文摘
短期预测受不同因素影响的能源消费与需求住宅、商业、热电和工业领域。这个需求可以强烈地受到天气变量,尤其是温度的预测可能是非常有用的预测供给和需求之间的平衡,减少价格波动的风险。能源公司使用气象预报输出之间的关系和能量要求提供天然气的有效调度和电网在关键时期,降低运营成本。这项工作为短期和中期报告对比分析日常温度预测2013 - 2014年期间利用天气模型e-kmf™(eni-kassandra流星预测),目前采用天然气和电力应用气象产量的一个关键的角色。这天气预报系统使用不同的模型和初始数据开发概率预测的角度提前11天。特别是,一组模型运行水平网格间距为5.5,8日,13日和18公里域大小是进行评估的灵敏度温度水平分辨率。非线性卡尔曼滤波器也已经在八个欧洲城市应用后处理预测数据(米兰、罗马、都灵、那不勒斯、慕尼黑、巴黎、布鲁塞尔和伦敦)。过滤预测了这些城市相比当地观察取自SYNOP(表面天气观测)和航空例行(气象飞机场的报告)。技能的性能通常被用来评估预测的可靠性天+ 11。为了理解水平分辨率的敏感性,调查被执行甚至四个具体的时期与稳定和不稳定天气条件下两周。
1。介绍
能源消耗是严格相关季节性天气和气候趋势,特别是表面温度和降水(1,2]。通过了解温度对一个特定的地理区域,并给予关注异常现象,可以提高存储的规划,销售,和供应的能源储备3]。
现代能量分布的有效操作系统通常需要预测未来能源需求4,5]。能源公司使用温度变化之间的联系和能源供应的需求,计划防止短缺最关键的时期。出于这个原因,他们是最活跃的用户天气预报和他们继续使用这些产品每周调度。因此,利益在短期和中期预测能源服务谎言,首先,为更好的能量分布和管理提前预警。目前的研究中,由埃尼焦燕雄提供。获得一个准确和高可靠性预测工具,改善管理能源市场对国家和欧洲国家,已经通过使用专利e-kmf™天气预报系统(eni-Kassandra流星预测)。通过提供短期和中期温度预测在不同的欧洲感兴趣的领域和使用不同水平的网格分辨率评估其影响预测的质量,每小时天气预报在意大利申请燃气轮机发电也进行了6]。
前初步分析2013年在短时间内已经表现出的变化e-kmf™模型预测的空间分辨率天+ 1来+ 5天可能会减少2 - 4°C的美和提高性能。在这项研究中,进行了模拟在2013年到2014年与e-kmf™模型通过改变它的水平分辨率和量化的影响而言,计算成本和时间运行e-kmf™模型与不同空间网格。能源市场甚至在许多欧洲城市的好处相比有不同的气候在意大利地中海的一个评估。
评估水平网格的影响预测结果在选定的地区,垂直分辨率和物理一直保持相同的模拟(如每日手术模型)5.5公里,与预测地平线天+ 11。温度预测了在选定的城市在意大利(米兰、都灵、罗马和那不勒斯),德国(慕尼黑)、比利时(布鲁塞尔)、法国(巴黎)和英国(伦敦)对比观察来自SYNOP(表面天气观测)和航空例行(机场气象报告)站的数据集两年(2013 - 2014),然后,特定时间两周的稳定和不稳定的情况。后数据分析方法的描述部分2在部分和e-kmf™预测系统3,我们分析和讨论天气基准数据集用于本文。最后,本文的结论发表在部分5。
2。观察和预测温度数据
研究领域包括四个意大利城市(米兰、都灵、罗马和那不勒斯)和四个欧洲城市(伦敦、布鲁塞尔、巴黎、慕尼黑)。图1显示的域e-kmf™选定的欧洲城市天气预报模型(绿点)。
的e-kmf™模型预估每个城市中心的八个选择城市在不同空间分辨率与观测数据取自SYNOP和航空例行电台为了计算预测的性能在不同的交货期和不同的空间分辨率。时空上的过程平均每日温度预测从原始格丽(网格二进制)文件在给定的交货时间为每个分析城市后来描述:(我)每小时温度的四个最亲密的网格点( , , ,和 )气象模型的我th分析城市被选中(图2), , , ,和是每小时温度西北,东北,西南,东南,分别网格点最接近城市。(2)这四个小时温度的四个网格点接近所选城市平均和一个简单的逆距离权重(IDW)方法(方程1)计算每小时平均温度预测在城市( ): 在哪里 , , ,和的平方值之间的距离(公里)西北,东北,西南,东南,分别网格点最接近城市和城市本身。(3)最后一步计算每日温度预测( )分析了城市平均每小时平均温度( )见以下方程:每日平均温度的预测 在哪里n= 24的e-kmf™模型由于模型预测输出( )每1小时。
这个上述过程重复所有8个城市的交货期(11)模型的预测(天+ 0,天+ 1,天+ 2等)。
3所示。e-kmf™气象模型
在这项研究中multimodel方法基于区域和有限的模型已经使用(6,7]。这个地方整体预测系统开发框架的e-kmf™天气预报系统,预测是由多个来源不同物理建模和摄动初始条件。集成预测提供了一种有用的方式应对变化的初始条件,在物理模型的不确定性,固有的不确定性在大气预测(3]。这个系统代表了一种有效的尝试模拟大气演化和可以提供洞察这一系列的不确定性,可以发现在初始条件和模型。Multimodel方法,使用一个单一的分析,试图克服建模系统的不足,虽然多个分析与一个建模系统诊断对初始条件的敏感性。这两种方法的组合可以最大化的好处补偿你一个一个的缺陷在初始条件和建模系统。的e-kmf™由多组分集合体:全球整体区域整体提供侧向边界条件提供一个有限区域的边界条件。在此设置中,区域整体提供全球整体的降尺度;当地的合奏,反过来,提供了动力降尺度的区域。每个高分辨率模型提供了机会,小规模的特性在合奏。当地乐团在这项研究中的应用是应用于一个域覆盖区域图1,使用14名成员(相同数量的区域整体),空间网格分辨率变化从5.5公里至18公里42垂直水平在所有模拟,和相同数量的水平的全球和区域模型。动力核心是基于WRF-ARW(气象研究和Forecasting-Advanced研究),在WRF NMM (nonhydrostatic中尺度模式),和埃塔模型的最新版本(8]。对于每个仿真,multimodel方法使用不同的物理微观物理学和动态方案(9,10),行星边界层和表层11- - - - - -16),积云参数化(17,18),辐射(19- - - - - -21),地表物理(22- - - - - -25]。
每次运行然后位通过卡尔曼滤波获得当地温度预测;有效的预测输出计算的平均温度是在这些地方过滤运行(6]。这e-kmf™预报系统适用于多个应用程序预测的气象变量有关(如可再生能源、风险分析和规划),它可以应用于任何领域。
3.1。水平网格分辨率的重要性
数值天气预报的水平分辨率(数值天气预报)模型与网格点之间的空间网格点的数量模型或波浪谱模型,可以解决。以来最小的特征,可以准确地表示为一个模型网格数倍分辨率,现象与栅格间距尺寸相同的规模不太可能描述或预测模型。是否一个模型被认为是高或低分辨率的大小取决于域和天气现象的规模模型试图预测。一项决议的10到20公里可能被视为高的全球模型,而对于一个storm-scale模型,解决500可能是必要的,以解决内部流程。水平分辨率等几个特征直接影响垂直运动,向下的通量,降水位置和长处,下坡和山谷风,和山地波等等。
相当大的网格网格不能解决发行量的一些特征,特别是在复杂地区,垂直风速度,这只不影响动态,但热量和水分分布,影响风特征和降水的发生和力量。高分辨率中尺度模拟可以得到更好的结果描述循环模式,表面参数和降水。几年前,在一个集成的框架在地区和地方尺度建模方法,进行了模拟高山地区(26过)和结果对降雨相当同意观察当水平分辨率低于10公里。因此,更高的分辨率是提高的关键位置和降雨雪的值。同时利用中尺度模式作了进一步改善天气动力学和热力学的描述(27]。的许多缺陷中发现当前全球,因此可以减轻在中尺度天气尺度模型和局部模型。使用垂直坐标和垂直分辨率也强烈影响地形效应的本质。
许多其他研究显示高分辨率改善预测技能的重要性(28在对流降水[],在不同的研究领域29日),火灾危险30.],天气预报,或气候模拟[31日,32]。此外,水平分辨率有直接影响对流方案,可能需要和convection-permitting模型时低于3公里。然后,增加分辨率通常会产生更精确的模拟由于减少色散subgrid-scale现象和增加报道的波数空间,尤其是在区域从地形上复杂和异构土地利用展览。然而,增加决议并不一定增加模型技能或减少模型偏差(33),它还大量的计算代价(34]。
最后,甚至用一个相同的模拟模型运行在不同的决议可能会导致不同的行为,由于非线性参数化;任何变化模型可能参数具体的行为和性能。例如,一些研究已经表明,增加水平分辨率导致增加定量降水预报(QPF)尤其是在复杂的地形,可以依赖的对流,以及模型的影响域大小和水平分辨率QPF可能相当大与物理摄动和初始条件的不确定性29日]。模型技术在小尺度地形雨发现更好的稳定比嵌入式对流细胞的存在,因为后者在降水领域产生一个随机组件。云粒子物理学的影响方案模型分辨率的增加而增加,在复杂地形区域,提高模型分辨率的影响是小的,不一定是有益的35]。另一方面,近地表参数如温度可能会表现出不同的行为取决于模型的预测能力降低大气边界层的结构,培养方案中使用的模型,和flow-dependent特性在复杂的地形36),因为它也描述(37),整体温度预估精度最高的分辨率网格域不完全捕捉到夜间和持久的冷池在山谷和低地。
本文的目的是评估模型的性能在不同的空间网格分辨率(图3)2 m空气温度/选择欧洲城市也属于不同的气候条件。
(一)
(b)
(c)
(d)
4所示。结果与讨论
4.1。基准分析
平均每日温度预估每八个欧洲城市的e-kmf™模型在不同空间分辨率与观测数据进行比较,计算出绩效评估在不同的交货期。观察到的温度数据可供2013年和2014年,当特定的天气时期也选择在选定的城市待分析。
这两周被称为稳定和不稳定的时间,稳定意味着气象模式可能通常指存在高压天气规模有限的温度变化之间的第二天,虽然不稳定是指相对出现的低压或多变的天气方面的流逝和连续几天之间有重大变化的不稳定的温度。
一些统计指标,通常在文学,是用来设置分析。在技能成绩,平均绝对误差(MAE)是一种有效地代表预测误差的大小在一个给定的验证数据集,也是日常使用的埃尼运营商对能源和天然气规划模型。只有系综平均会因为这个分析中使用相关运营能耗模型的应用程序,可以使用单个值的温度。然而,总体的均值场景通常是最准确的预测(38),它比高分辨率的确定性模型进行预测。
4.2。网格空间分辨率的角色
只评估影响水平网格的结果在选定的地区,垂直分辨率(48水平)和物理一直保持相同的模拟。预测了在指定城市的意大利,德国,比利时,法国和英国比较交货期(提前11天)观察来自SYNOP和航空例行电台。统计描述表演中获得的各种模拟如表所示1- - - - - -4。
美而言,更高的分辨率对城市在意大利(表显得更加重要1比在欧洲城市(表)2)。这是合理的因为一个复杂地形的存在在意大利周围城市(主要是米兰和都灵的波河河谷接近山脉和那不勒斯和罗马的减少,在海洋性气候减轻了每日变化的温度),而对于欧洲城市伦敦,巴黎和布鲁塞尔,周围没有相关地形特征;部分的例外是慕尼黑,在德国,由于存在阿尔卑斯山脉,向南的这个地方。
似乎从18过渡到5.5公里网格间距允许一个更好的定义主要中尺度特征;事实上,水平网格分辨率的差异意味着山岳形态学的差异意味着模型。此外,当地的通量也可能取决于地形的次网格表示。然而,表示的意思是山岳志似乎发挥重要作用的预测近地表温度。这并不奇怪,因为底层大气光谱密切关注平均移光谱(39]。预测技能的退化造成使用平滑的意思是山岳志只有部分可以通过使用更多的次网格冷锋移变化,缓解和参数化拖不影响流相同的方式解析后的阻力。2 m温度相关的山脉附近的城市(米兰,都灵,但也慕尼黑),然后,受到附近地形的影响,尤其是当天气和中尺度通量与山脉之间的交互提供了一个重要的贡献的可变性近地表变量。
近地表的预测变量在平坦地形取决于降低大气边界层的可预测性。在复杂地形,预测不仅受到模型无法准确再现大气低层大气的条件也代表问题,而模型和实际地形之间的不匹配。此外,表面预测细决议并不总是比那些粗决议(见,例如,美在5.5和8公里,都灵)。
改善预测每日平均温度的美得到了错误通常低于2°C(斜体数字表1和2)在整个预测。这美阈值可能会合理地认为是焦点目标温度由气象预测模型。相比之下,只有小的改进验证数据网格间距减少从8到5.5公里。减少网格间距提供了更多的细节和结构(例如,定义陡斜坡地形),但它只有有限的影响传统客观验证分数点分析。然而,在这个应用程序中,验证也必然依赖于最终用户的需求;与18公里的e-kmf™模型,网格分辨率,可能适用于近地表气温的预测在城市能源消费应用程序主要由大西洋模式初始化日期提前一个多星期。分辨率相同的模型描述了一个类似的性能直到第四天在地区地形和表面对比与中尺度特征可能会有重大的交互。最后,8公里水平分辨率可能结果最好的妥协的计算时间和错误的分数相对较低(< 2°C)和应用程序的能耗模型。
除了美,它给出了一个平均大小的预测错误,RMSE(均方根误差)将在证据的最大温度错误不同的交货期。这可能是一个有用的性能分析参数,虽然它没有给信息偏差作为我(平均误差)。关于我分析(不是这里介绍,为了简洁起见),将会呈现出一种普遍低估对意大利城市,而相反的行为是在欧洲的发现。这一结果需要进一步调查。后来,RMSE性能对意大利(表3)和欧洲城市(表所示4)。
结果在表1- - - - - -4忠实地遵循美行为,尤其是对意大利城市。如上所述,它显然出现大错误是如何增强一天+7在所有网格分辨率和开始一天+5粗的(13 - 18公里)。特别有趣的是都灵的性能在18公里网格分辨率,在阿尔卑斯山周围的存在可能引发错误2°C的门槛之外一天+2。欧洲城市,相反,一个更好的整体性能是证实尽管甚至发现一些缺陷一天+5为降低网格分辨率。再一次,8公里网格分辨率代表所有分析的最优选择城市的性能和计算成本,考虑到模型运行一天几次。
4.3。稳定和不稳定的天气条件
上述研究结果强调了一般在一段两年。随后深入调查是使用2 m的温度变量在特定时间内表现为相反的天气模式配置为了评估如果e-kmf™性能在不同的网格分辨率增强的或平滑。
下面的步骤描述了采用方法为选择选择稳定和不稳定时期通过温度数据。首先,我们计算了每日平均温度(T每日的意思)观察每小时温度数据(原始数据),然后每日温度之间的差异一天+0和一天- - - - - -1(T偏差);然后,我们计算的加权平均数T偏差在一个移动窗口的14天(T三的意思),最后,最高的价值T三的意思是已经关联到一个不稳定的时期,而最小值为每个城市一个稳定时期,如图4米兰城的例子。
两个稳定的时期在冬天和夏天在春天和秋天和两个不稳定的时期选择相应的一个类似的天气模式发现8个城市同时按照加权平均温度的计算。(我)1圣不稳定的时期:2013年4月14-27(2)2nd不稳定的时期:2013年11月28日10月10日(3)3理查德·道金斯稳定时间:2014年2月23日1月5日(iv)4th稳定时间:6月7日7月23日,2015年,大规模的高压的存在在2015年夏天最大的欧洲的一部分让选择一段时间(从原始数据集),相互稳定在所有八意大利和欧洲城市。
为了简便起见,在下面的图片,我们显示的比较1圣(不稳定)和4th(稳定)时期的8个城市,交货期在不同的网格模型的决议。
显然看起来如何之间的传播意大利和欧洲城市的美是证实,恶化,甚至更广泛的网格分辨率模型(图5)。预测误差在2和4°C之间从第六天开始不稳定的时期,他们甚至可以达到5°C与粗分辨率模型温度偏差。
(一)
(b)
(c)
(d)
相反,在2015年7月的存在反气旋拥抱了整个欧洲,表演的e-kmf™更高,逻辑上可以看出。美仍低于2°C误差阈值在低分辨率(图模型6),预计都灵和米兰当地地形中扮演着关键角色,和温度预报误差达到4°C和5°C的差异与当地观察13公里,18公里网格分辨率。
(一)
(b)
(c)
(d)
考虑这些选择的时期,通常天气尺度高压的存在增加了预测地平线减少网格分辨率的影响。另一方面,在不稳定的天气条件下,一般负责观察温度的突然变化,美随网格分辨率降低,尤其是对地形的影响可能成为相关的地方。
5。结论
分析温度对预测误差进行了超过8个城市在意大利和欧洲城市在2013年和2014年,两周之后,四个时期的不同天气条件。美和RMSE用来计算之间的性能分析观测数据和气象的输出e-kmf™天气预报模型在不同空间分辨率(5.5,8、13和18公里)。
这项研究的目的是分析的作用空间分辨率的温度预测e-kmf™模型这些网站的特点是不同的气候和地形条件测试的四个欧洲城市(伦敦、巴黎、布鲁塞尔和慕尼黑)和四个意大利城市(米兰、都灵、罗马和那不勒斯)。结果e-kmf™空间分辨率分析显示网格大小的作用在任何交货时间(模型表现一天+11)。特别是,从18岁到5.5公里的空间分辨率变化是在意大利(地中海)更相关的城市比欧洲(大陆),因为这些受到大西洋气候条件的影响。温度得分低于2°C (MAE和RMSE),它可以被认为是可接受的阈值能量消耗的有效温度预测的应用程序,通过使用预测模型与5.5公里网格分辨率一天+5在米兰和都灵一天+6在那不勒斯和罗马一天+9在布鲁塞尔、巴黎和伦敦。RMSE分析都灵(接近高山地区)展品最低的表现分粗分辨率模型(18公里)已经自一天+2预测,显示周围的地形特征的重要性。手术的应用程序在意大利和欧洲城市通过最小化计算成本,适当的网格大小可能8公里。最后,考虑到使用它作为一个单一的每日运营能耗预测模型的价值,这一基准分析只有看着的系综平均值温度。未来的发展将占每个预测乐团成员单独为了生成一个概率分布对能源消费预测。
缩写
| e-kmf™: | eni-kassandra流星预测 |
| IDW: | 逆距离权重 |
| 梅: | 平均绝对误差 |
| 航空例行: | 机场气象报告 |
| 数值天气预报模式: | 数值天气预报模式 |
| SYNOP: | 表面天气观测。 |
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称他们没有利益冲突(金融和非金融的)。
作者的贡献
交流参与了基准分析和数据解释和写的手稿。GG参与研究项目开发、工业应用和修正。RS开发了天气预报模型,收集所有观察到的数据集,并监督所有数据模拟。通用电气曾参与数据模型分析和调试。MM监督的完整手稿和批准最终版本出版。
确认
本研究进行了框架的Kassandra流星项目由埃尼公司。