Universität zu Köln

Vourlioti, Paraskevi (2020). Evaluation of observation network benefits on short-term weather forecasts for energy-meteorology applications. PhD thesis, Universität zu Köln.

Preview

PDF thesis_CV_final.pdf - Accepted Version Download (21MB) | Preview

Abstract

Die Wind und Solarenergieindustrie ist auf verlässliche Wettervorhersagemodelle angewiesen, um Übertragungsnetze sicher zu betreiben. Ferner sind genaue Wetter- vorhersagen wichtig, um Kraftwerkseinsätze effizient zu planen und am Energiemarkt realistische Preisbildung zu gewährleisten. Eine der entscheidenden Vorbedingun- gen guter Wettervorhersagen ist die Güte der Anfangswerte des Modells, die dazu beiträgt, Fälle schwerer Fehlvorhersagen zu vermeiden, die bei schwierigen Wetter- lagen auftreten können. Durch Datenassimilation ist eine optimale Schätzung des atmosphärischen Zustandes möglich, indem eine geeignete Kombination des Modells mit Beobachtungen vorgenommen wird. Das Verfahren, der Ort und die Zeit der Beobachtungen sind dabei wesentlich für die Güte. In dieser Studie wird ein Auswerteverfahren eingerichtet und angewandt, welches in der Lage ist, die Güte von Beobachtungsnetzwerken und ihrer Messungen für energiemeteorologische Anwendungen quantitativ zu bewerten. Der Schwerpunkt liegt hierbei auf einer Analyse von größeren Fehlvorhersagen von Solar- und Winden- ergie, die Übertragungsnetzbetreiber aus einer Kombination von Wettervorhersagen ermittelt hatten. Dabei wurde eine zweiwöchige Episode vom 01. bis 15.8.2014 ausgewertet, die eine außergewöhnlich grobe Fehlvorhersage am 9.8.2014 enthält. Hierzu wurde eine Kombination von Satellitendaten mit Bodenstationen ausgewertet und eine Bewertung der Beobachtungstypen nach ihrem Wert für eine Vorhersage- verbesserung durchgeführt. Das Infrared Atmospheric Sounding Interferometer (IASI) auf die Meteorologischer Operationssatellit (MetOp) wurde gegen klassische Boden- beobachtungen evaluiert. Es wurde festgestellt, dass die IASI-Massendaten in Bezug auf die Anzahl der Strahlungskanäle pro Pixel doppelt so viel zum Wert der Prognosen in der Fallstudie beitragen wie die SYNOP-Beobachtungen. Trotzdem zeigten die nach Anzahl der Beobachtungen normalisierten Ergebnisse, dass die SYNOP-Beobachtungen qualitativ überlegen waren. Insbesondere erwies sich die Assimilation von Windkomponenten- daten als besonders wertvoll, die Vorhersagefehler innerhalb einer Tagesvorhersage zu reduzieren. Die zusätzliche Nutzung von neun IASI-Wasserdampfkanälen für die Assimilation erwies sich den synoptischen Feuchtebeobachtungen überlegen. Die Auswertung der Beobachtungswirkung individueller Messungen oder Kanäle kann mit dem hier entwickelten Verfahren besonders günstige oder ungünstige Beo- bachtungskonfigurationen ermitteln, und zu möglichst effizienten Beobachtungsnetzen insbesondere auch für energiemeteorologische Awendungen führen.

Item Type:	Thesis (PhD thesis)
Translated abstract:	Abstract Language The wind and solar energy sector relies on skillful Numerical Weather Prediction (NWPs) models to operate the power transmission grid resiliently. Moreover, accurate weather predictions are important for scheduling industrial power plants, but also for price fixing the energy stock market. One of the decisive factors for forecast skills is the quality of the initial state of the model, which may help to avoid or mitigate gross prediction failures repeatedly occurring during specific weather situations. Through data assimilation, the best estimate of the atmospheric state is given by a combination of the forecasting model with observations, where the selection of measurements by type, location, and time in terms of their information value is essential. A monitoring tool, capable to quantitatively measure the capabilities of the observation network on the short-term forecast error is implemented and evaluated in this study for energy-meteorology applications. The focus is placed on cases with exceptionally large prediction errors of solar and wind power, that challenge the weather centers and the Transmission System Operators (TSOs). To fulfill this request, a fortnight 01.-15.08.2014 that includes an exceptionally large error event on 09.08.2014 was selected. A satellite versus ground-based observation network configuration was chosen and a ranking list of the most beneficial observations was calculated. The Infrared Atmospheric Sounding Interferometer (IASI) onboard the Meteorological Operational Satellite (MetOp), as a precursor of a future sensor in a geostationary orbit, was evaluated against the classical Surface Synoptic Observations (SYNOP). In terms of number of radiance channels per pixel, the bulk IASI data were found to contribute twice as much to the value of the forecasts in the case study compared to the SYNOP observations. Despite this, the normalized by number of observations results showed the SYNOP observations to be qualitatively superior. Especially the assimilation of the wind components were dominating the intraday forecast error reduction. The introduction in the assimilation of nine IASI water vapor channels added value to the model’s forecasts, in contrast to synoptic humidity observations. The evaluation of the impact results per synoptic station location and IASI channel revealed both the most and least beneficial stations and channels. With this method potentially all the observations for which data assimilation is prepared to assimilate, can be evaluated and models can be configured with the most favorable observations. English
Creators:	Creators Email ORCID ORCID Put Code Vourlioti, Paraskevi voula.vrlt@gmail.com UNSPECIFIED UNSPECIFIED
URN:	urn:nbn:de:hbz:38-104653
Date:	2020
Language:	English
Faculty:	Faculty of Mathematics and Natural Sciences
Divisions:	Faculty of Mathematics and Natural Sciences > Department of Geosciences > Institute for Geophysics and Meteorology
Subjects:	Natural sciences and mathematics
Uncontrolled Keywords:	Keywords Language data assimilation, English energy-meteorology, gound based observations, space borne observations English observation network, WRF, low predictability of power output, English Data assimilation, observation network, energy-meteorology, numerical weather prediction models, WRF, SYNOP, IASI, groun dased vs space borne observations, Forecast Sensitivity to Observations, FSO English
Date of oral exam:	3 May 2019
Referee:	Name Academic Title Elbern, Hendrik PD Dr.
Funders:	Forschungszentrum Jülich, HITEC
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/10465