SnowInflow: Optimized inflow forecast for the snowmelt period

Norsk vannkraft spiller en avgjørende rolle i det nordiske energisystemet ved å balansere produksjonen av variabel fornybar energi i Nord-Europa. Omtrent halvparten av tilsig til norske vannkraftverk kommer fra snøsmelting. Imidlertid forblir optimal styring av reservoarene under den kritiske snøsmelteperioden svært utfordrende på grunn av betydelige feil i estimater for snømengder og tilsig. Hovedmålet med SnowInflow er å redusere feil i prognosene for tilsig under snøsmelteperioden. For å oppnå dette målet vil vi dra nytte av fremskritt innen fjernmåling og modellering av snø, samt metoder for dataassimilasjon. I dag eksisterer nøyaktige metoder for fjernmåling, som luftbåren laserskanning, for å måle snødybder over store områder. Fysikkbaserte snømodeller er også blitt nyttige i operativ sammenheng og kan i kombinasjon med dataassimilasjon redusere feil i tilsigsprognoser. De viktigste forskningsutfordringene i dette prosjektet er (a) å fastslå den optimale kombinasjonen av bakke- og fjernmålinger for å forbedrede prognoser for tilsig, (b) å utvikle en fysikkbasert snømodell tilpasset det nordiske klimaet og snøforhold i et verktøy for prognoser av tilsig til vannkraft, (c) å utvikle automatiserte algoritmer for dataassimilasjon for nøyaktig innarbeidelse av tilsigs- og snødata, og (d) å vurdere de økonomiske fordelene av tilsigsprognoser ved bruk av ulike metoder for snømålinger, modellering og dataassimilasjon. Prosjektet SnowInflow vil betydelig forbedre planleggingen av vannkraftproduksjon, noe som resulterer i flere fordeler, som høyere økonomisk gevinst, bedre utnyttelse av eksisterende installert vannkraftinfrastruktur og redusert risiko for flomskader. Prosjektet vil bidra til overgangen til et lavutslippssamfunn ved å forbedre effektiviteten til det norske vannkraftsystemet, som kan balansere produksjonen av vind- og solenergi, som forventes å dominere energiproduksjonen i Vest- og Sentral-Europa fra midten av dette århundret.

Norwegian hydropower plays a crucial role in the Nordic energy system, and snowmelt contributes approximately to half of the inflow to the powerplants. However, optimally managing the reservoirs during the critical snowmelt period remains highly challenging due to large errors in snow amount estimates and predicted inflows. These errors mainly stem from limited spatial coverage of ground measurements of snow and forecasting models depicting processes overly simplistic. In this project, Statkraft will collaborate with snow scientists at the WSL Institute for Snow and Avalanche Research SLF in Switzerland and data assimilation experts at NORCE in Bergen for improving inflow forecasts. The main objective of SnowInflow is to reduce errors in inflow forecasts during the snowmelt period. To achieve this goal, we will capitalize on advancements in snow monitoring, modelling, and data assimilation techniques. Today, accurate remote sensing techniques, such as airborne laser scanning, exist for measuring snow depths over vast areas. Moreover, energy-balance snow models that depict the physical processes driving snow accumulation and melt have become useful operationally. In combination with data assimilation, these developments currently hold the highest potential for reducing errors in inflow forecasts. The main research challenges of this project include (a) determining the optimal combination of ground and remote sensing observations of snow for enhanced inflow forecasts, (b) developing a physics-based snow model adapted to Norwegian conditions for use in a hydropower inflow forecasting tool, (c) integrating automated data assimilation techniques for accurate incorporation of inflow and snow data without violating the water balance over time, and (d) assessing the financial benefits of inflow forecasts using the newly developed methods. The improved inflow forecasts will lead to more efficient hydropower scheduling, higher financial gains and reduced risk for flooding.