Search

Your search keyword '"Raynaud, Laure"' showing total 7 results
Start Over Author "Raynaud, Laure" Database OpenAIRE
7 results on '"Raynaud, Laure"'

1. Highlight results of the Smart4RES project on weather modelling and forecasting dedicated to renewable energy applications

Author

Kariniotakis, Georges, Camal, Simon, Meer, Dennis van Der, Stratigakos, Akylas, Giebel, Gregor, Göçmen, Tuhfe, Pinson, Pierre, Bessa, Ricardo, Goncalves, Carla, Aleksovska, Ivana, Alonzo, Bastien, Cassas, Marie, Libois, Quentin, Raynaud, Laure, Deen, Gerrit, Houf, Daan, Verzijlbergh, Remco, Lange, Matthias, Witha, Björn, Lezaca, Jorge, Nouri, Bijan, Wilbert, Stefan, Marques, Maria Ines, Silva, Manuel, Boer, Wouter De, Eijgelaar, Marcel, Sauba, Ganesh, Karakitsios, John, Konstantinou, Theodoros, Lagos, Dimitrios, Sideratos, George, Anastopoulou, Theodora, Korka, Efrosini, Vitellas, Christos, Petit, Stephanie, Centre Procédés, Énergies Renouvelables, Systèmes Énergétiques (PERSEE), Mines Paris - PSL (École nationale supérieure des mines de Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Danmarks Tekniske Universitet = Technical University of Denmark (DTU), Institute for Systems and Computer Engineering, Technology and Science [Porto] (INESC TEC), Météo-France Direction Interrégionale Sud-Est (DIRSE), Météo-France, WHIFFLE, energy (EMSYS - Energy & Meteo Systems), Deutsches Zentrum für Luft- und Raumfahrt (DLR), EDP New Energy World – Center for New Energy Technologies, EDP Distribuição, DNV GL, National Technical University of Athens [Athens] (NTUA), DEDDIE, Dowel Innovation, and European Project: 864337,Smart4RES

Subjects
[STAT.AP]Statistics [stat]/Applications [stat.AP], Data Science, [SPI.NRJ]Engineering Sciences [physics]/Electric power, Uncertainty, Predictive analytics, Renewable energy forecasting, Weather forecasting, [MATH.MATH-PR]Mathematics [math]/Probability [math.PR], Digitalisation, Prescriptive anaytics, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Artificial Intelligence, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], European project, Renewable Energy, [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC], SDG 7 - Affordable and Clean Energy, Energy Meteorology
Abstract

In this presentation we detail highlight results obtained from the research work within the European Horizon 2020 project Smart4RES (http://www.smart4res.eu). The project, which started in 2019 and runs until 2023, aims at a better modelling and forecasting of weather variables necessary to optimise the integration of weather-dependent renewable energy (RES) production (i.e. wind, solar, run-of-the-river hydro) into power systems and electricity markets. Smart4RES gathers experts from several disciplines, from meteorology and renewable generation to market- and grid-integration. It aims to contribute to the pathway towards energy systems with very high RES penetrations by 2030 and beyond, through thematic objectives including:Improvement of weather and RES forecasting, Streamlined extraction of optimal value through new forecasting products, data market places, and novel business models; New data-driven optimization and decision-aid tools for market and grid management applications; Validation of new models in living labs and assessment of forecasting value vs costly remedies to hedge uncertainties (i.e. storage). In this presentation we will focus on our results on models that permit to improve forecasting of weather variables with focus on extreme situations and also through innovative measuring settings (i.e. a network of sky cameras). Also results will be presented on the development of seamless approach able to couple outputs from different ensemble numerical weather prediction (NWP) models with different temporal resolutions. Advances on the contribution of ultra-high resolution NWPs based on Large Eddy Simulation will be presented with evaluation results on real case studies like the Rhodes island in Greece.When it comes to forecasting the power output of RES plants, mainly wind and solar, the focus is on improving predictability using multiple sources of data. The proposed modelling approaches aim to efficiently combine highly dimensionally input (various types of satellite images, numerical weather predictions, spatially distributed measurements etc.). A priority has been to propose models that permit to generate probabilistic forecasts for multiple time frames in a seamless way. Thus, the objective is not only to improve accuracy and uncertainty estimations, but also to simplify complex forecasting modelling chains for applications that use forecasts at different time frames (i.e. a virtual power plant - VPP- with or without storage that participates in multiple markets). Our results show that the proposed seamless models permit to reach these performance objectives. Results will be presented also on how these approaches can be extended to aggregations of RES plants which is relevant for forecasting VPP production.

Published
2022

2. Smart4RES: Next generation solutions for renewable energy forecasting and applications with focus on distribution grids

Author

Camal, Simon, Kariniotakis, Georges, Sossan, Fabrizio, Libois, Quentin, Legrand, Raphael, Raynaud, Laure, Lange, Matthias, Mehrens, Annah, Pinson, Pierre, Pierrot, Amandine, Giebel, Gregor, Göcmen, Tufhe, Bessa, Ricardo, Gouveia, Jose, Teixeira, Luis, Neto, Alexandre, Santos, Ricardo, Mendes, Gisela, Nouri, Bijan, Lezaca, Jorge, Verziljbergh, Remco, Deen, Gerrit, Sideratos, George, Vitellas, Christos, Sauba, Ganesh, Eijgelaar, Marcel, Petit, Stéphanie, Centre Procédés, Énergies Renouvelables, Systèmes Énergétiques (PERSEE), Mines Paris - PSL (École nationale supérieure des mines de Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Météo-France Direction Interrégionale Sud-Est (DIRSE), Météo-France, energy (EMSYS - Energy & Meteo Systems), Danmarks Tekniske Universitet = Technical University of Denmark (DTU), Institute for Systems and Computer Engineering, Technology and Science [Porto] (INESC TEC), EDP New Energy World – Center for New Energy Technologies, EDP Distribuição, Deutsches Zentrum für Luft- und Raumfahrt (DLR), WHIFFLE, National Technical University of Athens [Athens] (NTUA), DEDDIE, DNV GL, Dowel Innovation, CIRED, and European Project: 864337,Smart4RES

Subjects
RENEWABLE ENERGY, power distribution economics, SMART GRID, [STAT.AP]Statistics [stat]/Applications [stat.AP], optimisation, DATA SCIENCE, [SPI.NRJ]Engineering Sciences [physics]/Electric power, load forecasting, ENERGY METEOROL-OGY, data handling, [MATH.MATH-PR]Mathematics [math]/Probability [math.PR], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], FORECASTING, power markets, DISTRIBUTION GRIDS, [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC], weather forecasting, renewable energy sources
Abstract

International audience; This paper presents the solutions on renewable energy forecasting proposed by the Horizon2020 Project Smart4RES. The ambition of the project is twofold: (1) increase substantially the performance of short-term forecasting models of Renewable Energy Sources (RES) production and associated weather forecasting and (2) optimize decisions subject to RES uncertainty in power systems and electricity markets. Developments are based on latest advances in meteorology and original use of data science (combination of multiple data sources, data-driven approaches for trading and grid management). Finally, solutions such as flexibility forecast of distributed resources and data markets are oriented towards value for power system stakeholders. Although the project covers a broad scope, in this paper we focus on a selection of use cases that concern the integration of renewables in distribution grids.

Published
2021
Full Text
View/download PDF

3. Prendre en compte l’incertitude des prévisions météorologiques dans les OAD utilisées pour gérer les maladies et ravageurs des cultures

Author

Aleksovska, Ivana, Brun, François, Raynaud, Laure, Faivre, Robert, Raynal, Marc, Deudon, Olivier, Unité de Mathématiques et Informatique Appliquées de Toulouse (MIAT INRA), Institut National de la Recherche Agronomique (INRA), Instituts techniques agricoles (ACTA), Météo France, AGroécologie, Innovations, teRritoires (AGIR), Institut National de la Recherche Agronomique (INRA)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées, UMR : Santé et Agroécologie du Vignoble, Villenave D'Ornon, Institut Français de la Vigne et du Vin (IFV), ARVALIS - Institut du Végétal, CASDAR MeteoPrec, RMT Modélisation et Analyse de données pour l'agriculture, ANR-16-CONV-0004,DIGITAG,Institut Convergences en Agriculture Numérique(2016), UMR : AGroécologie, Innovations, TeRritoires, Ecole Nationale Supérieure Agronomique de Toulouse, and CASDAR MeteoPrec, ANR DigitAg, RMT Modélisation et Analyse de données pour l'agriculture

Subjects
prévisions météorologiques, ver de la grappe, [SDV]Life Sciences [q-bio], septoriose du blé, oad, incertitude
Abstract

Session: outils d'aide à la décision; Crop diseases and pests are highly dependent on weather conditions. Various decision support systems are proposed to take into account these meteorological conditions in the modeling of epidemic dynamics and to assist farmers in their decision-making. Nevertheless, the atmospheric flow is a chaotic phenomenon and weather forecasts remain uncertain. In recent years, weather prediction centers, including Météo-France, have implemented probabilistic prediction systems that provide an estimate of the uncertainty of the weather forecasts. We propose to demonstrate the potential of using these probabilistic forecasts through decision support tools used in an operational way for the protection of crops with applications to the wine and wheat.; Les maladies et ravageurs des cultures dépendent fortement des conditions météorologiques. Différents outils d’aide à la décision sont proposés pour prendre en compte ces conditions météorologiques dans la modélisation des dynamiques épidémiques et accompagner les agriculteurs dans leurs prises de décision. Néanmoins, l’écoulement atmosphérique est un phénomène chaotique et les prévisions météorologiques restent incertaines. Dans ce contexte, les centres de prévision météorologique, dont Météo-France, mettent en œuvre des systèmes de prévision probabiliste qui permettent d’accéder à une estimation de l’incertitude des conditions météorologiques prévues. Nous proposons de montrer l’intérêt d’utiliser ces prévisions probabilistes au travers d’outils d’aide à la décision et d’une évaluation des risques associés à cette décision pour la protection des cultures, avec des applications sur la vigne et le blé.

Published
2018

4. Prendre en compte l’incertitude des prévisions météorologiques dans les OAD utilisées pour gérer les maladies et ravageurs des cultures

Author

Brun, François, Raynaud, Laure, Faivre, Robert, Raynal, Marc, Deudon, Olivier, and Aleksovska , Ivana

Subjects
incertitude, prévisions météorologiques, septoriose du blé, ver de la grappe, oad
Abstract

Les maladies et ravageurs des cultures dépendent fortement des conditions météorologiques. Différents outils d’aide à la décision sont proposés pour prendre en compte ces conditions météorologiques dans la modélisation des dynamiques épidémiques et accompagner les agriculteurs dans leurs prises de décision. Néanmoins, l’écoulement atmosphérique est un phénomène chaotique et les prévisions météorologiques restent incertaines. Dans ce contexte, les centres de prévision météorologique, dont Météo-France, mettent en œuvre des systèmes de prévision probabiliste qui permettent d’accéder à une estimation de l’incertitude des conditions météorologiques prévues. Nous proposons de montrer l’intérêt d’utiliser ces prévisions probabilistes au travers d’outils d’aide à la décision et d’une évaluation des risques associés à cette décision pour la protection des cultures, avec des applications sur la vigne et le blé., Crop diseases and pests are highly dependent on weather conditions. Various decision support systems a re proposed to take into account these meteorological conditions in the modeling of epidemic dynamics and to assist farmers in their decision-making. Nevertheless, the atmospheric flow is a chaotic phenomenon and weather forecasts remain uncertain. In recent years, weather prediction centers, including Météo-France, have implemented probabilistic prediction systems that provide an estimate of the uncertainty of the weather forecasts. We propose to demonstrate the potential of using these probabilistic forecasts through decision support tools used in an operational way for the protection of crops with applications to the wine and wheat.

Published
2018

5. Object-oriented processing of CRM precipitation forecasts by stochastic filtering

Author

Arbogast, Philippe, Pannekoucke, Olivier, Raynaud, Laure, Lalanne, Renaud, Mémin, Etienne, Groupe d'étude de l'atmosphère météorologique ( CNRM-GAME ), Institut national des sciences de l'Univers ( INSU - CNRS ) -Météo France-Centre National de la Recherche Scientifique ( CNRS ), Fluid Flow Analysis, Description and Control from Image Sequences ( FLUMINANCE ), Institut de Recherche Mathématique de Rennes ( IRMAR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -AGROCAMPUS OUEST-École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Université de Rennes 2 ( UR2 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture ( IRSTEA ) -Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique ( Inria ), ANR-09-SYSC-0005,GEOFLUIDS,Analyse et simulation d'écoulements fluides à partir de séquences d'images : application à l'étude d'écoulements géophysiques ( 2009 ), Groupe d'étude de l'atmosphère météorologique (CNRM-GAME), Institut national des sciences de l'Univers (INSU - CNRS)-Météo France-Centre National de la Recherche Scientifique (CNRS), Fluid Flow Analysis, Description and Control from Image Sequences (FLUMINANCE), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut de Recherche Mathématique de Rennes (IRMAR), AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-AGROCAMPUS OUEST, Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), ANR-09-SYSC-005-01, French Agence Nationale de la Recherche (ANR), ANR-09-SYSC-0005,GEOFLUIDS,Analyse et simulation d'écoulements fluides à partir de séquences d'images : application à l'étude d'écoulements géophysiques(2009), Centre national de recherches météorologiques (CNRM), Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Centre National de la Recherche Scientifique (CNRS), Institut de Recherche Mathématique de Rennes (IRMAR), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-INSTITUT AGRO Agrocampus Ouest, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-AGROCAMPUS OUEST-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-École normale supérieure - Rennes (ENS Rennes)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Inria Rennes – Bretagne Atlantique, and ANR-11-LABX-0020,LEBESGUE,Centre de Mathématiques Henri Lebesgue : fondements, interactions, applications et Formation(2011)

Subjects
[SDU.OCEAN]Sciences of the Universe [physics]/Ocean, Atmosphere, [ SDU.OCEAN ] Sciences of the Universe [physics]/Ocean, Atmosphere, Particle filter, stochastic dynamics, precipitation forecast, ensemble prediction
Abstract

International audience; In order to cope with small-scale unpredictable details of mesoscale structuresin cloud-resolving models, it is suggested in this paper to process the modeloutputs following a fuzzy object-oriented approach to extract and trackprecipitating features (associated with a higher predictability than the directmodel outputs). The present approach uses the particle filter method torecognize patterns based on predefined texture or spatial variability of themodel output. This provides an ensemble of precipitating objects, which arethen propagated in time using a stochastic advection-diffusion process. Thismethod is applied to both deterministic and ensemble forecasts provided bythe AROME-France convective-scale model. Specific case studies support theability of the approach to handle precipitation of different types.

Published
2016

6. A wavelet-based filtering of ensemble background-error variances

Author

Pannekoucke, Olivier, Raynaud, Laure, Farge, Marie, Groupe d'étude de l'atmosphère météorologique (CNRM-GAME), Institut national des sciences de l'Univers (INSU - CNRS)-Météo France-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Météorologie Dynamique (UMR 8539) (LMD), Département des Géosciences - ENS Paris, École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)-École des Ponts ParisTech (ENPC)-École polytechnique (X)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC), Centre national de recherches météorologiques (CNRM), Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Centre National de la Recherche Scientifique (CNRS), Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut national des sciences de l'Univers (INSU - CNRS)-École polytechnique (X)-École des Ponts ParisTech (ENPC)-Centre National de la Recherche Scientifique (CNRS)-Département des Géosciences - ENS Paris, École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École normale supérieure - Paris (ENS-PSL), and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)

Subjects
[PHYS.MECA.ACOU]Physics [physics]/Mechanics [physics]/Acoustics [physics.class-ph]
Abstract

International audience; Background-error variances estimated from a small-size ensemble of data assimilations need to be filtered because of the associated sampling noise. Previous studies showed that objective spectral filtering is efficient in reducing this noise, while preserving relevant features to a large extent. However, since such filters are homogeneous, they tend to smooth small-scale structures of interest. In many applications, nonlinear thresholding of wavelet coefficients has proved to be an efficient technique for denoising signals. This algorithm proceeds by thresholding the wavelet coefficients of the noisy signal using an estimated threshold. This is equivalent to applying an adaptive local spatial filtering. A quasi-optimal value for the threshold can be computed from the noise variance. We show that the statistical properties of the sampling noise associated with the estimation of background-error variances can be used to calculate the noise level and the appropriate threshold value. This method is first applied to 1D academic examples, with emphasis on correlated and heterogeneous noises. This approach is shown to outperform the commonly used homogeneous filters, since it automatically adapts to the local structure of the signal. We also show that this technique compares favourably to a heterogeneous diffusion-based filter, with the advantage of requiring less trial-and-error tuning. These results are next confirmed in a more realistic 2D problem, using the Arome-France convective-scale model.

Published
2014

Catalog

Books, media, physical & digital resources
See catalog results