K lima w a n d e l & W a sse rk ra ft - SWV
K lima w a n d e l & W a sse rk ra ft - SWV
K lima w a n d e l & W a sse rk ra ft - SWV
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Bild 1. Schematischer Ablauf der Hochrechnung.<br />
Bei der ersten Klassierung wurden technisch<br />
und physiog<strong>ra</strong>phisch ähnliche<br />
Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>anlagen nach ausgewählten<br />
Kriterien gruppiert (Kap. 2.2.1). Bei der<br />
zweiten Klassierung wurden K<strong>lima</strong>änderungssignale<br />
nach Regionen gruppiert<br />
(Kap. 2.2.2). Die kombinierte Klassierung<br />
beschreibt demnach K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>sgruppen,<br />
welche sich in Bezug auf technisch-physiog<strong>ra</strong>phische<br />
Eigenscha<strong>ft</strong>en und zu erwartende<br />
K<strong>lima</strong>änderungssignale unterscheiden<br />
(Kap. 2.2.3). Diese kombinierte<br />
Klassierung wurde in einem weiteren<br />
Schritt verwendet, um die Resultate der<br />
Fallstudien (nachfolgend als repräsentative<br />
Fallstudien bezeichnet) und der Untersuchungen<br />
zu den Veränderungen der<br />
natürlichen Abflussmengen zu übert<strong>ra</strong>gen<br />
(vgl. Bild 2). Dabei wurden relative Änderungen<br />
der Produktionsmengen und natürlichen<br />
Abflussmengen zwischen der<br />
Referenzperiode und 2021–2050 den<br />
mittleren Produktionserwartungen der<br />
einzelnen K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e zugeordnet. Dies geschah<br />
unter Berücksichtigung der jeweiligen<br />
Speiche<strong>rk</strong>apazitäten der K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e,<br />
resultierend in der Hochrechnung für die<br />
Schweiz (Kap. 2.3).<br />
2.2 Klassierung der Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e<br />
und K<strong>lima</strong>änderungssignale<br />
2.2.1 Klassierung der Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e<br />
Verschiedene technische und räumliche<br />
Informationen zu den Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>anlagen<br />
der Schweiz wurden im Rahmen<br />
einer Di<strong>sse</strong>rtation in der Datenbank HY-<br />
DROGIS zusammenget<strong>ra</strong>gen (Balmer,<br />
2011). Das GIS-Modell beschreibt jede<br />
Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>anlage anhand von Einzugsgebiet,<br />
Wa<strong>sse</strong>rentnahmen, Speichersee<br />
oder Stau<strong>ra</strong>um, Talsperre, Stollen und Zuleitungen,<br />
Zent<strong>ra</strong>len, Wa<strong>sse</strong>rrückgaben,<br />
Restwa<strong>sse</strong>r- sowie Schwall- und Sunk-<br />
strecken. Dabei sind 283 K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e mit<br />
einer mittleren Produktionserwartung von<br />
19 849 GWh im Sommer und 15 376 GWh<br />
im Winter erfasst. Der Vergleich mit der Statistik<br />
der Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>anlagen der Schweiz<br />
(BFE, 2011) zeigt, dass in der Datenbank<br />
HYDROGIS die grö<strong>sse</strong>ren K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e vollständig<br />
erfasst sind.<br />
Mit Hilfe der Datenbank und einer<br />
Cluste<strong>ra</strong>nalyse wurden die erfassten<br />
K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e in Kla<strong>sse</strong>n eingeteilt (vgl. Balmer,<br />
2011). Dabei wurde eine Auswahl von<br />
technischen Informationen und physiog<strong>ra</strong>phischen<br />
Variablen der einzelnen Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>anlagen<br />
verwendet:<br />
Physiog<strong>ra</strong>phische Variablen<br />
Mittlere Höhe des Einzugsgebietes mH<br />
[m ü.M.] (Swisstopo, 2011)<br />
Fläche des Einzugsgebietes A [km 2 ]<br />
Vergletscherungsg<strong>ra</strong>d Vgl [%] (BFS,<br />
1997)<br />
Mittlerer jährlicher Gebietsniederschlag<br />
N [mm] (Sevruk und Kirchhofer, 1992)<br />
Technische Variablen (BFE, 2011b; Balmer,<br />
2011)<br />
Kumulierte Ausbauwa<strong>sse</strong>rmenge aller<br />
Wa<strong>sse</strong>rfassungen QA [m 3 /s]<br />
Nutzvolumen der Reservoirs NV<br />
[Mio m 3 ]<br />
Installierte Turbinenleistung TP [MW]<br />
Ausbauwa<strong>sse</strong>rmenge der Turbinen TQ<br />
[m 3 /s]<br />
Mittlere Produktionserwartung im Sommer<br />
ProdSo [GWh]<br />
Mittlere Produktionserwartung im Winter<br />
ProdWi [GWh]<br />
Installierte Pumpenleistung PP [MW]<br />
Mittlere Konsumerwartung aller Zubringerpumpen<br />
PK [GWh]<br />
Die physiog<strong>ra</strong>phischen Variablen kennzeichnen<br />
indirekt die vorherrschenden hydrologischen<br />
Eigenscha<strong>ft</strong>en. So steht die<br />
mittlere Höhe des Einzugsgebiets auch als<br />
Indikator für die mittlere Gebietstempe<strong>ra</strong>tur<br />
und zusammen mit dem Vergletscherungsg<strong>ra</strong>d<br />
für die vorherrschenden Abflussregimes.<br />
Die technischen Variablen<br />
weisen hauptsächlich auf die Bewirtscha<strong>ft</strong>ung<br />
der jeweiligen K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>sanlage hin,<br />
wobei die letzten beiden Variablen speziell<br />
Informationen zum Einsatz von Pumpen<br />
liefern. Die resultierenden technisch-physiog<strong>ra</strong>phischen<br />
Kla<strong>sse</strong>n enthalten demnach<br />
K<strong>ra</strong><strong>ft</strong>we<strong>rk</strong>e, welche innerhalb der<br />
einzelnen Kla<strong>sse</strong>n in Bezug auf die oben<br />
genannten Variablen ähnlich sind.<br />
2.2.2 Klassierung der K<strong>lima</strong>änderungssignale<br />
in Regionen<br />
In den Fallstudien und zur Abschätzung der<br />
Abflü<strong>sse</strong> für die Periode 2021–2050 wurden<br />
hydrologische Modelle verwendet. Diese<br />
wurden mit verschiedenen Tempe<strong>ra</strong>tur-<br />
und Niederschlagsszenarien für die Periode<br />
2021–2050 angetrieben, welche mit<br />
Hilfe von K<strong>lima</strong>projektionen aus dem EU-<br />
Projekt ENSEMBLES (Linden und Mitchell,<br />
2009) und beobachteten Tempe<strong>ra</strong>tur- und<br />
Niederschlagswerten für die Schweiz aufbereitet<br />
wurden (Bosshard et al., 2011a):<br />
Für die Berechnung der K<strong>lima</strong>änderungssignale<br />
wurden zunächst K<strong>lima</strong>modellberechnungen<br />
(Auflösung 25 km × 25 km) auf<br />
Stationsstandorte der Meteoschweiz interpoliert<br />
(Tempe<strong>ra</strong>tur: 188 Standorte; Niederschlag:<br />
507 Standorte). Aus den interpolierten<br />
Zeitreihen wurden anschlie<strong>sse</strong>nd<br />
die K<strong>lima</strong>änderungssignale zwischen der<br />
Periode 1980–2009 (CTL) und 2021–2050<br />
(SCE) berechnet. Dazu wurde mit einem<br />
einfachen gleitenden Mittel sowohl für die<br />
CTL- als auch die SCE-Periode der mittlere<br />
k<strong>lima</strong>tologische Jahresgang ermittelt.<br />
Die Änderung des Jahresganges zwischen<br />
der CTL- und SCE-Periode entspricht dem<br />
K<strong>lima</strong>änderungssignal. Für die Tempe<strong>ra</strong>tur<br />
wurde dabei die Differenz SCE-CTL bet<strong>ra</strong>chtet,<br />
im Falle des Niederschlages die<br />
relative Änderung SCE/CTL. Das gleitende<br />
Mittel ermöglicht eine lückenlose Repräsentation<br />
des Jahresgangs des K<strong>lima</strong>änderungssignals<br />
(entspricht einer Zeitreihe<br />
mit Änderungssignale vom 1. Januar bis<br />
zum 31. Dezember).<br />
Mit Hilfe einer Cluste<strong>ra</strong>nalyse wurden<br />
die K<strong>lima</strong>änderungssignale in Kla<strong>sse</strong>n<br />
eingeteilt, bzw. Regionen mit gleichen zu<br />
erwartenden K<strong>lima</strong>änderungen gebildet.<br />
Dabei wurden nur jene Stationsstandorte<br />
berücksichtigt, für welche sowohl für die<br />
Tempe<strong>ra</strong>tur als auch für den Niederschlag<br />
Änderungssignale vorlagen. Dies war an<br />
158 Standorten der Fall. Aus den beiden<br />
Jahresverläufen der Änderungssignale<br />
wurde anschlie<strong>sse</strong>nd stationsweise eine<br />
einzelne Zeitreihe gebildet, bzw. die beiden<br />
Jahresverläufe wurden aneinandergekettet.<br />
Die neu entstandenen Zeitreihen<br />
dienten als Grundlage für die Berechnung<br />
der Ähnlichkeiten zwischen den einzelnen<br />
Stationsstandorten. Als Ähnlichkeitsmass<br />
zwischen zwei Standorten i und k wurde<br />
dabei<br />
«Wa<strong>sse</strong>r Energie Lu<strong>ft</strong>» – 103. Jahrgang, 2011, He<strong>ft</strong> 4, CH-5401 Baden 301<br />
(1)<br />
berechnet, mit dem Korrelationskoeffizient<br />
nach Spearman (vgl. Begert, 2008). Zur<br />
Bildung der Cluster diente das Complete-<br />
Linkage Verfahren, in welchem die Distanz<br />
zwischen zwei Cluster durch die jeweils<br />
weitest entfernten Nachbarn definiert wird<br />
(Bahrenberg et al., 2003). Durch Au<strong>ft</strong><strong>ra</strong>gen<br />
der jeweiligen Distanzen zwischen den ge-<br />
K<strong>lima</strong>wandel & Wa<strong>sse</strong><strong>rk</strong><strong>ra</strong><strong>ft</strong>