Mejorando un Sistema de Pronóstico de Clima de Alto Impacto Basado en WRF para una Empresa de Energía del Norte de California
Autores: Carpenter, Richard L.; Gowan, Taylor A.; Lillo, Samuel P.; Strenfel, Scott J.; Eiserloh, Arthur. J.; Duffey, Evan J.; Qu, Xin; Capps, Scott B.; Liu, Rui; Zhuang, Wei
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Mejoras
Sistema de pronóstico operativo
Investigación y Pronóstico del Tiempo
Eventos meteorológicos de alto impacto
Incendios forestales
Empresas de energía
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 4
Citaciones: Sin citaciones
Describimos mejoras a un sistema de pronóstico operativo basado en el modelo de Investigación y Pronóstico del Tiempo (WRF) para la predicción de eventos meteorológicos de alto impacto que afectan a las empresas de energía, particularmente condiciones propicias para incendios forestales. El sistema fue desarrollado para Pacific Gas and Electric Corporation (PG&E) para pronosticar condiciones en el norte y centro de California para la toma de decisiones críticas, como desenergizar proactivamente circuitos seleccionados dentro de la red eléctrica. Los pronósticos de WRF se producen rutinariamente en una cuadrícula de 2 km, y los resultados se utilizan como entrada para modelos de humedad del combustible de incendios, probabilidad de incendios, propagación de incendios y probabilidad de cortes de energía. Este sistema de pronóstico produce pronósticos en tiempo real hábiles mientras logra una combinación óptima de resolución del modelo y tamaño del conjunto apropiados para los recursos computacionales de hoy en día disponibles para las empresas de energía. Se realizaron numerosos experimentos con diferentes configuraciones del modelo, espaciamiento de la cuadrícula y configuración del conjunto para desarrollar un sistema de pronóstico operativo optimizado para la habilidad y el costo. Se redujeron los sesgos secos aprovechando un nuevo esquema de riego, mientras que la habilidad del viento se mejoró a través de un enfoque novedoso que involucra la selección de miembros del Sistema Global de Pronóstico por Conjuntos (GEFS) utilizados para impulsar WRF. Esperamos que los hallazgos de este estudio puedan ayudar a otras empresas de energía (especialmente aquellas con impactos meteorológicos similares) a mejorar su propio sistema de pronóstico.
Descripción
Describimos mejoras a un sistema de pronóstico operativo basado en el modelo de Investigación y Pronóstico del Tiempo (WRF) para la predicción de eventos meteorológicos de alto impacto que afectan a las empresas de energía, particularmente condiciones propicias para incendios forestales. El sistema fue desarrollado para Pacific Gas and Electric Corporation (PG&E) para pronosticar condiciones en el norte y centro de California para la toma de decisiones críticas, como desenergizar proactivamente circuitos seleccionados dentro de la red eléctrica. Los pronósticos de WRF se producen rutinariamente en una cuadrícula de 2 km, y los resultados se utilizan como entrada para modelos de humedad del combustible de incendios, probabilidad de incendios, propagación de incendios y probabilidad de cortes de energía. Este sistema de pronóstico produce pronósticos en tiempo real hábiles mientras logra una combinación óptima de resolución del modelo y tamaño del conjunto apropiados para los recursos computacionales de hoy en día disponibles para las empresas de energía. Se realizaron numerosos experimentos con diferentes configuraciones del modelo, espaciamiento de la cuadrícula y configuración del conjunto para desarrollar un sistema de pronóstico operativo optimizado para la habilidad y el costo. Se redujeron los sesgos secos aprovechando un nuevo esquema de riego, mientras que la habilidad del viento se mejoró a través de un enfoque novedoso que involucra la selección de miembros del Sistema Global de Pronóstico por Conjuntos (GEFS) utilizados para impulsar WRF. Esperamos que los hallazgos de este estudio puedan ayudar a otras empresas de energía (especialmente aquellas con impactos meteorológicos similares) a mejorar su propio sistema de pronóstico.