WRF-Solar EPS: Un nuevo sistema para la previsión probabilística de energía solar

Hay muchos modelos numéricos de predicción meteorológica (NWP), pero el modelo Weather Research and Forecasting (WRF) es el modelo predictivo libre más utilizado en el mundo. El WRF-Solar Ensemble Prediction System (EPS) recientemente desarrollado nos permite hacer pronósticos probabilísticos de radiación solar con alta calidad.

¿Que es WRF-Solar?

En este momento se instalan más y más sistemas fotovoltaicos (PV) en todo el mundo y la previsión de energía solar intradiaria y diaria se vuelve más y más importante. Pero en los modelos numéricos de predicción meteorológica (NWP), la radiación de onda corta es una variable de diagnóstico y debe ser calculada.

WRF-Solar, un desarrollo adicional de WRF, fue diseñado para mejorar la precisión de la interacción aerosol-nube-radiación. En los últimos años, el Weather Research and Forecasting Model (WRF) se ha adaptado y ampliado específicamente para simular con mayor precisión la interacción de los aerosoles, las nubes y la radiación ^1,2.  Para ello se ha cambiado y mejorado las numerosas parametrizaciones en el modelo WRF ^3,4. Esto permite reducir en gran medida el error de pronóstico de la radiación solar, especialmente en el caso de un cielo despejado.

¿Que es el WRF-Solar Ensemble Prediction System (EPS)?

WRF-Solar EPS es una ampliación de las partes WRF-Solar del modelo WRF. Esta novedad introduce perturbaciones estocásticas en las variables de las parametrizaciones más relevantes para la predicción de la radiación solar que llega al suelo. Estas variables han sido identificadas con modelos lineales tangentes. En esta herramienta de pronóstico de última generación, los métodos de perturbación estocástica se eligen especialmente para tener en cuenta las incertidumbres de representación en los procesos entre las nubes, la radiación y los aerosoles ⁵. Un modelo para las previsiones del conjunto de alta calidad como WRF-Solar EPS, nos permite no solo identificar, pero también cuantificar los recursos de energía solar, porque cada miembro del conjunto representa un posible estado futuro. Las diferencias entre los conjuntos se pueden utilizar para evaluar el rango y la incertidumbre de las predicciones de energía solar y ayudar a hacer predicciones de la radiación solar más precisas.

Este gráfico interactivo muestra un ejemplo de irradiancia horizontal global (GHI) pronosticado con WRF-Solar EPS para Lindenberg (Alemania) el 4 de marzo de 2022. WRF calcula dos regiones de diferentes tamaños: una con un espacio de cuadrícula horizontal de 9 km, y el otro con una cuadrícula de 3 km. Lógicamente la difusión de los 5 miembros del conjunto difiere de una región a otra. Se compara con los datos abiertos de medición de DWD.

Pronósticos de nubes multicapa

Un modelo NWP es una traducción de ecuaciones físicas a algo que la computadora puede procesar. Hay variaciones en los procesos en la atmósfera de segundos a días y de nanómetros a kilómetros. Por eso los modelos meteorológicos incluyen muchas estimaciones, omisiones y aproximaciones.  El modelo siempre está limitado por su resolución en el espacio y el tiempo, que define los procesos más pequeños y rápidos que se resuelven. WRF permite ‘nesting’ regiones, lo que significa que una región ‘nested’ de alta resolución se inicializa dentro de una resolución más gruesa. De esta forma, sin altos costos computacionales, es posible lograr un pronóstico regional de alta resolución y el modelo puede calcular procesos micro físicos de convección y nubes.

La animación muestra un ejemplo de una previsión de nubes con WRF (dividido en nivel alto, medio y bajo) en Europa Central con la misma configuración de dos regiones. La animación derecha está ‘nested’ en la izquierda, lo que significa que no es solo un simple zoom. Todos los procesos físicos y micro físicos se calculan también en la resolución más alta. Las condiciones iniciales provienen de la región con una resolución menor que utiliza los datos del modelo Global Forecast System (GFS) operado por NOAA. Especialmente interesante es la diferencia entre las dos animaciones en términos de nubes a pequeña escala. Las modificaciones de WRF-Solar en las parametrizaciones conducen a nubes y formaciones de nubes de alta resolución mucho más realistas.

Comparación de nubes: WRF vs. satélite

La evaluación de la capacidad de un modelo meteorológico para pronosticar correctamente un estado futuro se llama verificación. Especialmente con las predicciones de nubes, la verificación a nivel espacial es esencial para medir el rendimiento del modelo. Aquí en Reuniwatt, calculamos una máscara de nubes a partir de las varias predicciones de WRF y WRF-Solar para de compararlas con una máscara de nubes basada en satélites. Así, las observaciones de detección remota conducen a crear una estadística de acertar o fallar en la que podemos basar diferentes métricas para calcular la capacidad de nuestro modelo meteorológico.

Este gráfico aquí muestra un ejemplo de un pronóstico de máscara de nubes basado en WRF con un espacio de cuadrícula de 3 km en comparación con ese pronóstico basado en mediciones satelitales. En el gráfico de diferencia hay áreas en las que las nubes están presentes o ausentes tanto en la previsión WRF como en los datos del satélite, pero también áreas con nubes que no se han previsto correctamente.

Referencias

1. Haupt, S. E., Kosovic, B., Jensen, T. L., Lee, J., Jimenez Munoz, P., Lazo, J. K., … Hinkleman, L. (2016). The Sun4Cast® Solar Power Forecasting System: The Result of the Public-Private-Academic Partnership to Advance Solar Power Forecasting (No. NCAR/TN-526+STR). doi:10.5065/D6N58JR2.
2. Jimenez, P.A., J. P. Hacker, J. Dudhia, S. E. Haupt, J. A. Ruiz-Arias, C. A. Gueymard, G. Thompson, T. Eidhammer and A. Deng, 2016a: WRF-Solar: Description and Clear-Sky Assessment of an Augmented NWP Model for Solar Power Prediction. Bull. Amer. Met. Soc.. 97, 1249-1264. doi:10.1175/BAMS-D-14-00279.1.
3. Ruiz-Arias, J.A., J. Dudhia and C. A. Gueymard, 2014: A simple parameterization of the short-wave aerosol optical properties for surface direct and diffuse irradiances assessment in a numerical weather model. Geosci., Model Devel., 7, 1159-1174.
4. Xie, Yu, M. Sengupta, J. Dudhia, 2016: A Fast-sky Radiation model for Solar applications (FARMS): Algorithm and performance evaluation. Solar Energy, 135, 435-445.
5. J. -H. Kim et al., “The WRF-Solar Ensemble Prediction System to Provide Solar Irradiance Probabilistic Forecasts,” in IEEE Journal of Photovoltaics, vol. 12, no. 1, pp. 141-144, Jan. 2022, doi: 10.1109/JPHOTOV.2021.3117904.