Operasjonalisering av fordelt modell ENKI Trond Rinde Sjur Kolberg Lena S. Tøfte Oddbjørn Bruland Kolbjørn Engeland Yisak Sultan Abdella Sigbjørn Helset John F. Burkhart 1 Ola Skavhaug SINTEF Energy Research ENKI-operasjonalisering: Hovedmål • Hovedmål: Bringe romlig fordelte tilsigsmodeller fra eksperimentstadiet til operasjonalisering – Kapsle inn Enki som modul i Powels SmG • For tilgjengliggjøring og kommersielt vedlikehold SINTEF Energy Research 2 ENKI-operasjonalisering: Hovedmål • Hovedmål: Bringe romlig fordelte tilsigsmodeller fra eksperimentstadiet til operasjonalisering – Kapsle inn Enki som modul i Powels SmG • For tilgjengliggjøring og kommersielt vedlikehold – Videreutvikle Enki som interaktivt analyseverktøy • For å møte endrede behov i kraftbransjen som – Fin tidsoppløsning, økt effektregulering – Utnyttelse av økende tilgjengelig informasjonsmengde – Tilsig til enkeltmagasiner, bekkeinntak, restriksjonspunkter – Justering iht målte magasinvannstander SINTEF Energy Research 3 Model design and revision • Selection: – Operational needs – Dominant processes – Available data Model Selection Choice of equations Model Calibration Parameter estimation • Validation – Required performance – Achievable performance – Physical correctness? • «All models are wrong. Some, however, are useful» (Box, 1979) • «A model should not only work well, but work for the right reasons» (Klemes, 1986) Model Testing No Is the model suitable? Yes Model Application SINTEF Energy Research 4 Model design and revision Input data Calibration strategy Spatial discretisation Equation set Temporal discretisation Output requirements • Et modent modellverktøy har ingen åpenbare flaskehalser • HBV-fysikken var tilpasset • Nedbør og temperatur • Homogene feltverdier • Døgnsimulering • Tung kalibrering • Ny modell skal • Utnytte mer inputdata • Beskrive romlig variasjon • Kjøre for korte tidsskritt • Være mindre avhengig av kalibrering • Kalibrerer på målte data • Kjører modellen på varsler • Fra punkt til fordelt input SINTEF Energy Research 5 Lumped and distributed modelling P P Interpolering av inputvariable Snørutine Q P T R W … Q Markvann og fordampning Grunnvann og respons Q P T R W Q … SINTEF Energy Research 6 Simplification of response routines Epot Soil tank Eact Epot P+SM FC Beta LP Eact Soil tank Epot P+SM Eact P+SM FC Beta LP f(c) Upper tank k2 thresh k1 perc Lower tank f(a,b) f(a,b,c) Storage Storage k0 Q Q HBV response + soil 8 parameters 3 states 3-par Kirchner+soil 6 parameters 2 states Q 2-par Kirchner 3 parameters 1 state (Q) SINTEF Energy Research Ny snørutine: Vårflomvolum fra fernmåling • • • • Optisk sensor ser snødekningsgrad i hver gridrute Bayesiansk teknikk for å estimere snøvolum Oppdatering gjennom smeltesesongen Korreksjonskart for vinternedbør 1500 1500 1000 1000 500 500 y = 1.04x + 19.21 2 Sim R = 0.92 y = 0.69x + 184.50 2 Sim R = 0.82 0 0 500 1000 Obs Without MODIS correction 0 1500 0 500 1000 Obs 1500 With MODIS correction SINTEF Energy Research 8 Hva har vi oppnådd? • En åpen plattform for bedre og mer detaljerte tilsigsprognoser – Ny, effektiv kode implementert og i testdrift hos Statkraft – Under integrering i Powels SmG • Eksempler på ny funksjonalitet: – Mer presis snørutine, forberedt for satellittdata – Forenklet marktilstand og responsrutine – Objektive metoder for arealnedbør og –temperatur SINTEF Energy Research 9 Hva er vi i gang med? • FoU for en bedre snømodul 2015-17 • Romlig fordelt kalibrering bare så vidt begynt • Radardata på vei inn, og under stadig forbedring SINTEF Energy Research 10 Hva er viktigste potensiale videre? • Kobling mot produksjonsplanleggingsverktøy – Muliggjør automatiske korreksjoner basert på avvik mellom observert og forventa magasin status – Muliggjør bedre tilpasning til restriksjoner i vassdraget gjennom bedre utnyttelse av lokaltilsig – Åpner for mer sømløse prosesser i produksjonsplanleggingen SINTEF Energy Research 11 Takk for oppmerksomheten! [email protected] 12 SINTEF Energy Research
© Copyright 2024