدة النينيا وعدد الانقطاعات إلى -0.68 لعموم الولايات المتحدة، وفي مناطق معينة يصل إلى -0.82. النينيا تسبق الانقطاعات دائمًا، وليس العكس، مما يؤكد العلاقة السببية. تعمل الآلية عبر ثلاث قنوات: في غرب الولايات المتحدة، تعزز النينيا الاجتياحات الباردة والهطول المتطرف؛ وفي الجنوب الشرقي، موجات الحر؛ وفي الولايات الوسطى الشرقية، الهطول المتطرف. تُظهر توقعات CMIP6 أنه في سيناريو SSP 5-8.5 بحلول 2081–2100، ستزداد انقطاعات الربيع بسبب الحر في شرق الولايات المتحدة 25.9 مرة مقارنة بفترة 2000–2023، وفي السيناريو المعتدل SSP 2-4.5 بمقدار 13.2 مرة.

الأهمية

يتميز هذا العمل عن الأعمال المجاورة بأنه ولأول مرة يربط مؤشرًا مناخيًا عالميًا بأعطال محلية في شبكة الطاقة عبر وسائط جوية محددة. الدراسات المجاورة إما تتنبأ بالنينيو نفسه، أو تدرس الدورات الشمسية والطقس الفضائي، لكنها لا تصل بالسلسلة إلى انقطاع التيار. هنا يُظهر العمل أن معرفة مرحلة النينيو قبل عدة أشهر يمكن أن تكون إنذارًا مبكرًا لقطاع الطاقة: إذا كان متوقعًا نينيا قوية، فمن الحكمة الاستعداد لارتفاع الأعطال في مناطق محددة.

التطور المستقبلي

يمكن أن يتطور الموضوع نحو أخذ أنماط مناخية أخرى في الاعتبار، مثل التذبذب العشري للمحيط الهادئ أو التذبذب الأطلسي الشمالي، التي تؤثر أيضًا على الرياح ودرجة الحرارة. ومن الممكن الدمج مع نماذج التنبؤ بالنينيو لإنشاء أنظمة إنذار تشغيلية. ويتطلب توسيع التحليل إلى دول أخرى جمع بيانات مماثلة عن الانقطاعات، وهو ما يقتصر حاليًا على توفر المعلومات من شركات شبكات الكهرباء.

التأثير

ستؤثر النتائج على تخطيط شبكات الطاقة، والتأمين ضد مخاطر البنية التحتية، وتطوير خدمات مناخية لشركات المرافق. سيتمكن خبراء الأرصاد من نقل ليس فقط توقعات الطقس، بل أيضًا تقييمًا احتماليًا للأعطال لموسم مسبق.

الخطوات التالية

الخطوة التالية ستكون اختبار علاقة النينيو بالانقطاعات في دول ومناطق أخرى ذات ظروف مناخية مختلفة. كما يجب دراسة التأثير المشترك لعدة أنماط مناخية، مثل النينيا والتذبذب الأطلسي الشمالي، على تكرار الأعطال.

المسائل المفتوحة الرئيسية

بالنسبة لقطاع الطاقة، تبقى مشكلة التقييم الكمي لمساهمة العوامل المناخية المختلفة في أعطال المعدات دون حل. يُظهر هذا العمل أن الأنماط العالمية يمكن أن تفسر جزءًا كبيرًا من التباين السنوي للأعطال، لكن فصل مساهمات الظواهر الجوية الفردية في حدث واحد لا يزال صعبًا.

نظرة آلة المعرفة

هذا القسم موجَّه إلى مؤلف العمل وزملائه. الأعمال المجاورة عثر عليها بحثٌ دلالي في أرشيفنا، لا بتطابق الكلمات. نحن لا نقيّم العمل: نعرض الحقل من حوله.

ماذا يفعل هذا العمل

قارن المؤلفون بيانات انقطاع التيار الكهربائي في الولايات المتحدة على مدى 24 عامًا بمؤشرات النينيو، ووجدوا ارتباطًا ذا دلالة إحصائية: خلال ظاهرة النينيا تزداد حالات الانقطاع، خاصة في الربيع، عبر تعزيز هطول الأمطار المتطرفة، والموجات الباردة، وموجات الحر. وأظهرت توقعات نموذج CMIP6 ارتفاعًا حادًا في الانقطاعات بسبب الحر بحلول نهاية القرن في سيناريوهي SSP 2-4.5 وSSP 5-8.5.

أين تكمن قوته

لأول مرة، تم بناء سلسلة سببية تربط مؤشرًا مناخيًا عالميًا بالانقطاعات المحلية في شبكة الطاقة، عبر وسائط طقس محددة، مما يوفر أساسًا للتنبؤ الموسمي بمعدلات الأعطال.

إلى أين يمكن المضي

يستحق التجربة

  • اختبار ما إذا كان التنبؤ بالنينيا عبر شبكة عصبية رسومية يحسن تقدير عدد الانقطاعات مقارنة باستخدام المؤشر المرصود.
  • تطبيق منهجيتكم على مناطق أخرى حيث يكون تأثير النينيو واضحًا، مثل أوراسيا، باستخدام بيانات درجات الحرارة.
  • دراسة التأثير المشترك للنينيو والبنية التحتية الحضرية، على سبيل المثال، كيف تتفاعل إمدادات المياه وشبكة الكهرباء أثناء الظواهر الشاذة.

لماذا قد يكون هذا مهمًا

هذا الارتباط يمنح شبكات الطاقة أداة إنذار مبكر: بمعرفة مرحلة النينيو، يمكن الاستعداد مسبقًا لارتفاع معدلات الأعطال في مناطق محددة، وهو أمر بالغ الأهمية مع تزايد الظواهر الجوية المتطرفة.

في ربيع 2018، جلبت عاصفة في كاليفورنيا تساقطًا كثيفًا للثلوج وبردًا، مما ترك 10,898 مستهلكًا دون كهرباء وتسبب في فقدان 38 ميغاواط من الطلب. وفي مارس 2023، تسببت سلسلة أعاصير مع هطول متطرف في انقطاع الكهرباء عن نحو مليون مستهلك في أكثر من عشر ولايات.

x(t) = a + bt + \epsilon(t)
تُحلل السلسلة الأصلية إلى اتجاه وبقية عشوائية
x'(m,n) = \hat{x}(m,n) - \frac{1}{24}\sum_{n=1}^{24}\hat{x}(m,n)
الانحراف عن المتوسط لشهر معين على مدى 24 عامًا
R = \frac{\sum_{t=1}^{T-k}[\tilde{x}(t+k)-\bar{x}][\tilde{y}(t)-\bar{y}]}{\sqrt{\sum_{t=1}^{T}[\tilde{x}(t)-\bar{x}]^2\sum_{t=1}^{T}[\tilde{y}(t)-\bar{y}]^2}}
مقياس العلاقة بين سلسلتين عند إزاحة إحداهما بالنسبة للأخرى بمقدار k شهرًا

أرقام رئيسية

  • زيادة الانقطاعات بسبب الحر بحلول 2081–2100 (SSP 5-8.5): 25.9 مرة
  • زيادة الانقطاعات بسبب الحر بحلول 2041–2060 (SSP 5-8.5): 11 مرة
  • الارتباط بين شدة النينيا والانقطاعات في عموم الولايات المتحدة: -0.68
  • نسبة الأسباب الجوية في الانقطاعات الكبيرة بالولايات المتحدة 2000–2021: 83%
  • زيادة متوسط العدد السنوي للانقطاعات 2011–2021 مقارنة بـ2000–2010: 78%
المفاهيم
ENSO La Niña spring predictability barrier El Niño-Southern Oscillation Southern Oscillation recharge oscillator model El Niño Multivariate ENSO Index Jin-Timmermann model NOAA CPC ERSST Westerly wind burst TAO/TRITON moorings equatorial wave propagation seasonal cycle seasonal forcing Indian Ocean capacitor effect interannual variability Warm water volume North Equatorial Countercurrent