Actividades y proyectos en AEMET sobre predicción de radiación …prosol.uc3m.es/Presentacion_AEMET.pdf · 2018. 11. 25. · Actividades y proyectos en AEMET sobre predicción de

Actividades y proyectos en AEMET sobre predicción de radiación solar

Jose Luis Casado ([email protected])

Autores: Grupo de Radiación del Área de Aplicaciones, Grupo de Predicibilidad de gSREPS, Área de Modelización, Área de Innovación

mailto:[email protected]

Índice

• Modelos meteorológicos en AEMET.

• Breve digresión sobre probabilidades

• Proyecto PreFlexMS

• Proyecto Lisa de aerosoles para Red Eléctrica.

• Proyecto nowcRadiation para Red Eléctrica.

Modelos meteorológicos en AEMET

Modelos meteorológicos


0.01

0.02

0.03

0.05

0.07

0.1

0.2

0.3

0.5

0.7

1

2

3

5

7

10

20

30

50

70

100

200

300

500

700

1000

Pre

ssu

re (

hP

a)

60 levels 91 levels

1

2

3

4

5

6

7

8

9

10

12

14

16

18

20

25

30

35

40

45

50

55

60

6570

91

Le

ve

l n

um

be

r

Observaciones Resolución numéricaParametrizaciones

(incluyendo radiación)Asimilación

¿Cuáles son los problemas en la predicción meteorológica?

• Incertidumbre en las condiciones iniciales. Carencia y errores en las observaciones.

• Los errores de predicción dependen del tipo de flujo atmosférico.

• No linealidad.

• Multiplicidad de escalas espaciales y temporales.

• Conocimiento insuficiente de las leyes de la física.

• Resolución limitada.


Si las predicciones son coherentes (pequeña dispersión), la atmósfera está en un estado más

predecible que si las predicciones divergen (gran dispersión).

26 Junio 1995 26 Junio 1994

© 2018 European Centre for Medium-Range Weather Forecasts (ECMWF)

Los errores de predicción dependen del tipo de flujo atmosférico:


* Nuevo esquema de radiación ecRad en el ECMWF desde julio 2017 (doi:10/21957/ab84rhs9t5)

Modelo Tipo Pasadas Resolución

espacial

Paso de

tiempo de

las salidas

Alcance Miembros

ECMWF-High Res* Global 2 / día ~9 km 3 h 0-10 días determinista

ECMWF-EPS* Global 2 / día ~18 km 3 h 0-15 días 50

Harmonie-AROME Área limitada 8 / día 2,5 km 15 min 0-48 h determinista

gSREPS Área limitada 2 / día 2,5 km 3 h 0-48 h 20

Modelos meteorológicos utilizados en AEMET

Parametrizaciones. físicas

Laboratoire d’Aérologie CNRM-GAME

Dinámica No-Hidrostática

Modelo AROME Seity et al., 2011

Modelos meteorológicos: Harmonie-Arome

En 1996 los consorcios HIRLAM y ALADIN establecen un

acuerdo de colaboración para el desarrollo de modelos

operativos con la idea de converger completamente en

2020

HARMONIE-AROME es una configuración dentro del

sistema compartido ALADIN-HIRLAM (Bengtsson et

al., 2017)

Modelos meteorológicos: Harmonie-Arome

Se trata de un modelo No-Hidrostático

(w variable de pronóstico)

Resolución: 2.5 km, 65 niveles.

Dinámica espectral muy eficiente,

adecuada para usos operativos.

Asimilación de datos: En superficie (OI)

y altura (3D-VAR).

Convección profunda resuelta… pero a

escalas convectivas hay menos

predecibilidad que a escalas sinópticas

por lo que se requerirán aproximaciones

de tipo ensemble.

Harm

on

ie 00Z ru

n

IFS 00Z BCs

0 1D-122

Observations for 3Dvar

Harm

on

ie 03Z ru

n

Harm

on

ie 06Z ru

n

IFS 06Z BCs


Harm

on

ie 09Z ru

n

32 109

IFS 12Z BCs

8D-123 4 5 76 11 12 13




Harmonie cycle

Modelos meteorológicos: gSREPS

•Multi-modelo

•HARMONIE-AROME

•HARMONIE-ALARO

•WRF-ARW (NCAR)

•NMMB (NCEP)

1CONDICIONES

INICIALES

HH+00

XXXX PPKDt

X

Condiciones iniciales y Multi-BCs

•ECMWF – IFS

•NCEP – GFS

•MétéoFrance – ARPÈGE

•CMC – GEM (Canadian)

•JMA - GSM (Japanese)

2CONDICIONESDE CONTORNO

3ERROR DEL

MODELO

• Objetivo: desarrollar un EPS de área local convection-permitting• 3 fuentes de incertidumbre:

Modelos meteorológicos: gSREPS

Miembros de gSREPS

NMMB

WRF

ARW

HARMONIE-ALARO

HARMONIE-AROME

Multi-BCs

Multi-NWP

CMC / GEMJMA / GSMMF / ARPÈGENCEP / GFSECMWF / IFS

Calibración del ensemble

Datos brutos

Datos calibrados

Breve digresión sobre probabilidades


Supongamos que se preve un 20% de posibilidades de que llueva mañana. ¿Cómo podemos tomar una decisión con esta incertidumbre?

Si vamos a organizar una

fiesta al aire libre

Si solo salimos para ir al cine

Coste (C) ↑Pérdida (L) ↓↓

20% de lluvia es poco

20% de lluvia

es mucho

Coste (C) ↔Pérdida (L) ↑↑

C/L ↑

C/L ↓

Modelos de coste-pérdida:


Modelos de coste-pérdida

Los modelos de predicción por conjuntos tienen un mayor valor económico, cuando se estima una predicción utilizando modelos coste-pérdida.

(extraído de la ECMWF Newsletter No. 141)



Caso del huracán Leslie

Lunes 8, 00 UTC Martes 9, 00 UTC Miércoles 10, 00 UTC

Jueves 11, 00 UTC Jueves 12, 12 UTC Viernes 12, 00 UTC

Viernes 12, 12 UTC Sábado 13, 00 UTC Sábado 13, 12 UTC


Proyecto PreFlexMS

Proyecto PreFlexMS

Predictable and Flexible Molten Salts Solar

Power Plant es un proyecto dentro del

Horizonte 2020 que busca mejorar la eficiencia

y aumentar la flexibilidad de las centrales

solares de concentración (CSP).

La radiación normal directa (DNI) es el

parámetro clave a la hora de predecir la

producción de una planta termosolar.

Las plantas termosolares con almacenamiento por sales fundidas pueden

adaptar la producción de electricidad a la demanda, almacenando la energía

durante el día y vertiéndola en la red durante la noche.

Uno de los objetivos del proyecto es incorporar las predicciones de DNI de los

modelos meteorológicos en el ciclo de operación de las plantas termosolares, y

así disponer de una predicción más exacta de la electricidad que se va a

producir. Esta producción de energía se podría modificar de forma óptima en

tiempo real según las condiciones meteorológicas y el precio de la energía, y

así conseguir un mayor beneficio económico.

(AEMET)

(CENER) (DLR)

Observaciones pasadas

Variables de la planta CSP Precio de

mercado

cada 3 horas

cada 3 horas, 50 miembros

cada 15 minutos

cada 3 horas, 20 miembros

Proyecto PreFlexMS

Proyecto Lisa de aerosoles para Red Eléctrica

Vapor de agua

total en columna,

ECMWFModelo de

radiación

libRadtran

Predicciones de

radiación de

libRadtran

Observaciones

de DNI

Predicciones de

radiación directa

del ECMWF

Predicciones de

DNI del ECMWF

Profundidad

óptica de

aerosoles (AOD),

CAMSPredicción de

radiación directa

y de días

despejados del

ECMWF

Predicciones

de DNI

Para estimar la influencia de los aerosoles en la DNI en días despejados, se han comparado las predicciones

de radiación directa del ECMWF con la calculada por medio del modelo libRadtran. Para alimentar este

modelo se ha utilizado el vapor de agua en columna predicho por el ECMWF y la profundidad óptica de

aerosoles (AOD) de MACC (ahora llamado CAMS).

Durante los días con nubes, se ha usado la predicción del ECMWF de radiación directa con y sin nubes para

estimar el efecto de la nubosidad.

Proyecto de aerosoles para Red Eléctrica

Caso de estudio: Badajoz, 21 febrero 2016



Estación Año rRMSE (ECMWF) rRMSE (lRt + MACC)

Badajoz 2013 21.2% 13.7%

Madrid 2013 18.9% 13.3%

Murcia 2013 24.0% 17.5%

Badajoz 2014 19.5% 14.5%

Madrid 2014 19.0% 15.0%

Murcia 2014 23.6% 17.4%

Se ha considerado que los eventos con alto contenido de aerosoles son aquellos en los

que el AOD a 500 nm está por encima del percentil 85.

RMSE relativo en eventos con alto contenido de aerosoles

Proyecto nowcRadiation con Red Eléctrica

H+0 H+1 H+2 H+3 H+4

SAF → EXIM distribución SAF+ Harmonie-AROME Harmonie-AROME

Cloud Type (CT)

Extrapolated Image (EXIM)

Función de transición

Proyecto nowcRadiation


Error GHI Error DNI

Comparación de los errores al utilizar

satélite / modelo / nueva herramienta:


Error en la GHI y DNI para distintas estaciones:

Error GHI Error DNI

Conclusiones

• Los modelos meteorológicos son la herramienta esencial en las predicciones de radiación solar a corto y medio plazo (a partir de H+4, aproximadamente).

• En particular, los modelos probabilísticos dan mejores resultados, si se explotan adecuadamente y se calibra cada variable por separado.

• Las predicciones brutas de los modelos pueden ser mejoradas sustancialmente si se corrigen con técnicas de post-proceso. En concreto las nuevas técnicas de aprendizaje automático tienen un gran potencial.

• Como hemos comprobado en los proyectos en los que participamos, es vital una buena coordinación interdisciplinar para lograr un resultado óptimo, y mejorar la rentabilidad de las centrales solares.

• Algunos problemas físicos (como la presencia de aerosoles) deben ser tratados en detalle para poder incluir sus efectos.

• Hay métodos específicos apropiados para cada alcance (cámaras de cielo, satélites, modelos). Hay que intentar que las predicciones sean “sin costuras”, de forma que los métodos se enlacen de forma suave.

Conclusiones:

Más información

Proyecto PreFlexMS: https://www.preflexms.eu

Proyecto de aerosoles con Red Eléctrica:

• Casado-Rubio, J.L., M.A. Revuelta, M. Postigo, I. Martínez-Marco, and C. Yagüe, 2017: A PostprocessingMethodology for Direct Normal Irradiance Forecasting Using Cloud Information and Aerosol Load Forecasts. J. Appl. Meteor. Climatol., 56, 1595–1608, doi:10.1175/JAMC-D-16-0297.1

Proyecto nowcRadiation con Red Eléctrica:

• Predicción inmediata y a muy corto plazo de la radiación solar a partir de datos de satélite y modelos numéricos. Rodríguez-Martínez, A. Martínez-Sánchez, M. http://www.iic.uam.es/energias/prediccion-radiacion-solar-corto-plazo/

• EMS Annual Meeting: European Conference for Applied Meteorology and Climatology 2017 (04-07 Septiembre 2017) Dublin, Ireland European Conference for Applied Meteorology and Climatology. Sesion Operational Systems and Applications - Energy Meteorolgy

Poster: https://presentations.copernicus.org/EMS2017-128_presentation.pdf

Documents

Actividades y proyectos en AEMET sobre predicción de radiación …prosol.uc3m.es/Presentacion_AEMET.pdf · 2018. 11. 25. · Actividades y proyectos en AEMET sobre predicción de