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