Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos...

12
Perspectiva a futuro de las metodologías de pronóstico Dr.-Ing. Matthias Müller-Mienack Director del Departamento de Estudios e Investigaciones Cochabamba, 16 de Noviembre del 2017

Transcript of Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos...

Page 1: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

Perspectiva a futuro de las metodologías

de pronóstico

Dr.-Ing. Matthias Müller-Mienack

Director del Departamento de Estudios e Investigaciones

Cochabamba, 16 de Noviembre del 2017

Page 2: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

2

Contenido

1. Mayor optimización de modelos númericos de predicción meteorológica

2. Introducción de modelos probabilísticos de predicción meteorológica

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Page 3: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

3

1. Mayor optimización de modelos númericos

de predicción meteorológica

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Page 4: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

4

Mayor optimización de modelos númericos

de predicción meteorológica (I)

Fuente: Fraunhofer IWES

• Pronósticos de día anterior, corto plazo y largo plazo

• Uso de pronósticos meteorológicos de modelos númericos de predicción

meteorológica con resolución hasta de ~ 2.7 km

• Mayor combinación de diferentes modelos de predicción meteorológica

• Modelos de transformación basados en física o en estadística

• La calidad depende primeramente de la calidad de los modelos

meteorológicos

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Medición

Medición a futuro

Su

min

istr

o

Ahora Tiempo

Medición

Medición a futuro

Su

min

istr

o

Tiempo

Pronóstico a corto plazo (también día anterior)

Page 5: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

5

Mayor optimización de modelos númericos

de predicción meteorológica (II)

Fuente: Fraunhofer IWES

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Ahora

Medición

Medición a futuro Pronóstico a corto plazo (también día anterior)

Pronóstico más corto (Intradía)

Tiempo

• Pronósticos intradía y plazo más corto

• Uso de pronósticos meteorológicos de modelos númericos de predicción

meteorológica con resolución hasta de ~ 2.7 km

• Uso de valores medidos actuales

• Modelos híbridos que consisten en modelos de transformación y series

históricas

• La exactitud depende mayormente de la información disponible y su calidad.

Su

min

istr

o

Page 6: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

6

2. Introducción de modelos probabilísticos

de predicción meteorológica

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Page 7: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

7

Introducción de modelos probabilísticos

de predicción meteorológica (I)

• Para un modelo númerico de predicción meteorológica:

o El completo estado inicial en toda el área del modelo debe ser conocido,

o El modelo númerico meteorológico en todas las escalas debe ser perfecto

y describir tanto los procesos físicos impecablemente como los eventos

meteorológicos marginalizados fuera del área del modelo.

• Estas condiciones perfectas del pronóstico númerico meteorológico nunca

son alcanzables pese al gran esfuerzo:

o Mediciones del estado inicial y el modelo meteorológico en sí siempre

tienen incertidumbres, es crucial estimar el tamaño de las incertidumbres

y así establecer un grado para el pronóstico .

• El tamaño de las incertidumbres puede ser evaluado con los llamados

“sistemas de predicciones en ensamble”.

Fuente: DWD, Fraunhofer IWES: EWELINE reporte, 2017

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Page 8: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

8

• Ejemplo: Cosmo-de-EPS es un

conjunto de 20-miembros

• La configuración del ensamble

resulta de la combinación de

diferentes condiciones de

arranque y sus límites.

Fuente: DWD, Fraunhofer IWES: EWELINE reporte, 2017

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Introducción de modelos probabilísticos

de predicción meteorológica (II)

Page 9: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

9

• Ejemplo: Velocidad del

viento el día 20.03.2013 a

98 m en la estación FINO1.

• En rojo lo observado,

el color azul muestra el

percentil de la predicción

Cosmo-de-EPS .

Fuente: DWD, Fraunhofer IWES: EWELINE reporte, 2017

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Introducción de modelos probabilísticos

de predicción meteorológica (III)

Pronóstico plazo de entrega (h)

Page 10: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

10

• El pronóstico de valor esperado es incrementado para incluir el pronóstico de

percentil seleccionado. Aquí:

o El pronóstico de percentil 5% corresponde a un valor de rendimiento, el

cual será extendido con una probabilidad de 95% = con 95% rendimeinto

asegurado

o Percentil 10%: corresponde = a 90% rendimiento asegurado

Fuente: Fraunhofer IWES

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Introducción de modelos probabilísticos

de predicción meteorológica (IV)

Con 90% de

rendimiento

garantizado

Con 95% de

rendimiento

garantizado

Tiempo – 5 días

Medición

Pronóstico

5% Cuartil

10% Cuartil

Re

nd

imie

nto

MW

Page 11: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

11

¿Preguntas?

Centro Europeo de Formación e Investigación en Materia de Seguridad para Sistemas Eléctricos

Page 12: Perspectiva a futuro de las metodologías de pronóstico · 1. Mayor optimización de modelos númericos de predicción meteorológica 2. Introducción de modelos probabilísticos

12

GridLab GmbH

Mittelstraße 7

12529 Schönefeld (cerca de Berlín)

Alemania

Tel.: +49 30 600 866 60

Correo eléctronico: [email protected]

Página de internet: http://www.gridlab.de

12

GridLab, Centro Europeo de Formación e

Investigación en Materia de Seguridad para

Sistemas Eléctricos

Información de contacto

Dr. -Ing. Matthias Müller-Mienack

Director del Departamento de Estudios e Investigación

[email protected]

LinkedIn: Matthias Müller-Mienack