Home Notizie recenti Modellazione del legame clima-consumo energetico in Tibet

Modellazione del legame clima-consumo energetico in Tibet

17
0

Effetto del clima su REC quantificato per il Tibet. Credito: TPE

I ricercatori dell’Istituto di ricerca sull’altopiano tibetano (ITP) dell’Accademia cinese delle scienze hanno studiato come il clima influenza la quantità di elettricità utilizzata nelle case tibetane sulla base dell’apprendimento automatico.

Utilizzando un approccio innovativo, hanno reso interpretabili i loro modelli di apprendimento automatico, rivelando così l’importanza delle precipitazioni e dell’urbanizzazione nell’analisi della relazione tra consumo di energia e clima.

Lo studio è stato pubblicato in energie il 5 maggio.

In un contesto di riscaldamento globale, la riduzione delle emissioni di gas serra è una priorità. Poiché la maggior parte dell’elettricità che consumiamo è ancora prodotta da carbone e combustibili fossili, un modo per ridurre la nostra impronta di carbonio è tenere d’occhio l’energia che utilizziamo a casa: il nostro consumo energetico residenziale (REC).

Nella maggior parte dei luoghi, i maggiori contributi a REC sono il riscaldamento e il raffreddamento. Pertanto, si potrebbe ragionevolmente dedurre che REC è fortemente correlato alla temperatura di una regione. Tale ipotesi è alla base di molti modelli matematici che cercano di spiegare la relazione tra temperatura e REC. Tuttavia, la verità sembra essere più complessa e molti fattori aggiuntivi devono essere considerati per produrre modelli migliori.

“Studi precedenti ci hanno avvertito che il riscaldamento globale aumenterà il REC durante l’estate perché la temperatura più alta fa aumentare la domanda di raffreddamento. Tuttavia, molte interruzioni di corrente legate al clima negli ultimi anni si sono verificate in inverno durante forti nevicate. Questo ci ha incuriosito sul ruolo delle precipitazioni in dando forma a REC”, ha affermato Xia Cuihui di ITP, autrice principale dello studio.

Xia e i suoi colleghi hanno adottato un approccio innovativo per comprendere come diversi fattori legati al clima possono influenzare la REC in Tibet, una fredda regione alpina con aree rurali e urbane distinte. I ricercatori hanno deciso di sfruttare l’apprendimento automatico e i dati REC e climatici disponibili dal Tibet per addestrare più modelli e confrontare le loro prestazioni.

In generale, i modelli di apprendimento automatico, dopo essere stati addestrati con dati del mondo reale, agiscono come “scatole nere”. Hanno una buona accuratezza predittiva senza fare ipotesi in anticipo. Tuttavia, è difficile capire come i fattori di input (ad es. temperatura, precipitazioni, reddito e popolazione) siano individualmente ponderati dal sistema per prevedere il risultato (REC).

Questa bassa interpretabilità è un enorme svantaggio. Per affrontare questa limitazione, i ricercatori hanno utilizzato le ultime tecniche della comunità di apprendimento automatico interpretabile per sbirciare all’interno di queste “scatole nere”.

Questo approccio ha portato ad alcune scoperte interessanti. I risultati mostrano che le precipitazioni durante la stagione fredda sono un importante contributo al REC del Tibet. Ciò era particolarmente vero quando le temperature sono scese sotto lo zero, producendo così nevicate anziché pioggia.

“Il nostro studio evidenzia che gli studi sull’energia legati al clima dovrebbero trattare il clima nel suo insieme piuttosto che concentrarsi solo sulla temperatura, in particolare per gli studi sugli inverni freddi e sul clima estremo come le bufere di neve”, ha affermato Xia.

Un’altra scoperta importante è stata la marcata disparità tra le aree urbane e rurali nel modo in cui il clima influisce sul REC. Ad esempio, le aree urbane, nelle giornate fredde e nevose, avevano maggiori probabilità rispetto alle aree rurali meno ricche di avere un REC più elevato. Questo risultato mostra un altro vantaggio dell’approccio basato sui dati utilizzato dal team di Xia: sono stati in grado di confrontare le aree urbane e rurali tenendo conto dei fattori socioeconomici.

Oltre ad aiutarci a comprendere meglio la complessa relazione clima-consumo di energia, questo tipo di modello predittivo è utile nello sviluppo di sistemi di allerta precoce che proteggano dalle interruzioni di corrente causate da condizioni meteorologiche estreme. Poiché il Tibet e le aree circostanti stanno diventando sempre più calde e umide a causa del cambiamento climatico, le intuizioni di tali modelli interpretabili possono anche aiutare a guidare la futura elaborazione delle politiche relative all’energia.


Articolo precedenteInfermiere e ostetriche alterate per sempre dalla pandemia di COVID-19
Articolo successivoIl maltempo crea tempesta perfetta per chi soffre di asma