E!115410 Snow Water Equivalent forecasting service for the hydropower sector

I snørike fjellområder spiller vannkraftselskaper en vesentlig rolle i forvaltningen av vannressurser, avhengig av smeltevann fra snø for å drive kraftanlegg. Dette SnoWE-prosjektet har som formål å modellere snøens vanninnhold (SWE) og forutsi vanninnstrømningen ved hjelp av avanserte teknologier, inkludert en mobil GPR radar (Mitta) og satellittovervåking (ExoLabs). Gjennom kombinasjonen av disse datakildene i numeriske værmodeller (Ubimet) har vi arbeidet med å forbedre snøprognostiseringen og vanninnstrømningen med sikte på å optimalisere vannkraftdrift og redusere flomrisikoen. Metoder og Teknologier: Prosjektet har involvert flere nøkkelelementer for å oppnå sine mål. 1. Mobil GPR Radar: Vi har utviklet en mobil GPR radar som har blitt kontinuerlig forbedret gjennom flere vintersesonger. Denne radaren gir in-situ radargrammer av snøområdet, og den nye flerkanals GPR-radaren øker datainnsamlingens detaljgrad. Dette har resultert i mer nøyaktige målinger av snødybde og SWE. 2. Prosessering av GPR-data (TORP): Vårt proprietære prosesseringsverktøy for GPR-data, kjent som TORP (Think Outside Radar Processing), har blitt betydelig forbedret. TORP automatiserer behandlingen av radardata, fjerner støy og integrerer tilleggsdata som GPS-data for raskere levering av ferdigprosesserte data til kunder. 3. Satellittovervåking og værmodeller (ExoLabs og Ubimet): Satellittobservasjoner av snødekke er integrert i numeriske værmodeller for å gi pålitelige prognoser for snøbalanse og vanninnstrømning. 4. Loggersystem (DingoLogger): Vi arbeider med å utvikle et nytt logger-system som gir en enklere brukeropplevelse, lar operatøren styre datainnsamlingen gjennom en webapplikasjon, og øker effektiviteten av datainnsamlingen. Resultater og Fremtidige Planer: Prosjektets resultater har dannet grunnlaget for våre tjenester. Vi bruker kunnskap og teknologi fra prosjektet til å forbedre eksisterende tjenester og utvikle nye tilbud. For eksempel bruker vi RR600s teknologi for å utvikle en flerkanals radar, og vi jobber med å implementere en skybasert løsning for økt brukervennlighet og datakvalitet. SnoWE-prosjektet har demonstrert betydelige fremskritt i forbedringen av snøprognoser og vanninnstrømningsberegninger, og det har en positiv innvirkning på effektiviteten til vannkraftindustrien og reduksjonen av flomrisiko i snørike fjellområder. Prosjektets suksess gir et løfte om fremtidige muligheter for enda mer nøyaktige og pålitelige tjenester for vannressursforvaltning i slike områder.

Prosjektets resultater har ikke blitt målt konkret i estimert deviasjon av SWE. Men basert på foreløpige målinger og tall estimerer vi en deviasjon på ca. 15%. Dette er en betydelig forbedring og har en stor innvirkning på estimert SWE i kroner og øre. I tillegg effektiviserer prosjektet innsamlingsmetodene, noe som bidrar til innhenting av mye mer data over samme tid. Innsamlingsmetodene forenkler også arbeidet til den utøvende part, både når det gjelder den fysiske innhentingen, samt beregninger av SWE. Det er fortsatt potensiale til å effektivisere metodene enda mer, samt minske deviasjonen, noe som vi vil jobbe videre med fremover.

Hydropower operation and planning requires streamflow forecasts at both short (typically, hours to days) and long ranges (a season ahead), which serves a variety of decisions from production planning to flood protection. In snow-prone mountain areas, snowmelt runoff poses a significant challenge given the uncertainties related to the timing and volume of snowmelt water. Quantifying this water resource is challenging due to the highly variable snowpack in the complex mountain terrain. This uncertainty leads to inefficient water management, which causes significant losses for the hydropower industry. Furthermore, floods regularly exceed reservoirs to capacities resulting in water spills and severe downstream damage (1). Furthermore, global warming causes shifts in precipitation patters with earlier snowmelt onsets (2). These changes further increase the inaccuracies of hydrological models that rely on historical snowmelt patterns. The main objective of this SnoWE project is to significantly improve streamflow forecasts based on highly accurate and spatially explicit snowmelt information. The foundation for these improved snow forecasts builds a sophisticated physical snow model. This model in turn is driven by numerical weather forecasts, multi-satellite observations and in-situ measurement on the snowpack, such as snow depth and SWE. All these input data are provided complementary by the consortium partners. By improving streamflow forecasts, we optimize the efficiency of renewable hydropower, mitigate climate change effects, and reduce flood risks. To achieve this key objective, the main components of this proposed SnoWE project comprise: • Near real-time snow cover extent based on multi-satellite imagery • In-situ measurements on snow depth and SWE using our own radar sensor (see Annex for more details) • Numerical weather forecasts to drive the snow balance model • API to provide automated access to the snow forecast products