Stochastic Weather Generator for Renewable Energy

Fornybare energikilder, som vindkraft, solenergi og vannkraft er ofte avhengig av værforholdene. Som et eksempel varierer den årlige vannkraftproduksjon i Norge mellom ca 90 TWh og 140 TWh avhengig av nedbør. Planlegging av investeringer og planlegging på mellomlang og lang sikt, må være basert på scenarier som beskriver klima usikkerhet. Tradisjonelt har historiske data blitt brukt til å løse dette problemet. Vær-generator Prosjektet tar sikte på å utvikle metoder og programvare for en stokastisk modell (vær generator) i stand til å generere slike scenarier. En prototype av en slik generator har blitt bygget, den simulerer scenarier for de vær variabler, som er mest relevante for fornybar energi: tilsig til vannkraft magasinene, vindhastighet ved mølleparker for vindkraft, solstråling ved solcelleanlegg for solenergi og stråling, temperatur og vind for forbruk. Spesielt fokus er på nedbør og temperatur felt i Norge. Et viktig spørsmål er hvordan koplede variabler som nedbør og vind er. Hvis de beste vindforholdene skje når været er tørt og kaldt, ville vindkraftproduksjon være komplementær til vannkraftproduksjon. Hvis på den annen side, både vind og vannkraft har sin maksimal produksjon på samme tid, vil dette føre til lavere kraftpriser i denne perioden. Denne koblingen er betegnet gjensidig avhengighet. Gjensidig avhengighet i både tid og rom er vanskelig å gjøre rede for. Etter at prosjektet startet, har nye datasett blitt tilgjengelige. Disse er ikke utelukkende basert på reanalyses av generelle sirkulasjonsmodeller, men inkluderer "ensemble forecast" som også gjenspeiler usikkerhet. Et slikt datasettet er ECMWF datasett. Prosjektet har valgt å utnytte denne nye ressursen for å bygge storskala simulator basert på direkte resampling av ECMWF database. Dette teknikker vil garantere tid-rom sammenhengen i de simulerte scenariene på stor skala. Selv om generatoren er delvis basert på oppdatering av stor data-base, krever simuleringer av scenarier fra generatoren en brøkdel av CPU-tid brukt av globale sirkulasjonsmodeller og kan kjøres på standard maskinvare av kraftprodusentene selv. Det å nedskalere scenarier for sluttbrukere som trenger en mer romlig detaljert simulering, er et annet problem prosjektet omhandler. Utfordringen her er å legge til lokal kunnskap og lokal variabilitet til de store feltene. Prosjektet har fokusert på nedskalering av nedbørfelt. En prototype av en stokastisk nedskalingsmodell har blitt implementert. Dette tillater lokal variabilitet samtidig som storskalaegenskapene opprettholdes. Den siste delen av prosjektet er dedikert til å evaluere resultatene, og gi retningslinjer for sluttbrukere.

Det skal utvikles ny metodikk og programvare for en værgenerator. Dette skal bedre norske kraftprodusenters og netteieres evne til å ta lønnsomme beslutninger i prosjektering og driftsplanlegging for fornybar kraftproduksjon og balansetjenester. Mulighete n til regulering gir norsk vannkraft en unik posisjon i Europa, optimalisering for vannkraft er derfor spesielt vektlagt i prosjektet. Med økt produksjon av vind- og solkraft vil samvariasjonen mellom magasin-tilsig, vind og stråling bli stadig viktigere for balanseformål, analyser av transmisjonsnett og prisprognoser. Eksisterende optimaliseringsmodeller trenger en bedre beskrivelse av denne samvariasjonen. Innovasjonen er ny metodikk og programvare som estimerer konsistente scenarier for vær-relatert fornybar kraft i Europa. Dagens metode er utviklet for vannkraft alene, og scenariene er basert på å trekke fra historisk målte tilsigsserier. Dermed blir ikke samvariasjonen med vind- og solkraft representert. Værgeneratoren tilpasser en statistisk mod ell til observasjonene, og trekker scenarier fra denne modellen i stedet for fra observasjonsseriene direkte. For å få ut tilsigsscenarier for vannkraft mates vær-scenariene inn i en hydrologisk nedbør-avløpsmodell av samme type som brukes i daglig drift. Dermed sikres konsistens mellom sol-, vind- og vannkraft-scenarier, og mellom scenarie-tilsig og værvarsel-baserte tilsigserier. Innovasjonen forutsetter en god statistisk modell for samvariasjonen mellom ulike værvariable i rom, i tid og mellom variabl e. Utvikling av denne modellen og de numeriske løsningsrutiner som skal holde regnetiden nede, er kjernen i FoU-delen av prosjektet. Flere optimaliseringsmodeller i daglig drift, eksempelvis Samkjøringsmodellen (EMPS) og ProdRisk, er klare til å nyttiggj øre seg de scenariene prosjektet skal frembringe. Det er således små investeringer som skal til for å nyttiggjøre seg prosjektets resultater.