Projekt: Vindmodellering genom nedskalning av Eta-modellen Statusrapport 1 juni



Relevanta dokument
SMHIs nederbördsmätning

Sannolikhetsmodellering av is på vindkraftverk genom deterministisk sampling

Modeller för små och stora beslut

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Analys av samvariationen mellan faktorer som påverkar vattennivåerna i Karlstad

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

Hur skriver man statistikavsnittet i en ansökan?

Ingenjörsmetodik IT & ME 2011 Föreläsning 11

Sammanfattning till Extremregn i nuvarande och framtida klimat

Elin Sjökvist och Gustav Strandberg. Att beräkna framtidens klimat

Elin Sjökvist och Gustav Strandberg. Att beräkna framtidens klimat

Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp

Systemkonstruktion Z3 (Kurs nr: SSY-046)

SVÄNGNINGSTIDEN FÖR EN PENDEL

Intensiv nederbörd och hydrologisk risk: mot högupplösta flödesprognoser Jonas Olsson

MetCoOp och Arome en mesoskalig operationell. väderprognos. Heiner Körnich, Meteorologisk Metodkonferens, Norrköping, 26/9/2013

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

96 Påverkar de beräknade avsänkningarna på ett betydande sätt Natura 2000-området Storskäret?

Ola Hammarberg Vattenregleringsföretagen Östersund

Sannolikhetsprognoser för nedisning på vindturbiner

Beskrivande statistik

SVENSK ÖVERSÄTTNING AV BILAGA D FRÅN ASSESSMENT OF THE ACOUSTIC IMPACT OF THE PROPOSED RÖDENE WIND FARM

Klimatscenarier och klimatprognoser. Torben Königk, Rossby Centre/ SMHI

Vetenskaplig metod och statistik

OBS! Vi har nya rutiner.

Vindpotentialen i Sverige på 1 km-skala

Klimat, observationer och framtidsscenarier - medelvärden för länet. Västmanlands län. Sammanställt

STATISTISK POWER OCH STICKPROVSDIMENSIONERING

Klimatsimuleringar. Torben Königk, Rossby Centre/ SMHI

Naturvårdsverkets författningssamling

Ingenjörsmetodik IT & ME 2010 Föreläsning 5

Nedisningsprognoser för vindkraft. Vintervind mars 2008 i Åsele

RASP Termikprognos Stefan Löfgren, Avesta Segelflygklubb

Dagens system: klimatologisk ensemble

732G71 Statistik B. Föreläsning 8. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08

Introduktion till statistik för statsvetare

Fuktighet i jordmåner. Variansanalys (Anova) En statistisk fråga. Grafisk sammanfattning: boxplots

BRUKARRELATERAD ENERGIANVÄNDNING

Instruktion för inrapportering och konsolidering i IBM Cognos Controller

Institutionen för teknikvetenskap och matematik, S0001M LABORATION 2

Beskrivning av använd metod, ingående data och avvägningar som gjorts vid klassificering av näringsämnen i sjöar och vattendrag i Värmlands län 2013

Vad Betyder måtten MAPE, MAD och MSD?

Tentamen i Beräkningsvetenskap II, 5.0 hp,

Vetenskaplig metod och Statistik

2 Dataanalys och beskrivande statistik

Statistiska samband: regression och korrelation

WATERS: Förslag på enhetlig hantering av osäkerhet inom statusklassning och uppföljning

Massaindex. Ett projekt inom SCOPE Norra. Mikael Håkansson 23 Maj 2013

Föreläsning 7. Statistikens grunder.

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

1. Introduktion Instruktionen utgörs av Radian Innovas handledning för ML-1.

Ny Nationell Höjdmodell

Klimatscenarier för analys av klimatpåverkan

Radardata för högupplösta nederbördsanalyser och hydrologiska prognoser. Peter Berg, Emil Björck, Lars Norin, Jonas Olsson, Wei Yang

Dubbdäcksförbud på Kungsgatan och Fleminggatan. Utvärdering

Betrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.

Kompletterande instruktioner, tips samt principer för bedömning av Laboration 2 Magnetiska fält (Elektromagnetism 12 hp)

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)

Vetenskaplig metod och statistik

Kvalitetskontroll laserscanning Göta- och Nordre älvs dalgångar

TENTAMEN I SF2950 (F D 5B1550) TILLÄMPAD MATEMATISK STATISTIK, TORSDAGEN DEN 3 JUNI 2010 KL

Sekant och tangent Om man drar en rät linje genom två punkter på en kurva får man en sekant. (Den gröna linjen i figuren).

Bestämning av hastighetskonstant för reaktionen mellan väteperoxid och jodidjon

Tentamen i matematisk statistik

Realtidsuppdaterad fristation

Metodkonferensen Norrköping, Osäkerheter i hydrologiska modeller

Vad kan Reflab - modeller hjälpa till med? Rådgivning inom

Förväntade studieresultat (lärandemål) Efter avslutad kurs ska studenterna kunna:

Snötäckningsgrad från satellitobservationer i HBV-96 Barbro Johansson Karen Lundholm Anders Gyllander

Ryaverkets påverkan på statusklassningen

Manual för beräkningsverktyget Räkna med rotröta

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Kvalitetssäkring av modellberäkningar

Föreläsning 4. Kapitel 5, sid Stickprovsteori

Optimering och simulering: Hur fungerar det och vad är skillnaden?

LETTER OF NET CHANGES RELEASE 6.2. Beställning E-post: FACKTA Point of Sale V6R2

Korrektion av systematiska fel i meteorologiska prognoser: en förstudie om vårflodsprognoser

Statistiska centralbyråns författningssamling

Riktlinjer för Mjölby kommuns mål- och resultatstyrning

Hej och välkommen till en kort presentation av SchemaKoll. I den här presentationen kommer du att bli guidad genom proceduren att logga in med en

Vetenskaplig Metod och Statistik. Maja Llena Garde Fysikum, SU Vetenskapens Hus

Rymden för SMHI och din vardag. Jordobservationer för väder, vatten och klimat

Ljudmätningar examensarbete

Mätningar och indata Hur modellerna är uppbyggda Felkällor Statistiska tolkningar Ensembler Starka/Svaga sidor. Vad Mäts?

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Framtidens översvämningsrisker

Marknära ozon i Asa Årsrapport 2012

Prediktionsmodell för våta vägmarkeringars retroreflexion

Vad är rätt och vad är fel?

Bruksanvisning

Modellprognos för konjunkturlönestatistikens definitiva utfall januari 2018 december 2018

Sotenäs kommun Bullerutredning - detaljplan för ÖDEGÅRDEN 1:9 m. fl, Sotenäs kommun

F9 Konfidensintervall

EXAMINATION KVANTITATIV METOD

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Bruksanvisning. Swema AB Tel: För support och nedladdning av aktuell programvara kontakta:

Transkript:

Projekt: Vindmodellering genom nedskalning av Eta-modellen Statusrapport 1 juni Nedan följer statusrapport av projektet Vindmodellering genom nedskalning av Eta-modellen som bedrivs av North Environment Weather AB, med delfinansiering från VindForsk-programmet. Vi kan härmed inkomma med intressanta resultat uppkomna inom olika led av nedskalningsprocessen, som för varje steg innebär en förbättring av vindmodelleringssystemet. Vindmodelleringssystemet tillämpar, enligt tidigare redogörelse, både en fysikalisk nedskalning (modellering av atmosfären med gradvis högre upplösning) och tillämpning av statistiska metoder. Efter diskussion inom referensgruppen har vi även beslutat att följa specifikt upplägg, som kommer att demonstrera den förbättring som uppnås genom att applicera data för flera år, d.v.s. kvalitetsförbättringen som resultat av utökad mätserie. Projektets status och utförande Projektet har genomgått flera nedskalningar, enligt bilden nedan. För nedskalningsprocessen från globala data, via vår Europamodell med 30 km och Skandinavienmodell (12 km upplösning), har redogjorts för vid tidigare rapporteringstillfälle. I denna lägesrapport kommer vi att lägga fokus på framkomna resultat för vår modell med 3 km upplösning, då denna körts för olika tidssteg och med olika förädlingsgrad med avseende på statistiska tillämpningar. På så sätt åskådliggörs också den förbättringsgrad som uppnås genom ökad mängd observationsdata.

Samtliga prognoser avser körningar 24h fram i tiden. Prognoser 48 h kommer att utföras senare. Som kuriosa kan nämnas att prognos för 12 månader, d.v.s. 12 månaders integrationer tar ca 1 månad. Datamängderna är omfattande, viket man kan utläsa ur följande exempel: 5 års data för sommarperioden 15/6 15/10 (eg. 4 månader), d.v.s. 20 månader totalt, motsvarar en datamängd av storleksordningen 80 Gb. Mätdata för Näsudden, som för detta projekt köptes in från Vattenfall, var 1 minuters medelvärden. För att nyttja samtliga tillgängliga data och därefter anpassa utförandet, kördes även modellen med tidssteg 1 minut. Resultaten presenteras som medelvärden för perioder om 180 minuter (3 timmar). Därvid användes intervall baserade på inom meteorologi vedertagna tidsintervall: 00 UTC till 03 UTC, 03 UTC till 06 UTC, 06 UTC till 09 UTC o.s.v., där UTC är Greenwich time. För 3 km modellen har följande steg utförts och beskrivs mer detaljerat nedan: 1. Körning av ren Eta (endast fysikalisk modell) för 1996-1998 2. Prognos för 1998, baserad på statistisk analys av 1996 och 1997 3. Prognos för 1998, baserad på statistisk analys av 1996 och 1997, inklusive nowcasting -3h och -6h Perioden avser sommarperioden 15 juni 15 oktober, lämplig för studie av modellens förmåga att göra bra prognoser för situationer då vinden uppvisar större variation och lägre vindstyrkor. Samma upplägg kommer att tillämpas för alla perioder/säsonger under året. Vi kommer därmed att kunna fastställa eventuell säsongförknippad variation i vindprognosernas kvalitet. Verifikationsmetod Vid verifiering av samtliga ovan beskrivna fall beräknades följande värden: ME (medelfel), AME (absolutfel), RMS (root mean sqare), CCor (korrelationskoefficient). Verifikationerna utfördes separat för varje nivå, varav följande var aktuella: 10, 38, 54, 75, 96, 120 och 145 m. 120 m uteslöts dock, p.g.a. uppenbara felaktigheter i mätserien, vilka vi kunde identifiera enligt beskrivning senare i texten. 1. Ren Eta 1996-1998 Körning av ren Eta (endast fysikalisk modell) för 1996-1998 Körningar av Eta-modellen för 1996-1998, utan några statistiska analyser. Modellen kördes för perioden 15/6 till 15/10 1998. Process: nedskalning från global analys till Europamodell med 30 km upplösning, därefter Skandinavienmodell 12 km och slutligen Gotland (mellersta Östersjön) 3 km. Här råder total avsaknad av manipulering av den fysikaliska modellen. Modellen är en ren fysikalisk modell (liksom Europamodellen 30 km och Skandinavienmodellen 12 km), för vilken körningar utfördes genom sedvanlig prognosteknik, numeriska metoder och beräkningar. Tidssteg 1 minut, prognos 24 h fram i tiden.

2. Eta 1998 med statistik 1996-1997 Prognos för 1998, baserad på 1996 och 1997 års mätdata Steget från fysikalisk modell till anpassad modell genom tillämpning av statistiska analyser och metod. S.k. MOS-teknik tillämpades på 1996 och 1997 m.h.a. mätdata för samma period. En förutsättning för detta var givetvis att först utföra vindmodellkörningar av 1996 och 1997 enligt punkt 1. ovan. D.v.s. ren Eta, den fysikaliska modellen, kördes för 1996 och 1997 och resultaten jämfördes därefter med motsvarande mätdata, varefter koefficienter och andra justeringar infördes i modellen en första statistik anpassning. Den nya, anpassade modellen, kördes därefter för 1998, tidsintervall 1 minut, 24 h fram i tiden. De framkomna resultaten jämfördes med uppmäta data för 1998, d.v.s. verifikationer av den nu anpassade modellen mot observationer. Vid sammanställning och åskådliggörande av resultat användes medelvärden 00-03 UTC, 03-06 UTC, 06-09 UTC, o.s.v. 3. Eta 1998 med statistik 1996-1997 och nowcasting Prognos för 1998, baserad på 1996 och 1997 års mätdata, med uppdateringar bestående av mätdata 6h och 3h (1998) Mätningar -6 h Nya körningar av 1998, nu även inkluderad nowcastingmetod. Mätningar registrerade 6 h tillbaka i tiden i relation till gällande tidpunkt för prognoskörning inkluderas. Detta kan ses som ett test i realtid. För gällande prognosstart 00 UTC matades observation från 18 UTC föregående dygn. Exempel: Prognos utfärdad 10/8 1998 kl. 00 UTC använder observation från 11/8 1998 kl. 18 UTC. Därefter matades nya värden in för gällande tidpunkt 6h, d.v.s. kl. 06 UTC matades mätningen 00 UTC in, för 12 UTC mätning från 06 UTC o.s.v. Samma förfarande som tidigare, prognos 24 h, med 1 minuters integrationer. Mätningar -3 h Nya körningar utfördes därefter, men med inmatning av observationer 3 h från prognosstart. Exempel: Gällande prognos 00 UTC nyttjar mätning från 21 UTC föregående dygn.

Resultat I tabellerna nedan presenteras resultat av verifikationer för tidsperioden 15/6 15/10 för givna nivåer. Prognosen avser 1998, baserad på MOS för 1996 och 1997. Nedan följer beskrivning av de olika körningar (modellversioner med förbättringar) med beräknade avvikelser från observerade värden. Varje punkt motsvarar samma punkt under Projektets status och utförande ovan. 1. Eta Översta kolumnen i varje avsnitt representerar ren Eta-körning 2. Eta-MOS Andra raden är Eta med MOS baserad på 1996-1997, tillämpad på 1998 3. Eta MOS 6h +6h persistens mätdata i realtid (punkt 3.) Eta MOS 3h +3h persistens mätdata i realtid (punkt 3.) För samtliga av dessa 4 olika modellkörningar har följande koefficienter beräknats och redogörs i tabellerna nedan: M Error (medelfel), MA Error (medel absolutfel), RMS, Ccor (korrelationskoefficient) För M Error har felet även uttrycks i procent i den sista kolumnen. Felen är beräknade medelfel för tidsintervall om 3 timmar. 03 avser det tidsintervallet 00-03 UTC, 06 står för 03-06 UTC o.s.v. Wind Speed Verification, Näsudden Height:010m time... 03Z 06Z 09Z 12Z 15Z 18Z 21Z 24Z Eta-MError 0.5 0.5 1.0 1.1 1.1 1.2 1.4 1.3 Eta-mos 0.6 0.7 0.6 0.5 0.4 0.4 0.4 0.8 Eta-mos+6hpers 0.5 0.5 0.4 0.2 0.1 0.1 0.2 0.8 Eta-mos+3hpers 0.2 0.2 0.2 0.1 0.1 0.0 0.2 0.6 Eta-mos+3hpers-% 4.4 5.0 4.3 2.8 2.3 0.5 4.6 14.0 Eta-MAError 1.1 1.1 1.3 1.2 1.3 1.4 1.6 1.5 Eta-mos 1.0 1.0 1.0 0.9 0.9 1.0 1.0 1.1 Eta-mos+6hpers 0.9 0.9 0.8 0.7 0.8 0.9 0.8 1.0 Eta-mos+3hpers 0.7 0.6 0.6 0.6 0.6 0.6 0.6 0.8 Eta-RMSError 1.3 1.4 1.7 1.5 1.5 1.8 1.9 1.8 Eta-mos 1.1 1.3 1.3 1.1 1.1 1.2 1.2 1.3 Eta-mos+6hpers 1.0 1.1 1.0 0.9 1.0 1.1 1.0 1.2 Eta-mos+3hpers 0.9 0.8 0.8 0.8 0.8 0.8 0.7 0.9 Eta-CCor 0.77 0.73 0.70 0.83 0.81 0.76 0.76 0.77 Eta-mos 0.77 0.73 0.70 0.83 0.81 0.76 0.76 0.77 Eta-mos+6hpers 0.82 0.76 0.78 0.86 0.83 0.79 0.84 0.83 Eta-mos+3hpers 0.84 0.87 0.87 0.89 0.90 0.88 0.91 0.89

Wind Speed Verification, Näsudden Height:038m time... 03Z 06Z 09Z 12Z 15Z 18Z 21Z 24Z Eta-MError 0.7 0.9 1.2 1.1 1.0 0.9 1.2 1.4 Eta-mos 0.6 0.9 0.7 0.8 0.6 0.5 0.5 1.0 Eta-mos+6hpers 0.6 0.6 0.5 0.4 0.3 0.2 0.3 0.8 Eta-mos+3hpers 0.2 0.3 0.2 0.3 0.2 0.1 0.2 0.6 Eta-mos+3hpers-% 4.4 5.7 4.6 5.2 3.1 1.2 3.9 12.1 Eta-MAError 1.5 1.6 1.7 1.4 1.5 1.5 1.6 1.8 Eta-mos 1.3 1.5 1.4 1.2 1.3 1.3 1.3 1.5 Eta-mos+6hpers 1.1 1.2 1.1 1.0 1.1 1.2 1.1 1.3 Eta-mos+3hpers 0.9 0.8 0.8 0.8 0.9 0.8 0.8 0.9 Eta-RMSError 1.7 2.0 2.1 1.8 1.8 1.9 2.0 2.1 Eta-mos 1.6 1.8 1.7 1.5 1.6 1.6 1.6 1.7 Eta-mos+6hpers 1.4 1.5 1.4 1.3 1.4 1.5 1.3 1.5 Eta-mos+3hpers 1.2 1.1 1.0 1.1 1.1 1.1 1.0 1.1 Eta-CCor 0.76 0.71 0.72 0.82 0.80 0.76 0.76 0.77 Eta-mos 0.76 0.71 0.72 0.82 0.80 0.76 0.76 0.77 Eta-mos+6hpers 0.83 0.77 0.80 0.84 0.83 0.78 0.83 0.83 Eta-mos+3hpers 0.85 0.88 0.89 0.88 0.90 0.88 0.91 0.90 Wind Speed Verification, Näsudden Height:054m time... 03Z 06Z 09Z 12Z 15Z 18Z 21Z 24Z Eta-Merror 0.5 0.9 1.2 1.0 1.0 0.9 1.0 1.3 Eta-mos 0.6 0.9 0.7 0.8 0.7 0.6 0.5 1.0 Eta-mos+6hpers 0.5 0.6 0.4 0.4 0.4 0.4 0.3 0.8 Eta-mos+3hpers 0.2 0.3 0.2 0.3 0.2 0.1 0.2 0.6 Eta-mos+3hpers-% 3.8 5.2 3.4 5.4 4.3 2.1 3.0 10.4 Eta-MAError 1.5 1.7 1.8 1.5 1.6 1.5 1.6 1.8 Eta-mos 1.4 1.6 1.5 1.4 1.4 1.4 1.4 1.5 Eta-mos+6hpers 1.2 1.3 1.2 1.2 1.2 1.3 1.2 1.3 Eta-mos+3hpers 1.0 0.9 0.9 1.0 1.0 0.9 0.9 0.9 Eta-RMSError 1.8 2.1 2.2 1.9 1.9 1.9 2.0 2.1 Eta-mos 1.7 1.9 1.9 1.7 1.8 1.7 1.7 1.8 Eta-mos+6hpers 1.5 1.6 1.5 1.5 1.6 1.6 1.4 1.5 Eta-mos+3hpers 1.3 1.1 1.1 1.3 1.2 1.2 1.1 1.2 Eta-CCor 0.77 0.73 0.73 0.81 0.79 0.77 0.77 0.77 Eta-mos 0.77 0.73 0.73 0.81 0.80 0.77 0.77 0.77 Eta-mos+6hpers 0.84 0.79 0.81 0.83 0.83 0.80 0.83 0.84 Eta-mos+3hpers 0.86 0.89 0.89 0.88 0.90 0.89 0.91 0.90

Wind Speed Verification, Näsudden Height:075m time... 03Z 06Z 09Z 12Z 15Z 18Z 21Z 24Z. Eta-Merror 0.6 1.1 1.4 1.2 1.1 1.1 1.0 1.4 Eta-mos 0.5 0.9 0.6 0.8 0.7 0.7 0.5 0.9 Eta-mos+6hpers 0.5 0.6 0.4 0.4 0.5 0.5 0.3 0.8 Eta-mos+3hpers 0.2 0.3 0.2 0.3 0.3 0.2 0.1 0.5 Eta-mos+3hpers-% 3.6 4.6 2.5 4.9 5.4 2.8 1.6 9.3 Eta-MAError 1.6 1.8 2.0 1.6 1.7 1.7 1.7 1.9 Eta-mos 1.5 1.7 1.5 1.4 1.4 1.4 1.4 1.6 Eta-mos+6hpers 1.2 1.3 1.2 1.2 1.2 1.3 1.2 1.3 Eta-mos+3hpers 1.0 0.9 0.9 1.0 1.0 0.9 0.9 1.0 Eta-RMSError 1.9 2.3 2.3 2.0 2.0 2.1 2.1 2.3 Eta-mos 1.8 2.0 1.9 1.7 1.7 1.8 1.7 1.9 Eta-mos+6hpers 1.5 1.7 1.5 1.4 1.5 1.6 1.5 1.6 Eta-mos+3hpers 1.2 1.2 1.2 1.2 1.3 1.2 1.1 1.2 Eta-CCor 0.76 0.72 0.74 0.81 0.81 0.77 0.76 0.76 Eta-mos 0.76 0.72 0.74 0.81 0.81 0.77 0.76 0.76 Eta-mos+6hpers 0.83 0.80 0.81 0.85 0.85 0.80 0.82 0.82 Eta-mos+3hpers 0.88 0.89 0.89 0.89 0.89 0.89 0.90 0.90 Wind Speed Verification, Näsudden Height:096m time... 03Z 06Z 09Z 12Z 15Z 18Z 21Z 24Z Eta-Merror 0.4 1.0 1.4 1.1 1.0 1.0 0.9 1.3 Eta-mos 0.6 0.9 0.7 0.8 0.8 0.8 0.6 1.1 Eta-mos+6hpers 0.5 0.6 0.4 0.5 0.6 0.5 0.4 0.9 Eta-mos+3hpers 0.2 0.2 0.2 0.4 0.5 0.2 0.2 0.6 Eta-mos+3hpers-% 3.6 3.7 3.3 5.3 6.7 3.3 2.5 9.6 Eta-MAError 1.7 2.0 2.1 1.7 1.7 1.7 1.8 1.9 Eta-mos 1.6 1.8 1.7 1.6 1.6 1.5 1.6 1.8 Eta-mos+6hpers 1.3 1.4 1.3 1.4 1.3 1.4 1.4 1.5 Eta-mos+3hpers 1.0 1.0 1.0 1.1 1.1 1.0 1.0 1.1 Eta-RMSError 2.0 2.4 2.5 2.1 2.1 2.1 2.2 2.3 Eta-mos 1.9 2.3 2.2 2.0 2.0 1.9 2.0 2.1 Eta-mos+6hpers 1.6 1.8 1.7 1.6 1.7 1.8 1.7 1.8 Eta-mos+3hpers 1.3 1.3 1.3 1.4 1.4 1.4 1.2 1.3 Eta-CCor 0.77 0.72 0.74 0.80 0.81 0.77 0.75 0.75 Eta-mos 0.77 0.72 0.74 0.80 0.81 0.77 0.75 0.75 Eta-mos+6hpers 0.84 0.80 0.81 0.85 0.86 0.79 0.81 0.81 Eta-mos+3hpers 0.88 0.89 0.88 0.89 0.90 0.88 0.90 0.90

Wind Speed Verification, Näsudden Height:145m time... 03Z 06Z 09Z 12Z 15Z 18Z 21Z 24Z Eta-Merror 0.3 0.8 1.1 0.9 0.9 1.0 0.8 1.1 Eta-mos 0.5 0.7 0.7 1.1 1.0 1.0 0.7 0.9 Eta-mos+6hpers 0.4 0.5 0.5 0.8 0.8 0.7 0.4 0.7 Eta-mos+3hpers 0.2 0.3 0.2 0.6 0.6 0.3 0.1 0.4 Eta-mos+3hpers-% 2.8 3.7 3.3 7.4 7.4 4.0 2.1 5.9 Eta-MAError 1.7 1.9 2.0 1.8 1.8 1.8 1.9 2.0 Eta-mos 1.7 1.9 1.9 1.8 1.9 1.7 1.8 1.9 Eta-mos+6hpers 1.4 1.6 1.5 1.6 1.6 1.6 1.6 1.5 Eta-mos+3hpers 1.1 1.2 1.1 1.3 1.3 1.1 1.2 1.1 Eta-RMSError 2.1 2.3 2.5 2.3 2.2 2.2 2.4 2.4 Eta-mos 2.1 2.3 2.3 2.3 2.3 2.1 2.3 2.3 Eta-mos+6hpers 1.7 2.0 1.9 1.9 2.0 2.0 2.0 1.9 Eta-mos+3hpers 1.5 1.5 1.4 1.6 1.6 1.5 1.4 1.4 Eta-CCor 0.79 0.79 0.78 0.81 0.82 0.81 0.76 0.76 Eta-mos 0.79 0.79 0.78 0.81 0.82 0.81 0.76 0.76 Eta-mos+6hpers 0.86 0.83 0.84 0.86 0.86 0.82 0.81 0.82 Eta-mos+3hpers 0.89 0.90 0.91 0.90 0.90 0.89 0.90 0.90 Se även grafisk presentation i slutet av dokmentet. Vi kan se att en första introduktion av MOS ger en förbättring mot den rena modellen (punkt 1., översta kolumnen). Denna förbättring är marginell och man jämför med den förbättring som sker från punkt 2. till 3. (andra och tredje kolumnen). +6 och +3 persistensen ger med andra ord en avsevärd förbättring i prognoserna på samtliga nivåer. Medelfelet ligger mellan 2-6%, för samtliga prognoser upp till 18 h fram i tiden, medan felen för 00 +21 och 00 +24 h prognoserna är större och på nivåerna 10, 38 och 54 >10%, medan de för nivåerna 75, 96 och 145 m är <10%. Vi kan även notera att ME genomgår en avsevärd förbättring genom +6 och +3 persistens på samtliga nivåer (jämför punkt 2. och 3.). Detta gäller även korrelationskoefficienten, som för de flesta nivåer ligger mellan 0.80 och 0.85 i körning 2. och mellan 0.85 och 0.90 för körningar 3. Med dessa resultat som utgångspunkt kan vi dra slutsatsen att vårt vindmodelleringssystem ger goda (tillfredsställande) resultat för vindprognoser 0-24 h. Resultaten kommer att förbättras ytterligare när vi utför MOS på andra parametrar i modellen, vilket kommer att göras utanför ramarna för detta projekt. Kvalitetskontroll Ett problem vi stött på är hanteringen av eventuella felkällor i mätdataserien. Då datamängderna är mycket stora kräver kvalitetskontroll avsevärda resurser. För att kontrollera och delvis eliminera de största eventuella fel som möjligen förekommit utfördes tester och jämförelser mellan mätvärden för de olika nivåerna. Därvid kunde fastställas att det förekom

vissa avvikelser i de observerade värdena mellan närliggande nivåer. Skillnaderna var så pass stora att de indikerade förekomst av systematiska fel. För att utröna detta problem i sin helhet kommer vi att ta hjälp av MIUU, som bedriver projekt relaterade till observationsdata och enligt Vattenfall ansvarar för kraven på kvalitetssäkring. Då datamängderna varit mycket stora har vårt tillvägagångssätt varit enligt följande: Efter genomsökning av hela dataserien eliminerades data som uppfyller följande kriterier: - Samtliga värden <0.5 m/s - Samtliga värden som upprepas mer än 15 gånger i rad (motsvarar 15 minuter) - Efter separat analys av varje nivå för sig och dess två (eller en) närliggande nivåer, beräknades korrelationskoefficienter mellan aktuell nivå och dess närliggande nivåer; i de fall vi erhöll korrelationskoefficient ccor <0.25 mellan testnivån och dess båda närliggande nivåer förkastades värdet för aktuell nivå Härmed upptäcktes att höjd 120 m, för 1997 och 1998, visade värden som avvek från rimliga värden. Vi anser dock att en mer noggrann kvalitetssäkring är önskvärd, vilken inte kan utföras inom ramarna för detta projekt. Med andra ord förekommer säkerligen fall där data är felaktiga, men dessa ändå fått vår acceptans. Detta kan på sikt resultera i små inbyggda fel vid statistisk analys. Genom att ständigt utöka datamängderna och implementera dessa i vårt vindmodelleringssystem kommer dock eventuellt förekommande felaktiga värden att minska i vikt. Man bör notera en annan detalj avseende data. För perioden 1996-1999 finns minutvärden, medan för år 2001 endast 10-minuters medelvärden. 2001 kommer därför att behandlas senare. Värden för 2000 saknas helt. Modifieringar och några slutsatser Vi anser att vi för närvarande ej kommer att behöva nedskalning genom körning av icke-hydrostatiska modellen NMM, d.v.s. att nedskalningen lyckats genom att tillämpa endast Eta-modellen. Denna kommer dock eventuellt att införas i fortsättningen. I detta fall ansågs denna inte vara nödvändigt för aktuellt område (Näsudden, Gotland) då orografin och topografin inte var komplicerade (platt terräng) samt att randvillkoren gavs från vattenytan (Mellersta Östersjön). I detta fall ansågs att den ickehydrostatiska modellen inte skulle förbättra resultaten nämnvärt. I det fall vi skulle utföra samma projekt för område med mer komplicerad terräng skulle detta dock vara nödvändigt. För dessa behov använder vi NMM-modellen (Non-hydrostatic Mesoscale Model), som delvis körs operativt vid NCEP, som gett oss sitt officiella godkännande att använda NMM för kommersiella ändamål. Den viktigaste slutsatsen vi kunnat dra är att resultaten är tillfredsställande, eller t.o.m. mycket goda. Målet är att nå en osäkerhet på 5-10%. Medelfelet är enligt framkomna resultat i de flesta fall 2-10%, med övervikt inom intervallet <5% (se ovan). Fortsatt arbete inom projektet Nästa steg är att utföra samma procedur som beskrivits ovan under punkt 2. och 3., men med utökad datamängd, d.v.s. flera år kommer att inkluderas. Konkret innebär detta prognos för 1999 med statistisk analys baserad på mätdata från 1996-1998. D.v.s. samma procedur som utförts under punkt 1.-3. (Projektets status och utförande ovan), men med utökat antal år:

Körning av ren Eta för 1999 Prognos för 1999, baserad på statistik för 1996, 1997 och 1998 års körningar Detta tillvägagångssätt, med presentation av delresultat för ett antal år, är ett exempel på projektets ambition att bemöta de krav och intressen som framförts av referensgruppen, som representant för vindkraftproducenterna. Genom att följa detta upplägg och fullfölja projektet som mindre delprojekt för ett antal år i taget, kommer vi att kunna ge mätbara resultat av förbättrad prognoskvalitet som funktion av ökad datamängd som indata till modellen. Projektets fortsatta arbete innebär även körning av samtliga övriga säsonger, då vi hitintills endast tillämpat och modellerat perioden 15/6-15/10. Slutligen kommer prognostiden att utökas till 48 timmar, från nuvarande 12 timmars prognos. Då det gäller själva presentationen och sammanställningen bör ett annat viktigt led ingå i det fortsätta arbetet. För att bemöta de intressen som vindkraftindustrin förespråkar kommer resultaten först att presenteras i sin helhet, därefter efter uppdelning baserad på vindstyrkan, d.v.s. separat sammanställning av verifikationerna kommer att göras för vindkraftproducenterna relevanta intervall (exempelvis: 4-12 m/s, 12-25 m/s). Resultat framkomna genom detta projekt kommer med största sannolikhet att publiceras i vetenskaplig tidskrift. Prognoser i realtid Vid operationellt bruk och leverans av prognoser i realtid kommer vi att utföra samma steg som i punkt 3. för 1 h, d.v.s. införande av nowcasting med indata av observerade värden i realtid, med uppdateringstäthet minst 1 timme. Prognosen kommer även att kunna modifieras i realtid genom ständig korrigering av aktuell körning mot nya uppmätta värden. Vid varje inmatning körs MOSmodellen återigen, vilket sker snabbt (några minuter) och kan således leverera en ny prognos inom loppet av några minuter.

Bilaga Exempel på de olika körningarna beskrivna ovan. Blå linje ren Eta Lila linje Eta MOS Gul linje Eta MOS med inmatning -6h observationer Blå linje Eta MOS med inmatning -3h observationer X-axeln representerar prognostidssteg.

Samtliga nivåer, medelfelet uttryckt i procent: