Improvement of short-term numerical wind predictions

• Main Author: Bédard, Joël
• Format: Thesis
• Language: unknown
• Published: École de technologie supérieure 2010
• Subjects: Canada; North Cape
• Online Access: http://espace.etsmtl.ca/296/1/B%C3%A9dard_Jo%C3%ABl.pdf; http://espace.etsmtl.ca/296/2/B%C3%A9dard_Jo%C3%ABl%2Dweb.pdf

Avec la croissance soutenue de l’énergie éolienne sur les marchés énergétiques, les opérateurs des réseaux électriques ont de plus en plus de défis à relever en matière d’équilibrage de réseau, le tout afin de minimiser les coûts associés à la gestion des autres sources énergétiques. Le vent étant une source énergétique variable, la prévision de la puissance éolienne est donc l’une des solutions qui permettra à ce type d’énergie de devenir viable du point de vue économique, tant sur les marchés régulés que dans les marchés ouverts. Dorénavant, il semble qu’il y ait un besoin urgent pour des modèles permettant de prédire de manière fiable la puissance éolienne à court-terme (0 – 48 h); ceci, afin de maintenir l’intégration de l’énergie éolienne dans le portefeuille énergétique des différentes juridictions. En fonction des besoins de l’industrie éolienne, « Environnement Canada » effectue, depuis trois ans, des prévisions météorologiques expérimentales dans l’est canadien à l’aide d’un modèle de prévisions numériques à aire limitée (GEM-LAM 2.5 km). La région couverte englobe la péninsule gaspésienne ainsi qu’une partie des provinces maritimes. Cette région couvre plusieurs sites éoliens tels que North Cape. Ce site est situé à l’Ile du Prince Édouard où le Wind Energy Institute of Canada opère un centre d’essais éolien. Une analyse préliminaire des prévisions et une inspection minutieuse de ce site ont permis de démontrer que, bien que la résolution du modèle soit déjà relativement haute, elle manque tout de même de raffinement afin de bien représenter les phénomènes météorologiques pour ce site côtier à topographie complexe. Pour cette raison, un module géophysique de traitement statistique des sorties (Geophysic Model Output Statistic (GMOS)) a été développé et appliqué afin de permettre une optimisation de l’utilisation du modèle de prévision météorologique à des fins de prévision de la puissance éolienne à court-terme. GMOS diffère des MOS couramment utilisés dans les centres météorologiques par les aspects suivants : 1) il prend en compte les paramètres géophysiques régionaux (hauteur topographique, rugosité de surface, etc.) ainsi que la direction du vent; 2) il peut être directement appliqué pour corriger les sorties de différents modèles numériques sans entraînement, bien qu’un entraînement soit bénéfique. Ce module statistique a été entrainé et testé pour le site de North Cape, où il a réduit l’erreur quadratique des prévisions de 25 à 30 %. Cette amélioration significative est observable pour tous les horizons temporels ainsi que pour la majorité des conditions météorologiques. De plus, la signature topographique de l’erreur de prévision a été éliminée suite à l’application du GMOS. D’ailleurs, le modèle de prévision numérique combiné au GMOS offre une prévision supérieure à celle de la persistance dès un horizon de 2 h. Ce gain n’était observable qu’à partir d’un horizon de 4 h sans l’utilisation du GMOS. Enfin, une validation effectuée pour un site établi à Bouctouche (Nouveau Brunswick), présentant des améliorations similaires des prévisions de vent de surface, a permis de démontrer l’applicabilité générale de la méthode. Cette étude, présentant un module statistique permettant l’optimisation de l’utilisation des prévisions météorologiques à haute résolution, a aussi contribué au développement d’une méthodologie afin de mieux comprendre les erreurs de prévisions reliées aux différentes conditions météorologiques. Cet outil d’analyse a permis d’évaluer la contribution d’erreur de phase et d’amplitude pour des conditions atmosphériques normales ainsi que pour divers évènements météorologiques à caractère dynamique tels que les variations subites de vitesse du vent, le passage de dépressions etc. Une compréhension accrue des erreurs de prévisions ainsi que l’acquisition de prévisions éoliennes plus précises permettront d’augmenter la valeur économique de l’énergie éolienne sur le marché.