21世纪利用光伏满足全球制冷需求

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Meeting Global Cooling Demand with Photovoltaics during the 21st Century》
---
作者：
Hannu S. Laine, Jyri Salpakari, Erin E. Looney, Hele Savin, Ian Marius
  Peters and Tonio Buonassisi
---
最新提交年份：
2019
---
英文摘要：
  Space conditioning, and cooling in particular, is a key factor in human productivity and well-being across the globe. During the 21st century, global cooling demand is expected to grow significantly due to the increase in wealth and population in sunny nations across the globe and the advance of global warming. The same locations that see high demand for cooling are also ideal for electricity generation via photovoltaics (PV). Despite the apparent synergy between cooling demand and PV generation, the potential of the cooling sector to sustain PV generation has not been assessed on a global scale. Here, we perform a global assessment of increased PV electricity adoption enabled by the residential cooling sector during the 21st century. Already today, utilizing PV production for cooling could facilitate an additional installed PV capacity of approximately 540 GW, more than the global PV capacity of today. Using established scenarios of population and income growth, as well as accounting for future global warming, we further project that the global residential cooling sector could sustain an added PV capacity between 20-200 GW each year for most of the 21st century, on par with the current global manufacturing capacity of 100 GW. Furthermore, we find that without storage, PV could directly power approximately 50% of cooling demand, and that this fraction is set to increase from 49% to 56% during the 21st century, as cooling demand grows in locations where PV and cooling have a higher synergy. With this geographic shift in demand, the potential of distributed storage also grows. We simulate that with a 1 m$^3$ water-based latent thermal storage per household, the fraction of cooling demand met with PV would increase from 55% to 70% during the century. These results show that the synergy between cooling and PV is notable and could significantly accelerate the growth of the global PV industry.
---
中文摘要：
空间调节，尤其是制冷，是全球人类生产力和福祉的关键因素。在21世纪，由于全球阳光充足的国家财富和人口的增加以及全球变暖的加剧，全球冷却需求预计将显著增长。同样需要大量冷却的地区也非常适合通过光伏发电（PV）进行发电。尽管冷却需求与光伏发电之间存在明显的协同效应，但尚未在全球范围内评估冷却部门维持光伏发电的潜力。在这里，我们对21世纪住宅制冷行业增加的光伏发电采用量进行了全球评估。目前，利用光伏生产进行冷却可以增加约540 GW的光伏装机容量，超过今天的全球光伏装机容量。利用人口和收入增长的既定情景，并考虑到未来的全球变暖，我们进一步预测，在21世纪的大部分时间里，全球住宅制冷行业每年可以维持20-200 GW的新增光伏发电能力，与当前100 GW的全球制造能力持平。此外，我们发现，在没有存储的情况下，光伏可以直接为约50%的冷却需求提供电力，而随着光伏和冷却具有更高协同效应的地区冷却需求的增长，这一比例在21世纪将从49%增加到56%。随着需求的地域变化，分布式存储的潜力也在增长。我们模拟了在每户100万美元的水基潜热储存条件下，光伏满足的制冷需求比例在本世纪将从55%增加到70%。这些结果表明，制冷和光伏之间的协同效应是显著的，可以显著加速全球光伏产业的增长。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Meeting_Global_Cooling_Demand_with_Photovoltaics_during_the_21st_Century.pdf (1.24 MB)

2022-6-14 05:26:59 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：21世纪 21st Century Quantitative Conditioning Productivity

在21世纪，利用光伏技术满足全球制冷需求，尤其是制冷，是全球人类生产力和福祉的关键因素。在21世纪，由于全球阳光充足的国家财富和人口的增加以及全球变暖的加剧，全球冷却需求预计将显著增长。同样需要大量冷却的地区也非常适合通过光伏发电（PV）进行发电。尽管冷却需求与光伏发电之间存在明显的协同效应，但尚未在全球范围内评估冷却部门维持光伏发电的潜力。在这里，我们对21世纪住宅制冷行业增加的光伏发电采用量进行了全球评估。目前，利用光伏生产进行冷却可以增加约540 GW的光伏装机容量，超过今天的全球光伏装机容量。利用人口和收入增长的既定情景，并考虑到未来的全球变暖，我们进一步预测，在21世纪的大部分时间里，全球住宅制冷行业每年可以维持20-200 GW的新增光伏发电能力，与当前100 GW的全球制造能力持平。此外，我们发现，在没有存储的情况下，光伏可以直接为约50%的冷却需求提供电力，而随着光伏和冷却具有更高协同效应的地区冷却需求的增长，这一比例在21世纪将从49%增加到56%。随着需求的地域变化，分布式存储的潜力也在增长。

我们模拟了在每户1 m3水基潜热蓄热的情况下，光伏满足的制冷需求比例在本世纪将从55%增加到70%。这些结果表明，制冷和光伏之间的协同效应是显著的，可以显著加速全球光伏产业的增长。简介保持舒适的环境温度是人类生产力的核心因素，并在全球传播。空间供暖和制冷的可用性影响着我们生活的方方面面，从睡眠质量1、2、认知能力3、气质4到我们社会的文化5、6和社会结构7。在20世纪，空间调节的能源需求主要是由富裕的寒冷国家越来越多地使用供暖驱动的8。在21世纪，热带国家正在获得财富，为数十亿人带来了急需的空调，并成为人类繁荣的关键驱动力。由于全球变暖9，空调的使用预计将进一步增加，这可能成为最热地区人类生存的严格要求10。2016年全球制冷用电量为2000太瓦时，占建筑年用电量的18.5%。此外，预计21世纪住宅制冷行业将增长10倍以上12,13。就当地而言，冷却需求通常占发达国家和发展中国家城市峰值用电量的50%以上14，气候变化进一步加剧了这一趋势。

在下个世纪，这是一个巨大的、高度可变的额外电力负荷，随着减少人为碳排放的迫切需要，这种电力必须主要通过低碳能源生产，以保护地球免受进一步的全球变暖15。在使用清洁能源增加空调的挑战中，存在着一个机会：利用热源太阳为附加空调设备供电的可能性。原则上，在一天中最热的时候，最需要冷却，此时太阳暴晒，因此光伏（PV）发电量处于最高水平。高温和太阳暴晒在地理上也有关联，阳光充足的国家气候更温暖，因此需要更多的空调。由于空调在实现光伏并网方面的巨大潜力，制冷行业有可能影响电力生产的脱碳、全球能源政策和光伏技术路线图16-18。量化空调和光伏的潜在协同作用有助于空调和光伏行业调整其营销战略，并有助于ZF规划可能的政策行动。即使西娅。麻省理工学院，剑桥，MA 02139，美国。阿尔托大学电子与纳米工程系，芬兰埃斯波02150。c、 芬兰埃斯波市奥尔托大学应用物理系新能源技术集团，邮编：02150。本文分析了21世纪两大主导能源趋势的交叉点：1）推动能源部门脱碳以防止危险的气候变化；2）热带国家经济繁荣导致全球制冷需求迅速增加。

具体而言，我们调查了本世纪有望上线的数十亿空调设备是否可以由清洁的光伏（PV）电力供电，从而避免对额外碳基电力的需求。为了回答这个问题，我们汇集了近1 TB的高分辨率天气和人口数据以及社会经济、全球变暖和能效情景，并将其输入全球验证的冷却需求、光伏发电和热存储模型。我们表明，潜在的新增光伏容量是巨大的，超过了今天的全球光伏容量，并在本世纪末跨越了几个TW，加速了光伏产业的发展。我们表明，冷却需求向赤道方向的地理转移显著改善了冷却、光伏和小型分布式存储的协同效应。这些发现为投资者、决策者和研究人员提供了冷却和光伏之间大范围和高度协同的定量证据。冷却行业在提高大规模光伏普及率方面的价值已经得到认可19,20，并且已经在单个建筑或社区规模上进行了详细研究21-30，尚未在全球量化光伏和冷却的潜在协同作用。在此，我们估计了当今和整个21世纪全球住宅制冷行业的电力需求，并计算了该行业能够维持的相应光伏容量。此外，我们还研究了冷却需求和光伏发电的时间不匹配的不同时间尺度，以及分布式热存储可以在多大程度上缓解不匹配。

模型和数据我们使用社会经济模型预测全球交流用电量12，说明人们根据财富和当地天气获取和使用制冷设备的趋势。在光伏系统模拟器31的帮助下，我们然后计算光伏系统的大小，该系统将与每个建模位置每年的冷却用电量相匹配。然后，我们评估了缓解冷却需求和光伏发电的不同动态所需的昼间和季节性存储的比例，以及这些需求在整个世纪全球的变化情况。最后，我们采用了一个热存储模型来模拟实际的存储场景。模型示意图如图1所示。社会经济和气候情景和数据集为了准确地将人口密度与当地天气相匹配，我们绘制了分辨率为30’×30’（赤道约1 km）32的全球人口网格，并将这些数据与分辨率为0.4°×0.4°（赤道约40 km）的全球气候数据网格33的每小时时间序列相匹配。每小时的分辨率足够了，因为建筑热容量有助于光伏生产与空调需求的每小时内匹配34。气象数据来自1985-2005年。为了估计长期趋势，我们在21年的数据中平均一年中的每一个小时，并因全球变暖每年增加气温35。对于人口和国内生产总值（GDP）增长的国家级情景，我们使用共享表1探索的社会经济情景塞纳里奥人口/人均十亿GDP/1000美元*SSP29.19.025.159.6SSP310.012.717.821.9SSP58.57.442.2137.7*本文中的所有人均GDP值均列在购买力平价（PPP）调整后的2005美元中。无花果

1 PaperSocietic Pathways（SSP）36中使用的模型示意图，该模型由国际气候变化建模社区开发，用于模拟21世纪的气候变化影响和缓解。在可用的5个SSP中，我们选择SSP2作为参考案例，并探索SSP3和SSP5作为社会经济缓慢和快速发展的示例。在五条路径中，这些场景分别提供了到本世纪中叶预测的最低和最高PV部署。表1列出了这些情景下的人口和人均GDP发展。作为参考，2010年，世界人口约为68亿，人均GDP为10000美元。对于气候变化，我们采用政府间气候变化专门委员会（IPCC）37开发的代表性浓度途径（RCP）。我们的参考案例包括本世纪末2.5°C的变暖（“RCP4.5”），我们同样探索了1.8°C的快速缓解情景（“RCP3”）和4.5°C的正常升温情景（“RCP8.5”），以阐明全球变暖的相对影响。对于家庭规模数据，我们采用联合国提供的截至203038年的国家级数值，并假设2030年后，家庭规模与预测的总生育率相关39。我们假设空调的平均性能系数从2000年的2.4增加到2100年的4.39，如参考文献40所预测的那样。住宅冷却用电需求模型为了模拟全球冷却用电需求的演变，我们使用了Isaac和van Vuuren12开发的方法。我们在此重点关注住宅制冷行业，因为其增长驱动因素比商业部门的增长驱动因素更能量化。

在全球范围内，商用制冷行业消耗的电力几乎与住宅行业一样多，尽管预计增长将放缓11。我们计算了每年的住宅制冷需求，考虑了社会经济和气候参数的预计变化，以及制冷设备的能效提高。模型输入包括人口、家庭规模和GDP数据，以及当地温度时间序列。对于给定的人口，每年用于冷却的电力，, 是五个变量的乘积：       1） 人口中的家庭数量，  人口除以家庭平均人口数。2） 可用性，A：有能力购买空调的家庭比例。3） 气候最大饱和度，:  在特定气候条件下，如果有能力购买空调的家庭比例。产品   确定有空调的家庭的总比例。4） 家庭年用电量，:  配备空调的每户家庭每年用于制冷的平均用电量。5） 能效参数，:  它描述了空调的能效随着时间的推移而不断提高。影响这些变量的气候相关参数是冷却度日数，CDD：     (2)   哪里 是日平均温度和基准温度  设置为18°C12,41。基准温度隐含着非故意热源的原因，如居民和电器。

气候最大饱和度取决于年冷却度天数，, 指数12,42：        供参考，, 在1200左右达到90%饱和 （=平均10°C冷却120天），略高于华盛顿特区（1140).  另一方面，可用性A取决于人口财富，以人均GDP为单位，根据参考文献12中基于参考文献中经验数据拟合的逻辑函数。42-47:        作为参考，90%的可用性达到人均43000美元左右，相当于当今英国的人均GDP。最后一点取决于气候和收入（富人往往拥有更大的房子）：     能效参数,  按照参考文献40的预测，空调的平均性能系数从2000年的2.4增加到2100年的4.39。每小时冷却需求动态。在估计冷却和光伏的协同作用时，高时间分辨率对于冷却和光伏发电量时间序列都很重要。小时分辨率通常被认为是足够的，因为建筑物的热惯性有助于小时内负荷匹配34。从年用电量得出小时时间序列 我们遵循参考文献41中的方法，通过冷却度小时数CDH计算冷却需求的小时分布，以及冷却装置性能系数COP的小时分布。COP描述了一个单位的电能可以传输多少单位的热能。

COP通常大于1，并且建筑物内部温度和环境温度之间的温差越小，COP越高。我们将空调建模为Carnot热泵循环30，具有Carnotefficiency  描述循环非理想性和温差 描述热交换器：     哪里  从2000年的0.16提高到2100年的0.29，这与  参考文献40中预测的发展。每小时解决一次 和CDH，冷却用电量的小时时间序列， 然后通过以下方式联系： 哪里 是一年中的小时数 用公式（1）计算。光伏发电量模型我们使用桑迪亚国家实验室开发的基于Matlab的开源光伏Lib工具箱31对光伏发电量进行建模。对于每个地理位置，我们计算一个标准化的发电量时间序列（每小时产生的千瓦时/瓦），并使用下一节描述的算法对系统进行缩放。每小时的能源产量取决于可用的阳光、太阳的位置、温度、风速和气压。作为输入，我们使用来自相同气候数据集33的全球水平辐照度（GHI）、温度、风速和压力，该数据集用于计算冷却电力需求。我们使用圆盘模型48计算了直接法向辐照度和漫反射水平辐照度。我们假设一个固定的系统，其倾角等于该位置的纬度，阵列在北半球朝南，在南半球朝北。