Variable renewable energy potential estimates based on high-resolution regional atmospheric modelling over southern Africa

Chen, Shuying; Hendricks Franssen, Harrie-Jan; Leuchner, Michael; van Lipzig, Nicole; Quoilin, Sylvain

doi:HT031164554

Variable renewable energy potential estimates based on high-resolution regional atmospheric modelling over southern Africa

Chen, Shuying^RWTH*

2025

VerantwortlichkeitsangabeShuying Chen

ImpressumJülich : Forschungszentrum Jülich GmbH, Zentralbibliothek, Verlag 2025

Umfang1 Online-Ressource (XIII, 141 Seiten) : Diagramme, Karten

ISBN978-3-95806-822-3

ReiheSchriften des Forschungszentrums Jülich Reihe Energie & Umwelt = Energy & environment ; 662

Dissertation, RWTH Aachen University, 2025

Druckausgabe: 2025. - Onlineausgabe: 2025. - Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak05

Hauptberichter/Gutachter
Hendricks Franssen, Harrie-Jan (Thesis advisor)^RWTH* ; Leuchner, Michael (Thesis advisor)^RWTH* ; van Lipzig, Nicole (Thesis advisor) ; Quoilin, Sylvain (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2025-02-04

Online
DOI: 10.18154/RWTH-2025-04529
URN: urn:nbn:de:hbz:5:2-1474685
URL: http://publications.rwth-aachen.de/record/1011082/files/1011082.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Africa (frei) ; ERA5 (frei) ; ICON (frei) ; convection-permitting atmospheric modelling (frei) ; energy systems design (frei) ; wind and solar energy (frei)

Thematische Einordnung (Klassifikation)
DDC: 550

Kurzfassung
Afrika ist der am wenigsten elektrifizierter Kontinent der Welt und beherbergt drei Viertel der Weltbevölkerung ohne Strom. Die Stromerzeugung in den afrikanischen Ländern hängt größtenteils von fossilen Brennstoffen und Wasserkraft ab, obwohl der Kontinent über ein großes Potenzial für die am leichtesten zugänglichen erneuerbaren Energiequellen verfügt - Wind- und Solarenergie, da Afrika der sonnenreichste Kontinent der Welt ist und über viele windreiche Standorte verfügt. Außerdem ist Afrika aufgrund des geringen sozioökonomischen Entwicklungsstandes der Bevölkerung sehr anfällig für den Klimawandel. Erneuerbare Energien gelten als wichtige Lösung für Afrika, um sowohl den Fortschritt des Klimawandels zu verlangsamen als auch den Zugang zu Elektrizität zu erhöhen. Zuverlässige und hochaufgelöste Informationen über das Potenzial erneuerbarer Energien (REP) sind unerlässlich, um den Ausbau erneuerbarer Kraftwerke zu unterstützen. Bestehende meteorologische Datensätze über Afrika, die für REP-Schätzungen verwendet werden, sind jedoch häufig durch eine relativ grobe räumliche Auflösung, räumliche und zeitliche Datenlücken und allgemeine Probleme mit der Datenqualität gekennzeichnet. Dies stellt eine Herausforderung für die Zuverlässigkeit und Genauigkeit der bestehenden REP-Schätzungen sowie für die Modellierung von Energiesystemen miterneuerbaren Energien. Um die bestehenden Herausforderungen mit meteorologischen Datensätzen für Anwendungen im Bereich der erneuerbaren Energien in Afrika zu überwinden, wurde das ICOsahedral Nonhydrostatic (ICON) Numerical Weather Prediction (ICON-NWP) Modell in seinem Limited Area Mode (ICON-LAM) implementiert und über dem südlichen Afrika als Prototyp für den Kontinent angewandt. Das ICON-Modell wird in einem dynamischen Hindcast-Downscaling-Setup mit einer konvektionsgeeigneten räumlichen Auflösung von 3,3 km konfiguriert. Die Simulationszeitspanne umfasst unterschiedliche Sonnen- und Windjahre von 2017 bis 2019. Um die Eignung der neuartigen Simulationen für REP-Schätzungen zu beurteilen, werden die simulierte stündlich aufgelößte 10-m-Windgeschwindigkeit (sfcWind) und die stündliche Oberflächensonneneinstrahlung (rsds) ausführlich anhand einer großen Sammlung von In-situ-Beobachtungen, Satelliten- und zusammengesetzten Datenprodukten bewertet. ICON-LAM reproduziert die räumlichen Muster, die zeitliche Entwicklung, die Variabilität und die absoluten Werte von sfcWind ausreichend gut, wenn auch mit einer leichten Überschätzung und einer mittleren Abweichung (mittlerer Fehler (ME)) von 1,12 m s-1 über Land. Auch das simulierte rsds mit mittlerer Abweichung von 50 W m-2 bildet die Beobachtungen gut nach. In dieser Arbeit werden die simulierten 60-m-Windgeschwindigkeiten (ws60m) aus der ICON-LAM-Simulation und der häufig verwendeten ERA5-Reanalyse mit 31 km Auflösung auch anhand von Messungen an 18 Wettermasten bewertet. Die aus diesen simulierten Windgeschwindigkeitsdatensätzen berechnete Windleistung wird auch mit Messungen an bestehenden Windparks in Südafrika verglichen. Das geschätzte Windenergiepotenzial (WEP) auf der Grundlage von ICON-LAM und ERA5 wird schließlich anhand eines innovativen Ansatzes mit 1,8 Millionen geeigneten Windturbinenplatzierungen im südlichen Afrika verglichen. Die Ergebnisse zeigen, dass ERA5 ws60m mit einem mittleren Fehler (ME) von -1,8 m s-1 (-27%) unterschätzt. Im Gegensatz dazu zeigt ICON-LAM einen ME von -0,1 m s-1 (-1,8%), was zu einem um 48% höheren durchschnittlichen WEP im Vergleich zu ERA5 führt. Ein kombiniertes Global Wind Atlas-ERA5 Produkt reduziert die Unterschätzung des ws60m von ERA5 auf -0.3 m s-1 (-4.7%), zeigt allerdings einen ähnlichen durchschnittlichen WEP im Vergleich zu ERA5, was auf die räumliche Heterogenität des WEP zurückzuführen ist. ICON-LAM reproduziert auch die beobachtete Windenergie besser als die anderen Modelle, was die Zuverlässigkeit der abgeleiteten WEP weiter untermauert. Eine Unterschätzung der Windenergieerträge kann den Ausbau der Windenergie behindern, da eine geringere wirtschaftliche Leistung erwartet wird, was die Bedeutung hoch aufgelöster meteorologischer Daten unterstreicht. Die Erhöhung des Anteils erneuerbarer Energien in den afrikanischen Energiesystemen ist zwingend erforderlich und dringend notwendig, um den Klimawandel abzumildern und den Zugang zu Elektrizität zu gewährleisten. In dieser Arbeit wurden auch die Auswirkungen der hochauflösenden ICON-LAM-Simulationen auf die Modellierung des Energiesystems im südlichen Afrika untersucht. Ein Energiesystem, das Windenergie, Solarenergie und Batteriespeicher umfasst, wird so kostenoptimiert, dass 100% des lokalen Strombedarfs für jede Provinz im südlichen Afrika gedeckt werden. Verschiedene meteorologische Datensätze, darunter ICON-LAM sowie der üblicherweise verwendete ERA5-Datensatz und seine Varianten, werden verwendet und verglichen, um kostenoptimierte Energiesysteme abzuleiten. Die Ergebnisse zeigen signifikante Unterschiede in den Windenergiepotenzialen, die aus den verschiedenen meteorologischen Datensätzen abgeleitet wurden, während für die Solarenergie ähnliche Potenziale gefunden wurden. Kostenoptimierte Energiesysteme, die aus ICON-LAM abgeleitet wurden, erfordern im Vergleich zu den anderen weniger jährliche Gesamtkosten (ca. 14%) und Batteriekapazität (ca. 13%). Dies deutet darauf hin, dass die Kosten für erneuerbare Energiesysteme in der Vergangenheit möglicherweise stark überschätzt wurden, was ihre lokale Entwicklung behindert hat. Dies unterstreicht die Bedeutung der Verwendung hochauflösender, physikalisch konsistenter atmosphärischer Modellierungsdatensätze für die Modellierung von Energiesystemen. Insgesamt zeigen unsere Ergebnisse, dass das ICON-Modell in der Lage ist, die mit erneuerbaren Energien verbundenen Variablen und die grundlegenden atmosphärischen Strömungen im südlichen Afrika zu reproduzieren. Im Vergleich zu anderen üblicherweise verwendeten Datensätzen zeigen die ICON-Simulationen ein höheres Windenergiepotenzial, und kostenoptimierte Energiesysteme, die auf diesen Simulationen basieren, erfordern geringere jährliche Gesamtkosten und Batteriekapazitäten. Diese Ergebnisse sind für die Entwicklung erneuerbarer Energien vor Ort von entscheidender Bedeutung, da die Potenziale erneuerbarer Energien im südlichen Afrika lange Zeit unterschätzt und die Kosten für den Bau von Energiesystemen auf der Grundlage erneuerbarer Energien überschätzt wurden. Eine weitere Abstimmung der physikalischen Parametrisierungsschemata speziell für das südliche Afrika könnte die Leistung der ICON-Simulation verbessern. Die Anpassung eines anspruchsvolleren Energiesystems, das das reale Stromnetz und verschiedene energieverbrauchende Sektoren umfasst, könnte die Genauigkeit der in dieser Studie durchgeführten Modellierung des Energiesystems ebenfalls verbessern.

Africa is the world’s least electrified continent, home to three-quarters of the global population without electricity. Electricity generation in African countries today relies heavily on fossil fuels and hydropower, despite the continent’s abundant potential for the most widely accessible renewable energy sources—wind and solar, as Africa is the sunniest continent in the world and has many windy sites. Africa is also very vulnerable to climate change due to relatively low levels of local socio-economic development. Renewable energy is recognized as an important solution for Africa to address both climate change mitigation and electricity access. Reliable and highly resolved information on Renewable Energy Potential (REP) is imperative to support renewable power plant expansion. However, existing meteorological data sets over Africa used for REP estimates are often characterized by relatively coarse spatial resolution, data gaps in space and time, and general data quality issues. This challenges the reliability and accuracy of existing REP estimates, as well as the modelling of energy systems that include renewable energy. To overcome the existing meteorological data set challenges for renewable energy applications in Africa, the ICOsahedral Nonhydrostatic (ICON) Numerical Weather Prediction (ICON-NWP) model in its Limited Area Mode (ICON-LAM) is implemented and run over southern Africa as a prototype for the continent. The ICON model is configured in a hindcast dynamical downscaling setup at a convection-permitting 3.3 km spatial resolution. The simulation time span covers contrasting solar and wind weather years from 2017 to 2019. To assess the suitability of the novel simulations for REP estimates, the simulated hourly 10 m wind speed (sfcWind) and hourly surface solar irradiance (rsds) are extensively evaluated against a large compilation of in-situ observations, satellite, and composite data products. ICON-LAM reproduces the spatial patterns, temporal evolution, the variability, and absolute values of sfcWind sufficiently well, albeit with a slight overestimation and a mean bias (mean error (ME)) of 1.12 m s-1 over land. Likewise the simulated rsds with an ME of 50 W m-2 well resembles the observations. In this work, the simulated 60 m wind speeds (ws60m) from the ICON-LAM simulation and the often-used 31 km-resolution ERA5 reanalysis are also evaluated against measurements at 18 weather masts. The wind power calculated from these simulated wind speed data sets is also compared with measurements at existing wind farms in South Africa. The estimated wind energy potential (WEP) based on ICON-LAM and ERA5 are finally compared using an innovative approach with 1.8 million eligible wind turbine placements over southern Africa. Results show ERA5 underestimates ws60m with a Mean Error (ME) of -1.8 m s-1 (-27%). In contrast, ICON-LAM shows a ME of -0.1 m s-1 (-1.8%), resulting in a much higher average WEP by 48% compared to ERA5. A combined Global Wind Atlas-ERA5 product reduces the ws60m underestimation of ERA5 to -0.3 m s-1 (-4.7%), but shows a similar average WEP compared to ERA5 resulting from the WEP spatial heterogeneity. ICON-LAM also reproduces the observed wind power better than the others, further consolidating the reliability of its derived WEP. Underestimating wind energy yields may hinder the expansion of wind energy, as less economic performance is expected, which underlines the importance of highly resolved meteorological data. Increasing the share of renewable energy in African energy systems is imperative and urgent to address climate change mitigation and access to electricity. This thesis also investigates the impact of the high-resolution ICON-LAM simulations on energy system modelling for southern Africa. An energy system design, encompassing wind energy, solar energy, and battery storage, is derived exemplarily to meet 100% of the local electricity demand, cost-optimized, for each administrative province in southern Africa. Different meteorological data sets, including ICON-LAM as well as the commonly used ERA5 and its variant, are utilized and compared to derive cost-optimized energy systems. The results show significant differences in the wind energy potentials derived from different meteorological data sets, while similar solar energy potentials are found. Cost-optimized energy systems when using ICON-LAM meteorological inputs require less total annual cost (approx. 14%) and battery capacity (approx. 13%) compared to the other energy system solutions using different meteorological input datasets. This suggests that the cost of renewable energy systems may have been overestimated in the past, potentially also hindering its local development. The study further emphasizes the importance of using high-resolution, alternative, atmospheric modelling data sets as a decisive input for energy system modelling. Overall, our results show that the ICON model is able to reproduce the renewable energy related variables and basic atmospheric flows in southern Africa. Compared to other commonly used data sets, the ICON simulations reveal higher wind energy potentials, and cost-optimized energy systems based on these simulations require lower total annual costs and battery capacity. These findings are critical for local renewable energy development, as renewable energy potentials may have long been underestimated and the costs of building renewable energy-based energy systems overestimated in southern Africa. Further tuning of physical parameterization schemes specifically for southern Africa may improve the performance of the ICON simulation. Adapting a more sophisticated energy system that includes the real-world power grid and various energy-using sectors may also improve the accuracy of the energy system modelling performed in this study.

OpenAccess:
PDF
(zusätzliche Dateien)
Externer link:
Fulltext by OpenAccess repository