Le monde continue de constater une augmentation des événements météorologiques extrêmes, mais la météo continue d’être un facteur négligé pour de nombreuses opérations commerciales à l’échelle mondiale. Ce problème est principalement dû à l’incapacité des modèles modernes de prévision numérique du temps (PNT) à prédire les phénomènes météorologiques localisés critiques de manière rentable et opportune.
Ceci est particulièrement critique pour les opérations éoliennes à l’échelle mondiale, car de meilleures prévisions météorologiques permettraient :
- Sécurité accrue contre les conditions météorologiques extrêmes telles que les vents violents qui peuvent endommager les éoliennes ou d'autres équipements
- Meilleure intelligence météorologique pour la prévision de la charge à l'avance afin de prédire la quantité d'énergie qui doit être fournie pour chaque heure du jour suivant
A visualisation des processus physiques qui se produisent dans chaque cellule de la grille dans un modèle numérique de prévision météorologique.
Les modèles de prévision numérique du temps sont conçus pour diviser le monde en une grille tridimensionnelle contenant des milliards de cellules horizontalement et verticalement. Dans chaque cellule de la grille, des équations météorologiques régissant sont utilisées pour calculer les processus physiques qui caractérisent la façon dont l'air se déplace (c'est-à-dire la façon dont la chaleur et l'humidité sont échangées dans l'atmosphère) à mesure que le modèle avance dans le temps. Les conditions atmosphériques, telles que la température, la pression, l'humidité, etc., sont les mêmes dans chaque cellule de la grille.
Les modèles exécutés à des résolutions inférieures (c.-à-d. > 4 km), tels que les modèles de prévision météorologique mondiale, sont peu coûteux en termes de calcul, mais manquent considérablement du niveau de détail nécessaire pour représenter avec précision les caractéristiques météorologiques à l'échelle locale. Dans les simulations à basse résolution, les cellules de la grille sont plus grandes, ce qui signifie qu’une plus grande zone contiendra les mêmes conditions atmosphériques. Cela présente un problème important pour les prévisions météorologiques régionales, car les processus à l'échelle locale sont déformés et négligés, en particulier sur des terrains complexes (c'est-à-dire les montagnes et les régions côtières), où les processus liés au terrain influencent grandement les conditions météorologiques localisées (c'est-à-dire la neige à effet de lac, les orages soudains, etc.).
Un moyen de résoudre ce problème consiste à exécuter un modèle (régional) à une résolution plus élevée (c'est-à-dire < 4 km), car ces modèles peuvent améliorer la représentation des caractéristiques météorologiques critiques à l'échelle locale. Cependant, exécuter des modèles à des résolutions plus élevées présente des inconvénients. Les cellules de grille dans les modèles à résolution supérieure sont plus petites, ce qui signifie que le domaine du modèle comprend plus de cellules de grille qu'il ne le serait s'il était exécuté à une résolution inférieure. Des cellules de grille plus petites permettent au modèle de caractériser plus efficacement les interactions des processus physiques à l'échelle locale, mais augmentent considérablement le coût de calcul et le temps nécessaire pour terminer la simulation puisque davantage de calculs sont effectués.
TempoQuest, le principal fournisseur de logiciels de prévisions météorologiques accélérées à l'échelle locale, s'efforce de résoudre ce problème grâce au développement de son logiciel de prévisions météorologiques amélioré, AceCAST, qui est une version accélérée du modèle de recherche et de prévision météorologiques (WRF). AceCAST fonctionne uniquement sur des unités de processeur graphique (GPU) au lieu des unités centrales de traitement (CPU) traditionnelles, ce qui permet aux utilisateurs d'exécuter des simulations à plus haute résolution cinq à quinze fois plus rapidement à un coût bien inférieur.
AceCAST peut éviter des millions de dollars perdus chaque année par les sociétés énergétiques
Les risques créés par le manque de compréhension et la gestion inactive des conditions météorologiques sont vastes.
Grêle ou éclair : Peut endommager ou détruire les éoliennes, ce qui coûte jusqu'à 2,2 millions de dollars.
Vents violents : Bien que les éoliennes soient destinées à exploiter l’énergie éolienne, elles peuvent également être endommagées par des rafales de vent dépassant 60 MPH.
Températures extrêmes : De nombreuses éoliennes sont situées dans des régions éloignées, soumises à des variations de température extrêmes allant de -22 ºF à 131 ºF.
Prise de décision opérationnelle : La combinaison des prévisions de vent produites par AceCAST avec les prévisions de charge permet aux opérateurs d'engager le reste du parc de production pour desservir la charge de manière économique et sûre le lendemain.
Comme discuté dans «La valeur de la prévision de l’énergie éolienne» écrit par Debra Lew et Michael Milligan du National Renewable Energy Laboratory :
“Pour les éoliennes à pas contrôlé, la puissance de sortie varie comme le cube de la vitesse du vent sur une partie importante de la courbe de puissance de sortie (voir figure ci-dessous). Dans cette région, de légères améliorations de la vitesse du vent prévue entraîneraient des améliorations considérablement plus importantes des prévisions en matière d’énergie éolienne.”
Exemple de courbe de puissance d’une éolienne.
Le AceCAST offre la possibilité d'améliorer les prévisions météorologiques grâce à des prévisions météorologiques numériques accélérées exécutées sur des GPU. En conséquence, la capacité de produire des prévisions météorologiques localisées devient plus pratique. Lorsqu'ils sont combinés à la prévision de charge, les algorithmes statistiques et d'apprentissage automatique amélioreront encore les prévisions météorologiques en informations exploitables en donnant l'impact des prévisions de vent à la centrale électrique.
En ayant la possibilité d'avoir une meilleure prévision pour commencer, l'incertitude ultime de la prévision de charge sera inférieure à celle de l'utilisation d'un modèle météorologique à faible résolution moins précis.
Source: https://www.nrel.gov/docs/fy11osti/50814.pdf
Pour plus d’informations sur AceCAST, visitez : https://tempoquest.com/
Pour plus d’informations techniques sur la visite AceCAST : https://acecast-docs.readthedocs.io/en/latest/
