Search

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.

This PhD-thesis demonstrates the potential of ensemble weather forecasts in the decision support tools developed to assist farmers in anticipating the application of phytosanitary treatments. We consider the models EVA that simulates the dynamics of grape berry moth and Septo-LIS that forecasts the development of wheat septoria. We illustrate the potential of using ensemble weather forecasts in agronomic models compared to frequency data. We then propose strategies to design seamless ensemble weather forecasts that combine information from three ensembles with different spatio-temporal scales. Finally these seamless forecasts are evaluated from a meteorological and agronomic point of view. The design of seamless ensemble predictions is considered as a concatenation problem. Ensemble predictions are first calibrated using a parametric approach, then the concatenation of forecasts is handled with a distance measure and an assignment algorithm. We show that the so-called Hungarian method is able to provide ensembles of independent and temporally consistent forecasts. It is shown that the EVA model is significantly improved by the calibration of temperature forecasts, while the benefit of seamless forecasts is not significant.; Nous proposons de montrer l'intérêt des prévisions d'ensemble météorologiques dans l'anticipation par les agriculteurs d'application de produits phytosanitaires. En nous appuyant sur les modèles EVA relatif au ver de la grappe en vigne et Septo-LIS à la septoriose du blé, nous illustrons le potentiel des prévisions d'ensemble en les comparants aux données fréquentielles. Nous construisons des ensembles de prévision cohérents, dits "sans couture", bénéficiant de trois systèmes de prévision d'ensemble couvrant différentes échelles spatio-temporelles que nous évaluons d'un point de vue météorologique et agronomique. Après calibrage des prévisions par une approche paramétrique, un raccordement sans couture est effectué au moyen d'une mesure de distance entre prévisions et d'un algorithme d'affectation. Nous montrons que l'affectation dite hongroise permet d'obtenir des prévisions cohérentes de température satisfaisant les critères de continuité temporelle et d'unicité des membres avec une meilleure performance météorologique aux courtes échéances. Les prévisions du modèle EVA sont significativement améliorées par le calibrage des prévisions de température. Le gain des prévisions sans couture n'est pas significatif sur cette application.

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.

International audience

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.