十年期美国电力生产的水压力

在南部地区（得克萨斯州、路易斯安那州、堪萨斯州和俄克拉荷马州）、墨西哥湾沿岸（佛罗里达州、乔治亚州、南卡罗来纳州、北卡罗来纳州）和西北部（俄勒冈州）观测到超过30°C的溪流温度。图3.11预计时间窗口内的最高气流温度此外，我们还调查了2040年代与2010年代相比最高气流温度的变化，如图3.12（a）所示。未观察到气流温度的统一趋势。在图3.12（b）中，我们还显示了2040年代最高气流温度随背景气温的变化，以查看空气和气流温度之间是否存在正相关关系。40!!                                                                                ! 图3.12 m最大气流温度变化的差异（2040年与2010年）（a）；与（a）中的相同，但在第41节中的区域空中交通管制处！第4章：风险发电4.1风险发电2030年代和2040年代，我们通过汇总WAACI指数为负值且溪流温度高于EPA规定阈值（表A4）的县内所有发电厂的年产能，评估了风险发电总量。在20世纪30年代，我们评估了两种情况下的发电风险——最小MME和中值MME，在20世纪40年代，仅评估最小MME。我们使用MME中值建立了平均空气温度和气流温度之间的回归关系。最高溪流温度是从预计的月平均溪流温度序列中获得的。图4.1和图4.2显示了20世纪30年代（2028-2032）和20世纪40年代（2038-2042）面临风险的总发电量。如图4.1所示，美国西南部的发电厂。

佛罗里达州面临缺水问题（红色框中突出显示）。在美国南部，如南卡罗来纳州、路易斯安那州和得克萨斯州，几乎没有证据表明水资源短缺，暖流温度超过了EPA的限制。图4.1湿冷热电机组水资源利用率降低和蒸汽温度升高导致的总发电风险2 0 3 042！在2040年代，多个水位计位置很可能超过EPA规定的水温阈值，如图4.3所示。然而，一个直观的对比显示，20世纪40年代缺水和高温的综合影响与20世纪30年代相似。表A6总结了最有可能超过EPA水温规定的县列表。图4.2由于水的可用性降低和蒸汽温度升高导致的w e t冷却热电冷机组发电总风险2 0 4 0。利用WAACI指数来确定水压力，WAACI指数是使用气候模型的集合最小值来确定的。图4.3显示了在2030年代和2040年代，WAACI指数预计为负值的县，湿式冷却发电厂面临风险的总发电量的年趋势。在这里，我们计算水分胁迫，同时考虑气候模型集合的MME中值和MME最小值。

在过去几十年中，暴露于水压力下的发电厂的总容量呈现出总体增长趋势。43!!                                                                                !      图4.3 WAACI与美国内陆地区缺水县湿冷热电厂总容量的对比图。阴影区域显示了发电厂容量的±1标准偏差（σ）（最小值为p pa ne l，最小值为MM E）。D-o-tte D线描绘了水压力44！第5章：结论与讨论我们对湿冷热电厂因水分胁迫而面临的发电风险的一阶估计进行了初步调查。该分析主要针对未来30年内的多个5年时间窗口，以县为单位对美国大陆进行分析。在水资源利用率（WAACI）指数为负值且溪流温度高于EPA规定的阈值的地方，通过汇总发电厂的总容量，对处于风险中的总发电量进行量化。在本章中，我们简要总结了概念证明分析的局限性，总结和讨论了主要结果，并简要讨论了未来的工作。5.1仅从三个气候模型和两个温室气体排放情景（RCP2.6和RCP8.5）中考虑了未来气候数据用于估算淡水可用性（降水量和蒸散量）的概念证明的局限性；然而，大多数分析仅使用RCP8进行。5.o为了考虑气候内部可变性带来的不确定性，我们只考虑了两种初始条件下的气候数据。

o将来自每个气候模型原生网格的降水量和蒸散量数据双线性插值到一个公共网格，即2度空间分辨率，以估计区域尺度上的淡水可用性。根据每个网格点的降水量和蒸散量之间的差异来估计水的可用性，然后在ArcGIS中进行空间插值，以得到县级的估计值。在这里，我们使用了一种简单的双线性插值方法来估计区域水资源可用性；通过执行缩小规模的数据（下文讨论），可以获得更稳健的估计。o未来的水需求仅考虑市政和国内公共供应；其他部门的需求假定为不变。未来的水需求量是使用预计的人口数据和人均用水来估计的。根据2010年美国人口普查人口数据和年平均增长率预测未来人口。o对于气流温度预测，采用缩小尺度的气温数据作为预测因子，开发了一种非线性回归方法。外源基因的影响45！未考虑人为变化或污水排放等因素。o通过将水压力指数为负值且水温超过EPA规定阈值的所有县的发电装机容量相加，估算出有风险的发电量。结合水资源短缺和溪流温度趋势以及空间附近发电厂的容量，进行视觉风险分析。

o我们没有用水文模型验证我们的结果；是估算水压力（例如水平衡水文模型的应用）还是估算河流温度（基于热传导方程的数值模型的应用）。o我们提出了水压力的一阶估计，将地表水可用性/径流近似为降水量和蒸发量（来自下垫面和植被）之间的差异。然而，不考虑在热电冷却中提取替代水源，如地下水、脱盐海水。5.2概念验证的结果摘要本研究的主要发现总结如下：o首先，我们将2010年代三个气候模型的淡水估计值的空间模式与参考数据ERA Missional进行了视觉比较。我们观察到，在气候模型和再分析数据之间，以及在某些情况下，模型本身之间，几个地区的淡水估计值存在显著差异。一些地区的模型间差异在符号上完全相反；i、 例如，一个模型显示了某些区域的干燥模式，而另一个模型显示了同一区域的湿润模式（图3.1）。这些对比和相反的结果为使用多个气候模型（可能来自CMIP5存档中可用的所有气候模型）的数据进行分析提供了依据。o我们定义了一个基于水供应和水需求（仅考虑市政公共和家庭供应）的指标WAACI，以量化水压力。我们计算了县尺度的MME最小值和MME中值，以获得水压力的平均和最坏情况估计。

中西部和西南部的大部分地区都面临水压力，而太平洋西北部和东北部的一些地区则有多余的水（图3.2）。o我们检查了根据倍数46估算淡水的不确定性！模型、初始条件和2020年代（2018-2022）、2030年代（2028-2032）和2040年代（2038-2042）温室气体排放情景的组合，如图3.3-3.9所示。不确定性分析主要限于通过空间地图的视觉比较进行定性评估。尽管在少量模型、初始条件和温室气体情景组合中观察到了广泛的不确定性，但我们需要进一步探索模型、初始条件和排放情景的所有合理组合中的不确定性。o我们开发了非线性回归模型来预测未来的河流温度。大多数地区的气温都呈上升趋势。预测期间和当前期间的最高溪流温度之间的差异表明，美国东北部许多地方的溪流温度降低，而美国西北部和墨西哥湾沿岸地区的溪流温度升高。o我们的分析表明，在短期内，毗邻美国的200多个县可能在未来30年面临缺水问题。此外，我们注意到，在20世纪30年代，超过五个县和20世纪40年代的十个县的水位计显示水温显著升高，超过了EPA规定的限值。

通过将发电厂的位置与水资源短缺和水温的空间地图进行叠加，我们发现南卡罗来纳州、路易斯安那州和德克萨斯州的发电厂最有可能受到气候驱动的压力的影响。5.3关于概念验证热电厂的讨论产生了约91%的美国总发电量，并占了约40%的取水量（Cooperman等人，2012年），这是所有行业中最高的。用于蒸汽冷凝的冷却水约占发电厂总用水量的98%（EIA，2013），并且根据燃料来源、发电技术、所用冷却系统以及其他气候和外部因素而有所不同（Macknick等人，2011年；Stillwell等人，2011年）。之前的研究（King and Webber，2008年；Roy et al.，2012年；Sovacool and Sovacool，2009年）表明，美国许多地区的热电厂发电存在风险，主要是因为气候变化和多部门需求导致淡水供应减少。这些研究大多是基于老一辈气候模型的数据，并与之相关47！温室气体排放情景，未考虑气候内部变化。此外，这些研究侧重于从大陆到全球的范围，以及从本世纪中期到末期的时间范围。此外，之前没有研究过低流量和蒸汽温度上升趋势对发电的综合影响。

夏季溪流流量的减少会导致溪流温度进一步升高，因为低流量会降低水的热质量，导致溪流比高流量下加热更快。气候变化和人口增长对水-能源关系问题的影响以前已经被研究过。这里的一个根本区别是以5年为增量考虑十年（30年）时间范围。这与大多数之前工作（Blanc等人2014年；Hejazi等人2014年；Roy等人2010年）中的世纪中后期规模预测形成对比。两个因素的结合，特别是（a）相对于变暖趋势，气候中的“深层不确定性”占主导地位，以及（b）利益相关者相对短期的需求，使我们的问题具有挑战性和紧迫性。我们进一步注意到，虽然30年通常被认为是适合评估平均气候学的时间尺度，但对于多个利益相关者来说，规划期限的典型长度也是30年。根据ARPA-E建议，我们计算了未来30年（2010-2040年）多个5年时间窗口内县级GCM的淡水可用性。在这些十年到几十年的时间范围内，内部变化（由于地球系统初始条件的微小差异而产生的不确定性）主导着模型不确定性（由于缺乏对物理学的理解而产生的不确定性）和情景不确定性（由于对未来温室气体排放量的了解不足而产生的不确定性）。这就要求我们不仅要从多个模型中考虑气候变量，还要从一系列初始条件中考虑气候变量。

我们不知道有任何关于水-能源关系问题的研究，其中考虑了来自多个初始条件的气候数据，以评估处于风险中的发电量。我们只知道一项研究考虑了水温对发电的影响（van Vliet等人，2012年）。在这项研究中，他们使用基于确定性模型的水文分析计算了本世纪末30年期间的水温变化。在这里，我们开发了一个基于缩小尺度的气候变量的非线性回归模型，以预测未来30年河流温度的变化。然而，在这项初步调查中，我们没有探索所有气候模型和初始条件组合的数据。48!!                                                                                ! 另一个重大挑战是获得发电厂规模的供水和水温的可靠估计。CMIP5气候模型的数据可以在110公里左右的空间分辨率下获得——比水库的大小大得多。进行统计降尺度，将气候数据从较粗的分辨率降到局部尺度，以进行影响评估。我们在这项工作中没有进行统计降尺度以估计淡水可用性，但我们将在未来的工作中探索这一选项；然而，缩小规模的代价是增加了额外的不确定性。除了温度和降水量，现有文献中对其他气象变量的统计降尺度知之甚少，因此，在估算水资源可用性时，我们必须谨慎地降尺度蒸发蒸腾量。

仍然可以从气候模型中对区域范围内的供水进行可靠估计，以便在总体水平上了解发电风险；然而，需要在局部范围内预测溪流温度（最好靠近水库取水位置）。目前，我们已经开发了基于非线性回归的模型，以平均气温作为预测因子来预测气流温度；我们可以改进预测器的选择，并扩展预测器列表。另一个挑战是估计多个部门未来的水需求。目前，我们只考虑了市政生活用水和生活用水的未来需求。在未来的工作中，我们还将预测其他部门的需求。尽管存在这些技术挑战，我们已经证明了如何进行风险评估以量化未来30年处于风险中的电力生产的概念证明。我们建议在现有分析的基础上，对存在风险的电力生产进行稳健评估。然而，正如上面所讨论的，我们在几个强有力的假设下给出了我们的结果。这一概念证明展示了如何以全面的方式应对这些挑战。该研究应进一步扩展到全面、一致的情景分析，包括极端情况的变化及其对电厂需水量的潜在影响，以及相关的成本效益权衡。5.4未来工作现有分析可以通过多种方式扩展，以评估因水压力而面临风险的现有发电厂的发电量。我们建议采取短期和长期的解决策略。