211service.com
La prévision météo entre dans une nouvelle ère
L'énergie solaire était la forme de production d'électricité à la croissance la plus rapide aux États-Unis en 2014. Alors que les énergies renouvelables continuent de se développer, la demande augmente pour une meilleure façon de prédire la quantité d'énergie provenant de ces sources intermittentes qui sera disponible pour le réseau.
Des changements infimes dans les formations nuageuses peuvent réduire la puissance de sortie des panneaux solaires en quelques secondes.
IBM a partagé la semaine dernière de nouveaux détails sur son programme visant à exploiter de puissants ordinateurs pour prévoir la météo et d'autres facteurs qui déterminent la production des installations solaires et éoliennes. À l'aide de l'apprentissage automatique et de l'analyse avancée des données, IBM fait un effort agressif pour donner aux services publics, aux directeurs d'usine et aux opérateurs de réseau des indications plus claires sur ce que leurs baies publieront aujourd'hui, demain, la semaine prochaine et même dans des mois.
Lors de la conférence européenne sur le contrôle qui s'est tenue la semaine dernière à Linz, en Autriche, des scientifiques d'IBM et du National Renewable Energy Laboratory (NREL) ont déclaré qu'ils mettront les prévisions à la disposition des utilisateurs, gratuitement, à travers le continent américain.
Les prévisions solaires et éoliennes produites par la technologie d'IBM sont jusqu'à 30 % plus précises que les prévisions conventionnelles, selon Hendrik Hamann, directeur de recherche chez IBM. Une telle précision pourrait permettre d'éviter de générer des centaines de mégawatts d'électricité excédentaire chaque année et de réduire le besoin de nouvelles centrales de pointe pour fournir de l'électricité en période de demande de pointe, ce qui pourrait réduire les émissions de carbone et faire économiser des millions de dollars aux services publics et aux contribuables. Une étude NREL de l'opérateur de système indépendant de la Nouvelle-Angleterre a révélé que rendre les prévisions solaires 25% plus précises offrirait des économies potentielles de 46,5 millions de dollars par an dans la région.
Le supermodèle d'IBM peut combiner et rassembler les prédictions de plusieurs modèles pour arriver à des prévisions très précises.
Ce que nous faisons, c'est combiner plusieurs modèles en un seul « supermodèle », explique Hamann. Ce programme de méta-prévision peut peser diverses prévisions météorologiques en fonction de données de performances historiques associées à diverses conditions atmosphériques, emplacements et circonstances. La sortie peut être adaptée à différents utilisateurs : services publics du Midwest, opérateurs solaires du Nevada, gestionnaires de parcs éoliens, etc.
Les producteurs solaires sont particulièrement sensibles aux fluctuations soudaines de la production ; un panneau solaire partiellement ombragé peut perdre 70 % de sa capacité de production en quelques secondes. Les services publics desservant un grand nombre de ménages ou d'entreprises avec une capacité de production distribuée doivent également anticiper la quantité d'énergie qui sera acheminée vers le réseau à partir des installations solaires sur les toits.
En conséquence, la demande pour de meilleures prévisions monte en flèche. Un groupe de startups et d'entreprises établies ont décidé de répondre à cette demande au cours des dernières années (voir 10 Breakthrough Technologies 2014 : Smart Wind and Solar Power). Les opérateurs californiens ont besoin de mises à jour constantes pour alimenter leur système de prévision de charge. Ainsi, toutes les 15 minutes, nous simulons 200 000 systèmes solaires photovoltaïques, modélisant chaque emplacement de manière indépendante avec les prévisions d'irradiation, explique Jeff Ressler, responsable du groupe de services logiciels. pour Clean Power Research, qui fournit des outils de prévision pour des services publics tels que le département de l'eau et de l'électricité de Los Angeles, Southern California Edison et le projet Salt River en Arizona.
La technologie de Clean Power Research est basée sur les travaux de Richard Pérez , professeur au Centre de recherche atmosphérique de l'Université d'État de New York, à Albany, qui a été le pionnier de l'utilisation de l'imagerie satellitaire pour mesurer l'irradiance, c'est-à-dire la quantité de lumière solaire atteignant la Terre. Pour les prévisions à plus long terme (jours à venir), Clean Power Research inclut également des données de prévision numérique du temps (NWP), qui utilise les informations d'un système mondial (bien qu'inégalement distribué) de stations de détection et exécute des simulations informatiques pour extrapoler à partir de celles-ci. Le service météorologique national des États-Unis utilise cette technique pour construire ses propres modèles météorologiques, y compris le Système mondial de prévision et le Mésoéchelle nord-américaine Système de prévision. Selon John Zack, directeur des prévisions à AWS Truepower , qui fournit des prévisions pour l'énergie éolienne et solaire en Amérique du Nord, les prévisionnistes du secteur privé fournissent une technologie qui fonctionne en plus des modèles de prévision numérique du temps. Le jeu pour les prévisions journalières est de savoir dans quelle mesure votre technologie corrige les erreurs systématiques dans les modèles NWP, explique Zack. Le système IBM détaillé la semaine dernière apporte la plus grande puissance de calcul à ce problème jusqu'à présent.
L'objectif final est d'intégrer des prévisions en temps réel très précises avec des ressources de production reliées par des réseaux informatiques basés sur le cloud. Les centrales électriques virtuelles résultantes distribueraient automatiquement l'énergie de la manière la plus efficace à partir de la ressource la plus rentable (et la plus propre), évitant l'utilisation d'une puissance de réserve coûteuse et polluante.
Aussi sophistiquée que devienne cette technologie, aucun modèle n'est ou ne sera jamais parfait. La prévision solaire est un exemple archétypal de l'effet papillon , où de minuscules changements peuvent avoir des effets à grande échelle dans le temps et dans l'espace. Vous ne pouvez pas modéliser toutes les gouttes de pluie et tous les tourbillons turbulents, dit Zack. Il faut faire des approximations.